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 43650 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-04-24 |
Comparative Assessment of Artificial Intelligence Models for Predicting Water Quality in a Reverse Osmosis Desalination Plant
2026-Apr, Water environment research : a research publication of the Water Environment Federation
IF:2.5Q2
DOI:10.1002/wer.70377
PMID:41958195
|
研究论文 | 评估六种人工智能模型在反渗透海水淡化厂水质预测中的性能，发现集成模型表现最优 | 首次在阿尔及利亚Cap Djinet海水淡化厂的实际运营数据上，系统比较线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升和MLP六种模型用于水质预测，揭示了小样本数据下深度学习模型的脆弱性 | 受限样本量（small-data contexts）使MLP等复杂模型表现不佳，研究结果受限于可用数据集的范围，但数据集仍能代表常见运营条件 | 利用人工智能实现反渗透海水淡化厂的预测性监测，优化水资源生产可持续性 | Cap Djinet海水淡化厂（阿尔及利亚）的实际运营数据 | 机器学习 | NA | 反渗透海水淡化工艺 | 线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升、多层感知机 | 水质参数（物理化学和化学指标） | 未明确提及具体样本数量 | NA | LR、PR、SVR、RF、XGBoost、MLP | 相关系数（R）、均方根误差（RMSE）、平均绝对百分比误差（MAPE） | NA |
| 422 | 2026-04-24 |
Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species
2026-Apr-01, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msag086
PMID:41964531
|
研究论文 | 利用深度卷积神经网络检测伊比利亚猞猁和欧亚猞猁之间基因渗入的基因组区域 | 首次应用深度卷积神经网络方法检测两种杂交频繁的猞猁物种间特定基因组区域的基因渗入信号 | 未明确说明 | 表征基因渗入在历史种群规模小且近期急剧下降导致遗传侵蚀的物种中的模式和后果 | 伊比利亚猞猁和欧亚猞猁的三个种群 | 机器学习 | NA | 全基因组测序 | 深度卷积神经网络 | 基因组序列 | 三个猞猁种群 | NA | 卷积神经网络 | NA | NA |
| 423 | 2026-04-24 |
Quantifying setup uncertainty between computed tomography guidance and magnetic resonance guidance in intramuscular metastases radiotherapy
2026-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70589
PMID:42003063
|
研究论文 | 通过对比CT引导与MR引导在肌内转移瘤放疗中的定位不确定性，量化剂量差异并缩小治疗边界 | 首次使用深度学习生成的合成CT图像模拟CT引导对齐，量化MR引导相比CT引导在肌内寡转移瘤放疗中的剂量优势和边界缩减效果 | 样本量较小（仅5名患者），且为单机构研究，未评估患者间异质性对结果的影响 | 评估CT引导与MR引导在肌内寡转移瘤放疗中的剂量差异，并量化所需治疗边界 | 5例肌内寡转移瘤患者的每日MR引导放疗数据 | 计算机视觉 | 转移瘤 | 深度学习模型（合成CT生成） | 深度学习模型 | 医学图像（MR与CT） | 5例患者，每例多次分次治疗 | NA | NA | V95, D95, 均匀性指数 | NA |
| 424 | 2026-04-24 |
Mitral regurgitation detection and central/eccentric classification using transformer-based deep learning in multi-view echocardiography
2026-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70584
PMID:42003287
|
研究论文 | 提出一种基于Transformer的深度学习框架，用于多视角超声心动图中自动检测二尖瓣反流并分类中心性或偏心性反流 | 首次将Transformer模型应用于多视角超声心动图视频的二尖瓣反流自动检测和中心/偏心分类，并验证了多视角诊断优于单视角 | NA | 开发全自动诊断超声心动图系统，实现二尖瓣反流的自动检测和反流类型分类 | 二尖瓣反流患者的超声心动图视频 | 计算机视觉 | 二尖瓣反流 | 多普勒超声心动图 | Transformer | 视频 | 回顾性数据集和217名患者的前瞻性独立测试数据集 | NA | Transformer | 准确率, AUC | NA |
| 425 | 2026-04-24 |
ChloroScan: Recovering Plastid Genome Bins From Metagenomic Data
2026-Apr, Molecular ecology resources
IF:5.5Q1
DOI:10.1111/1755-0998.70143
PMID:42003340
|
研究论文 | ChloroScan是一个从宏基因组数据中提取真核质体基因组的生物信息学流程 | 首次将深度学习分类器与自动化分箱模块结合，从宏基因组中高效提取真核质体基因组，并整合标记基因数据库辅助分箱 | 可能依赖模拟宏基因组的验证结果，且实际应用中的样本类型有限 | 开发从宏基因组数据中识别和恢复真核质体基因组的自动化方法 | 真核质体基因组（特别是未分类的原生生物谱系） | 生物信息学 | 不适用 | 宏基因组测序 | 深度学习分类器 | 宏基因组测序数据 | 4个原生生物大小分级宏基因组样本，以及模拟宏基因组数据 | PyTorch | 卷积神经网络（CNN） | 分箱质量、完整性、污染率 | 未明确提及 |
| 426 | 2026-04-24 |
Harnessing Deep Learning in Searching Wild Relatives of Domestic Animals
2026-Apr, Molecular ecology resources
IF:5.5Q1
DOI:10.1111/1755-0998.70133
PMID:42007577
|
研究论文 | 开发了一种基于深度学习的流程，利用基因组SNP数据区分家养动物的野生近缘种及其杂交个体 | 首次将多层感知机与深度交叉网络结合，用于选择SNP面板并构建野生近缘种识别模型，在历史样本中实现了97.8%的准确率 | 未明确讨论模型在不同物种或更大规模数据上的泛化能力，且对历史样本的缺失基因型处理可能影响实际应用 | 利用深度学习技术，基于基因组SNP数据开发识别家养动物野生近缘种的工具，以支持遗传多样性监测和保护 | 红原鸡（Gallus gallus）和家鸡，以及野猪（Sus scrofa）和家猪及其杂交个体 | 机器学习 | NA | SNP基因分型 | 多层感知机（MLP）和深度交叉网络（Deep & Cross Network） | 基因组SNP数据 | 1960个基因组（164个红原鸡和1796个家鸡样本），以及野猪和家猪及其杂交个体的基因组数据 | NA | MLP, Deep & Cross Network | 准确率（Accuracy） | NA |
| 427 | 2026-04-24 |
Clinician-deployable deep hypergraph model integrating clinical and CT radiomics predicts immunotherapy outcomes in NSCLC
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001361
PMID:42008547
|
研究论文 | 开发并验证一种临床医生可操作的深度超图模型，整合临床数据和CT影像组学，预测非小细胞肺癌免疫治疗疗效 | 首次提出临床医生可在标准CPU硬件上运行的深度超图模型，通过成对关联编码器和影像组学特征融合，实现比现有深度学习模型更高的预测性能，并显著降低临床部署复杂度 | 未提及模型在不同种族、不同治疗方案的泛化性，且超图结构可能对缺失数据敏感，需进一步验证 | 开发一种临床医生可操作的预后模型，整合临床和影像数据，在标准CPU硬件上预测NSCLC免疫治疗疗效 | 接受免疫治疗的非小细胞肺癌患者 | 机器学习, 数字病理 | 肺癌 | 影像组学 | 超图神经网络 | 图像, 临床数据 | 1379名非小细胞肺癌患者（来自五家中国医院和纪念斯隆凯特琳癌症中心） | PyTorch | Deep Hypergraph for NSCLC (DHGN) | C指数, 风险比 | 标准CPU硬件（无需GPU） |
| 428 | 2026-04-24 |
Application of Digital Medicine to the Diagnosis and Treatment of Head and Neck Tumors
2026-Apr, Cancer reports (Hoboken, N.J.)
DOI:10.1002/cnr2.70556
PMID:42019980
|
综述 | 总结数字医学在头颈肿瘤诊断、治疗及预后评估中的应用现状 | 系统梳理数字影像、人工智能和3D打印等数字医学技术在头颈肿瘤领域的综合应用，并指出当前研究局限 | 当前研究存在局限性，但具体内容未详细说明 | 概述数字医学在头颈肿瘤诊疗中的应用进展，推动早期诊断和个性化治疗 | 头颈肿瘤的诊断、治疗及预后评估相关数字医学技术 | 数字医学 | 头颈肿瘤 | 数字影像（CT、MRI、超声）、人工智能、3D打印 | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |
| 429 | 2026-04-24 |
Enhancing liver fibrosis measurement: Deep learning and uncertainty analysis across multi-center cohorts
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100653
PMID:42023068
|
研究论文 | 通过深度学习和不确定性分析增强肝纤维化测量，解决多中心队列中染色差异对量化结果影响的问题 | 提出基于U-Net集成的预测不确定性量化方法，直接通过模型输出评估预测置信度，增强多中心数据集纤维化测量的可靠性和可解释性 | 未提及具体限制 | 评估染色变异性对自动纤维化量化和模型不确定性的影响，提高多中心数字病理工作流程的可信度和可重复性 | 来自4个独立队列（超过20个临床中心）的686个PicroSirius Red染色的肝脏活检样本 | 数字病理 | 肝纤维化 | 数字病理, PicroSirius Red染色 | U-Net集成 | 图像 | 686个肝脏活检样本（来自4个独立队列） | NA | U-Net | Dice系数，表型不确定性值 | NA |
| 430 | 2026-04-24 |
Leveraging Co-Occurrence to Improve Deep Learning Photo-Identification in Social Animals
2026-Apr, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.73552
PMID:42023405
|
研究论文 | 提出一种利用社会共现信息改进深度学习照片识别的方法，可应用于社会性动物的个体识别 | 模型无关的相遇级别识别程序，通过将社会背景作为可部署概率组件进行log线性融合，无需重新训练或修改图像模型 | 依赖历史共现结构，在相遇环境被破坏时效果下降，且需要一定训练历史积累 | 提高社会性动物照片识别中深度学习匹配的准确性，利用群体共现信息 | 西海岸虎鲸（Bigg's killer whales）的长期照片识别数据集 | 计算机视觉 | NA | NA | NA（模型无关方法） | 图像 | 西海岸虎鲸长期照片识别数据集（含相遇结构信息） | NA | NA | Top-1误差、Macro-F1 | 轻量级后处理，计算开销极小 |
| 431 | 2026-04-24 |
Spectrogram-derived graphs and inductive learning for multi-label avian vocalization detection in field recordings
2026-Apr-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043592
PMID:42023944
|
研究论文 | 提出一种利用归纳式空间几何深度学习网络从野外录音中检测多种鸟类发声的方法 | 首次将归纳式图神经网络（GraphSAGE和GAT）与梅尔谱图结合用于多标签鸟类声学检测，并引入SpecAugment数据增强提升鲁棒性 | NA | 从野外录音中高效检测多种鸟类发声的多标签分类任务 | 鸟类发声的野外录音 | 机器学习 | NA | NA | 图神经网络 | 音频 | Xeno-canto鸟类声音数据库 | PyTorch | GraphSAGE, GAT, Deep CNN, AudioProtoPNet-20 | 宏F1分数 | NA |
| 432 | 2026-04-24 |
[Advances in the Application of Artificial Intelligence in Clinical Microbiological Testing]
2026-Mar-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition
DOI:10.12182/20260360501
PMID:42021875
|
综述 | 系统回顾人工智能在临床微生物检测中的应用进展，涵盖视觉与非视觉数据的分析方法及算法前沿 | 系统整合深度学习在显微图像分析与多组学数据（基因组、转录组、宏基因组）中的应用突破，并探讨从科研向临床转化的关键挑战 | 仍处于从科学研究向临床实践转化的早期阶段 | 综述人工智能提升临床微生物检测效果（病原体识别、药敏预测、实验室自动化）的现状与趋势 | 临床微生物检测中的视觉数据（显微图像、菌落形态）与非视觉数据（基因组学、转录组学、宏基因组学等多组学数据） | 机器学习 | NA | NA | 深度学习 | 图像、文本 | NA | NA | NA | 识别效率、诊断准确度 | NA |
| 433 | 2026-04-24 |
Deep learning for Evaluation and Prediction of TecHnical Skills in robotic-assisted vaginal cuff closure study
2026-Mar-19, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2026.03.015
PMID:41864316
|
研究论文 | 开发基于深度学习的模型，通过细粒度分析预测机器人辅助子宫切除术中阴道袖口缝合的技术错误和通用手术技能 | 提出三种深度学习流水线（手术视频错误检测、少样本手术技能评估和多模态学习），首次在阴道袖口关闭视频中实现帧级错误检测和客观技能评分 | 数据集规模有限，仍需要更大规模的多中心数据集 | 开发基于细粒度分析的深度学习模型，预测机器人辅助阴道袖口关闭中的技术错误和通用手术技能 | 2023-2025年间多中心前瞻性队列研究中采集的机器人辅助全子宫切除术视频 | 计算机视觉 | 妇科手术 | 手术视频录制 | CNN, 时间建模模型 | 视频 | 来自2个中心的40段视频（667分钟，1,201,654帧），涉及11名外科医生（3名初学者、5名中级、3名专家） | NA | 时间建模网络, 少样本学习模型, 多模态学习模型 | 准确率, F1分数, 皮尔逊相关系数, 平均绝对误差 | NA |
| 434 | 2026-04-24 |
Prediction of Bandgap and Key Feature Analysis of Lead-Free Double Perovskite Oxides Based on Deep Learning
2026-Mar-19, Molecules (Basel, Switzerland)
DOI:10.3390/molecules31061032
PMID:41900131
|
研究论文 | 基于深度学习方法预测无铅双钙钛矿氧化物的带隙并分析关键特征 | 系统比较了MLP、深度集成学习、PINN和Transformer四种模型在中规模结构化特征预测中的表现，并利用SHAP方法分析特征重要性，揭示电子结构描述符为关键影响因子 | MLP对含硅和镁等元素的中高带隙系统泛化能力有限 | 实现无铅双钙钛矿带隙的高精度预测与机制解释，为材料设计提供理论支撑 | 无铅双钙钛矿氧化物的带隙 | 机器学习 | NA | 密度泛函理论计算（数据来源） | MLP, 深度集成学习, PINN, Transformer | 结构化数值数据 | 2367个有效数据集 | NA | MLP, 深度集成学习, PINN, Transformer | R值, MAE, MSE, RMSE | NA |
| 435 | 2026-04-24 |
MM-WAE: Multimodal Wasserstein Autoencoders for Semi-Supervised Wafer Map Defect Recognition
2026-Mar-18, Micromachines
IF:3.0Q2
DOI:10.3390/mi17030367
PMID:41900253
|
研究论文 | 提出一种基于多模态Wasserstein自编码器的半监督晶圆图缺陷识别方法 | 构建空间、频率和纹理三个并行特征分支，利用多头注意力机制和门控机制进行自适应多模态融合；引入Wasserstein自编码器并用最大平均差异损失正则化潜空间分布；结合逆类别频率加权交叉熵损失和模态一致性损失，实现半监督学习下的重构与分类联合优化 | 未提及模型在极不平衡数据或新缺陷类型上的泛化能力，也未报告计算资源需求或推理速度 | 解决晶圆图缺陷识别中标签稀缺、长尾分布和特征表示有限导致的性能下降问题 | 晶圆图缺陷模式 | 计算机视觉 | NA | 晶圆图成像 | Wasserstein自编码器、多头注意力机制 | 晶圆图图像 | NA | PyTorch | Wasserstein自编码器 | 准确率、鲁棒性 | NA |
| 436 | 2026-04-24 |
Yixin Yangshen Granules Target HIF-1 Signaling to Modulate the Neuroimmune Microenvironment in Alzheimer's Disease: Insights from Integrative Multi-Omics and Deep Learning
2026-Mar-18, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph19030502
PMID:41901348
|
研究论文 | 本研究整合多组学和深度学习技术，阐明益心养肾颗粒通过调节HIF-1信号通路改善阿尔茨海默病神经免疫微环境的机制 | 首次结合单细胞RNA测序、多组学分析和深度学习框架DTIAM，系统揭示益心养肾颗粒通过HIF-1和AGE-RAGE通路的多靶点调控机制，并识别灵芝内酯A为关键活性成分 | 主要基于Aβ诱导的小鼠模型和体外细胞实验，缺乏人体临床试验验证；多组学整合和深度学习的预测结果需进一步的药理实验佐证 | 阐明益心养肾颗粒治疗阿尔茨海默病的多靶点机制，重点关注神经免疫微环境的调节 | 阿尔茨海默病患者海马组织snRNA-seq数据、Aβ诱导的HT22细胞和小鼠模型 | 机器学习 | 阿尔茨海默病 | snRNA-seq、UPLC-QTOF-MS、转录组测序、蛋白质组学、分子对接、分子动力学模拟 | 深度学习框架DTIAM | 基因表达数据、蛋白质组数据、分子对接数据 | 公开人类AD海马snRNA-seq数据集（具体数量未说明）；Aβ诱导的小鼠模型（具体数量未说明） | DTIAM | DTIAM | NA | NA |
| 437 | 2026-03-18 |
Deep learning-based non-invasive prediction of axillary lymph node metastasis in breast cancer: performance of the YOLO-v11 object detection algorithm
2026-Mar-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02289-0
PMID:41840500
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 438 | 2026-03-18 |
Explainable tabular deep learning models for antenatal cesarean delivery prediction in multiparous women
2026-Mar-16, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-026-08934-4
PMID:41840520
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 439 | 2026-04-24 |
Integrating phenotypic information of obstructive sleep apnea and deep representation of sleep-event sequences for cardiovascular risk prediction
2026-Mar-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03439-8
PMID:41840572
|
研究论文 | 整合阻塞性睡眠呼吸暂停表型信息与睡眠事件序列的深度表示，用于心血管风险预测 | 提出表型对比深度学习模型，将OSA表型信息与夜间睡眠事件特征序列的深度表示相结合，并通过SHAP分析增强模型可解释性 | 未提及具体限制，但可能包括样本来自单一数据集（MESA），年龄范围较窄等 | 探索整合OSA表型信息和夜间生理信息以精确预测心血管不良结局的有效策略，并识别一般人群和OSA人群中最重要的风险因素 | 1874名无心血管疾病史的参与者（年龄54-94岁） | 机器学习 | 阻塞性睡眠呼吸暂停与心血管疾病 | NA | 深度学习模型（表型对比模型） | 临床数据、睡眠事件序列特征 | 1874名参与者 | NA | NA | AUROC, AUPRC | NA |
| 440 | 2026-03-18 |
TLScope: a deep learning framework for quantifying tertiary lymphoid structures from H&E images reveals prognostic heterogeneity across breast cancer subtypes
2026-Mar-16, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-026-02241-8
PMID:41840700
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |