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 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2026-05-02 |
Neuroimaging Insights Into the Neurophysiological Subtypes of Major Depressive Disorder
2026-Mar-05, Biological psychiatry
IF:9.6Q1
DOI:10.1016/j.biopsych.2026.02.018
PMID:41794061
|
综述 | 对基于神经影像的重性抑郁障碍亚型研究进行批判性综合，涵盖方法学进展、亚型模式比较、临床转化及未来方向 | 整合无监督/半监督聚类、深度学习、规范建模等前沿方法，推动从群体平均向个体化偏差谱的转变，并比较多模态成像中的趋同与分歧亚型模式 | 关键挑战包括大规模协调数据集缺乏、验证不充分及需整合生理、遗传和环境数据 | 阐明基于神经影像的MDD亚型现状，描绘将脑部异质性转化为临床有意义进展的路线图 | 重性抑郁障碍患者 | 机器学习 | 重性抑郁障碍 | NA | 深度学习 | 神经影像数据 | NA | NA | NA | NA | NA |
| 562 | 2026-05-02 |
OralSegNet: An Approach to Early Detection of Oral Disease Using Transfer Learning
2026-Mar, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.70135
PMID:41207876
|
研究论文 | 提出一种基于YOLOv11架构的深度学习分割系统，用于从口腔内照片中自动检测和定位口腔疾病 | 利用YOLOv11的三个变体（YOLOv11n-seg、YOLOv11s-seg和YOLOv11m-seg）进行口腔疾病分割，并通过三阶段训练（特征提取、部分微调和完全微调）优化性能 | 数据集来自公开来源，可能存在偏差；模型在部分微调阶段表现最佳，但整体指标不高（mAP约0.5） | 早期检测口腔疾病 | 口腔内图像中的疾病区域 | 计算机视觉 | 口腔疾病 | NA | CNN | 图像 | 初始版本582张像素级标注图像，经增强形成v2和v3版本 | PyTorch, ONNX Runtime Web | YOLOv11n-seg, YOLOv11s-seg, YOLOv11m-seg | box mAP@50, mask mAP@50 | Google Colab免费版，Intel Xeon CPU，13 GB RAM，15 GB T4 GPU，120 GB存储 |
| 563 | 2026-05-02 |
Integrating morphological and deep learning approaches for the identification of economically important nematode genera in vineyards: Mesocriconema and Xiphinema
2026-Mar, Helminthologia
IF:1.1Q3
DOI:10.2478/helm-2026-0002
PMID:42063676
|
研究论文 | 结合形态学与基于YOLO的深度学习目标检测方法，提高葡萄园中两种重要线虫属（Mesocriconema和Xiphinema）的鉴定准确性 | 首次将形态学专业知识与YOLO系列深度学习框架整合，提出了一种新的线虫鉴定方法学框架，展示了YOLO架构作为高效、可扩展、可重复工具的潜力 | 研究仅聚焦于属级检测，未涉及种级区分；目标线虫属存在显著的形态变异性和遗传差异，可能影响模型泛化性 | 通过整合形态学表征和深度学习目标检测，提高葡萄园经济重要线虫属的诊断准确性，助力精准农业和可持续线虫管理 | 葡萄园中两种主要外寄生线虫属：Mesocriconema和Xiphinema | 计算机视觉 | 线虫病害 | 显微镜成像 | YOLO目标检测模型 | 高分辨率显微图像 | 961张图像和1034个边界框标注 | PyTorch, Roboflow | YOLO-NAS, YOLOv11, YOLOv8 | 精度, mAP@50, 召回率 | NA |
| 564 | 2026-05-01 |
Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38522-7
PMID:41839918
|
研究论文 | 提出一种基于深度学习的边界敏感网络（BS-Net），用于腰椎椎体分割和滑脱测量 | 通过集成多任务边缘处理模块和上下文双边融合模块，增强椎体边缘特征提取，并结合边缘损失函数和形态学后处理实现联合分割与量化 | 未明确说明局限性 | 实现腰椎滑脱的自动化精确诊断 | 腰椎CT影像和MRI影像 | 计算机视觉 | 腰椎滑脱 | CT成像 | CNN | 图像 | 379名患者的783张腰椎CT图像及公共SPIDER MRI数据集 | 深度学习框架（未具体说明） | 边界敏感网络（BS-Net） | MIoU, Dice系数, ICC | NA |
| 565 | 2026-05-01 |
ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43589-3
PMID:41839937
|
研究论文 | 提出ProSeg深度学习框架，用于高精度前列腺MRI分割 | 设计ProSeg块，融合各向异性卷积与跨切片注意力机制，分别处理外周带的薄片不规则边界和中央腺体的均匀纹理 | 未提及方法的局限性 | 实现高精度前列腺MRI分割 | 前列腺MRI图像中的外周带和中央腺体 | 计算机视觉 | 前列腺癌 | MRI | 深度学习框架 | 图像 | Promise12和Promise158数据集 | NA | ProSeg块（各向异性卷积、跨切片注意力） | Dice系数 | NA |
| 566 | 2026-05-01 |
R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40522-6
PMID:41840099
|
研究论文 | 提出了R3MV三层次决策融合系统，使用渐进式异构多块模型提高皮肤癌分类的可靠性 | 创新地提出了R3MV三层次决策融合系统，结合个体CNN预测、特征融合分类架构和元分类器，通过多数投票增强可靠性，并采用渐进式学习策略提升分类准确率 | 未提及明确局限，但单一模型预测的不可靠性及数据集变异的影响仍需进一步探讨 | 提高皮肤癌分类的准确性和可靠性，解决单一模型预测不可靠的问题 | 皮肤病变图像分类 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, GRU | 图像 | 两个数据集：PAD_UFES_20和HAM10000，具体样本数量未提及 | NA | PHMBCNN, PHMBCNN-GRU | 准确率 | NA |
| 567 | 2026-03-16 |
Classification of health product defect reports by deep learning
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43961-3
PMID:41832296
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 568 | 2026-05-01 |
Design of miniprotein inhibitors targeting complement C9 to block membrane attack complex assembly
2026-Mar-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70667-x
PMID:41813685
|
研究论文 | 利用深度学习设计靶向补体C9的微型蛋白抑制剂以阻断膜攻击复合物形成 | 首次通过深度学习方法从头设计针对补体C9的微型蛋白抑制剂，并用部分扩散优化亲和力至700 pM，在体内溶血抑制中表现优于上市药物依库珠单抗 | 当前补体C9的膜插入机制研究有限，且其宽平极性界面给理性设计带来挑战 | 开发新型微型蛋白抑制剂以阻断膜攻击复合物异常形成，为相关免疫疾病提供治疗策略 | 补体C9蛋白及其膜插入过程 | 机器学习 | 免疫疾病 | 蛋白质从头设计 | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | 亲和力、结合特异性、体内溶血抑制效果 | NA |
| 569 | 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 |
| 570 | 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 |
| 571 | 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） |
| 572 | 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 |
| 573 | 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 |
| 574 | 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 |
| 575 | 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 |
| 576 | 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 |
| 577 | 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 |
| 578 | 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 |
| 579 | 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 |
| 580 | 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 |