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 43010 篇文献，本页显示第 2401 - 2420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2401 | 2026-03-10 |
Artificial intelligence in urological malignancy diagnosis and prognosis: current status and future prospects
2026-Feb-28, The Canadian journal of urology
DOI:10.32604/cju.2026.076084
PMID:41800500
|
综述 | 本文综述了人工智能在泌尿系统恶性肿瘤（包括前列腺癌、膀胱癌和肾细胞癌）诊断与预后中的当前应用、技术创新及面临的临床挑战与未来机遇 | 整合影像学、病理学和分子数据，提升肿瘤检测、分级和风险分层的精确性与可重复性，并探索了AI在实时病变分割、非侵入性生物标志物预测及个性化治疗支持方面的应用 | 面临数据标准化、模型泛化性、可解释性以及监管合规性等挑战，阻碍了AI的临床转化 | 概述人工智能在泌尿系统癌症诊断与预后领域的现状、技术创新及未来临床挑战与机遇 | 泌尿系统恶性肿瘤，包括前列腺癌、膀胱癌和肾细胞癌 | 数字病理学 | 前列腺癌 | 多参数磁共振成像、数字病理系统、深度学习、放射组学、多组学数据 | 深度学习 | 影像、病理、分子数据 | NA | NA | NA | NA | NA |
| 2402 | 2026-03-10 |
Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods
2026-Feb-17, ArXiv
PMID:41757284
|
综述 | 本文综述了基于成像的冠状动脉血流储备分数（FFR）的最新进展，重点关注物理基础、机器学习以及物理信息方法 | 强调了新兴的物理信息神经网络和神经算子（PINNs和PINOs）在提高泛化能力和减少对密集监督依赖方面的创新应用 | 机器学习/深度学习方法在真实世界中的性能和泛化能力可能因多中心异质性、可解释性挑战以及采集协议和图像质量的差异而存在波动 | 旨在快速、无导丝且可扩展地进行冠状动脉狭窄的功能评估 | 基于CT和血管造影的冠状动脉血流储备分数（FFR） | 医学影像分析 | 心血管疾病 | 计算流体动力学（CFD）、机器学习（ML）、深度学习（DL） | 物理信息神经网络（PINNs）、神经算子（PINOs） | CT图像、血管造影图像 | NA | NA | NA | 校准、不确定性量化、质量控制 | NA |
| 2403 | 2026-03-10 |
Parameter-free representations outperform single-cell foundation models on downstream benchmarks
2026-Feb-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.11.705358
PMID:41727141
|
研究论文 | 本文探讨了在单细胞RNA测序数据分析中，无需复杂深度学习模型，仅通过简单线性方法即可实现与现有基础模型相媲美甚至更优的下游任务性能 | 展示了简单、可解释的线性方法在多个单细胞下游基准测试中达到或超越基于Transformer的基础模型性能，特别是在涉及训练数据中未见的新细胞类型和生物体的分布外任务上表现更优 | 未详细讨论线性方法在更复杂或大规模数据集上的可扩展性，以及可能存在的特定生物学场景适应性限制 | 评估并比较基于深度学习的单细胞基础模型与简单线性方法在下游任务中的性能表现 | 单细胞RNA测序数据及其在细胞类型分类、疾病状态预测和跨物种学习等下游任务中的应用 | 机器学习 | NA | 单细胞RNA测序 | 线性模型, Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 2404 | 2026-03-10 |
A two-stage deep learning framework for kidney disease detection using modified specular-free imaging and EfficientNetB2
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04606-z
PMID:41673036
|
研究论文 | 本文提出了一种用于肾脏疾病检测的两阶段深度学习框架，结合改进的无镜面反射成像技术和EfficientNetB2分类模型 | 提出了一种新颖的改进无镜面反射技术来增强肾脏图像质量，并结合EfficientNet-B2架构构建两阶段诊断模型，在肾脏疾病检测中实现了98.27%的高准确率 | 未明确说明数据集的规模和多样性限制，也未讨论模型在临床实际应用中的验证情况 | 提高各种肾脏病理的检测准确率 | 肾脏图像（包括正常肾脏、肿瘤、肾结石和囊肿） | 数字病理学 | 肾脏疾病 | 改进的无镜面反射成像技术 | CNN | 图像 | NA | NA | EfficientNet-B2, VGG16, ResNet50, VGG19, DenseNet121, DenseNet169, DenseNet201, EfficientNet-B0, EfficientNet-B1, EfficientNet-B3 | 准确率 | NA |
| 2405 | 2026-03-10 |
Automated cone photoreceptor detection using synthetic data and deep learning in confocal adaptive optics scanning laser ophthalmoscope images
2026-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39570-9
PMID:41673253
|
研究论文 | 本研究提出了一种基于合成数据和深度学习的方法，用于在自适应光学扫描激光检眼镜图像中自动检测视锥细胞 | 利用合成数据（ERICA生成）结合少量真实数据训练U-Net模型，解决了标注数据不足的问题，并在独立数据集上验证了方法的泛化能力 | 未明确说明合成数据与真实数据的分布差异对模型性能的具体影响，也未讨论模型在不同疾病状态下的适用性 | 开发一种自动化的视锥细胞检测方法，以替代耗时且主观的人工标注 | 自适应光学扫描激光检眼镜图像中的视锥细胞 | 计算机视觉 | 视网膜疾病 | 自适应光学扫描激光检眼镜成像 | CNN | 图像 | 大型合成数据集（ERICA生成）配合较小真实数据集（密尔沃基数据集），并在独立真实数据集（牛津数据集）上测试 | NA | U-Net | Dice系数 | NA |
| 2406 | 2026-03-10 |
Interpretable Feature-Transformer Framework for Cross-Subject MCI Detection Using Nonlinear Dynamical and Graph-Theoretic EEG Features
2026-Feb-11, Research square
DOI:10.21203/rs.3.rs-8744978/v1
PMID:41727576
|
研究论文 | 本研究提出了一种可解释的特征-Transformer框架，利用非线性动力学和图论EEG特征进行跨被试的轻度认知障碍检测 | 结合手工设计的非线性动力学与图论连通性特征与基于注意力的Transformer建模，并利用SHAP分析提供模型可解释性 | 样本量相对有限（183名参与者），且仅使用静息态闭眼EEG数据，未探索其他任务状态或更长时程数据 | 早期准确检测轻度认知障碍，以预防其向阿尔茨海默病发展 | 183名参与者（127名健康对照，56名MCI患者）的静息态闭眼EEG记录 | 机器学习 | 阿尔茨海默病 | EEG信号处理，非线性动力学分析，图论分析 | Transformer, EEGNet | EEG信号 | 183名参与者（127名健康对照，56名MCI患者） | 未明确提及 | Transformer, EEGNet | 准确率 | NA |
| 2407 | 2026-03-10 |
Design and Implementation of an Automated Drosophila Locomotor Assay Using Computer Vision Tracking
2026-Feb-11, Research square
DOI:10.21203/rs.3.rs-8769384/v1
PMID:41727580
|
研究论文 | 本文介绍了一种基于计算机视觉跟踪的自动化果蝇运动行为检测系统的设计与实现 | 开发了一个集成的硬件-软件平台，实现自动化、高分辨率的果蝇运动分析，相比手动评分处理速度提高2.8倍，数据密度提高约800倍 | NA | 开发自动化果蝇运动行为检测系统，以克服传统方法的主观评分、通量限制和可重复性挑战 | 果蝇（Drosophila） | 计算机视觉 | NA | 计算机视觉跟踪 | 深度学习 | 视频 | NA | Python | NA | IoU | Raspberry Pi |
| 2408 | 2026-03-10 |
Horizontal nystagmus identification with joint SAM segmentation and time series classification
2026-Feb-09, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09950-4
PMID:41663530
|
研究论文 | 本文提出了一种结合SAM分割和时间序列分类的水平性眼球震颤检测模型 | 联合使用SAM分割提取瞳孔运动轨迹，并结合空间注意力和多尺度一维时间序列卷积分类器进行检测，提高了诊断准确性 | NA | 开发一种高效的水平性眼球震颤检测方法，以提升前庭障碍的早期筛查和干预能力 | 水平性眼球震颤的眼动视频数据 | 计算机视觉 | 前庭障碍 | 深度学习 | CNN | 视频 | 临床收集的水平性眼球震颤视频数据集 | NA | SAM, 多尺度一维时间序列卷积分类器 | 准确率, 精确率 | NA |
| 2409 | 2026-03-10 |
Deep Learning-Based Automated Echocardiographic Measurements in Pediatric and Congenital Heart Disease
2026-Feb-09, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.06.26345782
PMID:41728295
|
研究论文 | 本研究开发了一个名为EchoFocus-Measure的AI平台，用于自动从儿科和先天性心脏病患者的超声心动图研究中提取定量和定性参数 | 扩展了多任务、视图无关的PanEcho架构，并引入了研究级Transformer来优先处理具有诊断信息的视图，从而在儿科和先天性心脏病超声心动图的全面自动化测量方面取得了进展 | 外部验证中定性指标的AUROC表现相对一般（0.73-0.86），且研究主要基于特定医院的数据，可能在不同医疗环境中的泛化能力有待进一步验证 | 开发一个AI平台，以在全球范围内提供专家级别的超声心动图测量精度和标准化，特别是在资源有限和农村地区 | 儿科和先天性心脏病患者的超声心动图研究 | 计算机视觉 | 先天性心脏病 | 超声心动图 | Transformer, 深度学习模型 | 视频 | 内部队列包括来自217,435次超声心动图的1,140万段视频（60,269名患者），外部验证包括来自3,096次超声心动图的289,613段视频（2,506名患者） | NA | PanEcho, Transformer | 中位绝对误差, AUROC | NA |
| 2410 | 2026-03-10 |
Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis
2026-Feb, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124779
PMID:41482266
|
研究论文 | 本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程 | 首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响 | 研究主要基于前向引用次数筛选专利，可能忽略其他重要但引用较少的专利；数据来源限于Lens数据库 | 评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展 | 颅脑和脊柱导航技术相关的专利和科学出版物 | 医学工程 | 神经系统疾病 | 专利文献计量学分析 | NA | 专利记录和科学出版物 | 714项相关专利，其中100项高引用专利；近15,000篇科学出版物，其中1,107篇被专利引用 | NA | NA | 前向引用次数 | NA |
| 2411 | 2026-03-10 |
Ab initio prediction of RNA structure ensembles with RNAnneal
2026-Feb-01, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.01.703098
PMID:41659490
|
研究论文 | 介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模 | RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于RNA结构集合的从头预测，并引入了交互熵作为构象异质性的度量 | 对于包含假结（PK-comprising）的结构，性能仍有改进空间 | 预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计 | RNA分子，特别是核糖开关RNA的实验解析构象 | 机器学习 | NA | 生成式深度学习，统计物理学，分子动力学建模 | 深度学习模型 | RNA序列 | 16个实验解析的核糖开关RNA构象 | NA | NA | RNAnneal评分，Rosetta评分，RNA力场分类性能 | NA |
| 2412 | 2026-03-10 |
A dataset and benchmark of carbonate thin-section images for deep learning
2026-Jan-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06633-5
PMID:41605971
|
研究论文 | 本文介绍了DeepCarbonate数据集，这是一个用于深度学习碳酸盐岩薄片图像分析的标准化基准数据集 | 提出了首个经过专家清理和标准化的大规模公开碳酸盐岩薄片图像数据集，并提供了分层分类和标准化实验设置 | 数据集主要来源于特定地质层位和地区，可能无法完全代表全球碳酸盐岩的多样性 | 为碳酸盐岩薄片图像分析提供可重复和公平的深度学习模型比较基准 | 碳酸盐岩薄片图像 | 计算机视觉 | NA | 薄片图像分析 | CNN | 图像 | 包含22个岩性类别的图像，具体数量未在摘要中明确说明 | PyTorch | ResNet, VGG, DenseNet, MobileNet, EfficientNet | NA | 使用CUDA加速的GPU，具体型号未在摘要中明确说明 |
| 2413 | 2026-03-10 |
GaitDynamics: a generative foundation model for analyzing human walking and running
2026-Jan-05, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01565-8
PMID:41491893
|
研究论文 | 本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入输出并应用于临床场景 | 开发了基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，克服了现有模型数据量小、输出单一的限制 | 未明确说明模型在极端或病理步态条件下的泛化能力，以及计算资源需求的具体细节 | 通过深度学习模型分析人类步态动力学，以替代昂贵的实验室实验和物理模拟，促进人类移动能力 | 人类行走和跑步的步态模式，包括运动学和动力学数据 | 机器学习 | NA | 深度学习 | 生成式基础模型 | 运动学数据（如关节角度）、动力学数据（如地面反作用力） | 大规模多样化步态数据集（具体数量未在摘要中说明） | NA | NA | 准确性 | NA |
| 2414 | 2026-03-10 |
Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features
2025-Jul, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70217
PMID:40552679
|
研究论文 | 本研究利用机器学习和CT特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 首次在系统性硬化症肺移植患者中，结合深度学习自动提取的CT图像特征和多种机器学习算法预测原发性移植物功能障碍 | 样本量相对较小（92名患者），且为单中心回顾性研究，可能存在选择偏倚 | 预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 92名接受双侧肺移植的系统性硬化症患者 | 数字病理学 | 系统性硬化症 | CT扫描，深度学习算法 | 逻辑回归, SVM, 随机森林, MLP | CT图像 | 92名系统性硬化症肺移植患者 | 未明确指定 | 多层感知机 | AUROC | NA |
| 2415 | 2026-03-10 |
CPDMS: a database system for crop physiological disorder management
2025-04-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40261733
|
研究论文 | 本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库 | 开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源 | 模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索 | 开发用于作物生理障碍管理的实时数据收集与分析系统 | 番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫） | 计算机视觉 | 作物生理障碍 | 实时图像采集 | 深度学习模型 | 图像 | 58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种 | NA | NA | 平均精度均值（mAP），召回率 | NA |
| 2416 | 2026-03-10 |
Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs
2025-03-18, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.4c00832
PMID:40056143
|
研究论文 | 本文开发了基于迁移学习的深度学习模型，用于大规模虚拟筛选针对A类GPCRs的、具有潜在更高安全性的药物化合物 | 通过迁移学习策略，在A类GPCRs全序列和配体数据集上进行预训练，并针对低效激动剂和偏向性激动剂分别进行微调，结合了目标序列的自然语言处理和受体突变对信号传导的影响分析 | 模型开发面临高质量数据可用性有限的挑战，且目前仅针对A类GPCRs | 预测具有低内在效能或配体偏向性的更安全化合物，以推进药物开发 | A类G蛋白偶联受体及其配体 | 机器学习 | NA | 自然语言处理 | 神经网络 | 序列数据, 化学数据 | NA | NA | NA | NA | NA |
| 2417 | 2026-03-10 |
RNA language models predict mutations that improve RNA function
2024-12-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54812-y
PMID:39638800
|
研究论文 | 本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并基于此开发了序列和结构感知的RNA生成模型，以预测能提高RNA功能的突变 | 提出了GARNET数据库，将RNA序列与实验和预测的最适生长温度关联，并开发了基于GPT-like模型的RNA生成模型，用于识别增强核糖体热稳定性的突变 | NA | 理解RNA序列、结构和功能之间的联系，并预测能改善RNA功能的突变 | 结构化RNA，特别是与核糖体热稳定性相关的RNA | 自然语言处理 | NA | RNA序列分析，温度关联分析 | GPT-like模型 | RNA序列数据，温度数据 | 基于GTDB参考生物的数据，具体样本数量未明确说明 | NA | GPT-like | NA | NA |
| 2418 | 2026-03-10 |
From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning
2024-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202405404
PMID:39206846
|
研究论文 | 本研究开发了一种基于图的深度学习模型Dynaformer，利用分子动力学模拟轨迹预测蛋白质-配体结合亲和力，以改进基于结构的药物设计 | 首次将分子动力学模拟轨迹整合到基于图的深度学习模型中，以捕捉蛋白质-配体相互作用的动态几何特征，从而更准确地预测结合亲和力 | 模型性能依赖于分子动力学模拟的质量和计算成本，且数据集规模（3,218个复合物）可能仍有限 | 提高蛋白质-配体结合亲和力的预测准确性，以加速早期药物发现过程 | 蛋白质-配体复合物 | 机器学习 | NA | 分子动力学模拟 | 图神经网络 | 分子动力学轨迹，图结构数据 | 3,218个不同的蛋白质-配体复合物 | NA | Dynaformer | 评分能力，排序能力 | NA |
| 2419 | 2026-03-10 |
Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring
2024-Sep, Precision radiation oncology
DOI:10.1002/pro6.1242
PMID:40336975
|
研究论文 | 本研究提出了一种基于监督学习的增强电声层析成像方法，用于实时监测基于纳秒脉冲电场的电穿孔治疗 | 首次利用监督学习解决电声层析成像中因超声换能器有限视角导致的图像失真问题，通过定制旋转平台获取配对的全视角和单视角信号进行模型训练 | 研究仅基于56个实验数据集，样本量相对较小，且未在临床环境中验证 | 提高电声层析成像的图像质量，以实时监测纳秒脉冲电场电穿孔治疗的能量沉积 | 纳秒脉冲电场产生的电声信号 | 医学影像处理 | NA | 电声层析成像，纳秒脉冲电场 | 深度学习模型 | 电声信号，图像 | 56个不同的电声数据集（46个用于训练，10个用于测试） | NA | NA | 均方根误差，峰值信噪比，结构相似性指数 | NA |
| 2420 | 2026-03-10 |
DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders
2024-Jul-01, Biostatistics (Oxford, England)
DOI:10.1093/biostatistics/kxad037
PMID:38330064
|
研究论文 | 提出一种基于深度神经网络的惩罚部分线性中介模型（DP2LM），用于处理高维中介变量和复杂混杂因素下的中介效应估计与假设检验 | 结合深度神经网络处理混杂因素的非线性效应，并利用惩罚部分线性模型适应高维性，专注于中介效应的估计与推断而非仅中介变量选择 | 未明确提及模型在极端高维或小样本情况下的性能限制，也未讨论计算复杂度或可扩展性问题 | 开发一种新方法以准确估计和严格推断高维中介变量及复杂混杂因素下的中介效应 | 高维中介变量（如DNA甲基化）和复杂混杂因素下的中介效应分析 | 机器学习 | NA | 深度神经网络，惩罚部分线性模型 | 深度神经网络 | 高维中介变量数据 | NA | NA | NA | Type-I错误率 | NA |