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 6073 篇文献，本页显示第 1301 - 1320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1301 | 2026-03-29 |
Identifying a conserved transcriptional signature of drought and salt stress in Arabidopsis thaliana through meta-analysis, consensus network analysis, and deep learning
2026-Feb-01, Genetica
IF:1.3Q4
DOI:10.1007/s10709-026-00261-y
PMID:41620995
|
研究论文 | 本研究通过整合元分析、共识网络分析和深度学习，系统识别了拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因 | 首次将元分析、共识网络分析和深度学习三种方法协同整合，构建了一个新颖的分析框架，用于稳健识别跨胁迫的保守响应基因和核心调控网络 | 研究仅基于拟南芥的转录组数据，结果在作物中的直接应用需要进一步验证；样本量相对有限（64个样本） | 理解植物对非生物胁迫（干旱和盐胁迫）的响应机制，并识别可用于工程化气候韧性作物的关键遗传靶点 | 拟南芥（Arabidopsis thaliana） | 机器学习 | NA | 转录组测序（RNA-seq） | Autoencoder, MLP | 转录组数据 | 64个样本（来自多个研究的干旱和盐胁迫条件数据集） | NA | Autoencoder, MLP | 准确率, AUC | NA |
| 1302 | 2026-03-29 |
Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs
2026-Jan-12, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05371-3
PMID:41524987
|
研究论文 | 本研究通过多中心评估，利用放射组学和深度学习技术对IPMNs的恶性风险进行分层 | 首次将放射组学与深度学习融合模型应用于IPMN囊肿级别的恶性风险分层，并在多中心队列中验证其可行性 | 模型性能仍需提升以满足独立临床应用需求，且仅基于T2W和T1W序列 | 开发AI模型以区分IPMNs的高危与低危病变，减少不必要的医疗程序 | IPMN（导管内乳头状黏液性肿瘤）患者 | 医学影像分析 | 胰腺癌 | MRI成像 | 深度学习模型, 放射组学模型 | MRI图像 | 359例T2加权MRI图像，来自七个中心 | NA | NA | AUC, 准确率, 加权Cohen's kappa系数 | NA |
| 1303 | 2026-03-29 |
RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study
2026-Jan, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.09.051
PMID:41052566
|
研究论文 | 本研究利用基于深度学习的M2M模型从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模队列中评估了其与年龄、性别、种族及自我报告青光眼等因素的关联 | 首次在基于人群的大型队列研究中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性 | 研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断可能存在误报 | 评估加拿大老龄化纵向研究队列中与视网膜神经纤维层厚度相关的因素 | 加拿大老龄化纵向研究基线综合队列的参与者，年龄45-85岁 | 数字病理学 | 青光眼 | 眼底摄影，光学相干断层扫描 | 深度学习 | 图像 | 28,114名参与者 | NA | M2M | Pearson相关系数，回归系数 | NA |
| 1304 | 2026-03-29 |
AutoGlom: software tool for segmentation and analysis of magnetic resonance images of the kidney
2026-Jan-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00325.2025
PMID:41264403
|
研究论文 | 本文介绍了一款名为AutoGlom的开源软件工具，该工具集成了人工智能技术，用于肾脏三维磁共振图像的自动分割、分析和可视化 | 开发了首个开源、模块化、可扩展的肾脏MRI分析软件，集成了深度学习分割算法，并引入了新的图像质量指标（肾小球对比度）以提高可靠性，同时设计了3D打印支架实现多肾脏高通量成像 | 当前版本主要专注于形态学分割和量化，尚未扩展到体内研究或其他成像模态 | 开发标准化、可重复的肾脏磁共振图像分析工具，以加速肾脏成像生物标志物的发现 | 小鼠肾脏（离体） | 数字病理学 | 肾脏疾病 | 阳离子铁蛋白增强磁共振成像（CFE-MRI） | 深度学习 | 三维磁共振图像 | 最多可同时成像16个小鼠肾脏 | NA | NA | 肾小球对比度 | NA |
| 1305 | 2026-03-28 |
Advanced deep learning strategies in nanopore RNA sequencing
2026-12, RNA biology
IF:3.6Q2
DOI:10.1080/15476286.2026.2627968
PMID:41663212
|
综述 | 本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略 | 聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出 | NA | 评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用 | RNA分子上的化学修饰（表观转录组） | 自然语言处理, 机器学习 | NA | 纳米孔直接RNA测序 | CNN, RNN | 测序信号数据 | NA | NA | NA | NA | NA |
| 1306 | 2025-11-22 |
NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning
2026-Apr, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.70470
PMID:41264380
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1307 | 2026-03-28 |
Deep learning in fetal, infant, and toddler neuroimaging research
2026-Apr, Developmental cognitive neuroscience
IF:4.6Q1
DOI:10.1016/j.dcn.2026.101680
PMID:41604954
|
综述 | 本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知过程建模和自动化视频标记 | 针对胎儿、婴儿和幼儿神经影像数据稀缺和变异性大的挑战，系统介绍了深度学习作为适应性框架的应用，并面向非AI专业的研究人员提供了可访问的概述 | 综述内容非详尽，且该领域面临数据标注有限、成像协议多变和临床风险高等普遍挑战 | 探讨深度学习在胎儿、婴儿和幼儿神经影像研究中的潜力和应用，以促进该领域的发展 | 胎儿、婴儿和幼儿的神经影像数据 | 医学影像分析 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 1308 | 2026-03-28 |
Particulate matter emission area identification based on phenomenological atmospheric dispersion and deep learn algorithms
2026-Apr, Environmental technology
IF:2.2Q3
DOI:10.1080/09593330.2025.2573837
PMID:41097995
|
研究论文 | 本研究开发了一个结合计算流体动力学和人工神经网络的集成框架，用于在平坦地形中精确定位颗粒物排放源 | 提出了一种结合CFD模拟和深度学习算法的新框架，用于实时识别PM排放源，在工业区和港口环境中实现了重大突破 | 研究仅针对平坦地形，未考虑复杂地形条件；模拟数据集规模相对有限（243次运行） | 开发实时颗粒物排放源定位方法，以支持环境监管、工业责任追究和公共健康保护 | 工业区和港口区域的多重颗粒物排放源 | 机器学习 | NA | 计算流体动力学模拟，人工神经网络 | LSTM, CNN | 模拟数据 | 243次CFD模拟运行，包含不同风速、风向、排放高度和排放间隔的组合 | NA | 长短期记忆网络，一维卷积神经网络 | F1分数 | NA |
| 1309 | 2026-03-28 |
Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70406
PMID:41881558
|
研究论文 | 本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响 | 首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能 | 研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力 | 开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影 | 肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据 | 医学影像分析 | 肺疾病 | 4DCT成像，SPECT通气成像 | 深度学习模型 | CT图像 | 44例配对吸气CT和SPECT扫描病例 | PyTorch | SwinUNETR, U-Net | Spearman相关系数 | NA |
| 1310 | 2026-03-28 |
Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides
2026-Mar-27, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04165
PMID:41698001
|
研究论文 | 本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析 | 提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类 | 未明确提及 | 开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征 | 微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物 | 计算机视觉 | NA | 可见-近红外微高光谱成像 | CNN | 高光谱图像 | 包含8种化学物种的挑战性数据集 | NA | 定制的多注意力3D卷积神经网络（带残差连接） | 准确率 | NA |
| 1311 | 2026-03-28 |
Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning
2026-Mar-27, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04107
PMID:41785406
|
研究论文 | 本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统 | 结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测 | 未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证 | 开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断 | 痕量NO2气体 | 机器学习 | 呼吸系统疾病 | 气体传感技术 | CNN, LSTM | 传感器数据 | NA | NA | 1D-CNN/LSTM | R²值 | NA |
| 1312 | 2026-03-28 |
Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT
2026-Mar-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae5209
PMID:41825133
|
研究论文 | 本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎 | 首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能 | 回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据 | 开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型 | 121名接受根治性调强放疗的局部晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 深度学习，超体素方法，CT成像 | 机器学习 | CT图像，剂量分布图 | 121名患者 | 未明确说明 | 未明确说明 | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 1313 | 2026-03-28 |
Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder
2026-Mar-27, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en26007
PMID:41889261
|
研究论文 | 本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联 | 首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联 | 样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力 | 探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联 | 85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照） | 数字病理学 | 创伤后应激障碍 | T1加权磁共振成像 | 深度学习模型 | 图像 | 85名女性（34名PTSD患者，51名健康对照） | NA | 群体特异性深度学习模型 | 脑年龄差（BAG） | NA |
| 1314 | 2026-03-28 |
The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region
2026-Mar-26, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-026-00913-x
PMID:41886240
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1315 | 2026-03-28 |
Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling
2026-Mar-26, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3670186
PMID:41886318
|
研究论文 | 本文提出了一种基于图神经网络的端到端延迟预测模型，通过引入全局路由表示和路由感知注意力机制，提升了模型对未见路由方案的泛化能力 | 提出了不依赖路由序列的全局路由表示方法，设计了路由感知注意力机制，并采用掩码子图采样策略从部分流交互中推断全局路由相关性 | 未来需要在更复杂和动态的路由场景下进一步验证模型性能 | 提高端到端延迟预测的鲁棒性和泛化能力，以支持智能网络管理 | 网络流量端到端延迟 | 机器学习 | NA | 图神经网络 | GNN | 图数据 | 四个公开数据集：TnCwD、NSFNET、GBN、GEANT2 | NA | 图神经网络（含路由感知注意力机制） | 预测精度 | NA |
| 1316 | 2026-03-28 |
Less is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts
2026-Mar-26, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3675500
PMID:41886321
|
研究论文 | 本文提出了一种基于语义引导的多特征专家混合的红外与可见光图像融合方法，旨在提升融合图像质量并促进后续语义分割任务 | 引入语义引导的多特征专家混合机制，动态选择专家网络处理不同特征类型，有效减少模态冗余并提升融合效果 | 未明确说明方法在极端光照或复杂动态场景下的泛化能力，且计算复杂度可能较高 | 开发一种能够有效整合红外与可见光图像互补信息、减少冗余的红外与可见光图像融合方法 | 红外与可见光图像对 | 计算机视觉 | NA | NA | 专家网络混合模型 | 图像 | 在五个红外与可见光图像融合和分割基准数据集上进行了广泛实验 | NA | 语义引导的多特征专家混合架构 | NA | NA |
| 1317 | 2026-03-28 |
DeepLMI: Deep Feature Mining with a Globally Enhanced Graph Convolutional Network for Robust lncRNA-miRNA Interaction Prediction
2026-Mar-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag145
PMID:41886347
|
研究论文 | 提出DeepLMI框架，通过深度特征挖掘和全局增强图卷积网络预测lncRNA-miRNA相互作用 | 结合序列预训练与自注意力机制学习lncRNA多尺度语义表示，融合异质特征进行miRNA编码，并设计全局增强图卷积网络同时建模局部邻域和全局拓扑信号 | 未明确提及 | 准确预测lncRNA-miRNA相互作用以理解疾病机制和发现治疗靶点 | 长链非编码RNA（lncRNA）和微小RNA（miRNA） | 机器学习 | NA | 深度特征挖掘，图卷积网络 | GCN，自注意力机制 | 序列数据，图结构数据 | NA | NA | Global-Enhanced Graph Convolutional Network (GE-GCN) | NA | NA |
| 1318 | 2026-03-28 |
Automating Adolescent Idiopathic Scoliosis Classification: An Interpretable, Workflow-Based Approach to Lenke Classification: Commentary on an article by Lingcong Xu, MD, et al.: "A Fully Automated Multistage Deep Learning System for Lenke Classification. Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis"
2026-Mar-26, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.26.00074
PMID:41886543
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1319 | 2026-03-28 |
Distinctive DNA sequence features define epigenetic longevity of inflammatory memory
2026-Mar-26, Science (New York, N.Y.)
DOI:10.1126/science.adz6830
PMID:41886579
|
研究论文 | 本研究通过深度学习探究小鼠表皮干细胞在银屑病样皮肤炎症后形成的长期表观遗传记忆机制，发现CpG二核苷酸密度是记忆持久性的主要驱动因素 | 首次揭示DNA序列特征（特别是CpG密度）通过整合DNA去甲基化、甲基敏感转录因子、核小体排斥倾向和组蛋白变体H2A.Z等多重机制，驱动炎症记忆在细胞世代间持久维持 | 研究基于小鼠模型，人类组织中的验证尚需进一步研究；深度学习模型的具体架构和训练细节未在摘要中详细说明 | 探究炎症记忆在组织干细胞中如何跨时间和细胞分裂持久维持的表观遗传机制 | 小鼠表皮干细胞 | 表观遗传学 | 银屑病 | 深度学习，染色质可及性分析，DNA甲基化分析 | 深度学习模型 | 染色质动态数据，DNA序列数据 | NA | NA | NA | NA | NA |
| 1320 | 2026-03-28 |
A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations
2026-Mar-26, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-2679
PMID:41886621
|
研究论文 | 本研究开发了一种结合HLA结合和TCR识别特征的深度学习驱动新抗原预测算法TCRscore，并利用患者来源的胶质母细胞瘤类器官模型进行功能验证，以识别胶质母细胞瘤中的通用新抗原 | 整合了HLA结合和TCR识别特征的新抗原预测算法TCRscore，结合患者来源的类器官模型进行功能验证，提高了预测准确性并识别出潜在共享新抗原 | 未明确说明算法在更大规模数据集上的泛化能力，类器官模型可能无法完全模拟体内肿瘤微环境的复杂性 | 提高胶质母细胞瘤新抗原的识别准确性和免疫原性验证 | 胶质母细胞瘤患者来源的肿瘤样本和类器官模型 | 机器学习 | 胶质母细胞瘤 | ELISpot检测、流式细胞术、体外杀伤实验、类器官-T细胞共培养系统 | 深度学习 | 基因组数据、转录组数据、类器官图像数据 | 21例异柠檬酸脱氢酶野生型肿瘤来源的胶质母细胞瘤类器官模型 | NA | NA | 预测准确性 | NA |