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 39829 篇文献，本页显示第 2741 - 2760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2741 | 2026-01-12 |
Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model
2026-Feb, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2025.152888
PMID:41418417
|
研究论文 | 本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素 | 首次将深度学习模型应用于mSASSS评分，以自动化、客观的方式评估脊柱影像进展，并结合时间依赖性广义估计方程分析相关因素 | 研究为单中心回顾性队列设计，样本量有限（242名患者），可能存在选择偏倚，且深度学习模型的泛化能力未在外部数据集中验证 | 识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素 | 中轴型脊柱关节炎患者 | 数字病理学 | 中轴型脊柱关节炎 | 脊柱侧位X光摄影，深度学习模型 | 深度学习模型 | 影像（脊柱X光片） | 242名患者，共379个观察间隔 | NA | NA | 调整后比值比，95%置信区间 | NA |
| 2742 | 2026-01-12 |
Deep transfer learning for comprehensive diagnosis of cotton leaf pathologies
2026-Feb, Microbial pathogenesis
IF:3.3Q2
DOI:10.1016/j.micpath.2025.108257
PMID:41422871
|
研究论文 | 本研究通过深度学习和图像处理技术，建立了一种自动诊断棉花叶部病害的方法 | 结合多种深度学习架构（如CNN、InceptionV3、ResNet50、VGG16、VGG19、Xception）进行棉花叶部病害诊断，并探索了ResNet50、RegNet、EfficientNetB和Vision Transformers等先进技术以提升模型性能 | 未明确提及具体局限性，但后续研究旨在通过集成更先进技术进一步提高模型的精度和效率 | 开发一种可靠且精确的自动化工具，用于预测和诊断棉花叶部病害，以支持精准农业 | 棉花叶部病害，特别是叶枯病，以及健康叶片 | 计算机视觉 | 棉花叶部病害 | 图像处理 | CNN | 图像 | 超过4200张图像，包括约3000张棉花叶枯病图像和1200张健康叶片图像 | NA | Convolutional Neural Network, InceptionV3, ResNet50, VGG16, VGG19, Xception | 验证准确率 | NA |
| 2743 | 2026-01-12 |
Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved fluorescent probes
2026-Jan-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114141
PMID:41509928
|
研究论文 | 本文提出了一种基于深度学习的方法，利用临床批准的荧光探针实现高性能多光子荧光血管成像 | 开发了一种深度学习模型，能够将临床批准的荧光探针（如ICG）用于高性能多光子荧光成像，解决了传统探针不适用于MPFI的问题 | 方法依赖于先前报道的MPFI图像进行训练，且新型定制探针的生物安全性尚未完全验证 | 提高多光子荧光成像（MPFI）的实用性和临床适用性 | 大脑微血管系统，特别是海马区域的血管 | 计算机视觉 | NA | 多光子荧光成像（MPFI） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2744 | 2026-01-12 |
Harnessing Artificial Intelligence for Genomic Variant Prediction: Advances, Challenges, and Future Directions
2026-Jan-10, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag004
PMID:41518203
|
综述 | 本文综述了人工智能在基因组变异预测领域的应用进展、挑战与未来方向 | 系统评估了从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并针对变异分类中的关键挑战提出了增强预测器选择、多组学数据整合和优化计算流程的策略 | 面临数据异质性、模型可解释性以及意义未明变异持续存在等关键障碍，需要可解释AI框架和更具包容性的基因组数据库 | 提升基因组变异解释的准确性，以促进疾病研究和靶向治疗开发，最终推动个性化医疗发展 | 基因组变异及其预测方法 | 机器学习 | NA | 多组学数据整合 | 机器学习, 深度学习, 蛋白质语言模型 | 多模态基因组数据 | NA | NA | NA | NA | NA |
| 2745 | 2026-01-12 |
A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids
2026-Jan-10, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202520854
PMID:41518282
|
研究论文 | 本文开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中单个囊泡的乙酰胆碱存储和释放动态 | 开发了一种新型纳米传感器，首次实现了在单细胞水平对单个囊泡存储和亚量子释放动力学的原位定量化学分析 | NA | 研究胆碱能突触可塑性在生理和病理状态下的机制，特别是单个囊泡的存储和释放动力学 | 原代胆碱能神经元、人类脊髓类器官以及唐氏综合征模型 | 生物传感与神经科学 | 唐氏综合征 | 纳米传感器技术、酶功能化、实时监测 | 1D-CNN | 信号峰值形状数据 | NA | NA | 一维卷积神经网络 | NA | NA |
| 2746 | 2026-01-12 |
Bayesian neural networks for genomic prediction: uncertainty quantification and SNP interpretation with SHAP and GWAS
2026-Jan-10, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
DOI:10.1007/s00122-025-05127-z
PMID:41518523
|
研究论文 | 本研究提出了一个结合LASSO正则化的贝叶斯神经网络框架及GSMeSP可解释性工具，用于实现准确、不确定性感知且具有生物学可解释性的基因组预测 | 开发了结合LASSO正则化的贝叶斯神经网络框架，提供不确定性量化，并创新性地整合SHAP与GWAS信号，提出GSMeSP工具以从统计和生物学角度优先识别性状相关SNP | 研究主要针对陆地棉的纤维相关性状，尚未在其他作物或性状中广泛验证，且模型复杂度可能较高 | 提高基因组预测的准确性、不确定性量化及模型可解释性，以加速作物育种中的基因组选择 | 1385份陆地棉种质资源，基因型数据包含超过12,000个SNP，针对多个纤维相关性状 | 机器学习 | NA | 基因组预测，全基因组关联研究 | 贝叶斯神经网络 | 基因型数据（SNP） | 1385份陆地棉种质资源 | NA | 贝叶斯神经网络 | 预测准确性 | NA |
| 2747 | 2026-01-12 |
Very-large-scale mimetic optogenetic synapses for physical reservoir computing
2026-Jan-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-68229-8
PMID:41519787
|
研究论文 | 本研究提出了一种利用自组织亚毫米级二硫化钨纳米管簇作为三维超大规模物理储层进行计算的方法，以应对深度学习扩展定律带来的效率和可持续性挑战 | 开发了与果蝇大脑突触数量和密度相匹配的超大规模物理储层，并集成了光敏模拟突触连接以模拟体内生物系统的光遗传学调制 | NA | 为下一代节能人工智能设计先进计算架构 | 自组织二硫化钨纳米管簇作为物理储层 | 机器学习 | NA | 物理储层计算 | 物理储层计算模型 | 语音、图像、医学图像等多模态数据 | NA | NA | 三维超大规模物理储层 | NA | NA |
| 2748 | 2026-01-12 |
Non-destructive detection of micro-impurities in tea using the YOLOv11-PFT model
2026-Jan-10, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00702-6
PMID:41519826
|
研究论文 | 本文提出了一种基于改进YOLOv11的深度学习模型YOLOv11-PFT，用于茶叶中微观杂质的无损检测 | 在YOLOv11基础上集成了Powerful-IoU损失函数、FasterNet模块和Triple Attention模块，提升了检测精度、减小了模型尺寸并改进了特征提取能力 | 未提及模型在其他食品或杂质类型上的泛化能力，也未说明训练数据的具体来源和多样性 | 开发一种高效、轻量化的深度学习模型，用于检测茶叶生产加工过程中的微观污染物 | 茶叶中的微观杂质（如生产、加工和包装过程中引入的不可见污染物） | 计算机视觉 | NA | 深度学习图像检测 | CNN | 图像 | NA | NA | YOLOv11, FasterNet, Triple Attention | 准确率, 精确率, 召回率, F1分数, mAP, GFLOPs, 推理速度(FPS), 模型大小 | NA |
| 2749 | 2026-01-12 |
High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning
2026-Jan-10, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01359-8
PMID:41519924
|
研究论文 | 本研究开发了一种基于深度学习的高通量球体检测方法，用于预测乳腺癌对靶向治疗的反应 | 结合深度学习自动分割球体，实现高通量功能检测，以区分对顺铂和奥拉帕尼敏感与耐药的肿瘤 | 研究基于患者来源的异种移植模型，可能不完全反映人体内肿瘤的复杂性 | 开发功能检测方法以预测乳腺癌个性化治疗的最佳方案 | 乳腺癌患者来源的异种移植模型，特别是三阴性乳腺癌 | 数字病理学 | 乳腺癌 | 高通量球体检测，深度学习分割 | 深度学习模型 | 图像数据（球体图像） | 患者来源的乳腺癌异种移植模型（敏感和耐药类型） | NA | NA | 响应与非响应球体百分比预测 | NA |
| 2750 | 2026-01-12 |
Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach
2026-Jan-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01263-3
PMID:41520012
|
研究论文 | 本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于预测R0切除卵巢癌患者的生存期并进行风险分层 | 开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导的融合模块 | 外部验证集的C指数有所下降（0.76和0.70），表明模型泛化能力有待进一步提升 | 提高卵巢癌患者的生存预测准确性和个体化风险评估 | R0切除的卵巢癌患者 | 数字病理学 | 卵巢癌 | 多模态数据融合 | 深度学习 | 图像, 临床数据 | 543名患者 | NA | CHIEF, ResNet50 | C-index, 时间依赖性AUC | NA |
| 2751 | 2026-01-12 |
Bridging AI and biology: Foundation models meet human physiology and disease
2026-Jan-09, Med (New York, N.Y.)
DOI:10.1016/j.medj.2025.100971
PMID:41519120
|
综述 | 本文探讨了将基础模型从基准测试转化为临床影响时遇到的挑战，并提出了结合深度学习与生物机制表示的混合模型以促进因果推理 | 提出结合深度学习与生物机制表示的混合模型，以解决基础模型在临床应用中因果推理不足的问题 | NA | 旨在通过混合模型提升基础模型在人类生理和疾病研究中的因果推理能力 | 人类生理和疾病 | 机器学习 | NA | 深度学习 | 基础模型, 混合模型 | 观测数据 | NA | NA | NA | NA | NA |
| 2752 | 2026-01-12 |
In silico design of stable single-domain antibodies with high affinity
2026-Jan-09, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.12.010
PMID:41519125
|
研究论文 | 本文介绍了一种基于结构的抗体设计流程EvolveX，用于设计高亲和力和稳定性的单域抗体 | 利用经验力场FoldX设计单域抗体的互补决定区，显著提高了抗体亲和力，并通过结构分析验证了设计准确性 | NA | 克服抗体设计中的高亲和力和稳定性挑战，开发治疗性抗体 | 针对小鼠Vsig4和人Vsig4的单域抗体 | 机器学习 | NA | 深度学习，生成方法，X射线晶体学，下一代测序 | NA | 结构数据，序列数据 | NA | NA | NA | 结合亲和力提升倍数 | NA |
| 2753 | 2026-01-12 |
Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR
2026-Jan-09, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.12.007
PMID:41519628
|
研究论文 | 本研究评估了一种新型的、基于深度学习的、现场计算的冠状动脉CT血管造影血流储备分数算法（CT-FFR）与有创瞬时无波比（iFR）相比，在检测功能显著性冠状动脉狭窄方面的诊断性能 | 提出并评估了一种新型的、现场计算的深度学习CT-FFR算法（cFFR v6），用于快速、非侵入性地评估冠状动脉狭窄的功能性缺血，并与有创iFR标准进行比较，验证其在CCTA解读中提供即时生理评估的可行性 | 研究为回顾性分析，样本量较小（44例患者，44处病变），需要更大规模的多中心研究来验证结果并明确其临床作用 | 评估一种新型现场深度学习CT-FFR算法在检测功能显著性冠状动脉狭窄方面的诊断性能，并与有创iFR进行比较 | 44例接受临床指征的冠状动脉CT血管造影（CCTA）和有创瞬时无波比（iFR）测量的患者（共44处病变） | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影（CCTA），有创瞬时无波比（iFR）测量 | 深度学习 | 医学影像（CCTA图像） | 44例患者，44处病变 | NA | NA | 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, ROC曲线下面积（AUC）, 皮尔逊相关系数 | 现场工作站集成算法（提供近实时评估） |
| 2754 | 2026-01-12 |
AI-MDT: an automatic and intelligent multidisciplinary team consultations platform for lung cancer diagnosis
2026-Jan-08, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06413-5
PMID:41504919
|
研究论文 | 本研究介绍并评估了一个用于肺癌诊断的自动智能多学科团队会诊平台AI-MDT | 开发了一个集成了流程自动化、智能决策支持和诊断辅助三大核心模块的AI-MDT平台，首次将大语言模型、深度学习和计算机视觉技术整合到肺癌MDT工作流中，实现了实时循证知识库和自动病灶检测与特征分析 | 研究仅在单一中国三甲医院实施，样本量（879次会诊，811名患者）相对有限，且为初步疗效评估，缺乏长期随访和多中心验证 | 评估AI-MDT平台在肺癌多学科团队会诊中的临床实用性和初步有效性 | 肺癌患者的诊断流程与多学科团队会诊 | 数字病理 | 肺癌 | 大语言模型，深度学习，计算机视觉 | 深度学习模型 | 医学影像，文本知识库 | 879次会诊，涉及811名患者 | NA | NA | 会诊量，专家时间，数据利用率，AI诊断建议使用次数（852次），决策支持使用次数（744次） | NA |
| 2755 | 2026-01-10 |
Correction: Optimized deep learning for brain tumor detection: a hybrid approach with attention mechanisms and clinical explainability
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29967-3
PMID:41507212
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2756 | 2026-01-12 |
Cross-omics interpretable neural network for discovery of molecular markers in prostate cancer
2026-Jan-08, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种用于前列腺癌分子标志物发现的跨组学可解释神经网络框架 | 提出了一种结合先验生物知识（通路或蛋白质-蛋白质相互作用网络）和可训练掩码层的仿生框架，动态优化预定义生物连接的强度，以增强知识表示和模型可解释性 | 未明确说明模型在其他癌症类型或独立数据集上的泛化能力，也未讨论计算复杂度或训练时间 | 发现介导前列腺癌临床侵袭性表型的分子标志物 | 前列腺癌 | 机器学习 | 前列腺癌 | 多组学数据整合（基因表达、体细胞突变、拷贝数变异） | 神经网络 | 多组学数据 | NA | NA | Cross-omics Interpretable Neural Network (CINN) | F1分数, 准确率, AUC | NA |
| 2757 | 2026-01-12 |
Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives
2026-Jan-08, 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技术与人工智能结合在抗生素耐药性检测中的最新进展、挑战与未来前景 | 首次系统总结SERS与AI（特别是机器学习和深度学习方法）融合策略在AMR检测中的应用，并探讨其在临床和监测场景的转化潜力 | 作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析 | 总结SERS-AI联合策略在抗菌素耐药性检测领域的技术进展，分析不同方法的优劣，并推动该技术在临床转化中的应用 | 耐药性细菌的检测与识别技术 | 自然语言处理, 机器学习 | 细菌感染性疾病 | 表面增强拉曼散射 | 机器学习, 深度学习 | 光谱数据 | NA | NA | NA | 准确性, 效率 | NA |
| 2758 | 2026-01-12 |
A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction
2026-Jan-08, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种新颖的多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合了基于病理图像的预测模型和基于临床特征的模型，以提升多模态病理学预测的准确性和可解释性 | 首次将大型语言模型作为智能仲裁器引入多模态病理学预测框架，利用其上下文推理和解释能力动态整合来自不同专家模型的见解，解决模型间分歧，并提供透明、合理的决策 | 研究仅在胃癌和乳腺癌两个数据集上进行了验证，需要更多样化的癌症类型和更大规模的数据集来验证其泛化能力 | 开发一个透明、可扩展且可解释的多模态人工智能系统，用于数字病理学中的癌症预测 | 胃癌和乳腺癌的病理学图像及临床信息 | 数字病理学 | 胃癌, 乳腺癌 | NA | CNN, Transformer, LLM | 图像, 文本 | HMU-GC-HE-30K（胃癌数据集，仅病理图像）和BCNB（乳腺癌活检数据集，包含病理图像和临床信息）两个数据集 | NA | CNN, ViT, LLaMA, GPT, Mistral | NA | NA |
| 2759 | 2026-01-12 |
Structured generative modelling of earthquake response spectra with hierarchical latent variables in hyperbolic geometry
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29902-6
PMID:41501067
|
研究论文 | 本研究提出了一种基于双曲几何的层次变分自编码器框架，用于生成地震响应谱，以提升地震灾害分析和结构性能评估的准确性 | 利用双曲几何（庞加莱球流形）嵌入层次潜在变量，首次将几何深度学习与地震学建模结合，以显式建模地震记录中的事件间和事件内变异性 | 未明确提及模型在处理极端罕见地震事件或小样本数据时的泛化能力限制 | 开发一种能够生成物理一致地震响应谱的生成模型，以支持地震灾害分析和实时风险缓解 | 地震响应谱（强震动数据） | 机器学习 | NA | NA | HVAE（层次变分自编码器） | 地震记录数据（源参数和场地参数） | NA | NA | 层次变分自编码器（HVAE） | 决定系数（R²） | NA |
| 2760 | 2026-01-12 |
Depression detection from speech data using deep learning-based optimized temporal-frequency-channel attention with interpretable acoustic-prosodic mapping
2026-Jan-06, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.121077
PMID:41506383
|
研究论文 | 本文提出了一种基于深度学习、结合时频通道注意力机制和优化策略的轻量级可解释框架，用于直接从原始语音音频中检测抑郁症 | 提出了结合时频通道注意力单元（TFCA）的轻量级ResNet-18模型，并引入了基于性能反馈自适应调整超参数的POCAII优化策略，增强了模型的可解释性和跨数据集鲁棒性 | 模型在跨语言泛化能力方面的表现未在更多语种上进行验证，且仅使用了两个公开数据集进行评估 | 开发一种无需转录或视觉线索、可直接从原始语音中检测抑郁症的深度学习系统 | 语音录音数据 | 自然语言处理 | 抑郁症 | 语音信号分析，时频分析（频谱图转换） | CNN | 音频 | 两个公开抑郁症语音数据集（DAIC-WOZ和Androids Corpus） | NA | ResNet-18 | 准确率，AUC（受试者工作特征曲线下面积） | NA |