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 47046 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-07-10 |
Prediction of nutritional quality characteristics of faba bean based on deep learning method
2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128164
PMID:42235452
|
研究论文 | 本研究建立了一种基于近红外光谱与深度学习相结合的蚕豆营养成分快速无损检测方法 | 首次系统比较了多种光谱预处理与特征波长选择算法的组合策略，并验证了多层感知器在预测蚕豆多种营养成分方面优于传统机器学习方法 | 根据摘要未明确提及具体局限性 | 实现蚕豆中淀粉、蛋白质、水分和膳食纤维四种主要营养成分的快速、无损、定量检测 | 蚕豆样本的营养成分 | 机器学习 | NA | 近红外光谱 | 多层感知器 | 光谱数据 | 未明确提及样本数量 | NA | 多层感知器 | 相关系数 | NA |
| 2 | 2026-07-10 |
Infrared spectroscopy and machine learning for post-consumer plastics recycling
2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128139
PMID:42259048
|
研究论文 | 将红外光谱与机器学习结合用于消费后塑料回收分类 | 首次将红外光谱与先进机器学习算法（包括传统算法与卷积神经网络）集成，实现对四种常见消费后塑料的高精度自动分类，准确率达1.000 | 仅针对四种塑料类型（HDPE-B、HDPE-P、LDPE和PP），未涵盖更广泛的塑料种类，且依赖专用红外光谱数据库 | 提高消费后塑料回收中聚合物识别的准确性和可靠性，支持高质量再生聚合物的工业转型 | 四种消费后塑料：高密度聚乙烯（HDPE-B和HDPE-P）、低密度聚乙烯（LDPE）和聚丙烯（PP） | 机器学习 | NA | 红外光谱 | 卷积神经网络（CNN）、随机森林（RF）等传统机器学习算法 | 光谱数据 | 基于原始实验测量生成的红外光谱数据库，具体样本数量未提及 | Quasar平台 | 卷积神经网络（CNN）、随机森林（RF） | 准确率 | Quasar平台，具体计算资源未提及 |
| 3 | 2026-07-10 |
Deep learning of SHERLOC Raman spectra for facilitating Mars Astromaterial identification
2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128181
PMID:42263572
|
研究论文 | 首次利用深度学习模型对SHERLOC拉曼光谱进行六种矿物类别的自动识别，最佳准确率达89.3% | 首次对三种机器学习和两种深度学习模型在SHERLOC拉曼光谱矿物识别任务中进行基准测试，并证明深度学习在非诊断和未标记数据上的有效性 | 仍依赖专家标注的光谱数据，且仅在两类矿物数据上验证，未涉及更复杂的地质材料或非平衡类别问题 | 探索深度学习在拉曼光谱自动识别火星天体材料中的应用潜力，辅助行星探测中的光谱解释 | 六种矿物类别的SHERLOC拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | CNN, LSTM | 光谱数据 | 两个探测战役（Crater Floor和Upper Fan）的专家标注光谱数据 | PyTorch, TensorFlow | 卷积神经网络（CNN）、长短期记忆网络（LSTM） | 准确率（accuracy）、类别加权性能（类不平衡条件下） | NA |
| 4 | 2026-07-10 |
Quantitative detection of cadmium pollution in lettuce leaves under selenium influence via fluorescence hyperspectral imaging
2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128214
PMID:42269347
|
研究论文 | 利用荧光高光谱成像技术，在硒影响下定量检测生菜叶片中的镉污染 | 提出多模态差分融合选择器（MDFS）以提取与镉相关的敏感特征，结合1D-CNN构建预测模型，有效应对硒镉交互作用下的复杂光谱关系 | 未提及具体限制，但可能涉及样本规模、实际田间环境验证等 | 探索荧光高光谱成像在硒影响下检测生菜叶片镉污染的可行性，并建立定量预测模型 | 生菜叶片 | 计算机视觉, 数字病理学 | 重金属污染（镉污染） | 荧光高光谱成像 | 1D-CNN | 光谱图像 | NA | PyTorch, scikit-learn | VGG | 相关系数（R）、均方根误差（RMSEP）、相对分析偏差（RPD） | NA |
| 5 | 2026-07-10 |
Multi-task deep learning for sub-clinical screening of mood and sleep disturbances using physical activity biomarkers
2026-Nov-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.122055
PMID:42217638
|
研究论文 | 开发并验证了一个多任务深度学习框架MUSCLE，利用体力活动生物标志物同时筛查情绪障碍和睡眠障碍风险 | 首次将多任务深度学习应用于亚临床情绪与睡眠障碍筛查，利用体力活动数据实现了并发风险识别，并显著优于传统机器学习与单任务神经网络 | 未明确提及，但可能包括样本来自单一国家数据集（台湾）以及依赖自我报告幸福感指标等局限性 | 开发并验证一个利用体力活动生物标志物进行情绪障碍和睡眠障碍亚临床筛查的多任务深度学习框架 | 台湾全国体力活动评估与自我报告幸福感指标数据集（n=69,559），经过预处理后使用44,477条完整记录 | 机器学习 | 情绪障碍、睡眠障碍 | 体力活动生物标志物分析 | CNN-LSTM（卷积神经网络结合长短期记忆网络） | 体力活动评估数据与自我报告幸福感指标 | 69,559个样本，经预处理后使用44,477条完整记录 | PyTorch | MUSCLE（多任务同步卷积LSTM评估器），集成CNN与LSTM | 精确率、召回率、F1分数 | 未明确提及，但10折交叉验证可能使用标准GPU（如NVIDIA RTX系列）或云端计算资源 |
| 6 | 2026-07-10 |
Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds
2026-Nov-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.122076
PMID:42242428
|
研究论文 | 基于可穿戴设备衍生的昼夜节律生物标志物，利用深度学习模型提前一周预测抑郁发作 | 首次将心率与睡眠时间衍生的两种互补昼夜节律标志物整合到深度学习中，并引入风险基操作阈值增强临床可解释性 | 需要外部验证、概率校准、可迁移性评估以及前瞻性发作起点评估后才能应用于临床 | 评估基于可穿戴设备数据的深度学习模型在提前一周预测抑郁发作方面的可行性 | 144名情感障碍患者的昼夜节律数据（心率余弦峰值和基于睡眠时间的褪黑素相位起点代理指标） | 机器学习 | 情感障碍（抑郁发作） | NA | 时间序列模型（深度学习） | 可穿戴设备数据（心率、睡眠时间） | 144名参与者，共90281人天的数据 | NA | NA | AUROC, 阳性预测值, 风险排名捕获率, 预后提升倍数, 审查负担 | NA |
| 7 | 2026-07-10 |
Deep Learning Outperforms Descriptor-Based Classification of Food Items Using Chromatography-Mass Spectrometry Data
2026-Oct-15, Rapid communications in mass spectrometry : RCM
IF:1.8Q2
DOI:10.1002/rcm.70134
PMID:42421483
|
研究论文 | 比较卷积神经网络与传统描述符方法在食物分类和掺假检测中的性能，展示深度学习优势 | 首次将端到端深度学习应用于色谱-质谱数据指纹进行食物分类，显著优于基于描述符的传统方法，并实现了高灵敏度的掺假检测 | 使用计算模拟数据而非实验获取的质谱数据，需要在真实实验数据上验证 | 展示深度学习在食物认证、掺假筛查和基于数据驱动的配对发现中的可扩展优势 | 15种食品项目的色谱-质谱数据 | 机器学习 | NA | 色谱-质谱联用 | 卷积神经网络 | 质谱数据 | 3000个计算模拟质谱数据，每类200个 | NA | SimpleCNN | 准确率、敏感性、特异性、轮廓系数、Davies-Bouldin指数、余弦相似度 | NA |
| 8 | 2026-07-10 |
Liquid-liquid phase separation in metabolic engineering: Mechanistic insights, emerging applications, and future challenges
2026-Oct, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2026.108931
PMID:42225537
|
综述 | 系统总结液-液相分离在代谢工程中的设计原理、分子决定因素和调控策略，并探讨人工智能和深度学习在该领域的应用 | 首次系统整合了基于液-液相分离的人工凝集体在代谢工程中的应用，特别是引入人工智能和深度学习用于数据驱动的固有无序区域设计，建立定量序列-相行为关系，推动从经验设计向预测性工程框架的转变 | 凝集体的老化和与宿主细胞环境的兼容性问题尚未解决 | 为合成生物学和代谢工程领域提供液-液相分离的理论框架和未来展望，促进新一代稳定的、可编程的微生物细胞工厂平台的开发 | 基于液-液相分离的人工凝集体及其在代谢通道、基因表达控制和可编程细胞功能模块构建中的应用 | 机器学习 | NA | NA | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 9 | 2026-07-10 |
A highly accurate framework for estimating eye muscle area and backfat thickness of pigs in vivo using deep learning
2026-Oct, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2026.110158
PMID:42361610
|
研究论文 | 开发了一种基于深度学习的框架，用于自动分割猪超声图像以准确估算眼肌面积和背膘厚度 | 提出了ReAMS-UNet网络架构，在大规模猪超声图像数据集上实现了眼肌区域的高度精准分割，并通过集成精确图像二值化方法提高了背膘厚度估计的准确性 | 文章未明确说明框架在不同猪品种或不同超声设备上的泛化能力，也未探讨实际应用中的计算效率 | 利用深度学习实现猪活体超声图像中眼肌面积和背膘厚度的自动、准确估算 | 猪的超声图像，包含10088张图像的大型数据集 | 计算机视觉 | NA | 超声成像 | CNN | 图像 | 10088张猪超声图像 | NA | ReAMS-UNet, UNet, 及其他六种神经网络架构 | IoU, Dice系数, MAE, 相关系数R | NA |
| 10 | 2026-07-10 |
Deep learning of CT imaging predicts PD-L1 expression and immunotherapy response in metastatic NSCLC: A multi-center study
2026-Sep-28, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2026.218687
PMID:42314966
|
研究论文 | 开发并验证了基于CT影像的深度学习模型SCENT，用于预测转移性非小细胞肺癌患者的PD-L1表达水平和免疫治疗反应 | 首次提出可扩展集成Transformer（SCENT）模型，利用CT影像无创预测PD-L1状态及免疫治疗疗效，并在多个独立中心队列中验证了其泛化能力 | 回顾性研究设计，缺少前瞻性验证；纵向评估仅在一个队列中观察到边界关联，且无配对治疗后组织学确认 | 利用CT影像深度学习模型非侵入性预测PD-L1表达状态及免疫检查点抑制剂治疗反应 | 转移性非小细胞肺癌（NSCLC）患者 | 计算机视觉, 数字病理学 | 非小细胞肺癌 | CT影像 | 深度学习模型, Transformer | 图像 | 训练和内部验证640名患者（MD Anderson），外部验证包括梅奥诊所72名患者和LONESTAR试验116名患者，总计972名患者 | PyTorch | SCENT (可扩展集成Transformer) | AUC, 特异性, 敏感性, 风险比(HR)用于生存分析 | NA |
| 11 | 2026-07-10 |
Crotonylation: A novel layer of the epigenetic landscape in disease
2026-Sep-28, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2026.218579
PMID:42140345
|
综述 | 本文综述了巴豆酰化作为一种新型表观遗传修饰在疾病中的作用及其治疗潜力 | 首次系统整合巴豆酰化在代谢感知、蛋白质构象调控与疾病微环境重塑中的多维功能，并纳入化学探针与深度学习模型等前沿技术 | 巴豆酰化动态调控的分子机制及其在特定疾病中的因果证据仍需进一步验证 | 阐明巴豆酰化作为新型表观遗传修饰在疾病发生发展中的调控机制及治疗靶点潜力 | 巴豆酰化修饰（包括组蛋白与非组蛋白修饰）、巴豆酰-CoA代谢、相关阅读器/写入器/擦除器 | 机器学习 | 癌症 | 巴豆酰化修饰检测、光交联探针技术、深度学习预测模型 | 预测模型 | NA | NA | NA | nhKcr, Adapt-Kcr | NA | NA |
| 12 | 2026-05-31 |
Comment on "deep learning in neuroimaging for neurodegenerative diseases: State-of-the-art, challenges, and opportunities"
2026-Sep-15, 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 |
| 13 | 2026-06-18 |
Response to Letter Regarding Article, "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke"
2026-Sep-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126054
PMID:42302443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2026-06-19 |
Response to Letter Regarding Article, "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke"
2026-Sep-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126061
PMID:42308674
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15 | 2026-07-01 |
Comment on "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke"
2026-Sep-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126062
PMID:42372352
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16 | 2026-07-10 |
Deep learning for predicting the spatiotemporal dynamics of chlorine in water distribution pipes
2026-Sep-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.126265
PMID:42269465
|
研究论文 | 比较不同深度学习模型作为计算高效的替代方法，用于求解控制配水管道中氯时空动态的对流反应偏微分方程 | 首次系统比较了多种深度学习模型（FNN、CNN、LSTM、ConvLSTM）作为传统数值求解器的替代方案，并发现ConvLSTM模型在准确性和泛化能力上最优 | 模型在空间和时间域上的泛化能力有限，尤其是FNN、CNN和LSTM模型表现不佳 | 开发计算高效的深度学习模型，用于实时监测或数字控制配水管网中的氯剂量 | 配水管道中余氯的时空动态变化 | 机器学习 | NA | NA | 前馈神经网络、卷积神经网络、长短期记忆网络、卷积长短期记忆网络 | 数值模拟数据 | NA | NA | FNN、CNN、LSTM、ConvLSTM | 准确性、泛化能力 | NA |
| 17 | 2026-07-10 |
A multiperspective evaluation framework of spatial transcriptomics clustering methods
2026-Sep, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqag075
PMID:42421749
|
研究论文 | 提出一个综合多视角的框架MultimetricST，用于评估空间转录组聚类方法 | 首次提出统一且灵活的评价框架，整合依赖标签和不依赖标签的多种指标，以全面评估转录组与空间信息整合效果 | 依赖人工标注的指标在标签不完整时受限，且框架未涉及对新方法的优化建议 | 系统评估空间转录组聚类方法，解决现有评价方法无法联合评估转录组与空间信息整合的局限 | 空间转录组聚类方法及其实验数据 | 数字病理学 | NA | 空间转录组测序 | 深度学习模型 | 基因表达数据与空间位置数据 | 2个合成数据集和13个来自7种空间转录组技术的数据集 | Python, NA | NA | 依赖标签的指标（例如列联矩阵、信息论度量）和不依赖标签的指标（例如转录组相似性、空间组织度量） | NA |
| 18 | 2026-07-10 |
Large Language Models in Preclinical Spine Research: A Scoping Review and Expert Perspective on Evidence-Aware Experimental Workflows
2026-Sep, JOR spine
IF:3.4Q1
DOI:10.1002/jsp2.70203
PMID:42422043
|
综述 | 本综述评估了大型语言模型在临床前脊柱研究中的应用现状、证据缺口和负责任整合的机会 | 首次系统量化了脊柱研究中LLM/AI应用的前临床证据缺口，并提出了基于证据意识的实验工作流整合框架 | 仅纳入2020年1月至2026年1月发表的文献，可能遗漏早期或近期研究；分析侧重于临床前场景，可能忽略相关领域的方法学进展 | 映射脊柱研究中AI/LLM的当前应用，量化临床前证据缺口，识别负责任整合的机会 | 脊柱相关研究中的LLM、AI、聊天机器人或高级自然语言处理应用 | 自然语言处理 | 脊柱疾病 | NA | NA | 文本 | 792篇记录，166项符合纳入标准的研究 | NA | NA | NA | NA |
| 19 | 2026-07-10 |
Advancing forward osmosis predictions: A deep learning-based surrogate modeling approach
2026-Aug-30, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70714
PMID:42117887
|
研究论文 | 提出一种基于深度学习的替代模型，用于快速准确预测不同操作条件下的正向渗透性能 | 首次将深度神经网络替代模型应用于正向渗透性能预测，在保持高准确性的同时大幅缩短计算时间，并通过SHAP分析解释模型捕获的物理关系 | 模型性能强烈依赖数据集大小，小数据集下DNN模型不如随机森林模型有效 | 开发快速准确的正向渗透性能预测方法，用于食品制造中的过程优化 | 正向渗透系统的性能预测，包括水通量等关键参数 | 机器学习 | NA | 正向渗透 | 深度神经网络 | 数值模拟数据 | 1563个数据点以上用于训练 | NA | 决策树, 随机森林, 支持向量机, 深度神经网络 | 归一化均方根误差 (NRMSE) | NA |
| 20 | 2026-07-10 |
Semi-Supervised Deep Learning-Based Model for Segmentation of Breast Arterial Calcification on Screening Mammograms
2026-Aug, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251400538
PMID:41459704
|
research paper | 提出一种基于半监督深度学习模型的乳腺动脉钙化分割方法，用于在筛查性乳腺摄影中自动评估钙化严重程度，并提升跨系统泛化能力 | 创新点在于采用渐进式伪标记的半监督学习策略，利用6000张未标注图像增强模型鲁棒性，并将分割结果与放射科医生基于加拿大乳腺影像学会指南的评估进行基准对比 | 研究中未明确提及局限性，但可能依赖标注数据质量且半监督伪标记可能导致误差传播 | 实现乳腺动脉钙化严重程度的自动化分级，提高跨系统通用性，并与临床共识保持一致 | 来自7个供应商的2560张标注筛查性乳腺摄影图像及6000张未标注乳腺摄影图像 | computer vision | cardiovascular disease | NA | U-Net | image | 共8560张筛查性乳腺摄影图像，其中2560张标注，6000张未标注 | NA | U-Net | Jaccard相似系数, 准确率, 精确率, F1分数, 召回率, 敏感性, 特异性, AUC, 加权κ统计量 | NA |