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 44212 篇文献，本页显示第 2541 - 2560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2541 | 2026-04-10 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | YOLO | 图像 | 735名患者的1431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 2542 | 2026-04-10 |
Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis
2026-Apr-14, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2025017224
PMID:41512166
|
研究论文 | 本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并验证了其作为治疗靶点的潜力 | 首次通过多组学分析发现DVT早期中性粒细胞CD14过表达，并利用几何深度学习模型DeepPBS揭示了G-CSF通过上调C/EBPα驱动CD14表达的机制 | 研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证 | 探究深静脉血栓形成早期中性粒细胞激活的分子机制并寻找新的治疗靶点 | 骨髓中性粒细胞（小鼠模型）和原代人类中性粒细胞 | 生物医学研究 | 深静脉血栓 | RNA测序, 蛋白质组学, 流式细胞术, 染色质免疫沉淀 | 几何深度学习模型 | 多组学数据（转录组、蛋白质组、流式数据） | 未明确说明具体样本数量 | NA | DeepPBS | 血栓负荷降低, 血栓发生率降低, 中性粒细胞和瓜氨酸化组蛋白H3积累减少 | NA |
| 2543 | 2026-04-10 |
DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple
2026-Apr-09, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c04009
PMID:41711252
|
研究论文 | DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合 | 首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具 | 主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物 | 开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题 | 3d/4d过渡金属配合物的局部结构，特别是均相催化剂 | 机器学习 | NA | X射线吸收光谱 | E(3)-equivariant neural network | 光谱数据 | 67,000个理论K边光谱 | NA | E(3)-equivariant neural network | MAE, ROC-AUC | NA |
| 2544 | 2026-04-10 |
Integrating Molecular Dynamics and Deep Learning to Elucidate Conformational Plasticity Underlying the Reduced Activity of Glycocin F
2026-Apr-09, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.6c00056
PMID:41885711
|
研究论文 | 本文结合分子动力学与深度学习，揭示了糖肽F（GccF）中α-甲基化导致活性降低的结构动力学机制 | 利用变分自编码器引导的分子动力学框架，量化了微小化学修饰如何通过改变构象可塑性影响肽的功能 | NA | 阐明糖肽F中α-甲基化导致其抗菌活性大幅降低的结构动力学原因 | 糖肽F（GccF）及其α-甲基化变体 | 机器学习 | NA | 分子动力学模拟 | 变分自编码器 | 分子构象数据 | NA | NA | 变分自编码器 | NA | NA |
| 2545 | 2026-04-10 |
Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory
2026-Apr-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae584a
PMID:41894824
|
研究论文 | 本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力 | 首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响 | 研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应 | 探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用 | 健康小鼠和阿尔茨海默病模型小鼠 | 神经科学, 生物医学工程 | 阿尔茨海默病 | 闭环经颅超声刺激, 深度学习 | 深度学习模型 | 神经振荡信号, 行为数据 | 未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠 | NA | NA | 神经活动相关性, 记忆能力改善 | NA |
| 2546 | 2026-04-10 |
FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification
2026-Apr-08, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3681572
PMID:41950122
|
研究论文 | 本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类 | 首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征 | 胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差 | 开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧 | 胎儿睡眠状态分类，基于胎儿脑电图数据 | 机器学习 | 神经发育并发症 | 脑电图 | 深度学习 | 脑电图信号 | NA | NA | FetalSleepNet | 准确率, 宏F1分数 | NA |
| 2547 | 2026-04-10 |
Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing
2026-Apr-08, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3678170
PMID:41950143
|
研究论文 | 提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型 | 首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略 | 未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求 | 解决高光谱解混中非线性混合过程的精确建模问题 | 高光谱遥感图像 | 计算机视觉 | NA | 高光谱成像 | 深度自编码器,神经架构搜索 | 高光谱图像 | 合成与真实数据集（未指定具体数量） | 未明确说明 | 自定义多尺度卷积操作 | 光谱角距离 | 未明确说明 |
| 2548 | 2026-04-10 |
Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants
2026-Apr-08, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae5ca9
PMID:41950940
|
研究论文 | 本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能 | 将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解 | 未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力 | 开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性 | 脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤） | 数字病理学 | 脑肿瘤 | 磁共振成像 | CNN | 图像 | NA | NA | Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net | 分割精度 | NA |
| 2549 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2550 | 2026-04-10 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2551 | 2026-04-10 |
Automatic Recognition and Prognostic Prediction of Colorectal Liver Metastases Using a Multi-Scale Deep Learning Framework: Model Development and Validation Study
2026-Apr-07, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/73311
PMID:41945655
|
研究论文 | 本研究开发并验证了一个多模型集成深度学习框架（CLM-Net），用于从病理图像中自动识别和预测结直肠癌肝转移，以提高诊断准确性和临床适用性 | 通过集成VGG16、DeepLab-v3和U-Net等基础架构，并结合多尺度空洞卷积、挤压-激励注意力机制、条件随机场细化模块和迁移学习策略，构建了一个创新的多模型集成深度学习框架，显著提升了结直肠癌肝转移的识别和预后预测性能 | 研究样本量相对有限（197例），且未来需要多中心验证和多模态特征整合以进一步优化模型 | 开发并验证一个深度学习框架，用于自动识别和预测结直肠癌肝转移，以增强诊断准确性和临床实用性 | 结直肠癌肝转移的病理图像 | 数字病理学 | 结直肠癌肝转移 | 深度学习 | CNN | 图像 | 197例病理标注的结直肠癌肝转移病例，来自Kaggle和The Cancer Imaging Archive等公开数据集 | TensorFlow, PyTorch | VGG16, DeepLab-v3, U-Net | 准确率, 召回率, F1分数, AUC, Kaplan-Meier曲线, log-rank检验 | NA |
| 2552 | 2026-04-10 |
Deep Learning for Content-Based Medical Image Retrieval in Picture Archiving and Communication Systems for Brain Tumor Detection: Algorithm Development and Validation
2026-Apr-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/78300
PMID:41941563
|
研究论文 | 本研究开发了一种基于内容的医学图像检索系统，专门用于脑磁共振图像中七种不同类型脑肿瘤的检索，并成功集成到图片存档与通信系统中 | 采用先进的深度学习特征提取算法，结合广义均值池化捕捉局部特征，并通过协调两个开源项目将CBMIR系统成功嵌入到功能性PACS环境中 | 数据集来自单一医疗中心且未公开可用，可能限制模型的泛化能力 | 开发一个集成到PACS中的基于内容的医学图像检索系统，以辅助放射科医生和医疗专业人员高效检索相关历史医学图像，提供定量决策支持 | 脑磁共振图像中的七种不同类型脑肿瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN | 图像 | 658名参与者，共15,873张图像（收集于2000年至2017年） | NA | GoogLeNet | 平均精度均值, Precision@10 | NA |
| 2553 | 2026-04-10 |
Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase
2026-Apr-06, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2026.109842
PMID:41950715
|
研究论文 | 本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸 | 从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统 | 未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估 | 开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产 | L-苹果酸的生物合成 | 合成生物学，酶工程 | NA | 生物信息学挖掘，深度学习指导的酶工程，双酶级联催化 | 基于深度学习的计算预测工具 | 蛋白质序列数据，酶活性数据 | NA | NA | NA | 催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)） | NA |
| 2554 | 2026-04-10 |
Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning
2026-Apr, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-025-01328-5
PMID:40676456
|
研究论文 | 本研究开发了一种结合经食管超声心动图和深度学习的新工具autoMAPSE，用于术后连续监测左心室功能和系统心室动脉耦联 | 首次将经食管超声心动图与深度学习结合，实现自动测量二尖瓣环平面收缩期位移，用于连续监测心室动脉耦联 | 样本量较小（仅50例患者），监测时间仅限于术后2小时，且为单中心研究 | 评估autoMAPSE工具在监测心脏术后系统心室动脉耦联及检测术后心脏生物标志物变化方面的有效性 | 接受心脏手术的50例患者 | 数字病理学 | 心血管疾病 | 经食管超声心动图 | 深度学习 | 超声图像 | 50例心脏手术患者 | NA | NA | 相关系数 | NA |
| 2555 | 2026-04-10 |
Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study
2026-Apr, Biological psychiatry. Cognitive neuroscience and neuroimaging
DOI:10.1016/j.bpsc.2025.07.012
PMID:40789484
|
研究论文 | 本研究通过纵向T1加权/T2加权比值分析，探讨了注意力缺陷/多动障碍（ADHD）儿童脑白质髓鞘发育轨迹 | 首次在纵向社区儿科队列中，使用T1w/T2w比值结合深度学习自动纤维束追踪方法，系统评估ADHD儿童脑白质髓鞘发育模式 | 研究未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受样本特征或方法灵敏度限制，且未考虑纤维结构等其他白质特性 | 探究ADHD儿童脑白质髓鞘的发育轨迹及其与疾病的关系 | 9-14岁儿童（包括195名ADHD患者及205名对照） | 神经影像学 | 注意力缺陷/多动障碍 | T1加权/T2加权比值成像、扩散加权成像 | 深度学习 | 神经影像数据（T1w、T2w、DWI） | 400次扫描（195名ADHD儿童，年龄范围9-14岁，3个时间点） | NA | NA | NA | NA |
| 2556 | 2026-04-10 |
Graph-based deep learning approach for high-throughput protein-DNA interaction scoring
2026-Apr, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01688-3
PMID:41326808
|
研究论文 | 本文提出了一种基于图深度学习的蛋白质-DNA相互作用评分方法PDIScore，用于准确量化蛋白质-DNA相互作用 | 开发了PDIScore这一新型深度学习评分函数，采用全面的图表示捕获核苷酸灵活性，结合可扩展的GraphGPS架构与BigBird线性全局注意力处理大相互作用界面，并利用混合密度网络建模残基-核苷酸距离分布 | NA | 开发可靠的蛋白质-DNA相互作用评分函数以促进生物学过程理解和药物设计 | 蛋白质-DNA相互作用 | 机器学习 | NA | 深度学习 | 图神经网络 | 蛋白质-核酸复合物结构 | 约7000个蛋白质-核酸复合物结构 | NA | GraphGPS, BigBird, 混合密度网络 | 富集因子, AUROC, 对接成功率, 皮尔逊相关系数 | NA |
| 2557 | 2026-04-10 |
Horizontal nystagmus identification with joint SAM segmentation and time series classification
2026-Apr, 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眼震检测模型 | 联合使用SAM分割和时空注意力机制进行眼震检测，提高了诊断准确性 | NA | 开发一种高效的水平眼震自动检测方法 | 水平眼震患者的眼球运动视频 | 计算机视觉 | 前庭系统疾病 | 视频分析 | CNN | 视频 | 临床收集的水平眼震视频数据集 | NA | SAM, 一维时间序列卷积分类器 | 准确率, 精确率 | NA |
| 2558 | 2026-04-10 |
Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR
2026-Apr, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.11.011
PMID:41758106
|
研究论文 | 本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较 | 开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案 | 单中心研究，需要进一步研究以确认其普适性并优化实施 | 评估现场CT-FFR算法在冠状动脉疾病诊断中的性能 | 250名有症状的中高风险冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 冠状动脉计算机断层扫描血管造影 | 深度学习 | 医学影像 | 250名患者 | NA | NA | AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ | NA |
| 2559 | 2026-04-10 |
Automated Brain Tumor Detection Using Convolutional Neural Network
2026-Apr, Biotechnology and applied biochemistry
IF:3.2Q2
DOI:10.1002/bab.70060
PMID:41076544
|
研究论文 | 本研究探讨了使用卷积神经网络（U-Net和SSD）进行脑肿瘤自动检测的效能，以提高早期诊断的准确性 | 结合了用于医学图像分割的U-Net模型和用于目标检测的SSD模型，评估并比较了它们在脑肿瘤检测中的性能，强调了U-Net在精确分割方面的优势 | SSD模型的准确率相对较低（58%），表明其在某些场景下可能仅作为辅助工具，且研究未详细说明数据集的具体规模和多样性 | 通过深度学习技术提升脑肿瘤的早期检测能力，以支持及时的医疗干预 | 脑肿瘤的检测与定位 | 计算机视觉 | 脑肿瘤 | 医学图像分析 | CNN | 医学影像 | NA | NA | U-Net, SSD | 准确率 | NA |
| 2560 | 2026-04-10 |
Artificial intelligence for single-omics in ovarian cancer: a methodological review
2026-Apr, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society
IF:4.1Q2
DOI:10.1016/j.ijgc.2025.104452
PMID:41617590
|
综述 | 本文对2021年至2024年间发表的14项研究进行了叙述性综述，总结了人工智能在卵巢癌单组学数据分析中的应用现状、方法学及挑战 | 首次系统性地综述了人工智能在卵巢癌基因组、转录组、代谢组、微生物组和表观基因组等单组学数据中的应用，并强调了数据预处理、归一化和特征选择等关键方法学考虑对模型性能的影响 | 纳入的研究存在样本量小、回顾性设计、单中心研究以及验证数据集使用不一致等显著局限性 | 综述人工智能在卵巢癌单组学数据分析中的应用，以提升该疾病的诊断、预后和治疗 | 上皮性卵巢癌患者 | 机器学习 | 卵巢癌 | 基因组学、转录组学、代谢组学、微生物组学、表观基因组学 | 深度学习, 随机森林, 支持向量机 | 组学数据 | NA | NA | NA | 分类准确率, AUC | NA |