深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 49099 篇文献，本页显示第 5781 - 5800 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5781 | 2026-06-29 |
Deep infant brain segmentation from multi-contrast MRI
2025-Oct, Conference record. Asilomar Conference on Signals, Systems & Computers
|
研究论文 | 提出BabySeg框架，用于婴儿多对比度MRI的脑部分割，支持多种MRI协议和输入配置 | 引入域随机化技术合成超出实际范围的训练图像以提升数据集偏移不变性；设计灵活的特征池化和交互机制，支持任意数量的输入扫描 | NA | 解决婴儿脑部MRI分割方法碎片化问题，开发鲁棒、通用的深度学习分割框架 | 婴儿和幼儿的多对比度脑部MRI图像 | 数字病理学 | NA | MRI（磁共振成像） | 深度学习分割模型 | 图像（多对比度MRI） | NA | NA | BabySeg | NA | NA |
| 5782 | 2026-06-29 |
DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks
2025-02, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2291829
PMID:38084744
|
研究论文 | 提出DeepCompoundNet，一种利用多模态卷积神经网络整合分子信息和相互作用网络来预测化合物-蛋白质相互作用的深度学习模型 | 首次将分子信息（氨基酸序列、化学结构）与多种相互作用网络数据（蛋白质-蛋白质相互作用、药物-疾病相互作用、蛋白质-疾病相互作用）有效整合，提高了预测性能 | 未明确提及局限性，但可能涉及计算资源需求大或对新型相互作用预测的泛化能力有待进一步验证 | 提出一种新的深度学习模型，通过整合分子信息和多种相互作用数据来提高化合物-蛋白质相互作用预测的准确性 | 化合物-蛋白质相互作用对，包括蛋白质、药物以及相关的相互作用网络数据 | 机器学习 | NA | NA | 卷积神经网络 | 文本和网络数据 | NA | NA | 多模态卷积神经网络 | 性能评估指标 | NA |
| 5783 | 2026-06-29 |
Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design
2025, Brain, behavior and evolution
DOI:10.1159/000543081
PMID:39681106
|
研究论文 | 利用深度学习姿态估计和聚类分析，研究自由游动成年斑马鱼行为中刻板姿势的存在及其对运动控制的意义 | 采用无标记跟踪(DeepLabCut)结合无监督多变量时间序列分析(B-SOiD)发现鱼类仅通过三个前后轴水平弯曲即可完成游动，为陆生脊椎动物颈部与四肢演化提供新视角 | 样本量有限(12条个体)，聚类结果依赖帧序列长度(14000帧)，且未验证姿势簇的神经控制机制 | 探究自由游动斑马鱼是否存在刻板姿势及其对运动控制最小化主动(神经)控制的假设 | 12条成年斑马鱼(Danio rerio)的自由游动行为 | 计算机视觉, 机器学习 | NA | 基于深度学习的无标记运动跟踪(DeepLabCut) | 深度神经网络(DeepLabCut中的姿态估计模型) | 视频 | 12条成年斑马鱼，每条约14000帧视频数据 | DeepLabCut, B-SOiD | DeepLabCut (基于ResNet的深度姿态估计网络) | 聚类轮廓系数(最佳聚类数36-50个体 vs 86总体) | GPU (文中未明确型号) |
| 5784 | 2026-06-29 |
Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation
2024-11-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/60334
PMID:39622697
|
研究论文 | 提出基于近义词计算的数据集增强算法，解决中文临床命名实体识别中的标注困难和数据稀疏问题 | 提出分段同义句合成（SSSS）算法，利用现有公共知识无需手动扩展专业领域词典，通过词汇分割重组自然语言数据实现数据集近义扩展 | 依赖已有公共知识库，对新出现的专业术语适应性有限 | 解决临床命名实体识别任务中数据稀疏和标注困难的问题 | 中文电子病历中的临床命名实体 | 自然语言处理 | NA | 自然语言处理 | RoBERTa+CRF, RoBERTa+BiLSTM+CRF | 文本 | CCKS-2017和CCKS-2019两个数据集 | PyTorch | RoBERTa, CRF, BiLSTM | F1分数 | NA |
| 5785 | 2026-06-29 |
Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches
2024-11-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/45289
PMID:39565685
|
研究论文 | 利用韩语社交媒体数据，基于双向长短期记忆网络检测药物不良反应帖子 | 针对韩语社交媒体数据，结合药物名称与不良反应词的关联分析进行数据过滤，构建Bi-LSTM深度学习模型以分类药物不良反应帖子 | 未明确说明 | 开发基于循环神经网络的深度学习模型，用于从韩语社交媒体数据中分类药物不良反应帖子 | 韩语社交媒体帖子（博客、咖啡馆帖子及NAVER问答帖子），涉及药物酮洛芬和醋氯芬酸 | 自然语言处理 | 药物不良反应 | 自然语言处理 | 双向长短期记忆网络 | 文本 | 未明确说明 | NA | 双向LSTM | 准确率 | NA |
| 5786 | 2026-06-29 |
Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review
2024-10-30, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/57124
PMID:39475815
|
综述 | 本文通过范围综述探讨人工智能和数据科学在急诊医学中整合社会健康决定因素的应用潜力 | 首次系统评估AI和数据科学在急诊科中建模、提取和整合社会健康决定因素数据的能力，强调自然语言处理技术的预测性能 | 研究尚处于早期阶段，缺乏标准化SDOH数据收集方法，且算法需针对不同患者群体优化 | 评估AI和数据科学在急诊科中整合社会健康决定因素数据的潜力，并识别未来研究领域 | 2015-2022年间发表的关于AI或数据科学在急诊医疗中应用SDOH的研究 | 自然语言处理 | NA | NA | 机器学习, 自然语言处理, 深度学习 | 文本 | 26项研究 | NA | 规则型NLP, 深度学习, 模式匹配 | F1分数, 特异性 | NA |
| 5787 | 2026-06-29 |
Evaluating Medical Entity Recognition in Health Care: Entity Model Quantitative Study
2024-10-17, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/59782
PMID:39419501
|
研究论文 | 评估七种命名实体识别模型在三个医学数据集上的性能，并分析影响性能的宏观因素 | 引入了宏观因素（如实体短语长度和每个实体短语中的实体词数量）对模型性能影响的分析，并采用多级因子消除算法筛选影响因子 | 未提及研究局限性 | 细致评估不同NER模型在医学文本分析中的性能，并探索宏观因素对其准确性的影响，为优化医学NER模型提供见解 | 七种NER模型（HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa和Gemma）在三个医学数据集（Revised JNLPBA、BioCreative V CDR、AnatEM）上的表现 | 自然语言处理 | NA | NA | HMM, CRF, BERT, BigBird, DeBERTa, RoBERTa, Gemma | 文本 | 三个数据集：Revised JNLPBA、BioCreative V CDR、AnatEM（具体样本数未提及） | NA | HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa、Gemma | 微平均分数（AVG_MICRO） | NA |
| 5788 | 2026-06-29 |
Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults
2024-08, Journal of cachexia, sarcopenia and muscle
DOI:10.1002/jcsm.13487
PMID:38649795
|
研究论文 | 利用CT深度学习模型预测代谢综合征、骨质疏松和肌少症，并评估这些代谢表型与长期死亡率的关系 | 首次使用基于CT多层身体成分参数的多输出深度学习模型同时检测代谢综合征、骨质疏松和肌少症，并探讨其代谢表型对长期死亡率的预测价值 | 未提及明显的局限性，但可能存在样本选择偏倚或模型泛化性问题 | 开发基于CT身体成分的深度学习模型，同时检测代谢综合征、骨质疏松和肌少症，并评估其对长期死亡率的预测价值 | 社区居住和住院成人 | 机器学习、计算机视觉 | 代谢综合征、骨质疏松、肌少症 | CT扫描 | 多层感知机（MLP） | CT图像及身体成分参数 | 训练及内部测试集516人，外部测试集1为380人，外部测试集2为10141人 | NA | 多层感知机（MLP） | 受试者工作特征曲线下面积（AUC）、调整风险比（aHR） | NA |
| 5789 | 2026-06-29 |
Estimating three-dimensional foot bone kinematics from skin markers using a deep learning neural network model
2024-08, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.112252
PMID:39116677
|
研究论文 | 提出基于深度神经网络的模型，利用皮肤标记点估计足部骨骼的三维运动学 | 首次提出非侵入性方法，利用深度神经网络从皮肤标记点估算足部骨骼三维运动学，为研究足部功能及足部疾病发病机制提供新途径 | NA | 开发一种非侵入性方法，通过皮肤标记点准确估计足部骨骼的运动学 | 健康成人及尸体标本的足部 | 机器学习 | 足部疾病 | CT扫描 | 深度神经网络 | CT图像及皮肤标记点位置数据 | 11名健康成人和13具尸体标本，涉及不同足部姿势 | NA | 四层神经网络 | 平均位置误差、平均方向误差 | NA |
| 5790 | 2026-06-29 |
A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data
2024-07-18, JMIR public health and surveillance
IF:3.5Q1
DOI:10.2196/52353
PMID:39024001
|
研究论文 | 使用进化机器学习分析意大利西北部COVID-19住院患者的共病特征，并识别与疾病严重程度相关的组合 | 将进化算法与Apriori算法结合，处理共病数据的稀疏性和组合爆炸问题，从行政数据中提取预测性共病特征组合 | 未在论文中明确说明局限性 | 评估多病患者COVID-19严重程度，并识别与严重性强的共病特征组合 | 意大利皮埃蒙特地区12,793名45-74岁COVID-19阳性患者 | 机器学习 | COVID-19 | NA | 进化机器学习模型、深度学习分类器 | 行政健康数据 | 12,793名45-74岁COVID-19阳性患者 | NA | 深度学习分类器 | 预测适应度评分 | NA |
| 5791 | 2026-06-29 |
Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis
2024-05-03, JMIR public health and surveillance
IF:3.5Q1
DOI:10.2196/52691
PMID:38701436
|
研究论文 | 通过地理空间和机器学习方法，探讨结构种族主义与心理健康差异的关联 | 首次结合地理加权随机森林、自组织映射和K-means聚类，量化结构种族主义对心理健康的复合影响，并在分析中先排除种族因素再重新纳入以测量歧视效应 | NA | 阐明结构种族主义与心理健康差异的关联机制 | 威斯康星州密尔沃基县社区的217个地理参考解释变量及心理健康数据 | 机器学习 | 心理健康 | NA | 地理加权随机森林、自组织映射、K-means聚类 | 地理空间数据 | 217个地理参考变量 | NA | 随机森林、自组织映射 | NA | NA |
| 5792 | 2026-06-28 |
Automated Diagnosis of Breast Cancer Using Deep Learning Techniques Applied to Digital Mammography and Magnetic Resonance Images
2026-Dec-01, Topics in magnetic resonance imaging : TMRI
DOI:10.1097/RMR.0000000000000323
PMID:42360310
|
研究论文 | 使用深度学习技术对数字乳房X线摄影和磁共振图像进行乳腺癌自动诊断 | 综合评估多种AI方法对乳腺图像进行分类（正常、良性、恶性），并应用于数字乳房X线摄影和磁共振成像两种模态 | NA | 评估不同人工智能方法对乳腺图像进行分类，以区分正常、良性和恶性病例 | 数字乳房X线摄影和磁共振成像中的乳腺图像 | 数字病理学 | 乳腺癌 | 数字乳房X线摄影、磁共振成像 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 5793 | 2026-06-28 |
Polygon-Aware Deep Learning Framework for Meal-Level Nutrition Estimation From Food Images
2026-Jul, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.71236
PMID:42360400
|
研究论文 | 提出一种多边形感知的深度学习框架，通过精确的食物分割和区域特征提取实现膳食图像营养估计 | 首次将多边形感知的实例分割与区域特异性特征提取结合，显著提升营养估计精度（平均性能提升11.63%） | 仅在FoodBD v2数据集上验证，未在多样化食物数据集和实际移动端部署中评估 | 实现从食物图像中准确估计餐级营养含量的自动化膳食评估方法 | 真实世界食物图像中的个体食物项目及其分割区域 | 计算机视觉 | 不适用 | 实例分割与多边形特征提取 | YOLOv8n、随机森林、XGBoost、LightGBM、岭回归、CNN回归器 | 图像 | FoodBD v2数据集（包含多边形标注和营养标签，20个代表性样本用于重叠分析） | PyTorch | YOLOv8n | mAP@0.5、mAP@0.5:0.95、平均交并比、F1分数 | 未明确说明 |
| 5794 | 2026-06-28 |
A Physics-Informed Deep Learning Framework for Estimating Muscle Activation Patterns Following Achilles Tendon Repair
2026-Jun-26, Journal of applied physiology (Bethesda, Md. : 1985)
DOI:10.1152/japplphysiol.00274.2026
PMID:42359776
|
研究论文 | 提出物理知识引导的Transformer神经肌肉骨骼模型，用于估算跟腱修复后的肌肉激活模式 | 整合前向动态约束，仅需关节运动学和浅层肌电图数据即可估算深层肌肉激活，大幅降低传感器需求同时保持诊断深度 | NA | 开发一种能准确估算跟腱断裂术后肌肉激活模式、减少传感器依赖的临床实用工具 | 跟腱断裂患者的比目鱼肌激活模式和肌肉共激活模式 | 机器学习 | 跟腱断裂 | NA | Transformer | 关节运动学数据、浅层肌电图数据 | 40名参与者（20名健康对照者、20名术后跟腱断裂患者） | NA | Transformer | 频谱完整性、信号能量合理性、p值 | NA |
| 5795 | 2026-06-28 |
Explainable AI for hyperspectral imaging in food quality decision support: interpretability, reliability and future directions
2026-Jun-26, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2026.2694489
PMID:42360273
|
综述 | 综述可解释人工智能在高光谱成像食品质量决策支持中的最新进展，重点讨论可解释性、可靠性和未来方向 | 系统总结六种主流可解释人工智能方法（SHAP、LIME、Grad-CAM、显著性图、DeepLIFT、TCAV）在食品高光谱成像中的应用，并首次从食品质量、高光谱成像和可解释人工智能三个维度综合分析了关键挑战 | 目前缺乏标准化的评估协议，高维数据与复杂模型之间的鸿沟仍然存在，需要进一步开发人类参与的交互界面以保证实际工厂级检测的可靠性 | 回顾高光谱成像在食品质量评估中的研究进展，阐明可解释人工智能如何提升模型可解释性，并为建立可靠的高光谱成像-可解释人工智能框架提供指导 | 食品质量评估中的高光谱成像数据及其分析模型 | 计算机视觉 | NA | 高光谱成像 | 化学计量学模型、机器学习模型、深度学习模型 | 高光谱图像 | NA | NA | NA | NA | NA |
| 5796 | 2026-06-28 |
Deep learning in acute ischemic stroke imaging: a systematic review of CT- and MRI-based segmentation, triage, and prognostic modeling
2026-Jun-26, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-04095-5
PMID:42360458
|
系统综述 | 基于PRISMA指南的系统综述，评估2023年1月至2026年3月间深度学习在急性缺血性卒中CT和MRI成像中的应用 | 区分CT与MRI在卒中成像中的不同深度学习应用方向，强调临床验证不足与技术进展之间的差距 | 外部测试、患者层面分离、标准化报告、扫描仪鲁棒性、可解释性和前瞻性工作流评估仍未被一致解决 | 评估深度学习在急性缺血性卒中成像中的最新应用，包括分割、分诊和预后建模 | 急性缺血性卒中患者的CT和MRI影像数据 | 计算机视觉, 机器学习 | 急性缺血性卒中 | CT, MRI, DWI, ADC, FLAIR, CTP | CNN, Transformer, U-Net | 影像 | 91项研究 | NA | U-Net衍生架构, 自配置框架, 注意力模型, CNN-Transformer混合模型 | Dice系数, IoU, AUC, 准确率 | NA |
| 5797 | 2026-06-28 |
Assessing the clinical reliability of deep learning for vertebral fracture detection: a two-surgeon commentary
2026-Jun-26, La Radiologia medica
DOI:10.1007/s11547-026-02249-2
PMID:42360613
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5798 | 2026-06-28 |
Artificial Intelligence-Assisted Histopathologic Diagnosis and Grading of Oral Epithelial Dysplasia: A Systematic Review and Functional Meta-synthesis
2026-Jun-26, Head and neck pathology
DOI:10.1007/s12105-026-01937-9
PMID:42360612
|
系统综述 | 针对人工智能辅助口腔上皮不典型增生组织病理诊断与分级的系统综述与功能整合分析 | 首次系统梳理AI在口腔上皮不典型增生诊断中的功能角色（检测、分级、辅助诊断），并整合分析其在不同诊断工作流程中的表现 | 证据质量极低，研究间存在高度异质性（数据集、分型框架、模型架构、验证策略均不统一），多数性能评估基于非患者级别的数据集 | 评估AI辅助口腔上皮不典型增生组织病理诊断与分级的当前证据，包括诊断性能、方法学质量和AI系统的功能角色 | 口腔上皮不典型增生或口腔潜在恶性病变伴不典型增生的显微或数字组织病理图像 | 数字病理学 | 口腔上皮不典型增生 | 组织病理成像 | 卷积神经网络、视觉Transformer、DenseNet、混合计算病理学管道 | 图像 | 13项研究（发布时间：2017-2026年） | NA | DenseNet, Vision Transformer, 卷积神经网络 | 准确率 | NA |
| 5799 | 2026-06-28 |
Retraction Note: Deep learning-accelerated image reconstruction in back pain-MRI imaging: reduction of acquisition time and improvement of image quality
2026-Jun-26, La Radiologia medica
DOI:10.1007/s11547-026-02254-5
PMID:42360615
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5800 | 2026-06-28 |
A sample application designed for detection of teeth and jaw bone from cone-beam computed tomography images using deep learning methods
2026-Jun-26, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-026-00946-2
PMID:42360668
|
研究论文 | 利用深度学习技术从锥束计算机断层扫描图像中自动分割牙齿和颌骨结构 | 首次比较U-Net、DeepLab V3+和YOLO V3三种深度学习架构在CBCT图像牙齿和颌骨分割中的性能 | 数据集仅来自7位患者，需在多中心、更大数据集中验证后方可临床应用 | 评估深度学习模型在CBCT图像中自动分割牙齿和颌骨结构的效果 | 牙齿和颌骨结构 | 计算机视觉，数字病理学 | NA | CBCT成像 | U-Net, DeepLab V3+, YOLO V3 | 图像 | 7位患者的1155张轴向图像 | NA | U-Net, DeepLab V3+, YOLO V3 | Dice相似系数，交并比，精确率，召回率 | NA |