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 2202 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2026-02-02 |
Perceiving Unpredictability for New Energy Power and Electricity Consumption Forecasting
2026-Jan-05, Entropy (Basel, Switzerland)
DOI:10.3390/e28010064
PMID:41593971
|
研究论文 | 本文提出了一种用于传感器网络数据预测的不可预测性感知损失函数，以提升电力系统和交通规划等关键领域的时间序列预测准确性 | 引入了不可预测性感知损失函数，该函数通过结合信号内容的随机性后验分析和时间距离的先验考量，动态调整监督权重，使模型能够区分可预测与不可预测的事件模式 | 未明确说明该方法在极端随机事件或非常长期预测中的具体表现，也未讨论计算复杂度的增加程度 | 提升传感器网络数据（特别是新能源电力和电力消耗）时间序列预测的准确性和可靠性 | 传感器网络数据，具体应用于电力系统和交通规划领域 | 机器学习 | NA | 时间序列预测 | 深度学习模型 | 传感器网络数据（时间序列数据） | 多个公共基准数据集（具体数量未在摘要中说明） | NA | TimeMixer | 预测准确性（具体指标未在摘要中说明） | NA |
| 982 | 2026-02-02 |
Counterfactual Explanation-Based Cryptocurrency Price Prediction
2026-Jan-05, Entropy (Basel, Switzerland)
DOI:10.3390/e28010065
PMID:41593972
|
研究论文 | 本文提出了一种基于反事实解释的加密货币价格预测模型，旨在提高深度学习模型的可解释性和可信度 | 提出了一种结合梯度优化策略的反事实解释方法，通过识别历史市场特征的最小扰动来引导模型预测至目标区间，从而揭示模型的关键驱动因素和决策边界 | NA | 提高加密货币价格预测模型的可解释性和可信度，以支持稳健的风险管理 | 加密货币市场数据 | 机器学习 | NA | NA | 深度学习模型 | 历史市场特征数据（如价格） | NA | NA | NA | NA | NA |
| 983 | 2026-01-06 |
Deep learning for Angle classification based on intraoral photographs: an interpretability perspective
2026-Jan-04, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07550-6
PMID:41486121
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 984 | 2026-02-02 |
Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications
2026-Jan-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02280-z
PMID:41484344
|
综述 | 本文是一篇范围综述，系统总结了差分隐私在医学深度学习中的应用、方法、权衡及部署影响 | 首次系统综述了差分隐私在医学深度学习中的集中式和联邦式设置应用，识别了公平性审计和标准化方面的关键差距，并提出了公平、临床稳健的隐私保护深度学习优先事项 | 仅纳入截至2025年3月的研究，少数研究评估公平性，隐私参数报告不一致 | 评估差分隐私在医学深度学习中的应用效果、权衡及部署挑战 | 医学深度学习模型与敏感患者数据 | 机器学习 | NA | 差分隐私 | 深度学习 | 医学影像等多模态数据 | 74项符合条件的研究 | NA | NA | 准确性, 公平性 | NA |
| 985 | 2026-02-02 |
Enhanced feature fusion with hand gesture recognition system for sign language accessibility to aid hearing and speech impaired individuals
2026-Jan-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34100-5
PMID:41484456
|
研究论文 | 本文提出了一种基于特征融合的手势识别模型，用于将手语转换为文本和语音，以帮助听力和言语障碍人士 | 结合ConvNeXt Base、VGG16和EfficientNet-V2进行特征融合，并使用龙卷风优化算法进行参数调优 | NA | 开发一种创新的深度学习手势识别模型，以增强听力和言语障碍人士的沟通可及性 | 听力和言语障碍人士 | 计算机视觉 | NA | NA | 深度信念网络 | 图像 | NA | NA | ConvNeXt Base, VGG16, EfficientNet-V2 | 准确率 | NA |
| 986 | 2026-02-02 |
RP3Net: a deep learning model for predicting recombinant protein production in Escherichia coli
2026-Jan-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag003
PMID:41520295
|
研究论文 | 本文提出了一种名为RP3Net的深度学习模型，用于预测大肠杆菌中重组蛋白的表达情况 | 首次将最新的蛋白质和基因组基础模型整合到深度学习框架中，用于预测重组蛋白在大肠杆菌中的可溶性表达，相比基线模型AUROC提升了0.15 | 模型主要针对大肠杆菌表达系统，未验证在其他宿主中的适用性；训练数据规模相对有限 | 开发能够准确预测重组蛋白在大肠杆菌中表达成功率的AI模型，以加速生物技术应用中的蛋白质试剂生产 | 重组蛋白在大肠杆菌中的异源可溶性表达 | 机器学习 | NA | 蛋白质表达实验 | 深度学习模型 | 蛋白质序列数据、基因组数据、实验数据 | AstraZeneca内部实验数据和Structural Genomics Consortium公开数据的组合数据集，独立验证集包含97个构建体 | 未明确说明 | RP3Net（Recombinant Protein Production Prediction Network） | AUROC（受试者工作特征曲线下面积）、准确率 | NA |
| 987 | 2026-02-02 |
A study on ultrasound imaging for thyroid detection and classification using machine learning and deep learning techniques
2026 Jan-Feb, Semergen
DOI:10.1016/j.semerg.2025.102674
PMID:41512581
|
综述 | 本文综述了基于超声图像的甲状腺疾病计算机辅助诊断系统的最新进展，涵盖传统图像处理、机器学习和深度学习技术 | 整合了甲状腺超声图像分析领域的主要方法、数据集和性能指标，并指出了现有研究的不足与未来方向 | 作为综述文章，未提出新的模型或实验验证，主要依赖现有文献的总结 | 研究甲状腺疾病的早期诊断与分类方法，特别是基于超声图像的计算机辅助诊断系统 | 甲状腺超声图像 | 计算机视觉 | 甲状腺疾病 | 超声成像 | CNN | 图像 | NA | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 988 | 2026-02-02 |
Usual Interstitial Pneumonia Spectrum: UIP, Probable UIP, and Indeterminate UIP
2026-Jan, Seminars in roentgenology
IF:0.8Q4
DOI:10.1053/j.ro.2025.09.005
PMID:41513508
|
综述 | 本文综述了寻常型间质性肺炎（UIP）影像学谱系的当前知识，包括其诊断、预后和临床意义 | 概述了定量成像、深度学习模型和分子生物标志物的最新进展，以提高诊断精度和风险分层，并强调了AI驱动的时空建模和分子成像等新兴前沿 | NA | 综合当前关于UIP影像学谱系的知识，并探讨其在诊断、预后和临床决策中的应用 | 寻常型间质性肺炎（UIP）谱系，包括UIP、可能UIP和不确定UIP | 数字病理学 | 肺纤维化，特发性肺纤维化 | 薄层计算机断层扫描（CT），定量成像，分子成像 | 深度学习模型 | 医学影像（CT图像） | NA | NA | NA | NA | NA |
| 989 | 2026-02-02 |
Direct deep learning analysis of three-dimensional automated breast ultrasound videos with reading mode optimization for breast cancer diagnosis
2026-Jan, Ultrasonography (Seoul, Korea)
DOI:10.14366/usg.25096
PMID:41566994
|
研究论文 | 本研究开发并评估了一种直接分析三维自动乳腺超声视频的深度学习模型，以辅助乳腺癌诊断，并探讨了临床实施中的最佳阅片模式 | 首次提出直接分析三维自动乳腺超声视频的深度学习模型，无需图像选择或手动标注，并比较了不同阅片模式对诊断性能和工作效率的影响 | 回顾性研究设计，样本量相对有限（547名患者），未在外部验证集上测试模型泛化能力 | 开发并评估用于乳腺癌诊断的深度学习模型，优化临床阅片工作流程 | 乳腺癌患者的三维自动乳腺超声视频数据 | 计算机视觉 | 乳腺癌 | 三维自动乳腺超声 | CNN | 视频 | 547名患者（285例良性，262例恶性），训练集437例，测试集110例 | NA | ResNet50 | AUC, 敏感性, 特异性 | NA |
| 990 | 2026-02-02 |
A predicted structural interactome reveals binding interference from intrinsically disordered regions
2026-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013899
PMID:41570036
|
研究论文 | 本研究利用AlphaFold2 Multimer预测了果蝇中的蛋白质-蛋白质相互作用，并强调了内在无序区域在预测高置信度相互作用中的重要性 | 结合物理和功能数据集，通过深度学习预测果蝇蛋白质相互作用，并首次系统分析内在无序区域在其中的作用 | 研究主要基于预测模型，缺乏实验验证，且仅限于果蝇物种 | 预测果蝇中的蛋白质-蛋白质相互作用，并探究内在无序区域在相互作用中的角色 | 果蝇的蛋白质相互作用网络 | 机器学习 | NA | AlphaFold2 Multimer | 深度学习模型 | 蛋白质序列和结构数据 | NA | AlphaFold2 | AlphaFold2 Multimer | 高置信度预测 | NA |
| 991 | 2026-02-02 |
Object Detection on Road: Vehicle's Detection Based on Re-Training Models on NVIDIA-Jetson Platform
2026-Jan-01, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12010020
PMID:41590905
|
研究论文 | 本研究基于NVIDIA Jetson平台，通过重新训练SSD模型，在利马城市交通视频数据上实现车辆检测，旨在优化嵌入式系统在拥堵环境中的准确性与计算负载平衡 | 在NVIDIA Jetson Orin NX平台上对比训练三种SSD模型（MobileNetV1-SSD、MobileNetV2-SSD-Lite、VGG16-SSD），并通过对比度调整的数据增强方法提升少数类别（如Tuk-tuk和摩托车）的检测性能，为拥堵城市环境中的ADAS嵌入式系统提供最佳精度与计算负载平衡方案 | 研究仅基于利马城市的交通视频数据，可能缺乏对其他城市或交通环境的泛化能力；手动标注过程可能引入主观误差；未详细探讨模型在实时部署中的延迟或功耗表现 | 在计算成本和响应时间受限的嵌入式设备上，通过深度学习技术优化车辆检测模型，以应对高交通拥堵的城市场景 | 利马城市交通视频中的车辆，包括Tuk-tuk、摩托车等少数类别 | 计算机视觉 | NA | 深度学习，数据增强（对比度调整） | SSD | 视频 | 从利马城市交通视频中采集并手动标注的数据集（具体数量未在摘要中说明） | TensorFlow, PyTorch（摘要未明确指定，但基于常见实践推测可能使用其中之一或类似框架） | MobileNetV1-SSD, MobileNetV2-SSD-Lite, VGG16-SSD | 平均精度（mAP） | NVIDIA Jetson Orin NX 16 GB平台 |
| 992 | 2026-02-02 |
LHAT-YOLO: Study on intelligent monitoring algorithm for helmets at construction sites
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339993
PMID:41604405
|
研究论文 | 本研究提出了一种基于深度学习理论的土木工程施工现场头盔佩戴智能监测方法，通过改进YOLOv11模型构建了轻量化的LHAT-YOLO模型 | 使用GSConv改进YOLOv11的卷积模块，并添加了轻量级检测头FCD，在降低模型复杂度的同时保持了高精度 | NA | 实现土木工程施工现场头盔佩戴的高效、智能实时监测 | 施工现场工作人员的头盔佩戴情况 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 训练集19,780张图像，验证集2,473张图像，测试集2,473张图像 | NA | YOLOv11, LHAT-YOLO | Precision, Recall, mAP50, mAP50-95 | NA |
| 993 | 2026-02-02 |
Functional fingerprinting for the developing brain using deep metric learning
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1112
PMID:41614047
|
研究论文 | 本文提出了一种名为Metric-BolT的深度学习框架，用于大脑功能指纹识别，并利用纵向神经影像数据刻画儿童期和青春早期的独特发育轨迹 | 开发了基于深度度量学习的新型大脑功能指纹识别框架，首次将大脑指纹与认知能力及遗传关联进行系统性关联分析 | 研究主要基于特定年龄段的纵向数据，未涵盖更广泛的生命周期或病理状态 | 通过大脑功能指纹识别技术探究个体神经发育的独特性及其与认知、遗传的关联 | 儿童期和青春早期个体的纵向神经影像数据 | 机器学习 | NA | 神经影像学 | 深度度量学习 | 神经影像数据 | 基于纵向神经影像数据的个体样本（具体数量未明确说明） | NA | Metric-BolT | 识别准确率 | NA |
| 994 | 2026-02-02 |
PSoSOQY: A Deep Learning-Driven Singlet Oxygen Quantum Yield Prediction Platform for Expediting Photosensitizer Development
2026-Jan, ChemMedChem
IF:3.6Q2
DOI:10.1002/cmdc.202500766
PMID:41619309
|
研究论文 | 本研究开发了一个名为PSoSOQY的深度学习平台，用于预测光敏剂的单线态氧量子产率，以加速光动力疗法中光敏剂的开发 | 提出了结合双向长短期记忆网络和注意力机制的BA-SOQY预测模型，并引入了基于SMILES的子结构掩码解释策略，形成了集准确预测与可解释性于一体的综合平台 | 未明确提及模型在更大规模或更复杂分子数据集上的泛化能力限制，也未讨论计算资源需求 | 开发一个能够高效预测光敏剂单线态氧量子产率并加速光敏剂理性设计的平台 | 光敏剂分子 | 机器学习 | NA | NA | BiLSTM, 注意力机制 | 序列数据（SMILES字符串） | 未明确说明具体样本数量，但提及构建了综合数据集并在ESOL和FreeSolv数据集上进行了验证 | NA | BiLSTM + Attention | 相关系数R | NA |
| 995 | 2026-01-30 |
Deep Learning-Based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf220
PMID:41168671
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于在超声图像中分类乳房植入物，以解决患者植入物信息记录不足的问题 | 首次利用多机构超声图像数据开发深度学习模型，实现乳房植入物的制造商和纹理自动分类，并应用Grad-CAM提升模型可解释性 | 研究存在局限性，但未在摘要中具体说明 | 开发可靠的乳房植入物识别方法，以改善临床工作流程和患者护理 | 乳房植入物的超声图像 | 计算机视觉 | NA | 超声成像 | 深度学习模型 | 图像 | 来自2580名患者的4136个乳房植入物的28,712个超声PNG文件 | NA | NA | 平衡准确度 | NA |
| 996 | 2026-01-30 |
A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf238
PMID:41234118
|
系统综述 | 本文系统综述了人工智能在整形美容手术中的应用、挑战及未来发展方向 | 首次遵循PRISMA 2020指南，对2020年至2025年间AI在整形美容手术中的应用进行全面系统综述，并识别了该领域从术前到术后的完整应用谱系 | 纳入的研究多为早期阶段，缺乏外部验证，数据集异质性高，结局指标不一致，且大多数研究存在中度至严重的偏倚风险 | 系统评估人工智能在整形美容手术领域的应用现状、面临的挑战以及未来的发展轨迹 | 应用于整形或美容手术的人工智能、机器学习、深度学习、计算机视觉或大语言模型相关研究 | 计算机视觉, 自然语言处理, 机器学习 | NA | 人工智能, 机器学习, 深度学习, 计算机视觉, 大语言模型 | NA | NA | 从3941条记录中筛选出38项符合纳入标准的研究 | NA | NA | NA | NA |
| 997 | 2026-01-30 |
Phase Model-Driven Deep Learning for Robust Phase Correction in High-Throughput NMR-Based Metabolomics
2026-Jan-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03529
PMID:41508827
|
研究论文 | 本研究提出了一种结合物理模型与深度学习的相位校正方法PD-RAN，用于高通量NMR代谢组学数据的高效处理 | 将物理模型驱动的相位特征与残差注意力网络结合，实现了对高维NMR光谱的精确相位校正 | 未明确说明方法在极端噪声或复杂样本类型下的泛化能力 | 开发一种适用于高通量NMR代谢组学的鲁棒相位校正方法 | NMR光谱数据，包括脑提取物、血浆和尿液样本 | 机器学习 | NA | NMR（核磁共振） | 深度学习神经网络 | 一维NMR光谱（高维数据表示） | 包括脑提取物、血浆和尿液等多种代谢组学样本，具体数量未明确 | NA | 残差注意力网络（Residual Attention Network） | NA | NA |
| 998 | 2026-01-30 |
A Deep Learning-Based Ensemble Model for Automated Nasolabial-Fold Severity Grading
2026-Jan-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf161
PMID:40798848
|
研究论文 | 本研究开发并验证了DeepFold，一种基于深度学习的集成模型，用于自动、客观且临床可解释的鼻唇沟严重程度分级 | 提出了首个基于深度学习的集成模型DeepFold，用于自动化鼻唇沟严重程度分级，通过集成策略减少预测方差并增强模型鲁棒性 | 数据集主要来自临床门诊患者和CelebA数据集，可能无法完全代表所有人群；模型性能依赖于三位资深整形外科医生的标注，仍存在主观性 | 开发并验证一个自动化、客观且临床可解释的鼻唇沟严重程度分级模型 | 鼻唇沟严重程度 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 6718张面部图像（1718张来自临床门诊患者，5000张来自CelebA数据集） | PyTorch | ResNet-50, SeResNet-50 | 准确率, F1分数, 混淆矩阵分析 | NA |
| 999 | 2026-01-30 |
Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning
2026-Jan-29, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c07665
PMID:41557786
|
研究论文 | 本研究通过偏置分子动力学模拟、神经网络等机器学习技术及对接计算，揭示了MALT1蛋白在变构抑制过程中的复杂构象行为 | 首次结合偏置分子动力学、深度学习及对接计算，系统研究了MALT1蛋白的变构抑制机制，特别是Loop 1和3运动对催化位点空腔体积的影响 | 研究基于小鼠MALT1构建体（与人类MALT1有93%同源性），结果推广至人类MALT1需谨慎 | 探究MALT1蛋白在变构抑制过程中的构象行为，为计算设计新的MALT1变构抑制剂提供依据 | MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1） | 计算生物学 | 血液癌症 | 偏置分子动力学模拟, 对接计算 | 神经网络 | 分子动力学模拟数据, 对接数据 | NA | NA | NA | NA | NA |
| 1000 | 2026-01-30 |
Artificial intelligence revolution in shoulder magnetic resonance imaging: current evidence and future directions for rotator cuff diagnosis
2026-Jan-29, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00990
PMID:41605224
|
综述 | 本文综述了人工智能在肩关节磁共振成像中用于诊断肩袖撕裂的当前证据与未来方向 | 系统回顾了2019年以来AI在肩关节MRI中用于肩袖撕裂检测、分类、分割和报告的最新应用，并特别探讨了深度学习和大语言模型（LLMs）的潜力 | 现有证据受限于有限的外部验证、数据集异质性以及缺乏监管批准，尚无完全自动化的诊断系统获得FDA许可 | 评估人工智能在肩关节磁共振成像中诊断肩袖撕裂的准确性、效率及临床应用潜力 | 应用于肩关节MRI的AI研究，特别是针对肩袖撕裂的检测、分类、分割或报告 | 医学影像分析 | 肩袖撕裂 | 磁共振成像 | 深度学习, 卷积神经网络, 大语言模型 | 图像, 文本 | 从732条记录中筛选，最终纳入19项研究进行综述 | NA | VGG, 卷积神经网络 | 准确率, 灵敏度, 特异性 | NA |