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 49908 篇文献，本页显示第 7561 - 7580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7561 | 2026-06-25 |
Metapath-guided transfer learning with clinical validation for identifying herb-drug interactions
2026-Jun-11, Phytomedicine : international journal of phytotherapy and phytopharmacology
IF:6.7Q1
DOI:10.1016/j.phymed.2026.158421
PMID:42335642
|
研究论文 | 提出了一种基于元路径引导的迁移学习框架Meta-HDI，用于识别草药-药物相互作用，并通过临床试验验证了其预测效果 | 利用大型药物-药物相互作用图进行迁移学习，结合图卷积编码器和最短路径长短期记忆网络与层级注意力机制，生成可解释的机制链，解决了草药-药物相互作用数据稀缺的问题 | 需要在更多样化的药物和草药产品中进行更广泛的验证 | 开发并验证一个用于预测和解释草药-药物相互作用的深度学习框架 | 草药-药物相互作用（特别是多奈哌齐与加味逍遥散、乌鸡散等草药方剂的相互作用） | 机器学习 | 老年疾病（涉及多奈哌齐用于治疗） | NGS（深度学习框架构建） | 图卷积网络、长短期记忆网络 | 文本（药物相互作用数据） | 18名参与者（临床试验）、体外人类肝微粒体测定 | PyTorch | 图卷积编码器、最短路径长短期记忆网络、层级注意力机制 | AUROC | NA |
| 7562 | 2026-06-25 |
Understanding Transformer-Based Classifications of Medical Text Using a Large Language Model for the Attribution of Feature Importance: Proof-of-Concept Algorithm Development and Validation Study
2026-Jun-10, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/81644
PMID:42268907
|
研究论文 | 探索将GPT-4o作为独立扰动解释器用于BioLinkBERT文本分类器的特征重要性归因，并与SHAP和综合梯度方法进行比较 | 首次验证生成型大语言模型（GPT-4o）作为端到端扰动解释器在医学文本分类中的有效性，与传统的可解释人工智能方法进行对比 | GPT-4o在作为独立扰动解释器时无法准确综合数学特征重要性，且计算成本显著高于传统方法 | 证明使用大型语言模型进行医学文本特征重要性归因的概念验证算法开发与验证 | 来自McMaster Premium Literature Service和Clinical Hedges数据库的200项研究 | 自然语言处理 | NA | 深度学习 | 变换器模型 | 文本 | 200项医学研究，80901个分词 | PyTorch | BioLinkBERT | 修正面积在扰动曲线之上、皮尔逊相关系数 | NA |
| 7563 | 2026-06-25 |
IBDome: An Integrated Molecular, Histopathological, and Clinical Atlas of Inflammatory Bowel Diseases
2026-Jun-10, Gastroenterology
IF:25.7Q1
DOI:10.1053/j.gastro.2026.05.023
PMID:42269946
|
研究论文 | 提供了IBD患者的多组学与多模态综合分析数据集，并结合分子、组织病理学和临床数据来改进对IBD的理解和诊断 | 首次大规模整合了基因组、转录组、蛋白质组和组织病理学数据，并通过基础模型深度学习实现组织病理评分和疾病分类 | 未提及具体局限性，但可能包括样本选择偏差或模型泛化性问题 | 通过整合多组学数据改进炎症性肠病（IBD）的诊断和个性化治疗策略 | 1002名IBD患者和正常对照的肠道组织样本及血清样本 | 计算病理学 | 炎症性肠病 | 全外显子测序、RNA测序、血清蛋白质组学、HE染色组织切片成像 | 基础模型深度学习 | 基因组、转录组、蛋白质组、组织病理图像、临床数据 | 1002名临床注释的IBD患者及非IBD对照 | PyTorch | 基础模型（具体架构未明确） | 组织病理学活动评分预测准确率、克罗恩病与溃疡性结肠炎分类准确率 | NA |
| 7564 | 2026-06-25 |
Association of deep learning-derived temporalis sarcopenia with mortality in acute ischemic stroke
2026-Jun-06, The journals of gerontology. Series A, Biological sciences and medical sciences
DOI:10.1093/gerona/glag149
PMID:42236280
|
研究论文 | 利用深度学习从CT扫描中自动提取颞肌体积和密度，评估其与急性缺血性卒中患者死亡率及住院时间的关联 | 首次使用深度学习技术自动量化CT图像中的颞肌体积和密度，并将其作为急性缺血性卒中患者死亡率的预测指标，验证了其在加入医院衰弱风险评分后的增量价值 | 单中心回顾性设计可能引入选择偏倚；阈值来源于50名健康成人，可能无法完全代表一般人群；未考虑其他可能影响肌肉量的因素如营养状态或合并症 | 评估深度学习衍生的颞肌体积和密度对急性缺血性卒中患者30天和365天全因死亡率及住院时间的增量预测价值 | 2014年至2023年连续入院的急性缺血性卒中患者 | 深度学习 | 急性缺血性卒中 | CT扫描 | 深度学习模型 | 图像 | 2285名患者（其中1151名女性，平均年龄74.7岁）以及50名健康成人作为阈值参考 | NA | NA | 比值比（OR）、95%置信区间（CI）、调整后OR | NA |
| 7565 | 2026-06-25 |
Artificial Intelligence in Tumor Evolution: Understanding Cancer Complexity Through Multi-Modal Data Integration in Precision Oncology
2026-Jun-03, Cells
IF:5.1Q2
DOI:10.3390/cells15111031
PMID:42274624
|
综述 | 本文综述了人工智能在肿瘤进化研究中的应用，通过多模态数据整合理解癌症复杂性，以推动精准肿瘤学的发展 | 系统阐述了AI如何通过整合多组学、影像和临床数据解码肿瘤进化中的遗传和表型异质性、耐药性和转移机制，并强调了其在功能基因组学、影像分析和预测建模中的创新应用 | AI在肿瘤进化中的应用面临数据隐私、算法偏见和患者自主权等伦理挑战，需确保其负责任部署 | 探讨人工智能在精准肿瘤学中通过多模态数据整合理解肿瘤进化的应用和挑战 | 肿瘤进化中的遗传和表型异质性、耐药性、转移机制及相关多模态数据 | 机器学习 | NA | NA | 深度学习 | 多组学数据、影像数据、临床数据 | NA | NA | NA | NA | NA |
| 7566 | 2026-06-25 |
Exploring the potential of artificial intelligence and machine learning in orthopaedic surgery
2026-Jun-01, Bulletin of the Hospital for Joint Disease (2013)
DOI:10.1097/bh9.0000000000000055
PMID:42296285
|
review | 综述人工智能和机器学习在骨科手术中的应用潜力 | 系统性地概述了AI在骨科多个领域（如文档效率、患者沟通、手术室优化、影像分析、康复、教育和研究）的现状和直接应用，强调其变革潜力 | 仅简要描述了AI的局限性、伦理法律问题和成本，未深入探讨具体挑战；未涉及未来研究方向 | 介绍AI的工作原理及其在骨科手术中的应用现状和前景 | 骨科手术及相关医疗实践 | machine learning, natural language processing | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7567 | 2026-06-25 |
HAT-ECG: Hybrid autoencoder-transformer architecture for ECG arrhythmia classification
2026-Jun, Physiological reports
IF:2.2Q3
DOI:10.14814/phy2.70990
PMID:42338216
|
研究论文 | 提出一种混合自编码器-变压器架构 HAT-ECG，用于心电图心律失常分类，实现高精度与跨患者泛化能力 | 将无监督特征学习的卷积自编码器与基于注意力机制的时间建模变压器相结合，在保持低计算量（0.021 GFLOPs）的同时，实现了患者级独立测试下的高泛化性能 | 在 MIT-BIH 数据集严格患者级分割下，准确率虽达 90.81%，但仍低于某些更复杂模型，且未在极大规模或实时噪声环境中充分验证 | 开发一种兼顾准确性、可解释性和计算效率的心律失常分类方法，适用于可穿戴和边缘设备实时监测 | 心电图信号中的心律失常分类任务 | 机器学习 | 心律失常 | 心电图信号处理 | 混合自编码器-变压器 | 心电信号 | 三个公开数据集：MIT-BIH、INCART 及独立的 PTB 诊断心电图数据集（共290名受试者） | NA | 卷积自编码器、变压器（多头注意力机制） | 准确率、F1分数 | 0.021 GFLOPs，适用于低功耗边缘设备 |
| 7568 | 2026-06-25 |
DARTS-CNN-BiLSTM: Intelligent Fault Diagnosis for Computer Numerical Control Machine Tool Feed System
2026-Jun, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70317
PMID:42339569
|
研究论文 | 提出DARTS-CNN-BiLSTM模型用于数控机床进给系统的智能故障诊断 | 首次系统地将可微架构搜索（DARTS）与混合CNN-BiLSTM框架集成，自动优化CNN结构用于空间特征提取，同时BiLSTM捕捉双向时间依赖，无需手动调参和特征工程 | 未在摘要中明确说明局限性 | 解决变速度和强噪声条件下数控机床进给系统的故障诊断难题 | 数控机床进给系统的故障诊断 | 机器学习 | NA | NA | CNN, BiLSTM, DARTS | 信号数据 | 两个公共数据集和一个自建数据集 | NA | DARTS-CNN, BiLSTM | 诊断准确率 | NA |
| 7569 | 2026-06-25 |
[Deep Learning-Based Automatic Segmentation Model for Radiotherapy Target Delineation of Brain Metastases and Its Clinical Applications]
2026-May-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.250339
PMID:42338363
|
研究论文 | 开发基于U-Net的自动分割模型用于伽玛刀放射治疗脑转移瘤的靶区勾画，并评估其与初级临床医师手动勾画的准确性和效率 | 提出U-Net+GTV模型在脑转移瘤伽玛刀放疗靶区勾画中，准确性和效率均优于初级临床医师，具有临床应用的潜力 | NA | 开发自动分割模型并评估其在脑转移瘤伽玛刀放疗靶区勾画中的临床适用性 | 100例接受伽玛刀治疗的脑转移瘤患者 | 计算机视觉 | 脑转移瘤 | NA | 卷积神经网络（CNN） | 图像 | 100例脑转移瘤患者 | NA | U-Net | Dice相似系数, Hausdorff距离, 平均对称表面距离, 最大对称表面距离, 总时间消耗, 单样本处理时间 | NA |
| 7570 | 2026-06-25 |
[Research on the Automatic Detection Method of Spatial Resolution for CT Systems Based on the Catphan500 Phantom]
2026-May-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.250842
PMID:42338365
|
研究论文 | 基于Catphan500模体，利用YOLOv8深度学习模型自动检测CT系统空间分辨率，实现快速、客观的质控方法 | 首次将YOLOv8深度学习模型应用于CT系统空间分辨率的自动检测，显著提高检测速度和客观性，减少人工干预和测量误差 | 在极高分辨率下与传统手动测量存在细微差异 | 探索一种基于Catphan500模体的CT设备空间分辨率自动检测方法 | 不同医院、不同型号CT设备的质控图像 | 计算机视觉 | 不适用 | 不适用 | YOLOv8 | 图像 | 未明确说明，但包含多家医院多种型号CT设备的质控图像 | PyTorch | YOLOv8 | 召回率, 精确率, mAP@0.5, 平均检测时间 | 不适用 |
| 7571 | 2026-06-25 |
[Non-Contact Physiological Signal Monitoring Technology: Potential and Applications of BCG]
2026-May-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.250716
PMID:42338367
|
综述 | 本文综述了心冲击图（BCG）作为生理监测技术的发展历史、信号机制、典型波形特征，以及信号处理方法，并探讨了其在心血管监测、睡眠呼吸分析和运动评估中的应用 | 系统总结了BCG技术的最新研究进展，包括信号处理中的深度学习方法，并探讨了跨设备一致性等关键挑战及未来发展方向的全面参考 | 未提及具体局限性 | 全面综述BCG技术的研究和应用，为相关研究提供参考 | 心冲击图（BCG）信号及其在生理监测中的应用 | 机器学习 | 心血管疾病 | NA | 深度学习模型 | 生理信号 | NA | NA | NA | NA | NA |
| 7572 | 2026-06-25 |
Deep learning uncovers conserved regulatory logic and element dosage underlying stable gene expression in grasses
2026-May-29, Molecular plant
IF:17.1Q1
DOI:10.1016/j.molp.2026.05.017
PMID:42216449
|
研究论文 | 利用深度学习揭示禾本科植物中保守的调控逻辑和元件剂量对稳定基因表达的作用 | 提出了Basenji-HMM模型，结合深度学习衍生的突变效应图谱和隐马尔可夫模型，在核苷酸分辨率下界定高影响候选顺式调控元件，揭示了跨物种保守的调控逻辑和元件剂量补偿机制 | 仅关注禾本科植物，未涉及其他植物类群；跨物种cCRE序列同源性较低，可能低估了调控元件的功能保守性 | 研究禾本科植物中基因表达稳定性维持的调控机制 | 五种禾本科植物（包括水稻）的五个直系同源组织 | 机器学习 | NA | DNA测序、染色质可及性测序、RNA测序 | 深度学习模型、隐马尔可夫模型 | DNA序列数据、染色质可及性数据、转录组数据 | 五种禾本科植物各五个组织的样本 | TensorFlow, PyTorch | Basenji-HMM, HMM | 跨物种相关性（Pearson相关系数） | NA |
| 7573 | 2026-06-25 |
Artificial intelligence in pediatric intensive care units: current applications in sepsis management
2026-May, World journal of pediatrics : WJP
IF:6.1Q1
DOI:10.1007/s12519-026-01052-3
PMID:42265523
|
综述 | 综述人工智能在儿科重症监护病房脓毒症管理中的应用现状 | 系统比较了AI模型与传统儿科评分系统在脓毒症早期预测和风险分层中的性能差异，并强调了可解释人工智能和跨层级医疗基础设施差异对临床应用的关键影响 | 未提及具体局限性，但隐含指出算法黑箱问题、伪阳性率差异和算法公平性等挑战 | 评估人工智能在儿科重症监护病房脓毒症管理中的当前应用，包括预测、风险分层、决策支持和个性化治疗 | AI模型在儿科脓毒症管理中的应用，包括随机森林、LSTM等模型及临床决策支持系统 | 机器学习 | 儿科脓毒症 | NA | 随机森林，长短期记忆网络 | 横断面数据，时间序列生理数据，多组学数据 | NA | NA | 随机森林，长短期记忆网络 | 准确率，伪阳性率 | NA |
| 7574 | 2026-06-25 |
Machine Learning for Distal Medium-Vessel Occlusion Detection: Advances, Challenges, and Future Directions
2026 May-Jun, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.70138
PMID:42333707
|
综述 | 本文综述了机器学习在远端中等血管闭塞检测中的应用，涵盖当前成像方法、基于机器学习的检测技术、验证研究及临床证据，并讨论了临床整合的障碍与未来方向 | 系统总结了机器学习与深度学习在远端中等血管闭塞识别中的进展，包括多模态网络和可解释人工智能等新兴算法，并指出了从研究到临床转化的关键障碍 | 缺乏大规模标注数据集和前瞻性临床试验验证，现有研究在敏感性和通用性上仍有局限，且临床整合面临监管审批和技术适配等挑战 | 总结并展望机器学习在远端中等血管闭塞检测中的进展、挑战与未来方向，以推动快速卒中诊疗 | 远端中等血管闭塞患者的多模态影像数据（非增强CT、CT血管成像、MR血管成像、CT灌注、多时相CTA及MRI） | 机器学习 | 脑血管疾病（急性缺血性卒中） | CT血管成像, 磁共振血管成像, CT灌注, 多时相CTA, 磁共振成像 | 机器学习, 深度学习 | 影像 | NA | NA | 多模态网络, 可解释人工智能 | 敏感性 | NA |
| 7575 | 2026-06-25 |
Accuracy of Artificial Intelligence-Based Models Versus Conventional Scoring Systems (APACHE, SOFA, and SAPS) in Predicting Mortality Among ICU Patients: A Systematic Review and Meta-Analysis
2026-May, Cureus
DOI:10.7759/cureus.109459
PMID:42338822
|
系统性综述与荟萃分析 | 系统评估基于人工智能的模型与传统评分系统（APACHE、SOFA、SAPS）在预测ICU患者死亡率方面的准确性 | 首次通过荟萃分析系统比较AI模型与传统ICU评分系统的判别性能，并基于模型类型、数据集特征和时间建模进行了亚组分析 | 研究设计、验证方法和报告标准存在显著异质性，且校准报告不统一，无法进行定量综合 | 评估AI模型与传统ICU评分系统在预测住院死亡率方面的性能差异 | 危重症监护病房（ICU）患者 | 机器学习 | 危重症 | NA | 基于树的集成模型、深度学习模型、经典机器学习模型、时间序列模型 | 结构化临床数据 | 约500,000例ICU入院记录，来自10项研究 | NA | NA | AUC, 敏感性, 特异性, 校准度 | NA |
| 7576 | 2026-06-25 |
A hybrid BiLSTM-transformer-GCN architecture with API fusion for adaptive transportation resource analytics
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349787
PMID:42213697
|
研究论文 | 提出一种融合BiLSTM、Transformer编码器、图卷积网络和API上下文特征融合的混合深度学习框架，用于自适应交通资源发现与分类 | 首次将BiLSTM、Transformer和GCN三者结合，并引入API融合机制和联合多目标学习策略，同时优化监督分类和无监督异常发现 | 未提及在极端交通条件下或大规模分布式系统中的性能表现 | 实现智能交通系统中交通资源的自适应发现、分类和管理 | 智能交通系统中的异构时空数据，包括连接车辆、道路基础设施和外部上下文服务数据 | 机器学习 | NA | NA | BiLSTM, Transformer, GCN | 时空数据 | 使用了巴塞罗那事故数据集和地铁州际交通流量数据集，具体样本数量未提及 | PyTorch | BiLSTM, Transformer编码器, GCN | 准确率, F1分数, AUC, AUROC, AUPRC, 重建误差 | NA |
| 7577 | 2026-06-25 |
Retraction: Multi-modal deep learning methods for classification of chest diseases using different medical imaging and cough sounds
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0351197
PMID:42335102
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7578 | 2026-06-25 |
Retraction: Evaluation of influencing factors of China university teaching quality based on fuzzy logic and deep learning technology
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0351269
PMID:42335152
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7579 | 2026-06-25 |
Bayesian Uncertainty-aware Deep Learning with noisy labels: Tackling annotation ambiguity in EEG seizure detection
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0352191
PMID:42335163
|
研究论文 | 提出一种贝叶斯不确定性感知深度学习算法，用于处理脑电图癫痫发作检测中的标签噪声问题 | 通过将领域知识融入贝叶斯框架，推导出基于KL散度的新型损失函数，利用不确定性学习癫痫特征，且无需向现有架构添加任何参数 | 未明确提及局限性，但可能依赖模拟数据及特定数据集验证，通用性需进一步研究 | 解决头皮脑电图标注模糊性导致的标签噪声问题，增强癫痫发作检测系统的鲁棒性 | 癫痫发作检测及发作起始区定位任务 | 机器学习 | 癫痫 | NA | 深度学习模型（通用） | 脑电图信号 | 使用一个模拟数据集和两个公开数据集（天普大学医院TUH、波士顿儿童医院CHB-MIT）及跨站点验证西耶纳脑电图数据集 | PyTorch | CNN, LSTM, 或其他基础模型（文中提及三种基础模型） | 鲁棒性指标、噪声识别能力、发作起始区定位准确性 | NA |
| 7580 | 2026-06-25 |
A lightweight hybrid deep learning approach for fashion mnist classification with explainable attention visualization
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0351671
PMID:42335173
|
研究论文 | 提出一种轻量级混合深度学习架构，用于时尚图像分类任务，并结合可解释性注意力可视化技术 | 提出TinyCNN结合线性自注意力的轻量级混合架构，参数量少于50万，可在CPU上训练，并集成了多种XAI技术增强模型透明度 | 未提及在更多真实场景或更复杂数据集上的验证，可能未充分讨论模型泛化能力 | 解决深度模型在资源受限和边缘设备上的适用性问题，实现高效准确的时尚图像分类 | 时尚MNIST数据集中的灰度服装图像 | 计算机视觉 | NA | NA | CNN与Transformer混合模型 | 图像 | Fashion-MNIST数据集（包含70,000张灰度图像） | NA | TinyCNN, Linear Self-Attention | 准确率 | CPU |