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 45510 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2026-06-05 |
Attention enhanced hybrid deep learning architecture with PCA-based feature fusion for banana leaf disease detection
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47092-7
PMID:41981085
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1082 | 2026-06-05 |
Fast and accurate extraction of microwave filter coupling matrix via physics-informed deep learning
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46255-w
PMID:41974785
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1083 | 2026-04-11 |
AI-driven integration of Framingham Heart Study data with machine learning, deep learning, and explainable AI for enhanced pharmaceutical marketing
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45770-0
PMID:41957161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1084 | 2026-06-05 |
Lightweight liquid neural networks decipher salivary metabolic fingerprinting for high-risk periodontitis screening in diabetes
2026-Apr-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02593-7
PMID:41942764
|
研究论文 | 利用轻量级液态神经网络解码唾液代谢指纹，实现糖尿病高危牙周炎的快速筛查 | 首次结合探针电喷雾电离质谱（PESI-MS）与轻量级液态神经网络（LNN）用于牙周炎合并2型糖尿病（高共患风险人群）的非侵入性快速筛查 | 研究为双中心初步验证，样本量较小（426人），需更大规模多中心研究验证泛化性能 | 开发一种快速、非侵入的方法，用于识别同时患有牙周炎和2型糖尿病的高风险个体 | 426名参与者（包括健康对照组、单纯牙周炎组、牙周炎合并2型糖尿病组）的唾液代谢指纹 | 机器学习 | 牙周炎、2型糖尿病 | 探针电喷雾电离质谱（PESI-MS） | 液态神经网络（LNN）、BiLSTM、MHA-LSTM | 质谱数据、人口统计学协变量（年龄、性别） | 426份唾液样本（健康对照组114份，单纯牙周炎组209份，牙周炎合并2型糖尿病组103份），80%训练集，20%测试集 | NA | LNN、BiLSTM、MHA-LSTM | 准确率（91.9%）、召回率（100%）、AUC（0.73-0.78对照） | NA |
| 1085 | 2026-06-05 |
Smart medical system integrating clinical workflows for robust skin cancer detection across heterogeneous pathologies
2026-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45132-w
PMID:41942573
|
研究论文 | 提出一种融合临床工作流的智能医疗系统，用于在异质性病理中实现稳健的皮肤癌检测 | 提出了注意力引导自编码器与Transformer全局上下文建模模块的混合深度学习架构，并引入贝叶斯优化与灰狼优化及鲸鱼优化算法协同的超参数优化策略 | 未在真实临床工作流中验证系统的泛化能力及计算效率 | 开发高准确率、可泛化的自动化皮肤癌分类系统 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习 | 混合深度学习模型（自编码器+Transformer） | 图像 | 使用HAM10000、ISIC-2019和ISIC-2020三个基准皮肤镜数据集 | NA | 注意力引导自编码器，Transformer | 准确率，F1分数，AUROC | NA |
| 1086 | 2026-06-05 |
Research on fast and accurate prediction of milk yield in dairy goats based on deep learning
2026-Apr, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27905
PMID:41651371
|
研究论文 | 基于改进的Mask R-CNN深度学习模型，通过乳房图像预测奶山羊产奶量，实现快速准确预测 | 改进Mask R-CNN模型，引入特征通道注意力和锚点细化模块，首次通过乳房轮廓特征预测产奶量，验证了基于图像的预测可行性 | 未提及 | 提出基于深度学习的奶山羊产奶量快速准确预测方法，辅助选种育种 | 奶山羊乳房图像 | 计算机视觉 | NA | 深度学习 | Mask R-CNN | 图像 | NA | NA | Mask R-CNN | 准确率, 召回率, 平均交并比, 平均绝对误差, 均方误差, 平均绝对百分比误差 | NA |
| 1087 | 2026-06-05 |
Estimating proximity to muscular failure using surface EMG and deep learning
2026-Apr, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology
IF:2.0Q2
DOI:10.1016/j.jelekin.2026.103111
PMID:41653807
|
research paper | 提出基于表面肌电信号和深度学习的实时肌肉力竭程度估计方法 | 首次定义连续性的力竭接近指数(PFI)并利用深度学习模型从sEMG频谱图实时预测力竭程度 | 仅针对静态二头肌弯举动作，对动态训练场景的适用性尚未验证 | 开发实时肌肉力竭程度估计方法以动态个性化抗阻训练 | 12名受试者进行静态二头肌弯举至力竭过程中的表面肌电信号 | machine learning | NA | 表面肌电信号(sEMG)记录 | LSTM | 频谱图 | 12名受试者的192次记录 | NA | 长短期记忆网络(LSTM), 多层感知器(MLP), Transformer, 循环神经网络(RNN) | 均方误差(MSE) | NA |
| 1088 | 2026-06-05 |
Comparison of Artificial Intelligence Models for Automatic Segmentation of the Mandibular Canals and Branches
2026-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109427
PMID:41653835
|
研究论文 | 比较三种深度学习模型（UNETR、Swin UNETR和3D UX-Net）在下颌管及其分支自动分割中的性能，并应用基于解剖特征的后处理模块进行优化 | 首次系统比较三种先进深度学习模型在小牙科结构——下颌管及其分支分割中的表现，并提出基于解剖特征的后处理策略显著提升分割精度 | NA | 提高下颌管及其分支的自动分割准确性，为临床牙科手术提供高效工具 | 下颌管及其分支（包括切牙管和颏管） | 计算机视觉 | 牙科疾病 | NA | 深度学习模型（U-Net Transformer、Swin UNETR、3D UX-Net） | 锥形束CT图像 | 173例锥形束CT扫描数据 | NA | U-Net Transformer, Swin UNETR, 3D UX-Net | Dice相似系数, 交并比, 95%豪斯多夫距离, 平均对称表面距离, 精确率, 召回率 | NA |
| 1089 | 2026-06-05 |
Dual Framework for Classification and Detection of Third Molar Impaction in Panoramic Radiographs
2026-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109430
PMID:41655402
|
research paper | 提出两种独立深度学习框架，用于全景X光片中第三磨牙阻生情况的分类和检测 | 融合多头自注意力的改进YOLOv10和YOLOv11n架构，以及基于深度特征结合传统机器学习算法的分类方法 | 未明确说明局限性 | 实现第三磨牙阻生的准确自动多类别评估，提升临床诊断性能与计算效率 | 第三磨牙阻生 | computer vision | 口腔颌面外科 | 全景X光片影像 | CNN | image | 5796张专家标注的全景X光片 | PyTorch | YOLOv10, YOLOv11n, ResNet50, InceptionNetV3 | accuracy, precision, recall, F1-score, mean average precision | NA |
| 1090 | 2026-06-05 |
A Multimodal Fusion Model of Radiomics and Deep Learning Integrating the Tumor Microenvironment Accurately Predicts Pathological Complete Response in Breast Cancer
2026-Apr, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.016
PMID:41656135
|
研究论文 | 开发了一种整合影像组学、深度学习及肿瘤微环境特征的多模态融合模型，用于预测乳腺癌新辅助化疗后的病理学完全缓解 | 整合了瘤内影像组学、瘤周特征（9mm扩展）和深度学习特征，并首次系统结合肿瘤微环境信息进行预测 | DL+Intra组合模型在统计学上未显著优于最终集成模型，且外部验证样本量有限（n=95） | 提高乳腺癌新辅助化疗后病理学完全缓解的预测准确性，支持个性化治疗方案决策 | 乳腺癌患者治疗前的MRI影像数据及对应病理学完全缓解状态 | 机器学习 | 乳腺癌 | MRI | 逻辑回归 | 影像 | 内部验证集929例（I-SPY2试验），外部验证集95例 | NA | NA | AUC, 敏感度 | NA |
| 1091 | 2026-06-05 |
Horizontal nystagmus identification with joint SAM segmentation and time series classification
2026-Apr, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09950-4
PMID:41663530
|
研究论文 | 提出了一种联合SAM分割和时间序列分类的水平眼震识别模型 | 首次联合SAM分割和时间序列分类检测水平眼震，利用SAM提取瞳孔运动轨迹并结合空间注意力与多尺度一维时间序列卷积分类器提高检测精度 | 未提及在更多样化数据集或不同眼动视频来源上的泛化能力验证，可能受限于临床采集数据集的规模 | 开发高效的水平眼震自动检测方法，提升前庭疾病早期筛查和诊断效率 | 水平眼震患者的眼动视频中的瞳孔运动轨迹 | 计算机视觉，时间序列分析 | 前庭疾病 | 深度学习，眼动视频分析 | 卷积神经网络，SAM，时间序列卷积分类器 | 眼动视频 | 临床采集的水平眼震视频数据集，具体样本数量未说明 | PyTorch, SAM | CNN（用于帧过滤），SAM，空间注意力机制，多尺度一维时间序列卷积分类器 | 准确率，精确率 | NA |
| 1092 | 2026-06-05 |
Multimodal AI System for Plastic Surgery Diagnosis and Decision-Making Using Deep Learning of Psychological Questionnaires and Three-Dimensional Facial Data
2026-Apr, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-05600-6
PMID:41663766
|
研究论文 | 使用三维照片和心理问卷调查数据构建AI驱动的整形外科个性化推荐系统 | 首次融合3D面部影像与心理问卷调查数据，综合考虑患者焦虑水平、经济状况和心理期望，实现个性化整形手术建议 | 未提及系统在不同人群或更大规模数据上的泛化能力验证 | 开发基于人工智能的整形外科诊断与决策支持系统，提升治疗效果和患者满意度 | 18-55岁整形外科门诊患者的三维面部照片及心理问卷数据 | 机器学习 | 整形外科相关疾病 | 3D摄影、心理问卷分析 | 神经网络 | 图像、文本 | 5543例患者数据 | NA | NA | 准确率、满意度 | NA |
| 1093 | 2026-06-05 |
Understanding complaint behavior in mobile banking: A psychological and AI-based analysis of emotional drivers
2026-Apr, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.106435
PMID:41666715
|
研究论文 | 本研究通过情感分析和人工智能技术分类移动银行应用中的用户问题，并探讨情感与问题报告行为之间的关系 | 首次将情绪智力与人工智能相结合，用于分类用户问题并评估情感线索与零售移动银行报告行为的关系，融合心理学的情绪智力理论与计算建模，深化了对数字金融环境中情感行为的理解 | NA | 调查情绪智力和人工智能技术如何分类零售移动银行应用中的用户报告问题，并检验情感与问题报告之间的关联 | 美国银行移动银行应用的用户评论 | 自然语言处理 | NA | 情感分析 | K-means聚类、多层感知机、卷积神经网络、循环神经网络 | 文本 | 216,000多条用户评论 | NA | 多层感知机、卷积神经网络、循环神经网络 | 准确率（超过93%） | NA |
| 1094 | 2026-06-05 |
A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data
2026-Apr-01, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkag026
PMID:41655240
|
研究论文 | 全面评估了27种从单细胞RNA数据向ATAC数据传递标签的计算工具 | 首次系统评估多种跨组学标签转移工具，并发现Bridge和GLUE在高质量配对数据下表现最佳；bindSC和GLUE在总体预测准确率上最优；分析了数据不平衡、跨组学差异等对模型性能的负面影响 | 主要依赖人工和小鼠组织数据，未涉及其他物种或临床样本；某些负向影响因素的机制尚未深入探索；性能评估未考虑真实生物场景中的噪声和批次效应 | 系统评估用于scATAC-seq标签注释的计算工具，并分析影响其性能的因素 | 各种人类和小鼠组织的单细胞RNA和ATAC数据 | 机器学习 | NA | scRNA-seq, scATAC-seq, 单细胞测序 | Bridge, GLUE, bindSC, 深度学习算法 | 单细胞RNA和ATAC序列数据 | 涉及来自各种人类和小鼠组织的数据集 | NA | Bridge, GLUE, bindSC | 预测准确率 | 评估了时间和内存效率，但未具体说明GPU或云平台类型 |
| 1095 | 2026-06-05 |
Manifold topological deep learning for biomedical data
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71392-1
PMID:41922355
|
研究论文 | 提出了一种用于生物医学数据的流形拓扑深度学习框架，将霍奇理论与卷积神经网络结合，以处理光滑流形数据如图像 | 首次将拓扑深度学习扩展至可微流形数据，通过霍奇理论分解向量场为三个正交分量，并集成到卷积神经网络中 | NA | 将拓扑深度学习应用于可微流形数据，提升生物医学图像处理性能 | 生物医学图像数据，包括2D和3D图像 | 深度学习 | NA | NA | 卷积神经网络 | 图像 | 717,287张生物医学图像，来自十一个2D数据集和六个3D数据集 | NA | 卷积神经网络 | NA | NA |
| 1096 | 2026-06-05 |
Optimizing deep CNN architecture via hybrid Harris Hawks arithmetic algorithm for EEG meditation classification
2026-Mar-27, Neuroscience
IF:2.9Q2
|
研究论文 | 提出一种混合Harris Hawks算术优化算法优化深度CNN架构用于EEG冥想分类 | 将Harris Hawks优化与算术优化算法结合用于CNN超参数调优，并利用Stockwell变换将EEG信号转换为时频图像 | 未明确说明局限性 | 提升脑电图冥想信号的分类性能 | 三种冥想类别：Vipassana、Isha Shoonya和对照 | 机器学习 | NA | EEG | CNN | 时频图像 | 未明确说明 | NA | CNN | 准确率, 最佳适应度, 最差适应度, 平均适应度, 标准差 | 未提及 |
| 1097 | 2026-06-05 |
A misclassification-aware explainable hybrid CNN-vision transformer framework for radiographic weld inspection
2026-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44874-x
PMID:41866427
|
研究论文 | 提出一种可区分误分类的可解释混合CNN-视觉Transformer框架，用于焊缝射线检测，以提高可靠性和可解释性 | 结合CNN与视觉Transformer的混合架构，利用全局上下文建模增强相似缺陷判别能力，并通过Grad-CAM和自注意力图提供可解释性 | 文中未明确提及局限性，但可能包括计算资源需求较高以及对不同成像条件数据集的进一步泛化测试 | 提高焊缝缺陷检测的可靠性、降低误分类率并提供透明解释，支持工业5.0导向的检验系统 | 焊缝射线图像中的缺陷类型（裂纹、气孔、未熔合等） | 计算机视觉, 数字病理学（可归于工业检测领域） | NA | 射线检测 | 混合CNN-视觉Transformer | 图像（射线图像） | RIAWELC数据集（未提供具体数量）和GDXray外部数据集 | NA（未明确指定框架） | 混合CNN-ViT，轻量级CNN基线 | 准确率, 误分类率, 混淆矩阵 | NA（未提及） |
| 1098 | 2026-06-05 |
Protocol for non-invasive tumor monitoring and diagnosis based on interpretable deep learning
2026-Mar-20, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2026.104358
PMID:41653437
|
研究论文 | 提出一种基于可解释深度学习的无创肿瘤监测与诊断协议，利用Oncoder框架分析血浆游离DNA中的肿瘤特异性DNA甲基化动态变化 | 引入了Oncoder这一可解释深度学习框架，提高了肿瘤监测的可解释性和临床可用性，同时协议具有高适应性和多场景应用能力 | NA | 开发一种基于可解释深度学习的非侵入性肿瘤监测与诊断方法，用于追踪治疗反应 | 患者血浆游离DNA中的肿瘤特异性DNA甲基化信号 | 机器学习 | 肿瘤 | DNA甲基化测序 | 深度学习 | DNA甲基化数据 | NA | NA | Oncoder | NA | NA |
| 1099 | 2026-06-05 |
INTELCAPE: A Deep Learning-Powered System for Automated, High-Accuracy Crohn's Disease Diagnosis via Capsule Endoscopy
2026-Mar-19, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2026.02.026
PMID:41861933
|
研究论文 | 开发了一个名为INTELCAPE的深度学习系统，用于通过胶囊内镜自动化高精度诊断克罗恩病 | 首次将多任务深度学习框架（集成ResNet、Transformer和EfficientNet架构）应用于胶囊内镜视频的自动化分析，实现小肠分割、病变检测和疾病诊断的一体化处理，显著提升诊断效率和准确性 | 该研究为回顾性多中心研究，可能受限于数据来源的多样性和样本量；未提及对罕见病变类型的检测能力或跨种族人群的泛化性能验证 | 开发并验证一个基于深度学习的自动化系统，用于提高胶囊内镜视频分析中克罗恩病诊断的准确性和效率 | 来自两家中国医院的757名（队列1）和115名（队列2）患者的胶囊内镜视频数据 | 计算机视觉、数字病理学 | 克罗恩病（消化系统疾病） | 胶囊内镜 | 深度学习模型（CNN、Transformer） | 视频 | 872名患者的胶囊内镜视频（队列1：757例，队列2：115例） | PyTorch | ResNet, Transformer, EfficientNet | 交并比、AUC、分类准确率 | NA |
| 1100 | 2026-06-05 |
BKDRP: a biological knowledge-driven approach for drug response prediction using multi-omics data in cancer cell lines
2026-Mar-17, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-026-06406-2
PMID:41845230
|
研究论文 | 提出一种生物知识驱动的深度学习模型BKDRP，利用多组学数据预测癌细胞系对药物的反应 | 将先验生物学知识（基因编码蛋白质形成复合物、调控通路、药物靶向）嵌入深度学习架构，提升模型可解释性 | 未提及 | 开发可解释的深度学习模型用于癌症药物反应预测 | GDSC数据集中的癌细胞系 | 机器学习 | 肺癌 | 多组学测序（基因表达、蛋白质表达、突变、拷贝数变异） | 深度神经网络 | 多组学数据 | GDSC细胞系数据集 | NA | BKDRP | AUC, AUPR | NA |