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 6084 篇文献，本页显示第 2701 - 2720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2701 | 2026-03-05 |
Real-time on-device weed identification using a hardware-efficient lightweight CNN
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1747863
PMID:41777389
|
研究论文 | 本文提出了一种名为TinyWeedNet的硬件高效轻量级卷积神经网络，用于精准农业中的实时设备端杂草识别 | 模型集成了多尺度特征提取、深度可分离倒置残差块和紧凑通道注意力机制，在保持最小计算足迹的同时增强了判别能力，专为低功耗现场设备设计 | 模型在公共DeepWeeds数据集上进行评估，可能未涵盖所有田间杂草种类或环境条件，且部署依赖于特定微控制器（STM32H7）和TinyML工作流 | 开发一种适用于资源受限农业平台的实时、低功耗杂草识别系统，以支持自主农业系统 | 杂草图像，来自公共DeepWeeds数据集 | 计算机视觉 | NA | 图像识别 | CNN | 图像 | 基于公共DeepWeeds数据集，具体样本数量未在摘要中明确说明 | TinyML | TinyWeedNet（集成多尺度特征提取、深度可分离倒置残差块、紧凑通道注意力） | 分类准确率 | STM32H7微控制器，通过TinyML工作流实现嵌入式执行 |
| 2702 | 2026-03-05 |
CG-RecNet: a gated and attention-fused deep learning framework for label-free classification of neural stem cell differentiation via imaging flow cytometry
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1767574
PMID:41777601
|
研究论文 | 提出了一种名为CG-RecNet的深度学习框架，用于通过成像流式细胞术对神经干细胞分化进行无标记分类 | 整合了LinAngular跨通道注意力融合模块以捕获全局形态依赖性，并采用门控卷积神经网络块来抑制背景噪声，实现了对少数类（如少突胶质细胞）的高精度识别而无需合成过采样 | 研究基于大鼠胚胎神经干细胞进行验证，尚未在其他物种或更广泛的细胞类型中进行测试 | 开发一种准确、无标记的方法，用于纵向监测神经干细胞分化，以推动再生医学发展 | 大鼠胚胎神经干细胞及其分化谱系（神经元、星形胶质细胞和少突胶质细胞） | 计算机视觉 | NA | 成像流式细胞术 | CNN | 图像 | NA | NA | GatedCNN, LinAngular-XCA Fusion Module | 准确率, 宏平均AUC | NA |
| 2703 | 2026-03-05 |
Prospective applications of artificial intelligence for the diagnosis of oral leukoplakia: a scoping review
2026, Frontiers in oral health
IF:3.0Q1
DOI:10.3389/froh.2026.1760177
PMID:41777604
|
综述 | 本文是一篇范围综述，调查了人工智能在口腔白斑临床和病理诊断中的应用现状 | 首次对人工智能在口腔白斑诊断中的应用证据进行了全面的范围综述，涵盖了从光谱学到深度学习的技术演变 | 现有证据仍处于初步阶段，需要标准化报告、更全面的数据集纳入以及多中心大样本验证以确保普适性 | 调查人工智能在口腔白斑诊断中的应用现状与潜力 | 口腔白斑 | 数字病理学 | 口腔白斑 | 光谱学，深度学习图像分析 | 深度学习模型 | 临床图像，组织病理学图像 | 10项研究 | NA | NA | 灵敏度，特异性，准确率 | NA |
| 2704 | 2026-03-05 |
MedCSS: a causal self-supervised approach for hierarchical feature consistency in 3D medical imaging
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1739716
PMID:41777736
|
研究论文 | 本文提出了一种名为MedCSS的层次特征一致性框架，结合因果自监督学习，用于三维医学图像分析 | 通过分布一致性对齐中间和高级特征，并引入基于编码率的因果正则化来抑制非因果冗余，增强了特征稳定性和边界敏感性 | NA | 解决传统深度学习模型在医学图像分析中依赖统计相关性而非生成结构建模的问题，提升小样本和跨域场景下的鲁棒性 | 三维医学图像 | 计算机视觉 | NA | NA | CNN | 三维图像 | NA | NA | 3D ResNet | NA | NA |
| 2705 | 2026-03-03 |
Deep-learning based adaptive fusion of CC and MLO views for improved mammographic cancer diagnosis
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2026.103827
PMID:41768877
|
研究论文 | 本文提出了一种名为MammoFusion-Net的双分支深度学习框架，用于基于乳腺X线摄影的乳腺癌分类，通过自适应融合CC和MLO视图以提升诊断性能 | 引入了Gated Cross-View Fusion机制自适应整合多视图特征，并利用残差卷积流独立处理CC和MLO视图以保留视图特异性解剖信息 | NA | 改进基于乳腺X线摄影的乳腺癌分类性能，解决视图间特征不一致、诊断细节丢失和可解释性有限等挑战 | 乳腺X线摄影图像（CC和MLO视图） | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | VinDr-Mammo数据集和INBreast数据集（具体样本数量未提供） | NA | ResNet | 准确率 | NA |
| 2706 | 2026-03-03 |
iAFP-fLRM: Accurate identification of antifungal peptides via hybrid deep learning architecture and multi-modal feature fusion
2026-May, Biophysical chemistry
IF:3.3Q2
DOI:10.1016/j.bpc.2026.107591
PMID:41653519
|
研究论文 | 本文提出了一种名为iAFP-fLRM的混合深度学习框架，用于仅基于氨基酸序列准确识别抗真菌肽 | 设计了一个双分支特征融合模块，集成了自适应池化对齐和跨分支注意力增强机制，以动态对齐序列长度并自适应调整异构特征的贡献，从而增强互补性 | 仅基于氨基酸序列信息，未整合其他生物信息学特征或实验验证数据 | 开发一种计算工具，用于计算机辅助识别抗真菌肽，以促进新型抗真菌疗法的发现 | 抗真菌肽 | 自然语言处理 | 真菌感染 | 氨基酸序列分析 | Transformer, LSTM, MLP | 序列数据 | 基准数据集 | PyTorch | Transformer encoder, LSTM-ResMLP | 准确率, AUC, 马修斯相关系数 | NA |
| 2707 | 2026-03-03 |
Deep learning of committor for ion dissociation and interpretable analysis of solvent effects using atom-centered symmetry functions
2026-Mar-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0315825
PMID:41769876
|
研究论文 | 本研究利用深度学习识别水中NaCl离子对结合与解离的反应坐标，并通过可解释人工智能技术分析溶剂效应 | 采用基于原子中心对称函数的描述符编码离子周围溶剂环境，并应用SHAP分析识别对反应坐标有贡献的ACSFs，为离子解离机制提供分子层面解释 | 未明确说明模型泛化能力或对其他离子体系的适用性 | 识别水中离子对结合与解离过程的反应坐标，并分析溶剂效应 | 水中的NaCl离子对 | 机器学习 | NA | 分子动力学模拟，原子中心对称函数 | 神经网络 | 分子模拟数据 | NA | NA | NA | committor作为反应坐标的定量度量 | NA |
| 2708 | 2026-03-03 |
A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-0582
PMID:41289566
|
研究论文 | 本文提出了一种名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中准确预测多种驱动基因突变 | 开发了基于多实例学习的自适应多视图特征融合框架，能够整合全切片图像中的肿瘤微环境特征，不仅预测驱动基因突变，还能识别突变亚型和外显子变异，超越了现有方法仅进行突变水平预测的限制 | 研究主要基于中国四家医院的数据，可能限制了模型在其他人群或地区的泛化能力；未详细讨论模型在临床实际部署中的具体挑战 | 开发一个深度学习框架，从常规组织病理学切片中预测肺癌的驱动基因突变，以指导靶向治疗选择 | 肺癌患者的病理图像和下一代测序数据 | 数字病理学 | 肺癌 | 下一代测序 | 多实例学习 | 图像 | 来自中国四家医院的2,573名肺癌患者 | NA | NAVF-Bio | NA | NA |
| 2709 | 2026-03-03 |
Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning
2026-Mar-02, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996261419893
PMID:41769819
|
研究论文 | 本文提出了一种基于预训练和自监督微调的低剂量CT去噪领域自适应方法 | 提出了一种无需目标域标签的自监督微调方法，通过像素洗牌图像预处理和两阶段微调策略来弥合领域差距，并设计了双尺度SwinIR模型作为预训练骨干网络 | 未明确说明方法在更广泛或临床数据集上的泛化能力，以及计算效率的详细评估 | 开发一种有效的领域自适应技术，以提升低剂量CT去噪模型在跨域数据集上的性能 | 低剂量CT图像 | 计算机视觉 | NA | 低剂量CT成像 | 深度学习模型 | 图像 | 基于两个公共数据集进行评估，具体样本数量未明确说明 | PyTorch（基于代码仓库推断） | SwinIR | 去噪性能指标（如PSNR、SSIM等，具体未列出） | NA |
| 2710 | 2026-03-03 |
Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging
2026-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01904-4
PMID:41196555
|
研究论文 | 评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能 | 首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果 | 研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证 | 评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响 | 肝转移瘤和肝血管瘤患者 | 数字病理 | 肝转移瘤, 肝血管瘤 | 扩散加权成像, 压缩感知, 深度学习重建 | 深度学习模型 | 医学影像（扩散加权成像） | 53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤 | NA | NA | 信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性 | NA |
| 2711 | 2026-03-03 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成 | 全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力 | NA | 探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革 | 心血管磁共振成像技术及其相关数据处理流程 | 医学影像分析 | 心血管疾病 | 磁共振成像 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 2712 | 2026-03-03 |
Transformer-based classification and interpretability of NR3C1 expression patterns in OSCC: Metabolic adaptation insights
2026 Mar-Apr, Journal of oral biology and craniofacial research
DOI:10.1016/j.jobcr.2026.101427
PMID:41768316
|
研究论文 | 本研究评估了四种基于Transformer的模型在NR3C1蛋白序列分类中的性能，并与深度学习和传统机器学习方法进行比较 | 首次将Transformer模型（如RoBERTa、ALBERT）应用于NR3C1蛋白序列分类，并展示了其在准确性和参数效率上的优势 | 研究仅基于5个UniProt序列的小样本数据集，可能限制模型的泛化能力 | 评估Transformer模型在蛋白序列分类任务中的性能，并探索其在口腔鳞状细胞癌（OSCC）相关蛋白NR3C1表达模式分类中的应用 | NR3C1蛋白的肽序列 | 自然语言处理 | 口腔鳞状细胞癌 | 蛋白序列分析 | Transformer, 深度学习模型, 传统机器学习分类器 | 蛋白序列（文本） | 5个UniProt序列，分为中等长度（200-500 aa）和长序列（>500 aa）两类 | NA | BERT, RoBERTa, DistilBERT, ALBERT | F1分数 | NA |
| 2713 | 2026-03-03 |
Signature-aware deep learning reveals distinct driver gene programs and mutational processes in glioblastoma and colon adenocarcinoma
2026-Feb-26, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究提出了一种名为ResMLP-GL的签名感知残差多层感知器，用于变异级别的癌症驱动基因预测，并在胶质母细胞瘤和结肠腺癌中揭示了不同的驱动基因程序和突变过程 | 首次将COSMIC SBS上下文概率向量与功能及序列特征明确整合，并设计了包含投影残差块和特征门控模块的网络架构，以增强梯度流并促进过程感知表征学习 | 模型主要基于TCGA和ICGC的胶质母细胞瘤与结肠腺癌外显子组数据训练和验证，在其他癌症类型或数据模态上的泛化能力有待进一步评估 | 精确识别癌症驱动突变，以支持精准肿瘤学研究 | 胶质母细胞瘤和结肠腺癌的体细胞突变 | 机器学习 | 胶质母细胞瘤, 结肠腺癌 | 外显子组测序 | 多层感知器 | 基因组变异数据, 功能评分, 序列特征 | TCGA GBM/COAD外显子组数据（训练/测试）及独立ICGC队列（验证） | PyTorch | ResMLP-GL（签名感知残差多层感知器） | AUC | NA |
| 2714 | 2026-02-26 |
Correction: Deep learning-based image enhancement for improved black blood imaging in brain metastasis
2026-Feb-24, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12348-3
PMID:41733645
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2715 | 2026-03-03 |
Exploration of Novel Chemical Spaces to Discover JAK1 Inhibitors: An Ensemble Docking-Guided Deep Learning Approach
2026-Feb-24, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c10773
PMID:41768660
|
研究论文 | 本研究开发了一种结合集成对接引导的深度学习虚拟筛选框架，用于从大规模化合物库中探索新型化学空间，以发现高选择性的JAK1抑制剂 | 将蛋白质构象多样性（通过八个高分辨率晶体结构捕获）明确整合到可扩展的深度学习虚拟筛选框架中，实现了对超过11亿化合物的高效探索，并发现了大量与已知JAK1抑制剂骨架不同的新型化学型 | 研究主要基于计算虚拟筛选和对接分析，尚未进行实验验证以确认候选化合物的实际活性和选择性 | 克服现有JAK抑制剂（如托法替尼和鲁索替尼）因骨架局限导致的亚型选择性差、JAK3交叉反应性和剂量限制性毒性等问题，通过探索新型化学空间开发更具选择性的JAK1抑制剂 | Janus激酶1（JAK1）的ATP结合口袋及其抑制剂 | 药物发现，计算化学 | 自身免疫性疾病，炎症性疾病，肿瘤 | 集成分子对接，深度学习虚拟筛选 | 深度神经网络（DNN）分类器 | 化合物结构数据（SMILES等），蛋白质晶体结构数据 | 超过11亿个来自ZINC数据库的商业可用化合物 | NA | NA | 对接分数，活性阈值通过率（57%的候选物在所有受体构象中均超过阈值），新型化学型数量（7652个独特骨架） | NA |
| 2716 | 2026-03-03 |
Pairwise Neural Networks for Ranking Molecular Structures Based on Properties
2026-Feb-24, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.6c00717
PMID:41768715
|
研究论文 | 本文开发了一种基于孪生网络和成对学习的深度学习模型，用于根据分子性质对分子结构进行排序 | 采用孪生网络和成对学习进行分子排序，在预测绝对能量性质方面优于标准点回归方法，并验证了该方法在预训练Transformer骨干网络上的鲁棒性 | 对于衍生性质（如HOMO-LUMO能隙）或非能量性质（如偶极矩），传统点回归方法仍更有效 | 加速分子发现与设计，通过机器学习预测分子性质并实现高效筛选 | 分子结构 | 机器学习 | NA | 量子化学计算，机器学习 | 孪生网络，Transformer | 分子结构数据 | QM7x和QO2Mol数据集 | NA | Siamese architecture, Uni-Mol | NA | NA |
| 2717 | 2026-03-03 |
Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study
2026-Feb-23, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109295
PMID:41764784
|
研究论文 | 本研究开发并验证了一种基于可穿戴心电图设备的算法，用于可靠检测癫痫患者的局灶性起始意识障碍发作，并集成了自动数据质量评估 | 首次在可穿戴心电图设备中集成了自动数据质量评估功能，以提高癫痫发作检测算法的可靠性，并进行了探索性的个体差异分析以识别潜在的系统响应者 | 样本量相对有限（最终分析仅包含38名患者），且算法性能在不同个体间存在变异性，未在所有癫痫患者群体中进行广泛验证 | 开发并评估一种基于可穿戴心电图设备的算法，用于检测癫痫患者的局灶性起始意识障碍发作，并探索个体间自主神经发作特征的变异性 | 癫痫患者，特别是经历局灶性起始意识障碍发作的患者 | 机器学习 | 癫痫 | 可穿戴心电图监测 | 深度学习模型 | 心电图数据 | 236名患者招募，其中47名患者用于分析，38名患者的数据满足质量筛选标准 | NA | NA | 灵敏度, 每24小时误报率, 阳性预测值, F1分数 | NA |
| 2718 | 2026-03-03 |
A hybrid adaptive preconditioned gradient method with momentum for deep learning
2026-Feb-22, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108758
PMID:41764807
|
研究论文 | 本文提出了一种名为AdapGradm的新型二阶自适应优化器及其混合版本HAdapGradm，用于深度学习任务，旨在提高训练效率和泛化能力 | 提出了一种基于一阶导数构建对角近似Hessian矩阵的二阶自适应优化器AdapGradm，并设计了混合版本HAdapGradm以实现与SGD的无缝切换，在保持计算效率的同时捕捉二阶曲率信息 | 未在超大规模数据集或复杂网络架构上进行广泛验证，且收敛性分析基于温和假设条件 | 开发高效的第二阶优化方法以加速深度神经网络的训练过程并提升泛化性能 | 深度神经网络的参数优化过程 | 机器学习 | NA | NA | NA | 图像, 文本 | NA | NA | 三种常见神经网络架构（具体未说明） | 训练误差, 泛化能力 | NA |
| 2719 | 2026-03-03 |
Interpretable Deep Learning for Single-Molecule Nanopore Fingerprinting Using Physics-Guided Preprocessing
2026-Feb-20, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04784
PMID:41719081
|
研究论文 | 本文提出了一种用于单分子纳米孔指纹识别的可解释深度学习框架，该框架结合了物理引导的预处理和紧凑的神经网络分类器 | 提出了一种直接处理原始脉冲信号的可解释机器学习框架，将物理引导的时频变换与紧凑的神经网络分类器及特征归因图相结合，并引入了实用的“定制滤波器”设计原则 | 未明确说明模型在更广泛分子类型或复杂样本中的泛化能力，也未详细讨论计算效率或实时处理性能 | 开发一种快速、稳健且可解释的单分子纳米孔指纹识别方法，用于生物制造、诊断和环境监测 | 两种尺寸相似但几何结构不同的自组装DNA纳米结构 | 机器学习 | NA | 纳米孔传感 | 神经网络分类器, SVM | 原始离子电流脉冲信号 | NA | NA | NA | 准确率 | NA |
| 2720 | 2026-03-03 |
How to Train Custom Cell Segmentation Models Using Cell-APP
2026-Feb-20, Bio-protocol
IF:1.0Q3
DOI:10.21769/BioProtoc.5618
PMID:41769259
|
研究论文 | 本文介绍了一种名为Cell-APP的工具，用于自动化生成透射光细胞分割模型的训练数据，并提供了使用该工具训练自定义细胞分割模型的逐步协议 | 开发了Cell-APP工具，通过结合荧光图像和提示式深度学习模型SAM，自动化生成高质量的细胞分割训练数据，解决了手动标注耗时的问题 | 需要配对的透射光和荧光图像，且荧光图像中的每个细胞必须具有完整且空间上独立的信号，这限制了其应用范围 | 自动化生成细胞分割模型的训练数据，以加速细胞生物学中的显微镜分析 | HeLa、U2OS、HT1080和RPE-1细胞 | 数字病理学 | NA | 显微镜成像、荧光成像、透射光成像 | 深度学习模型 | 图像 | HeLa、U2OS、HT1080和RPE-1细胞的延时电影数据 | NA | SAM | 空间和时间一致性 | NA |