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 1071 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2026-02-18 |
Deep learning inversion of water content and relaxation time in water-bearing fracture zones based on surface NMR data
2026-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40506-6
PMID:41699053
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 222 | 2026-02-18 |
De novo design of GPCR exoframe modulators
2026-Feb-16, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09957-1
PMID:41699180
|
研究论文 | 本文介绍了一种名为GPCR外框调节器（GEMs）的新型蛋白质设计，这些蛋白质通过靶向G蛋白偶联受体的跨膜结构域，实现多样化的变构调节功能 | 首次利用幻觉式设计方法从头设计出靶向GPCR跨膜结构域的蛋白质调节器，实现了包括激动剂-正变构调节器、负变构调节器和偏向性变构调节器在内的多种功能 | 研究仅以多巴胺D受体作为原型模型进行验证，尚未扩展到其他GPCR家族成员 | 开发新型变构调节策略以靶向G蛋白偶联受体，用于治疗相关疾病 | G蛋白偶联受体（GPCRs）及其跨膜结构域 | 机器学习 | GPCR相关疾病 | 幻觉式设计方法 | 深度学习 | 蛋白质结构数据 | 四种GEMs蛋白质 | NA | NA | NA | NA |
| 223 | 2026-02-18 |
Deep Learning-Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv12
2026-Feb-16, Odontology
IF:1.9Q2
DOI:10.1007/s10266-026-01333-3
PMID:41699374
|
研究论文 | 本研究比较了YOLOv11和YOLOv12两种深度学习架构在全景X光片上自动诊断13种牙科疾病的性能 | 首次对下一代深度学习架构YOLOv11和YOLOv12在全景X光片自动诊断中的性能进行对比分析，并使用了混合数据集测试泛化能力 | 对于细微病理如骨质流失和龋齿的检测性能较低 | 优化临床工作流程并减少诊断变异性，通过自动诊断图表提升诊断准确性和效率 | 全景X光片中的13种不同牙科疾病，包括龋齿、种植体、骨质流失和阻生牙等 | 计算机视觉 | 牙科疾病 | 全景X光成像 | YOLOv11, YOLOv12 | 图像 | 2,297张全景X光片（1,579张来自单一机构，718张来自Roboflow Universe外部数据集） | NA | YOLOv11, YOLOv12 | 平均精度均值（mAP@0.5）、精确率、召回率、F1分数 | NA |
| 224 | 2026-02-18 |
Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus
2026-Feb-16, BMC research notes
IF:1.6Q2
DOI:10.1186/s13104-026-07719-4
PMID:41699726
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 225 | 2026-02-15 |
Modern resources for intrinsic disorder predictions: protein language models, deep learning, meta-servers, and databases
2026-Feb-14, Cellular and molecular life sciences : CMLS
IF:6.2Q1
DOI:10.1007/s00018-026-06087-3
PMID:41689628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 226 | 2026-02-18 |
Sheep Face Identification Using Multi-Model Deep Learning Evaluation and Ensemble Learning
2026-Feb-14, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2026.152805
PMID:41698442
|
研究论文 | 本研究通过重构数据集，系统评估了16种深度学习架构及三种集成学习方法，用于实现基于面部图像的绵羊个体识别，并开发了用户友好的图形界面 | 首次系统比较了多种现代深度学习架构在绵羊面部识别中的应用，并提出了堆叠集成方法，显著提升了识别性能 | 数据集规模有限，未来需扩展数据以提升模型在不同农场环境下的鲁棒性 | 开发一种基于深度学习的非接触式、快速且用户友好的绵羊个体识别系统，以改进畜牧管理 | 绵羊面部图像 | 计算机视觉 | NA | 图像增强、深度学习模型微调、集成学习 | CNN | 图像 | 172只独特绵羊的1,680张原始面部图像，经增强后扩展至14,810张图像 | TensorFlow, Keras | EfficientNetB0, EfficientNetB1, EfficientNetB2, EfficientNetB3, EfficientNetB5, DenseNet121, DenseNet169, DenseNet201, MobileNetV2, MobileNetV3-Small, MobileNetV3-Large, ResNet50, InceptionV3, NASNetMobile, Xception, VGG16 | 准确率 | NA |
| 227 | 2026-02-18 |
MRI-based Radiomics and volumetrics for predicting the onset of Alzheimer's Disease with explainable machine learning
2026-Feb-14, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121813
PMID:41698489
|
研究论文 | 本文利用基于MRI的影像组学和体积测量，结合可解释的机器学习方法，预测阿尔茨海默病的发病风险 | 通过结合影像组学特征与时间到事件模型，并利用SHAP和高层次解释方法，揭示了MRI纹理、形状、体积以及神经心理测试、社会人口学特征对AD风险评分的影响，克服了传统深度学习方法可解释性不足的问题 | 尽管在外部验证中表现出中等到高度的可重复性，但数据分布的差异可能影响模型性能 | 预测阿尔茨海默病的发病风险 | 阿尔茨海默病患者及风险人群 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | 机器学习模型 | MRI图像, 神经心理测试数据, 社会人口学数据, 遗传数据 | ADNI数据集用于训练和内部验证，AIBL和OASIS-3用于外部验证 | NA | 时间到事件模型 | Brier分数 | NA |
| 228 | 2026-02-18 |
Bridging clinical narratives and structured phenotypes with large language models and sentence transformers
2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2026.02.009
PMID:41698530
|
研究论文 | 本文提出了一种名为LEAP的两阶段框架，用于从电子健康记录中提取结构化表型，结合大型语言模型和句子转换器模型以提高自动化表型映射的准确性和效率 | 提出LEAP框架，整合大型语言模型进行自由文本表型提取和句子转换器模型进行HPO映射，解决了长上下文处理和非存在标识符生成的问题，实现了显著的性能提升 | 未明确提及模型在更广泛或多样化临床数据集上的泛化能力，以及计算资源需求的具体细节 | 开发一个自动化框架，从非结构化的电子健康记录中提取和映射标准化的人类表型本体标识符，以支持孟德尔疾病诊断和基因-表型关联研究 | 电子健康记录中的临床叙事文本和人类表型本体标识符 | 自然语言处理 | 孟德尔疾病 | 大型语言模型, 句子转换器模型 | BERT, LLM | 文本 | 5,330,557个实例的大规模数据集 | NA | 句子转换器 | 精确度, F1分数 | NA |
| 229 | 2026-02-18 |
Advancing NanoLuc Luciferase Stability beyond Directed Evolution and Rational Design through Expert-Guided Deep Learning
2026-Feb-06, ACS catalysis
IF:11.3Q1
DOI:10.1021/acscatal.5c08789
PMID:41676228
|
研究论文 | 本文提出了一种结合深度学习和结构引导理性设计的混合方法，以开发增强的NanoLuc荧光素酶变体，提高其热稳定性和在高温下的活性 | 通过整合深度学习和结构引导理性设计，克服了传统同源方法在优化NanoLuc荧光素酶时的局限性，特别是在稳定性和活性权衡方面 | 未明确提及具体限制，但可能涉及方法在更广泛酶类应用中的普适性验证 | 优化NanoLuc荧光素酶的热稳定性，以提升其在高温下的生物成像和传感应用性能 | NanoLuc荧光素酶（NLuc）及其工程变体 | 机器学习 | NA | 深度学习，结构引导理性设计，分子动力学模拟，蛋白质折叠研究 | 深度学习模型 | 蛋白质序列和结构数据 | 工程变体库，包括优化变体B.07和B.09 | NA | NA | 熔化温度增加（如7.2°C和5.1°C），高温下活性维持 | NA |
| 230 | 2026-02-18 |
A Multimodal Model for Caries Screening Using Intraoral Images and Questionnaires
2026-Feb-05, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109420
PMID:41650828
|
研究论文 | 本研究开发了一种结合口内图像和问卷数据的多模态深度学习模型，用于儿童龋齿筛查，并与仅使用图像的单一模态模型进行比较 | 通过整合口内图像和问卷数据构建多模态模型，提高了早期龋齿的召回率，同时保持了整体诊断性能 | 需要进一步的大规模、多中心验证来确认其普适性和有效性 | 开发用于儿童龋齿筛查的多模态深度学习模型 | 儿童的口内图像和问卷数据 | 计算机视觉 | 龋齿 | 深度学习 | 多模态深度学习模型 | 图像, 文本 | 7671张图像（3913张咬合面图像和3758张光滑面图像） | NA | NA | 准确率, 精确率, 召回率, F1分数, ROC-AUC | NA |
| 231 | 2026-02-18 |
High-dimensional imaging using combinatorial channel multiplexing and deep learning
2026-Feb, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02585-0
PMID:40133518
|
研究论文 | 本文介绍了一种名为CombPlex的组合染色平台，结合深度学习算法框架，通过组合通道复用技术指数级增加可测量的蛋白质数量 | 提出组合染色平台CombPlex，通过将多个蛋白质组合压缩到少数成像通道中，再利用深度学习进行解压缩，无需专用仪器即可显著提升成像通量 | 未明确说明该方法在极端组织样本或低表达蛋白质情况下的性能限制，也未讨论计算复杂度对实际应用的影响 | 开发一种能够量化多个蛋白质在单细胞分辨率下表达并保留空间信息的成像工具 | 多种组织和癌症类型中的蛋白质表达 | 数字病理学 | 癌症 | 组合染色技术，荧光显微镜，质谱成像 | 深度学习模型 | 图像 | NA | NA | NA | 准确重建 | NA |
| 232 | 2026-02-18 |
Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease
2026-Feb, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.10.043
PMID:41151636
|
研究论文 | 本研究通过比较多种生存机器学习模型，旨在预测外周动脉疾病患者的无截肢生存期，并开发患者特异性风险分层工具 | 首次将多种非竞争风险和竞争风险机器学习模型（包括DeepHit）应用于外周动脉疾病的无截肢生存期预测，并识别关键预测因子如疾病状态、糖尿病和药物治疗 | 研究基于单中心回顾性数据，缺乏外部验证，限制了临床应用的直接推广 | 改进传统Cox比例风险模型在预测外周动脉疾病患者无截肢生存期方面的局限性，并开发临床决策支持工具 | 外周动脉疾病患者 | 机器学习 | 心血管疾病 | 生存分析 | 条件生存森林, 随机生存森林, DeepHit | 临床数据 | 2366名有症状的外周动脉疾病患者 | NA | 非线性Cox比例风险模型, Fine and Gray亚分布风险模型 | 一致性指数, 综合Brier分数 | NA |
| 233 | 2026-02-18 |
Multiple teachers-meticulous student: A domain adaptive meta-knowledge distillation model for medical image classification
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70350
PMID:41699943
|
研究论文 | 提出了一种名为MT-MS的源无关域自适应元知识蒸馏框架，用于解决医学图像分类中的域偏移、数据依赖、模型复杂性和隐私保护等挑战 | 采用多教师-精细学生架构，在无需访问源数据的情况下，通过元学习策略融合异构源域知识，实现隐私保护的轻量级域自适应分类 | 仅针对二分类任务（呼吸运动伪影检测）进行评估，未展示在多类别复杂医学图像分类任务上的泛化能力 | 开发一种适用于实际临床环境的轻量级、隐私保护的域自适应医学图像分类方法 | 医学图像分类任务，特别是呼吸运动伪影检测 | 计算机视觉 | NA | 深度学习，元学习，知识蒸馏 | CNN，注意力机制 | 医学图像 | 六个公共医学影像数据集，涵盖多种成像模态和临床应用 | NA | 集成卷积和注意力组件的架构 | 准确率，F1分数 | NA |
| 234 | 2026-02-18 |
Impact of dataset size on fine-tuning foundation models for neuroanatomic segmentation: Testing the foundation model hypothesis
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70337
PMID:41699958
|
研究论文 | 本研究评估了两种基础分割模型（SAM和MedSAM）在不同数据集规模下对神经解剖结构进行微调分割的性能，并与标准全监督UNet模型进行比较 | 首次系统性地测试了基础模型假设在神经解剖分割任务中的有效性，特别是在极低数据量场景下的表现 | 研究仅基于单一数据集（HCP年轻成人队列）和特定模态（T1加权3D MRI），结论可能无法推广到其他解剖区域或成像模态 | 验证基础模型在医学影像分割任务中，尤其是在标注数据稀缺时，是否比现有最先进模型能更高效地从小样本数据中学习 | 人类连接组计划年轻成人队列中的1,113个T1加权3D MRI图像，对应93个灰质和白质区域的FreeSurfer生成并经人工细化的分割结果 | 医学影像分析 | NA | T1加权3D磁共振成像 | 基础分割模型, 全监督卷积神经网络 | 3D MRI图像 | 1,113个3D MRI（训练集891个，验证集111个，测试集111个） | NA | SAM, MedSAM, UNet | Dice系数 | NA |
| 235 | 2026-02-18 |
A strategy for simulation-driven CT metal artifact reduction toward improving network generalizability
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70336
PMID:41699969
|
研究论文 | 本文提出了一种结合多层感知机光束硬化校正和条件潜在扩散模型的自监督CT金属伪影减少框架，旨在提高网络泛化能力 | 通过整合物理驱动的MLP光束硬化校正和条件潜在扩散模型，结合伪影模拟技术，实现无需真实配对数据的自监督训练，增强了方法的可扩展性和结构保真度 | 方法依赖于模拟生成的伪影数据，可能无法完全覆盖所有真实临床场景中的复杂伪影模式 | 开发一种基于深度学习的CT金属伪影减少方法，以提高图像重建质量和网络泛化性 | CT图像中的金属伪影 | 医学影像处理 | NA | CT成像 | MLP, LDM | 图像 | SynDeepLesion数据集和真实临床数据 | NA | 多层感知机, 条件潜在扩散模型 | 伪影去除效果, 结构保真度 | NA |
| 236 | 2026-02-18 |
Weakly human-supervised deep learning for real-time detection of high-grade aggressive clear cell renal cell carcinoma on contrast-enhanced CT
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70348
PMID:41699993
|
研究论文 | 本研究开发并验证了一种人机交互网络KtSNet，用于在增强CT图像上实时检测高级别侵袭性肾透明细胞癌 | 结合自监督基础模型与弱监督学习，实现了人机交互的实时检测，并通过大规模跨模态数据集进行预训练以提升性能 | 未明确提及模型在更广泛人群或不同扫描协议下的泛化能力，以及临床部署的具体挑战 | 设计并验证一种基于弱监督学习的人机交互网络，以提升增强CT对高级别侵袭性肾透明细胞癌的检测性能 | 肾透明细胞癌患者，特别是高级别侵袭性亚型 | 数字病理学 | 肾癌 | 对比增强计算机断层扫描 | 深度学习模型 | 医学影像 | 1092名患者，分为训练集（611例）、内部测试集（153例）和外部测试集（328例），预训练使用40000例跨模态数据集 | NA | KtSNet, SSFM | ROC曲线下面积, PR曲线下面积, F1分数 | NA |
| 237 | 2026-02-17 |
SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation
2026-Feb-16, The Analyst
DOI:10.1039/d5an00794a
PMID:41283740
|
研究论文 | 本文介绍了一个名为SpectralFlow的集成平台，用于光谱数据预处理和水果质量评估中的预测建模分析 | 开发了一个集成交互式光谱数据提取与预处理、内置模型库、自定义模型训练、数据集管理和可视化功能于一体的软件平台，解决了现有软件仅支持简单机器学习模型、缺乏复杂超参数调优和先进深度学习架构支持，以及对高光谱图像特征提取功能有限的问题 | NA | 开发一个集成平台以降低光谱分析的技术门槛，优化光谱数据分析并简化模型训练过程 | 水果（芒果、苹果、猕猴桃、梨）的质量评估 | 机器学习 | NA | 近红外光谱，高光谱成像 | NA | 光谱数据，高光谱图像 | NA | NA | NA | 准确率，R平方值 | NA |
| 238 | 2026-02-17 |
Magnetic resonance imaging-based proton dose calculation for pelvic tumors using deep learning
2026-Feb-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae399c
PMID:41544379
|
研究论文 | 本研究探讨了两种基于深度学习的MRI-only质子剂量计算流程在盆腔肿瘤治疗中的可行性和鲁棒性 | 提出了两种全深度学习流程，包括两步法和直接法，用于从MRI直接预测质子剂量分布，并评估其对MRI强度畸变的鲁棒性 | 直接预测流程在治疗计划层面的平均相对误差较高，信息利用效率有待改进 | 研究基于MRI的质子剂量计算在盆腔区域的可行性 | 盆腔肿瘤患者 | 医学影像分析 | 盆腔肿瘤 | 磁共振成像，蒙特卡洛模拟 | 深度学习 | MRI图像，CT图像 | 120名盆腔患者的MRI-CT配对数据 | NA | NA | 伽马通过率，平均相对误差 | NA |
| 239 | 2026-02-17 |
Enhancing transcription factor regulatory network analysis through data balancing and representation learning
2026-Feb-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4239
PMID:41643219
|
研究论文 | 本研究提出了一种结合K-means++聚类与数据平衡策略的新方法，以增强转录因子与靶基因相互作用的预测，并通过深度学习提取异质生物网络的信息表示 | 通过K-means++聚类结合基于逆信息原理的数据平衡策略来缓解数据不平衡问题，并整合随机游走采样与skip-gram嵌入的深度学习以提取异质网络表示 | 未明确提及具体的数据集规模或外部验证结果，可能受限于所用生物数据的质量和覆盖范围 | 提高转录因子与靶基因相互作用预测的准确性，以支持基因调控网络分析和疾病机制研究 | 转录因子与靶基因的相互作用 | 机器学习 | 癌症 | ChIP-seq, RNA-seq | 深度学习 | 生物网络数据 | NA | NA | skip-gram | AUC | NA |
| 240 | 2026-02-17 |
3D deep-learning radiomics from MR-T2WI for predicting placenta accreta spectrum disorders: A multicenter study
2026-Feb-16, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
DOI:10.1002/ijgo.70874
PMID:41696788
|
研究论文 | 本研究开发了一种基于MR-T2WI的三维深度学习放射组学模型，用于预测胎盘植入谱系疾病的风险 | 首次结合三维深度学习与放射组学特征，通过多中心数据验证，显著超越传统放射组学、临床模型及放射科医生的诊断准确性 | 研究为回顾性设计，可能存在选择偏倚；模型性能在外部测试集上略有下降 | 预测胎盘植入谱系疾病的风险 | 疑似胎盘植入谱系疾病的患者 | 数字病理学 | 胎盘植入谱系疾病 | 磁共振成像 | 深度学习 | 三维医学图像 | 601例疑似病例（中心A 476例，中心B 63例，中心C 62例） | PyTorch | ResNet50, DenseNet121, ShuffleNet | AUC | NA |