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 5221 - 5240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5221 | 2026-01-16 |
Transformer based HF communication demodulation
2026-Jan-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-18407-x
PMID:41513715
|
研究论文 | 本文提出了一种基于深度学习的短波信道解调算法，旨在在低信噪比环境下提升解调性能 | 采用多通道输入方式，将信号的实部和虚部分别作为输入通道，并结合CNN模块进行局部特征提取，以更有效地捕获信号局部特性，相比传统方法和其他深度学习模型，在低信噪比下实现了1-5 dB的信噪比增益 | 未明确提及算法在更广泛信道条件或实际部署中的泛化能力及计算复杂度 | 提升低信噪比环境下短波通信的解调准确性和通信质量 | 短波信道信号 | 机器学习 | NA | 深度学习 | Transformer, CNN | 信号数据 | NA | NA | Transformer, CNN | 信噪比增益, 比特误码率 | NA |
| 5222 | 2026-01-10 |
Bayesian deep learning for probabilistic aquifer vulnerability and uncertainty prediction
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32612-8
PMID:41507246
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5223 | 2026-01-16 |
Benchmarking community drug response prediction models: datasets, models, tools, and metrics for cross-dataset generalization analysis
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf667
PMID:41525315
|
研究论文 | 本研究提出了一个用于评估药物反应预测模型跨数据集泛化能力的标准化基准框架 | 引入了首个用于系统评估药物反应预测模型跨数据集泛化能力的标准化基准框架，包含统一的数据集、模型、评估指标和工作流程 | 研究仅基于五个公开数据集和七个模型，可能未涵盖所有现有方法和数据源 | 评估和比较不同药物反应预测模型在跨数据集场景下的泛化能力 | 药物反应预测模型 | 机器学习 | NA | 药物筛选 | 深度学习, 机器学习 | 药物筛选数据 | 五个公开药物筛选数据集 | NA | NA | 预测准确性, 性能下降幅度 | NA |
| 5224 | 2026-01-16 |
Integration of clinical, pathological, and endoscopic data improves prediction for lymph node metastasis in early gastric cancer: a retrospective multicenter study
2026-Jan-07, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004707
PMID:41536186
|
研究论文 | 本研究开发了一个深度学习系统，整合临床、病理和内镜数据，以预测早期胃癌的淋巴结转移，并在多中心回顾性研究中验证了其性能 | 开发了深度学习模型LNMate和DLEN，整合多模态数据预测淋巴结转移，并首次评估了其对内镜医师诊断性能的辅助作用 | 研究为回顾性设计，样本量有限（605例），且未在外部独立队列中进行前瞻性验证 | 提高早期胃癌淋巴结转移的预测准确性，以优化治疗决策 | 早期胃癌患者 | 数字病理学 | 胃癌 | 免疫组化分析，内镜黏膜下剥离术 | 深度学习模型 | 临床数据，病理数据，内镜图像 | 605名早期胃癌患者，其中32例进行了免疫组化分析 | NA | NA | AUC，准确性，特异性 | NA |
| 5225 | 2026-01-16 |
Human-like AI-based Auto-Field-in-Field Whole-Brain Radiotherapy Treatment Planning With Conversation Large Language Model Feedback
2026-Jan-02, ArXiv
PMID:41503098
|
研究论文 | 本研究提出了一种结合深度学习超参数预测与大语言模型对话界面的自动化全脑放疗计划生成流程 | 首次将深度学习超参数预测模型与基于大语言模型的对话式交互界面结合，用于自动化全脑放疗计划优化 | 研究样本量较小（55例训练，15例测试），且仅针对特定治疗计划系统（RayStation） | 开发一个自动化、高效且高质量的全脑放疗计划生成系统 | 全脑放疗患者的临床靶区与危及器官的几何特征 | 医学影像处理 | 脑部肿瘤 | 全脑放疗计划设计 | 深度学习模型, 大语言模型 | 几何特征数据, 语音输入 | 55例训练病例，15例独立测试病例 | NA | Whisper, GPT-4o | CTV D95%, D1%, D99%, 眼睛和晶状体剂量, 临床可接受性 | NA |
| 5226 | 2026-01-14 |
Advancing Clinical and Ethical Dimensions of Deep Learning in Cardiovascular Imaging
2026-Jan, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71731
PMID:41527586
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5227 | 2026-01-16 |
Pretreatment CT Identification of Extranodal Extension in Laryngeal and Hypopharyngeal Cancers Using Deep Learning
2026-Jan, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250332
PMID:41528225
|
研究论文 | 本研究开发并评估了一种名为DeepENE的深度学习工具，用于在喉癌和下咽癌患者的术前CT扫描中检测转移性淋巴结和结外侵犯 | 开发了首个用于喉癌和下咽癌术前CT图像中结外侵犯自动识别的深度学习工具DeepENE，并在多中心队列中验证其性能优于头颈癌专家 | 研究为回顾性设计，未来需要前瞻性研究验证其临床实用性 | 开发并评估一种深度学习工具，用于术前CT图像中喉癌和下咽癌淋巴结转移及结外侵犯的准确识别 | 喉鳞状细胞癌和下咽鳞状细胞癌患者的术前CT扫描图像及病理证实的淋巴结 | 数字病理 | 喉癌 | CT扫描 | 深度学习 | 医学影像 | 289名喉癌和下咽癌患者，包含1954个病理证实的淋巴结 | 未明确说明 | DeepENE | AUC, 敏感性, 特异性 | 未明确说明 |
| 5228 | 2026-01-16 |
Efficient computed tomography-based image segmentation for predicting lateral cervical lymph node metastasis in papillary thyroid carcinoma
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.014504
PMID:41536566
|
研究论文 | 本研究提出了一种基于YOLOv8的深度学习模型，结合可变形自注意力模块，用于增强CT图像中甲状腺乳头状癌侧颈淋巴结转移的术前评估准确性 | 将可变形自注意力模块集成到YOLOv8模型中，以提高转移性淋巴结的分割精度 | 未明确提及模型在外部验证集上的泛化能力或与其他先进方法的直接比较 | 提高甲状腺乳头状癌侧颈淋巴结转移的术前评估准确性，辅助手术规划 | 甲状腺乳头状癌患者的增强CT图像 | 计算机视觉 | 甲状腺乳头状癌 | 增强CT成像 | CNN | 图像 | 基于病理学确认的PTC患者CT图像的大规模数据集（具体数量未提供） | NA | YOLOv8 | 精确度, 敏感性, 特异性 | NA |
| 5229 | 2025-11-09 |
Corrigendum to 'Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery' [International Dental Journal Volume 75, Issue 6, December 2025, 103879]
2026-Feb, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.103976
PMID:41202540
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5230 | 2026-01-15 |
Procymidone residue detection in Allium tuberosum using feature-level data fusion of colorimetric sensor arrays and electronic nose sensor arrays: Comparison of heterogeneous data fusion methods
2026-Feb-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.147544
PMID:41406745
|
研究论文 | 本研究结合电子鼻和颜色传感器阵列，通过特征级数据融合方法，实现了对韭菜中腐霉利残留的定性和定量检测 | 提出基于卷积神经网络和长短期记忆网络注意力融合网络（CLAFNet）的多源数据融合方法，在特征级融合中优于传统机器学习方法，实现了对腐霉利残留浓度的高精度区分 | 未明确说明样本的具体来源、处理过程或实验条件的潜在限制，也未讨论方法在其他农产品或残留物检测中的泛化能力 | 开发一种有效检测韭菜中腐霉利残留浓度的方法，以保障食品安全 | 韭菜样本中的腐霉利残留 | 机器学习 | NA | 电子鼻传感器阵列，颜色传感器阵列 | CNN, LSTM, FCN | 传感器数据（来自电子鼻和颜色传感器阵列） | 未明确说明具体样本数量，仅提及韭菜样本 | 未明确指定，但提及深度学习与传统机器学习 | CLAFNet（卷积神经网络与长短期记忆网络注意力融合网络），全连接神经网络 | 准确率 | NA |
| 5231 | 2026-01-15 |
Deep Learning-Assisted Fourier Analysis for High-Efficiency Structural Design: A Case Study on Three-Dimensional Photonic Crystals Enumeration
2026-Jan-14, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202511158
PMID:41532244
|
研究论文 | 本文提出了一种基于深度学习辅助傅里叶分析的通用方法，用于周期性结构设计和性能优化，并以三维光子晶体为例进行验证 | 提出了一种结合深度学习与傅里叶变换的通用方法，能够高效枚举和优化周期性结构，并发现具有优异性能的新拓扑结构 | NA | 优化周期性结构的物理和化学性能，并高效枚举和设计新型功能材料 | 三维光子晶体结构 | 材料科学 | NA | 深度学习辅助傅里叶分析 | 深度学习模型 | 几何结构数据 | NA | NA | NA | NA | NA |
| 5232 | 2026-01-15 |
Deep Learning Algorithms Enabled Visual Detection of Anthrax Biomarkers by Mn3O4 Nanozyme-Based Colorimetric Sensor Array
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03628
PMID:41406958
|
研究论文 | 本研究开发了一种集成苯丙氨酸修饰的MnO纳米酶比色传感器阵列与先进算法的创新方法，用于检测炭疽生物标志物2,6-吡啶二甲酸及其六种结构类似物 | 结合可调氧化酶活性的纳米酶比色传感器阵列与深度学习YOLOv8算法，实现炭疽生物标志物的自动视觉检测与分类 | 未明确说明传感器阵列在更复杂实际环境中的稳定性或交叉反应性 | 开发一种快速、自动化的炭疽生物标志物检测方法 | 炭疽生物标志物2,6-吡啶二甲酸及其六种结构类似物 | 计算机视觉 | 炭疽 | 比色传感器阵列，纳米酶催化 | YOLOv8 | 图像 | 未明确说明具体样本数量，涉及七种结构类似物及胎牛血清样本 | 未明确指定，可能为PyTorch | YOLOv8 | 平均精度均值，平均置信度 | NA |
| 5233 | 2026-01-15 |
Deep Learning-Assisted G4 Nanowire-Enhanced Carbon Dot Biosensor for Exosomal LncRNA Artificial Intelligence Diagnosis
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c06416
PMID:41408423
|
研究论文 | 本文开发了一种基于G-四链体纳米线增强的铜/铈共掺杂碳点的双模式光电化学/比率荧光生物传感器，结合深度学习，用于外泌体lncRNA检测和肺癌的早期智能诊断 | 开发了G-四链体纳米线增强的铜/铈共掺杂碳点双模式生物传感器，并首次结合深度学习挖掘数据潜在模式，实现高灵敏度外泌体lncRNA检测和肺癌智能诊断 | 未明确说明样本来源的多样性、模型在其他癌症类型中的泛化能力以及生物传感器的临床验证规模 | 开发高灵敏度、准确的外泌体lncRNA检测方法，并实现肺癌的早期智能诊断 | 外泌体长链非编码RNA | 机器学习 | 肺癌 | 光电化学/比率荧光双模式生物传感技术 | 深度学习 | 生物传感器产生的光电化学和荧光数据 | NA | NA | NA | 诊断准确率 | NA |
| 5234 | 2026-01-15 |
DLQMA: A Deep Learning Framework for Qualitative and Quantitative NMR Analysis of Complex Hydrocarbon Mixtures
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04983
PMID:41418268
|
研究论文 | 介绍了一个名为DLQMA的深度学习框架，用于从H NMR光谱中同时进行复杂烃类混合物的化合物识别和浓度估计 | 提出了一个基于伪孪生架构的深度学习框架，能够端到端分析复杂混合物，无需手动光谱重建或外部标准，并兼容先进的NMR技术 | 研究主要基于C8烃类混合物，可能未涵盖更广泛的化学多样性或实际应用中的复杂干扰 | 开发一个深度学习框架，以解决复杂混合物NMR分析中的光谱重叠和定量困难 | 复杂烃类混合物，特别是C8烃类及其工业相关异构体 | 机器学习 | NA | 核磁共振（NMR），包括1D CSSF TOCSY | 深度学习，伪孪生架构 | H NMR光谱 | 5,000对增强验证光谱 | NA | 伪孪生架构 | 分类准确率，Pearson相关系数 | NA |
| 5235 | 2026-01-15 |
Deep Learning-Powered Dark-Field Microscopy for Simultaneous Size and Concentration Analysis of Nanoplastics in Water
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03712
PMID:41447323
|
研究论文 | 本研究开发了一种结合卷积神经网络与暗场显微镜的新方法，用于同时分析水中纳米塑料的尺寸和浓度 | 首次将轮廓识别算法与简化的VGGNet结合，应用于暗场显微镜图像，实现了对150-600纳米聚苯乙烯纳米塑料的高精度、高灵敏度同步尺寸与浓度分析 | 研究目前仅针对聚苯乙烯纳米塑料（PSNPs）进行了验证，方法在其他类型纳米塑料上的适用性尚未验证 | 开发一种能够同时准确分析水中纳米塑料尺寸和浓度的新方法 | 水中的聚苯乙烯纳米塑料（PSNPs） | 计算机视觉 | NA | 暗场显微镜 | CNN | 图像 | NA | NA | VGGNet | 准确度, 灵敏度, 检测限, 回收率 | NA |
| 5236 | 2026-01-15 |
An Atlas of Chirality-Dependent Electronic Structures of MoS2 Nanotubes from Deep Learning
2026-Jan-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c14194
PMID:41448575
|
研究论文 | 本文开发了一个集成机器学习框架，用于高效预测MoS2纳米管在整个手性空间中的电子结构，并构建了其带隙、载流子有效质量及直接与间接带隙分类的综合图谱 | 结合机器学习原子间势与深度学习密度泛函理论，首次实现了对MoS2纳米管电子结构在手性依赖性的全面预测，揭示了载流子有效质量与管径和手性的非平凡关系 | 研究主要聚焦于MoS2纳米管，未扩展到其他过渡金属二硫化物材料，且预测框架的泛化能力有待进一步验证 | 探究过渡金属二硫化物纳米管的手性依赖性电子特性，以促进一维材料的设计与应用 | MoS2纳米管 | 机器学习 | NA | 机器学习原子间势，深度学习密度泛函理论 | 深度学习 | 电子结构数据 | NA | NA | NA | NA | NA |
| 5237 | 2026-01-15 |
Molecular Topological Deep Learning for Polymer Property Prediction
2026-Jan-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c11744
PMID:41478723
|
研究论文 | 本文开发了一种名为分子拓扑深度学习（Mol-TDL）的新方法，用于聚合物性质预测，通过整合高阶相互作用和多尺度信息，提高了预测准确性 | 提出了一种将聚合物分子表示为不同尺度的单纯复形，并构建相应的单纯神经网络，以捕捉数据中的高阶和多尺度信息，这是现有图基深度学习模型所忽略的 | 未明确说明模型在处理更大规模或更复杂聚合物数据集时的计算效率或泛化能力限制 | 开发一种准确高效的聚合物性质预测方法，以支持聚合物设计和发现 | 聚合物分子及其性质，如玻璃化转变温度 | 机器学习 | NA | 分子拓扑深度学习 | 单纯神经网络，对比学习模型 | 图基分子数据，基于DFT和实验的聚合物数据集 | 在多个已建立的DFT基和实验聚合物数据集上进行测试，并用于预测八种先进聚合物的玻璃化转变温度 | NA | 单纯神经网络 | 平均误差（约45°C用于玻璃化转变温度预测） | NA |
| 5238 | 2026-01-15 |
PosFormer: Generalizable Indoor Positioning via Global-Local Feature Fusion Network
2026-Jan-13, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3650775
PMID:41528915
|
研究论文 | 本文提出了一种名为PosFormer的Transformer与CNN双融合网络，用于解决UWB在非视距环境下的室内定位问题 | 结合Transformer与CNN捕获信道冲激响应的长距离依赖与空间特征，设计非相邻锚点子集方案丰富数据多样性，并引入轻量级迁移学习框架提升跨环境部署鲁棒性 | 未明确说明模型在极端密集多径环境或动态障碍物场景下的性能表现 | 提升超宽带技术在非视距环境下的室内定位精度与跨环境泛化能力 | 超宽带信号的信道冲激响应数据 | 机器学习 | NA | 超宽带技术 | Transformer, CNN | 信号数据 | 基于公开工业数据集，迁移学习仅需20%指纹样本 | NA | Transformer, CNN双融合网络 | 平均绝对误差 | NA |
| 5239 | 2026-01-15 |
Predicting Overall Survival of NSCLC Patients with Clinical, Radiomics and Deep Learning Features
2026-Jan-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01828-5
PMID:41530418
|
研究论文 | 本研究旨在通过整合临床、影像组学、深度学习和剂量学特征，预测非小细胞肺癌患者的总体生存期，并评估整合模型相较于单一特征模型的性能提升 | 首次将临床、影像组学、深度学习和剂量学特征整合到一个模型中，用于预测非小细胞肺癌患者的总体生存期，并证明整合模型优于仅使用部分特征的模型 | 样本量相对较小（219例患者），且数据仅来自单一机构（Maastro Clinic），可能限制模型的泛化能力 | 评估整合多种特征（临床、影像组学、深度学习和剂量学）的模型在预测非小细胞肺癌患者总体生存期方面的性能，以支持个性化治疗规划 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | CT扫描 | 集成模型（XGBoost和神经网络） | 图像（CT扫描）、临床数据 | 219例非小细胞肺癌患者（183例训练，36例测试） | Python radiomics特征提取器，3D ResNet模型 | 3D ResNet | AUC, 准确率 | NA |
| 5240 | 2026-01-15 |
Deep Learning for Ultrasound Classification to Identify Noninvasive Follicular Thyroid Neoplasms with Papillary-Like Nuclear Features
2026-Jan-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01821-y
PMID:41530415
|
研究论文 | 本研究评估了深度学习技术在超声图像上用于分类和识别非浸润性滤泡性甲状腺肿瘤伴乳头状核特征（NIFTP）的可行性 | 首次将深度学习模型（ResNet50和EfficientNet_B0）应用于超声图像，以区分NIFTP与其他包膜性滤泡性甲状腺肿瘤，展示了在重叠临床特征下实现术前分化的潜力 | 模型在独立预测队列中的性能表现一般（准确率为0.77），且样本量相对有限（共279例），可能影响泛化能力 | 通过深度学习技术对超声图像进行分类，以实现NIFTP的术前识别与鉴别诊断 | 包膜性滤泡性甲状腺肿瘤的术前超声图像，包括滤泡性腺瘤、滤泡性甲状腺癌、NIFTP和浸润性包膜性滤泡亚型乳头状甲状腺癌 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 279例（147例滤泡性腺瘤、39例滤泡性甲状腺癌、47例NIFTP、46例浸润性包膜性滤泡亚型乳头状甲状腺癌） | NA | ResNet50, EfficientNet_B0 | 准确率 | NA |