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 43290 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-04-11 |
Enhancing Fluorescence Lifetime Imaging With Differential Transformer
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70231
PMID:41622407
|
研究论文 | 本文提出了一种基于差分Transformer的深度学习框架MFliNet，用于增强荧光寿命成像，通过联合处理时间荧光衰减和仪器响应函数来校正光子到达分布中的地形畸变 | 引入了MFliNet框架，采用差分Transformer编码器-解码器架构，结合光子飞行时间反卷积物理原理，实现了对复杂生物或体内成像中多指数衰减参数的准确估计 | 未明确提及在更广泛临床环境或不同成像条件下的泛化能力验证 | 开发一种能够准确估计荧光寿命成像中多指数衰减参数的深度学习框架，以应对宏观尺度下仪器响应函数的空间变异性和时间偏移 | 组织模拟体模和临床前肿瘤模型 | 计算机视觉 | 肿瘤 | 荧光寿命成像 | Transformer | 时间序列数据 | 未明确指定具体样本数量，但涉及组织模拟体模和临床前肿瘤模型 | 未明确指定，可能为PyTorch或TensorFlow | 差分Transformer编码器-解码器 | 未明确指定具体指标，但提及了鲁棒性和精度 | 未明确指定 |
| 402 | 2026-04-11 |
The Transformative Impact of Deep Learning and Artificial Intelligence on Parasitic Disease Diagnosis
2026-Feb-01, Clinical laboratory
IF:0.7Q4
DOI:10.7754/Clin.Lab.2025.250543
PMID:41670505
|
综述 | 本文综述了深度学习和人工智能在寄生虫病诊断中的变革性影响，重点关注卷积神经网络和机器学习在检测疟疾、利什曼病和血吸虫病等病原体中的应用 | 强调了AI与便携式诊断工具结合在资源有限地区的潜力，以提升诊断的准确性和可及性 | 面临数据异质性和算法偏见等挑战，可能影响模型的泛化能力和公平性 | 探讨人工智能，特别是深度学习，如何改进寄生虫病的诊断，以促进全球健康 | 疟疾、利什曼病和血吸虫病等寄生虫病的病原体 | 机器学习 | 寄生虫病 | NA | CNN, ML | 临床样本、影像数据、流行病学数据 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 403 | 2026-04-11 |
Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling
2026-01-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68742-4
PMID:41571655
|
研究论文 | 本文通过引入HyDrop v2单细胞ATAC-seq方法，首次系统评估了不同scATAC-seq平台在训练序列到功能深度学习模型方面的性能 | 首次针对scATAC-seq平台在训练S2F模型和转录因子足迹分析能力方面进行系统基准测试，并提出通过整合不同平台数据实现大规模、成本效益高的图谱构建策略 | 未明确说明具体使用的深度学习模型架构细节和计算资源配置 | 评估单细胞ATAC-seq图谱技术在序列到功能建模中的应用效果 | 单细胞染色质可及性数据（scATAC-seq） | 计算生物学 | NA | 单细胞ATAC-seq（scATAC-seq） | 深度学习模型 | 基因组序列数据 | 未明确说明具体样本数量 | NA | 序列到功能（S2F）模型 | 增强子预测准确性、序列可解释性、转录因子足迹分析 | NA |
| 404 | 2026-04-11 |
Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation
2026-Jan-06, Circulation
IF:35.5Q1
|
研究论文 | 本文提出了一种基于深度学习的连续QT监测系统（3DRECON-QT），用于从单导联心电信号重建12导联并预测QT/QTc，以识别III类抗心律失常药物启动后的高风险QT延长事件 | 开发了一种空间感知的深度学习系统，能够从单导联信号重建空间信息，实现连续QTc监测，并在真实世界队列中验证了其识别高风险QT延长事件的能力 | 研究依赖于特定数据集和外部验证中心，可能受限于不同心电图硬件和患者群体的泛化性 | 开发并验证一种深度学习系统，用于连续监测QTc并识别III类抗心律失常药物启动后的高风险QT延长事件 | 接受III类抗心律失常药物（如多非利特或索他洛尔）治疗的门诊患者，以及使用可插入式心脏监测器的患者 | 数字病理学 | 心血管疾病 | 心电图（ECG）监测 | 深度学习，多任务编码器-解码器 | 心电图信号 | 内部测试集和外部中心数据，真实世界队列包括1676名门诊患者 | NA | 多任务编码器-解码器 | 受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数 | NA |
| 405 | 2026-04-11 |
Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344946
PMID:41886461
|
研究论文 | 本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现高产和可持续资源利用 | 结合多层感知机、长短期记忆模型和强化学习代理，设计自定义奖励函数，并引入特征选择机制和随机天气条件下的再训练，以提高适应性和鲁棒性 | 未提及具体实验的温室规模或作物类型，可能限制通用性；依赖于模拟环境，实际部署需进一步验证 | 优化温室气候控制系统，以平衡作物产量和资源消耗，促进可持续农业 | 温室环境中的气候控制，包括温度、CO2浓度和灌溉水平 | 机器学习 | NA | 强化学习，深度学习 | MLP, LSTM, RL | 气候数据，作物参数，资源消耗数据 | NA | NA | 多层感知机，长短期记忆 | 累积奖励，作物产量增长率，资源消耗指标 | NA |
| 406 | 2026-04-11 |
Sparse-selective quantization for real-time cyber threat detection in large-scale networks
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345758
PMID:41886730
|
研究论文 | 提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，旨在平衡计算效率与检测精度 | 将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数，通过混合精度量化与TensorRT加速实现亚毫秒级推理延迟 | 未明确说明在极端资源受限环境下的性能边界或对新型未知威胁的泛化能力 | 开发一种能在大规模网络中实时检测网络威胁的高效准确方法 | 大规模网络流量数据 | 机器学习 | NA | NA | GRU, 注意力机制 | 网络流量数据 | NA | TensorFlow Lite, TensorRT | GRU-注意力机制 | 推理延迟, 精度 | 边缘部署环境, TensorRT加速 |
| 407 | 2026-04-11 |
Research progress of artificial intelligence in bone tumor imaging
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1780545
PMID:41889404
|
综述 | 本文综述了人工智能在骨肿瘤影像学中的研究进展及其在提高诊断准确性和临床管理方面的潜在应用 | 探讨了AI技术在骨肿瘤影像自动识别、分割、分类及疗效评估中的广泛应用，并展望了未来在多模态影像数据整合和不同类型骨肿瘤中扩展应用的前景 | 未具体说明当前AI技术在骨肿瘤影像应用中存在的具体技术或临床局限性 | 回顾人工智能在骨肿瘤影像学中的研究进展，探索其在改善诊断准确性和临床管理方面的潜力 | 骨肿瘤，包括原发性和转移性肿瘤 | 计算机视觉 | 骨肿瘤 | NA | 深度学习算法 | 影像 | NA | NA | NA | NA | NA |
| 408 | 2026-04-11 |
Lower limb edema detection and grading classification using deep learning and image enhancement technologies
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1697503
PMID:41889522
|
研究论文 | 本研究提出了一种结合目标检测和图像分类的多阶段深度学习框架，用于下肢水肿的自动检测和分级 | 提出了一种多阶段深度学习框架，整合了YOLO目标检测、图像增强技术和分类模型，并采用随机旋转数据增强和自动背景消除以解决数据不平衡问题 | 未明确提及模型在外部验证集上的泛化性能或临床环境中的实时应用挑战 | 开发自动检测和分级下肢水肿的系统，以支持临床诊断和疾病监测 | 下肢水肿图像 | 计算机视觉 | 心血管疾病 | 图像增强技术 | CNN | 图像 | NA | NA | YOLO | 准确率, 召回率, 精确率 | NA |
| 409 | 2026-04-11 |
Integrative deep learning strategies to enhance early-stage drug discovery: optimizing computational structure-activity modeling for pharmacotherapeutic innovation
2026, Journal of pharmacy & pharmaceutical sciences : a publication of the Canadian Society for Pharmaceutical Sciences, Societe canadienne des sciences pharmaceutiques
DOI:10.3389/jpps.2026.16155
PMID:41889533
|
研究论文 | 本研究开发了一种优化的基于神经网络的预测框架，用于支持识别具有镇痛潜力的生物活性化合物 | 采用逐步特征消除程序优化分子描述符集，并利用Levenberg-Marquardt算法训练人工神经网络，在QSAR任务中取得了优于传统统计方法的性能 | 研究仅基于532个分子的数据集，模型泛化能力有待在更大规模数据上验证 | 优化计算结构-活性建模以支持早期药物发现和化合物优先排序 | 具有镇痛潜力的生物活性化合物 | 机器学习 | NA | QSAR（定量构效关系）建模 | 人工神经网络 | 分子描述符数据 | 532个结构多样的分子 | NA | 人工神经网络 | 相关系数, 预测误差 | NA |
| 410 | 2026-04-11 |
Deep Learning-Based Rapid Identification of Escherichia coli and Klebsiella pneumoniae from Chromogenic Agar Urine Cultures Using YOLOv12
2026, Risk management and healthcare policy
IF:2.7Q2
DOI:10.2147/RMHP.S561761
PMID:41889706
|
研究论文 | 本研究开发并验证了一种基于YOLOv12深度学习模型的人工智能系统，用于从显色琼脂尿液培养图像中快速识别大肠杆菌和肺炎克雷伯菌 | 首次将YOLOv12模型应用于尿液培养图像中细菌菌落的快速识别，实现了亚秒级的准确分类，性能优于五种基准深度学习模型 | 模型依赖于显色形态学进行大肠杆菌的标注，对罕见显色变异菌株（如金色色素大肠杆菌）识别存在误差，且外部验证集的物种标签基于菌落颜色推断 | 开发人工智能模型以快速识别尿路感染常见病原体，缩短诊断时间，促进靶向治疗和抗菌药物管理 | 大肠杆菌和肺炎克雷伯菌的细菌菌落 | 计算机视觉 | 尿路感染 | 显色琼脂培养，MALDI-TOF质谱分析 | YOLOv12 | 图像 | 1547张显色琼脂尿液培养图像（850张大肠杆菌，697张肺炎克雷伯菌），外加91张独立图像用于外部验证 | NA | YOLOv12 | 准确率，精确率，召回率，F1分数 | NA |
| 411 | 2026-04-11 |
digiBONE: an automated tool for segmental Greulich-Pyle bone age assessment of Indian children and adolescents
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1757571
PMID:41890183
|
研究论文 | 开发了一个名为digiBONE的深度学习框架，用于对印度儿童和青少年进行基于Greulich-Pyle方法的节段性骨龄评估 | 提出了一种建模手部特定节段骨骼成熟度的深度学习方法，而非传统方法中假设手部骨骼均匀成熟 | 研究主要针对印度人群，未明确说明在其他种族或人群中的泛化能力 | 提高儿童和青少年骨龄评估的准确性和可解释性，以辅助儿科内分泌和生长障碍的诊断与管理 | 印度儿童和青少年的手部X光片 | 数字病理 | 儿科内分泌与生长障碍 | X光成像 | CNN | 图像 | NA | NA | 卷积神经网络 | 平均绝对差异 | NA |
| 412 | 2026-04-11 |
An auxiliary diagnosis model for the pathological classification of cervical cancer based on radiomics biomarkers
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1685927
PMID:41890225
|
研究论文 | 本文提出了一种基于卷积循环特征提取（CRFE）的自动分割框架，结合放射组学和临床特征，构建了用于宫颈癌病理分类的辅助诊断模型 | 提出CRFE自动分割框架，并开发了反映病变像素浓度趋势的直方图成像特征，结合传统放射组学与临床特征，实现宫颈癌的精确病理分类 | 研究样本量较小（114例患者），且仅基于MRI图像，未考虑多模态影像数据 | 开发宫颈癌病理分类的辅助诊断模型，以支持个性化治疗规划 | 宫颈癌患者的MRI图像 | 数字病理 | 宫颈癌 | MRI | CNN, 随机森林, XGBoost, 支持向量机, 逻辑回归 | 图像 | 114名宫颈癌患者 | NA | CRFE | IoU, Dice系数, F1分数, 准确率 | NA |
| 413 | 2026-04-11 |
Promoter hypomethylation of CDH7: a novel epigenetic marker associated with cerebral small vessel disease
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1780415
PMID:41890232
|
研究论文 | 本研究通过全基因组启动子甲基化分析，识别并验证了CDH7基因启动子低甲基化作为与脑小血管病（SVD）相关的表观遗传标记 | 首次将CDH7基因启动子低甲基化鉴定为与MRI定义的脑小血管病影像特征相关的独立表观遗传标记，并利用血液炎症细胞进行验证 | 样本量相对较小（初始发现队列仅32例），且研究基于血液细胞而非脑组织，可能无法完全反映中枢神经系统的表观遗传变化 | 识别和验证与脑小血管病相关的基因特异性启动子甲基化变化作为表观遗传标记 | 脑小血管病患者（通过MRI影像特征定义）的血液炎症细胞 | 表观遗传学 | 脑小血管病 | Infinium MethylationEPIC v2.0 甲基化芯片，全基因组启动子甲基化分析 | 深度学习模型，逻辑回归 | 甲基化数据，临床数据，影像数据 | 发现队列：16例无SVD患者和16例具有全部三种影像特征的患者；验证队列：766例缺血性卒中患者（53例无SVD，713例有≥1种SVD影像特征） | NA | NA | NA | NA |
| 414 | 2026-04-11 |
Noise2Average: An iterative residual learning strategy for image denoising without clean data
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1163
PMID:41890245
|
研究论文 | 本文提出了一种名为Noise2Average的迭代残差学习策略，用于无需干净数据的MRI图像去噪 | 提出了一种新的迭代残差学习策略，通过将每个噪声重复映射到所有噪声重复的平均值，并结合迁移学习进行特定受试者的自监督训练，从而减少对高信噪比参考数据的需求 | 去噪性能略逊于基于监督学习的去噪方法 | 开发一种无需干净数据的MRI图像去噪方法，以提高深度学习方法在MRI去噪中的可行性和可及性 | MRI数据，包括T1加权图像、扩散加权图像等 | 计算机视觉 | NA | MRI | CNN | 图像 | NA | NA | 卷积神经网络 | 图像锐度、纹理细节、定量微结构指标 | NA |
| 415 | 2026-04-11 |
Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community
2026, Advances in medical education and practice
IF:1.8Q2
DOI:10.2147/AMEP.S573537
PMID:41890349
|
研究论文 | 本研究通过比较中国与国际社区在人工智能应用于医学教育领域的研究热点与演化趋势，提出教育实践与政策建议 | 基于两个数据库的对比分析，揭示了中英文文献中人工智能与医学教育研究的热点差异，并提出了由人工智能驱动的医学教育发展的三大趋势（生成式AI、个性化学习、沉浸式体验） | 研究仅基于CNKI和Web of Science数据库的文献，可能存在数据覆盖不全或语言偏差 | 探索人工智能在医学教育中的应用，比较中国与国际社区的研究热点与演化趋势 | 2014-2024年间CNKI和Web of Science核心合集中关于人工智能与医学教育的文献 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 379篇中文文献和552篇英文文献 | CiteSpace | NA | NA | NA |
| 416 | 2026-04-11 |
Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset
2026 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdag024
PMID:41890357
|
研究论文 | 本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿童脑肿瘤分割中的效率，重点关注不同病理亚型和MRI协议下的性能 | 首次在包含多种病理亚型的儿童脑肿瘤单中心临床数据集上系统评估深度学习分割模型，并探索了MRI协议简化对分割性能的影响 | 研究为单中心回顾性设计，样本量相对有限（174例），且对囊性成分的分割性能较差 | 评估深度学习模型在异质性儿童脑肿瘤亚型中的分割性能，并探索优化MRI协议以提升临床工作流程效率 | 儿童脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型 | 数字病理学 | 脑肿瘤 | MRI成像（T1、T1增强、T2、FLAIR序列） | 深度学习 | 医学影像（MRI） | 174例儿科患者，按121/53划分训练集和测试集 | PyTorch | 3D nnU-Net | Dice相似系数 | 未明确指定，但基于nnU-Net框架通常需要GPU支持（如NVIDIA系列） |
| 417 | 2026-04-11 |
Publication Trends of Research on Immune Tolerance After Kidney Transplantation: A Bibliometric Analysis from 1976 to 2024
2026, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S552350
PMID:41890566
|
综述 | 本文对1976年至2024年间肾移植后免疫耐受研究领域的文献进行了文献计量分析，以评估该领域的研究趋势和热点 | 首次对肾移植后免疫耐受研究进行了长达近50年的系统性文献计量分析，并识别出新兴热点如深度学习、机器学习和影像组学在该领域的应用 | 分析仅基于Web of Science核心合集数据库的英文文章，可能遗漏其他语言或数据库的文献，且文献计量方法本身无法评估研究内容的质量 | 系统评估肾移植后免疫耐受研究领域的发展趋势、研究热点和学术影响力 | 1976年至2024年间发表的关于肾移植后免疫耐受的学术文献 | 文献计量学 | 肾移植 | 文献计量分析 | NA | 文本（学术文献元数据） | 1033篇英文文章，涉及6608位作者、3461个机构和53个国家/地区 | R (bibliometrix包), VOSviewer, CiteSpace | NA | NA | NA |
| 418 | 2026-04-11 |
Bridging engineering and neuro-oncology: a scalable FastAPI-deployed CNN framework for real-time explainable brain tumor diagnosis
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1772429
PMID:41890590
|
研究论文 | 本研究开发了一个基于深度学习的可扩展框架，用于脑肿瘤的实时可解释性诊断，并通过FastAPI部署 | 结合了稳健的交叉验证、最先进的基准测试和可解释性推理，提供了一个可扩展的实时部署框架，并集成了Grad-CAM进行可视化解释 | 未明确提及研究的具体局限性，如数据集多样性或外部验证 | 开发可靠且可部署的AI驱动工具，以支持及时的脑肿瘤分类，同时保持透明度和实用性 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和正常病例 | 医学影像 | 脑肿瘤 | MRI | CNN | 图像 | 3,097张轴向脑MRI图像 | TensorFlow | 自定义CNN, 迁移学习架构 | 准确率, 宏平均F1分数, 宏平均AUC | 未明确指定 |
| 419 | 2026-04-11 |
TCRLens: structure-aware equivariant graph learning for TCR-pMHC-I recognition and immunogenic epitope discovery
2026, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbag066
PMID:41890808
|
研究论文 | 本文介绍了TCRLens，一种用于T细胞受体（TCR）识别肽-MHC I类（pMHC-I）复合物和免疫原性表位发现的结构感知等变图学习框架 | 提出了一种结合多尺度图表示和等变图神经网络（EGNN）的结构感知深度学习框架，并利用变分自编码器-生成对抗网络（VAE-GAN）生成结构合理的弱亲和力相互作用样本以缓解数据稀疏性和类别不平衡问题 | 未明确提及具体限制，但可能涉及数据稀疏性和类别不平衡的固有挑战 | 准确预测TCR对pMHC-I复合物的识别，并应用于免疫原性表位发现和结构引导的疫苗设计 | 人类TCR-pMHC-I结构复合物，以及猪和鸡的MHC-I系统 | 机器学习 | NA | 深度学习，图神经网络，生成对抗网络 | EGNN, VAE-GAN | 结构数据，图表示 | 来自ATLAS和TCR3d的精选人类TCR-pMHC-I结构复合物数据集 | NA | 等变图神经网络（EGNN），变分自编码器-生成对抗网络（VAE-GAN） | NA | NA |
| 420 | 2026-04-10 |
Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346214
PMID:41950193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |