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 49908 篇文献，本页显示第 7521 - 7540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7521 | 2026-06-25 |
Bioelectrochemical mitigation of soil antibiotic resistance: Disruption of bacteriophage transmission and resistant hosts
2026-Aug, Journal of environmental sciences (China)
DOI:10.1016/j.jes.2025.11.008
PMID:42336534
|
研究论文 | 本研究利用微生物燃料电池结合深度学习模型分析四环素污染土壤中抗生素抗性基因的变化规律 | 首次结合深度学习模型DeepARG-LS与宏基因组测序揭示微生物燃料电池通过增强吲哚生物合成、减少移动遗传元件和噬菌体介导的基因传递来抑制抗生素抗性基因扩散的机制 | 未明确说明实验规模或是否在田间条件验证 | 阐明微生物燃料电池降低土壤抗生素抗性基因丰度的机制 | 四环素污染土壤中的抗生素抗性基因及其宿主微生物 | 机器学习 | NA | 宏基因组测序 | 深度学习 | 序列数据 | 土壤样本（具体数量未在摘要中提供） | NA | DeepARG-LS | NA | NA |
| 7522 | 2026-06-25 |
Reconstruction of molecular vibrational spectra from light-molecular vibration coupling spectra using deep learning
2026-Jul, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry
IF:1.8Q3
DOI:10.1007/s44211-026-00933-x
PMID:42274919
|
研究论文 | 利用深度学习从光-分子振动耦合谱中重建分子振动光谱 | 提出了一种基于深度特征学习的分析系统，能够直接从复杂的光-分子振动耦合谱中提取分子特定的吸收信息，克服了传统光谱学分析中的复杂现象干扰 | 对于单峰分子振动模型，使用DenseNet-169卷积神经网络模型的效果不理想 | 开发一种能从复杂光谱中直接识别分子的新型分析技术，作为下一代分子传感的基础技术 | FDTD模拟生成的光-分子振动耦合谱 | 机器学习 | NA | FDTD模拟 | CNN | 光谱数据 | 单峰模型1496个光谱，双峰模型80267个光谱 | NA | DenseNet-169 | 决定系数 | NA |
| 7523 | 2026-06-25 |
Personalized eye protection for head CT organ-based tube current modulation: A deep learning approach to derive 3D eyeball models from a single-view topogram
2026-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70665
PMID:42338069
|
研究论文 | 开发了一种基于深度学习的解决方案，通过单视图定位图像生成精确的3D眼球模型，实现头CT中个性化的眼部防护 | 提出了结合先进数据模拟流程（包括基于运动感知模型和CycleGAN风格化的数字重建X光片生成）和专门生成网络（EyeGen-Net）的两阶段方法，实现了快速、自动化的患者特异性眼球建模 | NA | 开发和验证一种深度学习方案，能从单视图定位图像自动生成精确的3D眼球模型，用于头CT中个性化的眼部防护 | 病人眼球模型 | 计算机视觉 | NA | CT | 生成网络（EyeGen-Net） | CT定位图像 | 400个合成样本和100个真实临床样本 | PyTorch | EyeGen-Net | Dice相似系数、豪斯多夫距离、平均表面距离 | NA |
| 7524 | 2026-06-25 |
Multimodal Deep Learning for Predicting Postoperative Vault and Selecting ICL Sizes Using AS-OCT and UBM Images
2026-Jun-24, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001987
PMID:42333582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7525 | 2026-06-25 |
BiOLO-Wave: a bio-inspired chromatic-deformable attention network for camouflaged fish detection in turbid underwater environments
2026-Jun-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-59151-0
PMID:42336991
|
研究论文 | 提出一种名为BiOLO-Wave的生物启发式变色可变形注意力网络，用于浑浊水下环境中伪装鱼类的检测 | 集成色度-小波注意力模块、动态门控自适应注意力块和定向可变形卷积结构，在YOLOv11基础上实现水下劣化视觉条件下的高鲁棒鱼体检测与分类 | 未提及 | 解决浑浊水下环境中鱼类伪装、图像质量退化及目标与背景相似等挑战，实现实时精准鱼体检测 | 水下环境中的鱼类 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 图像 | 未提及 | PyTorch | YOLOv11、色度-小波注意力模块、动态门控自适应注意力块、定向可变形卷积结构 | 准确率、mAP@0.5、推理延迟 | 未提及 |
| 7526 | 2026-06-25 |
Unveiling fine-scale distribution of endemic shrub Prunus ledebouriana through integrating multi-source remote sensing with deep learning
2026-Jun-24, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15597-3
PMID:42337211
|
研究论文 | 通过整合多源遥感与深度学习，揭示哈萨克斯坦塔尔巴加泰国家公园内特有灌木Prunus ledebouriana的精细空间分布 | 采用混合实地验证策略，结合超高分辨率无人机影像与现场数字化，生成空间精确的参考数据，并基于18个预测变量开发一维卷积神经网络模型，实现植物物种分布的高精度制图 | 研究区域局限于哈萨克斯坦塔尔巴加泰国家公园，结论的普适性需进一步验证 | 揭示特有灌木Prunus ledebouriana的精细空间分布，支持山地干旱区的生物多样性监测与保护规划 | Prunus ledebouriana灌木物种及其空间分布 | 机器学习 | NA | 遥感（Pléiades Neo影像、无人机影像）、深度学习 | 一维卷积神经网络（1D CNN） | 图像数据、地形数据、气候数据 | 约7.5%的研究区域覆盖面积，具体样本点数未提及 | NA | 一维卷积神经网络（1D CNN） | 整体准确率（约80%）、特征重要性分析 | NA |
| 7527 | 2026-06-25 |
SinTransNet: an EEG-based deep learning framework for infantile epileptic spasms syndrome detection
2026-Jun-24, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03621-y
PMID:42337525
|
研究论文 | 提出SinTransNet，一种结合多频带信号分解、自适应正弦卷积和Transformer注意力机制的深度学习框架，用于婴儿癫痫性痉挛综合征的脑电图检测 | 首次将多频带分解、正弦卷积和Transformer注意力结合用于IESS检测，实现频带自适应特征提取和跨频带相关性捕获 | 基于单中心专有数据集，样本量有限（129份脑电图记录），可能影响模型的泛化能力 | 开发自动化、高效的IESS脑电图检测工具，以支持早期干预并改善临床工作流程 | 婴儿癫痫性痉挛综合征患者 | 机器学习 | 婴儿癫痫性痉挛综合征 | NA | 深度学习框架 | 脑电图 | 129份脑电图记录，包含1941个癫痫痉挛事件 | PyTorch | SinTransNet | 准确率、灵敏度、特异度 | NA |
| 7528 | 2026-06-25 |
Advancing cardiac health assessment using deep convolutional neural networks for ECG image analysis
2026-Jun-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2026.2691923
PMID:42339746
|
研究论文 | 利用深度卷积神经网络分析心电图图像以实现心脏健康评估 | 提出混合麻雀-鸡群优化深度卷积神经网络，结合自适应维纳滤波预处理和改进模糊C均值分割 | NA | 开发一种从心电图图像早期预测心脏疾病的新技术 | 心电图图像中的心脏疾病检测 | 计算机视觉 | 心血管疾病 | 心电图图像分析 | 深度卷积神经网络 | 图像 | NA | Python | 深度卷积神经网络 | 精确率 | NA |
| 7529 | 2026-06-25 |
Impact on Cost and Expert Time of Data-Efficient Deep Learning for Medical Image Segmentation
2026-Jun-24, Radiology. Artificial intelligence
DOI:10.1148/ryai.250200
PMID:42340187
|
研究论文 | 开发并系统评估了一种名为“专家引导注释循环”的迭代训练方法，用于数据高效的医学图像分割参考标准生成 | 提出结合随机或主动学习样本选择的迭代训练框架，实现专家注释时间节省90.3%，并完成无代码临床部署 | 局限性未在摘要中明确说明 | 开发一种数据高效的深度学习方法，减少医学图像分割中专家注释的时间和成本 | 十组数据集共1948次CT或MRI检查，涵盖常染色体显性多囊肾病、前列腺癌、葡萄膜黑色素瘤、甲状腺眼病和非小细胞肺癌患者 | 计算机视觉 | 多囊肾病、前列腺癌、葡萄膜黑色素瘤、甲状腺眼病、非小细胞肺癌 | CT、MRI | nnU-Net | 图像 | 1948次CT或MRI检查（来自10个数据集） | NA | nnU-Net | Dice系数 | NA |
| 7530 | 2026-06-25 |
Impact of Exposure Parameters on Deep Learning Models in Chest Radiography and Implications for Deployment
2026-Jun-24, Radiology. Artificial intelligence
DOI:10.1148/ryai.250731
PMID:42340188
|
research paper | 探究放射学参数作为捷径特征对深度学习模型的影响，并量化在受控混杂和自然暴露条件下的偏差 | 首次系统量化放射学曝光参数作为捷径特征对胸部X光片深度学习模型的偏见影响，并提出部署前的暴露方案审计方法 | 仅限于回顾性研究，使用MIMIC-CXR、MIDRC和EmoryCXR三个数据库，可能无法代表所有临床场景 | 研究曝光参数是否被深度学习模型用作捷径特征，并评估由此产生的性能偏差 | 胸部X光片（CXR）的气胸检测、COVID-19诊断及种族分类任务 | computer vision | 气胸, COVID-19 | DICOM元数据提取 | 深度学习模型 | 图像 | 727604张胸部X光片，来自240681名患者（平均年龄60岁，男性126432人，女性114128人） | NA | NA | AUC | NA |
| 7531 | 2026-06-25 |
Cardiac substructure dosimetry in thoracic radiotherapy: moving beyond mean heart dose and toward precision cardiac risk mitigation
2026-Jun-24, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-026-02561-w
PMID:42340453
|
综述 | 综述胸部放疗中心脏亚结构剂量学研究从平均心脏剂量向精准风险评估的转变 | 提出从平均心脏剂量向心脏亚结构剂量-体积分析转变的新范式，并整合人工智能自动分割、现代遮蔽技术、生物标志物监测和药物心脏保护等多维度策略 | 前瞻性验证数据缺乏，质子治疗的随机心脏结局数据尚待公布，他汀类药物心脏保护作用尚待前瞻性验证 | 综述心脏亚结构剂量学研究在胸部放疗中的最新进展，为精准心脏风险缓解提供指导 | 心脏亚结构（左前降支动脉、心脏基底部、左心室、心脏传导系统）的剂量-反应关系、人工智能自动分割、心脏保护技术、生物标志物和正常组织并发症概率模型 | 机器学习 | 心血管疾病 | NA | 深度学习 | 文本 | NA | NA | NA | 平均心脏剂量，左前降支动脉剂量，心脏基底部剂量，左心室剂量，心脏传导系统剂量 | NA |
| 7532 | 2026-06-25 |
Domain-specific adaptation for MR image synthesis with text-guided diffusion
2026-Jun-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae7797
PMID:42235582
|
研究论文 | 提出一种基于文本引导扩散的领域自适应方法，用于MR图像合成，以解决医学成像数据稀缺问题 | 提出了领域特定、基于分区的并行文本引导潜在扩散模型，通过Voronoi灰度自适应细分区域，独立合成图像分区并合并去噪，实现了病理纹理特征的局部保留和高质量合成 | 未在明显位置提及，推测可能依赖分割掩码的准确性，且合成图像与真实图像在极其细微纹理上可能仍存在差异（需结合论文全文评估） | 在数据有限条件下生成高感知真实度、保留纹理特征的医学合成MRI图像，并提升下游分割任务性能 | 神经胶质瘤MRI数据 | 医学影像、计算机视觉 | 神经胶质瘤 | MRI成像 | 潜在扩散模型（LDM） | 图像（MRI切片） | 神经胶质瘤MRI数据（具体数量未在摘要中说明） | PyTorch（推测，基于文本引导扩散模型常见框架） | 潜在扩散模型（LDM）、U-Net | FID、SSIM、放射组学特征分布分析、视觉图灵测试灵敏度、欺骗率、DSC | NA |
| 7533 | 2026-06-25 |
Deep Learning-Based Restoration of Distorted Transmission Raman Spectra through Biological Tissue
2026-Jun-23, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07804
PMID:42258226
|
研究论文 | 开发了一个基于深度学习的框架，用于恢复通过生物组织传播后的透射拉曼光谱，以对抗组织引起的信号衰减和光谱失真 | 首次系统性地利用1D U-Net模型学习生物组织引起的透射拉曼光谱失真逆变换，实现了全光谱恢复，并在独立测试集上达到超过95%的平均余弦相似度 | 数据来源仅来自18种拉曼活性样品，可能不足以覆盖所有生物组织类型和实际应用场景；研究主要基于透射拉曼光谱，对其他深拉曼技术的适用性未探索 | 减少生物组织散射对拉曼光谱的失真影响，提高拉曼定量准确性 | 通过生物组织传播前后的拉曼光谱或表面增强拉曼散射光谱，来自18种拉曼活性样品 | 机器学习 | NA | 透射拉曼光谱, 表面增强拉曼散射 | 1D U-Net | 拉曼光谱数据 | 4410对配对光谱，来自18种拉曼活性样品 | PyTorch | 1D U-Net | 余弦相似度 | NA |
| 7534 | 2026-06-25 |
Hierarchical Amplification-Interlinked CRISPR-Cas14a Luminescent Biosensor Coupled with Portable Photonic Crystal Biochip-Boosted Time-Delayed Signaling for the Diagnosis of Pediatric Mycoplasma pneumoniae Pneumonia
2026-Jun-23, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c03088
PMID:42274413
|
研究论文 | 构建了一种层级放大互锁CRISPR-Cas14a发光生物传感器，结合便携式光子晶体生物芯片增强的时间延迟信号，用于儿童肺炎支原体肺炎的诊断 | 首次整合层级放大（DNA步行器与滚环扩增）与CRISPR-Cas14a系统，并引入余辉发光的时间延迟信号以避免生物介质背景自发光，同时利用光子晶体生物芯片增强余辉信号 | 未提及明显局限性 | 开发一种高灵敏度、高特异性的检测方法，用于儿童肺炎支原体肺炎的及时诊断和自动疾病分层 | 肺炎支原体DNA序列及儿童咽拭子样本 | 生物传感 | 肺炎支原体肺炎 | CRISPR-Cas14a，DNA步行器，滚环扩增，余辉发光，光子晶体自组装 | 卷积神经网络 | 发光信号数据 | 250例儿童咽拭子样本（包括重症MPP、轻症MPP及健康对照） | NA | 卷积神经网络 | 检测限，特异性 | NA |
| 7535 | 2026-06-25 |
The Use of Deep Learning in RNA Therapeutic Development
2026-Jun-23, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.6c02090
PMID:42269714
|
综述 | 综述了深度学习在RNA疗法开发中的应用，涵盖RNA结构预测、CRISPR活性和RNA递送三大关键方面 | 系统分析了深度学习模型架构对RNA疗法开发性能的影响，并展望了未来探索方向如新兴模型架构与高通量筛选技术的整合 | 计算资源和数据限制是主要挑战，且设计空间极大导致实验探索不可行 | 总结深度学习在RNA疗法开发中的应用现状及未来演化方向 | RNA疗法开发中的三个关键领域：RNA结构预测、CRISPR活性和RNA递送 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 7536 | 2026-06-25 |
Explainable epigenetic aging clocks: an overview of existing AI models and approaches
2026-Jun-23, Expert review of molecular diagnostics
IF:3.9Q1
DOI:10.1080/14737159.2026.2693031
PMID:42318857
|
综述 | 本文回顾了六种可解释的表观遗传衰老时钟，这些时钟利用深度学习将CpG位点转换为更高层次的抽象表征 | 首次系统性地比较了基于通路/网络的可解释时钟与基于合成代理的时钟在解释性和可操作性上的差异 | 通路级或网络级模型比基于合成代理的时钟更难以解释，且可操作性较低 | 评估现有可解释人工智能表观遗传衰老时钟的性能，并探讨如何提升其解释性和可操作性 | 六种可解释人工智能表观遗传衰老时钟（XAI-AGE, DL-XAI, EpInflammAge, PathwayAge, EXP.REACTOME, EXP.TFT） | 机器学习 | 衰老相关疾病 | DNA甲基化测序 | 深度学习 | DNA甲基化数据 | NA | NA | NA | 年龄预测准确度 | NA |
| 7537 | 2026-06-25 |
Drug repositioning as an antivirulence strategy: Ketoprofen targets quorum sensing and biofilm in Serratia sp
2026-Jun-23, Brazilian journal of microbiology : [publication of the Brazilian Society for Microbiology]
IF:2.1Q3
DOI:10.1007/s42770-026-01994-w
PMID:42334552
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7538 | 2026-06-25 |
Multimodal machine learning and deep graph neural networks for the prediction of molecular inhibitory activity and disease associations
2026-Jun-23, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00858-7
PMID:42334640
|
research paper | 提出一个统一的多模态深度学习框架，整合分子性质预测与基因组靶点识别，用于预测分子抑制活性和疾病关联 | 引入量子计算的三维电子密度网格（约1.25亿数据点），转换为结构化点云表示以精确表征非共价相互作用区域；结合改进卷积神经网络（ICNN）与蜂群交配优化算法（HBMO）进行组学靶点检测，以及多尺度扩散图卷积网络（MsDGCN）增强药物-疾病关系建模 | 未明确讨论计算资源需求或对超大规模数据集的扩展性；三维电子密度计算可能存在高计算成本 | 开发一个可扩展的高精度平台，用于虚拟药物筛选和临床生物标志物发现，解决传统方法在多模态数据融合和三维结构信息利用上的不足 | 分子抑制活性、药物-疾病关联（特别是钙化性主动脉瓣疾病和多重耐药感染） | machine learning | calcific aortic valve disease, multidrug-resistant infections | NGS, RNA-seq, 量子计算 | CNN, GCN | 三维电子密度网格、点云、SMILES表示、分子指纹、基因组数据 | NA | PyTorch, Scikit-learn | Improved Convolutional Neural Network (ICNN), Multi-scale Diffusion Graph Convolutional Network (MsDGCN) | AUC | NA |
| 7539 | 2026-06-25 |
Machine and deep learning for sentinel-based land use and land cover change detection: a systematic review and future outlook
2026-Jun-23, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15558-w
PMID:42334642
|
综述 | 系统回顾了基于哨兵遥感影像的土地利用和土地覆盖变化检测中从经典机器学习到现代深度学习技术的演进 | 全面梳理了从CNN到Transformer的深度学习架构演变，并重点介绍了地球观测基础模型的新能力，如零样本推理、跨传感器迁移和地理泛化 | 多模态数据融合受制于空间、光谱和时间特性差异；域适应、标签噪声和有限的地理可迁移性仍限制变化检测鲁棒性；不确定性量化和模型可解释性缺乏；大规模模型预训练的计算和环境成本高 | 通过系统综述为基于哨兵遥感影像的土地利用和土地覆盖变化检测提供方法演进总结、当前挑战分析和未来研究方向 | 哨兵一号和哨兵二号多光谱遥感影像用于土地利用和土地覆盖变化检测 | 计算机视觉, 机器学习 | NA | 遥感, 多光谱成像, SAR成像 | CNN, 编码器-解码器模型, 孪生网络, 双流网络, 注意力机制, Transformer, 地球观测基础模型 | 遥感影像 | NA | NA | CNN, 编码器-解码器, 孪生网络, 双流网络, Transformer, 地球观测基础模型 | NA | NA |
| 7540 | 2026-06-25 |
Identification and Intelligent Prediction of Microscopic Residual Oil Distribution Based on the TransUNet Neural Network
2026-Jun-23, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.6c01677
PMID:42334886
|
研究论文 | 提出基于TransUNet深度学习的微观剩余油分布识别与智能预测方法 | 将TransUNet神经网络与图像增强和Transformer多头注意力机制相结合，实现了10 μm以下微观剩余油的高精度识别和分类 | 未提及对复杂地层条件或不同岩石结构的适应性验证 | 提高微观剩余油形态分布的识别精度和智能化水平 | 微观剩余油形态分布及其在不同驱替机制下的演化规律 | 计算机视觉, 机器学习 | NA | NA | TransUNet | 图像 | NA | NA | TransUNet, Transformer | 准确率, 识别阈值 | NA |