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 42799 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2026-03-28 |
Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning
2026-Mar-27, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04107
PMID:41785406
|
研究论文 | 本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统 | 结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测 | 未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证 | 开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断 | 痕量NO2气体 | 机器学习 | 呼吸系统疾病 | 气体传感技术 | CNN, LSTM | 传感器数据 | NA | NA | 1D-CNN/LSTM | R²值 | NA |
| 602 | 2026-03-28 |
Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT
2026-Mar-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae5209
PMID:41825133
|
研究论文 | 本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎 | 首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能 | 回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据 | 开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型 | 121名接受根治性调强放疗的局部晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 深度学习，超体素方法，CT成像 | 机器学习 | CT图像，剂量分布图 | 121名患者 | 未明确说明 | 未明确说明 | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 603 | 2026-03-28 |
Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder
2026-Mar-27, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en26007
PMID:41889261
|
研究论文 | 本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联 | 首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联 | 样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力 | 探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联 | 85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照） | 数字病理学 | 创伤后应激障碍 | T1加权磁共振成像 | 深度学习模型 | 图像 | 85名女性（34名PTSD患者，51名健康对照） | NA | 群体特异性深度学习模型 | 脑年龄差（BAG） | NA |
| 604 | 2026-03-28 |
Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios
2026-Mar-26, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9016
PMID:40973461
|
研究论文 | 本研究开发了基于多模态CT灌注的深度学习模型，用于预测急性缺血性卒中患者在不同再通情况下的最终梗死病灶位置和体积 | 针对成功再通和未再通两种不同临床场景，分别开发了专门的深度学习模型，预测梗死核心区或核心-半暗带联合区域，相比传统基于阈值的单技术方法显著提高了预测准确性 | 研究样本量相对有限（CR组350例，NR组138例），且为回顾性多中心数据，可能存在选择偏倚 | 开发更准确的急性缺血性卒中病灶结局预测方法，以改善临床决策和治疗选择 | 急性缺血性卒中患者，分为完全再通组（CR）和无再通组（NR） | 数字病理学 | 心血管疾病 | CT灌注成像 | 深度学习 | 医学影像 | 共488例患者（CR组350例，NR组138例） | PyTorch | 3D nnU-Net | Dice系数 | NA |
| 605 | 2026-03-28 |
The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region
2026-Mar-26, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-026-00913-x
PMID:41886240
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 606 | 2026-03-28 |
Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling
2026-Mar-26, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3670186
PMID:41886318
|
研究论文 | 本文提出了一种基于图神经网络的端到端延迟预测模型，通过引入全局路由表示和路由感知注意力机制，提升了模型对未见路由方案的泛化能力 | 提出了不依赖路由序列的全局路由表示方法，设计了路由感知注意力机制，并采用掩码子图采样策略从部分流交互中推断全局路由相关性 | 未来需要在更复杂和动态的路由场景下进一步验证模型性能 | 提高端到端延迟预测的鲁棒性和泛化能力，以支持智能网络管理 | 网络流量端到端延迟 | 机器学习 | NA | 图神经网络 | GNN | 图数据 | 四个公开数据集：TnCwD、NSFNET、GBN、GEANT2 | NA | 图神经网络（含路由感知注意力机制） | 预测精度 | NA |
| 607 | 2026-03-28 |
Less is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts
2026-Mar-26, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3675500
PMID:41886321
|
研究论文 | 本文提出了一种基于语义引导的多特征专家混合的红外与可见光图像融合方法，旨在提升融合图像质量并促进后续语义分割任务 | 引入语义引导的多特征专家混合机制，动态选择专家网络处理不同特征类型，有效减少模态冗余并提升融合效果 | 未明确说明方法在极端光照或复杂动态场景下的泛化能力，且计算复杂度可能较高 | 开发一种能够有效整合红外与可见光图像互补信息、减少冗余的红外与可见光图像融合方法 | 红外与可见光图像对 | 计算机视觉 | NA | NA | 专家网络混合模型 | 图像 | 在五个红外与可见光图像融合和分割基准数据集上进行了广泛实验 | NA | 语义引导的多特征专家混合架构 | NA | NA |
| 608 | 2026-03-28 |
DeepLMI: Deep Feature Mining with a Globally Enhanced Graph Convolutional Network for Robust lncRNA-miRNA Interaction Prediction
2026-Mar-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag145
PMID:41886347
|
研究论文 | 提出DeepLMI框架，通过深度特征挖掘和全局增强图卷积网络预测lncRNA-miRNA相互作用 | 结合序列预训练与自注意力机制学习lncRNA多尺度语义表示，融合异质特征进行miRNA编码，并设计全局增强图卷积网络同时建模局部邻域和全局拓扑信号 | 未明确提及 | 准确预测lncRNA-miRNA相互作用以理解疾病机制和发现治疗靶点 | 长链非编码RNA（lncRNA）和微小RNA（miRNA） | 机器学习 | NA | 深度特征挖掘，图卷积网络 | GCN，自注意力机制 | 序列数据，图结构数据 | NA | NA | Global-Enhanced Graph Convolutional Network (GE-GCN) | NA | NA |
| 609 | 2026-03-28 |
Automating Adolescent Idiopathic Scoliosis Classification: An Interpretable, Workflow-Based Approach to Lenke Classification: Commentary on an article by Lingcong Xu, MD, et al.: "A Fully Automated Multistage Deep Learning System for Lenke Classification. Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis"
2026-Mar-26, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.26.00074
PMID:41886543
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 610 | 2026-03-28 |
Distinctive DNA sequence features define epigenetic longevity of inflammatory memory
2026-Mar-26, Science (New York, N.Y.)
DOI:10.1126/science.adz6830
PMID:41886579
|
研究论文 | 本研究通过深度学习探究小鼠表皮干细胞在银屑病样皮肤炎症后形成的长期表观遗传记忆机制，发现CpG二核苷酸密度是记忆持久性的主要驱动因素 | 首次揭示DNA序列特征（特别是CpG密度）通过整合DNA去甲基化、甲基敏感转录因子、核小体排斥倾向和组蛋白变体H2A.Z等多重机制，驱动炎症记忆在细胞世代间持久维持 | 研究基于小鼠模型，人类组织中的验证尚需进一步研究；深度学习模型的具体架构和训练细节未在摘要中详细说明 | 探究炎症记忆在组织干细胞中如何跨时间和细胞分裂持久维持的表观遗传机制 | 小鼠表皮干细胞 | 表观遗传学 | 银屑病 | 深度学习，染色质可及性分析，DNA甲基化分析 | 深度学习模型 | 染色质动态数据，DNA序列数据 | NA | NA | NA | NA | NA |
| 611 | 2026-03-28 |
A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations
2026-Mar-26, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-2679
PMID:41886621
|
研究论文 | 本研究开发了一种结合HLA结合和TCR识别特征的深度学习驱动新抗原预测算法TCRscore，并利用患者来源的胶质母细胞瘤类器官模型进行功能验证，以识别胶质母细胞瘤中的通用新抗原 | 整合了HLA结合和TCR识别特征的新抗原预测算法TCRscore，结合患者来源的类器官模型进行功能验证，提高了预测准确性并识别出潜在共享新抗原 | 未明确说明算法在更大规模数据集上的泛化能力，类器官模型可能无法完全模拟体内肿瘤微环境的复杂性 | 提高胶质母细胞瘤新抗原的识别准确性和免疫原性验证 | 胶质母细胞瘤患者来源的肿瘤样本和类器官模型 | 机器学习 | 胶质母细胞瘤 | ELISpot检测、流式细胞术、体外杀伤实验、类器官-T细胞共培养系统 | 深度学习 | 基因组数据、转录组数据、类器官图像数据 | 21例异柠檬酸脱氢酶野生型肿瘤来源的胶质母细胞瘤类器官模型 | NA | NA | 预测准确性 | NA |
| 612 | 2026-03-28 |
Deep Learning-Based Method for Damage Severity Grading of Black Shell Disease in Hong Kong Oyster (Crassostrea hongkongensis) Caused by Polydora Complex
2026-Mar-26, Journal of fish diseases
IF:2.2Q1
DOI:10.1111/jfd.70170
PMID:41887728
|
研究论文 | 本研究开发了一种基于改进Deeplabv3+语义分割模型的方法，用于识别和分级香港牡蛎由多毛类寄生虫引起的黑壳病严重程度 | 将卷积块注意力模块（CBAM）集成到Deeplabv3+模型中，通过通道和空间注意力机制提升了模型性能，并构建了用户友好的基于Web的疾病分级系统 | 未明确说明模型在不同环境条件或不同牡蛎品种上的泛化能力，也未讨论数据增强技术的具体细节 | 开发一种基于深度学习的自动化方法，用于准确识别和分级香港牡蛎黑壳病的严重程度，以支持疾病监测和预防 | 香港牡蛎（Crassostrea hongkongensis）及其由多毛类寄生虫（Polydora complex）引起的黑壳病 | 计算机视觉 | 水产动物疾病 | 图像采集与增强技术 | 语义分割模型 | 图像 | 4590张贝类疾病图像 | NA | Deeplabv3+, CBAM | 平均交并比（MioU）, 平均精度（average precision）, mFscore | NA |
| 613 | 2026-03-28 |
Computational Discovery of MERS-CoV Main Protease Inhibitors Through Screening and Molecular Dynamics Simulations
2026-Mar-26, Proteins
IF:3.2Q2
DOI:10.1002/prot.70132
PMID:41887806
|
研究论文 | 本研究通过计算机高通量筛选和分子动力学模拟，发现了两种对MERS-CoV主蛋白酶具有高结合亲和力的潜在抑制剂 | 结合分子对接、相似性搜索策略和多种计算自由能方法（包括深度学习K模型、MM/GBSA和FEP），对MERS-CoV Mpro进行系统性虚拟筛选，并验证了筛选结果与实验数据的一致性 | 研究为计算机模拟结果，需进一步的体外和体内实验验证其抗病毒活性 | 发现针对MERS-CoV主蛋白酶（Mpro）的有效抑制剂，以开发抗病毒药物 | 中东呼吸综合征冠状病毒（MERS-CoV）的主蛋白酶（Mpro） | 计算化学，药物发现 | 中东呼吸综合征（MERS） | 计算机高通量筛选，分子对接，分子动力学模拟，结合自由能计算（MM/GBSA， FEP），深度学习模型 | 深度学习模型（K模型） | 小分子化合物结构数据，蛋白质三维结构数据 | 来自DrugBank、CHEMBL和蛋白质数据库（PDB）的化合物库 | NA | K模型 | 结合自由能，平衡解离常数（Kd），半数抑制浓度（IC50） | NA |
| 614 | 2026-03-28 |
Incorporating valuable prior knowledge to improve deep learning prediction of genetic perturbation responses
2026-Mar-26, Genome research
IF:6.2Q1
DOI:10.1101/gr.281523.125
PMID:41887798
|
研究论文 | 本研究提出了一种名为PRIM的先验引导响应推断模型，通过利用对照细胞中基因表达的宝贵先验知识来预测遗传扰动后的细胞反应 | 首次将对照细胞的基因表达先验知识整合到深度学习模型中，以更准确地模拟细胞水平的扰动效应，并在预测组合扰动响应方面表现出显著优势 | 未明确说明模型在哪些特定细胞类型或扰动条件下的性能限制，也未讨论模型对未知扰动类型的泛化能力 | 提高深度学习模型预测遗传扰动响应的性能 | 细胞对遗传扰动的响应，特别是基因表达的变化 | 机器学习 | NA | 基因表达分析 | 深度学习模型 | 基因表达数据 | NA | NA | 先验引导响应推断模型（PRIM） | NA | NA |
| 615 | 2026-03-28 |
Leveraging weighted embedding and Transformer architecture to improve phenotype prediction of complex traits for crops
2026-Mar-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71035-5
PMID:41888146
|
研究论文 | 本文提出了一种名为GP-WAITER的深度学习框架，通过整合GWAS衍生的SNP权重到混合卷积神经网络和Transformer架构中，以改善作物复杂性状的表型预测 | 引入了加权嵌入机制和多头自注意力，有效捕捉超长基因组序列中的长程依赖关系，并在预测精度、均方误差减少和计算效率方面显著优于现有模型 | 未明确提及模型在更广泛作物种类或环境条件下的泛化能力限制 | 提高作物复杂性状的表型预测准确性，并增强模型的生物学可解释性 | 作物基因组变异与表型之间的关系 | 机器学习 | NA | GWAS | CNN, Transformer | 基因组序列数据 | NA | NA | 混合卷积神经网络和Transformer架构 | 预测精度, 均方误差, 计算效率 | NA |
| 616 | 2026-03-28 |
SODNet: a scale-oriented detection network for efficient UAV-based sewage outfall detection
2026-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45595-x
PMID:41888208
|
研究论文 | 本文提出了一种名为SODNet的高效深度学习检测方法，用于无人机图像中的河流排污口检测 | 提出了高效的上下文特征金字塔网络（ECFPN）来增强多尺度特征表示，并引入了具有多尺度分组融合（MSGF）模块的共享解耦头，同时采用通道剪枝策略压缩模型 | NA | 解决在计算资源有限平台上实现鲁棒的多尺度目标检测与轻量化模型部署之间的权衡问题 | 无人机图像中的河流排污口 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | SODNet, ECFPN | AP@50, 精度, FPS | 边缘设备 |
| 617 | 2026-03-28 |
Letter to the Editor: Deep learning-derived features on neonatal abdominal radiographs-implications and next steps for early NEC diagnosis
2026-Mar-26, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12463-1
PMID:41888253
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 618 | 2026-03-28 |
DermaScanAI an explainable hybrid deep learning framework for automated skin lesion classification using dual attention and metadata fusion
2026-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46011-0
PMID:41888268
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 619 | 2026-03-28 |
LogoXpertNet: a novel lightweight logo classification using deep learning
2026-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45682-z
PMID:41888352
|
研究论文 | 本文提出了一种名为LogoXpertNet的轻量级深度学习架构，专门用于高效的Logo分类 | LogoXpertNet的创新点包括：改进的MobileNetV3主干网络、新颖的跨层特征融合模块、新提出的分层挤压激励空间注意力块以及独特的特征感知卷积块注意力模块 | 报告的性能指标应结合数据集特性、划分构建和指标定义来解读，而非作为在所有现实世界Logo识别场景中普遍性能的证据 | 开发一种轻量级深度学习架构，用于高效的Logo分类 | Logo图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 评估了包括FlickrLogos-32、BelgaLogos和WebLogo-2M在内的基准数据集 | NA | MobileNetV3 | 准确率 | NA |
| 620 | 2026-03-28 |
MAGNet: enhancing action recognition with multimodal fusion and adaptive graph convolution
2026-Mar-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45601-2
PMID:41888423
|
研究论文 | 本文提出了一种基于多模态自适应图卷积网络（MAGNet）的人类动作识别模型，通过自适应图卷积和跨模态自注意力机制增强多模态数据融合 | 整合自适应图卷积和跨模态自注意力机制以增强多模态数据融合，动态调整各模态贡献以处理数据不完整问题，并引入VQ-VAE生成模型处理缺失数据并生成解剖学一致的姿态特征 | 未明确说明模型在极端噪声或完全缺失关键模态情况下的性能边界 | 提升复杂环境下人类动作识别的准确性和鲁棒性 | 人类动作视频数据 | 计算机视觉 | NA | 多模态数据融合 | 图卷积网络, 自注意力机制, VQ-VAE | 多模态数据（RGB视频、深度信息等） | NTU RGB+D和UTD-MHAD数据集 | 未明确说明 | MAGNet（多模态自适应图卷积网络） | 准确率 | NA |