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 1451 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-03-13 |
Feasibility of Electroencephalography-Based Detection of Single-Flash Microperimetry Stimuli: A Proof-of-Concept Study
2026-Feb-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.12.25335536
PMID:41728305
|
研究论文 | 本研究评估了在非理想同步条件下使用脑电图检测微视野检查单次闪光刺激的可行性，并探索了独立于患者反应的脑电图刺激注册方法 | 首次在缺乏硬件级同步和单次试验分析的条件下，利用深度学习模型从脑电图信号中检测单次闪光微视野刺激，证明了其可行性 | 样本量小（仅两名健康参与者），未使用精确同步，且研究重点在于可行性而非泛化性 | 探索脑电图在微视野检查中作为主观功能测试的客观辅助工具的潜力 | 健康参与者的脑电图信号响应微视野检查中的单次闪光刺激 | 机器学习 | NA | 脑电图 | BiLSTM | 脑电图信号 | 2名健康参与者，12次试验 | NA | 双向长短期记忆网络 | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 562 | 2026-02-08 |
Non-inferiority of automated deep learning-based [18F]FDG PET/CT tumour volume compared to manual GTV for prognostic modelling in head and neck cancer
2026-Feb-06, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-026-01377-0
PMID:41652257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 563 | 2026-02-08 |
Non-contact detection of post-regurgitation deep inhalation in calves using infrared thermography and deep learning-based nostril segmentation
2026-Feb-06, BMC veterinary research
IF:2.3Q1
DOI:10.1186/s12917-026-05340-y
PMID:41652485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 564 | 2026-02-08 |
The diagnostic value of enhanced CT radiomics and deep learning in differentiating pediatric peripheral neuroblastoma from ganglioneuroblastoma
2026-Feb-06, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15665-4
PMID:41652556
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 565 | 2026-02-20 |
Metadata Resolution Spoofing for Pediatric Application of Adult-Trained Deep Learning Models for Pancreas Segmentation on CT
2026-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.33778
PMID:41090642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 566 | 2026-03-13 |
An Interpretable Chest X-ray Classification Framework Using Prototype Memory and Counterfactual Consistency
2026-Feb, Cureus
DOI:10.7759/cureus.103134
PMID:41815616
|
研究论文 | 本研究提出了一种名为CXR-NeXus的可解释性胸部X光分类框架，该框架通过结合原型记忆和反事实一致性，旨在提升模型在弱监督下基于临床相关肺部证据进行可靠决策的能力 | 提出了一个结合原型记忆与反事实一致性的可解释分类框架，通过“这看起来像那个”的图像级解释和基于Grad-CAM引导的病灶抑制生成反事实X光图像，使模型预测依赖于病理证据，无需像素级病灶标注 | 未明确提及，但可能包括对弱监督的依赖、反事实图像生成的质量限制，以及仅在四类胸部X光数据集上进行验证 | 开发一个可解释且可靠的胸部X光分类框架，使模型预测基于临床相关的肺部证据，减少对虚假图像线索的依赖 | 胸部X光图像 | 计算机视觉 | 肺部疾病（包括COVID-19、肺炎、肺结核） | NA | 深度学习模型 | 图像 | NA | NA | NA | 宏平均F1分数，ROC-AUC，特异性，概率校准 | NA |
| 567 | 2026-03-11 |
All-Optical Diffractive Operators for Rapid, Computer-Free Morphological Transformations
2026-Feb, Nanophotonics (Berlin, Germany)
DOI:10.1002/nap2.70031
PMID:41800288
|
研究论文 | 本文提出了一种基于衍射计算的全光学处理器，用于快速、高度并行地执行形态学变换，无需计算机处理 | 利用深度学习优化的衍射表面实现全光学形态学变换，直接处理光波前，无需数字计算，具有高度并行性和可扩展性 | 实验中使用相位空间光调制器实现，可能受限于硬件分辨率和光学设置，未提及具体处理速度或能耗数据 | 开发一种快速、低功耗的形态学变换方法，以应对大规模图像数据集的计算挑战 | 光学衍射处理器及其在形态学变换（如膨胀和腐蚀）中的应用 | 计算机视觉 | NA | 衍射计算，深度学习优化 | 衍射网络 | 图像（振幅和相位编码） | NA | 深度学习（具体框架未指定） | 级联衍射架构 | NA | 相位空间光调制器（SLM），反射配置 |
| 568 | 2026-03-10 |
Artificial intelligence in urological malignancy diagnosis and prognosis: current status and future prospects
2026-Feb-28, The Canadian journal of urology
DOI:10.32604/cju.2026.076084
PMID:41800500
|
综述 | 本文综述了人工智能在泌尿系统恶性肿瘤（包括前列腺癌、膀胱癌和肾细胞癌）诊断与预后中的当前应用、技术创新及面临的临床挑战与未来机遇 | 整合影像学、病理学和分子数据，提升肿瘤检测、分级和风险分层的精确性与可重复性，并探索了AI在实时病变分割、非侵入性生物标志物预测及个性化治疗支持方面的应用 | 面临数据标准化、模型泛化性、可解释性以及监管合规性等挑战，阻碍了AI的临床转化 | 概述人工智能在泌尿系统癌症诊断与预后领域的现状、技术创新及未来临床挑战与机遇 | 泌尿系统恶性肿瘤，包括前列腺癌、膀胱癌和肾细胞癌 | 数字病理学 | 前列腺癌 | 多参数磁共振成像、数字病理系统、深度学习、放射组学、多组学数据 | 深度学习 | 影像、病理、分子数据 | NA | NA | NA | NA | NA |
| 569 | 2026-03-10 |
Parameter-free representations outperform single-cell foundation models on downstream benchmarks
2026-Feb-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.11.705358
PMID:41727141
|
研究论文 | 本文探讨了在单细胞RNA测序数据分析中，无需复杂深度学习模型，仅通过简单线性方法即可实现与现有基础模型相媲美甚至更优的下游任务性能 | 展示了简单、可解释的线性方法在多个单细胞下游基准测试中达到或超越基于Transformer的基础模型性能，特别是在涉及训练数据中未见的新细胞类型和生物体的分布外任务上表现更优 | 未详细讨论线性方法在更复杂或大规模数据集上的可扩展性，以及可能存在的特定生物学场景适应性限制 | 评估并比较基于深度学习的单细胞基础模型与简单线性方法在下游任务中的性能表现 | 单细胞RNA测序数据及其在细胞类型分类、疾病状态预测和跨物种学习等下游任务中的应用 | 机器学习 | NA | 单细胞RNA测序 | 线性模型, Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 570 | 2026-03-10 |
Interpretable Feature-Transformer Framework for Cross-Subject MCI Detection Using Nonlinear Dynamical and Graph-Theoretic EEG Features
2026-Feb-11, Research square
DOI:10.21203/rs.3.rs-8744978/v1
PMID:41727576
|
研究论文 | 本研究提出了一种可解释的特征-Transformer框架，利用非线性动力学和图论EEG特征进行跨被试的轻度认知障碍检测 | 结合手工设计的非线性动力学与图论连通性特征与基于注意力的Transformer建模，并利用SHAP分析提供模型可解释性 | 样本量相对有限（183名参与者），且仅使用静息态闭眼EEG数据，未探索其他任务状态或更长时程数据 | 早期准确检测轻度认知障碍，以预防其向阿尔茨海默病发展 | 183名参与者（127名健康对照，56名MCI患者）的静息态闭眼EEG记录 | 机器学习 | 阿尔茨海默病 | EEG信号处理，非线性动力学分析，图论分析 | Transformer, EEGNet | EEG信号 | 183名参与者（127名健康对照，56名MCI患者） | 未明确提及 | Transformer, EEGNet | 准确率 | NA |
| 571 | 2026-03-10 |
Design and Implementation of an Automated Drosophila Locomotor Assay Using Computer Vision Tracking
2026-Feb-11, Research square
DOI:10.21203/rs.3.rs-8769384/v1
PMID:41727580
|
研究论文 | 本文介绍了一种基于计算机视觉跟踪的自动化果蝇运动行为检测系统的设计与实现 | 开发了一个集成的硬件-软件平台，实现自动化、高分辨率的果蝇运动分析，相比手动评分处理速度提高2.8倍，数据密度提高约800倍 | NA | 开发自动化果蝇运动行为检测系统，以克服传统方法的主观评分、通量限制和可重复性挑战 | 果蝇（Drosophila） | 计算机视觉 | NA | 计算机视觉跟踪 | 深度学习 | 视频 | NA | Python | NA | IoU | Raspberry Pi |
| 572 | 2026-03-10 |
Deep Learning-Based Automated Echocardiographic Measurements in Pediatric and Congenital Heart Disease
2026-Feb-09, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.06.26345782
PMID:41728295
|
研究论文 | 本研究开发了一个名为EchoFocus-Measure的AI平台，用于自动从儿科和先天性心脏病患者的超声心动图研究中提取定量和定性参数 | 扩展了多任务、视图无关的PanEcho架构，并引入了研究级Transformer来优先处理具有诊断信息的视图，从而在儿科和先天性心脏病超声心动图的全面自动化测量方面取得了进展 | 外部验证中定性指标的AUROC表现相对一般（0.73-0.86），且研究主要基于特定医院的数据，可能在不同医疗环境中的泛化能力有待进一步验证 | 开发一个AI平台，以在全球范围内提供专家级别的超声心动图测量精度和标准化，特别是在资源有限和农村地区 | 儿科和先天性心脏病患者的超声心动图研究 | 计算机视觉 | 先天性心脏病 | 超声心动图 | Transformer, 深度学习模型 | 视频 | 内部队列包括来自217,435次超声心动图的1,140万段视频（60,269名患者），外部验证包括来自3,096次超声心动图的289,613段视频（2,506名患者） | NA | PanEcho, Transformer | 中位绝对误差, AUROC | NA |
| 573 | 2026-03-10 |
Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis
2026-Feb, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124779
PMID:41482266
|
研究论文 | 本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程 | 首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响 | 研究主要基于前向引用次数筛选专利，可能忽略其他重要但引用较少的专利；数据来源限于Lens数据库 | 评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展 | 颅脑和脊柱导航技术相关的专利和科学出版物 | 医学工程 | 神经系统疾病 | 专利文献计量学分析 | NA | 专利记录和科学出版物 | 714项相关专利，其中100项高引用专利；近15,000篇科学出版物，其中1,107篇被专利引用 | NA | NA | 前向引用次数 | NA |
| 574 | 2026-03-10 |
Ab initio prediction of RNA structure ensembles with RNAnneal
2026-Feb-01, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.01.703098
PMID:41659490
|
研究论文 | 介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模 | RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于RNA结构集合的从头预测，并引入了交互熵作为构象异质性的度量 | 对于包含假结（PK-comprising）的结构，性能仍有改进空间 | 预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计 | RNA分子，特别是核糖开关RNA的实验解析构象 | 机器学习 | NA | 生成式深度学习，统计物理学，分子动力学建模 | 深度学习模型 | RNA序列 | 16个实验解析的核糖开关RNA构象 | NA | NA | RNAnneal评分，Rosetta评分，RNA力场分类性能 | NA |
| 575 | 2026-03-09 |
Generative Modeling of Entangled Polymers with a Distance-Based Variational Autoencoder
2026-Feb-26, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01953
PMID:41744221
|
研究论文 | 本文提出了一种基于距离矩阵的变分自编码器框架，用于学习和生成结构化聚合物球体的构型 | 结合卷积层和注意力层，将距离矩阵的结构模式编码为具有旋转平移不变性的低维潜空间，并通过后处理流程恢复具有物理意义的构型 | 解码器原始输出存在微小差异，需要分子动力学弛豫后处理 | 开发一种能够高效生成聚合物构型的生成模型 | 结构化聚合物球体（以聚乙烯为例） | 机器学习 | NA | 粗粒度分子动力学 | VAE | 距离矩阵 | NA | NA | 结合卷积和注意力层的变分自编码器 | 能量、尺寸、缠结度等关键观测量的复现 | NA |
| 576 | 2026-03-09 |
Deep Learning-Assisted Intelligent Liquid Crystal Elastomer Grippers Based on Autonomous Triboelectric Sensing
2026-Feb-26, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c23348
PMID:41744968
|
研究论文 | 本文报道了一种集成双模式摩擦纳米发电机的液晶弹性体抓手，用于自供电目标识别，结合深度学习实现高精度材料分类 | 通过融合接触起电物理与深度学习，利用双模式摩擦纳米发电机实现自供电感知，克服了传统软抓手易受环境干扰的局限性 | NA | 开发具有自主感知能力的智能软抓手系统，用于目标识别与分类 | 液晶弹性体抓手与摩擦纳米发电机集成的软体机器人系统 | 机器人与智能感知 | NA | 摩擦纳米发电机，深度学习 | CNN, LSTM | 电压信号（摩擦电/静电特征） | NA | NA | 混合卷积神经网络-长短期记忆网络架构 | 分类准确率 | NA |
| 577 | 2026-03-09 |
Knowledge-guided graph machine learning for spatially distributed prediction of daily discharge and nitrogen export dynamics
2026-Feb-23, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125613
PMID:41793808
|
研究论文 | 提出了一种名为HydroGraphNet的知识引导图机器学习框架，用于空间分布式预测日径流和氮输出动态 | 将过程知识和显式空间学习整合到时间建模中，通过有向图拓扑编码流域连通性和上游流入，并利用质量平衡约束提高物理一致性 | 在数据稀缺条件下的空间泛化能力受限，需要依赖合成数据进行预训练 | 实现农业流域的精准管理，通过空间分布式预测支持水质管理 | 流域的日径流和氮输出动态 | 机器学习 | NA | SWAT+模拟 | LSTM, 图机器学习 | 合成数据, 监测数据 | 44个HUC-12子流域（2001-2020年） | NA | HydroGraphNet | NSE, KGE | NA |
| 578 | 2026-03-09 |
Exploring Global Aerosol Size Dynamics from 2001 to 2024 Using the Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network
2026-Feb-21, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c13469
PMID:41721765
|
研究论文 | 本研究提出了一种名为PRISM-DNN的深度学习框架，用于从2001年至2024年全球范围内反演细模态和粗模态气溶胶光学厚度 | 结合了在大量无标签卫星数据上的无监督预训练与基于地面测量的有监督微调，显著提升了气溶胶组分反演的精度和稳健性 | 未明确提及模型在特定极端环境或数据稀缺区域的泛化能力限制 | 通过深度学习改进全球气溶胶粒径分布的长期监测和理解 | 全球范围内的细模态气溶胶光学深度和粗模态气溶胶光学深度 | 遥感，地球系统科学 | NA | 卫星遥感，深度学习 | 深度神经网络 | 卫星遥感数据，地面测量数据 | 2001年至2024年的全球卫星数据及AERONET等地面网络测量数据 | NA | Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network | 相关系数 | NA |
| 579 | 2026-03-09 |
A CNN-RNN Siamese framework with multi-level aggregation for video-based person re-identification
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39277-x
PMID:41673086
|
研究论文 | 本研究提出了一种结合CNN和RNN的紧凑型孪生网络框架，用于视频行人重识别，通过多级聚合有效融合空间和时间特征 | 提出了一种紧凑的CNN-GRU孪生网络框架，避免了基于Transformer的主干网络的深度和计算需求，同时通过多级相似性聚合有效结合了细粒度空间线索和长程时间模式 | 未明确说明在极端遮挡或视角变化下的性能，也未与其他最先进的Transformer方法进行详细比较 | 开发一种准确且资源高效的视频行人重识别方法，适用于现实世界中资源受限的环境 | 视频序列中的行人 | 计算机视觉 | NA | NA | CNN, RNN, Siamese network | 视频 | NA | NA | CNN-GRU | NA | NA |
| 580 | 2026-03-09 |
De novo protein design: a transformative frontier in clinical protein applications
2026-Feb-04, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07784-0
PMID:41639692
|
综述 | 本文综述了从头蛋白质设计在临床蛋白质应用中的前沿进展，包括其计算策略、深度学习的贡献、应用前景及面临的挑战 | 超越传统依赖天然蛋白质支架的限制，直接设计具有定制结构和功能的蛋白质，为临床应用提供新途径 | 临床转化仍受生物、技术和转化等多方面因素限制，需加强计算设计、实验验证、工程优化与临床需求的协调 | 探讨从头蛋白质设计在临床蛋白质应用中的潜力、挑战及未来发展方向 | 从头蛋白质设计的方法、策略及其在临床蛋白质应用中的前景 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |