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 46252 篇文献，本页显示第 6641 - 6660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6641 | 2026-03-29 |
Applications of Artificial Intelligence to Electronic Health Record Data in Ophthalmology
2020-02-27, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.9.2.13
PMID:32704419
|
综述 | 本文综述了人工智能技术在眼科电子健康记录数据中的应用，包括疾病诊断、风险评估和进展预测 | 聚焦于眼科领域，系统回顾了AI技术（如监督机器学习、深度学习和自然语言处理）在EHR数据中的具体应用，填补了该领域研究的空白 | NA | 概述人工智能方法在眼科电子健康记录数据中的应用，以促进患者护理和临床决策 | 眼科电子健康记录数据，特别是青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和白内障相关数据 | 自然语言处理, 机器学习 | 青光眼, 糖尿病视网膜病变, 年龄相关性黄斑变性, 白内障 | NA | 监督机器学习, 深度学习, 自然语言处理 | 电子健康记录数据 | NA | NA | NA | NA | NA |
| 6642 | 2026-03-29 |
Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis
2020, Bladder (San Francisco, Calif.)
DOI:10.14440/bladder.2020.815
PMID:32775485
|
研究论文 | 本研究开发了一种基于机器学习的诊断模型，用于利用尿液代谢组学数据诊断间质性膀胱炎 | 首次将机器学习算法（SVM和逻辑回归）应用于间质性膀胱炎的尿液代谢组学诊断，并展示了在样本量较小的情况下仍能取得高区分能力 | 样本量相对较小（43名患者和16名健康对照），无法应用复杂的深度学习模型 | 开发一种基于机器学习的诊断方法，用于间质性膀胱炎的客观诊断 | 间质性膀胱炎患者和健康对照的尿液代谢组学数据 | 机器学习 | 间质性膀胱炎 | 代谢组学 | SVM, LR | 代谢组学数据 | 43名间质性膀胱炎患者和16名健康对照 | NA | NA | 准确率, 精确率, 召回率, AUC | NA |
| 6643 | 2026-03-29 |
Data-efficient deep learning of radiological image data for outcome prediction after endovascular treatment of patients with acute ischemic stroke
2019-12, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2019.103516
PMID:31707199
|
研究论文 | 本研究利用深度学习技术，基于CT血管造影图像直接预测急性缺血性卒中患者血管内治疗后的良好再灌注和功能结局，无需图像标注 | 首次将深度学习直接应用于卒中结局预测，而非复制传统影像生物标志物，并引入了结构化感受野和自编码器进行网络权重初始化 | 研究基于单一注册数据集（MR CLEAN Registry），样本量有限（1301名患者），且未在外部数据集上进行验证 | 开发数据高效的深度学习模型，以改善急性缺血性卒中患者血管内治疗后的结局预测和治疗选择 | 急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | CT血管造影 | CNN | 图像 | 1301名患者 | NA | ResNet, RFNN, AE | AUC | NA |
| 6644 | 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 |
| 6645 | 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 |
| 6646 | 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 |
| 6647 | 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 |
| 6648 | 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 |
| 6649 | 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 |
| 6650 | 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 |
| 6651 | 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 |
| 6652 | 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 |
| 6653 | 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 |
| 6654 | 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 |
| 6655 | 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 |
| 6656 | 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 |
| 6657 | 2026-03-28 |
GHMS-CycleGAN: Graph-Based Hierarchical Multi-stain CycleGAN for Stain Normalization and Classification in Digital Pathology
2026-Mar-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01854-x
PMID:41888441
|
研究论文 | 本文提出了一种基于图的层次多染色CycleGAN方法，用于数字病理学中的染色归一化和分类任务 | 提出了新颖的层次多染色CycleGAN（HMS-CycleGAN）和图基HMS-CycleGAN（GHMS-CycleGAN）框架，通过利用数字病理图像中的层次和网络结构来学习图像归一化映射 | NA | 解决数字病理学中因扫描仪导致的染色变异和失真问题，以提升深度学习辅助诊断系统的性能 | 组织病理学图像、红细胞（RBC）图像和白细胞（WBC）图像 | 数字病理学 | NA | 数字病理扫描 | CycleGAN | 图像 | 来自不同扫描仪和机构的组织病理学、RBC和WBC图像数据集 | NA | CycleGAN | 准确率, F1分数 | NA |
| 6658 | 2026-03-28 |
Multicomponent Simultaneous Identification Network (MSINet): An Advanced Deep Learning Model for Boosting Multiplex SERS Detection in Untreated Real Samples
2026-Mar-26, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c06647
PMID:41889153
|
研究论文 | 本文提出了一种名为MSINet的深度学习模型，用于分析未处理样品的SERS光谱，以同时识别和定量多种目标成分 | 设计了MSINet模型，通过分层特征提取和多特征整合，增强了模型对信号波动和光谱重叠的鲁棒性，并利用阈值判断规则实现了小样本训练下的目标定量 | 未明确讨论模型在极端复杂基质或极低浓度目标下的性能限制 | 提升未处理真实样品中多目标SERS检测的准确性和鲁棒性 | 海水中的紫外线吸收剂、即饮鸡尾酒中的食品添加剂、人血清中的生物标志物 | 机器学习 | NA | 表面增强拉曼光谱 | 深度学习模型 | 光谱数据 | NA | NA | MSINet | 准确度 | NA |
| 6659 | 2026-03-28 |
A generalizable deep learning system for cardiac MRI
2026-Mar-25, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-026-01637-3
PMID:41882174
|
研究论文 | 本文提出了一种基于自监督对比学习的深度学习系统，用于心脏MRI的全面评估，能够表征人类心血管疾病与健康的广泛范围 | 通过从原始放射学报告中学习视觉概念，利用自监督对比学习训练模型，实现了对39种不同心血管疾病的高精度诊断，且仅需少量训练数据 | 研究数据主要来自美国四家大型学术临床机构，可能限制了模型在其他地区或人群中的泛化能力 | 开发一个可泛化的深度学习系统，用于心脏MRI的结构、功能和组织特征评估 | 心脏MRI扫描图像及伴随的放射学报告文本 | 计算机视觉 | 心血管疾病 | 心脏MRI | 深度学习模型 | 图像, 文本 | 来自美国四家大型学术临床机构、UK BioBank及两个公开外部数据集的数据 | NA | NA | 诊断准确性 | NA |
| 6660 | 2026-03-28 |
MuCB-tabpfn: A multimodal feature fusion framework for predicting human blood concentrations of organic pollutants
2026-Mar-25, Ecotoxicology and environmental safety
IF:6.2Q1
DOI:10.1016/j.ecoenv.2026.120055
PMID:41886874
|
研究论文 | 本文提出了一种名为MuCB-tabpfn的多模态深度学习框架，用于预测人体血液中有机污染物的浓度 | 开发了一个新颖的多模态深度学习框架，通过整合ADME参数、PaDEL分子描述符和基于图迁移学习获得的Himol特征，实现了对化学性质的全面表征，显著提升了血液浓度预测的准确性 | 模型训练所使用的数据集规模相对较小（216种化合物），可能限制了其在更广泛化学空间中的泛化能力 | 开发一个高精度、稳健且可解释的计算模型，以预测人体血液中有机污染物的浓度，支持化学品安全评估和健康风险研究 | 环境有机污染物，特别是来自NHANES、Biomonitoring California和ExposureExplorer数据库的216种化合物 | 机器学习 | NA | 深度学习，图迁移学习，多模态特征融合 | 深度学习框架 | 多模态数据（ADME参数，分子描述符，分子图特征） | 216种环境化合物 | NA | MuCB-tabpfn（自定义多模态融合架构） | R, RMSE | NA |