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 42799 篇文献，本页显示第 3641 - 3660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3641 | 2026-02-20 |
Silencer variants are key drivers of gene up-regulation in Alzheimer's disease
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz3323
PMID:41671378
|
研究论文 | 本文开发了一个深度学习框架，整合组蛋白修饰数据和单细胞开放染色质图谱，以评估阿尔茨海默病相关非编码变体的调控潜力 | 整合批量组蛋白修饰数据与单细胞开放染色质图谱，识别沉默子和增强子变体，并区分单功能与双功能基因位点 | 未明确说明模型在更广泛组织或疾病类型中的泛化能力，且实验验证仅限于部分变体 | 探究阿尔茨海默病中非编码DNA变体的遗传机制及其对基因上调的驱动作用 | 阿尔茨海默病相关的非编码变体，特别是背外侧前额叶皮层中的调控元件 | 机器学习 | 阿尔茨海默病 | 组蛋白修饰分析，单细胞开放染色质图谱 | 深度学习 | 表观遗传数据，单细胞数据 | NA | NA | NA | 方向一致性 | NA |
| 3642 | 2026-02-14 |
De novo generation and in silico screening of anti-diabetic peptide candidates via a deep learning-attention framework with physicochemical feature fusion
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39985-4
PMID:41680447
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3643 | 2026-02-20 |
Early detection of female-specific cancers using longitudinal healthcare records with a multichannel convolutional neural network
2026-Feb-12, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2025-101874
PMID:41688098
|
研究论文 | 本研究开发了一种多通道卷积神经网络，利用纵向医疗记录对女性特异性癌症进行早期检测 | 提出了一种多通道卷积神经网络架构，能够统一处理四种女性癌症的早期检测，并通过系统性特征选择大幅降低计算需求，实现了在人口规模数据库上的验证 | 研究基于台湾的国民健康保险研究数据库，可能受限于该地区的医疗编码系统和数据特性，泛化性需进一步验证 | 开发并验证一种利用纵向医疗记录进行女性特异性癌症早期检测的计算方法 | 女性患者，包括乳腺癌、卵巢癌、宫颈癌和子宫恶性肿瘤病例 | 机器学习 | 乳腺癌,卵巢癌,宫颈癌,子宫恶性肿瘤 | 医疗记录分析 | CNN | 医疗记录 | 19954名女性患者（596例癌症病例，19358例对照） | NA | 多通道卷积神经网络 | Macro-F1分数,精确度,召回率 | NA |
| 3644 | 2026-02-20 |
How threshold customisation affects the performance of a multiclass X-ray AI model for primary care triage: a retrospective study
2026-Feb-12, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-111127
PMID:41689225
|
研究论文 | 本研究评估了多类别胸部X光AI模型在不同阈值下的诊断性能，并探讨其在初级保健分诊工作流程中的潜在影响 | 通过系统化的阈值优化过程，调整AI模型的操作阈值以优先考虑敏感性和阴性预测值，支持初级保健中安全的AI辅助分诊 | 研究为回顾性设计，未评估实际部署后的真实世界操作影响和用户接受度，且排除了儿科研究、侧位或斜位X光片及AI模型不支持的结果 | 优化多类别胸部X光AI模型的阈值，评估其诊断性能，并估计其在初级保健AI分诊工作流程中的潜在操作影响 | 816张成人正面胸部X光片，来自新加坡两家初级保健诊所和一家三级医院，代表初级保健常见发现谱系 | 计算机视觉 | NA | 胸部X光成像 | 深度学习模型 | 图像 | 816张成人正面胸部X光片（多民族亚洲人群，464名男性，352名女性；平均年龄60.8岁） | NA | NA | 敏感性, 特异性, 阴性预测值, 阳性预测值 | NA |
| 3645 | 2026-02-20 |
How negative sampling shapes the performance of transcription factor binding site prediction models
2026-Feb-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag048
PMID:41601205
|
研究论文 | 本研究探讨了不同负采样技术对转录因子结合位点预测模型性能的影响 | 通过基于ChIP-seq和ATAC-seq数据创建高质量测试集，并系统比较多种负采样技术，揭示了训练数据集上性能指标的夸大现象，并发现基于阳性样本相似性的基因组采样表现最佳 | 研究未达到使用高质量数据集训练的基线模型性能，且模拟了匹配ATAC-seq数据不可用的情况，可能限制了某些技术的评估 | 评估负采样技术对转录因子结合位点预测模型性能的影响 | 转录因子结合位点预测模型 | 机器学习 | NA | ChIP-seq, ATAC-seq | 深度学习模型 | 基因组序列数据 | NA | NA | NA | 准确性, 精确度, 召回率, F1分数, AUC | NA |
| 3646 | 2026-02-20 |
Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records
2026-Feb, The American journal of pathology
DOI:10.1016/j.ajpath.2025.09.016
PMID:41109668
|
研究论文 | 本文通过整合病理切片和医疗记录，开发了一个基于Transformer的模型，用于预测结直肠癌5年进展风险 | 创新点在于采用多模态融合策略，结合临床记录和深度学习提取的图像特征，显著提升了结直肠癌进展风险的预测性能 | 研究依赖于特定注册表数据，可能限制了模型的泛化能力，且未详细讨论模型在临床实践中的实施挑战 | 旨在通过预测模型改进结直肠癌筛查和风险评估 | 结直肠息肉患者及其医疗数据 | 数字病理学 | 结直肠癌 | 数字病理学, 深度学习 | Transformer | 图像, 文本 | 来自新罕布什尔州结肠镜检查注册表的数据，包括纵向随访信息 | NA | Transformer | AUC | NA |
| 3647 | 2026-01-30 |
Deep learning in prognostication
2026-Feb, Resuscitation
IF:6.5Q1
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3648 | 2026-02-20 |
Demographic-aware deep learning for multi-organ segmentation: Mitigating gender and age biases in CT images
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70322
PMID:41681030
|
研究论文 | 本文提出了一种用于CT图像多器官分割的人口统计学感知深度学习框架，旨在通过结合人口统计学提示和自适应注意力机制来减轻年龄和性别偏见 | 提出了人口统计学感知网络（DA-Net），该网络集成了动态适应人口统计学提示的卷积核的DA-HyperConv模块和用于利用多视图特征的ATAB模块，以显式地减轻年龄和性别偏见 | 未明确提及 | 开发一个能够减轻年龄和性别偏见、提高多器官分割准确性和公平性的深度学习框架 | CT图像中的器官（风险器官） | 数字病理学 | NA | CT扫描 | 深度学习 | 图像 | 训练集：489例成人CT扫描（AMOS2022）和370例儿科CT扫描（Pediatric CT-SEG），总计859例扫描，覆盖30个器官，包含355例女性扫描；外部验证集：150例成人CT扫描（WORD，含62例女性） | NA | DA-Net | Dice相似系数, 归一化表面Dice | NA |
| 3649 | 2026-02-20 |
List-mode TOF-PET 3D image reconstruction using stochastic primal-dual network
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70324
PMID:41691549
|
研究论文 | 本文提出了一种基于随机原始-对偶网络架构的列表模式TOF-PET三维图像重建新方法，旨在直接从列表模式数据重建PET图像，以提升图像质量并降低计算需求 | 提出LM-SPD-Net框架，结合CNN和FCNN模块，通过物理信息投影模型处理列表模式数据，克服了传统CNN在此类数据上的限制，并采用子集划分策略降低内存使用 | 未明确说明方法在极端低剂量或复杂病理条件下的泛化能力，以及实际临床部署中的计算效率限制 | 解决TOF-PET重建中因数据量剧增导致的计算时间和内存需求问题，同时提升图像质量 | PET图像，特别是模拟和半真实临床数据中的肿瘤和丘脑等临床相关区域 | 医学影像处理 | NA | TOF-PET，列表模式数据采集 | CNN，FCNN | 列表模式数据，三维图像 | NA | NA | 随机原始-对偶网络 | PSNR，SSIM | NA |
| 3650 | 2026-02-20 |
A Cross-modality Transformer Network for MR-guided Low-dose Tau PET Image Denoising
2026-Feb, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2025.3581204
PMID:41693715
|
研究论文 | 本文提出了一种基于跨模态Transformer网络的深度学习方法来改善低剂量tau PET图像的降噪效果 | 引入了跨模态Transformer块，整合PET和MR先验信息，并利用空间和通道信息计算跨模态自注意力图 | NA | 通过深度学习技术进一步降低tau PET扫描的注射剂量，以支持基于成像的疾病进展纵向监测 | 139个动态F-MK-6240 tau PET数据集中的早期帧和晚期帧图像 | 计算机视觉 | 阿尔茨海默病及相关痴呆症 | PET成像, MR成像 | Transformer | 图像 | 139个动态F-MK-6240 tau PET数据集 | NA | 跨模态Transformer网络 | NA | NA |
| 3651 | 2026-02-20 |
Computation and deep-learning-driven advances in CRISPR genome editing
2026-Feb, Nature structural & molecular biology
IF:12.5Q1
DOI:10.1038/s41594-025-01739-7
PMID:41699287
|
综述 | 本文综述了计算和深度学习在CRISPR基因组编辑领域的应用进展 | 整合了基于深度学习的结构预测算法、物理模拟、神经网络、图神经网络以及生成模型（如扩散模型和大语言模型）来优化CRISPR系统并理解其机制 | 讨论了计算建模和工具在开发可编程基因组编辑器过程中面临的挑战和局限性 | 推动CRISPR基因组编辑技术在生物医学和生物技术领域的发展 | CRISPR-Cas系统及其在基因组编辑中的应用 | 机器学习 | NA | CRISPR-Cas系统 | 神经网络, 图神经网络, 生成模型, 扩散模型, 大语言模型 | NA | NA | NA | NA | NA | NA |
| 3652 | 2026-02-20 |
Adding arterial nitrogen pressure to single-measurement monitoring data enables diagnostic lung modeling by deep learning
2026-Feb, Physiological reports
IF:2.2Q3
DOI:10.14814/phy2.70647
PMID:41699867
|
研究论文 | 本研究探讨了在深度学习分析中纳入动脉氮分压，结合单次测量的动脉血气、心输出量和间接测热数据，能否实现基于West通气/灌注肺模型的个体化肺功能量化 | 首次将动脉氮分压纳入深度学习分析框架，用于基于单次测量数据量化West通气/灌注肺模型的关键参数 | 研究基于模拟数据集进行，尚未在真实临床数据中验证 | 开发一种基于深度学习的个体化肺功能量化方法 | West通气/灌注肺模型的关键参数（分流、logSD、平均V/Q比） | 机器学习 | NA | 动脉血气分析、间接测热法、心输出量测量 | 深度学习 | 模拟生理数据 | 训练数据2,010,000个样本，测试数据43,915个样本 | Python | NA | 线性回归R值、斜率、核密度估计 | NA |
| 3653 | 2026-02-20 |
Dual convolutional neural network framework for segmenting dental caries in panoramic radiographs
2026-Feb, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.09.040
PMID:41087260
|
研究论文 | 本研究开发并评估了一种基于深度学习的自动化方法，用于在口腔全景X光片中检测和分割龋齿 | 提出了一种结合Faster R-CNN和U-Net架构的双卷积神经网络框架，用于在口腔全景X光片中自动检测和分割龋齿，相比传统分割模型在多个性能指标上均有显著提升 | 未明确提及具体局限性，如数据集的多样性、模型泛化能力或临床验证的充分性 | 开发并评估一种基于深度学习的自动化方法，用于在口腔全景X光片中检测和分割龋齿，以提高诊断准确性 | 口腔全景X光片中的龋齿区域 | 计算机视觉 | 龋齿 | 深度学习 | CNN | 图像 | NA | NA | Faster R-CNN, U-Net | 交并比, Dice系数, 召回率, 精确率 | NA |
| 3654 | 2026-02-20 |
TriNet-MTL: A Multi-Branch Deep Learning Framework for Biometric Identification and Cognitive State Inference from Auditory-Evoked EEG
2026-Feb, eNeuro
IF:2.7Q3
DOI:10.1523/ENEURO.0265-25.2025
PMID:41633842
|
研究论文 | 提出了一种名为TriNet-MTL的多分支深度学习框架，用于从听觉诱发的脑电图中同时进行生物特征识别和认知状态推断 | 开发了一个统一的深度学习模型，能够联合执行生物特征识别、听觉刺激语言分类和设备模态识别，充分利用了听觉诱发脑电图的生理和认知维度 | 研究仅基于20名参与者的数据，样本量较小，可能限制模型的泛化能力 | 开发一个能够从听觉诱发的脑电图中同时提取生物特征和认知信息的深度学习框架 | 20名人类参与者（16名男性和4名女性）的听觉诱发脑电图数据 | 机器学习 | NA | 听觉诱发脑电图 | Transformer | 脑电图信号 | 20名参与者 | NA | TriNet-MTL（包含共享时间编码器和基于Transformer的序列建模单元） | 准确率 | NA |
| 3655 | 2026-02-20 |
Intrinsic tumor factors and extrinsic environmental and social exposures contribute to endometrial cancer recurrence patterns
2026-Jan-30, Research square
DOI:10.21203/rs.3.rs-8682460/v1
PMID:41646408
|
研究论文 | 本研究通过整合临床、基因组、微生物组和环境数据，评估了子宫内膜癌复发与内在肿瘤因素及外在环境暴露（如空气污染）的关联 | 首次将肿瘤相关细菌群落、肿瘤免疫微环境和空气污染等外在环境因素与临床、病理和基因组特征结合，利用主题建模和机器学习方法预测子宫内膜癌复发 | TCGA数据集中部分微生物组数据缺失，可能影响模型的外部验证效果 | 评估外在环境因素和内在肿瘤因素对子宫内膜癌复发的影响，并构建个体化预测模型 | 子宫内膜癌患者，根据风险分层为低风险、高风险和非子宫内膜样组织学组 | 数字病理学 | 子宫内膜癌 | RNA测序, DNA提取, 宏基因组学分析 | 机器学习, 深度学习 | 基因组数据, 微生物组数据, 临床数据, 环境数据 | 892例患者（低风险组329例，高风险组324例，非子宫内膜样组239例） | TensorFlow, MATLAB | 潜在狄利克雷分配（LDA） | AUC, 95%置信区间 | 未明确指定 |
| 3656 | 2026-02-20 |
A lightweight YOLO11n seg framework for real time surface crack detection with segmentation
2026-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37073-1
PMID:41611793
|
研究论文 | 本研究提出了一种基于YOLO11n-seg架构的轻量级深度学习框架，用于实时表面裂缝检测与分割 | 采用YOLO11n-seg轻量级架构，在保持高精度的同时显著降低计算成本，实现超快速推理（每张图像3.6毫秒），为边缘部署的裂缝识别设立了新基准 | 模型在Mask mAP@50指标上为58.7%，分割性能仍有提升空间；仅使用Crack-Seg数据集进行验证，泛化能力未在其他数据集上测试 | 开发一种轻量级、实时的表面裂缝检测与分割方法，以自动化基础设施安全检查 | 桥梁、路面、隧道和建筑物等民用基础设施的表面裂缝 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | 使用Crack-Seg数据集，具体样本数量未在摘要中说明 | NA | YOLO11n-seg | 精确度, Box mAP@50, Mask mAP@50, 推理速度 | Tesla T4 GPU |
| 3657 | 2026-02-20 |
Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini)
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36092-2
PMID:41606028
|
研究论文 | 本研究提出了一种结合几何计算机视觉和深度学习的非侵入性图像方法，用于濒危两栖动物黄斑山蝾螈的个体识别和种群数量估计 | 首次将几何特征提取与深度学习模型相结合，开发了一种针对黄斑山蝾螈的非侵入性个体识别方法，并应用于野外种群估计 | 数据集规模有限，需要扩展数据以验证时间稳定性；方法尚未部署为实时移动应用 | 开发一种可靠、非侵入性的方法，用于濒危两栖动物的个体识别和种群监测，以支持保护工作 | 黄斑山蝾螈（Neurergus derjugini） | 计算机视觉 | NA | 图像采集、几何特征提取 | CNN | 图像 | 549只成年黄斑山蝾螈 | NA | DenseNet121, EfficientNetB0, InceptionV3 | 准确率, AUC | NA |
| 3658 | 2026-02-20 |
A hybrid local-global feature attention network for thin section rock image classification
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36669-x
PMID:41606083
|
研究论文 | 本文提出了一种用于薄片岩石图像分类的混合局部-全局特征注意力网络HFANet，通过集成DenseNet和Swin Transformer来同时捕获局部纹理和全局语义 | 提出了一种新颖的混合局部-全局特征注意力网络HFANet，集成了基于DenseNet的局部分支和基于Swin Transformer的全局分支，并引入了多头自注意力模块和双向交叉注意力机制，以及包含三个独立头部的集成分类框架与多模态特征融合 | NA | 提高薄片岩石图像的分类准确性，以支持地质调查、资源勘探和自动化岩相分析 | 薄片岩石图像 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | NA | NA | DenseNet, Swin Transformer | 准确率, AUC, AUPR | NA |
| 3659 | 2026-01-30 |
An interactive cascaded deep learning framework with expert refinement for accurate striatal subregion segmentation
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36399-0
PMID:41606103
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3660 | 2026-01-30 |
Deep learning for construction waste detection using ConvNeXt V2 EMA attention and WIoU v3 loss
2026-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37473-3
PMID:41606243
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |