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 45423 篇文献，本页显示第 1561 - 1580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1561 | 2026-05-31 |
A gated task-attentive multi-task network for unified retinal image analysis
2026-May-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52418-6
PMID:42156815
|
研究论文 | 提出GTAM-Net，一个门控任务注意力多任务网络，用于统一视网膜图像分析，同时完成视盘分割和糖尿病视网膜病变分级 | 引入门控任务注意力块动态决定特征共享方式，避免负迁移；采用多尺度特征金字塔保持层级上下文，基于不确定性的损失加权防止单任务主导训练 | 未明确讨论模型在极端病变多样性或罕见病例上的性能表现，也未提及计算资源消耗或实时性分析 | 开发一个端到端的多任务网络，联合完成视盘分割和糖尿病视网膜病变严重程度分级，以提高筛查工具的准确性和稳定性 | 视网膜图像，包括视盘分割和DR分级任务 | 计算机视觉, 数字病理 | 糖尿病视网膜病变 | 眼底成像 | 多任务网络 | 图像 | 五个公共数据集：IDRiD, DDR, Messidor-2, APTOS, REFUGE | PyTorch | GTAM-Net，门控任务注意力块，多尺度特征金字塔 | Dice系数, 准确率 | NA |
| 1562 | 2026-05-31 |
Evaluation Framework for Bruise Detection: Systematic ALS/White-Light Training and Skin-Tone Balancing with Deep Learning
2026-May-19, Sensors (Basel, Switzerland)
DOI:10.3390/s26103215
PMID:42198024
|
研究论文 | 提出一种集成窄带交变光源与白光成像的自动瘀伤检测评估框架 | 首次将窄带交变光源（ALS）法医成像与白光成像整合，并引入肤色平衡训练、阈值敏感度分析和嵌入相似性分区等模型诊断策略 | 肤色平衡训练虽降低了深色皮肤的检测失败率，但在某些人口统计子组中增加了过度预测，且图像级别分区导致泛化性能被高估 | 开发并评估一种在不同肤色和光照条件下均能公平准确检测瘀伤的自动框架 | 多注释者全共识数据集中的白光及ALS（415 nm和450 nm）图像 | 计算机视觉 | 瘀伤 | 窄带交变光源（ALS）成像、白光成像 | 深度学习模型（基于ImageNet预训练主干网络） | 图像 | 数据集包含白光和ALS图像，具体样本数量未明确说明 | NA | ImageNet预训练主干网络（未明确具体架构如ResNet） | 准确率、置信度稳定性指标、IoU阈值、失败率、过度预测率 | NA |
| 1563 | 2026-05-31 |
Comment on "deep learning in neuroimaging for neurodegenerative diseases: State-of-the-art, challenges, and opportunities"
2026-May-14, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126003
PMID:42208250
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1564 | 2026-05-31 |
Reduction techniques for survival analysis
2026-May-10, Lifetime data analysis
IF:1.2Q2
DOI:10.1007/s10985-026-09714-0
PMID:42203896
|
研究论文 | 本文综述了生存分析中的归约技术，即将生存任务转化为标准回归或分类任务的方法，并讨论了其优缺点及实现 | 系统性地梳理了多种生存分析归约技术，并提供了原则性实现，使其能无缝集成到标准机器学习工作流中 | 未提及具体限制 | 介绍并基准测试生存分析中不同归约技术的预测性能 | 生存分析中的归约技术 | 机器学习 | NA | NA | 多种机器学习与深度学习模型 | 生存数据 | NA | NA | NA | 预测性能 | NA |
| 1565 | 2026-05-31 |
A multicenter study of automatic segmentation-based multimodal fusion integrating radiomics, deep learning, and clinical parameters for prostate cancer detection
2026-May-08, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05548-4
PMID:42101624
|
研究论文 | 基于自动MRI分割，开发并验证一种整合影像组学、深度学习和临床特征的可解释机器学习模型，用于前列腺癌检测 | 创新性地融合了基于自动分割的影像组学、深度学习标签和临床参数，并采用SHAP进行模型解释，实现了高精度且可解释的前列腺癌检测 | 作为回顾性研究，可能存在选择偏倚；且自动分割模型的性能可能影响后续特征提取，尚未在更广泛人群中验证 | 开发并验证一种整合多模态特征（影像组学、深度学习、临床参数）的可解释机器学习模型，提升前列腺癌检测的准确性及临床实用性 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | MRI影像组学、深度学习 | 机器学习模型（XGBoost）与深度学习模型（DenseNet-121） | MRI图像（T2加权成像和表观扩散系数图）及临床数据 | 总共433名患者：内部队列346人（训练集242人，内部验证集104人），外部测试集87人 | PyTorch | DenseNet-121 | 曲线下面积（AUC）及相关指标 | NA |
| 1566 | 2026-05-31 |
A multimodal deep learning framework for clinical nursing assessment in lumbar fusion surgery via representation learning and feature extraction
2026-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-51495-x
PMID:42098353
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1567 | 2026-05-31 |
A causal inference framework for identifying essential genes to enhance drug synergy prediction
2026-May-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag010
PMID:41537237
|
研究论文 | 提出了一个名为CADS的深度学习框架，通过明确建模基因-药物因果关系来提高药物协同作用预测的准确性和生物学可解释性 | 在药物协同作用预测中首次引入可学习的基因选择机制，通过因果后门调整实现基因因果关系建模，提升预测性能和生物学解释能力 | NA | 提升药物协同作用预测的准确性和可解释性，同时识别关键基因 | 药物组合和癌细胞系 | 机器学习 | 癌症 | NA | 深度学习模型 | 多组学数据 | NA | PyTorch | Transformer, 图神经网络 | 准确率 | NA |
| 1568 | 2026-05-31 |
Multiomics and deep learning dissect regulatory syntax in human development
2026-May, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10326-9
PMID:41951735
|
研究论文 | 通过多组学数据和深度学习模型揭示人类发育过程中转录因子结合基序的语法规则 | 构建了首个涵盖12个器官、203种细胞类型和超百万个候选顺式调控元件的人类发育多组学图谱，并利用深度学习模型从局部DNA序列中预测染色质可及性，系统解析了基序的‘硬’和‘软’语法规则 | 未明确提及，但可能依赖于现有数据集和模型泛化性限制 | 解析人类发育过程中转录因子调控的顺式语法和染色质可及性机制 | 人类胎儿细胞中的染色质可及性和基因表达 | 机器学习 | NA | 单细胞ATAC-seq与单细胞RNA-seq的多组学分析 | 深度学习模型 | 单细胞染色质可及性和基因表达数据 | 817,740个胎儿细胞，来自12个器官，覆盖203种细胞类型 | NA | NA | NA | NA |
| 1569 | 2026-05-31 |
DeepFAN, a transformer-based model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial
2026-May, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-026-01147-w
PMID:42020549
|
研究论文 | 提出基于Transformer的DeepFAN模型，通过多读者多病例临床试验验证其在CT扫描肺结节良恶性分类中辅助初级放射科医生的有效性 | 首次将Transformer架构用于全面整合肺结节全局与局部特征，并通过大规模多中心临床试验验证模型辅助诊断效能 | 未提及模型在不同CT扫描参数、结节亚型或非病理确诊样本上的泛化能力 | 开发并验证基于Transformer的深度学习模型DeepFAN，提升肺结节良恶性分类的准确性和诊断一致性 | 10,000余例病理确诊的肺结节（内部测试集）及400例来自三家独立医疗机构的多读者多病例临床试验数据 | 计算机视觉 | 肺癌 | CT扫描 | Transformer | 图像 | 内部测试集：10,000余例病理确认结节；临床试验数据集：400例来自三家独立医疗机构 | NA | Transformer | AUC, 准确率, 敏感性, 特异性, kappa系数 | NA |
| 1570 | 2026-05-31 |
Independent evaluation of deep learning models for detecting focal cortical dysplasia
2026-05, Epilepsy research
IF:2.0Q3
DOI:10.1016/j.eplepsyres.2026.107778
PMID:41861767
|
研究论文 | 对三种深度学习模型（DeepFCD、MELD Classifier、MELDGraph）在检测局灶性皮质发育不良方面的独立评估 | 首次独立评估三种深度学习工具在FCD检测中的表现，并确定校准阈值以提高模型特异性 | 模型准确率普遍较低、复测信度差（Dice系数平均仅0.28-0.38）、阳性预测值不足（最高36%），需要提高工具的准确性、可靠性和可解释性 | 独立评估深度学习模型在检测局灶性皮质发育不良中的性能 | 101名伴有FCD的癫痫患者和101名不伴FCD的癫痫患者的T1加权和FLAIR MRI图像 | 计算机视觉 | 局灶性皮质发育不良、癫痫 | MRI | 深度学习模型 | 图像 | 202名癫痫患者（101名伴有FCD，101名不伴FCD）的MRI扫描，其中21人有重复扫描 | NA | DeepFCD、MELD Classifier、MELDGraph | 准确率、灵敏度、特异性、阳性预测值、Dice系数 | NA |
| 1571 | 2026-05-31 |
Optimizing and Benchmarking Machine Learning and Traditional Synaptic Event Detection Pipelines in Neurophysiology Experiments
2026-05, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0410-25.2026
PMID:41997847
|
研究论文 | 在神经生理学实验中优化和基准测试机器学习与传统突触事件检测流程 | 首次通过大规模手工计数建立实验数据集中的真实事件检测基准，并系统比较不同实验室、分析技术和细胞类型下的检测结果差异 | 未详述具体局限性，但可能包括数据集偏倚或检测方法在特定条件下的泛化性不足 | 评估突触事件检测方法准确性，建立真实事件检测基准 | 抑制性和兴奋性突触后电流（sIPSCs/sEPSCs） | 机器学习 | NA | 膜片钳技术 | 监督机器学习 | 电生理信号数据 | 大型实验数据集（具体样本数未说明） | NA | 深度学习模型（具体架构未说明） | 检测准确性 | NA |
| 1572 | 2026-05-31 |
Deep Learning Discriminates Seizures from Normal Brain Oscillations in the Electroencephalogram of a Rat Model of Post-traumatic Epilepsy
2026-05, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0032-26.2026
PMID:42045047
|
研究论文 | 利用深度学习客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作与正常脑振荡 | 通过迁移学习训练神经网络，区分三种不同的脑电图表型（迟发性惊厥发作、早发性惊厥发作和棘慢波放电），并揭示早期和晚期癫痫发作具有相似的表型 | 未明确提及，但可能包括模型样本量有限、流体冲击损伤诱导癫痫的罕见性可能不适合测试抗癫痫发生疗法 | 客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作，并区分不同类型的脑电活动 | 雄性大鼠的创伤后癫痫模型 | 机器学习和数字信号处理 | 创伤后癫痫 | 脑电图 | 卷积神经网络 | 脑电图信号 | 未明确提及，但涉及大鼠手术处理组和假手术组，包含多种癫痫发作事件 | NA | 卷积神经网络 | 检测准确率（隐性提及），具体指标未明确列出 | NA |
| 1573 | 2026-05-31 |
Integrated computational and experimental analysis explores FOLH1 expression patterns across cancers and nominates melatonin as a potential modulator in prostate cancer models
2026-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014315
PMID:42172245
|
研究论文 | 通过计算与实验整合分析，探索FOLH1在多种癌症中的表达模式，并提名褪黑素作为前列腺癌的潜在调节因子 | 首次系统分析FOLH1在泛癌中的表达模式、免疫调节作用及免疫细胞浸润，并利用机器学习结合深度学习筛选靶向FOLH1的药物候选物，通过体外和体内实验验证褪黑素的潜在治疗作用 | 需要进一步的机制验证来确认褪黑素与FOLH1相互作用的分子机制 | 研究FOLH1在泛癌中的表达模式及免疫调节作用，并探索其在前列腺癌中的治疗潜力 | FOLH1基因在多种恶性肿瘤中的表达、预后相关性及免疫浸润，以及褪黑素对前列腺癌模型的影响 | 机器学习, 数字病理学 | 前列腺癌 | RNA-seq, 体外细胞实验, 裸鼠异种移植模型 | 深度学习模型 | 基因表达数据, 图像（细胞和肿瘤） | 27种癌症类型的表达数据，以及前列腺癌相关体外和体内实验 | NA | 深度学习模型（未指定具体架构） | 表达水平、预后相关性、免疫浸润指标 | NA |
| 1574 | 2026-05-31 |
Prediction of Lobar Emphysema Progression with a CT-Based Foundational Model
2026-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.252958
PMID:42188737
|
研究论文 | 开发并评估一种基于胸部CT的深度学习预后模型，用于预测COPD患者的肺叶密度下降和肺气肿进展 | 首次利用CT基础模型结合全局注意力机制，实现肺叶特异性密度变化的预测，为肺气肿进展的区域异质性提供定量评估工具 | 未明确提及局限性，但可能包括模型在不同CT采集协议下的泛化能力、样本选择偏倚及预测时间跨度的局限 | 开发和评估基于CT的深度学习模型，用于预测COPD患者肺叶密度下降和肺气肿进展 | COPD患者及非COPD参与者 | 计算机视觉 | 慢性阻塞性肺疾病（COPD） | CT扫描 | 深度学习模型（基础模型+全局注意力机制） | 医学影像（胸部CT） | 5823名参与者（3003名男性），其中训练集2136人，内部测试集2718人，外部测试集969人 | NA | 基础模型（foundational model）结合全局注意力机制 | 均方根误差（RMSE）、皮尔逊相关系数、受试者工作特征曲线下面积（AUC） | NA |
| 1575 | 2026-05-31 |
Artificial intelligence in nursing practice for older adults with dementia: A narrative review informed by bibliometric mapping and implications for nurse-led research
2026-May, Journal of Korean gerontological nursing
DOI:10.17079/jkgn.2026.00143
PMID:42209252
|
综述 | 该叙事综述基于文献计量图谱，探讨人工智能在老年痴呆症护理实践中的应用，并提出护士主导研究的优先方向 | 结合文献计量图谱（VOSviewer）与叙事综述方法，系统梳理国际与韩国本土研究，聚焦护士主导的AI研究方向 | 韩国研究集中于情感支持机器人且存在方法学局限，国际研究需更多严格护士主导的临床试验 | 绘制痴呆护理中AI的全球研究格局，识别韩国研究特点，并提出护士主导AI研究的优先方向 | 老年痴呆症护理中的人工智能应用 | 人工智能 | 老年痴呆症 | NA | NA | 文献数据 | 国际文献5,710篇，韩国文献265篇 | NA | NA | NA | VOSviewer软件，Leiden算法 |
| 1576 | 2026-05-31 |
Deep learning for dose-averaged linear energy transfer estimation in pencil-beam scanning and double scattering proton radiotherapy plans with uncertainty-aware external validation
2026-May, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100998
PMID:42212206
|
研究论文 | 开发用于质子放疗中剂量平均线性能量转移（LETd）估计的深度学习模型 | 首次在笔束扫描和双散射质子放疗中同时训练深度学习模型，并引入不确定性评估机制以在无参考数据的外部验证中评估模型可靠性 | 未明确说明局限性，但外部验证仅针对双散射模型 | 为脑肿瘤患者的质子放疗开发深度学习LETd预测模型，并评估其在外部数据集上的不确定性 | 脑肿瘤患者 | 机器学习 | 脑肿瘤 | 蒙特卡洛模拟，深度学习 | 深度学习模型 | 剂量分布图像 | 570名患者的605个治疗计划 | NA | NA | 中位和98百分位体素绝对误差，系综方差，潜在空间距离 | NA |
| 1577 | 2026-05-31 |
Decoding the Black Box in Deep Learning Models-Reply
2026-Apr-30, JAMA otolaryngology-- head & neck surgery
DOI:10.1001/jamaoto.2026.0855
PMID:42060278
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1578 | 2026-05-31 |
AgroDualNet: a dual deep learning-based crop disease forecasting and fruit ripening detection
2026-Apr-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49002-3
PMID:42056187
|
研究论文 | 开发了一种名为AgroDualNet的双阶段深度学习框架，用于作物疾病预测和水果成熟度检测，以优化农业生产 | 提出了一个双模块统一框架，同时解决作物疾病预测和水果成熟度识别问题，并结合了CBAM注意力机制、SMO优化的SVM分类器以及YOLOv8与MobileNetV2的轻量化架构，支持边缘部署和决策支持层 | 未明确说明局限性，但可能包括对特定数据集（如PlantVillage）的依赖以及缺乏在更广泛作物类别或真实复杂场景中的验证 | 通过结合深度学习和物联网技术，提高作物疾病诊断和水果成熟度测量的准确性与效率，支持精准农业中的实时决策 | 作物疾病（来源于PlantVillage数据集）和水果成熟度（苹果，来源于Kaggle和真实农田数据集） | 计算机视觉 | 农作物疾病（未指定具体疾病类型） | 深度学习，计算机视觉 | CNN、SVM、YOLO | 图像 | PlantVillage数据集（三分类子集和多类设置）和包含苹果的图像数据集（未明确具体样本数量） | PyTorch | ResNet50, CBAM, MobileNetV2, YOLOv8 | 准确率、精确率、召回率、F1分数、推断时间 | 边缘设备（未指定具体GPU或云平台） |
| 1579 | 2026-05-31 |
Plant invasion reduces density-dependent pollination but not florivory
2026-Apr-16, Oecologia
IF:2.3Q2
DOI:10.1007/s00442-026-05881-x
PMID:41989621
|
研究论文 | 利用深度学习和无人机技术监测植物入侵对多营养级群落动态的影响 | 首次将消费级无人机与深度学习结合，用于量化入侵植物对传粉和草食作用的密度依赖性影响 | 未说明 | 评估植物入侵对传粉服务和草食作用的密度依赖性影响 | 狗绞杀藤（Vincetoxicum rossicum）入侵的草地中的新英格兰紫菀（Symphyotrichum novae-angliae）及其传粉者和专食性象鼻虫（Anthonomus rufipes） | 计算机视觉 | NA | 无人机成像 | 深度学习模型（未具体说明） | 图像 | 加拿大安大略省多伦多地区Rouge国家城市公园中入侵梯度上的草地样点 | NA | NA | NA | 消费级无人机 |
| 1580 | 2026-05-31 |
Radiomics-Guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited Sample Multicenter Study
2026-Apr-15, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.014
PMID:41997452
|
研究论文 | 提出一种基于影像组学的模型无关元学习框架，用于子宫内膜癌术后盆腔放疗临床靶体积的自动勾画，在多中心有限样本下提升分割性能与适应性 | 首次将影像组学特征与模型无关元学习策略结合，用于多中心临床靶体积分割任务，有效缓解中心间勾画风格差异和数据稀缺导致的性能下降 | 本研究为有限样本多中心回顾性研究，未涵盖所有可能的勾画定义变异，且外部验证中心样本量仅26例，泛化性需进一步验证 | 开发一种能应对多中心间临床靶体积勾画差异和有限数据挑战的自动分割方法 | 子宫内膜癌患者术后盆腔放疗的模拟CT图像及临床靶体积 | 计算机视觉，数字病理学 | 子宫内膜癌 | CT影像 | U-Net，随机森林 | 影像 | 207例多中心病例（5个中心）及26例外部中心病例 | PyTorch（推断） | 三维U-Net | Dice相似系数，95百分位豪斯多夫距离，平均对称表面距离，4分制专家评分 | 未明确，推测为单GPU（推断） |