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 42805 篇文献，本页显示第 1861 - 1880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1861 | 2026-03-13 |
Feasibility of Electroencephalography-Based Detection of Single-Flash Microperimetry Stimuli: A Proof-of-Concept Study
2026-Feb-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.12.25335536
PMID:41728305
|
研究论文 | 本研究评估了在非理想同步条件下使用脑电图检测微视野检查单次闪光刺激的可行性，并探索了独立于患者反应的脑电图刺激注册方法 | 首次在缺乏硬件级同步和单次试验分析的条件下，利用深度学习模型从脑电图信号中检测单次闪光微视野刺激，证明了其可行性 | 样本量小（仅两名健康参与者），未使用精确同步，且研究重点在于可行性而非泛化性 | 探索脑电图在微视野检查中作为主观功能测试的客观辅助工具的潜力 | 健康参与者的脑电图信号响应微视野检查中的单次闪光刺激 | 机器学习 | NA | 脑电图 | BiLSTM | 脑电图信号 | 2名健康参与者，12次试验 | NA | 双向长短期记忆网络 | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 1862 | 2026-03-13 |
Deep learning-based detection of retinal detachment with vitreous hemorrhage in ocular ultrasound images
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38272-6
PMID:41673252
|
研究论文 | 本研究开发了一种基于YOLOv5架构的卷积神经网络，用于在眼部超声B扫描图像中检测视网膜脱离和玻璃体出血 | 首次将YOLOv5架构应用于眼部超声图像中视网膜脱离和玻璃体出血的检测，并采用图像增强技术如非锐化掩模来提高检测精度 | 模型在存在玻璃体出血导致眼底模糊的情况下检测视网膜脱离的准确性可能受限，且样本量相对有限 | 开发一种深度学习算法，以辅助在眼部超声图像中检测视网膜脱离和玻璃体出血，特别是在眼底模糊的情况下 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 眼部超声成像 | CNN | 图像 | 训练集2,188张图像，验证集1,042张图像 | PyTorch | YOLOv5 | 准确率 | NA |
| 1863 | 2026-03-13 |
Interpretable machine learning rationalizes carbonic anhydrase inhibition via conformal and counterfactual prediction
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39771-2
PMID:41673458
|
研究论文 | 本文介绍了一个可解释的机器学习框架，用于预测人类碳酸酐酶（hCA）II、IX和XII亚型的抑制活性，并整合了保形预测和反事实解释以提高分子可解释性 | 结合保形预测进行不确定性量化和反事实解释提供分子可解释性，强调了数据质量和验证的重要性，而非算法复杂性 | 未明确说明模型在更广泛抑制剂类别或不同实验条件下的泛化能力 | 开发一个可解释的机器学习框架来预测和合理化hCA亚型的选择性抑制，以指导抗癌抑制剂设计 | 人类碳酸酐酶（hCA）II、IX和XII亚型及其抑制剂 | 机器学习 | 癌症 | 机器学习建模 | 支持向量机（SVM），深度学习模型 | 分子指纹数据（扩展连接性指纹） | NA | Scikit-learn | NA | NA | NA |
| 1864 | 2026-02-08 |
Non-inferiority of automated deep learning-based [18F]FDG PET/CT tumour volume compared to manual GTV for prognostic modelling in head and neck cancer
2026-Feb-06, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-026-01377-0
PMID:41652257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1865 | 2026-02-08 |
Non-contact detection of post-regurgitation deep inhalation in calves using infrared thermography and deep learning-based nostril segmentation
2026-Feb-06, BMC veterinary research
IF:2.3Q1
DOI:10.1186/s12917-026-05340-y
PMID:41652485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1866 | 2026-02-08 |
The diagnostic value of enhanced CT radiomics and deep learning in differentiating pediatric peripheral neuroblastoma from ganglioneuroblastoma
2026-Feb-06, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15665-4
PMID:41652556
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1867 | 2026-03-13 |
Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank
2026-Feb, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-025-01702-w
PMID:40576910
|
研究论文 | 本研究开发并评估了一种神经网络Cox模型，用于预测与年龄相关疾病的发病加速风险，基于英国生物银行的数据 | 首次利用疾病诊断的相对发病加速关联来表征疾病模式，并应用神经网络生存模型估计具有预后信息的发病加速风险 | 未明确说明模型在更广泛人群或不同数据集中的泛化能力，以及潜在的数据偏差 | 预测与年龄相关疾病的发病加速风险，以理解疾病共现模式并识别高风险群体 | 英国生物银行中的60,396名个体及其218,530个结局事件 | 机器学习 | 老年疾病 | 血液和身体成分生物标志物分析 | 神经网络Cox模型 | 人口统计学、人体测量、成像和血液生物标志物数据 | 60,396名个体，218,530个结局事件 | NA | OnsetNet | Harrell's concordance index (C-index), Kaplan-Meier曲线, log-rank检验, Schoenfeld残差 | NA |
| 1868 | 2026-02-20 |
Metadata Resolution Spoofing for Pediatric Application of Adult-Trained Deep Learning Models for Pancreas Segmentation on CT
2026-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.33778
PMID:41090642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1869 | 2026-03-13 |
An Interpretable Chest X-ray Classification Framework Using Prototype Memory and Counterfactual Consistency
2026-Feb, Cureus
DOI:10.7759/cureus.103134
PMID:41815616
|
研究论文 | 本研究提出了一种名为CXR-NeXus的可解释性胸部X光分类框架，该框架通过结合原型记忆和反事实一致性，旨在提升模型在弱监督下基于临床相关肺部证据进行可靠决策的能力 | 提出了一个结合原型记忆与反事实一致性的可解释分类框架，通过“这看起来像那个”的图像级解释和基于Grad-CAM引导的病灶抑制生成反事实X光图像，使模型预测依赖于病理证据，无需像素级病灶标注 | 未明确提及，但可能包括对弱监督的依赖、反事实图像生成的质量限制，以及仅在四类胸部X光数据集上进行验证 | 开发一个可解释且可靠的胸部X光分类框架，使模型预测基于临床相关的肺部证据，减少对虚假图像线索的依赖 | 胸部X光图像 | 计算机视觉 | 肺部疾病（包括COVID-19、肺炎、肺结核） | NA | 深度学习模型 | 图像 | NA | NA | NA | 宏平均F1分数，ROC-AUC，特异性，概率校准 | NA |
| 1870 | 2026-03-13 |
FibroTrack: a standalone deep learning platform for automated fibrosis quantification in muscle and cardiac histology
2026-Jan-26, Skeletal muscle
IF:5.3Q2
DOI:10.1186/s13395-026-00415-8
PMID:41588534
|
研究论文 | 本文介绍了一个名为FibroTrack的独立深度学习平台，用于自动化定量分析肌肉和心脏组织学中的纤维化 | 首次将LAB色彩空间归一化与YOLOv11分割模型集成于一个具有图形用户界面的独立平台中，实现了跨多种染色方法的高通量纤维化分析 | 未明确说明模型在不同染色批次或实验室间的泛化能力，也未提及对罕见组织类型的处理效果 | 开发一个准确、可重复且临床相关的高通量纤维化定量分析工具 | 肌肉和心脏组织学图像 | 数字病理学 | 心血管疾病 | 组织染色（天狼星红、Masson三色、免疫组织化学） | CNN | 图像 | 2034张组织学图像 | NA | YOLOv11 | mask precision, Spearman correlation | NA |
| 1871 | 2026-03-13 |
Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection
2026-01-14, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.1239-25.2025
PMID:41271439
|
研究论文 | 本研究探讨了早期生活逆境如何通过影响基底外侧杏仁核到伏隔核的CRH/GABA投射通路，以性别特异性的方式调控奖赏行为 | 首次揭示了CRH/GABA BLA-NAc投射通路在调控奖赏行为中存在显著的性别差异，并发现其神经支配模式受性别和早期生活逆境的共同影响 | 研究主要在小鼠模型中进行，结果向人类转化的普适性有待验证；神经支配模式的差异与功能差异之间的确切因果关系尚未完全阐明 | 探究早期生活逆境对奖赏行为调控神经环路的性别特异性影响机制 | CRH-Cre转基因小鼠（雄性和雌性） | 神经科学 | 情感障碍 | 组织透明化、光片荧光显微镜、化学遗传学（DREADDs）、电生理记录、全脑神经投射图谱绘制 | 深度学习 | 图像数据、电生理数据、行为数据 | 控制组和早期生活逆境组（ELA）的成年雄性和雌性CRH-Cre小鼠 | NA | NA | NA | NA |
| 1872 | 2026-03-13 |
Classifying retinal degeneration using OCT and histological images in a rodent model for retinal degeneration by deep learning
2026-Jan, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110748
PMID:41241339
|
研究论文 | 本研究首次使用深度学习模型ResNet18，结合光学相干断层扫描（OCT）和组织学图像，对皇家外科医生（RCS）大鼠视网膜变性模型进行分期分类，并从OCT图像预测视力 | 首次在临床前模型中同时利用OCT和组织学图像进行视网膜变性分期分类，并基于OCT图像预测视力，为基于AI的跨物种视网膜变性监测和治疗反应评估提供了新框架 | 研究基于RCS大鼠模型，结果向人类或其他物种的推广性需进一步验证；样本量相对有限，且依赖于特定时间点的数据采集 | 开发一种基于深度学习的准确、客观方法，用于视网膜变性分期分类和视力预测，以促进AI在视网膜疾病监测和治疗评估中的应用 | 皇家外科医生（RCS）大鼠，一种广泛使用的视网膜变性模型，涉及35只不同性别的大鼠，从出生后第21天开始在不同时间点进行测试 | 计算机视觉 | 视网膜变性 | 光学相干断层扫描（OCT），组织学成像 | CNN | 图像 | OCT图像62,070张，组织学图像16,306张，来自35只RCS大鼠 | PyTorch | ResNet18 | 准确率, F1分数, 均方误差, 平均绝对误差 | NA |
| 1873 | 2026-03-13 |
Beyond convolutions and supervised learning with transformers and representation learning for retinal image analysis
2026-Jan, Progress in retinal and eye research
IF:18.6Q1
DOI:10.1016/j.preteyeres.2025.101419
PMID:41352580
|
综述 | 本文综述了视网膜图像分析领域从卷积神经网络和监督学习向无标签表示学习和视觉Transformer转变的最新进展 | 聚焦于无标签表示学习方法和视觉Transformer作为卷积神经网络替代方案在视网膜图像分析中的应用，涵盖了半监督学习、自监督学习以及基础模型、视觉语言模型和多模态模型的兴起 | NA | 总结视网膜图像分析领域向无标签方法和Transformer架构转变的技术进展 | 视网膜图像分析技术 | 计算机视觉 | NA | NA | Transformer, CNN | 图像 | NA | NA | Transformer | NA | NA |
| 1874 | 2026-03-13 |
Tumor-conditioned inter-patient registration using planning computed tomography for voxel-based analysis to predict radiation pneumonitis in lung cancer patients
2026-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2026.100907
PMID:41631006
|
研究论文 | 本研究评估了一种肿瘤保留的跨患者可变形图像配准方法（TRACER）在基于体素的分析中预测肺癌患者放射性肺炎的效果 | 提出并验证了TRACER方法，该方法在跨患者配准中更好地保留了肿瘤体积并减少了器官剂量影响，从而提高了放射性肺炎的预测准确性 | 研究仅针对局部晚期非小细胞肺癌患者，样本量有限（240例），且依赖于特定数据集进行训练 | 评估肿瘤保留的跨患者可变形图像配准方法是否改善基于体素分析的放射性肺炎预测 | 局部晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 可变形图像配准，基于体素的分析，机器学习 | 深度学习模型 | CT图像 | 训练集268例局部晚期非小细胞肺癌患者，测试集240例同类患者 | NA | Tumor-Aware Recurrent Registration (TRACER), Patient-Specific Context and Shape (PACS), Symmetric Normalization (SyN) | AUC, 特异性 | NA |
| 1875 | 2026-03-13 |
FaXNet: a frequency-adaptive, explainable, and uncertainty-aware network for influenza forecasting
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1746529
PMID:41705058
|
研究论文 | 本文提出了一种名为FaXNet的频率自适应、可解释且不确定性感知的深度学习框架，用于中国北方和南方地区的流感预测 | 该研究创新性地将数据驱动的频谱表示与可解释的组件选择及概率预测相结合，以捕捉多尺度时间动态并提供可靠的预测不确定性估计 | 模型性能可能依赖于监测数据的完整性，且仅考虑了有限的外生协变量（如气象变量），未来可扩展至更多驱动因素（如人口流动或疫苗接种数据）并进行更广泛的外部验证 | 开发一个准确、可解释且能提供不确定性估计的流感预测模型，以支持公共卫生准备和资源规划 | 中国北方和南方地区的每周流感阳性率数据，以及ERA5-Land气象变量（温度、露点、降水） | 机器学习 | 流感 | 深度学习 | 深度学习框架 | 时间序列数据 | 2011年至2023年中国北方和南方地区的每周流感阳性率数据及气象变量 | NA | FaXNet | R2, 校准指标 | NA |
| 1876 | 2026-03-13 |
Ensemble and temporal feature-based framework for rainfall classification in Bangladesh
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342646
PMID:41805918
|
研究论文 | 本研究提出了一个基于集成和时间特征的机器学习框架，用于孟加拉国的降雨强度分类 | 结合了多种传统机器学习模型和深度学习架构，并采用LIME和SHAP进行模型可解释性分析，以识别关键预测因子及其交互作用 | 未使用SMOTE处理类别不平衡，因为其泛化能力较差；模型准确率最高为77.37%，仍有提升空间 | 开发一个稳健的机器学习框架，用于孟加拉国的降雨强度分类，以支持农业、水资源管理和灾害准备 | 孟加拉国35个气象站收集的543,839条日天气记录，包括降雨、温度、湿度和日照时长 | 机器学习 | NA | NA | Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM | 表格数据（天气记录） | 543,839条日记录 | Scikit-learn, TensorFlow, PyTorch | Random Forest, Decision Trees, Gradient Boosting, K-Nearest Neighbors, Naïve Bayes, XGBoost, LightGBM, CatBoost, ANN, DNN, 1D-CNN, LSTM, Bi-LSTM | 准确率 | NA |
| 1877 | 2026-03-13 |
Development and Clinical Application of a Deep Learning-Based AI Support Model for Endometrial Cancer Cytology
2026, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2026_93-115
PMID:41813210
|
研究论文 | 本研究开发并评估了一种基于深度学习的AI支持模型，用于子宫内膜癌细胞学诊断，以提高诊断准确性和效率 | 结合YOLOv5x和YOLOv7模型，通过两种不同标注策略的数据集进行优化，并利用TOST分析和Grad-CAM可视化技术增强模型的可解释性和临床适用性 | 未明确提及模型在多样化临床环境中的泛化能力或长期稳定性验证 | 开发并评估一种AI支持模型，以减轻子宫内膜癌细胞学诊断的负担并提高诊断准确性 | 子宫内膜癌细胞学样本，包括良性和恶性细胞簇 | 计算机视觉 | 子宫内膜癌 | 细胞学分析 | CNN | 图像 | NA | PyTorch | YOLOv5x, YOLOv7 | 平均精度均值 | NA |
| 1878 | 2026-03-13 |
AJUBA: The Master Regulator Bridging EMT and Immune Evasion in Colorectal Cancer
2026, Mediators of inflammation
IF:4.4Q2
DOI:10.1155/mi/7828477
PMID:41814682
|
研究论文 | 本研究识别了AJUBA作为结直肠癌中连接上皮-间质转化与免疫调节的关键调控因子 | 首次将AJUBA确立为连接EMT与免疫逃避的关键调控因子，并揭示了其在肿瘤微环境中与癌症相关成纤维细胞共定位及调控M2巨噬细胞极化的新机制 | 研究主要基于回顾性队列和体外/体内模型，缺乏前瞻性临床验证；样本量相对有限（90例患者） | 阐明结直肠癌中连接上皮-间质转化与免疫微环境改变的分子机制 | 结直肠癌患者样本、细胞系及异种移植模型 | 机器学习, 深度学习 | 结直肠癌 | 转录组测序, 单细胞RNA测序, 空间转录组学, 定量PCR, 蛋白质印迹, 免疫组织化学 | 机器学习, 深度学习 | 转录组数据, 单细胞RNA测序数据, 空间转录组数据, 临床数据 | 多队列转录组数据集（TCGA-CRC等5个公共数据集）及90例CRC患者样本 | ssGSEA, CIBERSORT | NA | 风险比, 置信区间, p值 | NA |
| 1879 | 2026-03-13 |
SERS for Infectious Disease Diagnostics: An Advanced Platform for Pathogen Detection and Antimicrobial Resistance Analysis
2026, International journal of nanomedicine
IF:6.6Q1
DOI:10.2147/IJN.S589169
PMID:41815209
|
综述 | 本文综述了表面增强拉曼光谱（SERS）在病原体检测和抗菌药物耐药性分析中的应用，并探讨了其与纳米技术、微流控和深度学习等多模态创新技术结合的潜力 | 探讨了将SERS与纳米技术、微流控和深度学习等多模态创新技术结合，用于病原体识别和抗菌药物耐药性分析 | 讨论了SERS技术临床转化面临的挑战 | 综述SERS在传染病诊断中的应用，特别是病原体检测和抗菌药物耐药性分析 | 细菌、病毒、真菌等病原体及其抗菌药物耐药性 | NA | 传染病 | 表面增强拉曼光谱（SERS） | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 1880 | 2026-03-13 |
ApaltAI: a web-based diagnostic system with a sequential voting architecture for detecting anthracnose and scab in avocado fruit
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1736123
PMID:41815421
|
研究论文 | 本研究提出了一种基于顺序投票架构的Web诊断系统，用于自动检测鳄梨果实中的炭疽病和疮痂病 | 提出了一种新颖的二元顺序投票架构，结合了深度学习集成模型和功能完整的Web应用，实现了两阶段分层分类策略 | 仅使用了674张标注图像进行训练和验证，样本规模相对有限 | 开发自动化植物病害诊断系统，减少鳄梨生产中的经济损失 | 鳄梨果实 | 计算机视觉 | 植物病害 | 图像分析 | 深度学习集成模型 | 图像 | 674张标注的果实图像 | 未明确提及 | 未明确提及具体架构 | 精确度, 召回率, 准确率 | 未明确提及 |