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 44218 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-05-16 |
Novel explainable deep learning based drug sensitivity prediction for early treatment of breast cancer
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44617-y
PMID:41876710
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 302 | 2026-05-16 |
Real-time underwater object detection via frequency-domain dynamics and spatially enhanced feature modulation
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44628-9
PMID:41876683
|
研究论文 | 提出一种基于频域动态与空间增强特征调制的轻量级水下实时目标检测框架 | 设计FasterFDBlock骨干网络，结合部分卷积与频域动态卷积，通过频带调制自适应抑制高频噪声并增强边缘细节；引入AIFI-SEFN编码器，融合全局语义与局部空间数据；采用多尺度特征调制模块动态加权深层语义与浅层细节特征 | 仅在UTDAC2020数据集上验证，未提及跨数据集泛化能力及实际水下环境中的鲁棒性测试 | 实现资源受限平台上高精度与低延迟兼顾的水下实时目标检测 | 水下图像中的目标物体 | 计算机视觉 | NA | NA | RT-DETR | 图像 | UTDAC2020数据集 | PyTorch | FasterFDBlock, AIFI-SEFN, MFM | 平均精度均值, 参数量, GFLOPs, 每秒帧数 | NA |
| 303 | 2026-05-16 |
A deep learning approach for the diagnosis and recurrence prediction of OKC
2026-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44979-3
PMID:41872434
|
研究论文 | 提出基于多模态数据融合与可解释分析的牙源性角化囊肿智能诊断与复发预测系统 | 首次结合空间特征融合模块融合口腔病理切片与临床参数，并利用注意力机制实现复发风险的定量评估与模型可解释性 | 未提及外部验证及数据集大小，可能限制泛化能力 | 实现牙源性角化囊肿的准确诊断与复发风险量化预测 | 牙源性角化囊肿患者的口腔病理切片、临床参数、人口统计学特征及病史记录 | 机器学习, 数字病理学 | 牙源性角化囊肿 | NA | 注意力机制模型 | 图像, 表格数据 | 未明确说明样本数量及类型 | NA | 空间特征融合模块, 注意力机制模块 | 准确率 | NA |
| 304 | 2026-05-16 |
Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study
2026-03-20, JMIR formative research
IF:2.0Q4
DOI:10.2196/87962
PMID:41861395
|
研究论文 | 提出一种将长短期记忆网络与GPT-4集成的技术框架，用于生物医学信号分类并生成可解释的临床解读 | 首次明确将深度学习生物医学信号分类与GPT-4语言模型集成，通过结构化提示生成类人临床解读，且评估了临床相关性 | 仅为概念验证，需未来临床验证和现场研究；评估样本有限且仅涉及三个专家对部分数据的独立评价 | 开发并评估一种集成LSTM与GPT-4的生物医学信号自动分类与可读解读框架，为资源受限环境下的部署提供基础 | 公开PhysioNet数据集中的心电图和脑电图信号（包括MIT-BIH心律失常、PTB诊断性心电图等多个数据集） | 机器学习 | 心血管疾病, 神经系统疾病 | NA | LSTM | 时序信号 | 150个测试样本（每个数据集50例，共3个数据集）用于专家评估；完整训练/验证/测试采用70/15/15比例拆分 | NA | 2层LSTM（128→64单元） | 准确率, F1分数, AUC, 专家评分（临床准确性、清晰度、可操作性, Likert量表） | NA |
| 305 | 2026-05-16 |
Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity
2026-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44754-4
PMID:41857156
|
研究论文 | 评估在数据稀缺条件下使用反向传播神经网络预测医院短期口罩需求量的可行性 | 在疫情初期数据极度匮乏的情况下，提出利用浅层反向传播神经网络进行短期物资需求预测，并证明其优于传统统计模型和深度学习模型 | 仅基于单中心24天数据，属于可行性验证而非可部署的预测系统，需通过更大规模多中心数据进行进一步验证 | 评估数据稀缺条件下使用浅层反向传播神经网络进行医院短期物资需求预测的可行性 | 中国某三甲医院连续24天的口罩消耗量时间序列数据 | 机器学习 | 传染病 | NA | 反向传播神经网络 | 数值型时间序列 | 24天单变量时间序列数据，来自一家三级医院 | NA | 浅层反向传播神经网络 | 均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差 | NA |
| 306 | 2026-05-16 |
Real-world unified denoising for multi-organ fast MRI: a large-scale prospective validation
2026-Mar-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02548-y
PMID:41857225
|
研究论文 | 提出一种用于多器官快速MRI的统一深度学习去噪模型，并在大规模前瞻性数据上验证其有效性 | 在包含148,930对图像的大规模真实世界数据集上训练，覆盖6个器官、96种MRI协议及4大厂商，并在外部46,870张图像上验证鲁棒性，临床评估显示加速3倍仍保持诊断性能 | 未提及具体局限性 | 解决加速MRI中噪声增加导致图像质量下降的问题，开发通用去噪模型 | 多器官（包括六个器官）的加速MRI图像 | 计算机视觉 | NA | 深度学习去噪 | 统一去噪深度学习模型 | 图像 | 148,930对噪声-清洁图像（训练），20,143对（测试），46,870张外部临床图像 | NA | NA | Dice系数 | NA |
| 307 | 2026-05-16 |
A novel framework for expanding RNNs with biophysical detail to solve cognitive tasks
2026-Mar-17, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.13.711746
PMID:41889922
|
研究论文 | 提出一种名为BRC的框架，通过结合生物物理细节扩展RNN以解决认知任务 | 在循环神经网络中引入具有多腔室生物物理活性树突的兴奋性细胞，构建生物物理细节储备计算框架，并利用其提取机制见解来指导特定认知任务的模型选择 | 主要针对简化的工作记忆任务进行验证，未涉及更复杂的认知任务或大规模应用 | 开发能提取生物物理神经模型机制见解的框架，并用于指导解决特定类别认知任务的模型选择 | 具有生物物理细节的循环神经网络，特别是包含多腔室树突和活性离子电流的兴奋性细胞 | 机器学习 | NA | NA | 循环神经网络（RNN），储备计算（Reservoir Computing） | NA | NA | NA | 多腔室生物物理活性树突模型，AMPA和NMDA受体模型 | 任务解决能力（基于工作记忆任务的表现） | NA |
| 308 | 2026-03-18 |
Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen-Response
2026-Mar-16, Clinical & experimental ophthalmology
DOI:10.1111/ceo.70108
PMID:41839708
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 309 | 2026-03-16 |
Explainable deep learning for early diagnosis of chronic kidney disease from CT images in Bangladeshi patients
2026-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42654-1
PMID:41832284
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 310 | 2026-05-16 |
Clinical Validation of AI-Assisted Evaluation of Indeterminate Biliary Strictures in Digital-Single Operator Cholangioscopy: A Transcontinental Multicentric Study
2026-Mar-10, Clinical and translational gastroenterology
IF:3.0Q2
DOI:10.14309/ctg.0000000000001015
PMID:41805080
|
研究论文 | 本研究旨在验证用于数字单操作者胆道镜图像分析的人工智能辅助诊断模型，该模型在跨洲多中心研究中表现良好，对胆道狭窄的检测和区分具有稳健的准确性 | 首次在多中心跨国背景下验证了人工智能辅助数字单操作者胆道镜分析在胆道狭窄检测和区分中的实际性能，并考虑了不同设备和人口统计学变量 | 为提及明显的局限性，但潜在的局限性可能包括样本量有限、来自14个中心的选择偏差以及依赖专家定义的标注作为地面真值 | 验证深度学习模型在人工智能辅助数字单操作者胆道镜图像分析中用于胆道狭窄检测和区分的效果 | 来自美国、巴西、西班牙、哥伦比亚、澳大利亚和沙特阿拉伯14个中心的129名患者的135次数字单操作者胆道镜检查记录 | 计算机视觉 | 胆道狭窄（包括恶性胆道狭窄） | 数字单操作者胆道镜 | 深度学习模型 | 图像（数字单操作者胆道镜帧图像） | 135次检查（来自129名患者，其中61名患有恶性胆道狭窄） | NA | NA | 准确率、敏感度、特异性、阳性预测值、阴性预测值、曲线下面积、交并比 | NA |
| 311 | 2026-05-16 |
A manta ray-bayesian optimization approach for hyperparameter-tuned convolutional neural networks in lung cancer classification
2026-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42506-y
PMID:41794961
|
研究论文 | 本文提出一种结合贝叶斯优化与蝠鲼觅食优化的混合超参数优化方法，用于卷积神经网络在肺癌图像分类中的性能提升 | 创新性地将概率建模（贝叶斯优化）与生物启发式优化（蝠鲼觅食优化）相结合，分两阶段高效调优CNN超参数，克服了传统网格搜索或随机搜索在高维空间的计算低效问题 | 文中未明确提及局限性，可能包括优化方法的计算复杂度、对特定数据集依赖性或泛化能力验证不足 | 提高肺癌图像分类中深度学习模型的性能与效率 | 肺癌图像分类任务中的卷积神经网络 | 计算机视觉, 数字病理学 | 肺癌 | NA | CNN | 图像 | 未明确说明 | NA | CNN | 准确率 | NA |
| 312 | 2026-05-16 |
Grounding olfactory perception in language: Benchmarks and models for generating natural language odor descriptions
2026-Mar-05, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.04.709650
PMID:41867788
|
研究论文 | 介绍ODIEU基准和CIRANO模型，用于生成和评估自然语言气味描述 | 首次提出从分子结构直接生成自由文本气味描述的转换器模型CIRANO，以及结合模型度量的气味描述基准ODIEU | 大规模嗅觉数据集稀缺且缺乏标准化评估度量 | 建立生成自然语言气味描述并评估其与人类感知一致性的标准化框架 | 超过10,000种分子的气味感知描述 | 自然语言处理 | NA | Sentence-BERT (SBERT) 精调, 转换器模型 | Transformer | 分子结构, 文本描述, 神经数据 | 超过10,000种分子 | PyTorch | CIRANO (Transformer), SBERT | 模型度量精度, 与人类描述的吻合度 | NA |
| 313 | 2026-05-16 |
Deep learning ensemble models for CT-based differentiation of malignant and benign sacral bone tumors: development and evaluation
2026-Mar-03, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02220-9
PMID:41774326
|
研究论文 | 开发并评估一种集成深度学习模型，用于基于非对比CT图像的骶骨肿瘤良恶性鉴别 | 首次将3D-DenseNet121与放射科医师解读相结合的集成深度学习模型，用于骶骨肿瘤的术前区分，显著提升了各经验水平放射科医师的诊断性能，尤其是初级医师 | NA | 开发能术前区分良恶性骶骨肿瘤的集成深度学习模型，提升放射科医师诊断效率 | 骶骨肿瘤的良恶性鉴别 | 计算机视觉 | 骶骨肿瘤 | 非对比CT成像 | 深度学习集成模型 | CT图像 | 569例骶骨病变患者的术前非对比CT扫描数据，来自三个中心 | NA | 3D-DenseNet121 | 精确率、召回率、准确率、AUC、F1分数、混淆矩阵 | NA |
| 314 | 2026-05-16 |
Interictal Epileptiform Discharge Detection Using Dual-Domain Features and GAN
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605257
PMID:40911454
|
研究论文 | 提出一种基于双域特征和生成对抗网络的痫样放电自动检测方法 | 融合卷积层和Transformer捕捉局部和长期依赖，利用三维张量嵌入通道拓扑提取空间特征，并开发基于Transformer的GAN进行数据增强 | 数据稀缺性仍需依赖生成数据，且多标签分类的敏感性和精度尚有提升空间 | 实现自动化、高精度的痫样放电检测 | 脑电图（EEG）中的痫样放电信号 | 机器学习 | 癫痫 | 脑电图（EEG）信号采集 | CNN, Transformer, LSTM, GAN | 时序信号（EEG数据） | 两个数据集：增广后的数据集1和数据集2（具体样本数未明确） | PyTorch | 卷积层、Transformer、LSTM、基于Transformer的GAN | 准确率、敏感性、精确度 | NA |
| 315 | 2025-11-08 |
Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning"
2026-Mar, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70172
PMID:41198582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 316 | 2026-04-04 |
A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515929
PMID:41536212
|
研究论文 | 本研究提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore | 首次利用变分自编码器（VAE）构建潜在空间，通过计算患者与健康对照在潜在空间中的距离来量化免疫防御功能，建立了跨疾病免疫防御评估的定量标准 | 研究样本主要集中于特定免疫状态和感染性疾病，可能未涵盖所有免疫相关疾病或人群，且模型在更广泛临床环境中的泛化能力需进一步验证 | 开发一种定量评估个体抗感染免疫防御功能的方法，并应用于临床预后和疾病严重程度评估 | 免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者 | 机器学习 | 感染性疾病 | RNA-seq | VAE | RNA-seq数据 | 3202个样本 | NA | 变分自编码器（VAE） | 分类准确率 | NA |
| 317 | 2026-05-16 |
Generating Dynamic Structures Through Physics-Based Sampling of Predicted Inter-Residue Geometries
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518469
PMID:41566646
|
研究论文 | 提出trRosettaX2-Dynamics方法，通过基于物理的迭代采样预测的残基间几何分布，生成蛋白质动态结构 | 将深度学习预测与基于物理的迭代采样相结合，无需先验知识即可生成蛋白质替代构象和动态结构 | 未明确说明 | 解决蛋白质替代构象和动态结构预测的未解难题 | 蛋白质动态结构 | 机器学习 | NA | NA | Transformer | 蛋白质结构数据 | 约7000个动态NMR结构用于微调 | NA | Transformer | NA | NA |
| 318 | 2026-05-16 |
Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515766
PMID:41701522
|
研究论文 | 提出深度学习原子间势能模型Elemental-SDNNFF，结合主动学习框架，高效预测双钙钛矿的声子特性并筛选出具有超低晶格热导率的材料 | 首次使用深度学习原子间势能结合玻尔兹曼输运方程对9709种立方双钙钛矿进行高通量声子特性预测，发现CsHgPtCl6具有室温下各向同性块体材料最低的晶格热导率（0.071 W/mK） | 未提及模型的泛化能力及在其他材料体系中的适用性，且四声子散射计算可能增加计算成本 | 开发高效机器学习框架，快速筛选动态稳定双钙钛矿并准确预测其晶格热导率，寻找热电和隔热应用候选材料 | 9709种立方双钙钛矿结构 | 机器学习 | NA | 密度泛函理论计算, 深度学习原子间势能, 玻尔兹曼输运方程, 分子动力学模拟 | 深度学习原子间势能模型（Elemental-SDNNFF） | 计算物理量（力、声子特性、晶格热导率） | 9709种双钙钛矿结构（1597种动态稳定候选材料） | NA | 元素特异性深度神经网络（Elemental-SDNNFF） | 晶格热导率 | NA |
| 319 | 2026-05-16 |
Pathomics Signature for Prognosis and CA19-9 Interception in Pancreatic Ductal Adenocarcinoma: A Real-Life, Multi-Center Study
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515952
PMID:41556438
|
研究论文 | 利用深度学习分析H&E全切片图像，构建胰腺导管腺癌预后模型并验证其临床价值 | 首次大规模多中心验证CrossFormer架构在PDAC预后中的优越性，揭示CA19-9仅对低风险患者有预后价值 | 未提及具体局限性 | 开发并验证基于深度学习的自动化预后模型，实现个性化治疗策略 | 胰腺导管腺癌患者的H&E染色全切片图像和临床数据 | 数字病理学 | 胰腺导管腺癌 | H&E染色全切片成像 | 深度学习模型（CrossFormer、ResNet、DenseNet） | 图像（全切片图像） | 873名接受手术切除的PDAC患者，来自三个学术中心 | NA | CrossFormer, ResNet-18, ResNet-50, DenseNet-121 | AUC（曲线下面积） | NA |
| 320 | 2026-05-16 |
Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospective Study
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202510931
PMID:41556415
|
研究论文 | 提出一种名为FLARE的多模态深度学习框架，整合病理图像、放射影像和临床文本报告，用于结直肠癌生存和进展的精准预后预测 | 利用基础模型实现高效特征提取，采用基于注意力的多分支框架增强模态间的协同性和独特性，并引入多样性促进损失函数；通过模态和缺失感知提示、伪嵌入及模态级增强策略有效处理缺失数据问题 | 作为回顾性研究，可能受限于数据集的选择偏差；未来需进一步在前瞻性临床环境中验证其有效性 | 提供精准的结直肠癌预后预测工具，优化个性化治疗策略并改善患者预后 | 来自四个独立临床中心的1679名结直肠癌患者的病理图像、放射影像和临床文本报告 | 机器学习, 数字病理学 | 结直肠癌 | NA | 深度学习 | 图像, 文本 | 1679例结直肠癌患者 | PyTorch | 基于注意力的多分支框架 | 一致性指数(C-index), Kaplan-Meier分析 | NA |