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 50051 篇文献，本页显示第 10721 - 10740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10721 | 2026-05-16 |
Personalized prediction of initial valproic acid dose in children with epilepsy using machine learning techniques
2026-Jun, International journal of clinical pharmacy
IF:2.6Q2
DOI:10.1007/s11096-026-02094-3
PMID:41879924
|
研究论文 | 开发并内部验证基于机器学习技术的儿童癫痫患者丙戊酸初始日剂量预测模型 | 利用真实世界临床数据库和TabNet算法实现儿童癫痫患者丙戊酸初始剂量的个性化预测，提供在线决策支持工具 | 仅基于单中心内部验证，模型对其他医院、人群和种族的泛化性未知，需外部验证后才能临床实施 | 开发基于人工智能的预测模型，为儿童癫痫患者提供个性化的丙戊酸初始日剂量 | 184例儿童癫痫患者的306份丙戊酸剂量样本 | 机器学习 | 癫痫 | NA | TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost | 表格数据 | 184例患者的306份丙戊酸剂量样本 | NA | TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost | 决定系数R², 均方根误差RMSE, 平均绝对误差MAE, 平均绝对百分比误差MAPE | NA |
| 10722 | 2026-05-16 |
The emergence of superficial dermatophytosis due to Trichophyton indotineae and Trichophyton mentagrophytes genotypes VII and II* in New York: a need for comprehensive testing approaches
2026-May-13, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/jcm.00156-26
PMID:41960917
|
研究论文 | 报道2022至2024年间纽约市及周边郡县浅表皮肤癣菌病的快速增加，并开发了自动化深度学习模型用于快速鉴定和药敏测试 | 首次整合自动化深度学习模型、抗真菌药敏测试和全基因组测序，实现对印度毛癣菌及须癣毛癣菌基因型VII和II*的快速鉴定、耐药检测与传播分析 | 数据仅来自纽约市及周边地区，可能无法推广至其他区域 | 应对印度毛癣菌和须癣毛癣菌感染的快速增加，开发高效鉴定、耐药检测和监测方案以改善患者护理和感染控制 | 印度毛癣菌、须癣毛癣菌基因型VII和II*的临床分离株 | 机器学习 | 皮肤癣菌病 | 扩增子测序（ITS）、全基因组测序 | 深度学习模型 | DNA序列 | 188例分离株（含135株印度毛癣菌、39株基因型VII、14株基因型II*） | NA | NA | NA | NA |
| 10723 | 2026-05-16 |
Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review
2026-May, Asian cardiovascular & thoracic annals
DOI:10.1177/02184923261432687
PMID:41914776
|
综述 | 本文综述了人工智能在体外生命支持技术（如体外循环、ECMO、心室辅助装置）中的应用现状与未来发展 | 系统梳理了AI在体外循环技术中从历史发展到核心子领域（机器学习、深度学习、认知计算）的全面应用框架 | 作为叙述性综述，可能未涵盖所有最新研究或提供定量对比分析 | 探讨AI在体外技术中提升安全性、精准性和效率的潜力，优化临床表现并支持个性化治疗 | 体外生命支持技术（CPB、ECMO、VAD）及其临床流程 | 机器学习 | 心血管疾病 | NA | NA | 生理数据 | NA | NA | NA | NA | NA |
| 10724 | 2026-05-16 |
Coalescence and translation: A language model for population genetics
2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2518956123
PMID:41961853
|
研究论文 | 开发了一个基于Transformer的群体遗传学语言模型，将溯祖时间推理转化为两种生物语言间的翻译问题 | 首次将大型语言模型架构应用于群体遗传学，将溯祖时间推理重构为遗传突变模式与祖先重组图之间的翻译任务 | 模型在分布外场景下的准确性仍有提升空间，需要进一步微调优化 | 实现高效、可扩展的群体遗传推断，克服传统概率模型的计算复杂度和预设假设限制 | 基因组的局部突变模式与祖先重组图 | 自然语言处理 | NA | 模拟生成数据 | Transformer | 基因组序列数据 | 使用stdpopsim目录覆盖多种人口统计场景的模拟数据，以及人类和蚊虫的真实群体基因组数据 | NA | 仅编码器Transformer | 准确性 | NA |
| 10725 | 2026-05-16 |
Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods
2026-Apr-07, ArXiv
PMID:41757284
|
综述 | 综述影像学衍生的冠状动脉血流储备分数计算方法的物理模型、机器学习及物理信息驱动方法的最新进展 | 重点分析新兴的物理信息神经网络和神经算子方法在提高计算速度和物理一致性方面的平衡作用，并强调临床转化中的关键考量 | 机器学习/深度学习模型在真实世界性能中表现出变异性，对领域偏移敏感，且存在多中心异质性、可解释性不足和图像质量差异等问题 | 综述基于CT和血管造影的FFR测量技术进展，聚焦物理信息方法对传统计算流体力学及机器学习方法的改进 | 冠状动脉狭窄的影像学功能评估方法 | 机器学习, 计算机视觉 | 心血管疾病 | NA | 物理信息神经网络, 神经算子 | 影像数据 | NA | NA | PINN, PINO | 校准度, 不确定性量化, 质量控制门控 | NA |
| 10726 | 2026-05-15 |
Deep learning-enhanced data-driven gating improves FDG PET/CT clinical image quality
2026-Apr-05, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00851-x
PMID:41936011
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10727 | 2026-05-16 |
A pipeline for developing AI-driven models to predict molecular initiating events: a case study on neural tube defects
2026-Apr-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01177-7
PMID:41928299
|
研究论文 | 提出一个自动化AI流程，将ChEMBL生物活性数据转化为用于预测分子起始事件的深度学习模型，并以神经管缺陷为案例进行验证 | 构建了完整的端到端自动化流程，结合知识引导预训练的图Transformer框架，实现从原始数据到可部署预测模型的无缝衔接 | 文中未明确提及局限性 | 开发自动化AI流程，用于预测化学物质的分子起始事件，支持毒性评估和不良结局通路开发 | 化学物质的分子起始事件相关蛋白靶点、神经管缺陷相关的发育毒性 | 机器学习 | 神经管缺陷 | NA | 图Transformer (KPGT) | 化学结构、生物活性数据 | NA | KPGT | KPGT, SVM-RBF | NA | NA |
| 10728 | 2026-04-04 |
Modeling and forecasting neonatal mortality in Ethiopia: a comparative study using statistical, machine learning, and deep learning approaches
2026-Apr-02, Archives of public health = Archives belges de sante publique
DOI:10.1186/s13690-026-01909-z
PMID:41928309
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10729 | 2026-05-16 |
Follow-Up Bias in Tumor Dynamic Modeling: A Comparison of Classical and Neural-ODE Approaches
2026-Apr, CPT: pharmacometrics & systems pharmacology
DOI:10.1002/psp4.70239
PMID:41919988
|
研究论文 | 比较传统药理学模型与深度学习方法（TDNODE）在肿瘤动态建模中的预测偏差，特别是在随访期短或不一致的情况下 | 首次系统量化不同肿瘤动态模型在随访时间截断数据中的预测偏差，并对比深度学习方法与传统方法的性能差异 | 仅使用非小细胞肺癌（NSCLC）数据和阿替利珠单抗临床试验，可能限制其他癌种或药物类型的泛化性 | 评估肿瘤动态模型在不完整随访数据中的预测偏差，并探索深度学习作为替代方法的潜力 | 3106名非小细胞肺癌（NSCLC）患者，来自四项阿替利珠单抗III期研究 | 机器学习 | 非小细胞肺癌（NSCLC） | NA | 经典药理学模型与TDNODE（神经常微分方程） | 临床试验时间截断数据 | 3106名非小细胞肺癌患者 | NA | TDNODE | 预测偏差（Positive Bias） | NA |
| 10730 | 2026-05-16 |
A Bi-lingual chatbot implementation for pandemic response using the transformer-based approach
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001256
PMID:41920886
|
研究论文 | 开发了一个基于Transformer的双语聊天机器人，用于疫情期间提供英语和卢干达语的准确信息 | 利用资源丰富的英语NLP框架实现卢干达语聊天功能，通过对话驱动开发实现持续改进 | 未提及具体限制 | 提供全天候的双语疫情管理信息，应对疫情期间错误信息传播问题 | 英语和卢干达语的疫情管理信息 | 自然语言处理 | COVID-19 | 深度学习 | Transformer | 文本 | 情特异性信息、问题和答案的语料库 | NA | Transformer | NA | NA |
| 10731 | 2026-05-16 |
A non-intrusive framework using acoustic signals and deep learning for boiling diagnostics in visual-limited environments
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41757-z
PMID:41882037
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10732 | 2026-05-16 |
Automated detection of physical contact events in youth ice hockey: a player-centric deep learning approach
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44805-w
PMID:41882050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10733 | 2026-05-16 |
SPARTAN: automated table detection and extraction from documents using advanced OpenCV heuristics and OCR techniques
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44325-7
PMID:41882048
|
研究论文 | 介绍SPARTAN，一种基于OpenCV启发式和OCR技术的开源表格检测与提取流水线 | 无需模型训练或GPU，完全基于启发式规则，实现高保真表格检测与提取，兼顾透明性和效率 | 对比实验基于标准推理配置，未涉及高度优化的边缘设备部署场景 | 提供一种成本高效、可解释的PDF表格提取方案，弥合规则系统和深度学习之间的差距 | PDF文档中的表格，包括产品变更通知、科学论文、证书和数据表 | 文档理解, 计算机视觉 | NA | OCR | NA | 图像, 文本 | 超过20,000页PDF文档 | OpenCV, CLI | NA | 精确率, 召回率, F1分数, OCR字符准确率, 处理时间, 峰值内存占用 | CPU, 1.2 GB峰值RAM |
| 10734 | 2026-05-16 |
A vision transformer model for the detection of glaucoma from optic disc photographs
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44662-7
PMID:41876588
|
研究论文 | 利用基于Vision Transformer的深度学习模型，从眼底视盘照片自动检测青光眼 | 首次将Vision Transformer（ViT）架构应用于青光眼检测，使用RimNet预处理视盘分割，实现了高精度分类 | 未说明具体局限性，但依赖标注数据质量，且仅基于视盘外观分类，未结合其他临床指标 | 开发一种高效、低成本的青光眼筛查工具，用于从眼底照片中检测青光眼 | 来自三个数据库的视盘照片，包括正常和青光眼样本 | 计算机视觉, 数字病理学 | 青光眼 | 深度学习、视盘分割（RimNet） | Vision Transformer（ViT） | 图像（眼底视盘照片） | 总样本：训练集1432只青光眼，测试集956只晚期青光眼（平均偏差-11.71 dB）；各阶段样本数：训练/验证/测试分别为未知总数（AUC 1.00/0.98/1.00） | Python, R | Vision Transformer（ViT） | AUC, 准确率, 灵敏度, 特异度 | NA |
| 10735 | 2026-05-16 |
Enhanced content-based image retrieval via hybrid color, texture, and deep learning features
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38422-w
PMID:41876591
|
研究论文 | 提出一种融合颜色、纹理和深度学习特征的增强型基于内容的图像检索系统CTD-Net，在Corel-1K、10K和Caltech-101数据集上取得优异性能 | 首次将颜色直方图、颜色矩、局部二值模式、小波变换等手工特征与EfficientNet-B7深度学习特征进行融合，实现低层视觉与高层语义信息的有效互补 | 未说明，可推断为可能依赖于特定数据集，泛化能力需进一步验证 | 解决传统基于内容的图像检索系统因单独使用手工特征或深度学习模型而导致的视觉与语义信息捕捉不足问题 | 自然图像数据集中的彩色图像 | 计算机视觉 | 不适用 | 颜色直方图、颜色矩、局部二值模式、小波变换、卷积神经网络 | CNN (EfficientNet-B7) | 图像 | Corel-1K (1000张)、Corel-10K (10000张)、Caltech-101 (约9144张) 图片 | PyTorch | EfficientNet-B7 | 精确率 | 不适用 |
| 10736 | 2026-05-16 |
Real-time underwater object detection via frequency-domain dynamics and spatially enhanced feature modulation
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44628-9
PMID:41876683
|
研究论文 | 提出一种基于频域动态与空间增强特征调制的轻量级水下实时目标检测框架 | 设计FasterFDBlock骨干网络，结合部分卷积与频域动态卷积，通过频带调制自适应抑制高频噪声并增强边缘细节；引入AIFI-SEFN编码器，融合全局语义与局部空间数据；采用多尺度特征调制模块动态加权深层语义与浅层细节特征 | 仅在UTDAC2020数据集上验证，未提及跨数据集泛化能力及实际水下环境中的鲁棒性测试 | 实现资源受限平台上高精度与低延迟兼顾的水下实时目标检测 | 水下图像中的目标物体 | 计算机视觉 | NA | NA | RT-DETR | 图像 | UTDAC2020数据集 | PyTorch | FasterFDBlock, AIFI-SEFN, MFM | 平均精度均值, 参数量, GFLOPs, 每秒帧数 | NA |
| 10737 | 2026-05-16 |
A deep learning approach for the diagnosis and recurrence prediction of OKC
2026-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44979-3
PMID:41872434
|
研究论文 | 提出基于多模态数据融合与可解释分析的牙源性角化囊肿智能诊断与复发预测系统 | 首次结合空间特征融合模块融合口腔病理切片与临床参数，并利用注意力机制实现复发风险的定量评估与模型可解释性 | 未提及外部验证及数据集大小，可能限制泛化能力 | 实现牙源性角化囊肿的准确诊断与复发风险量化预测 | 牙源性角化囊肿患者的口腔病理切片、临床参数、人口统计学特征及病史记录 | 机器学习, 数字病理学 | 牙源性角化囊肿 | NA | 注意力机制模型 | 图像, 表格数据 | 未明确说明样本数量及类型 | NA | 空间特征融合模块, 注意力机制模块 | 准确率 | NA |
| 10738 | 2026-05-16 |
A novel framework for expanding RNNs with biophysical detail to solve cognitive tasks
2026-Mar-17, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.13.711746
PMID:41889922
|
研究论文 | 提出一种名为BRC的框架，通过结合生物物理细节扩展RNN以解决认知任务 | 在循环神经网络中引入具有多腔室生物物理活性树突的兴奋性细胞，构建生物物理细节储备计算框架，并利用其提取机制见解来指导特定认知任务的模型选择 | 主要针对简化的工作记忆任务进行验证，未涉及更复杂的认知任务或大规模应用 | 开发能提取生物物理神经模型机制见解的框架，并用于指导解决特定类别认知任务的模型选择 | 具有生物物理细节的循环神经网络，特别是包含多腔室树突和活性离子电流的兴奋性细胞 | 机器学习 | NA | NA | 循环神经网络（RNN），储备计算（Reservoir Computing） | NA | NA | NA | 多腔室生物物理活性树突模型，AMPA和NMDA受体模型 | 任务解决能力（基于工作记忆任务的表现） | NA |
| 10739 | 2026-03-18 |
Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen-Response
2026-Mar-16, Clinical & experimental ophthalmology
DOI:10.1111/ceo.70108
PMID:41839708
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10740 | 2026-03-16 |
Explainable deep learning for early diagnosis of chronic kidney disease from CT images in Bangladeshi patients
2026-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42654-1
PMID:41832284
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |