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 46047 篇文献，本页显示第 5801 - 5820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5801 | 2026-04-06 |
Validation of the Eyerobo FC Portable Fundus Camera for Diabetic Retinopathy Screening Using Public Datasets and Deep Learning
2026-Apr, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-026-01353-w
PMID:41814043
|
研究论文 | 本研究验证了便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能，通过迁移学习方法，将基于桌面相机图像训练的人工智能算法应用于该便携设备图像 | 首次采用迁移学习方法，将基于标准桌面眼底相机图像训练的AI模型直接应用于新型便携式设备Eyerobo FC的图像，验证了跨成像平台的算法泛化能力 | 前瞻性验证队列样本量相对较小（N=104只眼），且研究主要关注糖尿病视网膜病变的二元分类（可转诊vs不可转诊） | 验证新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能是否不劣于标准桌面眼底相机 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底成像 | CNN | 图像 | 训练数据来自EyePACS和APTOS 2019公共数据集；参考标准评估使用Messidor-2数据集（N=1748只眼）；前瞻性验证使用Eyerobo FC采集的图像（N=104只眼） | TensorFlow, PyTorch | EfficientNet-B4 | 灵敏度, 特异性, AUC, 准确率, Cohen's kappa | NA |
| 5802 | 2026-04-06 |
Improving Fairness and Mitigating Bias in Multicenter Electronic Health Records Models to Predict Glaucoma Outcomes
2026-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101119
PMID:41883731
|
研究论文 | 本研究评估了在多中心电子健康记录中预测青光眼进展模型中使用偏倚缓解方法的有效性，并提出了一个平衡性能与公平性的新评估指标 | 提出了FairOdds-AUC这一复合指标，用于平衡模型性能与公平性，并在多中心青光眼数据上系统比较了多种偏倚缓解方法 | 后处理和预处理偏倚缓解策略在不同外部站点间的泛化能力较弱，结果变化较大 | 评估偏倚缓解方法在青光眼进展预测模型中的有效性，并促进临床人工智能的公平性 | 来自美国七个机构的50,656名青光眼患者 | 机器学习 | 青光眼 | 电子健康记录分析 | XGBoost, 神经网络, Transformer | 电子健康记录 | 50,656名患者 | Python | Transformer, 全连接网络 | AUROC, 均衡机会差异, FairOdds-AUC | NA |
| 5803 | 2026-04-06 |
Deep Learning as a Compass for Industrial Biocatalysis: The Grase Framework Rewrites the Rules for Polyurethane Recycling
2026-Apr, Biotechnology journal
IF:3.2Q2
DOI:10.1002/biot.70222
PMID:41934218
|
研究论文 | GRASE深度学习框架通过克服酶活性与稳定性之间的权衡，发现了一种名为AbPURase的稳健生物催化剂，可在恶劣工业条件下高效解聚聚氨酯废物，实现可扩展的闭环化学回收 | GRASE框架克服了酶活性与稳定性之间的传统权衡，为工业生物催化提供了新的深度学习指导方法 | NA | 开发一种深度学习框架以发现高效生物催化剂，用于聚氨酯废物的工业级回收 | 聚氨酯废物及其生物催化剂 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 5804 | 2026-04-06 |
A Deep Learning Model for the Identification of Active Contraction Properties of the Myocardium Using Limited Clinical Metrics
2026-Apr, International journal for numerical methods in biomedical engineering
IF:2.2Q2
DOI:10.1002/cnm.70170
PMID:41934219
|
研究论文 | 本研究开发了一种深度学习模型，用于基于有限的临床指标预测左心室心肌的主动收缩特性 | 提出了一种深度学习模型，能够通过合成临床指标和压力-容积环数据，在单次前向传递中预测整个心动周期中心肌的主动收缩参数波形并估计心内膜和心外膜的纤维角度，从而弥合复杂本构模型与临床实践之间的差距 | 模型仅在理想化和单个患者衍生几何结构上进行了测试，尚未使用真实临床数据进行验证 | 开发一种面向患者特异性评估左心室心肌行为的深度学习模型，以支持更精准的心血管干预和诊断 | 左心室心肌的主动收缩特性 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 合成临床指标和压力-容积环数据 | NA | NA | NA | 一致性 | NA |
| 5805 | 2026-04-06 |
A CT-based model integrating deep learning features radiomics and body composition for preoperative prediction of microsatellite instability in colorectal cancer: a multicenter study
2026-Mar-31, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112837
PMID:41935453
|
研究论文 | 本研究开发了一种基于增强CT的、融合深度学习特征、影像组学和身体成分的可解释模型，用于术前预测结直肠癌的微卫星不稳定性状态 | 首次将深度学习特征、影像组学特征和基于身体成分的临床风险因素整合到一个可解释的融合模型中，用于术前无创预测结直肠癌MSI状态，并进行了多中心验证 | 研究为回顾性设计，需要进一步的前瞻性验证才能常规应用于临床 | 提高结直肠癌患者术前微卫星不稳定性状态的预测准确性，以指导围手术期治疗和预后评估 | 接受根治性手术的结直肠癌患者 | 数字病理学 | 结直肠癌 | 增强CT成像 | 随机森林 | 医学影像（CT图像） | 873名来自三个医疗中心的结直肠癌患者 | NA | NA | AUC（曲线下面积） | NA |
| 5806 | 2026-04-06 |
Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity
2026-Mar-28, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110746
PMID:41911955
|
研究论文 | 本研究比较了特征选择和降维方法在基于功能连接性的认知任务解码中的性能 | 首次系统性地比较了特征选择和降维方法在认知任务解码中的性能，并确定了特征保留与预测准确性之间的“最佳平衡点” | 研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性 | 比较特征选择和降维方法在认知任务解码中的性能，以优化机器学习分类器的预测准确性 | 功能磁共振成像（fMRI）数据中的功能连接性特征 | 机器学习 | NA | 功能磁共振成像（fMRI） | NA | 功能连接性数据 | 两个开源数据集 | NA | NA | 解码准确性 | NA |
| 5807 | 2026-04-06 |
Clinical Human-Derived Pathogen Signatures Captured by SERS and Deep Learning for Environmental Exposure Risk Assessment
2026-Mar-20, Environment & health (Washington, D.C.)
DOI:10.1021/envhealth.5c00365
PMID:41883383
|
研究论文 | 本研究开发了一种结合表面增强拉曼光谱（SERS）与卷积神经网络（CNN）的无标记平台，用于评估抗生素耐药细菌（ARB）的环境暴露风险 | 首次整合SERS与CNN构建了一个包含368个临床尿路分离菌株的光谱数据库，用于ARB暴露评估，并通过SHAP解释增强了模型的可解释性 | 研究主要依赖临床尿路分离菌株，可能未涵盖所有环境中的病原体多样性，且在实际大规模环境监测中的应用仍需进一步验证 | 开发一种用于环境微生物污染和抗生素耐药细菌暴露风险评估的快速、准确监测方法 | 临床尿路分离的病原体（人类来源）以及废水样本和独立尿液标本 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | CNN | 光谱数据 | 368个临床尿路分离菌株，并包括废水样本和独立尿液标本进行验证 | NA | 卷积神经网络（CNN） | 分类准确率 | NA |
| 5808 | 2026-04-06 |
DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics
2026-Mar-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2026.03.034
PMID:41863076
|
研究论文 | 提出了一种名为DynMoCo的新型深度学习框架，用于从分子动力学模拟数据中识别蛋白质的动态模块化亚结构 | 引入了动态社区检测的新视角来分析分子动力学模拟，将分子建模为随时间演化的图，并整合图卷积网络与循环模型进行端到端的动态社区识别 | NA | 揭示复杂生物分子系统的内在组织和动态功能 | 蛋白质（以三种整合素系统为例） | 机器学习 | NA | 分子动力学模拟 | 图卷积网络, 循环模型 | 分子动力学轨迹数据 | 三种整合素系统 | NA | DynMoCo | NA | NA |
| 5809 | 2026-04-06 |
Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42019-8
PMID:41760729
|
研究论文 | 本研究利用AI辅助数字病理学定量评估牙源性粘液瘤谱系病变中的纤维组织比例，并探讨其与临床病理特征的相关性 | 首次在多中心研究中应用AI辅助数字病理学定量分析牙源性粘液瘤谱系病变的纤维组织比例，揭示了诊断的机构间变异性 | 样本量相对有限（100例），且仅基于Masson三色染色切片，可能未涵盖所有病理特征 | 通过定量病理学方法提高牙源性粘液瘤谱系病变病理评估的客观性和可重复性 | 牙源性粘液瘤（OM）和牙源性粘液纤维瘤（OMF）的手术标本 | 数字病理学 | 牙源性肿瘤 | Masson三色染色，全切片图像分析 | 深度学习 | 图像 | 来自34家机构的143个手术标本，经集中病理审查后纳入100例 | NA | 多阶段深度学习流程 | 专家评估与定量测量的一致性 | 统一的数字病理学平台 |
| 5810 | 2026-04-06 |
IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41330-8
PMID:41760833
|
研究论文 | 提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟 | 提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署 | 当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证 | 优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量 | 边缘-云计算环境中的任务调度问题 | 机器学习 | NA | 深度强化学习 | 演员-评论家模型 | 仿真数据 | 在不同工作负载下进行的广泛仿真实验 | NA | 混合演员-评论家深度强化学习框架 | 归一化奖励、训练损失、运营成本、拒绝率、体验质量 | NA |
| 5811 | 2026-02-28 |
HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40509-3
PMID:41748692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5812 | 2026-04-06 |
Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41969-3
PMID:41748689
|
研究论文 | 本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题 | 结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性 | NA | 评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划 | 液化引起的浅基础建筑沉降 | 机器学习 | NA | NA | 机器学习, 深度学习 | 结构化数据（建筑特征、岩土参数、地震强度指标） | 系统编制的已记录案例研究数据库 | NA | NA | NA | NA |
| 5813 | 2026-02-28 |
A hybrid model for image forgery detection using deep learning with block and keypoint methods
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41473-8
PMID:41748712
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5814 | 2026-04-06 |
A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40925-5
PMID:41748772
|
研究论文 | 本文提出了一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性 | 提出了一种新颖的联合CNN-Bi-LSTM-Transformer架构，能够同时提取心电信号的形态、时间和空间模式，并集成SHAP实现案例级可解释性，与临床诊断推理对齐 | 未在标题和摘要中明确说明 | 开发一种可解释的自动化人工智能解决方案，用于准确分类12导联心电图中的心律失常 | 12导联心电图信号 | 机器学习 | 心血管疾病 | NA | CNN, Bi-LSTM, Transformer | 心电图信号 | 超过43,000个多标签心电图记录，涵盖27种心律失常类别 | NA | CNN, Bi-LSTM, Transformer | 准确率, 宏F1分数, ROC曲线下面积 | NA |
| 5815 | 2026-04-06 |
Breaking through safety performance stagnation in autonomous vehicles with dense learning
2026-Feb-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69761-x
PMID:41741461
|
研究论文 | 本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题 | 提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制 | 未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景 | 突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能 | 高度自动化车辆的安全关键驾驶智能体 | 机器学习 | NA | 混合现实技术 | 深度学习 | 驾驶场景数据 | NA | NA | NA | 安全性能提升幅度（数量级） | NA |
| 5816 | 2026-04-06 |
Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus
2026-Feb, Cureus
DOI:10.7759/cureus.104035
PMID:41883914
|
研究论文 | 本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视 | 提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练 | 需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性 | 评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法 | 眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者 | 计算机视觉 | 斜视 | 视线估计 | 深度学习模型 | 视频 | 12名受试者（2名病例，10名无眼科异常对照） | NA | NA | 斯皮尔曼相关系数 | NA |
| 5817 | 2026-04-06 |
Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.017502
PMID:41567872
|
研究论文 | 本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能 | 提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性 | 未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节 | 增强深度学习模型在组织学图像分类中的可解释性和预测性能 | 组织学全切片图像 | 数字病理学 | 肿瘤分类 | NA | 深度学习模型 | 图像 | 三个公共数据集 | NA | NA | 分类性能，互信息 | NA |
| 5818 | 2026-04-06 |
Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1746364
PMID:41884147
|
研究论文 | 本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别 | 提出了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，显著缩短了诊断时间并提高了对STEMI和NSTEMI的识别准确性 | 模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高敏感性但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征 | 开发一种人工智能辅助工具，以提升急诊科急性胸痛患者的诊断准确性和临床决策效率 | 急诊科就诊的急性胸痛患者 | 数字病理学 | 心血管疾病 | 12导联心电图 | CNN | 图像 | 1188名患者 | NA | 结合通道注意力机制的卷积神经网络 | 准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵 | NA |
| 5819 | 2026-04-06 |
YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality
2026, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2026.1714086
PMID:41884779
|
研究论文 | 本文提出了一种基于YOLO的深度学习框架YOLOBT，用于动态调整事件相关电位（ERP）研究中坏试次的检测 | 提出了一种能模拟专家自适应策略的坏试次检测框架，通过全局信号质量评估实现动态阈值调整，并引入了跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新结构 | 未在论文摘要中明确说明 | 开发一种能模拟专家自适应判断的自动化ERP坏试次检测方法 | 脑电图（EEG）信号中的事件相关电位（ERP）试次 | 机器学习 | NA | 脑电图（EEG），事件相关电位（ERP） | YOLO | 图像（将EEG信号可视化为波形图像） | 未在摘要中明确说明具体样本数量，仅提及使用手动标注的数据集 | NA | YOLO | 精确率，召回率，平均精度均值，F1分数 | NA |
| 5820 | 2026-04-06 |
The Predictive Value of the Pan-Immune-Inflammation Value for Atrial Fibrillation Risk in Patients with Coronary Artery Disease: A Multicenter Machine Learning Study
2026, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S579135
PMID:41883473
|
研究论文 | 本研究通过多中心机器学习方法，探讨了泛免疫炎症值（PIV）对冠心病患者心房颤动风险的预测价值 | 首次将新型复合炎症标志物PIV应用于冠心病患者心房颤动的风险预测，并比较了XGBoost与多层感知机模型的性能 | 研究为回顾性设计，可能存在选择偏倚；样本仅来自两家三级医院，外部验证有待加强 | 评估PIV对冠心病患者发生心房颤动的预测能力，并构建机器学习模型进行个体化风险评估 | 经冠状动脉造影确诊的冠心病患者，分为心房颤动组与非心房颤动组 | 机器学习 | 心血管疾病 | 冠状动脉造影，实验室检测 | XGBoost, MLP | 临床特征与实验室数据 | 来自两家三级医院的多中心冠心病患者队列 | XGBoost, 未指定深度学习框架 | XGBoost, 多层感知机 | AUC, 校准分析 | NA |