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 1484 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 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 |
| 442 | 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 |
| 443 | 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 |
| 444 | 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 |
| 445 | 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 |
| 446 | 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 |
| 447 | 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 |
| 448 | 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 |
| 449 | 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 |
| 450 | 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 |
| 451 | 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 |
| 452 | 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 |
| 453 | 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 |
| 454 | 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 |
| 455 | 2026-03-03 |
Interpretable Deep Learning for Single-Molecule Nanopore Fingerprinting Using Physics-Guided Preprocessing
2026-Feb-20, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04784
PMID:41719081
|
研究论文 | 本文提出了一种用于单分子纳米孔指纹识别的可解释深度学习框架，该框架结合了物理引导的预处理和紧凑的神经网络分类器 | 提出了一种直接处理原始脉冲信号的可解释机器学习框架，将物理引导的时频变换与紧凑的神经网络分类器及特征归因图相结合，并引入了实用的“定制滤波器”设计原则 | 未明确说明模型在更广泛分子类型或复杂样本中的泛化能力，也未详细讨论计算效率或实时处理性能 | 开发一种快速、稳健且可解释的单分子纳米孔指纹识别方法，用于生物制造、诊断和环境监测 | 两种尺寸相似但几何结构不同的自组装DNA纳米结构 | 机器学习 | NA | 纳米孔传感 | 神经网络分类器, SVM | 原始离子电流脉冲信号 | NA | NA | NA | 准确率 | NA |
| 456 | 2026-03-03 |
How to Train Custom Cell Segmentation Models Using Cell-APP
2026-Feb-20, Bio-protocol
IF:1.0Q3
DOI:10.21769/BioProtoc.5618
PMID:41769259
|
研究论文 | 本文介绍了一种名为Cell-APP的工具，用于自动化生成透射光细胞分割模型的训练数据，并提供了使用该工具训练自定义细胞分割模型的逐步协议 | 开发了Cell-APP工具，通过结合荧光图像和提示式深度学习模型SAM，自动化生成高质量的细胞分割训练数据，解决了手动标注耗时的问题 | 需要配对的透射光和荧光图像，且荧光图像中的每个细胞必须具有完整且空间上独立的信号，这限制了其应用范围 | 自动化生成细胞分割模型的训练数据，以加速细胞生物学中的显微镜分析 | HeLa、U2OS、HT1080和RPE-1细胞 | 数字病理学 | NA | 显微镜成像、荧光成像、透射光成像 | 深度学习模型 | 图像 | HeLa、U2OS、HT1080和RPE-1细胞的延时电影数据 | NA | SAM | 空间和时间一致性 | NA |
| 457 | 2026-03-03 |
Computational approaches for RNA structure prediction and design
2026-Feb-18, Cell reports. Physical science
DOI:10.1016/j.xcrp.2026.103097
PMID:41769665
|
综述 | 本文综述了计算RNA结构预测和设计领域的最新进展，特别是深度学习方法的变革性影响 | 概述了深度学习如何超越传统同源性和建模方法，显著提高RNA结构预测准确性，并介绍了基于多序列比对、无多序列比对以及通用模型等策略 | NA | 综述计算RNA结构预测和设计的方法进展，并探讨当前挑战和未来方向 | RNA的三维结构 | 计算生物学 | NA | 深度学习 | NA | 序列数据（多序列比对、单序列） | NA | NA | NA | NA | NA |
| 458 | 2026-03-03 |
Integration of traditional Chinese medicine and machine learning: Opportunities, obstacles, and implications for future of healthcare
2026-Feb-17, Journal of integrative medicine
DOI:10.1016/j.joim.2026.02.004
PMID:41765716
|
综述 | 本文综述了机器学习在传统中医中的应用现状，探讨了将中医与机器学习整合的机遇、障碍及对医疗未来的影响 | 提出将知识图谱与深度学习结合以增强中医诊断、治疗规划和预后评估，并讨论了凸机器学习在优化中医测试算法中的潜力 | 面临数据标准化、伦理法律框架以及跨学科合作等主要障碍 | 探索机器学习与传统中医整合的机遇与挑战，以推动中医现代化并提升未来医疗系统效能 | 传统中医的理论、实践及其与机器学习技术的结合 | 机器学习 | NA | 机器学习，深度学习 | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 459 | 2026-03-03 |
Entropy Production in Non-Gaussian Active Matter: A Unified Fluctuation Theorem and Deep Learning Framework
2026-Feb-13, Physical review letters
IF:8.1Q1
DOI:10.1103/y94p-4qcz
PMID:41765831
|
研究论文 | 本文提出了一个用于推导非高斯活性物质系统中熵产生率的通用理论框架，并引入了基于深度学习的高效计算方法 | 提出了适用于非高斯活性涨落的熵产生分解公式和涨落定理，并创新性地结合深度学习技术（Lévy评分）进行高效计算 | 研究主要基于稳态条件，虽然可扩展至任意初始状态，但未讨论具体非稳态过程的适用性 | 建立活性物质系统中非平衡热力学行为的统一分析框架和计算工具 | 活性物质系统，特别是受非高斯活性涨落驱动的系统 | 机器学习 | NA | 概率流等价技术，深度学习 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 460 | 2026-03-03 |
UCSF RMaC: University of California San Francisco 3D Multi-Phase Renal Mass CT Dataset with Tumor Segmentations
2026-Feb-12, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.11.26346096
PMID:41728332
|
研究论文 | 本文介绍了UCSF RMaC数据集，一个包含831个多期相3D CT检查的肾肿瘤数据集，用于支持深度学习模型在肾肿瘤亚型分类和分级预测中的研究 | 提供了大规模、多样化的多期相3D肾肿瘤CT数据集，包含肿瘤轮廓或边界框标注、病理结果和患者元数据，旨在改善模型性能并强化评估集 | 未提及模型性能的具体限制，但暗示现有方法在肾肿瘤亚型区分和分级预测上效果不一，需要更大数据集来提升 | 通过提供大规模数据集，促进深度学习、放射组学和纹理分析在肾肿瘤亚型分类及分级预测中的应用研究 | 肾肿瘤，特别是良性嗜酸细胞瘤、透明细胞肾细胞癌（RCC）以及低级别与高级别RCC | 数字病理学 | 肾癌 | 多期相3D CT成像 | NA | 3D CT图像 | 831个多期相3D CT检查，每个检查包含最多三个对比增强CT期相 | NA | NA | NA | NA |