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 48077 篇文献，本页显示第 7041 - 7060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7041 | 2026-05-16 |
SPARTAN: automated table detection and extraction from documents using advanced OpenCV heuristics and OCR techniques
2026-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44325-7
PMID:41882048
|
研究论文 | 介绍SPARTAN，一种基于OpenCV启发式和OCR技术的开源表格检测与提取流水线 | 无需模型训练或GPU，完全基于启发式规则，实现高保真表格检测与提取，兼顾透明性和效率 | 对比实验基于标准推理配置，未涉及高度优化的边缘设备部署场景 | 提供一种成本高效、可解释的PDF表格提取方案，弥合规则系统和深度学习之间的差距 | PDF文档中的表格，包括产品变更通知、科学论文、证书和数据表 | 文档理解, 计算机视觉 | NA | OCR | NA | 图像, 文本 | 超过20,000页PDF文档 | OpenCV, CLI | NA | 精确率, 召回率, F1分数, OCR字符准确率, 处理时间, 峰值内存占用 | CPU, 1.2 GB峰值RAM |
| 7042 | 2026-05-16 |
A vision transformer model for the detection of glaucoma from optic disc photographs
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44662-7
PMID:41876588
|
研究论文 | 利用基于Vision Transformer的深度学习模型，从眼底视盘照片自动检测青光眼 | 首次将Vision Transformer（ViT）架构应用于青光眼检测，使用RimNet预处理视盘分割，实现了高精度分类 | 未说明具体局限性，但依赖标注数据质量，且仅基于视盘外观分类，未结合其他临床指标 | 开发一种高效、低成本的青光眼筛查工具，用于从眼底照片中检测青光眼 | 来自三个数据库的视盘照片，包括正常和青光眼样本 | 计算机视觉, 数字病理学 | 青光眼 | 深度学习、视盘分割（RimNet） | Vision Transformer（ViT） | 图像（眼底视盘照片） | 总样本：训练集1432只青光眼，测试集956只晚期青光眼（平均偏差-11.71 dB）；各阶段样本数：训练/验证/测试分别为未知总数（AUC 1.00/0.98/1.00） | Python, R | Vision Transformer（ViT） | AUC, 准确率, 灵敏度, 特异度 | NA |
| 7043 | 2026-05-16 |
Enhanced content-based image retrieval via hybrid color, texture, and deep learning features
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38422-w
PMID:41876591
|
研究论文 | 提出一种融合颜色、纹理和深度学习特征的增强型基于内容的图像检索系统CTD-Net，在Corel-1K、10K和Caltech-101数据集上取得优异性能 | 首次将颜色直方图、颜色矩、局部二值模式、小波变换等手工特征与EfficientNet-B7深度学习特征进行融合，实现低层视觉与高层语义信息的有效互补 | 未说明，可推断为可能依赖于特定数据集，泛化能力需进一步验证 | 解决传统基于内容的图像检索系统因单独使用手工特征或深度学习模型而导致的视觉与语义信息捕捉不足问题 | 自然图像数据集中的彩色图像 | 计算机视觉 | 不适用 | 颜色直方图、颜色矩、局部二值模式、小波变换、卷积神经网络 | CNN (EfficientNet-B7) | 图像 | Corel-1K (1000张)、Corel-10K (10000张)、Caltech-101 (约9144张) 图片 | PyTorch | EfficientNet-B7 | 精确率 | 不适用 |
| 7044 | 2026-05-16 |
Real-time underwater object detection via frequency-domain dynamics and spatially enhanced feature modulation
2026-Mar-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44628-9
PMID:41876683
|
研究论文 | 提出一种基于频域动态与空间增强特征调制的轻量级水下实时目标检测框架 | 设计FasterFDBlock骨干网络，结合部分卷积与频域动态卷积，通过频带调制自适应抑制高频噪声并增强边缘细节；引入AIFI-SEFN编码器，融合全局语义与局部空间数据；采用多尺度特征调制模块动态加权深层语义与浅层细节特征 | 仅在UTDAC2020数据集上验证，未提及跨数据集泛化能力及实际水下环境中的鲁棒性测试 | 实现资源受限平台上高精度与低延迟兼顾的水下实时目标检测 | 水下图像中的目标物体 | 计算机视觉 | NA | NA | RT-DETR | 图像 | UTDAC2020数据集 | PyTorch | FasterFDBlock, AIFI-SEFN, MFM | 平均精度均值, 参数量, GFLOPs, 每秒帧数 | NA |
| 7045 | 2026-05-16 |
A deep learning approach for the diagnosis and recurrence prediction of OKC
2026-Mar-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44979-3
PMID:41872434
|
研究论文 | 提出基于多模态数据融合与可解释分析的牙源性角化囊肿智能诊断与复发预测系统 | 首次结合空间特征融合模块融合口腔病理切片与临床参数，并利用注意力机制实现复发风险的定量评估与模型可解释性 | 未提及外部验证及数据集大小，可能限制泛化能力 | 实现牙源性角化囊肿的准确诊断与复发风险量化预测 | 牙源性角化囊肿患者的口腔病理切片、临床参数、人口统计学特征及病史记录 | 机器学习, 数字病理学 | 牙源性角化囊肿 | NA | 注意力机制模型 | 图像, 表格数据 | 未明确说明样本数量及类型 | NA | 空间特征融合模块, 注意力机制模块 | 准确率 | NA |
| 7046 | 2026-05-16 |
A novel framework for expanding RNNs with biophysical detail to solve cognitive tasks
2026-Mar-17, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.13.711746
PMID:41889922
|
研究论文 | 提出一种名为BRC的框架，通过结合生物物理细节扩展RNN以解决认知任务 | 在循环神经网络中引入具有多腔室生物物理活性树突的兴奋性细胞，构建生物物理细节储备计算框架，并利用其提取机制见解来指导特定认知任务的模型选择 | 主要针对简化的工作记忆任务进行验证，未涉及更复杂的认知任务或大规模应用 | 开发能提取生物物理神经模型机制见解的框架，并用于指导解决特定类别认知任务的模型选择 | 具有生物物理细节的循环神经网络，特别是包含多腔室树突和活性离子电流的兴奋性细胞 | 机器学习 | NA | NA | 循环神经网络（RNN），储备计算（Reservoir Computing） | NA | NA | NA | 多腔室生物物理活性树突模型，AMPA和NMDA受体模型 | 任务解决能力（基于工作记忆任务的表现） | NA |
| 7047 | 2026-03-18 |
Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen-Response
2026-Mar-16, Clinical & experimental ophthalmology
DOI:10.1111/ceo.70108
PMID:41839708
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7048 | 2026-03-16 |
Explainable deep learning for early diagnosis of chronic kidney disease from CT images in Bangladeshi patients
2026-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42654-1
PMID:41832284
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7049 | 2026-05-16 |
A manta ray-bayesian optimization approach for hyperparameter-tuned convolutional neural networks in lung cancer classification
2026-Mar-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42506-y
PMID:41794961
|
研究论文 | 本文提出一种结合贝叶斯优化与蝠鲼觅食优化的混合超参数优化方法，用于卷积神经网络在肺癌图像分类中的性能提升 | 创新性地将概率建模（贝叶斯优化）与生物启发式优化（蝠鲼觅食优化）相结合，分两阶段高效调优CNN超参数，克服了传统网格搜索或随机搜索在高维空间的计算低效问题 | 文中未明确提及局限性，可能包括优化方法的计算复杂度、对特定数据集依赖性或泛化能力验证不足 | 提高肺癌图像分类中深度学习模型的性能与效率 | 肺癌图像分类任务中的卷积神经网络 | 计算机视觉, 数字病理学 | 肺癌 | NA | CNN | 图像 | 未明确说明 | NA | CNN | 准确率 | NA |
| 7050 | 2026-05-16 |
Grounding olfactory perception in language: Benchmarks and models for generating natural language odor descriptions
2026-Mar-05, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.04.709650
PMID:41867788
|
研究论文 | 介绍ODIEU基准和CIRANO模型，用于生成和评估自然语言气味描述 | 首次提出从分子结构直接生成自由文本气味描述的转换器模型CIRANO，以及结合模型度量的气味描述基准ODIEU | 大规模嗅觉数据集稀缺且缺乏标准化评估度量 | 建立生成自然语言气味描述并评估其与人类感知一致性的标准化框架 | 超过10,000种分子的气味感知描述 | 自然语言处理 | NA | Sentence-BERT (SBERT) 精调, 转换器模型 | Transformer | 分子结构, 文本描述, 神经数据 | 超过10,000种分子 | PyTorch | CIRANO (Transformer), SBERT | 模型度量精度, 与人类描述的吻合度 | NA |
| 7051 | 2026-05-16 |
Deep learning ensemble models for CT-based differentiation of malignant and benign sacral bone tumors: development and evaluation
2026-Mar-03, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02220-9
PMID:41774326
|
研究论文 | 开发并评估一种集成深度学习模型，用于基于非对比CT图像的骶骨肿瘤良恶性鉴别 | 首次将3D-DenseNet121与放射科医师解读相结合的集成深度学习模型，用于骶骨肿瘤的术前区分，显著提升了各经验水平放射科医师的诊断性能，尤其是初级医师 | NA | 开发能术前区分良恶性骶骨肿瘤的集成深度学习模型，提升放射科医师诊断效率 | 骶骨肿瘤的良恶性鉴别 | 计算机视觉 | 骶骨肿瘤 | 非对比CT成像 | 深度学习集成模型 | CT图像 | 569例骶骨病变患者的术前非对比CT扫描数据，来自三个中心 | NA | 3D-DenseNet121 | 精确率、召回率、准确率、AUC、F1分数、混淆矩阵 | NA |
| 7052 | 2026-05-16 |
Interictal Epileptiform Discharge Detection Using Dual-Domain Features and GAN
2026-Mar, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605257
PMID:40911454
|
研究论文 | 提出一种基于双域特征和生成对抗网络的痫样放电自动检测方法 | 融合卷积层和Transformer捕捉局部和长期依赖，利用三维张量嵌入通道拓扑提取空间特征，并开发基于Transformer的GAN进行数据增强 | 数据稀缺性仍需依赖生成数据，且多标签分类的敏感性和精度尚有提升空间 | 实现自动化、高精度的痫样放电检测 | 脑电图（EEG）中的痫样放电信号 | 机器学习 | 癫痫 | 脑电图（EEG）信号采集 | CNN, Transformer, LSTM, GAN | 时序信号（EEG数据） | 两个数据集：增广后的数据集1和数据集2（具体样本数未明确） | PyTorch | 卷积层、Transformer、LSTM、基于Transformer的GAN | 准确率、敏感性、精确度 | NA |
| 7053 | 2025-11-08 |
Correction to "Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning"
2026-Mar, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70172
PMID:41198582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7054 | 2026-04-04 |
A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515929
PMID:41536212
|
研究论文 | 本研究提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore | 首次利用变分自编码器（VAE）构建潜在空间，通过计算患者与健康对照在潜在空间中的距离来量化免疫防御功能，建立了跨疾病免疫防御评估的定量标准 | 研究样本主要集中于特定免疫状态和感染性疾病，可能未涵盖所有免疫相关疾病或人群，且模型在更广泛临床环境中的泛化能力需进一步验证 | 开发一种定量评估个体抗感染免疫防御功能的方法，并应用于临床预后和疾病严重程度评估 | 免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者 | 机器学习 | 感染性疾病 | RNA-seq | VAE | RNA-seq数据 | 3202个样本 | NA | 变分自编码器（VAE） | 分类准确率 | NA |
| 7055 | 2026-05-16 |
Generating Dynamic Structures Through Physics-Based Sampling of Predicted Inter-Residue Geometries
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518469
PMID:41566646
|
研究论文 | 提出trRosettaX2-Dynamics方法，通过基于物理的迭代采样预测的残基间几何分布，生成蛋白质动态结构 | 将深度学习预测与基于物理的迭代采样相结合，无需先验知识即可生成蛋白质替代构象和动态结构 | 未明确说明 | 解决蛋白质替代构象和动态结构预测的未解难题 | 蛋白质动态结构 | 机器学习 | NA | NA | Transformer | 蛋白质结构数据 | 约7000个动态NMR结构用于微调 | NA | Transformer | NA | NA |
| 7056 | 2026-05-16 |
Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515766
PMID:41701522
|
研究论文 | 提出深度学习原子间势能模型Elemental-SDNNFF，结合主动学习框架，高效预测双钙钛矿的声子特性并筛选出具有超低晶格热导率的材料 | 首次使用深度学习原子间势能结合玻尔兹曼输运方程对9709种立方双钙钛矿进行高通量声子特性预测，发现CsHgPtCl6具有室温下各向同性块体材料最低的晶格热导率（0.071 W/mK） | 未提及模型的泛化能力及在其他材料体系中的适用性，且四声子散射计算可能增加计算成本 | 开发高效机器学习框架，快速筛选动态稳定双钙钛矿并准确预测其晶格热导率，寻找热电和隔热应用候选材料 | 9709种立方双钙钛矿结构 | 机器学习 | NA | 密度泛函理论计算, 深度学习原子间势能, 玻尔兹曼输运方程, 分子动力学模拟 | 深度学习原子间势能模型（Elemental-SDNNFF） | 计算物理量（力、声子特性、晶格热导率） | 9709种双钙钛矿结构（1597种动态稳定候选材料） | NA | 元素特异性深度神经网络（Elemental-SDNNFF） | 晶格热导率 | NA |
| 7057 | 2026-05-16 |
Pathomics Signature for Prognosis and CA19-9 Interception in Pancreatic Ductal Adenocarcinoma: A Real-Life, Multi-Center Study
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515952
PMID:41556438
|
研究论文 | 利用深度学习分析H&E全切片图像，构建胰腺导管腺癌预后模型并验证其临床价值 | 首次大规模多中心验证CrossFormer架构在PDAC预后中的优越性，揭示CA19-9仅对低风险患者有预后价值 | 未提及具体局限性 | 开发并验证基于深度学习的自动化预后模型，实现个性化治疗策略 | 胰腺导管腺癌患者的H&E染色全切片图像和临床数据 | 数字病理学 | 胰腺导管腺癌 | H&E染色全切片成像 | 深度学习模型（CrossFormer、ResNet、DenseNet） | 图像（全切片图像） | 873名接受手术切除的PDAC患者，来自三个学术中心 | NA | CrossFormer, ResNet-18, ResNet-50, DenseNet-121 | AUC（曲线下面积） | NA |
| 7058 | 2026-05-16 |
Foundation Model-Enabled Multimodal Deep Learning for Prognostic Prediction in Colorectal Cancer with Incomplete Modalities: A Multi-Institutional Retrospective Study
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202510931
PMID:41556415
|
研究论文 | 提出一种名为FLARE的多模态深度学习框架，整合病理图像、放射影像和临床文本报告，用于结直肠癌生存和进展的精准预后预测 | 利用基础模型实现高效特征提取，采用基于注意力的多分支框架增强模态间的协同性和独特性，并引入多样性促进损失函数；通过模态和缺失感知提示、伪嵌入及模态级增强策略有效处理缺失数据问题 | 作为回顾性研究，可能受限于数据集的选择偏差；未来需进一步在前瞻性临床环境中验证其有效性 | 提供精准的结直肠癌预后预测工具，优化个性化治疗策略并改善患者预后 | 来自四个独立临床中心的1679名结直肠癌患者的病理图像、放射影像和临床文本报告 | 机器学习, 数字病理学 | 结直肠癌 | NA | 深度学习 | 图像, 文本 | 1679例结直肠癌患者 | PyTorch | 基于注意力的多分支框架 | 一致性指数(C-index), Kaplan-Meier分析 | NA |
| 7059 | 2026-05-16 |
Hybrid deep learning with protein language models and dual-path architecture for predicting IDP functions
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag126
PMID:41921197
|
研究论文 | 提出混合深度学习模型IDPFunNet，结合蛋白质语言模型和双路径架构，用于预测内在无序蛋白质功能 | 首次将卷积神经网络、双向LSTM、残差MLP与蛋白质语言模型ProtT5融合，采用双路径架构解耦结合预测与DFL识别，在多任务学习和跨数据集泛化上取得显著提升 | 自注意力机制在核酸结合预测中潜力待验证，且当前模型对某些功能子类的区分能力仍依赖特定架构 | 开发一种可解释且泛化的框架，用于全面映射内在无序蛋白质的功能类别 | 内在无序区域（IDRs）的六种功能类别：五种结合亚型和无序柔性连接区（DFLs） | 机器学习 | NA | 蛋白质语言模型（ProtT5） | 混合深度学习模型（CNN、双向LSTM、残差MLP） | 蛋白质序列 | 六个独立基准数据集，包括CAID2/3盲测集，具体样本量未明确说明 | PyTorch | CNN、双向LSTM、残差MLP、ProtT5、自注意力机制 | AUC、平均精度（APS）、p值 | 未明确提及，但提供网络服务器和独立软件包 |
| 7060 | 2026-05-16 |
Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36732-7
PMID:41680218
|
研究论文 | 提出使用循环神经网络长短期记忆模型从桩完整性测试原始数据中检测桩端，以提高测试可靠性和效率 | 首次将RNN-LSTM模型应用于桩完整性测试的自动速度反射图生成，减少对人工经验的依赖并消除主观误差 | 模型仅基于埃及多个打入桩项目的数据训练，可能缺乏对其他地区或不同类型桩的泛化能力 | 开发一种人工智能系统，从加速度输入中学习波传播行为并正确捕捉桩端位置，替代传统人工解释方法 | 桩完整性测试中的桩端位置检测与反射图生成 | 机器学习 | NA | 低应变完整性测试 | 循环神经网络长短期记忆 | 加速度时程信号 | 埃及多个打入桩项目收集的数据 | NA | 六层32神经元LSTM | 决定系数R，训练R为0.9126、验证R为0.8778，桩端预测准确度达84%至89.5% | NA |