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 1474 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 | 2026-03-06 |
Enhancing Estimation of Fine Particulate Matter Chemical Composition across North America by Including Geophysical A Priori Information in Deep Learning with Uncertainty Quantification
2026-Feb-13, ACS ES&T air
DOI:10.1021/acsestair.5c00251
PMID:41709986
|
研究论文 | 本研究通过结合地球物理先验信息开发深度学习模型，提升了北美地区细颗粒物化学组成的估计精度，并进行了不确定性量化 | 引入地球物理先验信息（如化学传输模型数据）到CNN中，显著提高了模型在偏远地区的性能；提出了BLISCO空间交叉验证方法，以更准确地评估模型外推能力和不确定性 | 传统空间交叉验证可能因地面监测站的空间自相关性而高估性能并低估不确定性；海盐成分的估计性能相对较低（R²=0.37） | 改进北美地区细颗粒物总质量浓度及其化学组成的估计，以支持环境管理和健康影响研究 | 北美地区的细颗粒物（PM）及其化学成分（硫酸盐、硝酸盐、铵盐、有机物、黑碳、粉尘、海盐） | 机器学习 | NA | 卫星遥感、模拟数据和监测站数据整合 | CNN | 多源地球物理数据（卫星、模拟、监测） | 2000年至2023年间的月度数据，覆盖北美地区 | NA | 卷积神经网络 | R²（决定系数） | NA |
| 562 | 2026-03-06 |
Deep learning-based non-invasive profiling of tumor transcriptomes from cell-free DNA for precision oncology
2026-Feb-12, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.10.705188
PMID:41726945
|
研究论文 | 本文介绍了Triton和Proteus，一种基于深度学习的非侵入性方法，用于从cfDNA中预测肿瘤转录组，以支持精准肿瘤学应用 | 开发了Triton用于cfDNA的片段组学和核小体分析，以及Proteus多模态深度学习框架，能够在标准深度全基因组测序下预测单基因表达，实现转录组范围的分析 | 未明确说明模型在更广泛癌症类型或更大样本中的泛化能力，以及临床验证的深度 | 开发非侵入性工具，从cfDNA中预测肿瘤转录组，用于精准肿瘤学，如癌症监测和治疗指导 | 细胞游离DNA（cfDNA），特别是循环肿瘤DNA（ctDNA），来自患者来源异种移植（PDX）和四个患者队列 | 机器学习 | 癌症 | 全基因组测序（WGS），RNA-Seq | 深度学习 | DNA测序数据 | 涉及患者来源异种移植（PDX）和四个患者队列的cfDNA样本，具体数量未明确 | NA | 多模态深度学习框架（Proteus） | 准确性，基因通路富集分数预测准确性 | NA |
| 563 | 2026-02-12 |
Development and validation of a deep learning model for identifying high-quality laryngoscopic images
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38252-w
PMID:41667718
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 564 | 2026-03-06 |
Deep learning enabled pseudonymization for preserving data privacy of financial identifiers in public documents in India
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39309-6
PMID:41667731
|
研究论文 | 本文提出了一种基于全卷积神经网络的伪匿名化框架，用于保护印度公共文档中手写签名的数据隐私 | 首次针对公开文档中的手写签名提出伪匿名化方法，采用集成可微分输出解码的SuperPoint架构，在保护敏感数据的同时保持文档可用性 | 研究仅针对印度PAN卡文档，未涉及其他类型政府文档或不同国家的应用场景 | 开发一种保护公共文档中手写签名隐私的伪匿名化技术，支持可追溯的身份保护 | 印度政府颁发的永久账户号码（PAN）卡中的手写签名 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 500多张真实世界PAN卡 | NA | SuperPoint | 精确率, 召回率, SSIM, 运行时间效率, 空间开销 | NA |
| 565 | 2026-02-12 |
Integrating deep learning with physics based modeling enables high precision antibody antigen interface prediction
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39466-8
PMID:41667775
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 566 | 2026-03-06 |
Ninja optimization algorithm based ultra wideband antenna electromagnetic band gap modeling via a generative adversarial network
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39068-4
PMID:41656364
|
研究论文 | 本文提出了一种集成生成对抗网络与忍者优化算法的智能预测框架，用于精确建模和预测超宽带天线电磁带隙结构的电磁性能 | 将对抗性学习与基于忍者优化算法的优化相结合，以提高天线-电磁带隙系统代理建模的准确性和鲁棒性 | NA | 为超宽带天线电磁带隙结构的设计和优化建立高效、可扩展、高精度的建模途径 | 超宽带天线电磁带隙结构 | 机器学习 | NA | NA | GAN, LSTM, GRU, RNN, ANN | NA | NA | NA | GAN, LSTM, GRU, RNN, ANN | 均方误差, 均方根误差, 决定系数 | NA |
| 567 | 2026-02-11 |
Non-local attention enhanced deep learning for robust cyberattack detection in industrial IoT-based SCADA systems
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37146-1
PMID:41663554
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 568 | 2026-02-11 |
Evaluation of deep learning models for segmentation of hippocampus volumes from MRI images in Alzheimer's disease
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38220-4
PMID:41663727
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 569 | 2026-03-06 |
Plasmonic artificial inspector for herbal medicines via surface-enhanced Raman spectroscopy and deep learning
2026-Feb-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38497-5
PMID:41644682
|
研究论文 | 本研究提出了一种基于表面增强拉曼光谱（SERS）和深度学习（DL）的等离子体人工草药检查器，用于草药的安全监测 | 通过SERS与DL的协同集成，实现了对35种外观相似或同属草药的高准确度（约95%）自动化区分，为传统感官检查提供了高效可靠的辅助方法 | 未明确提及样本量的具体限制、模型泛化能力或在实际应用环境中的验证情况 | 开发一种高效可靠的草药安全监测辅助工具，以替代或补充传统劳动密集型的感官检查 | 草药样本，特别是外观相似或属于同一属的35种不同草药物种 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 深度学习模型 | 光谱数据（SERS光谱） | 涉及35种草药物种，但未提供具体样本数量 | NA | NA | 准确度 | NA |
| 570 | 2026-03-06 |
Data-efficient learning for accurate identification of MAPK1 inhibitors using an active meta-deep learning framework
2026-Feb-03, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01159-9
PMID:41634737
|
研究论文 | 本研究提出了一种数据高效的活动元深度学习框架，用于预测MAPK1抑制剂，以解决药物发现中实验数据有限的问题 | 结合主动学习与一个由四种深度学习架构组成的元模型，显著提升了在有限训练数据下的预测性能 | NA | 开发一种数据高效的框架，用于准确识别MAPK1抑制剂，以加速癌症相关药物发现 | MAPK1抑制剂分子 | 机器学习 | 癌症 | 分子对接 | CNN, 注意力机制, GCN, GNN-注意力 | 分子描述符, 图表示 | NA | NA | 卷积神经网络, 注意力机制, 图卷积网络, 图神经网络-注意力 | AUPRC, MCC, 平衡准确度 | NA |
| 571 | 2026-03-06 |
Predicting Traumatic Brain Injury Post-Trauma Using Temporal Attention on Sleep-Wake Data
2026-Feb, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3592009
PMID:40705576
|
研究论文 | 本研究利用深度学习模型分析创伤后7天内的睡眠/觉醒数据，以预测创伤性脑损伤 | 首次将时间注意力机制应用于创伤后睡眠/觉醒数据，并确定了创伤后7天为识别TBI的最佳时间窗口 | 模型特异性较低（7天数据仅25%），样本量虽大但仅限于急诊科患者 | 探索睡眠/觉醒行为作为创伤性脑损伤生物标志物的潜力，并确定最佳监测时间窗口 | 2000多名急诊科患者（包括GFAP生物标志物确诊的TBI阳性与阴性病例） | 机器学习 | 创伤性脑损伤 | 睡眠/觉醒行为监测，血液生物标志物检测（GFAP） | 深度学习模型（含时间注意力机制） | 时间序列数据（每日纵向睡眠/觉醒记录） | 超过2000名急诊科患者 | 未明确说明 | 未明确说明具体架构，但包含时间注意力机制 | 灵敏度，特异性，F1分数 | NA |
| 572 | 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 |
| 573 | 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 |
| 574 | 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 |
| 575 | 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 |
| 576 | 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 |
| 577 | 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 |
| 578 | 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 |
| 579 | 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 |
| 580 | 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 |