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 42996 篇文献，本页显示第 4501 - 4520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4501 | 2026-02-14 |
An integrated deep learning framework leveraging NASNet and vision transformer with MixProcessing for accurate and precise diagnosis of lung diseases
2026-Jan-22, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2026.100394
PMID:41580084
|
研究论文 | 本研究提出了一种名为NASNet-ViT的新型深度学习框架，结合NASNet的卷积特征提取与Vision Transformer的全局注意力机制，用于准确诊断肺部疾病 | 提出了一种集成NASNet和Vision Transformer的深度学习框架，并引入名为MixProcessing的多阶段预处理流程，以提高图像质量和特征清晰度 | NA | 开发一个准确、轻量且快速的深度学习模型，用于实时、资源受限的临床环境中诊断肺部疾病 | 肺部图像 | 计算机视觉 | 肺癌 | 深度学习 | CNN, Transformer | 图像 | NA | NA | NASNet, Vision Transformer | 准确率, 灵敏度, F1分数, 特异性 | NA |
| 4502 | 2026-02-14 |
Harnessing artificial intelligence for genomic variant prediction: advances, challenges, and future directions
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag004
PMID:41518203
|
综述 | 本文综述了人工智能在基因组变异预测领域的应用进展、挑战及未来方向 | 系统评估了从传统规则系统到现代机器学习、深度学习和蛋白质语言模型的演变，并提出了改进预测器选择、多组学数据整合和计算工作流程的策略 | 面临数据异质性、模型可解释性以及意义未明变异持续存在等关键挑战 | 旨在提升基因组变异解释的准确性，以促进疾病研究和靶向治疗的发展 | 基因组变异及其预测模型 | 机器学习 | NA | 多组学数据整合 | 机器学习, 深度学习, 蛋白质语言模型 | 多模态基因组数据 | NA | NA | NA | 预测准确性 | NA |
| 4503 | 2026-02-14 |
Validation of histopathology-based deep learning algorithms for detection of actionable non-small cell lung cancer biomarkers
2026-Jan-20, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01267-z
PMID:41554849
|
研究论文 | 本研究验证了基于组织病理学图像和深度学习算法检测非小细胞肺癌中EGFR、ALK、BRAF和MET等可操作生物标志物的性能 | 利用数字病理基础模型CanvOI 1.1直接从H&E染色组织切片中识别多种NSCLC生物标志物，特别是识别无EGFR或ALK驱动基因改变的肿瘤 | 研究未详细讨论模型在临床实践中的整合挑战或外部验证的广泛性 | 开发并验证深度学习工具以辅助NSCLC生物标志物检测，支持更明智的临床决策 | 非小细胞肺癌患者的H&E染色组织切片 | 数字病理 | 肺癌 | H&E染色组织病理学 | 深度学习分类器 | 图像 | 968个NSCLC样本的独立验证数据集 | NA | CanvOI 1.1（数字病理基础模型） | AUC | NA |
| 4504 | 2026-02-14 |
Deep learning analysis of particle content in extracted slow-release morphine: longer boiling reduces large fragments while retaining morphine extraction
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35870-2
PMID:41554914
|
研究论文 | 本研究评估了不同方法从缓释吗啡片中提取吗啡的效率及滤液中颗粒物含量，旨在为减少注射相关危害提供证据 | 首次结合深度学习和图像分析技术，系统量化了不同提取方法对滤液中颗粒物大小和密度的影响 | 研究仅针对特定品牌（Dolcontin）的60 mg片剂，未涵盖其他药物或剂量，且样本量有限 | 评估注射吸毒者常用的吗啡提取方法对颗粒物污染的影响，以支持减少危害的服务设计 | 从缓释吗啡片（Dolcontin 60 mg）提取的滤液 | 数字病理学 | NA | LC-MS/MS, 玻片扫描, 深度学习分割, QuPath图像分析 | 深度学习 | 图像 | 四种提取方法（A、B、C、D）的滤液样本 | NA | NA | 吗啡回收率, 颗粒物密度（按大小分类） | NA |
| 4505 | 2026-02-14 |
PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer
2026-Jan-19, Research square
DOI:10.21203/rs.3.rs-8518203/v1
PMID:41646323
|
研究论文 | 本研究开发了一种名为PAIRWISE的深度学习模型，用于预测针对特定癌症亚型或个体患者的有效个性化药物组合 | 结合深度学习与迁移学习，整合先验科学知识，并基于肿瘤特异性转录组谱预测药物协同作用，能对癌细胞系或个体肿瘤样本的药物组合协同效应进行显式建模 | 未明确说明模型在更广泛癌症类型或临床样本中的泛化能力，以及计算资源需求 | 开发一种计算工具，以优先筛选针对癌症的候选个性化药物组合，提高治疗效果并防止复发 | 癌细胞系（包括弥漫性大B细胞淋巴瘤细胞系）和个体肿瘤样本 | 机器学习 | 癌症 | 转录组分析 | 深度学习 | 转录组数据、药物化学结构数据、药物靶点数据 | 未在摘要中明确总样本数，但涉及癌细胞系数据集和8个非霍奇金淋巴瘤细胞系的验证 | NA | NA | AUROC | NA |
| 4506 | 2026-02-14 |
Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model
2026-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36747-0
PMID:41549127
|
研究论文 | 本研究提出了一种基于注意力特征卷积神经网络（AFCNN）的模型，用于实时识别大学外语课堂中学生的情绪变化，为教师提供及时的教学反馈，并探索外语教师的专业发展路径 | 引入了AFCNN模型进行教育情感分析，结合心理情感分析为外语教师专业发展提供新视角，并验证了模型在遮挡情况下的鲁棒性 | 模型在学生面部被遮挡时识别准确率可能下降，且仅针对快乐和中性两种情绪识别效果较好 | 探索基于深度学习的学生情绪识别与教师教学反馈在外语课堂中的应用，以支持外语教师的专业发展 | 大学外语课堂中的学生情绪变化及外语教师的教学反馈 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | AFCNN, VGG16, ResNet18 | 识别准确率 | NA |
| 4507 | 2026-02-14 |
Integrating multiomics data using a correlation based graph attention network for subtype classification in lower grade glioma
2026-Jan-16, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-04428-z
PMID:41543639
|
研究论文 | 本研究提出了一种名为BioGAT-LGG的深度学习框架，通过基于相关性的图注意力网络整合多组学数据，用于低级别胶质瘤亚型分类和生物标志物发现 | BioGAT-LGG构建基因驱动的相关性图，无需依赖外部生物先验知识，能够学习有生物学意义的分子相互作用，提高了特征可解释性 | 未明确提及具体局限性 | 开发一个深度学习框架，整合多组学数据进行低级别胶质瘤亚型分类和生物标志物发现 | 低级别胶质瘤（LGG） | 机器学习 | 胶质瘤 | mRNA测序, miRNA测序, DNA甲基化测序 | GATv2 | 多组学数据 | 未明确提及具体样本数量 | 未明确提及 | GATv2 | 准确率, 精确率, 召回率, F1分数 | 未明确提及 |
| 4508 | 2026-01-18 |
Automated detection of giant cell arteritis from temporal artery biopsy specimens using deep learning approaches
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34962-9
PMID:41545410
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4509 | 2026-02-14 |
The peak shifting electricity consumption management and influencing factors of smart grid from recurrent neural network model and deep learning
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35754-5
PMID:41545555
|
研究论文 | 本研究利用循环神经网络模型和电力消耗管理模型，对智能电网中的峰谷转移电力消耗进行有效管理及影响因素分析 | 提出了一种基于循环神经网络的峰谷转移电力消耗管理方法，该方法在智能电网的应用与研究中具有突破性效果 | NA | 实现智能电网中峰谷转移电力消耗的有效管理并分析其影响因素 | 智能电网的电力消耗数据 | 机器学习 | NA | NA | RNN | 时间序列数据 | NA | NA | RNN | MSE, MAE, MAPE | NA |
| 4510 | 2026-01-18 |
Multiparametric MRI-based habitat analysis integrating deep learning and radiomics for predicting preoperative Ki-67 expression level in breast cancer
2026-Jan-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02151-3
PMID:41545974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4511 | 2026-02-14 |
Accelerated brain aging in amyotrophic lateral sclerosis and its prognostic associations: a cohort study
2026-Jan-15, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04631-3
PMID:41535829
|
研究论文 | 本研究利用深度学习模型评估肌萎缩侧索硬化症（ALS）患者的大脑加速衰老现象，并探讨其与神经解剖学、基因表达、认知功能及生存预后的关联 | 首次在ALS患者中系统量化大脑加速衰老程度，结合细胞特异性基因表达分析揭示微血管和神经炎症在加速衰老中的作用，并证实大脑年龄是独立的死亡风险预测因子 | 样本量相对有限（170例ALS患者），研究为横断面设计，因果关系推断需纵向数据验证 | 探究ALS患者大脑加速衰老的神经机制及其对临床预后的预测价值 | 散发性ALS患者（170例）和年龄性别匹配的健康对照（84例） | 数字病理学 | 肌萎缩侧索硬化症 | T1加权磁共振成像（MRI）、转录组数据分析 | 深度学习模型 | MRI图像、基因表达数据 | 170例ALS患者，84例健康对照，以及4310例公开数据集的健康MRI数据用于模型训练 | PyTorch（基于3D-Conformer框架推断） | 3D-Conformer | 预测年龄差异（PAD）、风险比（HR）、置信区间（CI） | 未明确指定，推断使用GPU进行深度学习训练（如NVIDIA系列） |
| 4512 | 2026-02-14 |
Prospective study assessing the validity of accelerated 2D Fast Spin Echo (2D FSE) based high-resolution knee MRI and T2 mapping using deep learning reconstruction
2026-Jan-15, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09482-2
PMID:41540386
|
研究论文 | 本研究评估了使用深度学习重建的加速高分辨率2D快速自旋回波膝关节MRI和T2映射序列的图像质量与诊断性能 | 首次将深度学习重建技术应用于加速的2D FSE膝关节MRI协议，并结合T2映射序列，以在临床可行扫描时间内提供更高质量的图像和定量数据 | 样本量相对较小（92例患者），且为单中心研究，需要更大规模的多中心验证 | 评估深度学习重建加速的膝关节MRI协议在检测软骨病变方面的诊断性能 | 膝关节MRI图像，特别是软骨病变 | 医学影像分析 | 膝关节损伤 | 2D快速自旋回波MRI，T2映射序列，深度学习重建 | 深度学习重建模型 | MRI图像 | 92例患者，其中39例接受了T2映射和关节镜检查 | NA | NA | AUC, SNR, CNR, Cohen's κ, 受试者工作特征曲线 | 3.0T MRI扫描仪 |
| 4513 | 2026-02-14 |
Predicting aquatic toxicity of organic compounds using the ML-DL-ens model: An integrated approach of machine learning and deep learning
2026-Jan-15, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2026.119803
PMID:41610586
|
研究论文 | 本文提出了一种结合机器学习和深度学习的集成模型ML-DL-ens，用于预测有机化合物的水生毒性 | 提出了一种集成K近邻、支持向量机、极限梯度提升、随机森林和AttentiveFP图神经网络的ML-DL-ens框架，并使用粒子群优化算法优化权重，以自动化特征学习并提高预测准确性和可解释性 | 未明确说明模型在不同化学空间中的泛化能力是否已完全解决，或对数据噪声的敏感性是否已显著降低 | 提高有机化合物水生毒性预测的准确性和可解释性，支持快速筛选和监管优先排序 | 有机化合物及其水生毒性数据 | 机器学习 | NA | NA | K-Nearest Neighbors, Support Vector Machines, Extreme Gradient Boosting, Random Forests, AttentiveFP | 化学结构数据（可能为分子图或特征表示） | NA | NA | AttentiveFP | AUC-ROC | NA |
| 4514 | 2026-02-14 |
DeBCR: a sparsity-efficient framework for image enhancement through a deep-learning-based solution to inverse problems
2026-Jan-12, Communications engineering
DOI:10.1038/s44172-025-00582-4
PMID:41526706
|
研究论文 | 本文提出了一种名为DeBCR的稀疏高效神经网络框架，用于解决显微成像中的逆问题，实现图像增强 | DeBCR框架通过稀疏高效的神经网络设计，在减少参数数量的同时，在去噪和解卷积任务中表现出更鲁棒的性能，并提供了模块化Python库和用户友好的Napari插件以提升可访问性 | NA | 开发一种计算效率高的深度学习解决方案，用于显微图像增强，以促进生物学发现 | 显微图像数据，涵盖先进光学显微镜的关键模态 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 四个公开可用的数据集 | Python | NA | 去噪性能、解卷积性能 | NA |
| 4515 | 2026-02-14 |
Very-large-scale mimetic optogenetic synapses for physical reservoir computing
2026-Jan-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-68229-8
PMID:41519787
|
研究论文 | 本研究提出了一种利用自组织亚毫米级二硫化钨纳米管簇作为三维超大规模物理储层进行计算的方法 | 采用自组织二硫化钨纳米管簇构建超大规模物理储层，其尺寸和密度匹配果蝇大脑的突触数量，并模拟光遗传学突触连接，实现从单模态到多模态任务的广泛计算能力 | NA | 解决深度学习扩展定律带来的效率和可持续性挑战，开发面向下一代节能人工智能的先进计算架构 | 自组织亚毫米级二硫化钨纳米管簇作为物理储层 | 机器学习 | NA | 物理储层计算 | 物理储层 | 语音、图像、医学图像 | NA | NA | 三维超大规模物理储层 | NA | NA |
| 4516 | 2026-02-14 |
Phenotypic feature-based identification of tea geographical origin using lightweight deep learning
2026-Jan-09, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00690-7
PMID:41513663
|
研究论文 | 本研究提出了一种名为Origin-Tea的轻量级卷积神经网络，用于基于表型特征准确识别茶叶的地理来源 | 创新性地结合了深度可分离卷积与挤压-激励注意力机制，在高效捕捉细微表型变化的同时显著降低了计算成本 | 研究主要基于云南地区的云抗10号茶叶图像，模型在其他茶叶品种或更广泛地理区域的泛化能力有待进一步验证 | 开发一种高效、可解释的轻量级深度学习模型，用于茶叶地理来源的智能识别与溯源 | 云南七个不同地区采集的云抗10号茶叶的高分辨率RGB图像 | 计算机视觉 | NA | 高分辨率RGB图像采集 | CNN | 图像 | 900张训练图像（来自七个地区）和1788张独立测试图像（来自四个村庄） | NA | Origin-Tea（结合深度可分离卷积和SE注意力机制的自定义轻量架构） | 总体准确率, Kappa系数 | NA |
| 4517 | 2026-02-14 |
Automated video-based differentiation of sleep-related hypermotor epilepsy and parasomnia episodes
2026-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02326-2
PMID:41507468
|
研究论文 | 本研究评估了基于SlowFast深度学习模型，利用视频记录自动区分睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍 | 首次应用SlowFast深度学习模型于视频数据，实现睡眠相关运动事件的自动化分类，为临床评估提供辅助工具 | 研究样本量相对较小（167人），模型性能有待在更大数据集上验证，且未提及跨中心或外部验证结果 | 开发自动化工具以辅助临床医生区分睡眠相关运动性癫痫与异态睡眠（如觉醒障碍、快速眼动睡眠行为障碍） | 167名个体的视频记录，涵盖睡眠相关运动性癫痫、觉醒障碍和快速眼动睡眠行为障碍患者 | 计算机视觉 | 癫痫 | 视频记录分析 | 深度学习 | 视频 | 167名个体 | PyTorch | SlowFast | 准确率 | NA |
| 4518 | 2026-02-14 |
Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York
2026-Jan-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06523-2
PMID:41495074
|
研究论文 | 本文提供了一个在纽约皇后区2018年航拍图像中手动标注的光伏安装位置数据集，用于支持计算机视觉研究和城市光伏部署分析 | 该数据集针对密集城市环境，包含四通道（三色加红外）图像，且由于纽约州定期更新源数据，可用于时间序列研究 | 数据集仅覆盖纽约皇后区特定年份，可能无法直接推广到其他地区或时间点 | 为能源研究人员提供标注数据，以训练深度学习模型识别光伏安装，并研究城市环境中的光伏部署 | 纽约皇后区2018年航拍图像中的光伏安装位置 | 计算机视觉 | NA | 航拍图像分析 | 深度学习模型 | 图像 | 约5,500个独立安装，对应14,000个多边形标注 | NA | NA | NA | NA |
| 4519 | 2026-02-14 |
Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration
2026 Jan-Feb, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14607
PMID:40922557
|
研究论文 | 本研究开发并外部验证了一种基于深度学习的模型，用于在光学相干断层扫描图像中自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，并达到专家级性能 | 开发了首个用于网状假性玻璃膜疣实例分割的深度学习模型，并在多个外部数据集上验证其性能与视网膜专家相当 | 研究未提及模型在更广泛人群或不同设备采集数据上的泛化能力，且外部测试数据集规模相对有限 | 开发并验证一种深度学习模型，用于自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣，以支持临床管理 | 年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习模型 | 图像 | 9800张OCT B扫描图像用于训练，250张用于内部测试，1017只眼睛（来自812名个体）用于外部测试 | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 4520 | 2026-02-14 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2026-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 本文探讨了基于CT图像的机器学习分割方法在口腔癌术前分期中的应用 | 采用定制化的U-Net深度学习架构进行肿瘤块和淋巴结转移的分割，并生成全面的肿瘤映射图，以预测T和N分期 | 研究样本量相对较小（共179张CT图像），且依赖放射科医生作为参考标准，可能引入主观偏差 | 评估机器学习分割方法在口腔鳞状细胞癌术前分期中的准确性 | 口腔鳞状细胞癌患者的CT图像 | 计算机视觉 | 口腔癌 | 对比增强计算机断层扫描 | CNN | 图像 | 179张对比增强CT图像 | NA | U-Net | 准确率 | NA |