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 47295 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-03-13 |
Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear
2026-05, Gait & posture
IF:2.2Q2
DOI:10.1016/j.gaitpost.2026.110126
PMID:41687573
|
研究论文 | 本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据 | 该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性 | 研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力 | 开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估 | 帕金森病患者的步态数据 | 机器学习 | 帕金森病 | 惯性测量单元（IMU）数据采集 | 自编码器, 全连接回归网络 | 时间序列数据（三轴加速度和角速度） | 10名帕金森病患者 | NA | 自编码器, 全连接回归网络 | R², 一致性界限 | NA |
| 102 | 2026-07-26 |
The transformative potential of artificial intelligence in pediatric medicine: Current applications, methodological challenges, and future directions
2026-May-01, Pediatric investigation
IF:1.9Q2
DOI:10.1002/ped4.70061
PMID:42499769
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 103 | 2026-07-26 |
An AI Workflow Combining Bidirectional Encoder Representations from Transformers (BERT) and Graph Neural Networks (GNNs) for Knowledge Retrieval in Digital Enterprises
2026-04-28, Journal of visualized experiments : JoVE
DOI:10.3791/70045
PMID:42149883
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 104 | 2026-07-26 |
TabTransformer-based In-hospital Classification of Osteoporosis in Adults Undergoing Spinal Neurosurgical Procedures
2026-04-14, Journal of visualized experiments : JoVE
DOI:10.3791/71119
PMID:42113842
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 105 | 2026-07-26 |
Region guided mask R-CNN with Haralick ResNet fusion for accurate coronary artery disease detection in computed tomography angiography images
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43951-5
PMID:41974778
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 106 | 2026-07-26 |
Unsupervised multimodal deep learning for galaxy morphology taxonomy: integrating ConvNeXtEmbeddings and morphological parameters for scalable survey science
2026-Apr-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45369-5
PMID:41965424
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 107 | 2026-04-17 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2026-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 本文介绍了Helixer，一种基于人工智能的从头基因预测工具，用于准确预测真核生物基因模型 | 结合深度学习和隐马尔可夫模型，无需RNA测序等额外实验数据，即可跨真菌、植物、脊椎动物和无脊椎动物基因组实现高精度基因预测 | NA | 开发一种广泛适用于多种物种的高精度从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物的基因组 | 机器学习 | NA | 从头基因预测 | 深度学习, 隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多种评估指标 | NA |
| 108 | 2026-03-19 |
YOLO11-based deep learning and machine vision framework for automated detection and counting of Rhopalosiphum padi (Hemiptera: Aphididae)
2026-04-01, Journal of economic entomology
IF:2.2Q1
DOI:10.1093/jee/toag048
PMID:41843770
|
研究论文 | 本研究开发了一个基于YOLO11的深度学习框架，用于自动检测和计数谷物害虫禾谷缢管蚜 | 在YOLO11n基线模型基础上，集成了ADown下采样模块、Triplet Attention和Focusing Diffusion Pyramid Network模块，以提升小目标检测能力并控制计算开销 | 模型在受控温室条件下使用智能手机图像进行训练和评估，未来需评估跨场景鲁棒性和实际部署性能 | 开发一种快速、自动化的图像监测方法，以替代劳动密集型且不一致的人工巡查，用于禾谷缢管蚜的检测与计数 | 禾谷缢管蚜（Rhopalosiphum padi），一种主要的谷物害虫和大麦黄矮病毒复合体的传播媒介 | 计算机视觉 | NA | 深度学习，机器视觉 | CNN | 图像 | 在受控温室条件下采集的智能手机图像数据集 | Ultralytics YOLO11 | YOLO11n, ADown, Triplet Attention, Focusing Diffusion Pyramid Network | mAP50, 平均绝对误差, 均方根误差 | NA |
| 109 | 2026-04-01 |
Integration of alternative fragmentation techniques into standard LC-MS workflows using a single deep learning model enhances proteome coverage
2026-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-026-03042-9
PMID:41872372
|
研究论文 | 本文开发了一个集成质谱平台，通过深度学习模型整合多种碎片化技术，以增强蛋白质组覆盖范围 | 开发了一个统一的Prosit深度学习模型，能够预测所有解离方法的谱图，并集成到FragPipe的MSBooster模块中，平均提高蛋白质鉴定率超过10% | 未明确说明模型在处理特定复杂样本或极端条件下的局限性 | 增强蛋白质组学中碎片化技术的整合与应用，提高蛋白质鉴定效率和覆盖范围 | 蛋白质组学中的肽段序列和蛋白质鉴定 | 质谱分析, 深度学习 | NA | 碰撞诱导解离(CID), 电子诱导解离, 紫外光解离, 质谱技术 | 深度学习模型 | 质谱数据 | NA | NA | Prosit | 蛋白质鉴定率, 序列覆盖范围 | NA |
| 110 | 2026-03-16 |
MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits
2026-03-09, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101620
PMID:41267404
|
研究论文 | 提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测 | 将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性，能够捕获上位性和基因-环境互作 | 未明确提及 | 提升多环境下农艺性状基因组预测的准确性和可解释性 | 水稻、小麦和玉米的农艺性状 | 机器学习 | NA | 基因组预测 | 深度神经网络 | 基因组数据 | 三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状 | NA | MeNet | NA | NA |
| 111 | 2026-03-06 |
Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study
2026-Mar-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02489-6
PMID:41781694
|
研究论文 | 本研究开发并验证了一种基于超声图像的深度学习模型，用于术前区分滤泡性甲状腺癌和滤泡性甲状腺腺瘤，并对滤泡性甲状腺癌进行侵袭亚型分类 | 首次开发了能够同时区分滤泡性甲状腺癌与腺瘤并对癌进行侵袭亚型分类的AI模型，通过多中心大样本验证，在多种临床环境中均表现出良好泛化能力 | 研究为回顾性设计，需要前瞻性研究进一步验证模型在真实临床环境中的表现 | 开发可靠的术前诊断工具，改善滤泡性甲状腺肿瘤的鉴别诊断和风险分层 | 滤泡性甲状腺肿瘤患者，包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤 | 数字病理 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 1531名患者用于模型开发，900名患者用于外部验证（来自31家医院） | NA | NA | AUC, 宏AUC | NA |
| 112 | 2026-03-07 |
WxC-Bench: A Novel Dataset for Weather and Climate Downstream Tasks
2026-Mar-05, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06839-7
PMID:41786786
|
研究论文 | 本文介绍了一个名为WxC-Bench的新型多模态数据集，旨在支持天气和气候研究中可泛化AI模型的开发 | 提出了首个针对天气和气候下游任务、涵盖多种大气尺度（从中尺度到天气尺度）的综合性、预处理的机器学习就绪数据集 | 未明确说明数据集的覆盖时间范围、空间分辨率限制或潜在的数据偏差 | 为天气和气候分析领域开发新的AI模型或微调现有模型提供高质量的数据集支持 | 天气和气候数据，包括大气湍流、飓风强度与路径、天气相似性搜索、重力波参数化等过程 | 机器学习 | NA | 多模态数据整合 | NA | 多模态数据（空间与时间序列数据） | NA | NA | NA | NA | NA |
| 113 | 2026-03-06 |
Research and implementation of intelligent clothing personalized customization system based on deep learning
2026-Mar-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40436-3
PMID:41781421
|
研究论文 | 本研究提出了一种基于深度学习的智能服装个性化定制系统，集成了身体测量、风格偏好学习、虚拟试穿和设计推荐等核心模块 | 提出了一种新颖的CNN-Transformer-GAN混合架构，专门针对个性化服装设计任务进行优化，在测量精度和可视化质量方面显著优于现有方法 | 未明确说明系统对不同体型、年龄和文化的适用性限制，也未讨论长期使用中的算法稳定性问题 | 开发一个智能化的服装个性化定制系统，通过人工智能技术提升服装定制效率和用户满意度 | 服装个性化定制系统及其用户 | 计算机视觉 | NA | 深度学习 | CNN, Transformer, GAN | 图像数据（身体测量）、用户偏好数据 | 120名参与者的单盲用户研究 + 250名用户的大规模部署测试 | 未明确指定（可能为PyTorch或TensorFlow） | CNN-Transformer-GAN混合架构 | 平均绝对误差（MAE）、准确率、响应时间、用户满意度评分 | NA |
| 114 | 2026-06-15 |
Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis
2026-Feb-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/76637
PMID:41773691
|
系统综述与荟萃分析 | 系统评估机器学习方法在左心室肥厚检测中的诊断准确性 | 首次通过系统综述与荟萃分析，全面评估不同机器学习方法和建模变量对左心室肥厚检测准确性的影响 | 纳入研究存在极端异质性，基于有限证据得出的结论需要谨慎解读，且未来需更多基于影像数据的高性能模型研究 | 系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供依据 | 左心室肥厚检测相关的机器学习模型 | 机器学习 | 心血管疾病 | NA | 机器学习模型（包括深度学习模型） | 心电图、临床特征、超声心动图 | 25项研究 | NA | NA | 灵敏度, 特异性 | NA |
| 115 | 2026-07-26 |
Morphological Sinus Features and Chronic Rhinosinusitis Risk: A Radiomics Study
2026-Jan-09, World journal of otorhinolaryngology - head and neck surgery
DOI:10.1002/wjo2.70081
PMID:42500097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 116 | 2026-06-04 |
Construction and Interpretability of a Multimodal Deep Learning Model of Electronystagmography-Optical Coherence Tomography Angiography for Early Screening of Alzheimer's Disease
2026 Jan-Dec, American journal of Alzheimer's disease and other dementias
DOI:10.1177/15333175261422037
PMID:41601185
|
研究论文 | 构建并解释整合眼电图和光学相干断层扫描血管成像的多模态深度学习模型，用于阿尔茨海默病早期筛查 | 首次将眼电图与光学相干断层扫描血管成像数据多模态融合，结合深度学习模型进行阿尔茨海默病和轻度认知障碍的早期非侵入性筛查，并使用Grad-CAM和SHAP方法进行模型可解释性分析 | 样本量有限（250名受试者），为回顾性研究，未提及外部验证及多中心数据 | 评估多模态深度学习模型整合OCTA与ENG在阿尔茨海默病和轻度认知障碍早期筛查中的价值及可解释性 | 阿尔茨海默病和轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | 光学相干断层扫描血管成像, 眼电图 | 深度学习 | 图像, 信号 | 250名受试者 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 117 | 2026-03-18 |
PRAD-Hybrid CNN (PRADHC): A Deep Learning Model for Assisted Diagnosis of Prostate Cancer on MRI
2026, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究提出了一种名为PRAD-Hybrid CNN（PRADHC）的深度学习模型，用于辅助诊断前列腺癌的MRI图像 | PRADHC模型创新性地结合了EfficientNet和残差块，通过增加CNN层数并集成ResNet来解决梯度消失问题，从而提升了诊断准确率 | AI辅助诊断工具仍存在假阳性病灶检测的局限性 | 开发一种高效的深度学习模型，以提升前列腺癌的自动诊断准确性，特别是在早期阶段 | 前列腺癌的MRI图像 | 计算机视觉 | 前列腺癌 | MRI成像 | CNN | 图像 | 来自64名患者的1,528张MRI图像 | NA | EfficientNet, ResNet | 准确率, AUC | NA |
| 118 | 2026-07-26 |
Research Progress of MRI-based Radiomics in Rectal Cancer
2026, Current medical imaging
IF:1.1Q3
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 119 | 2026-07-26 |
An Automated Hybrid Deep Learning-based Model for Breast Cancer Detection using Mammographic Images
2026, Current medical imaging
IF:1.1Q3
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 120 | 2026-07-26 |
XceptRf-Net: A Novel Deep Learning and Machine Learning Approach for Pneumonia Diagnosis
2026, Current medical imaging
IF:1.1Q3
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |