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 42795 篇文献，本页显示第 5701 - 5720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5701 | 2026-01-25 |
Hybrid deep learning framework MedFusionNet assists multilabel biomedical risk stratification from imaging and tabular data
2026-Jan-23, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01334-3
PMID:41577997
|
研究论文 | 提出一种结合单变量阈值与多变量建模的混合并行深度学习框架MedFusionNet，用于多标签医学图像分类和癌症风险分层 | 提出融合自注意力机制、密集连接和特征金字塔网络的混合并行架构，支持多模态数据融合，并引入单变量阈值预筛选特征以提升模型性能与可解释性 | 未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，且对计算资源需求未详细分析 | 开发一个鲁棒且可解释的多标签医学图像分类与癌症风险分层系统 | 医学图像（如胸部X光片）及对应的文本与临床元数据 | 计算机视觉 | 肺癌, 宫颈癌 | 深度学习 | CNN, 自注意力机制 | 图像, 文本, 表格数据 | 多个数据集（包括NIH ChestX-ray14和自定义宫颈癌数据集），具体样本数量未明确 | 未明确指定 | MedFusionNet（融合自注意力机制、密集连接、特征金字塔网络） | 准确率, 鲁棒性, 可解释性 | 未明确说明 |
| 5702 | 2026-01-25 |
Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning
2026-Jan-22, Light, science & applications
DOI:10.1038/s41377-026-02190-z
PMID:41565620
|
研究论文 | 本研究提出了一种结合太赫兹时域光谱与深度学习的化学成像系统，用于准确检测和识别隐藏的化学品与爆炸物 | 首次将太赫兹时域光谱与深度学习结合，实现像素级化学物质识别，并利用等离子体纳米天线阵列增强系统性能，在复杂环境下保持高分类准确率 | 未明确提及系统在极端环境或更广泛材料类型下的性能限制 | 开发一种非侵入式、远距离的化学与爆炸物检测技术，以应对全球安全挑战 | 隐藏的化学品和爆炸物，包括药物辅料和爆炸化合物 | 计算机视觉 | NA | 太赫兹时域光谱 | 深度神经网络 | 光谱数据 | 八种化学品 | NA | NA | 分类准确率 | NA |
| 5703 | 2026-01-25 |
Corrigendum to 'Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics' [Acad Radiol 33 (2026) 236-254]
2026-Jan-22, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.012
PMID:41577514
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5704 | 2026-01-25 |
DynamicGT: A dynamic-aware geometric transformer model to predict protein-binding interfaces in flexible and disordered regions
2026-Jan-21, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101454
PMID:41435823
|
研究论文 | 本文提出了一种动态感知的几何Transformer模型（DynamicGT），用于预测蛋白质结合界面，特别是在无序和柔性区域 | 将构象动力学整合到协作图神经网络与几何Transformer中，通过动态调节核心与表面残基间的消息传递，增强了关键相互作用的检测 | 模型依赖于分子动力学模拟和AlphaFlow生成的构象数据，可能受限于数据质量和覆盖范围 | 提高蛋白质结合界面预测的准确性，特别是在无序和柔性区域 | 蛋白质-蛋白质相互作用，特别是无序、瞬态和未结合结构 | 机器学习 | NA | 分子动力学模拟，AlphaFlow生成的构象 | 图神经网络（GNN），Transformer | 蛋白质结构数据，分子动力学模拟数据 | 基于1毫秒分子动力学模拟数据集，并增强AlphaFlow生成的构象 | NA | 协作图神经网络（Co-GNN），几何Transformer（GT） | 预测准确性 | NA |
| 5705 | 2026-01-25 |
A zero-shot learning framework for chilli leaf disease detection, classification and severity estimation using contrastive image text representations
2026-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32959-y
PMID:41559188
|
研究论文 | 本文提出了一种零样本学习框架，用于辣椒叶病害的检测、分类和严重程度估计，利用对比图像文本表示方法 | 提出了一种零样本双编码器框架，结合Vision Transformer和RoBERTa语义编码器，能够识别未见过的病害类别并基于病变面积比估计其严重程度，无需重新训练模型 | 未明确说明框架在处理极端环境条件或高度变异病害模式时的泛化能力，且数据集可能未涵盖所有潜在病害类型 | 开发一个零样本学习框架，以自动检测、分类和估计辣椒叶病害的严重程度，解决传统方法对未见病害识别不足的问题 | 辣椒叶病害 | 计算机视觉 | 植物病害 | 对比图像文本表示学习 | Vision Transformer, RoBERTa | 图像 | 未明确指定，但使用了一个在不同环境条件下收集的辣椒叶数据集 | 未明确指定，可能基于PyTorch或TensorFlow | Vision Transformer, RoBERTa | 准确率, 精确率, 召回率 | 未明确指定 |
| 5706 | 2026-01-25 |
Zero-shot deep learning with multi-objective optimization improves thermostability of zearalenone hydrolase and xylanase
2026-Jan-19, New biotechnology
IF:4.5Q1
DOI:10.1016/j.nbt.2026.01.009
PMID:41565015
|
研究论文 | 本研究通过结合序列和结构深度学习模型，利用零样本设计策略，成功提升了玉米赤霉烯酮水解酶和木聚糖酶的热稳定性，同时保持了高酶活性 | 提出了一种零样本深度学习与多目标优化相结合的策略，整合了序列模型（MSA Transformer）和结构模型（ABACUS-R），在无需大量实验的情况下，高效设计出同时提升热稳定性和保持活性的多位点突变体 | 研究仅以两种酶（RmZHD和木聚糖酶）作为模型系统进行验证，其普适性有待在更多酶类中进一步检验 | 开发一种高效设计兼具高热稳定性和高活性的工业用酶的方法 | 玉米赤霉烯酮水解酶（RmZHD）和木聚糖酶 | 机器学习 | NA | 深度学习模型，多目标优化，Markov Chain Monte Carlo采样 | Transformer, 深度学习模型 | 蛋白质序列数据，蛋白质结构数据 | NA | NA | ABACUS-R, ProGen2, MSA Transformer | 热稳定性提升（ΔT），野生型活性保留百分比 | NA |
| 5707 | 2026-01-25 |
Construction of musculoskeletal quantitative model based on deep learning and study of musculoskeletal relationship in patients with osteoporosis
2026-Jan-18, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.01.037
PMID:41558598
|
研究论文 | 本研究基于深度学习构建了用于骨质疏松患者腰椎CT和MRI的肌肉骨骼定量模型，并探索了肌肉骨骼关系 | 开发了基于U-Net的UNet3D模型，能同时分割CT上的L1-S1椎体和MRI上的椎旁肌/肌间隙，并在性能上超越了U-Net、U2-Net和Mask R-CNN | 研究为回顾性分析，样本来自两个中心，可能存在选择偏倚；外部测试集样本量相对较小 | 开发用于骨质疏松筛查的深度学习肌肉骨骼定量模型，并研究骨质疏松患者的肌肉骨骼关系 | 骨质疏松患者的腰椎CT、MRI和DXA扫描图像 | 数字病理学 | 骨质疏松 | CT, MRI, DXA扫描 | CNN | 图像 | 410名骨质疏松患者（平均年龄65±10岁，240名女性），包含76,700张CT轴位切片和6,210张T2 MRI轴位切片，分为训练集（266例）、验证集（76例）、内部测试集（38例）和外部测试集（30例） | 未明确指定，但提及了U-Net、U2-Net、Mask R-CNN等模型 | UNet3D, U-Net, U2-Net, Mask R-CNN | 像素准确率（PA）、平均像素准确率（mPA）、平均交并比（mIoU） | NA |
| 5708 | 2026-01-25 |
Dataset-centric evaluation of federated intrusion detection models in IoT networks
2026-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32567-w
PMID:41545394
|
研究论文 | 本文对物联网网络中的联邦入侵检测模型进行了全面的数据集中心评估 | 首次跨三个当代物联网/工业物联网数据集进行联邦学习入侵检测系统的综合评估，并引入标签统一和特征对齐方法 | 评估仅限于三个数据集，可能未覆盖所有物联网场景；联邦学习模型在跨数据集测试中性能下降显著 | 评估联邦学习在物联网入侵检测系统中的泛化能力、收敛行为和通信成本 | 物联网网络中的入侵检测系统 | 机器学习 | NA | 联邦学习 | LSTM, Transformer | 网络流量数据 | 三个数据集：Edge-IIoTset (2022), CIC-IoT2023, TII-SSRC-23 (2023) | NA | LSTM, Transformer | macro-F1, 准确率 | NA |
| 5709 | 2026-01-25 |
Pain assessment using physiological responses/markers in different types of pain: a scoping review
2026-Jan-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02241-6
PMID:41540230
|
综述 | 本文对2014年至2024年间利用生理信号进行疼痛评估的生物标志物和机器学习方法进行了范围综述 | 系统性地总结了不同疼痛类型下生理信号特征的变化，并回顾了基于经典机器学习和深度学习技术的最新疼痛评估模型 | 作为一篇范围综述，主要关注文献总结而非原始研究，未提供新的实验数据或模型验证 | 概述利用生理信号进行客观疼痛评估的最新进展，强调该领域日益增长的研究兴趣和未满足的需求 | 疼痛评估的生物标志物和机器学习方法 | 机器学习 | NA | 生理信号分析 | 经典机器学习, 深度学习 | 生理信号 | NA | NA | NA | NA | NA |
| 5710 | 2026-01-10 |
A deep learning framework for species-level identification of root-knot nematodes using perineal pattern images
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33143-y
PMID:41507258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5711 | 2026-01-25 |
RTCC-Net: tropical cyclone generation classification model based on multi-source information fusion
2026-Jan-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33207-z
PMID:41507302
|
研究论文 | 本文提出了一种基于多源信息融合的热带气旋生成分类模型RTCC-Net，用于准确预测热带云团是否会发展为热带气旋 | 通过计算对流核心图和极坐标表示，并结合ResNet与自注意力机制提取时空特征，实现了对热带云团数据的更充分特征提取，超越了以往深度学习研究的局限性 | 未明确提及模型在处理极端或罕见天气模式时的泛化能力，以及在不同地理区域的应用限制 | 提高热带气旋生成的预测准确性，以支持灾害预防和减灾工作 | 热带云团的红外图像数据 | 计算机视觉 | NA | 红外图像分析 | CNN, 自注意力机制 | 图像 | 未明确提及具体样本数量 | 未明确提及，可能为TensorFlow或PyTorch | ResNet | 检测率, 误报率 | 未明确提及 |
| 5712 | 2026-01-25 |
3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids
2026-Jan, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401050
PMID:40509616
|
研究论文 | 本文介绍了一种在活体人视网膜类器官中定量三维表征病毒转导效率的方法 | 结合活体成像和深度学习图像分割，实现了在三维活体组织中单细胞水平的时空定量分析，克服了传统方法的组织解离和空间信息丢失问题 | 方法依赖于特定的成像技术和类器官模型，可能无法完全模拟体内复杂环境 | 优化基因疗法，通过定量测试病毒转导效率来指导治疗开发 | 人视网膜类器官 | 数字病理学 | NA | 共聚焦活体成像，工程化腺相关病毒（AAV）载体 | 深度学习 | 三维图像 | NA | NA | NA | NA | NA |
| 5713 | 2026-01-25 |
Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003434
PMID:40899800
|
研究论文 | 本研究构建了腹腔镜根治性肾切除术的全粒度标注数据集，并开发了一个用于多层级粒度信息整合的深度学习框架，以支持临床智能应用 | 构建了首个针对腹腔镜根治性肾切除术的全粒度标注数据集，并提出了一个轻量级框架，通过共享特征提取和任务特定解码器实现多粒度信息的同步感知与双向补偿增强 | 数据集仅包含41个多中心视频，样本量相对有限；研究聚焦于单一手术类型（腹腔镜根治性肾切除术） | 实现计算机对手术场景的全面理解，为智能手术辅助和自主决策提供基础 | 腹腔镜根治性肾切除术的手术视频 | 计算机视觉 | 肾癌 | 深度学习 | 深度学习框架 | 视频 | 41个多中心视频，包含141,443帧（手术阶段/步骤标注）、8,435帧（器械分割标注）和25,305帧（手术动作三元组标注） | NA | 共享特征提取器与任务特定解码器 | 准确率 | NA |
| 5714 | 2025-09-05 |
Comment on "Association of peripheral immune markers with brain age and dementia risk estimated using deep learning method"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003411
PMID:40905852
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5715 | 2026-01-25 |
Multimodal machine learning for staging laparoscopy: a combined image analysis and morphologic tool for the discrimination of peritoneal metastasis
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003448
PMID:40928288
|
研究论文 | 本研究开发了一种新型多模态机器学习模型，通过整合腹腔镜图像分析和形态学特征，用于区分腹膜转移瘤与良性病变 | 首次将深度学习图像分类模型与基于形态学特征的传统机器学习模型相结合，构建多模态机器学习模型，以提升腹膜转移瘤的术中识别能力 | 研究样本量较小（仅67名患者），且为单中心内部验证，缺乏外部验证 | 开发一种术中决策支持工具，以辅助外科医生在腹腔镜分期手术中更准确地鉴别腹膜转移瘤 | 接受腹腔镜分期手术的疑似腹膜转移瘤患者的腹膜病变 | 计算机视觉 | 腹膜转移瘤 | 腹腔镜视频图像分析 | 深度学习, 传统机器学习 | 视频帧图像, 形态学特征数据 | 67名患者的453个连续活检病变（良性197个，恶性256个） | NA | NA | AUC | NA |
| 5716 | 2026-01-25 |
Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003455
PMID:40956187
|
研究论文 | 本研究提出了一种基于深度学习的框架DLCP，用于对肝细胞癌患者进行分层、识别预后生物标志物并推荐潜在的抗肝癌药物 | 首次提出一个整合多组学数据和临床表型的深度学习框架DLCP，用于患者分层、生物标志物发现和药物筛选，并通过实验验证了所发现生物标志物RAC1及其配体KGA-1083b的结合 | 研究主要基于TCGA和LIRI-JP队列数据，需要在更多独立队列中进行验证；所筛选的配体KGA-1083b的体内药效和安全性有待进一步评估 | 识别新的肝细胞癌预后生物标志物及其配体，以改善患者生存 | 肝细胞癌患者、小鼠原发性肝癌模型 | 机器学习 | 肝癌 | 基因组学、转录组学、表观遗传学、分子对接、分子动力学模拟、表面等离子共振、细胞热位移分析 | 深度神经网络 | 多组学数据、生存数据、化学化合物数据、天然产物数据 | TCGA HCC患者队列和LIRI-JP验证队列 | NA | NA | 患者分层生存差异、KD值 | NA |
| 5717 | 2026-01-25 |
Multimodal deep learning integration for predicting renal function outcomes in living donor kidney transplantation: a retrospective cohort study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003494
PMID:40961229
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型，整合CT影像、放射学报告文本和结构化临床变量，以预测活体肾移植受者术后1年的估计肾小球滤过率 | 首次将CT影像、放射学报告文本和结构化临床数据通过多模态深度学习进行整合，用于预测活体肾移植后的肾功能结局，显著超越了仅基于临床数据的传统模型 | 研究为回顾性队列研究，可能受到选择偏倚的影响；排除了免疫高风险受者、早期移植物并发症和解剖异常病例，可能限制了模型的泛化能力 | 优化活体肾移植中的供受者匹配并改善长期预后，通过预测术后肾功能来支持精准医学在移植领域的应用 | 活体肾移植受者 | 数字病理学 | 肾脏疾病 | 计算机断层扫描 | 多模态深度学习模型, 集成分类器 | 影像, 文本, 结构化临床数据 | 1,937例活体肾移植受者 | XGBoost | BioBERT, CLIP | 宏F1分数, 微F1分数, 加权F1分数, 准确率 | NA |
| 5718 | 2025-11-06 |
Letter to editor on "Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment"
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003656
PMID:41190371
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5719 | 2026-01-25 |
Optimizing infant magnetic resonance imaging efficiency: Deep learning-assisted feed-and-wrap technique versus general anesthesia using an infant magnetic resonance imaging stabilizer in infants under 4 months
2026-Jan, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06437-6
PMID:41193818
|
研究论文 | 本研究比较了深度学习辅助的喂食包裹技术与全身麻醉在4个月以下婴儿MRI检查中的效率，发现深度学习辅助的喂食包裹技术能显著缩短MRI室周转时间 | 首次将深度学习图像重建技术与喂食包裹方法结合，用于优化婴儿MRI流程，减少对全身麻醉的依赖 | 单中心回顾性研究，样本量较小（48名婴儿），可能存在选择偏倚 | 评估深度学习辅助的喂食包裹技术相比全身麻醉在婴儿MRI检查中的效率优势 | 4个月以下的婴儿 | 医学影像分析 | NA | 磁共振成像 | 深度学习 | MRI图像 | 48名婴儿（DL-FW组22名，GA组26名） | NA | NA | 周转时间（分钟） | NA |
| 5720 | 2026-01-25 |
Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network
2026-Jan, The Knee
DOI:10.1016/j.knee.2025.10.028
PMID:41238423
|
研究论文 | 本研究提出了一种基于深度神经网络的方法，用于从膝关节磁共振成像中自动检测内侧副韧带撕裂 | 首次应用深度神经网络解决膝关节内侧副韧带撕裂的自动检测问题，并比较了自定义CNN、预训练VGG19特征提取及迁移学习三种不同场景的性能 | 研究数据集仅来自单一医院的60名患者，样本多样性有限，未来需要在更广泛的人群中进行验证以确保模型的鲁棒性 | 开发一种自动检测膝关节内侧副韧带撕裂的方法，以提高诊断准确性和效率 | 膝关节磁共振成像图像 | 计算机视觉 | 膝关节损伤 | 磁共振成像 | CNN, VGG19 | 图像 | 3575张膝关节MRI图像，来自60名患者 | NA | 自定义CNN, VGG19 | 准确率, 损失值, AUC | NA |