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 42805 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-03-28 |
A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes
2026-Apr-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115221
PMID:41890961
|
研究论文 | 本文提出了一种基于模拟的深度学习框架，用于空间显式疟疾建模，以研究CRISPR抑制基因驱动蚊子的效果 | 结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示疟疾消除参数空间大于蚊子消除参数空间的新见解 | 未明确说明模型在真实世界数据上的验证情况，计算需求可能仍较高 | 预测CRISPR基因驱动释放对疟疾传播的影响，优化参数以实现蚊子和疟疾的抑制 | CRISPR基因驱动蚊子、疟疾传播过程 | 机器学习 | 疟疾 | CRISPR基因驱动技术、个体建模 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 622 | 2025-11-22 |
NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning
2026-Apr, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.70470
PMID:41264380
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 623 | 2026-03-28 |
Deep learning in fetal, infant, and toddler neuroimaging research
2026-Apr, Developmental cognitive neuroscience
IF:4.6Q1
DOI:10.1016/j.dcn.2026.101680
PMID:41604954
|
综述 | 本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知过程建模和自动化视频标记 | 针对胎儿、婴儿和幼儿神经影像数据稀缺和变异性大的挑战，系统介绍了深度学习作为适应性框架的应用，并面向非AI专业的研究人员提供了可访问的概述 | 综述内容非详尽，且该领域面临数据标注有限、成像协议多变和临床风险高等普遍挑战 | 探讨深度学习在胎儿、婴儿和幼儿神经影像研究中的潜力和应用，以促进该领域的发展 | 胎儿、婴儿和幼儿的神经影像数据 | 医学影像分析 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 624 | 2026-03-28 |
Particulate matter emission area identification based on phenomenological atmospheric dispersion and deep learn algorithms
2026-Apr, Environmental technology
IF:2.2Q3
DOI:10.1080/09593330.2025.2573837
PMID:41097995
|
研究论文 | 本研究开发了一个结合计算流体动力学和人工神经网络的集成框架，用于在平坦地形中精确定位颗粒物排放源 | 提出了一种结合CFD模拟和深度学习算法的新框架，用于实时识别PM排放源，在工业区和港口环境中实现了重大突破 | 研究仅针对平坦地形，未考虑复杂地形条件；模拟数据集规模相对有限（243次运行） | 开发实时颗粒物排放源定位方法，以支持环境监管、工业责任追究和公共健康保护 | 工业区和港口区域的多重颗粒物排放源 | 机器学习 | NA | 计算流体动力学模拟，人工神经网络 | LSTM, CNN | 模拟数据 | 243次CFD模拟运行，包含不同风速、风向、排放高度和排放间隔的组合 | NA | 长短期记忆网络，一维卷积神经网络 | F1分数 | NA |
| 625 | 2026-03-28 |
Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images
2026-Apr, Surgery today
IF:1.7Q2
DOI:10.1007/s00595-025-03152-5
PMID:41109897
|
研究论文 | 本研究评估了基于多模态影像的深度学习模型在食管癌淋巴结转移诊断中的性能，并与专家评估进行比较 | 开发了结合非增强CT、增强CT和PET影像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当 | 研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力 | 评估深度学习模型在食管癌淋巴结转移诊断中的性能，探索其临床应用的潜力 | 食管癌患者的淋巴结影像数据 | 数字病理学 | 食管癌 | 非增强CT、增强CT、PET成像 | 深度学习模型 | 影像数据 | 521个淋巴结来自167名食管癌患者 | NA | NA | AUC | NA |
| 626 | 2026-03-28 |
Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70406
PMID:41881558
|
研究论文 | 本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响 | 首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能 | 研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力 | 开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影 | 肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据 | 医学影像分析 | 肺疾病 | 4DCT成像，SPECT通气成像 | 深度学习模型 | CT图像 | 44例配对吸气CT和SPECT扫描病例 | PyTorch | SwinUNETR, U-Net | Spearman相关系数 | NA |
| 627 | 2026-03-28 |
A systematic evaluation of grayscale conversion methods for mitigating color variation in deep learning-based histopathological image analysis
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100647
PMID:41889534
|
研究论文 | 本研究系统评估了六种灰度转换算法及一种新型注意力机制方法在减轻组织病理学图像颜色变异对深度学习模型性能影响方面的效果 | 提出了一种基于Transformer注意力机制的新型灰度转换方法（ACSRM），通过长距离像素依赖关系保留关键颜色信息，并在多中心、跨扫描仪场景下验证了灰度转换对深度学习泛化能力的提升作用 | 研究主要针对H&E染色切片，未涵盖其他染色类型的组织病理学图像；评估场景虽包含多中心数据，但可能未覆盖所有临床实践中出现的颜色变异类型 | 评估灰度转换方法作为标准化输入策略，在减轻组织病理学图像颜色变异影响、提升深度学习模型泛化能力方面的有效性 | 组织病理学图像（H&E染色切片） | 数字病理学 | NA | 深度学习，图像灰度转换 | 深度学习模型 | 图像 | 涉及多中心数据集，具体样本数量未在摘要中明确说明 | NA | Swin-Transformer-base (Swin-B) | F1分数，交并比（IoU），Wilcoxon符号秩检验，McNemar检验 | NA |
| 628 | 2026-03-28 |
Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides
2026-Mar-27, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04165
PMID:41698001
|
研究论文 | 本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析 | 提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类 | 未明确提及 | 开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征 | 微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物 | 计算机视觉 | NA | 可见-近红外微高光谱成像 | CNN | 高光谱图像 | 包含8种化学物种的挑战性数据集 | NA | 定制的多注意力3D卷积神经网络（带残差连接） | 准确率 | NA |
| 629 | 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 |
| 630 | 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 |
| 631 | 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 |
| 632 | 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 |
| 633 | 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 |
| 634 | 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 |
| 635 | 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 |
| 636 | 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 |
| 637 | 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 |
| 638 | 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 |
| 639 | 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 |
| 640 | 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 |