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 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2026-04-20 |
Rejoining fragmented ancient bamboo slips with physics-driven deep learning
2026-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70361-y
PMID:41786754
|
研究论文 | 本文提出了一种名为WisePanda的物理驱动深度学习框架，用于自动拼接古代竹简碎片 | 基于断裂和材料劣化的物理原理，自动生成成对的合成训练数据，无需手动配对样本，从而解决了古代文物修复中的数据稀缺问题 | 未在摘要中明确提及 | 开发一种高效的方法来拼接古代竹简碎片，以促进对古代文明内容的理解 | 古代竹简碎片 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | 匹配准确率 | NA |
| 282 | 2026-04-20 |
EEG-TriNet++: A Transformer-Guided Meta-Learning Framework for Robust and Generalizable Motor Imagery Classification
2026-Mar-06, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering13030307
PMID:41899838
|
研究论文 | 本文提出了一种名为EEG-TriNet++的多分支深度学习框架，用于提升基于脑电信号的运动想象分类的准确性和跨被试泛化能力 | 提出了一种结合卷积空间-频谱编码器、双向LSTM和Transformer头的多分支架构，并引入了模型无关的元学习模块以快速适应新用户，同时采用分块标记化策略和神经架构搜索来优化效率与表征能力之间的平衡 | 未明确提及模型的计算复杂度、实时性表现或在更大规模或更多样化数据集上的泛化能力 | 开发一个鲁棒且可泛化的深度学习框架，用于基于脑电信号的运动想象分类，以提升脑机接口的性能 | 脑电信号 | 机器学习 | NA | 脑电图 | CNN, LSTM, Transformer | 时间序列信号 | 两个公开的运动想象数据集 | NA | EEG-TriNet++（多分支架构，包含卷积空间-频谱编码器、双向LSTM、Transformer头） | 准确率 | NA |
| 283 | 2026-04-20 |
AMR-GNN: a multi-representation graph neural network framework to enable genomic antimicrobial resistance prediction
2026-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69934-8
PMID:41792137
|
研究论文 | 提出了一种名为AMR-GNN的多表示图神经网络框架，用于从基因组序列数据预测抗菌素耐药性表型 | 首次将多种基因组表示与图神经网络集成，以解决AMR表型预测中的关键问题，包括利用多表示提升性能、减轻克隆关系影响以及识别可解释的生物标志物 | 作为概念验证框架，其在大规模临床应用中的具体表现和泛化能力仍需进一步验证 | 开发一个数据驱动的机器学习框架，以从全基因组测序数据中准确预测抗菌素耐药性表型 | 铜绿假单胞菌（作为概念验证），以及后续验证中涵盖的革兰氏阴性和革兰氏阳性病原体 | 机器学习 | 抗菌素耐药性 | 全基因组测序 | GNN | 基因组序列数据 | NA | NA | AMR-GNN | NA | NA |
| 284 | 2026-04-20 |
RoentMod: a synthetic chest X-ray modification model to identify and correct image interpretation model shortcuts
2026-Mar-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02497-6
PMID:41792409
|
研究论文 | 介绍RoentMod，一种用于生成合成胸部X射线图像的框架，以识别和纠正医学图像解释模型中的捷径学习问题 | 结合开源医学图像生成器与图像到图像修改模型，无需重新训练，生成具有用户指定病理特征的逼真合成胸部X射线图像 | 未提及具体局限性，但可能包括生成图像的多样性或泛化能力 | 提高胸部X射线图像解释模型的鲁棒性和可解释性，通过对抗捷径学习 | 胸部X射线图像及其自动化解释模型 | 计算机视觉 | NA | 深度学习，图像生成与编辑 | 多任务模型，基础模型 | 图像 | 未明确指定样本数量，但涉及内部和外部测试 | 未明确指定，但提及开源医学图像生成器RoentGen | 未明确指定具体架构 | AUC | 未明确指定 |
| 285 | 2026-04-19 |
Source apportionment of pollution in the Tianjin Haihe river sluice based on the TCN-APCS-MLR model
2026-Mar-31, Environmental geochemistry and health
IF:3.2Q2
DOI:10.1007/s10653-026-03139-2
PMID:41915250
|
研究论文 | 本研究提出了一种结合TCN与APCS-MLR的新模型，用于天津海河闸复杂流域的污染源解析 | 首次将时序卷积网络（TCN）与绝对主成分得分-多元线性回归（APCS-MLR）模型相结合，以增强对非线性时间动态的建模能力，提高了传统受体模型在复杂河口环境中的源解析精度 | 研究基于2022-2024年的日尺度水质数据，模型在更长时序或更复杂污染情景下的普适性有待进一步验证 | 开发一种能够准确、及时识别复杂流域污染源的高性能模型，以支持动态流域管理和生态修复 | 天津海河闸流域的水体污染 | 机器学习 | NA | 水质监测 | TCN, APCS-MLR | 时间序列数据（水质数据） | 2022年至2024年的日尺度水质数据 | NA | 时序卷积网络（TCN），结合主成分分析（PCA）和多元线性回归（MLR） | R值（相关系数），RMSE（均方根误差），MAE（平均绝对误差），累计方差贡献率 | NA |
| 286 | 2026-04-19 |
An AI-ready remote sensing dataset for high-resolution forest disturbance mapping
2026-03-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07084-8
PMID:41888167
|
研究论文 | 本文介绍了一个用于高分辨率森林干扰类型分类的深度学习就绪数据集，并展示了其应用效果 | 提供了一个包含多通道（红、绿、蓝、近红外和物体高度）的高分辨率（0.2米）遥感数据集，专门用于森林干扰分类，并通过消融分析评估了各通道的贡献 | 数据集仅基于德国莱茵兰-普法尔茨州的数字正射影像，可能无法完全代表其他地区的森林干扰情况 | 开发一个高分辨率、深度学习就绪的遥感数据集，以改进森林干扰类型的监测和分类 | 欧洲森林的自然干扰事件，如虫害爆发、病原体感染、风倒和随后的抢救性采伐 | 计算机视觉 | NA | 遥感成像，数字正射影像 | 深度学习模型 | 图像 | 约17,500个图像块（每个500×500像素，分辨率0.2米） | NA | NA | 总体准确率 | NA |
| 287 | 2026-04-19 |
U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas
2026-Mar-25, Brain informatics
DOI:10.1186/s40708-026-00296-z
PMID:41880065
|
研究论文 | 本研究利用基于U-Net的迁移学习，开发了一个全自动的[18F]F-DOPA PET分析流程，用于儿童胶质瘤的肿瘤分割和参数提取 | 利用成人胶质瘤数据集的迁移学习，实现了对儿童胶质瘤PET图像的全自动肿瘤分割和参数提取，减少了操作者依赖性 | 研究为回顾性设计，样本量有限（特别是动态分析仅包括32名患者），且手动与自动方法在肿瘤-背景比上存在显著差异 | 开发一个全自动的深度学习流程，用于儿童胶质瘤的[18F]F-DOPA PET图像分析和肿瘤分割 | 儿童胶质瘤患者 | 数字病理学 | 胶质瘤 | [18F]F-DOPA PET成像 | CNN | PET图像 | 103名儿童患者（静态和/或动态PET扫描），其中90名用于统计和生存分析，32名用于动态分析 | NA | U-Net | Dice分数 | NA |
| 288 | 2026-04-19 |
Assessment of Defacing Techniques on Medical Images for Radiation Therapy: Implications for Patient Privacy and Data Utility
2026-Mar-22, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.03.023
PMID:41876069
|
研究论文 | 评估四种去脸技术对放射治疗多模态图像中患者隐私保护与数据完整性的影响 | 首次在放射治疗多模态图像中系统比较四种去脸技术的隐私保护效果与数据完整性，为临床数据共享提供优化选择 | 研究仅基于特定数据集（脑部和头颈部患者），未涵盖所有癌症类型或成像技术，且未评估长期临床影响 | 评估去脸技术在放射治疗图像中对患者隐私风险和数据实用性的影响 | 脑部患者（88例）和头颈部患者（97例）的多模态医学图像（MRI、CT、RTDose、PET） | 数字病理 | 癌症 | 磁共振成像、计算机断层扫描、正电子发射断层扫描、放射剂量成像 | 深度学习面部识别模型 | 医学图像 | 185例患者（88例脑部，97例头颈部） | NA | ArcFace | 余弦相似度评分、受试者工作特征曲线下面积、体积变化百分比、强度变化百分比、剂量偏差 | NA |
| 289 | 2026-04-19 |
Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42870-9
PMID:41820475
|
研究论文 | 本研究提出了一种集成U-ResNet和形状感知注意力的深度学习模型，用于脊柱疾病图像的自动分割，以提高诊断效率和准确性 | 设计了三个核心优化模块：定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，以增强对脊柱形态变化的捕捉能力并抑制背景干扰 | 未明确提及模型在更广泛数据集或实际临床环境中的泛化能力验证 | 开发一种端到端的深度学习模型，用于脊柱疾病医学图像的自动分割和测量，以支持早期准确诊断 | 脊柱疾病图像，特别是腰椎MRI和VerSe数据集中的图像 | 数字病理 | 脊柱疾病 | 深度学习图像分割 | CNN | 医学图像 | 使用了Lumbar Spine MRI和VerSe数据集，具体样本数量未明确说明 | 未明确提及 | U-ResNet | 分类、分割和椎间盘退变分级任务的性能指标，具体指标未明确列出 | 未明确提及 |
| 290 | 2026-03-13 |
Amyloid PET quantification with deep learning segmentation models without MRI
2026-Mar-11, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00854-8
PMID:41811594
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 291 | 2026-04-18 |
AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records
2026-Mar-10, BMC emergency medicine
IF:2.3Q1
DOI:10.1186/s12873-025-01468-6
PMID:41807959
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 292 | 2026-03-11 |
HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning
2026-Mar-09, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12738-3
PMID:41803713
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 293 | 2026-04-19 |
Enhancing trustworthiness of Arabic online health information quality evaluation using an enhanced BERT architecture with PCA and ICA feature weighting
2026-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43158-8
PMID:41792455
|
研究论文 | 本研究提出了一种结合增强型阿拉伯语BERT、PCA与ICA特征加权及信息熵损失函数的深度学习模型，用于评估阿拉伯语在线健康信息的质量 | 首次将PCA和ICA特征加权与增强型阿拉伯语BERT结合，并引入信息熵改进损失函数，提升模型在文档分类中的确定性和校准能力 | 研究仅针对阿拉伯语健康信息，未验证在其他语言或信息类型的泛化能力 | 评估在线健康信息的质量，提升其可信度 | 阿拉伯语在线健康信息 | 自然语言处理 | NA | 深度学习 | BERT | 文本 | NA | NA | 增强型阿拉伯语BERT | 准确率 | NA |
| 294 | 2026-04-19 |
High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China
2026-Mar-05, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06958-1
PMID:41786785
|
研究论文 | 本研究提供了一个高分辨率的数据集，用于基于深度学习的碳酸盐岩微相分类，该数据集通过分割大型板状图像并自动标注微相组分构建 | 首次为寒武系仙女洞组中的Girvanella粘结岩微相提供了高分辨率、自动标注的数据集，支持深度学习在古海洋生态系统研究中的应用 | 数据集仅基于特定地质层位和微相类型，可能无法泛化到其他碳酸盐岩环境或时代 | 研究古代海洋生态系统演化及早期碳酸盐岩台地结构 | 寒武系仙女洞组中的Girvanella粘结岩微相 | 计算机视觉 | NA | 点计数自动标注 | 深度学习分类模型 | 图像 | 大型板状图像分割为114×114像素的图块 | NA | NA | NA | NA |
| 295 | 2026-03-07 |
Deep learning-driven automated detection of canine cardiac murmurs via digital wireless stethoscope auscultation
2026-Mar-03, Veterinary research communications
IF:1.8Q2
DOI:10.1007/s11259-026-11131-5
PMID:41774252
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 296 | 2026-04-19 |
A review on integrated machine learning and deep learning driven artificial intelligence models for pharmacokinetics and toxicokinetics predictions, and their application
2026-Mar, Drug metabolism and disposition: the biological fate of chemicals
DOI:10.1016/j.dmd.2026.100240
PMID:41763192
|
综述 | 本文综述了集成机器学习和深度学习驱动的AI模型在药代动力学和毒代动力学预测中的应用 | 探讨了从传统ML/DL向混合学习AI模型的转变趋势，强调混合模型在提高预测准确性和加速药物发现方面的优势 | NA | 评估AI模型在ADMET属性预测中的进展与应用 | ADMET软件、药代动力学-药效学预测模型 | 机器学习 | NA | 混合人工智能、多模型技术 | 机器学习、深度学习、混合模型 | NA | NA | NA | NA | 准确性 | NA |
| 297 | 2026-04-19 |
Clinical and economic impact of deep learning-enhanced opportunistic osteoporosis screening using chest radiographs with and without the osteoporosis self-assessment tool for Asians (OSTA)
2026-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA
IF:4.2Q1
DOI:10.1007/s00198-026-07858-1
PMID:41563407
|
研究论文 | 本研究评估了在新加坡50岁及以上女性中，利用深度学习增强的胸部X光片机会性骨质疏松筛查的临床和经济效益 | 首次结合深度学习与OSTA工具进行骨质疏松筛查的成本效益分析 | 研究仅针对新加坡50岁及以上女性，可能不适用于其他人群或地区 | 评估深度学习增强的骨质疏松筛查方法的临床效果和经济影响 | 新加坡50岁及以上的女性 | 数字病理学 | 骨质疏松症 | 深度学习 | NA | 胸部X光图像 | NA | NA | NA | 骨折减少率, 质量调整生命年 | NA |
| 298 | 2026-04-19 |
DuaST: an integrated deep learning framework for spatial transcriptomics with cross-branch interaction
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag174
PMID:41985058
|
研究论文 | 本文提出了一种名为DuaST的集成深度学习框架，用于处理空间转录组学数据，通过双分支学习整合空间与非空间信息 | 设计了一个双分支学习框架，分别建模邻域依赖和拓扑无关特征，并采用局部-全局对比学习、对抗对齐和基于注意力的融合机制来整合互补表示，同时通过可学习权重矩阵重建基因表达以识别空间可变基因，并支持从单组学到多组学分析的无缝扩展 | 未在摘要中明确提及具体限制 | 开发一个通用的计算方法，以利用空间转录组学数据中的基因表达和空间信息，并整合空间与非空间信息 | 空间转录组学数据 | 机器学习 | NA | 空间转录组学 | 深度学习框架 | 基因表达和空间信息数据 | NA | NA | 双分支学习框架 | NA | NA |
| 299 | 2026-04-19 |
Prediction of minimum inhibitory concentration of antibacterial peptides using geometric graph networks and dynamic loss functions
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag170
PMID:41985057
|
研究论文 | 提出一种名为GGN-ABPMIC的几何图网络模型，用于预测抗菌肽的最小抑菌浓度 | 整合了原子和残基尺度的多尺度结构特征与肽序列特征，并引入了结合MSE、Huber损失和对比学习损失的多阶段动态权重混合损失函数 | 模型仅在10种细菌物种的数据集上进行了验证，覆盖的物种范围仍有扩展空间 | 开发一种深度学习模型以更准确地预测抗菌肽的最小抑菌浓度 | 抗菌肽 | 机器学习 | NA | NA | 几何图网络 | 序列数据, 结构特征 | 跨越10种细菌物种的数据集 | NA | 几何图网络, 几何向量感知机 | 均方误差, R², 皮尔逊相关系数 | NA |
| 300 | 2026-04-19 |
A bio-inspired computational pipeline for antibody screening and repurposing
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag183
PMID:41985061
|
研究论文 | 本文提出了一种受体内免疫选择关键原理启发的多尺度计算筛选流程，用于抗体筛选和再利用 | 整合了基于结构的对接、基于图神经网络的相互作用预测以及加速分子动力学与元动力学自由能分析，实现了高通量计算机优先筛选结构解析的抗体 | 研究侧重于筛选和再利用阶段，而非完整的迭代亲和力成熟过程，亲和力成熟被定位为未来的扩展方向 | 加速结构引导的抗体筛选和再利用 | 抗体结构，特别是针对与纤维化、肿瘤学和肌肉消耗性疾病相关的多效性细胞因子Activin A的抗体 | 机器学习 | 进行性骨化性纤维发育不良 | 结构对接，分子动力学模拟，自由能分析 | 图神经网络 | 结构数据 | 约5000个抗体结构 | NA | NA | 亲和力，中和活性 | NA |