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 1010 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-02-08 |
Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals
2026-Feb-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02318-2
PMID:41652030
|
研究论文 | 开发深度学习模型用于筛查非洲裔人群的原发性开角型青光眼 | 针对非洲裔人群开发深度学习模型，解决其在AI数据集中代表性不足的问题，并采用多图像选择与概率平均的流程提高筛查准确性 | 模型在非洲裔人群数据上训练，虽在亚洲裔数据集上评估，但可能仍需更多样化人群验证 | 利用人工智能技术筛查原发性开角型青光眼，特别是在非洲裔人群中 | 非洲裔人群的原发性开角型青光眼病例与对照 | 计算机视觉 | 原发性开角型青光眼 | 眼底摄影 | 深度学习 | 图像 | 64,129张图像（来自1,782例病例和682例对照） | NA | Vision-Transformer | AUC | NA |
| 622 | 2026-02-08 |
Network for Real-time Laryngeal Lesions Video Object Detection
2026-Feb-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01855-w
PMID:41652139
|
研究论文 | 本文提出了一种名为DynSTPN的两阶段视频病变检测网络，用于在复杂场景下实时检测鼻咽-喉部病变 | 设计了一个动态提示生成器来生成区分性提示，并引入自适应可微分门控机制，以动态调整参考帧对推理帧的增强效果，从而在视频质量下降的情况下提升检测性能 | NA | 提高鼻咽-喉部肿瘤的早期和准确诊断，通过深度学习实现复杂场景下的实时视频病变检测 | 鼻咽-喉部病变视频 | 计算机视觉 | 鼻咽-喉部肿瘤 | NA | CNN | 视频 | NA | NA | DynSTPN | 检测准确率, FPS | NA |
| 623 | 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 |
| 624 | 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 |
| 625 | 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 |
| 626 | 2026-02-08 |
From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction
2026-Feb-05, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103216
PMID:41650708
|
综述 | 本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变 | 系统性地回顾了三种深度学习范式（基于语言模型的方法、端到端结构预测器和几何距离预测方法），并提出了针对RNA数据稀缺和模型可解释性的未来研究方向 | RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，且目前尚未实现突破性性能 | 回顾和评估深度学习模型在RNA结构预测领域的应用与发展 | RNA的二级和三级结构 | 计算生物学 | NA | 深度学习 | 语言模型, 端到端预测模型, 几何距离预测模型 | RNA序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 627 | 2026-02-08 |
MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data
2026-Feb-05, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2026.101141
PMID:41650976
|
研究论文 | 本文提出了一种名为MultiSP的深度学习框架，用于从空间多组学数据中解析组织结构和多细胞通信 | 通过高效的空间和特征相似性融合、模态特定的概率生成建模以及跨模态对抗学习来增强数据表示，从而在捕获生物学可解释的空间域方面优于现有方法 | 未明确提及 | 探索组织复杂性，包括组织结构、细胞通信和基因调控机制 | 空间多组学数据，特别是肿瘤微环境中的细胞分布 | 机器学习 | NA | 空间多组学 | 深度学习 | 空间多组学数据 | NA | NA | NA | NA | NA |
| 628 | 2026-02-08 |
Exploiting correlations across trials and behavioral sessions to improve neural decoding
2026-Feb-04, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.10.026
PMID:41308644
|
研究论文 | 本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性 | 引入多会话降秩回归模型和多会话状态空间模型，首次系统性地捕捉跨试验和会话的神经与行为结构相关性 | 未与深度学习方法的计算效率进行直接对比，模型在极端非线性场景下的适用性未验证 | 提升神经解码性能，通过建模跨试验和会话的神经活动相关性 | 国际脑实验室小鼠Neuropixels数据集中的神经活动与行为数据 | 机器学习 | NA | 神经像素记录技术 | 降秩回归模型,状态空间模型 | 神经活动时间序列数据 | 433个会话，覆盖270个大脑区域 | NA | 多会话降秩回归模型,多会话状态空间模型 | NA | NA |
| 629 | 2026-02-08 |
Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study
2026-Feb-04, JMIR nursing
DOI:10.2196/82283
PMID:41637487
|
研究论文 | 本研究通过混合方法评估肿瘤科护士对AI症状预测模型的看法及其影响因素 | 首次基于罗杰斯创新扩散理论，系统评估肿瘤科护士对AI症状预测模型的接受度及影响因素 | 样本量较小（仅15名护士），且为单中心研究，可能限制结果的普适性 | 探索肿瘤科护士对预测性症状模型在癌症护理中使用的看法，以及影响该症状护理创新采用的因素 | 肿瘤科护士 | NA | 癌症 | 混合方法研究（定量与定性分析） | NA | 调查问卷数据、定性评论 | 15名具有超过1年肿瘤科经验的护士 | NA | NA | 描述性统计、内容分析、归纳编码 | NA |
| 630 | 2026-02-08 |
Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data
2026-Feb-04, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72501
PMID:41637624
|
研究论文 | 本研究评估了使用智能手机应用结合主动和被动数据流，通过机器学习框架预测非临床青少年心理健康风险的可行性 | 首次在非临床、在校青少年群体中应用数字表型分析，结合对比预训练与三元组边界损失来稳定用户特定行为模式，并整合主动和被动数据流进行心理健康风险预测 | 样本量相对较小（n=103），研究周期较短（14天），且外部验证队列规模有限（n=45），可能影响模型的泛化能力和长期预测稳定性 | 评估基于智能手机的数字表型分析在预测非临床青少年心理健康风险中的可行性和效用 | 来自英国三所中学的103名青少年（平均年龄16.1岁） | 机器学习 | 心理健康障碍 | 数字表型分析，智能手机传感器数据采集 | 深度学习模型，CatBoost，多层感知机 | 主动数据（自我报告），被动数据（传感器数据） | 103名青少年参与主要研究，45名青少年用于外部验证 | 未明确指定，但提及了CatBoost（Yandex） | 深度学习模型（具体架构未指定），多层感知机 | 平衡准确度 | NA |
| 631 | 2026-02-08 |
Regulatory grammar in human promoters uncovered by MPRA-based deep learning
2026-Feb-04, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-10093-z
PMID:41639451
|
研究论文 | 本研究提出了一种基于MPRA的深度学习模型PARM，用于从DNA序列预测人类启动子活性，并揭示转录因子的调控规律 | 开发了轻量级的细胞类型特异性深度学习模型PARM，能够仅从DNA序列预测全基因组启动子活性，并首次系统揭示了转录因子的位置偏好和基序互作语法 | 模型主要基于MPRA数据训练，可能无法完全模拟体内复杂的染色质环境；目前仅针对特定细胞类型和条件进行验证 | 构建能够从DNA序列准确预测全基因组基因表达的计算模型，并解析人类启动子的调控机制 | 人类启动子序列及其调控功能 | 计算生物学 | NA | 大规模平行报告基因检测（MPRA）、深度学习 | 深度学习模型 | DNA序列数据、基因表达数据 | 基于专门设计的MPRA实验数据，具体样本量未明确说明 | NA | PARM（启动子活性调控模型） | 预测准确性（未明确具体指标） | NA |
| 632 | 2026-02-08 |
mCSM-metal: A Deep Learning Resource to Predict Effect of Mutations on Metal Ion Binding
2026-Feb-04, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2026.169678
PMID:41651016
|
研究论文 | 本文介绍了一个名为mCSM-metal的深度学习资源，用于预测突变对金属离子结合的影响 | 首次利用蛋白质语言模型ESMBind的嵌入表示与基于图的结构特征相结合，预测单点或多点突变对七种必需金属离子结合概率的影响 | 仅针对七种特定金属离子（Zn、Ca、Mg、Mn、Fe、Co、Cu）进行预测，未涵盖所有可能的金属离子 | 开发计算工具以预测蛋白质突变对金属离子结合的影响，替代实验方法 | 蛋白质中的金属离子结合位点 | 生物信息学 | NA | 深度学习，蛋白质语言模型 | 深度学习模型 | 蛋白质序列和结构数据 | NA | NA | 基于ESMBind嵌入和图结构特征的混合架构 | 准确率，F1分数，马修斯相关系数 | NA |
| 633 | 2026-02-08 |
Research on fast and accurate prediction of milk yield in dairy goats based on deep learning
2026-Feb-04, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27905
PMID:41651371
|
研究论文 | 本研究基于深度学习改进Mask R-CNN模型，用于快速准确预测奶山羊产奶量 | 通过引入特征通道注意力和锚框细化模块改进Mask R-CNN模型，使其更适用于奶山羊产奶量预测 | NA | 实现奶山羊产奶量的快速准确预测以辅助育种选择 | 奶山羊 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Mask R-CNN | 准确率, 召回率, mIoU, 平均绝对误差, 均方误差, 平均绝对百分比误差 | NA |
| 634 | 2026-02-08 |
Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level
2026-Feb-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c13074
PMID:41549613
|
研究论文 | 本文提出了一种基于三维卷积残差网络的深度学习方法，用于分类质谱光度法数据中的着陆事件，以优化单分子水平的质量测量 | 利用三维卷积残差网络分析事件的时空动态，从而隔离最优的单分子测量，消除累积直方图伪影，并将分辨率提升高达两倍 | NA | 优化质谱光度法在单分子水平上的质量测量，提高质量分辨率、灵敏度和浓度准确性 | 质谱光度法数据中的生物分子结构、相互作用和动力学，特别是蛋白质（解）结合过程中的反射率变化事件 | 机器学习和数字病理学 | NA | 质谱光度法 | CNN | 图像（3D事件缩略图） | 多样化的实验数据集，包括已解析和部分解析的样本，以及不同质量、浓度和积分时间的数据 | NA | 三维卷积残差网络 | 质量分辨率、灵敏度、浓度准确性 | NA |
| 635 | 2026-02-08 |
An improved seam carving method for enhancing the visual field of tunnel vision patients
2026-Feb-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35527-0
PMID:41634090
|
研究论文 | 本文提出了一种改进的接缝裁剪方法，用于增强隧道视觉患者的视野 | 通过多尺度图像融合计算能量图，结合深度、显著性、前景分割和边缘检测特征，并采用前向-中间方法进行接缝移除，从而改进了原始接缝裁剪方法 | NA | 为隧道视觉患者开发一种内容感知的图像重定向方法，以增强其视野 | 隧道视觉患者 | 计算机视觉 | 视觉障碍 | 图像处理 | NA | 图像 | NA | NA | NA | SSIM, SIFT特征匹配, 深度学习感知质量指标, 综合评分 | NA |
| 636 | 2026-02-08 |
Using AI Algorithms and Machine Learning in the Analysis of a Bio-Purification Method (Therapeutic Emesis, Known as "Vamana Karma"): Protocol for a Mixed Methods Study
2026-Feb-03, JMIR research protocols
IF:1.4Q3
DOI:10.2196/79875
PMID:41632954
|
研究论文 | 本研究提出并验证了一个AI辅助的数字框架，用于客观评估阿育吠陀中的治疗性呕吐（vamana karma）过程 | 首次在传统医学系统中探索应用深度学习算法（如YOLOv9和残差神经网络）对治疗性呕吐过程进行客观分析，包括自动呕吐物检测、内容分类和患者姿态识别 | 研究为探索性，样本量较小（50名志愿者），且需要进一步的临床验证和多中心扩展才能在真实世界部署 | 开发并验证一个AI辅助的数字框架，用于治疗性呕吐过程的客观评估，以改善临床结果 | 阿育吠陀中的治疗性呕吐（vamana karma）过程，包括呕吐物特征和患者反应 | 机器学习 | NA | NA | CNN, 残差神经网络 | 视频, 图像 | 50名志愿者 | TensorFlow, scikit-learn, SPSS | YOLOv9, 残差神经网络 | Fleiss κ统计量, 标准机器学习指标 | NA |
| 637 | 2026-02-08 |
Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models
2026-Feb-02, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-025-02030-1
PMID:41627551
|
荟萃分析 | 本文对基于人工智能的神经影像学和多模态生物标志物模型在检测神经精神性狼疮中的诊断性能、异质性和方法学特征进行了探索性荟萃分析 | 首次对应用于神经精神性狼疮检测的人工智能模型进行系统性探索性荟萃分析，综合评估了其诊断性能、方法学异质性和稳健性 | 研究间存在显著的异质性，汇总估计值不稳定且受个别研究影响，外部验证和可解释人工智能方法应用不足，目前尚无法得出关于临床适用性的明确结论 | 评估基于人工智能的模型使用神经影像学和多模态生物标志物检测系统性红斑狼疮中神经精神性受累的诊断性能、异质性和方法学特征 | 系统性红斑狼疮患者的神经影像学数据（如结构或功能MRI、磁共振波谱）及其他生物信息学模态数据（如基于波谱的分子指纹、脑脊液或血清生物标志物） | 机器学习 | 神经精神性狼疮 | 神经影像学（结构/功能MRI、磁共振波谱）、光谱学、生物标志物分析 | 机器学习, 深度学习 | 图像, 生物标志物数据 | 超过800名参与者（来自14项研究） | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 638 | 2026-02-08 |
Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing
2026-Feb-02, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2026.110627
PMID:41638264
|
研究论文 | 本研究评估了基于去混叠正则化的压缩感知（DARCS）在儿科冠状动脉磁共振血管成像（CMRA）中加速扫描的应用，旨在缩短扫描时间并评估其图像质量和诊断性能 | 首次在儿科人群中探索并验证了DARCS加速CMRA的临床可行性，实现了两分钟扫描并保持了冠状动脉瘤（CAA）检测的高诊断准确性 | 研究样本量相对有限，且仅在一台3.0T扫描仪上进行，未在多中心或不同设备上验证 | 减少儿科冠状动脉磁共振血管成像的扫描时间，并评估加速后图像质量和诊断性能 | 儿科患者，特别是针对冠状动脉瘤（CAA）的检测 | 医学影像 | 心血管疾病 | 磁共振血管成像（CMRA），三维膈肌导航T2准备梯度回波序列 | 深度学习 | 医学影像（k空间数据） | 123名儿科患者（96名回顾性，27名前瞻性） | NA | DARCS（De-Aliasing Regularization-based Compressed Sensing） | 峰值信噪比（PSNR），结构相似性指数（SSIM），血管长度，锐度，视觉评分，灵敏度，特异性 | 3.0T磁共振扫描仪 |
| 639 | 2026-02-08 |
Open-surface digital ELISA enabled by magnetic trapping and deep learning for rapid and highly sensitive detection of African swine fever
2026-Feb-02, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118473
PMID:41650557
|
研究论文 | 本研究开发了一种结合开放空间磁珠阵列与人工智能的开放表面数字ELISA平台，用于快速、高灵敏度检测非洲猪瘟病毒p30抗原 | 通过磁捕获形成开放空间微腔，结合往复流微流体和原位酪胺信号放大，消除了免疫复合物封装步骤，提高了微腔利用率和抗原捕获效率，并采用改进的Mask R-CNN进行智能图像识别 | 未明确提及具体局限性，但可能涉及平台在实际现场应用中的验证或成本效益分析 | 开发一种快速、高灵敏度的检测方法，用于早期诊断非洲猪瘟，以减少经济损失 | 非洲猪瘟病毒p30抗原 | 数字病理 | 非洲猪瘟 | 数字ELISA, 磁捕获, 微流体技术, 原位酪胺信号放大 | CNN | 图像 | 血清样本验证（具体数量未提及） | 未明确指定，但基于卷积神经网络框架 | Mask R-CNN | 检测限, 灵敏度, 特异性 | 未明确提及 |
| 640 | 2026-02-08 |
Hybrid deep learning-numerical modeling framework for long-term prediction of groundwater discharge and radionuclide transport
2026-Feb-02, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141346
PMID:41650601
|
研究论文 | 本研究提出了一种结合数值模型与深度学习方法的混合建模框架，用于提高地下水流量和放射性核素迁移长期预测的准确性和计算效率 | 提出了一种将数值模型（APro-BIO, HGS）与图卷积长短期记忆网络（GC-LSTM）相结合的混合建模框架，以捕获时空依赖性，并显著降低了计算成本 | 未明确说明模型在极端或未预见水文条件下的泛化能力，以及训练数据对模型性能的具体限制 | 提高地下水流量和放射性核素迁移长期预测的准确性和计算效率，以评估深地质处置系统的安全性 | 地下水流量（包括水位、地表水流、地下水补给、地下水排泄、流速）和放射性核素迁移 | 机器学习 | NA | 数值模拟（APro-BIO, HydroGeoSphere），深度学习 | GC-LSTM（图卷积长短期记忆网络） | 数值模拟输出数据（包括水位、流速、核素迁移等时间序列及van Genuchten参数） | NA | NA | GC-LSTM | Kling-Gupta效率值 | NA |