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 8 篇文献。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-02-14 |
Gaborformer: A method for depression detection through hybrid acoustic feature extraction and fusion
2026-May-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.121172
PMID:41513150
|
研究论文 | 提出了一种名为Gaborformer的新型抑郁症检测框架，通过混合声学特征提取与融合来提升检测性能 | 提出了结合可学习Gabor滤波器与CNN的GaborNet模块，并引入分类迭代邻域成分分析（CINCA）进行特征选择，同时采用Conformer模型捕捉高维信号中的抑郁相关特征 | 未在摘要中明确说明研究的局限性 | 开发一种基于语音的抑郁症检测（SDD）先进方法 | 抑郁症患者的语音数据 | 自然语言处理 | 抑郁症 | 混合声学特征提取与融合 | CNN, Conformer | 语音数据 | DAIC-WOZ和MODMA两个数据集 | NA | GaborNet, Conformer | NA | NA |
| 2 | 2026-02-14 |
Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018)
2026-May-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.121206
PMID:41554486
|
研究论文 | 本研究开发并验证了一种名为双注意力残差网络（DARNet）的深度学习模型，用于预测中国老年人群的抑郁风险 | 首次系统地将深度学习应用于中国老年抑郁预测，并提出了结合注意力机制的DARNet模型，通过独立队列验证了其有效性，并利用SHAP方法进行多维可解释性分析 | 研究数据主要来源于中国纵向调查，未来需要整合多中心临床数据以增强模型的普适性和现实应用价值 | 开发个体化的早期预测工具，以识别老年抑郁高风险个体并指导分层干预 | 中国老年人群（年龄>60岁） | 机器学习 | 老年疾病 | LASSO回归, SHAP方法 | 深度学习 | 纵向调查数据 | CHARLS队列2781名老年人（2011-2020年五波数据），CLHLS独立队列（2008-2018年） | NA | 双注意力残差网络（DARNet） | 准确率, F1分数, AUROC, AUPRC | NA |
| 3 | 2026-02-14 |
Peptide-responsive photonic hydrogels integrated with deep learning assistance for early MMP-9 detection
2026-May-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118444
PMID:41619461
|
研究论文 | 本文开发了一种基于肽响应光子水凝胶与深度学习辅助的早期MMP-9检测平台 | 结合MMP-9响应性光子水凝胶和深度学习智能手机应用，实现快速、便携、高灵敏度的视觉与定量检测 | 未明确提及长期稳定性、大规模临床验证或与其他生物标志物的交叉反应性 | 开发一种用于早期检测MMP-9的快速、便携、低成本检测方法 | 基质金属蛋白酶-9（MMP-9） | 生物传感器与深度学习 | 炎症性疾病与癌症 | 酶联免疫吸附试验（ELISA）、迈克尔型加成反应、智能手机成像 | 深度学习模型 | 图像数据（水凝胶颜色变化） | 复杂生物流体样本（具体数量未提及） | 未明确指定 | 未明确指定 | 灵敏度（10.60 nm mL/ng）、检测限（0.62 ng/mL）、与ELISA的一致性 | 智能手机平台（具体型号未指定） |
| 4 | 2026-02-11 |
Rapid identification of Polygonatum kingianum processed by nine steaming and nine drying based on FT-NIR and ATR-FTIR combined with deep learning
2026-May-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2026.129390
PMID:41544396
|
研究论文 | 本研究结合FT-NIR和ATR-FTIR光谱技术与深度学习，快速鉴别九蒸九制黄精样品 | 首次将同步二维相关光谱图像与ResNet模型结合，用于黄精九蒸九制过程的快速鉴别，并利用代谢组学分析关键代谢物 | 研究仅针对黄精一种药材，未验证方法在其他药材或更广泛样本中的适用性 | 建立一种快速准确的黄精九蒸九制工艺鉴别方法 | 九蒸九制处理后的黄精样品 | 机器学习 | NA | FT-NIR光谱, ATR-FTIR光谱, 气相色谱-质谱联用 | CNN | 光谱图像 | 九种处理样品 | NA | ResNet | 准确率 | NA |
| 5 | 2026-02-11 |
Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability
2026-May-15, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2026.129422
PMID:41579739
|
研究论文 | 本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以应对训练数据与预测数据间的大变异性，提升模型泛化能力 | 采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法，无需测试数据信息进行模型调整，且在大型训练数据集上表现更优 | 尽管训练数据负担较传统网络低，但在训练与测试数据变异性纳入损失函数时，其减少程度有限 | 提高拉曼光谱模型的泛化性能，减少因数据变异性导致的性能下降 | 细菌物种和小鼠组织样本的拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | 孪生神经网络 | 光谱数据 | 四个细菌物种，每个物种包含九个生物重复样本，以及小鼠组织样本数据集 | NA | 孪生神经网络 | NA | NA |
| 6 | 2026-02-11 |
Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives
2026-May, Colloids and surfaces. B, Biointerfaces
DOI:10.1016/j.colsurfb.2026.115423
PMID:41519006
|
综述 | 本文系统综述了表面增强拉曼散射（SERS）与人工智能（AI）结合在抗生素耐药性检测中的最新进展、挑战与未来前景 | 将SERS技术与AI（特别是机器学习和深度学习方法）相结合，实现了前所未有的耐药性检测准确性和效率 | NA | 应对全球公共卫生危机，实现早期、快速、准确的耐药细菌检测与识别 | 耐药细菌 | 机器学习和光学检测 | 抗生素耐药性 | 表面增强拉曼散射（SERS） | 机器学习（ML）和深度学习（DL） | 光学光谱数据 | NA | NA | NA | 准确性，效率 | NA |
| 7 | 2026-02-09 |
Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition
2026-May, Journal of colloid and interface science
IF:9.4Q1
DOI:10.1016/j.jcis.2026.139914
PMID:41570706
|
研究论文 | 本文设计了一种基于直链淀粉-聚丙烯酸水凝胶的超粘附传感器，并将其应用于深度学习辅助的手语识别系统 | 通过调控成分和网络结构，合理设计了聚丙烯酸/单宁酸/直链淀粉水凝胶，该凝胶集成了优异的韧性、高灵敏度、增强的电导率和强大的多表面粘附性，并首次将其无缝集成到深度学习辅助的手语识别系统中 | NA | 解决柔性可穿戴电子设备在高级应用领域中因粘附性差和性能不稳定而受限的问题，并探索其在人机交互和沟通中的应用 | 聚丙烯酸/单宁酸/直链淀粉水凝胶及其制成的传感器 | 机器学习 | NA | NA | 深度学习 | 传感器信号 | NA | NA | NA | NA | NA |
| 8 | 2026-01-20 |
SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks
2026-May-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.129332
PMID:41478040
|
研究论文 | 本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无需培养地识别败血症及其致病病原体 | 开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并首次在独立外部队列中展示了接近临床级别的性能，实现了从富集血液中直接进行败血症识别和病原体分类 | 残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类别之间，表明在血液样本收集中需要改进原始类别平衡 | 开发一种快速、无需培养的败血症诊断和病原体识别方法 | 败血症患者及健康对照者的血液样本 | 机器学习 | 败血症 | 表面增强拉曼光谱 | 深度学习 | 光谱数据 | 653份主要数据集样本（来自卡塔尔一家三级医院）和70份独立外部盲测队列样本 | NA | 超操作神经网络 | 准确率 | NA |