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 42795 篇文献，本页显示第 2501 - 2520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2501 | 2026-03-05 |
Transformer-based multidimensional feature fusion for accurate prediction of lipid nanoparticles transfection efficiency
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag092
PMID:41766648
|
研究论文 | 本研究构建了一个用于预测脂质纳米颗粒转染效率的深度学习框架LIFT，并提供了包含超过10,000个实验测量值的数据集LNPs-TE | 提出了首个基于Transformer的多维特征融合框架LIFT，用于预测脂质纳米颗粒的转染效率，在多个数据集上实现了优于现有基准模型的性能 | 研究主要关注离子化脂质，未全面考虑脂质纳米颗粒配方中其他组分（如辅助脂质、PEG脂质等）的潜在影响 | 通过深度学习模型辅助脂质纳米颗粒配方的早期设计与优化，以提高RNA递送效率 | 脂质纳米颗粒及其转染效率 | 机器学习 | NA | 深度学习 | Transformer | 分子表示数据、实验测量值 | 超过10,000个实验测量的转染效率值 | PyTorch | Transformer | Pearson相关系数, AUC-ROC, 决定系数R2 | NA |
| 2502 | 2026-03-05 |
Q-Space Guided Multi-Modal Translation Network for Diffusion-Weighted Image Synthesis
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618683
PMID:41056154
|
研究论文 | 提出了一种用于从灵活q空间采样合成多壳高角度分辨率扩散加权成像的Q空间引导多模态翻译网络 | 提出Q-MMTN网络，通过混合编码器和多模态注意力融合机制，结合灵活的q空间感知嵌入，实现了不依赖固定采样方案的动态特征调制 | NA | 从灵活的q空间采样合成多壳高角度分辨率扩散加权成像 | 扩散加权成像数据 | 医学影像分析 | NA | 扩散加权成像 | 深度学习网络 | MRI图像（T1加权、T2加权、DWI） | 四个生命周期数据集（儿童、青少年、年轻成人、老年成人） | NA | Q-MMTN（Q-space Guided Multi-Modal Translation Network） | 参数图和纤维束估计的准确性 | NA |
| 2503 | 2026-03-05 |
MACE Risk Prediction in ARVC Patients via CMR: A Three-Tier Spatiotemporal Transformer With Pericardial Adipose Tissue Embedding
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3618711
PMID:41056153
|
研究论文 | 本文提出了一种基于心脏磁共振成像的三层时空Transformer模型，用于预测致心律失常性右室心肌病患者的重大不良心脏事件风险 | 提出了三层时空Transformer架构，首次将心包脂肪组织的动态和位置信息作为先验知识嵌入模型，并引入了基于心包脂肪组织信息引导的局部特征投票单元 | 数据集规模有限（ARVC为罕见病），非MACE与MACE患者的图像分布存在重叠 | 预测致心律失常性右室心肌病患者发生重大不良心脏事件的风险 | 致心律失常性右室心肌病患者 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | Transformer | 图像序列 | 未明确说明具体样本数量（提及数据集规模有限） | 未明确说明 | 三层时空Transformer | AUC, 准确率, C-index | 未明确说明 |
| 2504 | 2026-03-05 |
MoE-Morph: Lightweight Pyramid Model With Heterogeneous Mixture of Experts for Deformable Medical Image Registration
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3620406
PMID:41086068
|
研究论文 | 提出了一种用于可变形医学图像配准的轻量级金字塔模型MoE-Morph，它采用异构专家混合机制来增强特征处理能力 | 引入了密集的专家混合金字塔配准模型，通过路由方案和多个异构专家增加单层特征处理的宽度和灵活性，仅使用形变场作为层级间信息传递范式 | 未使用注意力或视觉Transformer等复杂机制，模型保持最简形式，可能在某些极端复杂形变场景下存在局限 | 解决深度学习配准方法在处理大而复杂位移时的困难，提高医学图像配准的精度和鲁棒性 | 医学图像（脑部、肺部、腹部多模态图像） | 数字病理 | NA | 深度学习图像配准 | 金字塔模型、专家混合模型 | 医学图像 | 四个公共数据集（具体数量未明确说明） | NA | MoE-Morph（异构专家混合金字塔架构） | NA | NA |
| 2505 | 2026-03-05 |
A computationally efficient hybrid Kolmogorov-Arnold network for hyperspectral classification of signatory pen inks
2026-Feb-28, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2026.112897
PMID:41775118
|
研究论文 | 本文提出了一种混合CNN-KAN架构，用于基于高光谱成像的签名笔油墨分类，旨在提高分类精度和计算效率 | 将CNN与KAN（Kolmogorov-Arnold网络）结合成混合架构，利用CNN前端提取特征并降维，KAN后端增强非线性拟合能力，有效区分高度相似的油墨类别，同时平衡了精度与计算成本 | NA | 为法医文件检验领域提供一种非破坏性、精确的签名笔油墨分类方法，以确定文件真实性和重建案件事实 | 签名笔油墨 | 计算机视觉 | NA | 高光谱成像 | CNN, KAN | 高光谱图像 | 涉及40个品牌和型号的签名笔油墨 | NA | CNN-KAN, VGG, AUNet | 准确率 | NA |
| 2506 | 2026-02-28 |
Dual-path deep learning framework for accurate and interpretable brain tumor diagnosis
2026-Feb-26, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03367-7
PMID:41749213
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2507 | 2026-03-05 |
A New Framework for Medium- to Long-Term PM2.5 Predictions Using AI-Based High-Resolution Meteorological Forecasts
2026-Feb-26, Chem & bio engineering
DOI:10.1021/cbe.5c00074
PMID:41777303
|
研究论文 | 本研究提出了一种结合AI网格化气象预报与动态图架构的深度学习框架，用于中长期的PM2.5预测 | 通过AI网格化气象预报与动态图架构结合，捕捉污染物传输的时空演化模式，实现更准确的长期预测，相比传统方法显著降低误差 | 未明确说明模型在极端天气或复杂地形条件下的适用性，且依赖于外部气象预报数据的准确性 | 开发一种高效、可操作的中长期PM2.5预测框架，以支持空气质量管理和公共健康保护 | PM2.5浓度预测，特别是在城市和区域环境中的中长期预测 | 机器学习 | NA | 深度学习，动态图架构 | 深度学习模型 | 网格化气象预报数据，PM2.5观测数据 | NA | NA | 动态图架构 | RMSE, MAE | NA |
| 2508 | 2026-03-05 |
Adaptive optimization of combined steam and CO2 reforming for hydrogen production from variable biogas feed
2026-Feb-24, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2026.134283
PMID:41747899
|
研究论文 | 本研究开发了一种用于沼气制氢过程的自适应优化框架，以应对沼气成分的动态变化 | 提出了一种新颖的多任务数字孪生优化框架，用于基于联合蒸汽和CO2重整的沼气制氢过程的进料自适应操作 | NA | 系统研究沼气成分变化对沼气制氢过程的影响，并开发自适应优化框架以实现高效、可持续的制氢 | 沼气制氢过程，特别是联合蒸汽和CO2重整过程 | 机器学习 | NA | NA | 深度学习代理模型，多任务进化优化算法，K-最近邻分类器 | 工艺参数数据，沼气成分数据，经济与环境指标数据 | NA | NA | NA | 单位氢气生产成本，净CO排放量，氢气生产效率 | NA |
| 2509 | 2026-02-12 |
A federated deep learning approach for SDN security with quantum optimized feature selection and hybrid MSDC net architecture
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37289-1
PMID:41667560
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2510 | 2026-03-05 |
When LLMs speak ZigBee: exploring low-latency and reasoning models for network traffic generation
2026-Feb-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37246-y
PMID:41667632
|
研究论文 | 本文提出了一种利用大型语言模型（如GPT-4.1和GPT-5）生成语义有意义且符合ZigBee协议规范的合成网络流量的新框架 | 首次将大型语言模型应用于ZigBee网络流量生成，结合基于样本的小样本学习、提示工程和人机交互反馈机制，实现了数据驱动的高保真流量生成 | 未明确说明训练数据的具体规模和来源，且仅针对ZigBee协议进行了评估，对其他物联网协议的泛化能力有待验证 | 探索低延迟和推理模型在网络流量生成中的应用，为物联网系统的测试、仿真和安全评估提供更真实的流量数据 | ZigBee网络流量数据包 | 自然语言处理 | NA | NA | LLM, RNN, GAN | 网络流量数据包 | NA | NA | GPT-4.1, GPT-5 | Jensen-Shannon Divergence, 协议合规性, 语义正确性, 时间一致性, 多样性指标 | NA |
| 2511 | 2026-03-05 |
ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms
2026-Feb-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.23.689996
PMID:41394697
|
研究论文 | 本文提出了一种基于SAM2的两阶段微调AI方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜 | 首次将Segment Anything Model 2 (SAM2)应用于冷冻电子断层扫描图像分割，并针对该领域低信噪比和缺失楔形伪影等挑战进行了两阶段微调设计 | 未明确说明模型在更广泛数据集上的泛化能力，且仅针对细胞膜分割进行了验证 | 开发一种能够克服冷冻电子断层扫描图像固有噪声和伪影的细胞膜分割方法 | 冷冻电子断层扫描图像中的细胞膜结构 | 计算机视觉 | NA | 冷冻电子断层扫描 | 深度学习 | 图像 | 83个实验断层扫描图（来自CryoET Data Portal数据库）和28个模拟断层扫描图（使用PolNet生成） | PyTorch | Segment Anything Model 2 (SAM2) | 灵敏度, 精确度 | NA |
| 2512 | 2026-03-05 |
SPCNNet: spiking point cloud neural network for morphological neuron classification
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38839-3
PMID:41663568
|
研究论文 | 提出了一种用于形态学神经元分类的脉冲点云神经网络模型，可直接处理3D点云数据 | 首次将脉冲神经网络应用于3D神经元点云分类，设计了将SWC数据转换为点云并编码为脉冲序列的表示策略 | 未明确说明模型在更大规模或更多样化数据集上的泛化能力 | 改进形态学神经元分类性能，揭示神经系统的功能特性与信息传递机制 | 神经元形态数据 | 计算机视觉 | NA | 点云处理，脉冲编码 | 脉冲神经网络 | 3D点云 | 两个NeuroMorpho数据集 | NA | SPCNNet | 分类准确率 | NA |
| 2513 | 2026-03-05 |
A Novel Hybrid Approach To Drought Forecasting: Leveraging Feature Engineering And Ensemble Methods
2026-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37206-6
PMID:41663599
|
研究论文 | 本文提出了一种结合特征工程与集成方法的混合干旱预测模型，以提高对复杂非线性气候模式的预测准确性 | 通过特征工程创建新特征，并将其与机器学习集成分类器结合，形成一种新颖的混合预测方法 | 未明确提及模型的具体局限性，如对数据质量的依赖或计算资源需求 | 提高干旱预测的准确性，以支持农业可持续性和灾害管理 | 历史气象和环境参数数据集 | 机器学习 | NA | 特征工程，集成学习 | 决策树，支持向量机，深度学习模型 | 气象和环境数据 | NA | NA | NA | 准确率，精确率，F1分数 | NA |
| 2514 | 2026-03-05 |
A multimodal AI biomarker PATH-ORACLE improves prediction of recurrence in stage I lung adenocarcinoma
2026-Feb-09, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.28.26344973
PMID:41646758
|
研究论文 | 本文介绍了一种名为PATH-ORACLE的多模态AI生物标志物，用于改善I期肺腺癌复发预测 | 结合转录组学评分与组织学切片的多模态深度学习方法，相比单一预测因子（如IASLC分级系统或转录组学特征）提供更高的预后预测能力 | 需要进一步验证以确认其临床适用性，且目前仅针对I期肺腺癌进行研究 | 提高I期肺腺癌复发风险分层准确性，以指导辅助治疗决策 | I期肺腺癌患者 | 数字病理学 | 肺癌 | 转录组学分析，组织学切片处理 | 深度学习 | 图像，转录组学数据 | 在两个独立队列中进行评估，具体样本数量未明确说明 | NA | 基于预训练基础模型的多模态架构 | 准确率 | NA |
| 2515 | 2026-03-05 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2026-Feb-02, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100973
PMID:41638573
|
研究论文 | 本研究提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从未吸烟者肺腺癌的病理全切片图像中同时预测16种分子改变 | 首次针对从未吸烟者肺腺癌这一分子和组织学上独特的肺癌亚型，应用深度学习从病理图像推断遗传特征，并采用简化的残差块、选择性捷径连接和基于sigmoid的分类头等架构修改，以降低计算复杂度并保持预测准确性 | 对于肿瘤突变负荷、APOBEC突变特征和KRAS热点突变（如p.G12D）的预测性能较低至中等，模型性能在这些特征上有限 | 开发一种深度学习模型，从从未吸烟者肺腺癌的病理全切片图像中预测多种分子改变，以支持分子检测的分流和精准治疗策略 | 从未吸烟者肺腺癌患者的病理全切片图像 | 数字病理学 | 肺癌 | 苏木精和伊红染色全切片图像分析 | CNN | 图像 | 495张全切片图像，来自Sherlock-Lung研究 | NA | ResNet50 | AUROC | NA |
| 2516 | 2026-03-05 |
Early outcome-prediction with an automated EEG background trend in hypothermia-treated newborns with encephalopathy
2026-Feb, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-025-04193-9
PMID:40523949
|
研究论文 | 本研究评估了基于深度学习的自动化连续脑电图背景趋势（BSN）在低温治疗的缺氧缺血性脑病新生儿中早期预测预后的准确性 | 首次在完全接受低温治疗的新生儿队列中应用BSN趋势，并证明其在出生后6-12小时即可高度预测长期预后 | 研究样本量相对较小（85名婴儿），且为单区域队列研究 | 评估自动化脑电图背景趋势（BSN）在低温治疗的缺氧缺血性脑病新生儿中的早期预测准确性 | 85名接受低温治疗的疑似缺氧缺血性脑病新生儿 | 数字病理学 | 新生儿缺氧缺血性脑病 | 脑电图（EEG），振幅整合脑电图（aEEG） | 深度学习 | 脑电图信号 | 85名婴儿 | NA | NA | AUC, 阳性预测值 | NA |
| 2517 | 2026-02-03 |
Single‑center weakly supervised deep learning prediction of KRAS, NRAS, BRAF, and HER2 status in colorectal cancer from histopathology images using internal cross‑validation
2026-Feb-01, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-026-04211-8
PMID:41622176
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2518 | 2026-03-05 |
PMCanalSeg: A dataset for automatic segmentation of the pterygopalatine and mandibular canals from 3D CBCT images
2026-Jan-29, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06620-w
PMID:41605959
|
研究论文 | 本文介绍了一个用于从3D CBCT图像中自动分割翼腭管和下颌管的大型公开数据集PMCanalSeg | 构建并公开了首个包含上颌翼腭管数据的CBCT分割数据集，填补了该领域的空白 | 未提及 | 推动颌面CBCT扫描中翼腭管和下颌管分割技术的发展 | 颌面锥形束计算机断层扫描（CBCT）图像中的翼腭管和下颌管 | 数字病理 | 颌面外科相关疾病 | CBCT扫描 | NA | 3D CBCT图像 | 191个患者病例 | NA | NA | NA | NA |
| 2519 | 2026-03-05 |
Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection
2026-Jan-29, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2026.01.025
PMID:41620056
|
研究论文 | 本研究评估了一种基于深度学习的AI系统，通过结节索引和恶性风险分层，在CT扫描中提高放射科医生检测肺结节的性能，特别是在早期肺癌检测方面 | 开发了一种结合可疑结节索引和恶性风险分层的深度学习AI系统，专门针对早期肺癌检测，并在数据集中丰富了具有挑战性的早期肺癌病例 | 研究主要基于美国国家肺癌筛查试验的数据，可能无法完全代表所有人群或临床环境 | 评估AI系统在提高放射科医生检测肺结节性能方面的效果，特别是在早期肺癌检测中 | 肺结节和早期肺癌的CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | 深度学习 | 图像 | 340例CT扫描，包括209例筛查病例和131例非筛查病例，其中133例为肺癌，61例为良性非钙化结节，146例正常 | NA | NA | 灵敏度, 特异性, AUC, 假阳性率 | NA |
| 2520 | 2026-03-05 |
A comprehensive IMU dataset for evaluating sensor layouts in human activity and intensity recognition
2026-Jan-29, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06710-9
PMID:41611710
|
研究论文 | 本文介绍了一个全面的IMU数据集，用于评估人体活动和强度识别中的传感器布局策略 | 提供了一个覆盖全身的17个IMU传感器数据集，包含详细的人体测量元数据和活动强度标注，支持传感器布局的系统性评估 | 数据集仅包含12种日常活动，可能未覆盖所有复杂或专业活动场景 | 评估传感器配置在人体活动识别中的性能与实用性平衡 | 30名参与者的12种日常活动数据 | 机器学习 | NA | 惯性测量单元（IMU）数据采集 | 机器学习模型,深度学习模型 | 时间序列传感器数据（三轴加速度和角速度） | 30名参与者，每人进行12种活动，使用17个IMU传感器 | NA | NA | NA | NA |