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 40262 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-02-15 |
ROFI: a deep learning-based ophthalmic sign-preserving and reversible patient face anonymizer
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004558
PMID:41675764
|
研究论文 | 提出了一种基于深度学习的眼科患者面部匿名化框架ROFI，能够在保护患者隐私的同时保留用于诊断的眼科体征 | 首次将弱监督学习和神经身份转换技术结合，实现了可逆的眼科面部图像匿名化，在去除身份特征的同时保留了关键的眼科疾病标志物 | 数据集多样性不足、缺乏外部验证、可能存在算法偏见、在资源有限环境中的成本效益问题 | 开发一种能够在保护患者隐私的同时保持诊断准确性的眼科面部图像匿名化方法 | 眼科患者面部图像（包含眼部区域） | 计算机视觉 | 眼科疾病（糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、遗传性视网膜营养不良） | 深度学习、弱监督学习、神经身份转换 | 深度学习模型 | 图像（面部和眼部图像） | 未明确说明 | NA | NA | 诊断保真度、视网膜疾病分类准确性 | NA |
| 62 | 2026-02-15 |
Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004607
PMID:41675877
|
综述 | 本文系统回顾了人工智能在心血管医学中的应用，重点关注其在诊断准确性、效率和预测能力方面超越传统方法的潜力，并讨论了伦理考量和实施挑战 | 整合了人工智能在心血管诊断中的最新进展，并特别强调了伦理考量和模型实施中的挑战，为未来研究和临床实践提供了指导 | 对人工智能在心血管医学中的全面影响理解仍存在显著空白，包括模型泛化性、数据隐私、数据质量问题以及潜在算法偏见等挑战 | 评估人工智能对心血管诊断的影响，并探讨其在临床实践中的实施挑战和伦理问题 | 心血管医学领域的人工智能应用，特别是诊断和预测分析 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | 准确性, 效率, 预测能力 | NA |
| 63 | 2026-02-15 |
Artificial intelligence in pharmacovigilance: toward real-time, explainable, and global drug-safety systems
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004699
PMID:41675893
|
评论 | 本文探讨了人工智能在药物警戒领域的应用、挑战与未来发展方向 | 提出利用人工智能整合多源异构数据，实现实时、可解释的全球药物安全监测系统 | 算法透明度不足、存在偏见风险以及监管框架尚不完善 | 推动人工智能在药物警戒中的负责任整合与应用 | 上市后药物安全数据 | 自然语言处理, 机器学习 | NA | 自然语言处理, 深度学习 | NA | 电子健康记录, 自发报告系统数据, 患者生成数据 | NA | NA | NA | NA | NA |
| 64 | 2026-02-15 |
An Effective Approach for Recognition of Crop Diseases Using Advanced Image Processing and YOLOv8
2026-Feb, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71504
PMID:41676010
|
研究论文 | 本文提出了一种结合先进图像处理和YOLOv8深度学习模型的方法，用于作物病害的识别与分类 | 采用局部对比度增强、小波变换、Sigmoid校正、伽马校正和中值滤波等先进图像处理技术预处理图像，并结合YOLOv8模型进行分割与分类，实现了高召回率和准确率的作物病害识别 | 未明确提及模型在未见过作物或环境条件下的泛化能力，以及计算资源需求的具体评估 | 开发一种计算机辅助方法，以自动检测和分类作物病害，提升农业病害管理效率 | 番茄、咖啡、黄瓜、橄榄和小麦等亚洲重要经济作物的病害 | 计算机视觉 | 作物病害 | 图像处理技术（局部对比度增强、小波变换、Sigmoid校正、伽马校正、中值滤波） | YOLOv8 | 图像 | 包含32种病害的混合数据集，具体样本数量未明确 | NA | YOLOv8 | 召回率, 准确率, 均方误差, 峰值信噪比 | NA |
| 65 | 2026-02-15 |
A multimodal AI biomarker PATH-ORACLE improves prediction of recurrence in stage I lung adenocarcinoma
2026-Feb-01, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.28.26344973
PMID:41646758
|
研究论文 | 本文介绍了一种名为PATH-ORACLE的多模态AI生物标志物，用于提高I期肺腺癌复发预测的准确性 | 通过结合转录组学评分和基于预训练基础模型处理的常规组织学切片，开发了多模态深度学习方法来增强预后预测能力 | 需要进一步验证以确认其临床适用性 | 改善I期肺腺癌患者的复发风险分层，以指导辅助治疗决策 | I期肺腺癌患者 | 数字病理学 | 肺癌 | 转录组学分析, 组织学切片处理 | 深度学习 | 图像, 转录组数据 | 两个独立队列 | NA | 预训练基础模型 | 准确率 | NA |
| 66 | 2026-02-15 |
Engaging Artificial Intelligence (AI)-based chatbots in digital health: A systematic review
2026-Feb, PLOS digital health
DOI:10.1371/journal.pdig.0001201
PMID:41678558
|
系统综述 | 本文对基于AI的聊天机器人在数字健康领域的应用和评估进行了系统综述 | 识别了基于AI的聊天机器人在数字健康中的四个主要研究领域：文本质量、临床效果、用户参与度和安全性，并指出了现有研究的不足 | 缺乏随机对照试验（RCTs）且评估性能时理论框架使用有限 | 系统回顾基于AI的聊天机器人在数字健康领域的应用和评估研究 | 基于AI的聊天机器人在健康领域的应用 | 自然语言处理 | NA | 深度学习架构 | NA | 文本 | 分析了来自八个数据库的20篇文章（共收集348篇） | NA | NA | NA | NA |
| 67 | 2026-02-15 |
Deep learning can automate chicken tibia-breaking strength quantification to improve animal welfare
2026-Jan-30, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106549
PMID:41637790
|
研究论文 | 本文开发了一种端到端的深度学习流程，用于自动从鸡的X射线图像中分割胫骨并预测其断裂强度，以改善动物福利 | 首次提出一个自动化深度学习流程，结合U-Net分割和强度预测，实现了非侵入性、快速的鸡骨强度量化，超越了传统手动标注方法 | 模型性能虽优于手动方法，但预测与实测断裂强度的相关性仅为中等（皮尔逊相关系数0.74），且样本量有限（916张图像） | 开发一种自动化、非侵入性的方法来量化鸡胫骨断裂强度，以替代耗时的手动标注或破坏性尸检测试 | 鸡的胫骨（胫跗骨） | 计算机视觉 | NA | X射线成像 | CNN | 图像 | 916张经过筛选的鸡骨X射线图像 | NA | U-Net | Dice系数, 皮尔逊相关系数 | NA |
| 68 | 2026-02-15 |
Integrating multi-omic QTLs and predictive models reveals regulatory architectures at immune related GWAS loci in CD4+ T cells
2026-Jan-30, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.27.26344979
PMID:41646693
|
研究论文 | 本研究通过整合多组学QTL数据和预测模型，揭示了CD4+ T细胞中免疫相关GWAS位点的调控架构 | 整合单细胞RNA测序和染色质可及性的分子QTL图谱，并结合基于染色质可及性数据训练的深度学习模型预测变异效应，系统性地融合了经验性和预测性方法 | 仅有一小部分经验检测到的分子QTL被预测模型发现，深度学习方法仅能解释4.7%的GWAS位点 | 解释遗传变异在复杂性状中的调控作用，特别是在免疫相关疾病中的功能机制 | 从362名捐赠者收集的CD4+ T细胞 | 计算生物学 | 免疫相关疾病 | 单细胞RNA测序, 染色质可及性分析 | 深度学习模型 | 基因组数据, 转录组数据, 表观基因组数据 | 362名捐赠者的CD4+ T细胞样本 | NA | NA | 相关性分析 | NA |
| 69 | 2026-02-15 |
A hybrid CNN and reinforcement learning framework for speaker identification using Mel-Spectrogram and continuous wavelet transform features
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35858-y
PMID:41611801
|
研究论文 | 本文提出了一种结合CNN和强化学习的混合深度学习框架，用于基于梅尔频谱图和连续小波变换特征的说话人识别 | 首次将强化学习（Q-learning）与CNN结合用于说话人识别，通过置信度感知的自适应决策机制处理分类不确定性，并比较了梅尔频谱图（带自注意力）与连续小波变换两种特征提取方法的性能 | 研究仅在LibriSpeech dev-clean数据集（40名说话人）上进行验证，样本规模和说话人多样性有限；未在噪声环境或跨数据集场景下测试鲁棒性 | 开发一种鲁棒的说话人识别系统，用于生物特征认证 | 音频信号中的说话人身份 | 自然语言处理 | NA | 梅尔频谱图分析，连续小波变换（Morlet小波） | CNN, 强化学习 | 音频 | 2,703个音频文件，来自40名说话人 | NA | CNN-RL混合架构（具体架构未指定） | 准确率，ROC-AUC，Matthews相关系数，置信区间，p值 | NA |
| 70 | 2026-02-15 |
Development and Validation of a Protein Electrophoresis Classification Algorithm: Tabular Data-Based Alternative
2026-Jan-28, JMIR formative research
IF:2.0Q4
DOI:10.2196/83124
PMID:41605495
|
研究论文 | 本文开发并验证了一种基于表格数据的蛋白质电泳分类算法，作为图像深度学习方法的替代方案 | 提出了一种直接利用数值SPE谱的高效表格数据机器学习方法，为基于图像的深度学习方法提供了稳健且可解释的替代方案 | NA | 开发并验证一种基于表格数据的蛋白质电泳分类算法 | 血清蛋白质电泳（SPE）谱 | 机器学习 | NA | 血清蛋白质电泳（SPE） | NA | 表格数据 | NA | NA | NA | NA | NA |
| 71 | 2026-02-15 |
Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm
2026-Jan-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35504-7
PMID:41593141
|
研究论文 | 提出一种结合意图分类和命名实体识别的联合模型，采用改进的双向长短期记忆网络和新型开普勒优化算法，用于大学行政服务的多语言对话系统 | 开发了新型开普勒优化算法（DKO）来联合优化改进的BiLSTM网络，实现意图分类和命名实体识别的联合建模，并支持希腊语和英语双语处理 | 仅针对希腊语和英语两种语言进行评估，未涉及更多语言；模型在更复杂的多语言环境中的泛化能力有待验证 | 提高多语言环境下自然语言理解的准确性和效率，为大学行政服务开发智能对话系统 | 大学行政服务中的学生咨询对话 | 自然语言处理 | NA | 自然语言理解 | BiLSTM | 文本 | NA | NA | 改进的双向长短期记忆网络 | 准确率, 精确率, 召回率 | NA |
| 72 | 2026-01-28 |
Leveraging medical imaging and deep learning for diagnosis of breast cancer using histopathological images
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37663-z
PMID:41588052
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 73 | 2026-02-15 |
Trimester-aware yoga video recommendation using hybrid deep learning for pregnant woman
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37149-y
PMID:41588129
|
研究论文 | 本研究提出了一种新型的孕期分阶段感知混合深度学习框架，用于为孕妇推荐安全的瑜伽视频 | 提出了两个关键创新：1) 基于孕期分阶段安全约束的自适应用户与视频嵌入对齐机制（TW-WD）；2) 在推荐图中传播健康状况与孕期阶段关系的安全感知有向图卷积关系神经网络（GCRNN） | NA | 开发一个能够根据孕期阶段提供个性化、安全瑜伽视频推荐的智能系统 | 孕妇的瑜伽视频推荐 | 自然语言处理, 计算机视觉 | NA | 混合深度学习 | GCRNN | 文本, 视频 | NA | NA | 有向图卷积关系神经网络 | 准确率, 孕期分阶段安全合规率 | NA |
| 74 | 2026-02-15 |
Automated weed segmentation with knowledge based labeling for machine learning applications
2026-Jan-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37475-1
PMID:41588159
|
研究论文 | 本研究开发并评估了一种用于无人机RGB图像的自动化特征标注工作流程，旨在加速机器学习数据集的创建 | 提出了一种无需人工训练标签的自动化特征标注工作流程，结合多种空间算法和植被指数，实现了作物与杂草的高精度分割 | 工作流程在不同田间、日期和实验条件下的可迁移性有待进一步提高 | 开发自动化特征标注工作流程以支持精准农业中的杂草检测 | 无人机RGB图像中的杂草（地肤、野燕麦、野芥菜、假猪殃殃）和作物（小麦） | 计算机视觉 | NA | 无人机RGB成像 | NA | 图像 | 萨斯喀彻温大学约2000平方米的研究田，包含高分辨率图像（0.088厘米） | eCognition (v9.5) | NA | 总体准确率, Kappa系数 | NA |
| 75 | 2026-02-15 |
MPPT algorithms for grid-connected solar systems including deep learning approaches
2026-Jan-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36321-8
PMID:41582256
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 76 | 2026-02-15 |
Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna's 2020-2021 activity
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36677-x
PMID:41580511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 77 | 2026-02-15 |
DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37134-5
PMID:41580539
|
研究论文 | 本文介绍了DANEELpath，一个用于神经母细胞瘤模型组织病理学研究的开源数字分析工具包 | 开发了结合深度学习技术和数学形态学管道的开源图像分析工具包，专门用于三维水凝胶中神经母细胞瘤细胞动力学的详细研究 | NA | 研究细胞外基质在神经母细胞瘤进展中的作用，并测试新机械药物如cilengitide | 神经母细胞瘤细胞在三维水凝胶中的动态 | 数字病理学 | 神经母细胞瘤 | 三维水凝胶 | 深度学习 | 全切片图像 | NA | NA | NA | NA | NA |
| 78 | 2026-02-15 |
The role of low-complexity repeats in RNA-RNA interactions and a deep learning framework for duplex prediction
2026-Jan-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68356-w
PMID:41571635
|
研究论文 | 本研究分析了大规模RNA-RNA相互作用数据集，发现低复杂度重复序列是关键驱动因素，并开发了深度学习模型RIME用于预测RNA-RNA相互作用 | 首次将低复杂度重复序列识别为RNA-RNA相互作用的关键枢纽，并开发了基于核酸语言模型嵌入的深度学习预测工具RIME，其性能优于传统热力学方法 | NA | 探究RNA-RNA相互作用的分子决定因素并开发预测工具 | RNA-RNA相互作用、低复杂度重复序列、lncRNA Lhx1os | 自然语言处理 | NA | 高通量测序分析 | 深度学习模型 | 序列数据 | 多个大规模RNA-RNA相互作用数据集 | NA | 基于核酸语言模型的嵌入架构 | NA | NA |
| 79 | 2026-02-15 |
Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging
2026-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02330-6
PMID:41577988
|
研究论文 | 本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异 | 首次在心脏成像领域深入探讨了深度学习模型中的性别偏见问题，并测试了多种缓解策略 | 尽管尝试了多种方法，但模型公平性未得到显著改善，且研究主要基于UK Biobank数据集 | 评估和缓解深度学习模型在心血管成像中的性别偏见 | 心脏磁共振成像数据及相关的放射学报告 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像, 文本 | UK Biobank数据集中的多个机构数据 | NA | 基础模型 | 射血分数估计准确性 | NA |
| 80 | 2026-02-15 |
Explainable Hybrid Deep Learning Framework Integrating MobileNetV2, EfficientNetV2B0, and KNN for MRI-Based Brain Tumor Classification
2026-Jan-23, Cellular and molecular neurobiology
IF:3.6Q2
DOI:10.1007/s10571-025-01660-z
PMID:41578036
|
研究论文 | 本研究提出了一种轻量级且可解释的混合深度学习框架，用于基于MRI的脑肿瘤分类，融合了MobileNetV2和EfficientNetV2B0的特征，并使用KNN进行分类 | 提出了一种结合MobileNetV2和EfficientNetV2B0双主干网络进行晚期特征融合的轻量级混合框架，并采用KNN分类器，同时通过Grad-CAM和SHAP分析增强模型的可解释性 | 结果基于统一数据集得出，需要进行外部验证以确保泛化能力 | 开发一个准确且透明的AI框架，用于MRI图像中的脑肿瘤分类 | MRI图像中的脑肿瘤，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤类别 | 计算机视觉 | 脑肿瘤 | MRI | CNN, KNN | 图像 | 7023张MRI图像，来自Figshare、SARTAJ和BR35H数据集 | NA | MobileNetV2, EfficientNetV2B0 | 准确率, 精确率, 召回率, F1分数, ROC-AUC | NA |