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 1560 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-05-06 |
High-fidelity single-frame computational super-resolution using signal-preserving denoising-enabled deconvolution
2026-Mar-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70791-8
PMID:41844624
|
研究论文 | 提出一种名为3Snet-CLID的计算超分辨率方法，结合混合监督/自监督深度学习网络进行信号保持去噪与直接Richardson-Lucy解卷积，实现从单帧宽场或转盘共聚焦图像中获取纳米级成像 | 集成信号保持去噪与解卷积的混合监督/自监督深度学习框架，通过逐像素去噪策略抑制噪声并保持信号分布，减少伪影并增强鲁棒性 | NA | 克服计算超分辨率的瓶颈，提供高保真纳米级活细胞成像的易用平台 | 常规显微镜下的固定和活细胞中的线粒体外膜、内质网和核孔等结构 | 计算机视觉 | NA | 计算超分辨率 | 深度学习网络 | 图像 | NA | NA | 3Snet-CLID | 分辨率提升倍数 | NA |
| 522 | 2026-05-02 |
Deep Learning Technology in Genomics, Radiotherapy, and Ophthalmology for Precision Medicine
2026-Mar-01, Journal of physiological investigation
DOI:10.4103/ejpi.EJPI-D-25-00069
PMID:41979282
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 523 | 2026-05-04 |
Examining the Use of Consumer Wearable Devices and Digital Tools for Stress Measurement in College Students: Scoping Review of Methods
2026-Mar-30, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/64144
PMID:41911361
|
综述 | 系统综述了使用可穿戴设备和大数据工具测量大学生压力的方法，识别常用设备、生理信号和机器学习模型 | 首次聚焦大学生群体，综合评估可穿戴传感器、生理信号、建模方法和研究质量，而非仅关注算法性能 | 纳入研究普遍依赖小样本数据集（如WESAD仅15人），人口统计报告不一致，时序建模算法使用有限，限制实际部署 | 识别大学生压力检测中使用可穿戴技术和数字工具的最佳实践和新兴趋势 | 大学生群体中的心理压力检测研究 | 数字病理学 | 心理疾病 | 可穿戴设备传感器 | 支持向量机 | 生理信号数据 | 134项研究 | NA | 支持向量机 | NA | NA |
| 524 | 2026-05-04 |
An Introduction to AI for Clinicians: Tutorial
2026-Mar-30, Interactive journal of medical research
IF:1.9Q3
DOI:10.2196/85266
PMID:41911411
|
教程 | 本文为临床医生提供人工智能基础知识的入门教程 | 采用分步骤、分模块的结构化教学方法，涵盖AI基本定义、深度学习原理及临床应用，专门为无AI背景的临床医生设计 | NA | 帮助临床医生建立AI知识框架，理解基本概念如深度学习、监督学习与无监督学习的区别，以及模型学习过程 | NA | 机器学习 | NA | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 525 | 2026-05-04 |
Characterizing Stomatal and Epidermal Traits Using Peels, Clearing, and AI-Based Image Analysis
2026-03-27, Journal of visualized experiments : JoVE
DOI:10.3791/69615
PMID:41973657
|
研究论文 | 提出了一种结合表皮剥离和叶片透明技术及人工智能图像分析来表征气孔和表皮特征的方法协议 | 系统比较了YOLOv8气孔检测模型、Cellpose通用细胞分割工具和像素分类器三种AI工具在不同方法下的表现，揭示了物种特异性解剖结构对AI工具适用性的影响 | AI分析在欧洲白蜡树（Fraxinus excelsior）中表现受限，结果与手动测量存在偏差，表明物种特异性和解剖结构会影响方法适用性 | 开发并评估结合手动方法和AI辅助图像分析以高通量表征气孔和表皮特征的技术协议 | 两种生态差异明显的双子叶植物——欧洲白蜡树（Fraxinus excelsior）和药用蒲公英（Taraxacum officinale） | 计算机视觉 | NA | 表皮剥离、叶片透明、AI图像分析 | YOLOv8、Cellpose、像素分类器 | 显微镜图像 | 两种植物物种的叶片样本 | PyTorch | YOLOv8、Cellpose | 准确性、可重复性、一致性 | NA |
| 526 | 2026-05-02 |
A deep learning system for diagnosis of rheumatoid arthritis on digital hand photographs
2026-Mar-24, BMC rheumatology
IF:2.1Q3
DOI:10.1186/s41927-026-00639-7
PMID:41872907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 527 | 2026-05-04 |
Deep Learning-Predicted RNFL Loss and Incident Glaucoma in the Canadian Longitudinal Study on Aging
2026-Mar-19, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2026.03.006
PMID:41862096
|
研究论文 | 利用深度学习模型从眼底照片预测视网膜神经纤维层变薄，并评估其与青光眼发病风险的关联 | 首次在大型人群队列（加拿大老龄化纵向研究）中通过机器到机器模型从眼底照片预测RNFL厚度变化，并验证其与青光眼发病率的独立关联 | 未提及 | 评估通过深度学习模型从眼底照片预测的RNFL变薄与青光眼发病风险的纵向关联 | 加拿大老龄化纵向研究中的18,247名参与者（30,202只眼），年龄45-86岁 | 计算机视觉 | 青光眼 | 深度学习，OCT训练模型 | CNN | 眼底照片 | 18,247名参与者，30,202只眼 | NA | NA | 年化RNFL厚度变化率，风险比 | NA |
| 528 | 2026-05-04 |
Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders
2026-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40717-x
PMID:41844760
|
研究论文 | 利用惯性传感器和深度学习对犬类步态进行分析，以区分骨科和神经性疾病 | 首次探索并开发基于惯性传感器读数的深度学习方法，用于区分犬类骨科和神经性步态异常，并优化模型性能与泛化能力 | 样本量较小（29只狗），可能影响模型泛化性；传感器配置、评估协议及模型架构的优化仍有待进一步探索 | 评估利用惯性传感器和深度学习区分犬类神经性与骨科步态异常的可行性，并提升诊断的客观性与实用性 | 犬类步态数据，涵盖健康、骨科疾病和神经性疾病三类 | 机器学习 | 骨科疾病，神经性疾病 | 惯性传感器 | 深度学习模型 | 传感器读数 | 29只犬的步态数据 | NA | NA | 准确率 | NA |
| 529 | 2026-05-04 |
Multilayer pyramid pooling self-attention for landslide detection using vision transformers
2026-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44425-4
PMID:41851200
|
研究论文 | 提出基于多层金字塔池化自注意力的视觉Transformer用于遥感滑坡检测 | 将多层金字塔池化集成到Transformer多头自注意力机制中，实现序列高效缩减且保持多尺度上下文，无需全新骨干网络 | 未在论文标题和摘要中明确提及局限性 | 提升遥感影像滑坡检测的准确性，降低Transformer计算成本 | 遥感影像中的滑坡区域 | 计算机视觉 | NA | 遥感成像 | Vision Transformer | 图像（遥感影像） | 一个公开的遥感滑坡基准数据集，具体样本数未在摘要中说明 | NA | Pyramid Pooling Transformer、多头自注意力机制、多层金字塔池化 | F1分数，总体准确率 | NA |
| 530 | 2026-05-04 |
Spatiotemporal prediction of chlorophyll-a in semi-enclosed gulfs using a hybrid graph neural network-transformer framework with satellite data and causal analysis
2026-Mar-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42388-0
PMID:41851279
|
研究论文 | 提出结合图神经网络与Transformer的混合模型GNN-T，利用卫星数据和因果分析预测半封闭海湾叶绿素-a浓度时空动态 | 首次将图神经网络与Transformer结合用于半封闭海湾叶绿素-a预测，并引入因果分析（CCM）和Sobol敏感性分析进行特征选择，减少25%计算成本 | 未提及模型在不同地理区域或极端气候条件下的泛化能力验证 | 提升半封闭海湾叶绿素-a浓度预测准确性和运行效率，为藻华预警提供决策支持 | 半封闭海湾（如波斯湾、墨西哥湾）的叶绿素-a浓度时空动态 | 机器学习、环境科学 | NA | MODIS/Aqua卫星数据、ERA5再分析数据、卫星遥感 | 图神经网络-Transformer混合模型（GNN-T） | 卫星影像（MODIS/Aqua）、再分析气象数据（ERA5） | 30万观测样本（覆盖波斯湾与墨西哥湾区域） | PyTorch | GNN-T（图神经网络+Transformer）、CNN-LSTM、BiLSTM、Temporal-Relational GNN、AGTCNSD | R²、统计误差指标（如MAE/RMSE）、95%置信区间（蒙特卡洛丢弃法） | NA |
| 531 | 2026-05-02 |
Deep learning analysis for enhanced prediction of heat transfer in Maxwell hybrid nanofluids with non-Fourier law and radiation effects
2026-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43327-9
PMID:41844713
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 532 | 2026-05-04 |
SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification
2026-Mar-16, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.12.711395
PMID:41890116
|
研究论文 | 提出名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测与量化 | 首个针对突触斑点的公开大规模实例分割数据集，结合交互式界面实现全自动分割与量化流程 | 未提及明显局限性 | 开发可扩展的深度学习框架以实现突触组织在健康和疾病状态下的全面研究 | 突触斑点（具体为PSD95阳性兴奋性突触后密集区） | 数字病理学, 计算机视觉 | 神经科学疾病（年龄相关认知衰退） | 荧光标记成像 | 深度学习模型（语义分割网络） | 图像（多维数据） | 近400万个PSD95斑点，涉及小鼠背侧海马抑制性中间神经元及CA1区PV阳性抑制性神经元 | NA | NA | 达到人类专家水平的基准性能 | NA |
| 533 | 2026-05-04 |
EPInformer: scalable and integrative prediction of gene expression from promoter-enhancer sequences with multimodal epigenomic profiles
2026-Mar-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70535-8
PMID:41832145
|
研究论文 | 提出了EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达 | 通过整合启动子-增强子相互作用、组蛋白修饰、染色质接触等多模态表观基因组特征，提高了对远处增强子调控效应的捕捉能力，并且具有可扩展性以适应新数据 | 即使是最先进的深度学习方法也可能在捕捉增强子等远端元件的调控效应方面存在不足，限制了预测准确性且可能需要大量资源来训练或适应新数据 | 开发一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达 | 基因表达、启动子-增强子相互作用、表观基因组图谱、染色质接触 | 机器学习 | NA | NA | 深度学习 | 序列、表观基因组数据 | 来自联盟的广泛染色质图谱和基因表达数据 | NA | NA | 跨染色体验证准确性 | NA |
| 534 | 2026-05-04 |
ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments
2026-Mar-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06938-5
PMID:41832216
|
研究论文 | 提出ROBUST-MIPS数据集，结合骨骼姿态注释与实例分割注释，用于腹腔镜手术器械定位 | 提出骨骼姿态注释作为手术器械更高效的注释方式，平衡语义信息丰富度与注释便捷性，并将现有数据集的实例分割注释扩展为联合姿态和分割注释 | 未明确提及，但从内容推断，仍受限于原始数据集规模及下游任务评估的全面性 | 推动骨骼姿态注释在手术器械定位中的应用，促进两种注释风格的联合研究及公平比较 | 腹腔镜手术器械 | 计算机视觉 | NA | NA | 姿态估计模型 | 图像及骨骼姿态数据 | 从ROBUST-MIS数据集衍生的新数据集，未明确具体样本数 | NA | 流行姿态估计方法（未具体列出） | NA | NA |
| 535 | 2026-05-04 |
Myelination-attention-empowered deep learning model improved brain age prediction in children below 2 years of age
2026-03, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06495-w
PMID:41432745
|
research paper | 提出一种名为MAENet的深度学习模型，通过整合髓鞘化生物过程作为注意力机制，提高0-2岁儿童脑龄预测的准确性和可解释性 | 首次将髓鞘化生物过程作为注意力机制融入深度学习模型，设计多尺度和髓鞘化特征提取双通道架构，显著提升低龄婴幼儿脑龄预测精度 | NA | 增强早期婴儿脑龄预测的准确性和可解释性 | 0-2岁婴幼儿 | machine learning | NA | 结构磁共振成像 | CNN | 图像 | 603名0-2岁参与者的sMRI数据 | NA | ResNet-50, VGG, Inception, SFCN, Skewed, FiA-Net, TSAN, MAENet | 平均绝对误差 | NA |
| 536 | 2026-05-04 |
Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis
2026-03, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06492-z
PMID:41389104
|
研究论文 | 评估一种基于深度学习的商业软件在青少年特发性脊柱侧弯手术病例中自动测量Cobb角的准确性，并与放射科住院医师的测量结果进行比较 | 首次在包含重度及极重度脊柱侧弯的儿科手术病例中评估商业AI软件的Cobb角测量准确性，并直接与放射科住院医师的表现进行对比 | AI在极重度脊柱侧弯（≥60°）中准确性显著下降，均绝对误差高于住院医师，提示需要放射科医师监督 | 评估深度学习算法在青少年特发性脊柱侧弯患者术前X光片上自动测量Cobb角的性能 | 151例青少年特发性脊柱侧弯患者的术前前后位全脊柱X光片 | 计算机视觉 | 青少年特发性脊柱侧弯 | 深度学习 | 卷积神经网络 | X射线图像 | 151例全脊柱X光片（含13例中度、74例重度、64例极重度侧弯） | NA | NA | 平均绝对误差，组内相关系数 | NA |
| 537 | 2026-05-04 |
Zero-shot prediction of drug responses using biologically informed neural networks trained on phosphoproteomic timeseries
2026-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014100
PMID:41849361
|
研究论文 | 将生物信息学先验知识与递归神经网络结合，从磷蛋白质组时间序列数据中零样本预测药物反应 | 通过引入两种可解释模块（磷酸化位点映射和单调时间映射），将生物信息学先验知识嵌入递归神经网络，实现了零样本地预测药物诱导的磷蛋白质组响应 | 未知 | 从磷蛋白质组时间序列数据中预测动态药物反应 | 雷帕霉素、达沙替尼、曲美替尼、阿哌立布、坦西莫司、舒尼替尼、索拉非尼等抑制剂处理的EGF刺激数据集 | 机器学习 | 癌症（如前列腺癌，基于FOXO3转录因子的提及） | 磷蛋白质组学 (phosphoproteomics) 通过质谱 | 递归神经网络 (RNN) | 磷蛋白质组时间序列数据 (phosphoproteomic timeseries) | 未经治疗和抑制剂处理的EGF刺激数据集（具体数量未提及） | PyTorch | LEMBAS (生物信息学递归神经网络) | NA | NA |
| 538 | 2026-05-04 |
CrisprPr: a hybrid-driven framework for CRISPR/Cas9 off-target prediction with analysis of prior-information updates
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag140
PMID:41911152
|
研究论文 | 提出一个混合驱动的CRISPR/Cas9脱靶预测框架CrisprPr，该框架整合先验信息与数据驱动建模，通过同步更新策略优化先验知识和深度学习模块，实现准确稳定的脱靶预测 | 首次提出混合驱动框架CrisprPr，通过同步更新策略联合优化先验知识和深度学习模块，并集成多源信息以提升脱靶活性表征能力 | 未明确说明具体局限性，但可能包括对某些复杂脱靶模式的捕捉仍有局限或需要更多数据验证 | 开发一种结合先验信息与数据驱动的新型混合框架，提高CRISPR/Cas9脱靶预测的准确性和泛化能力 | CRISPR/Cas9系统的脱靶效应及其中的错配模式和组合特征 | 机器学习 | NA | 深度学习, 先验信息集成 | 混合驱动模型（结合先验知识与深度学习） | 序列数据 | 多个独立测试数据集 | PyTorch, TensorFlow | 深度学习模块（未明确具体架构） | 预测性能指标（如准确率、AUC等，具体未列出） | NA |
| 539 | 2026-05-04 |
Vascular age estimation using a consumer wearable sleep tracker
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001329
PMID:41911176
|
研究论文 | 评估可穿戴设备收集的夜间光电容积描记图波形的能力，用于估计血管年龄 | 首次使用消费级可穿戴睡眠追踪器（Oura Ring）从光电容积描记图波形中估计血管年龄，并与临床级设备进行比较 | 由于波形采集方式的差异，可穿戴传感器的反射指数与年龄的关联较弱 | 研究可穿戴设备从光电容积描记图估计血管年龄的可行性 | 年龄相关的光电容积描记图波形变化和血管年龄估计 | 机器学习 | 心血管疾病 | 光电容积描记图 | 深度学习模型 | 波形数据 | 160名健康成年人（78名男性，中位年龄31岁） | NA | 无特征深度学习模型 | 平均绝对误差，相关性系数 | NA |
| 540 | 2026-05-03 |
Enhancing Korean adolescent suicide risk prediction with TabR: A generative AI and explainable retrieval-based deep learning approach
2026-Mar-27, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000048172
PMID:41894311
|
研究论文 | 提出一种结合生成式AI与可解释检索增强残差网络（TabR）的方法，用于预测韩国青少年自杀风险 | 首次将TabR架构应用于青少年自杀风险预测，并结合表格变分自编码器进行数据增强以处理极端类别不平衡问题 | 数据集规模有限、类别不平衡问题未完全解决、缺乏外部验证，以及未评估临床影响和误报/漏报后果 | 开发并评估基于TabR的深度学习模型，提升韩国青少年自杀风险预测的准确性和可解释性 | 韩国青少年群体（来自2020-2022年韩国青少年风险行为调查数据集的161,646名参与者） | 机器学习 | 青少年自杀 | NA | TabR（检索增强残差网络）、TVAE（表格变分自编码器） | 表格数据 | 161,646名韩国青少年参与者 | PyTorch | TabR, TVAE | 准确率, AUC, F1分数 | NA |