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 43760 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2026-04-25 |
Transfer learning enables predictions in network biology
2023-06, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06139-9
PMID:37258680
|
研究论文 | 开发了一种基于注意力机制的深度学习模型Geneformer，通过迁移学习在限量数据场景下预测基因网络 | 首次将大规模预训练深度学习模型（Geneformer）应用于网络生物学，通过自监督学习编码网络层次结构，支持限量数据下的下游任务微调 | NA | 利用迁移学习解决基因网络预测中数据稀缺的问题，加速发现网络关键调控因子和候选治疗靶点 | 基因网络和单细胞转录组数据 | 机器学习 | 心肌病 | 单细胞转录组测序 | 注意力神经网络 | 单细胞转录组数据 | 约3000万单细胞转录组样本 | PyTorch | Geneformer（基于Transformer架构） | 预测准确性 | NA |
| 482 | 2026-04-24 |
Deep learning-based segmentation of aneurysmal subarachnoid hemorrhage: toward accurate and scalable prognostic imaging
2026-Jul, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2026.111993
PMID:41871480
|
research paper | 开发并评估用于动脉瘤性蛛网膜下腔出血自动分割的深度学习模型，并验证其预后价值 | 利用nnU-Net实现了对动脉瘤性出血（包括SAH、IPH和IVH）的自动分割，处理时间较手动减少97%，且自动分割的病灶体积预测六个月GOS的能力与手动分割相当 | 仅基于回顾性数据，且外部验证仅限于部分公开数据集，可能未充分涵盖不同临床场景的出血变异性 | 开发一种准确且可扩展的动脉瘤性出血自动分割方法，并评估其对预后预测的影响 | 动脉瘤性蛛网膜下腔出血、脑实质出血和脑室内出血的CT扫描图像 | digital pathology | 动脉瘤性蛛网膜下腔出血 | CT扫描 | CNN | 图像 | 实验1: 356名患者；实验2: 530名患者；测试集: 89名出血病例 | PyTorch | nnU-Net | Dice系数, 召回率, 组内相关系数类型3, 体积差异中位数, AUC | NA |
| 483 | 2026-04-24 |
ConvCGP: A convolutional neural network to predict genetic values of agronomic traits from compressed genome-wide polymorphisms
2026-Jun, The plant genome
DOI:10.1002/tpg2.70223
PMID:42003104
|
研究论文 | 提出一种名为ConvCGP的卷积神经网络框架，用于从压缩的全基因组多态性数据预测农艺性状的遗传值 | 将自编码器非线性压缩与卷积神经网络预测集成于端到端可训练流水线，即使仅保留2%原始特征也能保持预测精度 | 未在更广泛物种或非农艺性状（如人类疾病）中验证；极端压缩可能导致信息丢失；计算资源需求未明确定量 | 解决高维基因组数据预测中计算负担大、训练时间长的问题 | 水稻和玉米的高维全基因组多态性数据 | 机器学习 | NA | 全基因组多态性分析 | 卷积神经网络 | 基因组多态性数据 | 水稻数据集（高维）和玉米数据集（大规模） | TensorFlow或PyTorch（推测） | 自编码器和卷积神经网络 | 预测精度 | NA |
| 484 | 2026-04-24 |
Machine learning and deep learning models for predicting colorectal cancer metastases: A comprehensive review
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100747
PMID:42022736
|
综述 | 对机器学习与深度学习模型在预测结直肠癌转移中的应用进行全面综述 | 系统性地比较了传统机器学习与深度学习模型（特别是卷积神经网络）在预测结直肠癌转移中的表现，着重分析了多模态数据整合和迁移学习的优势 | 综述关注了高质量数据集可用性、模型可解释性以及伦理问题等挑战，但未提供具体实验验证 | 总结机器学习与深度学习在早期预测结直肠癌转移方面的应用现状、挑战与未来方向 | 结直肠癌转移预测任务中使用的各类机器学习与深度学习模型 | 机器学习 | 结直肠癌 | NA | CNN, LSTM, 逻辑回归, 随机森林 | 影像数据、临床数据、组织学数据、分子与基因组数据 | NA | NA | GoogleNet, VGGNet, ResNet, U-Net | NA | NA |
| 485 | 2026-04-24 |
Dataset of RGB images of healthy grapevine leaves and with downy mildew, powdery mildew, Esca complex, and erineum mite symptoms
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112743
PMID:42023017
|
research paper | 提供了一组健康葡萄叶及分屬四種病害的高解析度RGB图像数据集，支持植物病理学、精准葡萄栽培和计算机视觉研究 | 该数据集包含三个葡萄牙葡萄品种的健康叶片和四种病害叶片的原位图像，涵盖不同葡萄园环境和管理实践，提供两种分辨率（3000×3000和1024×1024像素）用于机器学习研究 | 未明确说明 | 支持植物病理学、精准葡萄栽培和计算机视觉研究，用于疾病检测/分类、品种识别、精准农业及农业机器人 | 健康及患病葡萄叶片的RGB图像数据集 | computer vision | NA | RGB图像采集 | CNN | 图像 | 多个葡萄叶片样本，包含健康和四种病害类别 | NA | 三种深度学习架构（未具体说明） | NA | NA |
| 486 | 2026-04-24 |
Automated Classification of Cervical Spinal Stenosis Using Deep Learning on Computed Tomography Scans
2026-May-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005414
PMID:40458958
|
研究论文 | 基于深度学习的CT图像自动分类颈椎管狭窄症 | 首次利用CT图像结合深度学习模型实现颈椎管狭窄症的自动化诊断，并与不同经验医生的诊断结果进行比较，验证了模型在资源受限环境下的替代潜力 | 未提及具体局限性，但可能包括样本量、数据偏倚或多中心验证不足 | 开发并验证基于CT的深度学习模型用于诊断颈椎管狭窄症 | 颈椎管狭窄症患者的CT图像 | 计算机视觉 | 颈椎管狭窄症 | CT成像 | Faster R-CNN和卷积神经网络 | 图像 | 未明确，但提及CT图像按8:1:1比例划分为训练集、验证集和测试集 | NA | Faster R-CNN, EfficientNet-b0, DenseNet-121, ResNet-101, EfficientNet-26d | 准确率、F1分数、Cohen κ系数 | NA |
| 487 | 2026-04-24 |
Dual-model deep learning for Alzheimer's prognostication
2026-May-15, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111672
PMID:41962454
|
研究论文 | 提出PROGRESS双模型深度学习框架，利用单次脑脊液生物标志物评估为阿尔茨海默病提供个性化预后估计，无需纵向临床观察 | 首次将单个基线CSF生物标志物转化为具有校准不确定性边界的预后估计，同时整合概率轨迹网络和深度生存模型，解决首次就诊时的治疗决策需求 | NA | 开发一种无需纵向临床观察即可在首次就诊时提供阿尔茨海默病预后估计的深度学习框架 | 阿尔茨海默病患者的脑脊液生物标志物数据，用于预测认知衰退参数和从轻度认知障碍到痴呆的转化时间 | 机器学习 | 阿尔茨海默病 | CSF生物标志物检测 | 深度学习模型（概率轨迹网络和深度生存模型） | 表格数据（CSF生物标志物测量值） | 超过3000名参与者，来自43个阿尔茨海默病研究中心 | NA | 概率轨迹网络，深度生存模型 | 校准不确定性边界覆盖率，生存预测性能（与Cox比例风险、随机生存森林、梯度提升等方法比较），风险分层转换率差异 | NA |
| 488 | 2026-04-24 |
LCPBert: ProtBERT-based early-stage lung cancer prediction from T cell receptor beta sequences
2026-May-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115581
PMID:42023149
|
研究论文 | 开发了基于ProtBERT的LCPBert框架，通过外周血T细胞受体β序列实现肺癌早期检测 | 首次将ProtBERT应用于T细胞受体β序列分析以实现肺癌早期无创检测，并引入肺癌风险指数（LCRI）进行风险分层和转移预测 | 未提及具体局限性 | 利用深度学习从外周血TCRβ序列中实现肺癌早期检测 | 外周血T细胞受体β序列及肿瘤组织TCR序列 | 自然语言处理, 机器学习 | 肺癌 | TCRβ测序 | Transformer (ProtBERT) | 序列数据 | 未明确提及样本数量，包含训练队列、外部验证队列（健康供体、良性肺结节、肺癌患者）及纵向队列 | NA | ProtBERT | AUC, 敏感性, 特异性 | NA |
| 489 | 2026-04-24 |
SCAR-Net-assisted ultrasound diagnosis of postoperative scars and recurrent lesions in breast cancer
2026-May-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115550
PMID:42023157
|
研究论文 | 介绍SCAR-Net深度学习模型，用于超声区分乳腺癌术后疤痕组织和复发病灶 | 提出结合疤痕-复发特征增强器和边界敏感注意力网络的SCAR-Net模型，显著提升了影像科医生的诊断性能 | NA | 利用深度学习模型提高乳腺癌术后疤痕与复发病灶的超声鉴别准确性 | 乳腺癌术后患者的疤痕组织和复发病灶 | 医学影像分析 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 来自四家医院的5710名患者的34376张超声图像 | NA | SCAR-Net | AUC、灵敏度、特异度、Dice系数 | NA |
| 490 | 2026-04-24 |
Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction
2026-May, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2780-0974
PMID:41468904
|
研究论文 | 开发并验证一种用于早期食管鳞状细胞癌检测和浸润深度预测的多模态深度学习模型 | 提出特征级融合的多模态算法MUMA-EDx，结合放大内镜和超声内镜成像，显著优于单模态模型，并在浸润深度分类中达到专家水平 | 模型在浸润深度分类的前瞻性测试中AUC有所下降（0.80 vs 0.95），可能受限于样本多样性和外部验证条件 | 提高早期食管鳞状细胞癌的诊断准确性和浸润深度评估能力 | 食管鳞状细胞癌患者的放大内镜和超声内镜图像 | 计算机视觉 | 食管癌 | 放大内镜、超声内镜 | 深度学习 | 图像 | 回顾性数据集358例患者（18420张图像），前瞻性数据集122例患者（8711张图像） | PyTorch | TResNet_m | 受试者工作特征曲线下面积、准确率、灵敏度、特异度、阳性预测值、阴性预测值 | NA |
| 491 | 2026-04-24 |
Artificial intelligence for diagnosis and triage in oral cancer: a clinician‑centered narrative review
2026-May, International journal of clinical oncology
IF:2.4Q3
DOI:10.1007/s10147-026-03002-5
PMID:41817640
|
综述 | 本叙述性综述聚焦人工智能在口腔癌诊断与分诊中的临床应用，涵盖临床影像、放射学、光学成像和数字病理等多模态技术 | 以临床医生为中心视角，系统整合口腔鳞状细胞癌诊疗全流程（病灶分诊、淋巴结转移预测、切缘评估、病理诊断）的AI应用，强调前瞻性设计、外部验证和临床可解释性 | 依赖PubMed收录的英文文献，可能遗漏非索引来源的重要研究；多数研究缺乏严格的前瞻性验证；性能在分布外图像和真实伪影下仍会下降 | 评估AI技术在口腔癌早期诊断、分诊及临床决策支持中的现状与实施挑战 | 口腔鳞状细胞癌及口腔潜在恶性病变 | 数字病理 | 口腔癌 | NA | 深度学习, 放射组学 | 临床照片, CT影像, MRI影像, PET影像, 高光谱空间频域成像, OCT图像, 全切片病理图像 | NA | NA | NA | 诊断准确率, 泛化性能 | NA |
| 492 | 2026-03-15 |
Correction: Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction
2026-May, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2832-9144
PMID:41825460
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 493 | 2026-04-24 |
An integrated microfluidic system for automatic and self-validated analysis of cervical extracellular vesicle markers PD-L1 and ERBB3
2026-May, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry
IF:1.8Q3
DOI:10.1007/s44211-026-00871-8
PMID:41838284
|
研究论文 | 提出一种集成微流控系统，用于自动且自我验证地分析宫颈细胞外囊泡标志物PD-L1和ERBB3 | 集成了基于深度学习的YOLOv8自我验证检测策略，实现了芯片上同时处理测试样本和阳性样本的平行分析，显著提高了检测可靠性，且检测限达15.56颗粒/微升 | 未明确提及 | 开发一种快速、精准的非侵入性液体活检方法，用于妇科恶性肿瘤的早期诊断 | 宫颈癌相关的细胞外囊泡标志物PD-L1和ERBB3 | 数字病理学 | 宫颈癌 | 微流控芯片、细胞外囊泡分离 | CNN | 图像 | 四种细胞系（SiHa, C33A, HeLa, H8） | NA | YOLOv8 | 检测限 | NA |
| 494 | 2026-03-28 |
Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned
2026-May-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]
IF:2.5Q1
DOI:10.1097/DSS.0000000000005096
PMID:41886676
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 495 | 2026-04-24 |
T3SS effector and regulator discovery by predicting interacting partners of T3SS chaperones in Pseudomonas aeruginosa
2026-May, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70551
PMID:42003191
|
研究论文 | 通过预测铜绿假单胞菌中T3SS伴侣蛋白的相互作用伙伴来发现其效应子和调节因子 | 结合结构辅助同源性搜索与AlphaFold2和AlphaFold3深度学习蛋白质结构预测方法，在泛基因组水平上系统筛选T3SS伴侣蛋白及其相互作用伙伴 | 仅关注参考菌株PAO1和PA14，其他菌株的T3SS全貌尚未完全探索；预测结果需进一步实验验证 | 利用系统基因组学和深度学习结构预测方法，发现铜绿假单胞菌中未知的T3SS效应子和调节因子 | 超过15000个高质量铜绿假单胞菌基因组中的T3SS伴侣蛋白及其相互作用蛋白质 | 机器学习 | 绿脓杆菌感染 | AlphaFold2、AlphaFold3、结构辅助同源性搜索 | 深度学习蛋白质结构预测模型 | 蛋白质序列、基因组序列 | 15000个铜绿假单胞菌基因组 | AlphaFold2, AlphaFold3 | AlphaFold2, AlphaFold3 | NA | NA |
| 496 | 2026-04-24 |
Early Detection of Gallbladder and Biliary Malignancy
2026-May, Radiologic clinics of North America
IF:2.1Q2
DOI:10.1016/j.rcl.2026.01.004
PMID:42020074
|
综述 | 本文强调了风险分层和多模态成像在胆囊癌和胆管癌早期识别中的重要性，并探讨了人工智能和深度学习模型在提高诊断准确性方面的潜力 | 整合人工智能与深度学习模型以增强诊断准确性，并提出多学科协作的早期检测策略 | 未提供具体实验结果或模型验证，仅概述了潜在方向 | 探讨胆囊和胆道恶性肿瘤早期检测的策略与技术进展 | 胆囊癌与胆管癌的早期检测方法 | 医学影像 | 胆囊癌, 胆管癌 | 多模态成像 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 497 | 2026-04-24 |
Artificial Intelligence for Food Packaging: A Life Cycle-Oriented Review of Material Performance, Functionality, Safety, and Sustainability
2026-May, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70486
PMID:42021492
|
综述 | 本文系统地回顾了人工智能在食品包装领域的应用，涵盖材料性能、功能性、安全性和可持续性，并提出了一个面向生命周期的分析框架 | 提出了一个面向生命周期的框架，将主要人工智能范式（监督、无监督、强化、深度学习和混合模型）与六个关键领域（材料设计、生产优化、食品质量预测、安全保障、智能标签与追溯、回收）联系起来，超越了以往局限于特定应用的研究 | 数据质量、模型泛化能力和监管接受度方面存在挑战 | 系统性地分析人工智能在食品包装全生命周期中的应用，包括材料性能、功能性、安全性和可持续性 | 2011至2025年间Web of Science核心合集收录的同行评审研究 | 机器学习 | NA | NA | 监督学习、无监督学习、强化学习、深度学习、混合模型 | NA | NA | NA | NA | 未明确说明 | NA |
| 498 | 2026-04-24 |
Harnessing the Hybrid Intelligence of Crowd and Artificial Intelligence in Group Decision Making for Uncertain Disaster Response
2026-May, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.70254
PMID:42021700
|
研究论文 | 提出一个利用人群与人工智能混合智能进行群体决策的框架，用于改进不确定灾害响应的包容性 | 首次整合众包数据与AI算法在群体决策中处理灾害不确定性，并通过深度学习估计人类苦难程度以提升同情心分配资源 | 依赖有偏见的众包数据可能不完全代表弱势群体，随机优化模型可能计算密集 | 通过混合智能框架提高灾害响应决策的包容性和效率 | 2021年河南洪水应急响应决策 | 机器学习 | NA | 深度学习、随机优化 | 深度学习模型、随机优化模型 | 文本（社交媒体数据）、区域脆弱性特征数据 | 真实案例研究涉及2021年河南洪水数据 | NA | 深度学习估计方法、随机优化模型 | NA | NA |
| 499 | 2026-04-24 |
Novel Knotted Solenoid fold with order-shifted coil arrangement leads to nontrivial 31 topology
2026-Apr-28, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2525920123
PMID:42018416
|
研究论文 | 本文报道了在结构数据库中未被识别的新型折叠——打结螺线管，该折叠具有独特的“跳过-回溯”线圈排列，形成非平凡的三叶结拓扑结构 | 首次发现并解析了打结螺线管折叠，其独特的“跳过-回溯”移位机制与已知螺线管结构显著不同，并导致形成三叶结拓扑结构 | 该研究主要基于晶体结构分析和计算模拟，缺乏对打结螺线管在天然状态下功能角色的直接实验验证 | 探究蛋白质折叠中的拓扑复杂性及其进化意义，识别新型打结结构 | 一组特定细菌中的打结螺线管蛋白 | 机器学习 | NA | X射线晶体学、圆二色光谱、分子动力学模拟、深度学习模型 | 生成式深度学习模型 | 晶体结构数据、序列数据 | 多个打结螺线管蛋白的晶体结构 | NA | NA | NA | NA |
| 500 | 2026-04-24 |
ArchesWeatherGen: Skillful and compute-efficient probabilistic weather forecasting with machine learning
2026-Apr-24, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adx2372
PMID:42018632
|
研究论文 | 提出了一种利用确定性天气模型设计概率天气模型的方法，基于流匹配技术构建了ArchesWeatherGen模型，在WeatherBench基准测试中超越了IFS ENS和NeuralGCM | 首次将流匹配（扩散模型变体）应用于概率天气预测，通过将确定性预测投影到ERA5天气状态分布来实现高性能和低计算成本 | 未提及显著限制，但模型依赖ERA5数据且仅在确定性模型基础上改进，可能对极端事件预测能力有限 | 提高概率天气预报的准确性和计算效率，并推动生成式机器学习在天气预测研究中的普及 | 天气状态序列及概率分布 | 机器学习 | NA | NA | 流匹配（扩散模型） | 气象数据（ERA5再分析数据） | ERA5数据集（具体样本量未提及） | NA | 流匹配网络 | 在所有WeatherBench主题变量上的性能指标（具体指标未提及） | NA |