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 39696 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-02-07 |
Deep learning-based assessment of periapical radiographic image quality
2026-Jan-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35100-9
PMID:41526431
|
研究论文 | 本文开发了一种基于深度学习的自动化系统，用于全面评估根尖周X光片的图像质量 | 首次提出使用ResNet50模型自动检测根尖周X光片中的多种质量缺陷和牙齿位置分类，实现了高精度的自动化评估 | 需要独立、多中心数据集进行验证后才能临床部署，且数据集中可能存在类别不平衡问题 | 开发自动化系统以解决根尖周X光片手动质量评估的主观性、耗时和劳动密集型问题 | 根尖周X光片 | 计算机视觉 | NA | X光成像 | CNN | 图像 | 3594张根尖周X光片 | NA | ResNet50 | AUC, 准确率, 精确率, 召回率, F1分数, 损失值 | NA |
| 262 | 2026-01-14 |
A real-time mobile aquatic plant recognition algorithm based on deep learning for intelligent ecological monitoring
2026-Jan-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35310-1
PMID:41526515
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 263 | 2026-01-11 |
Hybrid deep learning and RSM modeling of diesel engine performance using TiO2 doped butanol and waste plastic oil blends
2026-Jan-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35126-z
PMID:41513713
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 264 | 2026-02-07 |
Integrating psychological profiling with deep learning for enhanced boxing action recognition
2026-Jan-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34771-0
PMID:41513933
|
研究论文 | 本研究提出了一种结合心理分析与视频识别的多模态深度学习框架，用于增强拳击动作识别 | 首次将心理分析与视频识别结合，通过多模态融合提升拳击动作识别精度，尤其在区分视觉相似动作方面表现突出 | 当前框架不支持实时部署，未来需要进一步开发 | 通过整合心理状态信息，提升拳击动作识别的准确性和鲁棒性 | 拳击运动员的动作视频及其心理状态数据 | 计算机视觉 | NA | 视频分析，心理量表评估 | CNN, Transformer | 视频，文本 | HMDB51-Boxing子集和新构建的PsyBox-20数据集 | PyTorch, TensorFlow | 3D-ResNet, BERT | 准确率, F1分数 | NA |
| 265 | 2026-02-07 |
Implementing QbD for Nano-Pharmaceuticals and Complex Formulations to Achieve Predictable and High-Quality Outcomes
2026-Jan-09, AAPS PharmSciTech
IF:3.4Q2
DOI:10.1208/s12249-025-03308-z
PMID:41514102
|
综述 | 本文探讨了人工智能和机器学习如何与质量源于设计原则相结合，以变革纳米药物开发，实现可预测和高质量的结果 | 提出了将AI/ML与QbD框架在纳米药物开发中进行整合的创新方法，旨在通过数据驱动模型增强预测准确性、减少实验负担并确保产品质量 | NA | 为纳米药物和复杂制剂的高效开发、临床转化及商业化提供路线图 | 纳米药物和复杂制剂 | 机器学习 | NA | NA | 深度学习 | 大型数据集 | NA | NA | 多层神经网络 | NA | NA |
| 266 | 2026-02-07 |
Cross-species prediction of histone modifications in plants via deep learning
2026-Jan-09, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03929-4
PMID:41514301
|
研究论文 | 本研究通过深度学习模型系统评估了植物中组蛋白修饰的跨物种预测能力，并开发了一个易于使用的基因组范围染色质信号预测流程 | 首次系统评估深度学习模型在植物中预测组蛋白修饰的跨物种泛化能力，并构建了基于系统发育信息的家族级模型以提高预测性能 | 跨家族模型的预测结果一致性较低，仅在共享保守调控特征的物种中表现可靠 | 评估深度学习模型在植物中预测组蛋白修饰的跨物种泛化能力，并开发适用于非模式及重要农业植物的功能注释计算策略 | 拟南芥、水稻和玉米的组蛋白修饰 | 机器学习 | NA | ChIP-seq | 深度学习 | DNA序列 | 拟南芥、水稻和玉米三个物种的数据 | NA | Sei | NA | NA |
| 267 | 2026-01-09 |
LungGANDetectAI: a GAN-augmented and attention-guided deep learning framework for accurate and explainable lung cancer detection
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34750-5
PMID:41501145
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 268 | 2026-02-07 |
Enhanced RGB-D feature extraction for 6D pose estimation
2026-Jan-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34757-y
PMID:41501267
|
研究论文 | 本研究提出了一种基于PVN3D的深度学习姿态估计方法，通过优化图像提取主干网络、集成动态卷积处理点云特征以及引入无参数注意力机制，以同时提高机器人抓取过程中6D姿态估计的准确性和效率 | 创新点包括：深度优化图像提取模型的主干网络，采用密集连接和可学习分组卷积提升精度并降低复杂度；将卷积神经网络核心思想融入点云特征提取，使用动态卷积技术使点云数据处理更高效灵活；引入无参数注意力机制进一步提升模型精度 | NA | 旨在同时提高机器人抓取过程中6D姿态估计的准确性和效率 | 机器人排序技术中的物体6D姿态估计 | 计算机视觉 | NA | NA | 深度学习 | RGB-D图像，点云数据 | NA | NA | PVN3D | 计算效率，估计精度 | NA |
| 269 | 2026-02-07 |
Hgtsynergy: a transfer learning method for predicting anticancer synergistic drug combinations based on a drug-drug interaction heterogeneous graph
2026-Jan-06, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06360-5
PMID:41495639
|
研究论文 | 本文提出了一种名为HGTSynergy的深度学习方法，用于预测抗癌协同药物组合，该方法基于药物-药物相互作用异构图，并采用迁移学习框架 | 首次在药物协同预测中全面建模多种药物-药物相互作用类型，并利用异构图注意力网络和迁移学习框架提取先验知识，从而提升预测性能 | 未明确说明方法在更大规模或不同癌症类型数据集上的泛化能力限制，也未讨论计算资源需求的具体细节 | 预测抗癌协同药物组合，以降低手动筛选成本并提高治疗效率 | 药物组合及其协同效应 | 机器学习 | 癌症 | 深度学习方法，基于异构图注意力网络和迁移学习 | 异构图注意力网络 | 图数据（药物-药物相互作用异构图） | 未明确说明具体样本数量，但使用了五折嵌套交叉验证进行训练 | 未明确指定，但基于深度学习框架 | 异构图注意力网络 | 均方误差, 均方根误差, 皮尔逊相关系数, AUC, AUPRC, 准确率, 精确率, Cohen's Kappa | 未明确说明 |
| 270 | 2026-01-08 |
Prediction of pathological complete response to neoadjuvant therapy in breast cancer using deep learning with multi-modal radiological image and biopsy whole slide images: a two-center study
2026-Jan-06, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00986-7
PMID:41495869
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 271 | 2026-01-06 |
Prediction of lymph node metastasis and recurrence risk in early-stage oral tongue squamous cell carcinoma with fully automated MRI deep learning
2026-Jan-05, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00985-8
PMID:41486170
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 272 | 2026-01-07 |
A multi-task deep learning pipeline for classification, detection, and weakly supervised 3D segmentation of intraparenchymal hematoma on brain CT
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34596-x
PMID:41491206
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 273 | 2026-02-07 |
AI based real time disease diagnosis in plants using deep learning driven CNNs
2026-Jan-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34681-1
PMID:41491234
|
研究论文 | 本研究提出了一种基于深度学习和卷积神经网络的实时植物病害诊断框架，通过分析植物图像实现快速、准确的病害识别 | 开发了PDD-DL框架，利用CNN实现实时植物病害诊断，相比传统方法具有更高的速度、可信度和可扩展性 | 模型验证基于常见作物，但可应用于多种作物；系统需针对特定病害类别重新训练以适应农业需求 | 通过早期检测改善植物健康监测，最大化产量并减少损失，支持精准农业和可持续植物健康管理 | 植物图像，包括健康和患病植物 | 计算机视觉 | 植物病害 | 图像分析 | CNN | 图像 | NA | NA | CNN | 准确率, 精确率, 召回率, F1分数 | NA |
| 274 | 2026-02-07 |
PepGraphormer: an ESM-GAT hybrid deep learning framework for antimicrobial peptide prediction
2026-Jan-05, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01144-8
PMID:41491543
|
研究论文 | 本文提出了一种名为PepGraphormer的新型融合深度学习框架，结合了ESM2大型语言模型和图注意力网络的优势，用于抗菌肽预测 | 提出了一种结合Transformer大型语言模型（ESM2）和图注意力网络（GAT）的新型融合框架，无需依赖先前研究中使用的3D蛋白质结构信息 | NA | 抗菌肽预测，以支持药物发现 | 抗菌肽序列 | 自然语言处理, 机器学习 | NA | NA | Transformer, GAT | 序列 | NA | NA | ESM2, GAT | 准确率 | NA |
| 275 | 2026-02-07 |
Automated microscopy for malaria diagnosis in a reference laboratory in nonendemic settings
2026-Jan-05, Parasites & vectors
IF:3.0Q1
DOI:10.1186/s13071-025-07215-x
PMID:41491600
|
研究论文 | 本研究评估了miLab™自动化显微镜在非疟疾流行区参考实验室中用于疟疾诊断的性能，并与传统显微镜和巢式多重疟疾聚合酶链反应（NM-PCR）进行比较 | miLab™采用深度学习模型实现全自动显微镜分析，无需专家显微镜师，缩短了诊断时间，为非流行区疟疾诊断提供了新的自动化工具 | 在物种鉴定和寄生虫定量方面仍需改进，与NM-PCR相比灵敏度较低（62.8%） | 评估自动化显微镜miLab™在非疟疾流行区参考实验室中的疟疾诊断性能 | 400份血液样本（2021年至2024年收集） | 数字病理学 | 疟疾 | 数字显微镜，深度学习，巢式多重疟疾聚合酶链反应（NM-PCR） | 深度学习模型 | 血液涂片图像 | 400份样本 | NA | NA | 灵敏度，特异性，一致性，kappa系数，相关系数 | NA |
| 276 | 2026-02-07 |
Automatic recognition and measurement of anatomical structures associated with the elevation of the maxillary sinus floor by deep learning on cone-beam computed tomographic scans
2026-Jan-05, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07609-4
PMID:41491712
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于在锥形束计算机断层扫描图像中自动识别上颌窦、后上牙槽动脉和牙槽嵴，并评估其诊断性能，以实现上颌后牙种植手术的智能术前设计 | 采用增强的YOLOv11架构进行模型训练，实现了对上颌窦、PSAA和牙槽嵴的精确分割，并在此基础上自动测量与上颌后牙种植相关的五个解剖参数 | 研究仅使用了2400张CBCT切片作为初始数据集，样本量相对有限，且未提及模型在其他数据集或临床环境中的泛化能力验证 | 开发深度学习模型以自动识别上颌窦、后上牙槽动脉和牙槽嵴，并测量相关解剖参数，用于上颌窦提升术的智能术前设计 | 上颌后牙缺失患者的CBCT扫描图像 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描 | CNN | 图像 | 2400张CBCT切片 | NA | YOLOv11 | IoU, 平均精度, 平均召回率, 欧几里得距离 | NA |
| 277 | 2026-02-07 |
Memory-efficient full-volume inference for large-scale 3D dense prediction without performance degradation
2026-Jan-03, Communications engineering
DOI:10.1038/s44172-025-00576-2
PMID:41484251
|
研究论文 | 本文提出了一种无需重新训练、无性能损失的推理优化框架，用于实现大规模3D密集预测任务的高效全尺寸推理 | 提出了一种创新的推理优化框架，通过算子空间分块、算子融合、归一化统计量聚合和按需特征重计算等技术，在不损失性能的前提下实现大规模3D体积数据的全尺寸推理 | 论文未明确讨论该方法在非地震数据或其他3D密集预测任务（如不同模态的医学影像）上的泛化能力限制 | 解决大规模3D密集预测任务中因内存限制和算子执行效率低下而无法进行全尺寸推理的问题 | 地震勘探数据中的3D体积数据（如超过1024体素的体积） | 计算机视觉 | NA | 3D密集预测 | 深度学习模型 | 3D体积数据（体素） | 未明确指定具体样本数量，但验证了超过1024体素的大体积数据 | 未明确指定 | FaultSeg3D | 推理时间、内存使用量、体积处理能力 | 未明确指定具体GPU类型，但提及内存使用量为27.6 GB |
| 278 | 2026-02-07 |
A CT-based deep learning approach to differentiate multiple primary lung cancers, metastases, and benign nodules
2026-Jan-02, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15501-1
PMID:41485033
|
研究论文 | 本研究开发并验证了一种基于CT的深度学习分类系统，用于区分多原发性肺癌、肺内转移瘤和良性肺结节 | 首次将MambaOut-Kobe等六种预训练架构用于CT图像的多分类任务，并通过五种子消融实验和决策曲线分析评估临床实用性，结合Grad-CAM提供可解释性支持 | 研究样本量相对有限（260名患者），未来需要在更大规模、多中心数据集上进行验证，并提升模型对多原发性肺癌与肺内转移瘤的区分能力 | 开发自动化深度学习分类系统，以快速、客观地区分多原发性肺癌、肺内转移瘤和良性肺病变，优化患者治疗规划 | 260名患者的881张轴向CT切片，包括多原发性肺癌（83例）、肺内转移瘤（81例）和良性肺病变（96例） | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 图像 | 260名患者，881张轴向CT切片 | NA | DenseNet-121, EfficientNet-B1, MambaOut-Kobe, ResNet-50, SwinV2-CR-Tiny-224, ViT-Tiny-Patch16-224 | AUC, 准确率, 决策曲线分析 | NA |
| 279 | 2026-02-07 |
Shaping the Future of Personalized Therapy in Bladder Cancer Using Artificial Intelligence
2026-Jan, European urology focus
IF:4.8Q1
DOI:10.1016/j.euf.2025.07.011
PMID:40753031
|
综述 | 本文简要概述了人工智能在膀胱癌管理各步骤中的应用及其对个体化治疗策略的潜在贡献 | 整合人工智能工具（主要是机器学习和深度学习方法）到当前膀胱癌工作流程中，为治疗提供更个性化的方法 | 尽管取得显著进展，但主要障碍仍阻碍人工智能在膀胱癌临床工作流程中的广泛应用，需要更多研究才能用于常规临床实践 | 探讨人工智能在膀胱癌管理中的应用潜力，以实现更精确的个体化治疗 | 膀胱癌患者 | 机器学习 | 膀胱癌 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 280 | 2026-02-07 |
Deep learning application for genomic data analysis
2026-Jan, BMB reports
IF:2.9Q3
PMID:40962325
|
综述 | 本文综述了深度学习在基因组学四个领域（变异检测、基因表达调控、基序发现和3D染色质互作）中的应用，总结了模型开发的关键方面，并讨论了未来挑战 | 系统性地回顾了深度学习在基因组学中的最新应用，并重点讨论了基因组标记化和多组学数据整合等前沿挑战 | 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总结 | 探讨深度学习在基因组数据分析中的应用现状、关键模型开发策略及未来研究方向 | 基因组学数据，包括变异检测、基因表达调控、基序发现和3D染色质互作相关的数据 | 机器学习 | NA | 现代基因组测序技术 | 深度学习模型 | 基因组数据 | NA | NA | NA | NA | NA |