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 1515 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-03-06 |
Diagnostic performance of deep learning for predicting glioma isocitrate dehydrogenase and 1p/19q co-deletion in MRI: a systematic review and meta-analysis
2026-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11898-2
PMID:40817944
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于深度学习的影像组学模型利用MRI序列无创预测胶质瘤患者IDH突变和1p/19q共缺失状态的诊断性能，并识别了影响准确性和泛化性的方法学因素 | 首次对基于深度学习的MRI影像组学模型在预测胶质瘤IDH突变和1p/19q共缺失状态方面的诊断性能进行了全面的系统综述和荟萃分析，并识别了肿瘤分割方法和深度学习在影像组学流程中的整合程度是研究间异质性的重要来源 | 研究纳入的文献存在异质性，临床转化仍需多中心数据协调、标准化自动分割、广泛的外部验证和前瞻性临床验证等关键步骤 | 评估基于深度学习的影像组学模型在胶质瘤分子分类中的诊断性能，并探讨影响其准确性的方法学因素 | 胶质瘤患者的MRI影像数据 | 数字病理学 | 胶质瘤 | MRI | 深度学习模型 | 医学影像（MRI） | 来自1517篇独特出版物，其中104篇用于定性综合，72篇用于荟萃分析 | NA | NA | 敏感性, 特异性 | NA |
| 362 | 2026-03-06 |
Deep learning-based radiomics does not improve residual cancer burden prediction post-chemotherapy in LIMA breast MRI trial
2026-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11801-z
PMID:40770139
|
研究论文 | 本研究评估了基于深度学习的放射组学在预测局部晚期乳腺癌新辅助化疗后残留癌症负担方面的附加价值，并与标准预测因子（肿瘤体积和亚型）进行比较 | 首次在LIMA试验中比较了三种深度学习网络（nnU-Net、Attention U-net和向量量化编码器-解码器）提取的深度放射组学特征与肿瘤体积和亚型在预测残留癌症负担方面的性能 | 研究为回顾性设计，样本量有限（训练集105例，测试集41例），且未观察到深度学习模型与标准预测因子之间存在统计学显著差异 | 评估深度放射组学在预测乳腺癌新辅助化疗后残留癌症负担方面的潜在附加价值 | 局部晚期乳腺癌患者在新辅助化疗后但手术前的MRI影像 | 数字病理学 | 乳腺癌 | DCE-MRI（动态对比增强磁共振成像） | CNN | 医学影像（MRI） | 训练集105例（单机构），测试集41例（三机构外部验证） | PyTorch | nnU-Net, Attention U-net, 向量量化编码器-解码器 | AUC（曲线下面积）, Spearman相关系数 | NA |
| 363 | 2026-02-28 |
Dual-path deep learning framework for accurate and interpretable brain tumor diagnosis
2026-Feb-26, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03367-7
PMID:41749213
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 364 | 2026-03-05 |
A New Framework for Medium- to Long-Term PM2.5 Predictions Using AI-Based High-Resolution Meteorological Forecasts
2026-Feb-26, Chem & bio engineering
DOI:10.1021/cbe.5c00074
PMID:41777303
|
研究论文 | 本研究提出了一种结合AI网格化气象预报与动态图架构的深度学习框架，用于中长期的PM2.5预测 | 通过AI网格化气象预报与动态图架构结合，捕捉污染物传输的时空演化模式，实现更准确的长期预测，相比传统方法显著降低误差 | 未明确说明模型在极端天气或复杂地形条件下的适用性，且依赖于外部气象预报数据的准确性 | 开发一种高效、可操作的中长期PM2.5预测框架，以支持空气质量管理和公共健康保护 | PM2.5浓度预测，特别是在城市和区域环境中的中长期预测 | 机器学习 | NA | 深度学习，动态图架构 | 深度学习模型 | 网格化气象预报数据，PM2.5观测数据 | NA | NA | 动态图架构 | RMSE, MAE | NA |
| 365 | 2026-03-05 |
Adaptive optimization of combined steam and CO2 reforming for hydrogen production from variable biogas feed
2026-Feb-24, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2026.134283
PMID:41747899
|
研究论文 | 本研究开发了一种用于沼气制氢过程的自适应优化框架，以应对沼气成分的动态变化 | 提出了一种新颖的多任务数字孪生优化框架，用于基于联合蒸汽和CO2重整的沼气制氢过程的进料自适应操作 | NA | 系统研究沼气成分变化对沼气制氢过程的影响，并开发自适应优化框架以实现高效、可持续的制氢 | 沼气制氢过程，特别是联合蒸汽和CO2重整过程 | 机器学习 | NA | NA | 深度学习代理模型，多任务进化优化算法，K-最近邻分类器 | 工艺参数数据，沼气成分数据，经济与环境指标数据 | NA | NA | NA | 单位氢气生产成本，净CO排放量，氢气生产效率 | NA |
| 366 | 2026-02-12 |
A federated deep learning approach for SDN security with quantum optimized feature selection and hybrid MSDC net architecture
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37289-1
PMID:41667560
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 367 | 2026-03-05 |
When LLMs speak ZigBee: exploring low-latency and reasoning models for network traffic generation
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37246-y
PMID:41667632
|
研究论文 | 本文提出了一种利用大型语言模型（如GPT-4.1和GPT-5）生成语义有意义且符合ZigBee协议规范的合成网络流量的新框架 | 首次将大型语言模型应用于ZigBee网络流量生成，结合基于样本的小样本学习、提示工程和人机交互反馈机制，实现了数据驱动的高保真流量生成 | 未明确说明训练数据的具体规模和来源，且仅针对ZigBee协议进行了评估，对其他物联网协议的泛化能力有待验证 | 探索低延迟和推理模型在网络流量生成中的应用，为物联网系统的测试、仿真和安全评估提供更真实的流量数据 | ZigBee网络流量数据包 | 自然语言处理 | NA | NA | LLM, RNN, GAN | 网络流量数据包 | NA | NA | GPT-4.1, GPT-5 | Jensen-Shannon Divergence, 协议合规性, 语义正确性, 时间一致性, 多样性指标 | NA |
| 368 | 2026-03-05 |
ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms
2026-Feb-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.23.689996
PMID:41394697
|
研究论文 | 本文提出了一种基于SAM2的两阶段微调AI方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜 | 首次将Segment Anything Model 2 (SAM2)应用于冷冻电子断层扫描图像分割，并针对该领域低信噪比和缺失楔形伪影等挑战进行了两阶段微调设计 | 未明确说明模型在更广泛数据集上的泛化能力，且仅针对细胞膜分割进行了验证 | 开发一种能够克服冷冻电子断层扫描图像固有噪声和伪影的细胞膜分割方法 | 冷冻电子断层扫描图像中的细胞膜结构 | 计算机视觉 | NA | 冷冻电子断层扫描 | 深度学习 | 图像 | 83个实验断层扫描图（来自CryoET Data Portal数据库）和28个模拟断层扫描图（使用PolNet生成） | PyTorch | Segment Anything Model 2 (SAM2) | 灵敏度, 精确度 | NA |
| 369 | 2026-03-05 |
SPCNNet: spiking point cloud neural network for morphological neuron classification
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38839-3
PMID:41663568
|
研究论文 | 提出了一种用于形态学神经元分类的脉冲点云神经网络模型，可直接处理3D点云数据 | 首次将脉冲神经网络应用于3D神经元点云分类，设计了将SWC数据转换为点云并编码为脉冲序列的表示策略 | 未明确说明模型在更大规模或更多样化数据集上的泛化能力 | 改进形态学神经元分类性能，揭示神经系统的功能特性与信息传递机制 | 神经元形态数据 | 计算机视觉 | NA | 点云处理，脉冲编码 | 脉冲神经网络 | 3D点云 | 两个NeuroMorpho数据集 | NA | SPCNNet | 分类准确率 | NA |
| 370 | 2026-03-05 |
A Novel Hybrid Approach To Drought Forecasting: Leveraging Feature Engineering And Ensemble Methods
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37206-6
PMID:41663599
|
研究论文 | 本文提出了一种结合特征工程与集成方法的混合干旱预测模型，以提高对复杂非线性气候模式的预测准确性 | 通过特征工程创建新特征，并将其与机器学习集成分类器结合，形成一种新颖的混合预测方法 | 未明确提及模型的具体局限性，如对数据质量的依赖或计算资源需求 | 提高干旱预测的准确性，以支持农业可持续性和灾害管理 | 历史气象和环境参数数据集 | 机器学习 | NA | 特征工程，集成学习 | 决策树，支持向量机，深度学习模型 | 气象和环境数据 | NA | NA | NA | 准确率，精确率，F1分数 | NA |
| 371 | 2026-03-05 |
A multimodal AI biomarker PATH-ORACLE improves prediction of recurrence in stage I lung adenocarcinoma
2026-Feb-09, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.28.26344973
PMID:41646758
|
研究论文 | 本文介绍了一种名为PATH-ORACLE的多模态AI生物标志物，用于改善I期肺腺癌复发预测 | 结合转录组学评分与组织学切片的多模态深度学习方法，相比单一预测因子（如IASLC分级系统或转录组学特征）提供更高的预后预测能力 | 需要进一步验证以确认其临床适用性，且目前仅针对I期肺腺癌进行研究 | 提高I期肺腺癌复发风险分层准确性，以指导辅助治疗决策 | I期肺腺癌患者 | 数字病理学 | 肺癌 | 转录组学分析，组织学切片处理 | 深度学习 | 图像，转录组学数据 | 在两个独立队列中进行评估，具体样本数量未明确说明 | NA | 基于预训练基础模型的多模态架构 | 准确率 | NA |
| 372 | 2026-03-05 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2026-Feb-02, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100973
PMID:41638573
|
研究论文 | 本研究提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从未吸烟者肺腺癌的病理全切片图像中同时预测16种分子改变 | 首次针对从未吸烟者肺腺癌这一分子和组织学上独特的肺癌亚型，应用深度学习从病理图像推断遗传特征，并采用简化的残差块、选择性捷径连接和基于sigmoid的分类头等架构修改，以降低计算复杂度并保持预测准确性 | 对于肿瘤突变负荷、APOBEC突变特征和KRAS热点突变（如p.G12D）的预测性能较低至中等，模型性能在这些特征上有限 | 开发一种深度学习模型，从从未吸烟者肺腺癌的病理全切片图像中预测多种分子改变，以支持分子检测的分流和精准治疗策略 | 从未吸烟者肺腺癌患者的病理全切片图像 | 数字病理学 | 肺癌 | 苏木精和伊红染色全切片图像分析 | CNN | 图像 | 495张全切片图像，来自Sherlock-Lung研究 | NA | ResNet50 | AUROC | NA |
| 373 | 2026-03-05 |
Early outcome-prediction with an automated EEG background trend in hypothermia-treated newborns with encephalopathy
2026-Feb, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-025-04193-9
PMID:40523949
|
研究论文 | 本研究评估了基于深度学习的自动化连续脑电图背景趋势（BSN）在低温治疗的缺氧缺血性脑病新生儿中早期预测预后的准确性 | 首次在完全接受低温治疗的新生儿队列中应用BSN趋势，并证明其在出生后6-12小时即可高度预测长期预后 | 研究样本量相对较小（85名婴儿），且为单区域队列研究 | 评估自动化脑电图背景趋势（BSN）在低温治疗的缺氧缺血性脑病新生儿中的早期预测准确性 | 85名接受低温治疗的疑似缺氧缺血性脑病新生儿 | 数字病理学 | 新生儿缺氧缺血性脑病 | 脑电图（EEG），振幅整合脑电图（aEEG） | 深度学习 | 脑电图信号 | 85名婴儿 | NA | NA | AUC, 阳性预测值 | NA |
| 374 | 2026-02-03 |
Single‑center weakly supervised deep learning prediction of KRAS, NRAS, BRAF, and HER2 status in colorectal cancer from histopathology images using internal cross‑validation
2026-Feb-01, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-026-04211-8
PMID:41622176
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 375 | 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 |
| 376 | 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 |
| 377 | 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 |
| 378 | 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 |
| 379 | 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 |
| 380 | 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 |