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 1546 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-05-01 |
Artificial intelligence assisted multi-model pathological diagnosis of breast cancer based on multispectral autofluorescence images
2026-Mar-12, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-026-00915-2
PMID:41820369
|
研究论文 | 提出一种基于多光谱自发荧光成像与优化深度学习框架的无标记虚拟染色技术，用于生成乳腺癌病理诊断级图像 | 通过改进CycleGAN并引入显著性损失和全局特征一致性损失，显著提升多光谱自发荧光成像到H&E虚拟染色的性能，且无需像素级配准；结合临床标本、小鼠模型和类器官共培养的多模态数据库 | 尚未提及在更大规模临床试验中的验证，以及在不同批次或设备间的泛化能力 | 实现快速、无损的乳腺癌病理诊断级图像生成，用于临床诊断和机制研究 | 临床乳腺癌标本、小鼠模型、类器官共培养样本 | 数字病理学 | 乳腺癌 | 多光谱自发荧光成像 | 生成对抗网络 (GAN) | 图像 | 包含临床标本、小鼠模型、类器官共培养样本的多模态数据集 | PyTorch | CycleGAN | 准确率、精确率、召回率、F1-score | NA |
| 422 | 2026-04-30 |
Colorectal mucosal exposure area assessment using artificial intelligence: a multicenter prospective observational study
2026-03, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2695-1832
PMID:40902624
|
研究论文 | 提出基于深度学习的累积结直肠黏膜暴露面积系统，并在多中心前瞻性观察研究中验证其作为结肠镜检查质量指标的有效性 | 首次提出累积结直肠黏膜暴露面积作为结肠镜检查质量指标，并结合深度学习技术构建自动化评估系统 | 研究未明确说明系统的泛化能力及在不同医疗环境中的适用性，且样本量相对有限 | 评估累积结直肠黏膜暴露面积作为结肠镜检查质量指标的有效性 | 510名接受结肠镜检查的参与者 | 计算机视觉 | 结直肠癌 | 深度学习 | ResNet50, UNet++ | 图像 | 510名参与者的结肠镜检查图像 | NA | ResNet50, UNet++ | 腺瘤检出率，息肉检出率，调整后比值比，调整后发生率比 | NA |
| 423 | 2026-04-30 |
Deep Few-View High-Resolution Photon-Counting CT at Halved Dose for Extremity Imaging
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618754
PMID:41071701
|
研究论文 | 提出一种基于深度学习的半剂量高分辨率光子计数CT成像方法，用于肢体成像 | 设计基于块的体积细化网络以缓解GPU内存限制，使用合成数据训练网络并通过模型迭代细化弥合合成与临床数据之间的域差异 | NA | 实现半剂量和高速度的光子计数CT图像重建，同时保持图像质量和诊断价值 | 肢体图像重建，辐射剂量减半 | 计算机视觉 | NA | 光子计数CT | CNN | 图像 | 8名患者的临床数据 | PyTorch | 基于块的体积细化网络 | 图像质量评估，诊断价值 | GPU（NVIDIA） |
| 424 | 2026-04-29 |
Computational Discovery of MERS-CoV Main Protease Inhibitors Through Screening and Molecular Dynamics Simulations
2026-Mar-26, Proteins
IF:3.2Q2
DOI:10.1002/prot.70132
PMID:41887806
|
研究论文 | 通过计算筛选和分子动力学模拟发现MERS-CoV主蛋白酶抑制剂 | 结合分子对接与相似性搜索策略，并使用深度学习K模型、MM/GBSA和FEP等多种计算方法评估结合自由能 | NA | 识别潜在的MERS-CoV主蛋白酶抑制剂 | MERS-CoV主蛋白酶及其小分子抑制剂 | 机器学习 | 呼吸道病毒疾病 | 分子对接、分子动力学模拟 | 深度学习K模型 | 分子结构数据 | 从DrugBank、CHEMBL和蛋白质数据库收集的小分子化合物库 | NA | NA | 结合自由能、平衡解离常数(KD)、半数抑制浓度(IC50) | NA |
| 425 | 2026-04-29 |
Readout of intrinsic and induced DNA shape by homeodomain transcription factor complexes
2026-Mar-20, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2026.03.036
PMID:41863075
|
研究论文 | 解析同源域转录因子复合物对内在和诱导DNA形状的读取机制 | 首次结合SELEX-seq数据、分子动力学模拟和深度学习（DeepPBS）构建多尺度框架，揭示同源域转录因子复合物中内在和诱导DNA形状的协同作用，并弥补AlphaFold 3在预测突变影响和构象动态方面的不足 | AlphaFold 3在预测突变或构象动态对DNA形状的影响方面存在困难 | 理解同源域转录因子复合物如何通过内在和诱导DNA形状决定结合特异性 | 果蝇Hox转录因子Sex combs reduced及其辅因子Homothorax和Extradenticle形成的三聚体复合物，以及Distal-less和Engrailed两种同源域转录因子 | 自然语言处理 | NA | SELEX-seq, 分子动力学模拟, 深度学习 | DeepPBS, AlphaFold 3 | 序列数据, 结构数据 | 包含不同结合亲和力的多条DNA序列 | AlphaFold, DeepPBS | AlphaFold 3 (AF3), DeepPBS | NA | NA |
| 426 | 2026-04-29 |
PestDetectSim: an integrated approach for crop pest diagnosis using object detection and similarity-based image retrieval
2026-Mar-19, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-026-01520-x
PMID:41857639
|
研究论文 | 提出一种结合目标检测和基于相似性的图像检索的农作物害虫诊断集成框架PestDetectSim | 将YOLO v8目标检测与SE-Net增强的相似性图像检索相结合，输出检测结果和相似参考图像列表，支持用户交叉验证，提高了诊断可靠性和可解释性 | 未明确提及限制，但可能依赖于预定义害虫类别和图像检索质量 | 提升农作物害虫诊断的准确性和实用性，通过集成自动检测与用户辅助验证增强可靠性 | 农作物害虫图像 | 计算机视觉 | 作物害虫病害 | 目标检测、图像检索 | YOLO v8，SE-Net模块 | 图像 | 包含30种害虫物种的真实田间数据集 | NA | YOLO v8，Squeeze-and-Excitation (SE-Net) | 端到端诊断准确率98.82%，端到端推理时间约60毫秒/图像 | 资源受限设备，支持实时部署 |
| 427 | 2026-04-29 |
Critical evaluation of the theory and practice of feed-forward neural networks for genomic prediction
2026-03-04, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkaf314
PMID:41442545
|
研究论文 | 对前馈神经网络在基因组预测中的理论和实践进行关键评估 | 提出预测问题分类法以避免模型比较中的混淆，并理论结合实证验证深度学习相对线性模型的三大声称优势 | 仅探索了少量可能的深度学习模型空间，未涵盖所有相关方面 | 评估深度学习在基因组预测中的理论和实践效果，并建议未来研究方向 | 玉米多环境试验数据集中的基因组、土壤、天气和管理输入与谷物产量的关系 | 机器学习 | NA | 基因组预测 | 前馈神经网络、再生核希尔伯特空间模型 | 基因组数据、土壤数据、天气数据、管理数据 | NA | NA | 前馈神经网络 | 预测精度 | NA |
| 428 | 2026-04-29 |
Deep learning analysis of the pathologic sequence in gastric biopsies from Helicobacter pylori-related intestinal metaplasia
2026-Mar-03, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqaf146
PMID:41852252
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 429 | 2026-04-29 |
Computational discovery of high-temperature superconducting ternary hydrides via deep learning
2026-Mar, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwag030
PMID:41908304
|
研究论文 | 利用深度学习框架计算发现高温超导三元氢化物 | 首次将深度学习驱动的理论框架整合高通量晶体结构探索、物理约束筛选和超导临界温度精确预测，成功识别出129种新化合物及27种新结构原型 | NA | 通过深度学习有效解决高温超导三元氢化物在庞大化学和构型空间中的搜索难题 | 三元氢化物超导材料 | 机器学习 | NA | NA | 深度学习模型 | 结构数据与物理约束 | 约3600万种三元氢化物结构；涵盖29种元素 | NA | NA | 超导临界温度预测；热力学稳定性评估 | NA |
| 430 | 2026-04-27 |
Early versus delayed anticoagulation in acute ischemic stroke with atrial fibrillation according to infarct volume and location: A prespecified subgroup analysis of the OPTIMAS randomized controlled trial
2026-Mar-30, International journal of stroke : official journal of the International Stroke Society
IF:6.3Q1
DOI:10.1177/17474930261441297
PMID:41906919
|
研究论文 | 基于OPTIMAS随机对照试验的预设亚组分析，评估急性缺血性卒中伴房颤患者中，根据梗死体积和位置，早期与延迟抗凝治疗的效果差异 | 首次通过精确分割测量的梗死体积，分析早期抗凝治疗效果是否受梗死大小的影响，并纳入基于深度学习的分割模型进行验证 | 仅基于预设的亚组分析设计，未涉及梗死位置对治疗效果的详细影响评估；样本量在极端梗死体积组可能有限 | 探讨急性缺血性卒中伴房颤患者中，梗死体积是否改变早期DOAC抗凝治疗的效果 | 3572名急性缺血性卒中伴房颤患者（平均年龄78岁，45%女性），来自OPTIMAS试验 | 机器学习 | 脑血管疾病 | MRI扩散加权成像，深度学习分割模型，CT扫描 | 深度学习分割模型 | 医学图像（MRI和CT） | 3572名参与者（占主要试验人群的98.6%） | NA | 深度学习分割模型（未具体说明架构） | 复合结局指标（复发性缺血性卒中、症状性颅内出血、系统性动脉栓塞） | NA |
| 431 | 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 |
| 432 | 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 |
| 433 | 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 |
| 434 | 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 |
| 435 | 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 |
| 436 | 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 |
| 437 | 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 |
| 438 | 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 |
| 439 | 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 |
| 440 | 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 |