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 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-02-24 |
X-SPATIO: An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer
2026-Feb-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.09.704587
PMID:41726881
|
研究论文 | 本文介绍了一个名为X-SPATIO的计算病理学管道，用于从H&E染色图像预测和可视化三阴性乳腺癌中空间分辨的生物标志物表达 | 开发了一种空间兼容的深度学习管道，首次直接关联H&E形态学与区域匹配的mRNA和蛋白质表达，并生成空间形态学注意力图以指示预测性组织区域 | 模型依赖于GeoMx数字空间分析仪获取的空间分辨数据，成本较高，且可能受限于特定平台的数据可用性和可扩展性 | 旨在通过计算模型从常规组织病理学图像中推断空间生物标志物表达，以支持三阴性乳腺癌的精准肿瘤学研究 | 三阴性乳腺癌（TNBC）的组织样本，包括肿瘤、间质和免疫区室 | 计算病理学 | 三阴性乳腺癌 | 空间转录组学/蛋白质组学（GeoMx数字空间分析仪），H&E染色 | 多实例学习（MIL） | 图像（H&E染色组织切片），空间分辨的转录组和蛋白质组数据 | 未明确指定样本数量，但使用来自GeoMx平台的空间分辨数据 | 未明确指定，但提及深度学习管道 | 未明确指定具体架构，但基于多实例学习框架 | AUC（曲线下面积） | NA |
| 702 | 2026-02-24 |
Advancing Psychiatric Safety With the Predictive Risk Identification for Mental Health Events Tool: Retrospective Cohort Study
2026-Feb-06, JMIR mental health
IF:4.8Q1
DOI:10.2196/84318
PMID:41649861
|
研究论文 | 本研究开发并评估了一种基于深度学习的早期预警工具PRIME，用于预测精神病住院患者未来24小时内发生不良心理健康事件的风险 | 开发了首个基于深度学习的、专门针对心理健康环境的早期预警系统，利用多变量时间序列数据和注意力机制，实现了比传统临床工具更高的预测性能 | 研究为回顾性队列研究，未来需评估其在常规工作流程中的整合效果及公平性影响 | 开发一种主动的、高精度的预测工具，以改善精神病住院患者的安全管理 | 精神病住院患者（包括高风险法医患者和非法医患者） | 机器学习 | 精神疾病 | 电子病历数据分析 | RNN, LSTM | 多变量时间序列数据 | 4651名患者，403,098次就诊记录（训练/验证集）；900名患者，48,313次就诊记录（2024年测试集） | NA | 长短期记忆网络（带注意力机制） | AUC, 召回率 | NA |
| 703 | 2026-02-24 |
Spectral Similarity Masks Structural Diversity at Hydrophobic Water Interfaces
2026-Feb-06, Physical review letters
IF:8.1Q1
DOI:10.1103/w27h-sclq
PMID:41723669
|
研究论文 | 本研究利用深度学习计算了空气-水和石墨烯-水界面的第一性原理和频生成光谱，揭示了光谱相似性背后的微观结构差异 | 通过深度学习结合第一性原理计算，解决了实验光谱解释的分歧，并首次明确指出了两种界面在微观性质上的根本区别 | 研究仅针对空气-水和石墨烯-水两种特定界面，结论可能不直接推广到其他界面体系 | 探究空气-水和石墨烯-水界面的和频生成光谱相似性背后的微观结构差异 | 空气-水界面和石墨烯-水界面 | 机器学习 | NA | 和频生成光谱，第一性原理计算 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 704 | 2026-02-22 |
Verifying Urdu news authenticity using deep learning with concatenated BERT and GloVe embedding
2026-Feb-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36771-0
PMID:41644624
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 705 | 2026-02-22 |
High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change
2026-Feb-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38496-6
PMID:41644622
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 706 | 2026-02-06 |
A novel deep learning approach for mosquito species classification via a dual-head structure and calibration-aware fusion architecture
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35453-1
PMID:41639160
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 707 | 2026-02-24 |
Efficient target detection method based on wavelet transform and progressive feature pyramid network: a case study of power grid inspection
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37017-9
PMID:41639278
|
研究论文 | 本文提出了一种基于小波变换和渐进特征金字塔网络的改进YOLOv11检测器，用于高压输电线路环境中的异物检测 | 1) 在骨干网络中集成了小波变换卷积块，以多频子带分解特征并扩大有效感受野；2) 开发了渐进特征金字塔网络，通过两阶段上下采样精化和自适应空间融合缓解语义不一致性；3) 引入了Inner-EIoU损失函数，专注于真实框内区域的回归以提高微小低对比度目标的定位精度 | 未明确说明模型在极端天气条件或夜间环境下的性能表现 | 提高高压输电线路环境中异物检测的准确性和鲁棒性 | 高压输电线路上的异物（如漂浮物、鸟巢、碎片等） | 计算机视觉 | NA | 深度学习，计算机视觉 | YOLO | 图像 | TLFO数据集（具体数量未说明），MS COCO val2017数据集 | NA | YOLOv11 | mAP₀.₅, mAP₀.₅:₀.₉₅, Precision, 参数数量, 推理速度(FPS) | NA |
| 708 | 2026-02-24 |
Automated diagnosis of plus form and early stages of ROP using deep learning models
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37064-2
PMID:41639314
|
研究论文 | 本研究开发了一种基于深度学习的自动诊断系统，用于分类早产儿视网膜病变的Plus疾病和疾病分期 | 首次提出结合Plus疾病二元分类和ROP多阶段分类的自动化诊断模型，在视网膜眼底图像上实现了高精度诊断 | 需要多中心验证以确认临床适用性，数据集可能受限于特定采集条件 | 开发自动化的ROP筛查方法以支持及时诊断和干预，降低早产儿视力损伤发生率 | 早产儿视网膜病变（ROP）患者，特别是低出生体重和早期孕龄的婴儿 | 计算机视觉 | 早产儿视网膜病变 | 视网膜眼底成像 | 深度学习模型 | 图像 | 精心策划的视网膜眼底图像数据集（具体数量未明确说明） | NA | NA | 准确率 | NA |
| 709 | 2026-02-24 |
Enhancing diagnostic safety with low iodine, low radiation CTPA classification using deep learning
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38223-1
PMID:41639316
|
研究论文 | 本文提出了一种基于深度学习的框架，用于在低碘和低辐射的CTPA条件下诊断肺栓塞，通过整合图像增强和分类技术来提高诊断安全性 | 提出了一个两阶段深度学习框架，联合利用原始低曝光图像及其超分辨率图像进行图像增强和分类，并公开了一个低碘低辐射CTPA数据集 | 未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算效率或实时诊断的可行性 | 开发一种在低碘和低辐射条件下准确诊断肺栓塞的方法，以提高CTPA成像的诊断安全性 | 肺栓塞（PE）患者 | 计算机视觉 | 肺栓塞 | 计算机断层扫描肺血管造影（CTPA） | 深度学习 | 医学图像（CTPA图像） | NA | NA | NA | AUC, 敏感性, 特异性 | NA |
| 710 | 2026-02-24 |
Deep learning 3D super-resolution radiomics model based on Gd-enhanced MRI for improving preoperative prediction of HCC pathological grading
2026-Feb, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05085-6
PMID:40627133
|
研究论文 | 本研究开发了一种基于深度学习的3D超分辨率放射组学模型，利用Gd增强MRI预测肝细胞癌的术前病理分级 | 首次将深度学习驱动的3D超分辨率技术与放射组学结合，用于提升肝细胞癌病理分级的术前预测性能 | 样本量相对有限（197例患者），且为单中心研究，需要外部验证以确认泛化能力 | 评估基于深度学习的3D超分辨率放射组学模型在预测肝细胞癌病理分级中的可行性和有效性 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | Gd增强MRI，深度学习超分辨率技术 | 梯度提升，LightGBM，支持向量机 | 3D MRI图像 | 197例肝细胞癌患者（训练集157例，测试集40例） | NA | NA | AUC，灵敏度，特异性，准确率 | NA |
| 711 | 2026-02-24 |
Structure-based screening of small-molecule interleukin-23 inhibitors inspired by monoclonal antibody interactions
2026-Feb, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11257-9
PMID:40549294
|
研究论文 | 本研究通过基于结构的虚拟筛选方法，识别出小分子IL-23抑制剂，为开发成本效益高的慢性炎症疾病疗法提供新策略 | 利用同源建模和深度学习重建IL-23与单克隆抗体的结构，并基于抗体相互作用设计3D药效团模型进行虚拟筛选，成功发现具有稳定结合潜力的小分子抑制剂 | 未鉴定出有效的IL-12p40抑制剂，且研究主要依赖计算模拟，缺乏体外或体内实验验证 | 识别能够模拟单克隆抗体相互作用的小分子IL-23抑制剂，以开发更经济的慢性炎症疾病治疗药物 | 白细胞介素-23（IL-23）及其与单克隆抗体Risankizumab的相互作用 | 计算药物发现 | 慢性炎症疾病 | 同源建模，深度学习，虚拟筛选，分子对接，分子动力学模拟，MM/GBSA结合自由能计算 | 深度学习模型，药效团模型 | 蛋白质结构数据，化合物数据库 | 从DrugBank和ZINC12数据库进行虚拟筛选的化合物 | NA | NA | 结合稳定性（通过600 ns分子动力学模拟评估），氢键强度，结合自由能（MM/GBSA） | NA |
| 712 | 2026-02-23 |
Enhanced YOLO-based framework and benchmarking for automated Plasmodium vivax detection
2026-Feb-19, Parasitology research
IF:1.8Q2
DOI:10.1007/s00436-026-08642-0
PMID:41709048
|
研究论文 | 本研究提出了一种基于改进YOLO框架的自动化检测方法，用于在厚血涂片图像中精确识别间日疟原虫 | 提出了一种结合YOLOv3与改进的MobileNetV2主干网络，并引入具有多尺度纹理敏感性的转换卷积层（TCL）的新型深度学习框架 | 研究主要针对间日疟原虫（P. vivax），未涵盖所有疟原虫种类；模型性能在低寄生虫密度下的表现未详细讨论 | 开发一种鲁棒、可扩展且可解释的自动化诊断框架，用于早期疟疾检测和改善疾病管理 | 间日疟原虫（Plasmodium vivax） | 计算机视觉 | 疟疾 | 厚血涂片显微成像 | CNN, 目标检测 | 图像 | NA | PyTorch（基于YOLO系列推断） | YOLOv3, YOLOv4, YOLOv5, YOLOv8, MobileNetV2 | 精确度, 准确率, F1分数, 召回率, 平均精度均值（mAP） | NA |
| 713 | 2026-02-23 |
The consensus molecular subtypes of esophageal squamous cell carcinoma
2026-Feb-19, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-026-02577-9
PMID:41714596
|
研究论文 | 本研究通过基于网络的方法整合了八个现有分类系统，定义了食管鳞状细胞癌的四种共识分子亚型，并开发了基于深度学习的图像分类框架imECMS，用于从H&E染色全切片图像中准确分类亚型 | 首次建立了食管鳞状细胞癌的共识分子亚型分类系统，并创新性地开发了基于组织病理学图像的深度学习分类框架imECMS，实现了从分子到图像的多模态精准分型 | 研究未明确说明样本的种族或地域分布代表性，且深度学习模型的泛化能力需在更广泛的外部数据集中进一步验证 | 为食管鳞状细胞癌建立一个标准化的分子亚型分类系统，以促进精准治疗和临床分层 | 食管鳞状细胞癌患者及其组织样本 | 数字病理学 | 食管鳞状细胞癌 | 深度学习算法，基于苏木精-伊红染色的全切片图像分析 | 深度学习模型 | 组织病理学图像 | 多个独立队列的样本，具体数量未在摘要中明确 | NA | NA | NA | NA |
| 714 | 2026-02-23 |
SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07417-y
PMID:41715092
|
研究论文 | 本研究开发了一个名为SCMO的深度学习模型，通过整合单细胞分辨率的肿瘤微环境生态系统和多组学数据，用于结直肠癌患者的生存预测 | 首次将单细胞RNA测序构建的结直肠癌特异性肿瘤微环境图谱与多组学数据通过自归一化神经网络整合，用于生存预测，并利用集成梯度算法增强模型可解释性，同时识别出TRAP1作为潜在药物靶点 | 模型在测试集上1年预测的AUC相对较低（0.639），且样本量（213个单细胞样本）可能限制泛化能力 | 提高结直肠癌患者生存预测的准确性和可解释性，以指导临床决策 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 单细胞RNA测序, 批量RNA测序, 空间转录组学 | 自归一化神经网络 | 单细胞RNA测序数据, 批量RNA测序数据, 临床数据, 基因组数据, 转录组数据, 微生物数据 | 213个结直肠癌单细胞RNA测序样本（共339,060个细胞），以及来自TCGA-CRC队列的批量RNA测序数据 | NA | 自归一化神经网络 | 一致性指数, 曲线下面积 | NA |
| 715 | 2026-02-23 |
Different BI-RADS breast cancer diagnosis using MobileNetV1 and vision transformer based on explainable artificial intelligence (XAI)
2026-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37199-2
PMID:41702964
|
研究论文 | 本文提出了一种结合MobileNetV1和Vision Transformer的混合深度学习框架，用于基于BI-RADS分类的乳腺癌多类别诊断 | 通过双流结构融合轻量级CNN（MobileNetV1）和Vision Transformer，结合特征级融合和基于Bagging的逻辑回归分类器，并应用可解释人工智能技术提供可视化解释 | 使用的公开数据集存在类别不平衡问题，且未明确说明模型在其他数据集上的泛化能力 | 开发精确、有效且可解释的计算机辅助诊断系统，用于乳腺癌的BI-RADS多类别分类 | 乳腺X线摄影图像（包括CC和MLO视图），按BI-RADS分类方案组织 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN, Transformer | 图像 | 使用公开的King Abdulaziz University BC Mammogram Dataset (KAUBC)，具体样本数量未明确说明 | 未明确说明，可能为TensorFlow或PyTorch | MobileNetV1, Vision Transformer (ViT) | 准确率(ACC), 灵敏度(SEN), 特异性(SPE) | 未明确说明 |
| 716 | 2026-02-23 |
RGTFormer: Predicting mutation-associated multi-drug resistance in Mycobacterium tuberculosis using a categorical gated transformer and relational graph convolutional network
2026-Feb-17, Computational biology and chemistry
IF:2.6Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 717 | 2026-02-23 |
Machine learning models for predicting delayed cerebral ischemia following ruptured intracranial aneurysms: A systematic review and meta-analysis
2026-Feb-15, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association
|
系统综述与荟萃分析 | 本文系统回顾和荟萃分析了机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的应用 | 首次对机器学习模型预测迟发性脑缺血进行系统综述和荟萃分析，比较了不同算法家族和数据集的性能 | 外部验证稀缺，深度学习模型存在较大过拟合问题 | 评估机器学习模型在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的预测性能 | 动脉瘤性蛛网膜下腔出血患者 | 机器学习 | 脑血管疾病 | NA | 随机森林, XGBoost, 逻辑回归, 深度学习模型 | 临床数据 | 约10,000名患者 | NA | NA | AUC, 敏感性, 特异性 | NA |
| 718 | 2026-02-23 |
A Deep Learning Approach for Classifying Benign, Malignant, and Borderline Ovarian Tumors Using Convolutional Neural Networks and Generative Adversarial Networks
2026-Feb-14, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci14010089
PMID:41718136
|
研究论文 | 本研究开发了一种结合卷积神经网络和生成对抗网络的深度学习模型，用于基于超声图像对卵巢肿瘤进行良恶性及交界性分类 | 利用深度卷积生成对抗网络生成合成图像以解决交界性卵巢肿瘤数据稀缺导致的类别不平衡问题，并构建了集成VGG16、ResNet50和InceptionNetV3架构的三分类模型 | 研究为回顾性分析，样本量有限，特别是交界性卵巢肿瘤病例较少，且模型性能需在前瞻性临床环境中进一步验证 | 开发一种人工智能辅助工具，以提高卵巢肿瘤术前超声评估的准确性，特别是针对交界性肿瘤的鉴别诊断 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN, GAN | 图像 | 636个卵巢肿块（共3816张超声图像），包括390个良性病变、202个恶性肿瘤和44个交界性肿瘤 | NA | VGG16, ResNet50, InceptionNetV3, DCGAN | F1分数, 准确率, 灵敏度, 特异性, AUC | NA |
| 719 | 2026-02-23 |
Mapping Eye-Tracking Research in Human-Computer Interaction: A Science-Mapping and Content-Analysis Study
2026-Feb-12, Journal of eye movement research
IF:1.3Q3
DOI:10.3390/jemr19010023
PMID:41718383
|
综述 | 本研究通过文献计量网络分析和定性内容分析，对2020年至2025年间人机交互领域的眼动追踪研究进行了全面梳理和概述 | 首次结合Web of Science和Scopus数据库，对近期人机交互领域的眼动追踪研究进行大规模文献计量与内容分析，识别出四大研究主轴 | 分析范围限定于2020-2025年的出版物，可能未涵盖更早期的关键研究；定性分析仅基于被引次数最高的50篇论文 | 为人机交互领域的眼动追踪研究提供全面、最新的概览，识别研究趋势、空白和未来方向 | 1033篇关于人机交互中眼动追踪的出版物（期刊文章和会议论文） | 人机交互 | NA | 眼动追踪，AI驱动的注视分析 | 深度学习模型 | 文献元数据（标题、摘要、关键词、引用信息） | 1033篇出版物，并对其中被引次数最高的50篇进行内容分析 | VOSviewer | NA | h指数，平均作者数 | NA |
| 720 | 2026-02-11 |
Predicting suicidal and self-harm ideation using ecological momentary assessment: deep learning analysis in a general population sample
2026-Feb-10, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-026-07815-6
PMID:41664026
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |