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 6026 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2026-04-11 |
Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag024
PMID:41890357
|
研究论文 | 本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿童脑肿瘤分割中的效率，重点关注不同病理亚型和MRI协议下的性能 | 首次在包含多种病理亚型的儿童脑肿瘤单中心临床数据集上系统评估深度学习分割模型，并探索了MRI协议简化对分割性能的影响 | 研究为单中心回顾性设计，样本量相对有限（174例），且对囊性成分的分割性能较差 | 评估深度学习模型在异质性儿童脑肿瘤亚型中的分割性能，并探索优化MRI协议以提升临床工作流程效率 | 儿童脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型 | 数字病理学 | 脑肿瘤 | MRI成像（T1、T1增强、T2、FLAIR序列） | 深度学习 | 医学影像（MRI） | 174例儿科患者，按121/53划分训练集和测试集 | PyTorch | 3D nnU-Net | Dice相似系数 | 未明确指定，但基于nnU-Net框架通常需要GPU支持（如NVIDIA系列） |
| 482 | 2026-04-11 |
Publication Trends of Research on Immune Tolerance After Kidney Transplantation: A Bibliometric Analysis from 1976 to 2024
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S552350
PMID:41890566
|
综述 | 本文对1976年至2024年间肾移植后免疫耐受研究领域的文献进行了文献计量分析，以评估该领域的研究趋势和热点 | 首次对肾移植后免疫耐受研究进行了长达近50年的系统性文献计量分析，并识别出新兴热点如深度学习、机器学习和影像组学在该领域的应用 | 分析仅基于Web of Science核心合集数据库的英文文章，可能遗漏其他语言或数据库的文献，且文献计量方法本身无法评估研究内容的质量 | 系统评估肾移植后免疫耐受研究领域的发展趋势、研究热点和学术影响力 | 1976年至2024年间发表的关于肾移植后免疫耐受的学术文献 | 文献计量学 | 肾移植 | 文献计量分析 | NA | 文本（学术文献元数据） | 1033篇英文文章，涉及6608位作者、3461个机构和53个国家/地区 | R (bibliometrix包), VOSviewer, CiteSpace | NA | NA | NA |
| 483 | 2026-04-11 |
Bridging engineering and neuro-oncology: a scalable FastAPI-deployed CNN framework for real-time explainable brain tumor diagnosis
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1772429
PMID:41890590
|
研究论文 | 本研究开发了一个基于深度学习的可扩展框架，用于脑肿瘤的实时可解释性诊断，并通过FastAPI部署 | 结合了稳健的交叉验证、最先进的基准测试和可解释性推理，提供了一个可扩展的实时部署框架，并集成了Grad-CAM进行可视化解释 | 未明确提及研究的具体局限性，如数据集多样性或外部验证 | 开发可靠且可部署的AI驱动工具，以支持及时的脑肿瘤分类，同时保持透明度和实用性 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常病例 | 医学影像 | 脑肿瘤 | MRI | CNN | 图像 | 3,097张轴向脑MRI图像 | TensorFlow | 自定义CNN, 迁移学习架构 | 准确率, 宏平均F1分数, 宏平均AUC | 未明确指定 |
| 484 | 2026-04-11 |
TCRLens: structure-aware equivariant graph learning for TCR-pMHC-I recognition and immunogenic epitope discovery
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag066
PMID:41890808
|
研究论文 | 本文介绍了TCRLens，一种用于T细胞受体（TCR）识别肽-MHC I类（pMHC-I）复合物和免疫原性表位发现的结构感知等变图学习框架 | 提出了一种结合多尺度图表示和等变图神经网络（EGNN）的结构感知深度学习框架，并利用变分自编码器-生成对抗网络（VAE-GAN）生成结构合理的弱亲和力相互作用样本以缓解数据稀疏性和类别不平衡问题 | 未明确提及具体限制，但可能涉及数据稀疏性和类别不平衡的固有挑战 | 准确预测TCR对pMHC-I复合物的识别，并应用于免疫原性表位发现和结构引导的疫苗设计 | 人类TCR-pMHC-I结构复合物，以及猪和鸡的MHC-I系统 | 机器学习 | NA | 深度学习，图神经网络，生成对抗网络 | EGNN, VAE-GAN | 结构数据，图表示 | 来自ATLAS和TCR3d的精选人类TCR-pMHC-I结构复合物数据集 | NA | 等变图神经网络（EGNN），变分自编码器-生成对抗网络（VAE-GAN） | NA | NA |
| 485 | 2026-04-10 |
Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346214
PMID:41950193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 486 | 2026-04-10 |
Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345999
PMID:41950215
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 487 | 2026-04-11 |
Outsmarting Metastatic Prostate Cancer: Integration of Imaging, Liquid Biopsies and Biomarkers With Artificial Intelligence
2026 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338261440434
PMID:41943522
|
综述 | 本文综述了人工智能（包括机器学习和深度学习）在整合影像学、液体活检和生物标志物数据以改善转移性前列腺癌诊断、风险分层和治疗指导中的应用 | 强调人工智能在整合多模态数据（影像、液体活检、基因组分类器）以应对转移性前列腺癌的肿瘤异质性和治疗抵抗方面的创新应用 | NA | 探讨人工智能如何提升转移性前列腺癌的精准肿瘤学管理，包括诊断准确性和治疗个性化 | 转移性前列腺癌 | 数字病理学 | 前列腺癌 | 分子影像、液体活检（包括细胞游离核酸、循环肿瘤细胞）、基因组分类器 | 机器学习, 深度学习 | 影像数据、液体活检数据、生物标志物数据 | NA | NA | NA | NA | NA |
| 488 | 2026-04-10 |
Deep Learning Methods for De Novo Peptide Sequencing
2026 May-Jun, Mass spectrometry reviews
IF:6.9Q1
DOI:10.1002/mas.21919
PMID:39611290
|
综述 | 本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战 | 系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络 | 未提出新的算法模型，主要侧重于现有方法的归纳与讨论 | 探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准 | 蛋白质串联质谱数据及其对应的肽段序列 | 机器学习 | NA | 串联质谱 | 多层神经网络 | 质谱数据 | NA | NA | NA | NA | NA |
| 489 | 2026-04-10 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 本研究评估了基于深度学习的模型，用于高频超声（HFUS）图像在B模式和Doppler模式下的皮肤病变二分类 | 通过比较单输入CNN与Unity和Cascade架构，结合B模式和Doppler模式数据，探索了定制化深度学习在非侵入性皮肤病变分类中的潜力 | 未明确提及具体局限性，但暗示网络设计和数据质量会影响性能 | 评估深度学习模型在高频超声图像上对皮肤病变进行二分类的性能 | 高频超声（HFUS）图像，包括B模式和Doppler模式 | 计算机视觉 | 皮肤病变 | 高频超声（HFUS）成像 | CNN | 图像 | NA | NA | CNN, Unity, Cascade | 准确率, AUC | NA |
| 490 | 2026-04-10 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | YOLO | 图像 | 735名患者的1431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 491 | 2026-04-10 |
Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis
2026-Apr-14, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2025017224
PMID:41512166
|
研究论文 | 本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证了其作为治疗靶点的潜力 | 首次通过多组学分析发现DVT早期中性粒细胞CD14过表达，并利用几何深度学习模型DeepPBS揭示了G-CSF通过上调C/EBPα驱动CD14表达的机制 | 研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证 | 探究深静脉血栓形成早期中性粒细胞激活的分子机制并寻找新的治疗靶点 | 骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞 | 生物医学研究 | 深静脉血栓 | RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀 | 几何深度学习模型 | 多组学数据（转录组、蛋白质组、流式数据） | 未明确说明具体样本数量 | NA | DeepPBS | 血栓负荷降低, 血栓发生率降低, 中性粒细胞和瓜氨酸化组蛋白H3积累减少 | NA |
| 492 | 2026-04-10 |
DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple
2026-Apr-09, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c04009
PMID:41711252
|
研究论文 | DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合 | 首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具 | 主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物 | 开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题 | 3d/4d过渡金属配合物的局部结构，特别是均相催化剂 | 机器学习 | NA | X射线吸收光谱 | E(3)-equivariant neural network | 光谱数据 | 67,000个理论K边光谱 | NA | E(3)-equivariant neural network | MAE, ROC-AUC | NA |
| 493 | 2026-04-10 |
Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F
2026-Apr-09, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.6c00056
PMID:41885711
|
研究论文 | 本文结合分子动力学与深度学习，揭示了糖肽F（GccF）中α-甲基化导致活性降低的结构动力学机制 | 利用变分自编码器引导的分子动力学框架，量化了微小化学修饰如何通过改变构象可塑性影响肽的功能 | NA | 阐明糖肽F中α-甲基化导致其抗菌活性大幅降低的结构动力学原因 | 糖肽F（GccF）及其α-甲基化变体 | 机器学习 | NA | 分子动力学模拟 | 变分自编码器 | 分子构象数据 | NA | NA | 变分自编码器 | NA | NA |
| 494 | 2026-04-10 |
Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory
2026-Apr-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae584a
PMID:41894824
|
研究论文 | 本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力 | 首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响 | 研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应 | 探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用 | 健康小鼠和阿尔茨海默病模型小鼠 | 神经科学, 生物医学工程 | 阿尔茨海默病 | 闭环经颅超声刺激, 深度学习 | 深度学习模型 | 神经振荡信号, 行为数据 | 未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠 | NA | NA | 神经活动相关性, 记忆能力改善 | NA |
| 495 | 2026-04-10 |
FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification
2026-Apr-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3681572
PMID:41950122
|
研究论文 | 本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类 | 首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征 | 胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差 | 开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧 | 胎儿睡眠状态分类，基于胎儿脑电图数据 | 机器学习 | 神经发育并发症 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | FetalSleepNet | 准确率, 宏F1分数 | NA |
| 496 | 2026-04-10 |
Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing
2026-Apr-08, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3678170
PMID:41950143
|
研究论文 | 提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型 | 首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略 | 未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求 | 解决高光谱解混中非线性混合过程的精确建模问题 | 高光谱遥感图像 | 计算机视觉 | NA | 高光谱成像 | 深度自编码器,神经架构搜索 | 高光谱图像 | 合成与真实数据集（未指定具体数量） | 未明确说明 | 自定义多尺度卷积操作 | 光谱角距离 | 未明确说明 |
| 497 | 2026-04-10 |
Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants
2026-Apr-08, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae5ca9
PMID:41950940
|
研究论文 | 本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能 | 将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解 | 未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力 | 开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性 | 脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤） | 数字病理学 | 脑肿瘤 | 磁共振成像 | CNN | 图像 | NA | NA | Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net | 分割精度 | NA |
| 498 | 2026-04-10 |
Multiomics and deep learning dissect regulatory syntax in human development
2026-Apr-08, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10326-9
PMID:41951735
|
研究论文 | 本研究通过整合单细胞多组学数据与深度学习模型，系统解析了人类发育过程中染色质可及性的调控语法 | 构建了首个覆盖12个器官、81.7万个胎儿细胞的单细胞染色质可及性与基因表达图谱，并开发深度学习模型揭示了调控元件中基序的句法规则 | 研究主要聚焦胎儿发育阶段，未涵盖成年期或疾病状态；模型预测基于序列特征，需实验验证其生物学功能 | 解析人类发育过程中转录因子结合与染色质可及性的调控机制 | 人类胎儿发育过程中的细胞与候选顺式调控元件 | 计算生物学 | NA | 单细胞多组学测序（染色质可及性与基因表达） | 深度学习 | 基因组序列数据、单细胞多组学数据 | 817,740个胎儿细胞，覆盖12个器官、203种细胞类型 | NA | NA | NA | NA |
| 499 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 500 | 2026-04-10 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |