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 1529 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2026-04-27 |
Cellular and subcellular specialization enables biology-constrained deep learning
2026-Mar-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2026.117159
PMID:41894388
|
科研论文 | 该论文提出了一种基于生物约束的深度学习算法，利用细胞和亚细胞特化机制来模拟生物学习过程 | 首次将神经元细胞类型专业化和树突内区室化信号整合到多层人工神经网络中，并采用完全符合生物学的树突目标传播深度学习算法进行图像分类 | NA | 探索生物学习机制，并基于严格的生物约束构建可解释的深度学习模型 | 多层人工神经网络中分离的兴奋性和抑制性细胞类型以及具有独立树突区室的神经元单元 | 机器学习 | NA | 树突目标传播 | 人工神经网络 | 图像 | NA | NA | 多层人工神经网络（包含分离的兴奋性/抑制性细胞类型和树突区室） | 图像分类准确率 | NA |
| 202 | 2026-04-27 |
Quantifying Epistemic Uncertainty in Multimodal Long-Tailed Classification: A Belief Entropy-Based Evidential Fusion Framework
2026-Mar-19, Entropy (Basel, Switzerland)
DOI:10.3390/e28030343
PMID:41899995
|
研究论文 | 提出了一种基于信念熵的证据融合框架，用于量化多模态长尾分类中的认知不确定性 | 提出了不确定性门控证据融合模块、EMA公平性正则化器和两阶段跨模态一致性正则化器，以解决多模态长尾分类中的模态不确定性和类别不平衡问题 | 未在更大规模或更多样化的数据集上验证，可能在实际应用中存在泛化限制 | 提升多模态长尾分类中尾类的性能，并量化认知不确定性 | 多模态长尾分类任务中的视觉、语言和音频模态数据 | 机器学习 | NA | NA | 深度学习模型 | 多模态数据（视觉、语言、音频） | 三个长尾基准数据集 | NA | 证据融合网络 | 整体指标、校准性能、尾类子集性能 | NA |
| 203 | 2026-04-27 |
PromptSeg: An End-to-End Universal Medical Image Segmentation Method via Visual Prompts
2026-Mar-18, Entropy (Basel, Switzerland)
DOI:10.3390/e28030342
PMID:41899994
|
研究论文 | 提出一种基于视觉提示的端到端通用医学图像分割方法PromptSeg | 创新性地从信息论角度将分割过程建模为条件熵最小化问题，利用视觉提示减少目标任务的不确定性，并通过信息瓶颈原则过滤冗余噪声，仅需少量标注的视觉提示对即可处理未见过的数据集或分割目标而无需重新训练 | 方法在CT和MRI数据集上验证，但可能在其他影像模态或多任务场景下需进一步评估 | 解决医学图像分割中模型泛化能力差的问题，提出一种跨任务、跨模态的通用分割框架 | 2D医学图像分割任务 | 计算机视觉 | NA | Transformer | Transformer-based unified framework | 图像（CT和MRI数据集） | NA | PyTorch | Transformer | NA | NA |
| 204 | 2026-04-27 |
Teeth identification and numbering in mixed dentition: evaluating deep learning models for pediatric panoramic radiographs
2026-Mar-17, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08097-w
PMID:41845286
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 205 | 2026-04-27 |
Development and internal validation of a deep learning algorithm for intraoperative arterial pressure-based stroke volume index estimation in children: a single-center retrospective study
2026-Mar-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03428-x
PMID:41845328
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 206 | 2026-04-27 |
AI-based modeling of treatment decisions in benign prostatic hyperplasia: a transformer-based comparative study
2026-Mar-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03438-9
PMID:41845421
|
研究论文 | 本研究利用先进的大语言模型和深度学习模型，基于历史临床数据预测良性前列腺增生患者是否接受经尿道前列腺切除术或继续药物治疗 | 首次将大语言模型（GEMMA、GPT）与传统深度学习模型（RNN、CNN、LSTM）对比应用于良性前列腺增生治疗决策预测，并展示了GEMMA模型在该任务中优越的性能 | 样本量较小（仅883例来自单一医院），数据来源局限，可能影响模型的泛化能力 | 开发用于预测良性前列腺增生患者治疗决策（手术或药物治疗）的AI模型 | 良性前列腺增生患者的治疗决策 | 机器学习 | 前列腺增生 | NA | 大语言模型（GEMMA、GPT）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM） | 临床数据 | 883例患者病例（来自约旦大学医院） | NA | GEMMA、GPT、RNN、CNN、LSTM | 准确率、ROC AUC分数 | NA |
| 207 | 2026-04-27 |
U-Shaped Split Federated Learning with Compact Features for Deep Learning-Based Image Coding
2026-Mar-16, Entropy (Basel, Switzerland)
DOI:10.3390/e28030331
PMID:41899983
|
研究论文 | 提出一种紧凑特征U型分割联邦学习框架，用于基于深度学习的图像编码，以减少通信开销并保持低图像失真 | 引入特征熵估计网络对分割层特征建模，实现传输时有效压缩，并设计含熵约束的联合优化目标指导端到端训练 | 未在摘要中明确提及局限性 | 减少U型分割联邦学习中双向中间特征传输带来的通信开销，同时维持低图像失真和提高训练效率 | 分布式图像编码中的边缘设备 | 机器学习 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | 通信开销、重建性能 | NA |
| 208 | 2026-03-16 |
Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma
2026-Mar-14, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02253-y
PMID:41832418
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 209 | 2026-04-27 |
Integrating EfficientNetV2 with guided filopic diffusion for enhanced rice leaf disease recognition
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41654-5
PMID:41826510
|
研究论文 | 提出一种结合EfficientNetV2和引导菲洛皮克扩散的增强水稻叶片病害识别方法 | 首次将EfficientNetV2与扩散边界注意力法结合，并采用引导菲洛皮克扩散技术进行前置降噪，显著提升图像质量并保留叶片纹理特征 | 未提及在多种环境条件下的泛化能力或与其他方法的比较验证 | 提升水稻叶片病害识别的准确性和速度，推动深度学习在农业病害检测中的应用 | 水稻叶片病害（稻瘟病、褐斑病、白叶枯病） | 计算机视觉 | 植物病害 | NA | EfficientNetV2 | 图像 | 水稻叶片病害数据集（具体数量未提供） | PyTorch | EfficientNetV2 | 准确率、召回率、精确率、F1分数、Dice相似系数（DSC） | NA |
| 210 | 2026-04-27 |
Predictors of self-reported sexually transmitted infections (STIs) among men in 54 low and middle income countries (LMICs): a comparison of deep learning and classical machine learning algorithms
2026-Mar-12, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-13010-5
PMID:41820907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 211 | 2026-04-27 |
Automated interpretation of fetal cardiac function evaluation from the echocardiogram
2026-Mar-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02381-3
PMID:41807718
|
研究论文 | 开发了一个全自动人工智能工作流程，用于从超声心动图中估算胎儿心脏功能参数 | 首次实现胎儿心脏功能评估的完全自动化，整合深度学习模型进行实时检测与分割，并建立动态Z分数模型 | 未提及具体局限性 | 实现胎儿心脏功能的自动、准确、可重复评估 | 胎儿超声心动图 | 计算机视觉 | 胎儿心脏疾病 | 超声心动图 | 深度学习 | 图像 | 内部数据集52,942张标注图像来自1940次胎儿超声心动图，外部正常数据集245次超声心动图，内部异常数据集83次超声心动图 | NA | NA | Dice相似系数，交并比，组内相关系数，R值，平均绝对误差，一致性界限，个体等效系数 | NA |
| 212 | 2026-04-27 |
Popformer: Learning general signatures of positive selection with a self-supervised transformer
2026-Mar-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.06.710163
PMID:41846988
|
research paper | 提出一种基于自监督Transformer的模型Popformer，用于学习正选择信号的通用编码，并在人类基因组数据上进行预训练和微调 | 首次将Transformer架构应用于群体遗传选择信号检测，结合位点性和单倍型注意力机制，并采用掩码语言建模目标的预训练策略 | 模型在错配人口模型下表现仍有限制，且依赖模拟数据训练，对真实数据多样性的泛化能力需进一步验证 | 开发一种能泛化到多种进化场景的正选择信号检测方法，提升群体遗传推断的准确性 | 人类基因组变异数据中的正选择信号，包括模拟数据和来自1000 Genomes Project的真实数据 | machine learning | NA | 测序数据（SNP基因型数据） | Transformer | 基因组序列（SNP基因型） | 1000 Genomes Project的人类数据，具体样本量未明确提及 | PyTorch（推断，基于Transformer常见实现框架） | Transformer（含位点间注意力、单倍型间注意力和相对位置嵌入） | 准确性（accurate），基因型插补准确性 | NA |
| 213 | 2026-04-27 |
Confidence scoring for deep learning-predicted antibody-antigen complexes: AntiConf as a precision-driven metric
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag137
PMID:41903187
|
研究论文 | 本研究评估了九种深度学习模型在抗体-抗原复合物预测中的表现，并开发了新型置信度评分指标AntiConf | 整合pDockQ2和pTM评分开发了AntiConf指标，该指标在精度和召回率上优于现有方法，可作为AF2和AF3架构的有效后处理评分 | 未提及具体局限性，但可能包括数据集规模有限（200个复合物）及对特定模型的依赖性 | 评估深度学习模型在抗体-抗原复合物预测中的表现，并开发更精准的置信度评分方法 | 200个抗体-抗原复合物的三维结构预测结果 | 计算生物学，深度学习，结构预测 | NA | NA | 深度学习模型 | 结构数据，评分数据 | 200个抗体-抗原复合物 | NA | AlphaFold2, Boltz-1, Boltz-1x, Boltz-2, Chai-1, Protenix, Protenix-1, OpenFold3, ESMFold | 精度，召回率 | NA |
| 214 | 2026-04-24 |
[Advances in the Application of Artificial Intelligence in Clinical Microbiological Testing]
2026-Mar-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition
DOI:10.12182/20260360501
PMID:42021875
|
综述 | 系统回顾人工智能在临床微生物检测中的应用进展，涵盖视觉与非视觉数据的分析方法及算法前沿 | 系统整合深度学习在显微图像分析与多组学数据（基因组、转录组、宏基因组）中的应用突破，并探讨从科研向临床转化的关键挑战 | 仍处于从科学研究向临床实践转化的早期阶段 | 综述人工智能提升临床微生物检测效果（病原体识别、药敏预测、实验室自动化）的现状与趋势 | 临床微生物检测中的视觉数据（显微图像、菌落形态）与非视觉数据（基因组学、转录组学、宏基因组学等多组学数据） | 机器学习 | NA | NA | 深度学习 | 图像、文本 | NA | NA | NA | 识别效率、诊断准确度 | NA |
| 215 | 2026-04-24 |
Deep learning for Evaluation and Prediction of TecHnical Skills in robotic-assisted vaginal cuff closure study
2026-Mar-19, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2026.03.015
PMID:41864316
|
研究论文 | 开发基于深度学习的模型，通过细粒度分析预测机器人辅助子宫切除术中阴道袖口缝合的技术错误和通用手术技能 | 提出三种深度学习流水线（手术视频错误检测、少样本手术技能评估和多模态学习），首次在阴道袖口关闭视频中实现帧级错误检测和客观技能评分 | 数据集规模有限，仍需要更大规模的多中心数据集 | 开发基于细粒度分析的深度学习模型，预测机器人辅助阴道袖口关闭中的技术错误和通用手术技能 | 2023-2025年间多中心前瞻性队列研究中采集的机器人辅助全子宫切除术视频 | 计算机视觉 | 妇科手术 | 手术视频录制 | CNN, 时间建模模型 | 视频 | 来自2个中心的40段视频（667分钟，1,201,654帧），涉及11名外科医生（3名初学者、5名中级、3名专家） | NA | 时间建模网络, 少样本学习模型, 多模态学习模型 | 准确率, F1分数, 皮尔逊相关系数, 平均绝对误差 | NA |
| 216 | 2026-04-24 |
Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning
2026-Mar-19, Molecules (Basel, Switzerland)
DOI:10.3390/molecules31061032
PMID:41900131
|
研究论文 | 基于深度学习方法预测无铅双钙钛矿氧化物的带隙并分析关键特征 | 系统比较了MLP、深度集成学习、PINN和Transformer四种模型在中规模结构化特征预测中的表现，并利用SHAP方法分析特征重要性，揭示电子结构描述符为关键影响因子 | MLP对含硅和镁等元素的中高带隙系统泛化能力有限 | 实现无铅双钙钛矿带隙的高精度预测与机制解释，为材料设计提供理论支撑 | 无铅双钙钛矿氧化物的带隙 | 机器学习 | NA | 密度泛函理论计算（数据来源） | MLP, 深度集成学习, PINN, Transformer | 结构化数值数据 | 2367个有效数据集 | NA | MLP, 深度集成学习, PINN, Transformer | R值, MAE, MSE, RMSE | NA |
| 217 | 2026-04-24 |
MM-WAE: Multimodal Wasserstein Autoencoders for Semi-Supervised Wafer Map Defect Recognition
2026-Mar-18, Micromachines
IF:3.0Q2
DOI:10.3390/mi17030367
PMID:41900253
|
研究论文 | 提出一种基于多模态Wasserstein自编码器的半监督晶圆图缺陷识别方法 | 构建空间、频率和纹理三个并行特征分支，利用多头注意力机制和门控机制进行自适应多模态融合；引入Wasserstein自编码器并用最大平均差异损失正则化潜空间分布；结合逆类别频率加权交叉熵损失和模态一致性损失，实现半监督学习下的重构与分类联合优化 | 未提及模型在极不平衡数据或新缺陷类型上的泛化能力，也未报告计算资源需求或推理速度 | 解决晶圆图缺陷识别中标签稀缺、长尾分布和特征表示有限导致的性能下降问题 | 晶圆图缺陷模式 | 计算机视觉 | NA | 晶圆图成像 | Wasserstein自编码器、多头注意力机制 | 晶圆图图像 | NA | PyTorch | Wasserstein自编码器 | 准确率、鲁棒性 | NA |
| 218 | 2026-04-24 |
Yixin Yangshen Granules Target HIF-1 Signaling to Modulate the Neuroimmune Microenvironment in Alzheimer's Disease: Insights from Integrative Multi-Omics and Deep Learning
2026-Mar-18, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph19030502
PMID:41901348
|
研究论文 | 本研究整合多组学和深度学习技术，阐明益心养肾颗粒通过调节HIF-1信号通路改善阿尔茨海默病神经免疫微环境的机制 | 首次结合单细胞RNA测序、多组学分析和深度学习框架DTIAM，系统揭示益心养肾颗粒通过HIF-1和AGE-RAGE通路的多靶点调控机制，并识别灵芝内酯A为关键活性成分 | 主要基于Aβ诱导的小鼠模型和体外细胞实验，缺乏人体临床试验验证；多组学整合和深度学习的预测结果需进一步的药理实验佐证 | 阐明益心养肾颗粒治疗阿尔茨海默病的多靶点机制，重点关注神经免疫微环境的调节 | 阿尔茨海默病患者海马组织snRNA-seq数据、Aβ诱导的HT22细胞和小鼠模型 | 机器学习 | 阿尔茨海默病 | snRNA-seq、UPLC-QTOF-MS、转录组测序、蛋白质组学、分子对接、分子动力学模拟 | 深度学习框架DTIAM | 基因表达数据、蛋白质组数据、分子对接数据 | 公开人类AD海马snRNA-seq数据集（具体数量未说明）；Aβ诱导的小鼠模型（具体数量未说明） | DTIAM | DTIAM | NA | NA |
| 219 | 2026-03-18 |
Deep learning-based non-invasive prediction of axillary lymph node metastasis in breast cancer: performance of the YOLO-v11 object detection algorithm
2026-Mar-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02289-0
PMID:41840500
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 220 | 2026-03-18 |
Explainable tabular deep learning models for antenatal cesarean delivery prediction in multiparous women
2026-Mar-16, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-026-08934-4
PMID:41840520
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |