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 46099 篇文献，本页显示第 7941 - 7960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7941 | 2026-03-03 |
A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images
2026-Mar-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-0582
PMID:41289566
|
研究论文 | 本文提出了一种名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中准确预测多种驱动基因突变 | 开发了基于多实例学习的自适应多视图特征融合框架，能够整合全切片图像中的肿瘤微环境特征，不仅预测驱动基因突变，还能识别突变亚型和外显子变异，超越了现有方法仅进行突变水平预测的限制 | 研究主要基于中国四家医院的数据，可能限制了模型在其他人群或地区的泛化能力；未详细讨论模型在临床实际部署中的具体挑战 | 开发一个深度学习框架，从常规组织病理学切片中预测肺癌的驱动基因突变，以指导靶向治疗选择 | 肺癌患者的病理图像和下一代测序数据 | 数字病理学 | 肺癌 | 下一代测序 | 多实例学习 | 图像 | 来自中国四家医院的2,573名肺癌患者 | NA | NAVF-Bio | NA | NA |
| 7942 | 2026-03-03 |
Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging
2026-Mar, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01904-4
PMID:41196555
|
研究论文 | 评估并比较了使用压缩感知的扩散加权成像与结合模型深度学习重建的扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能 | 首次将模型深度学习重建应用于腹部扩散加权成像，以评估其在肝转移瘤与血管瘤检测和区分中的效果 | 研究为回顾性分析，样本量较小（53名患者），且未在独立外部数据集上验证 | 评估深度学习重建对腹部扩散加权成像在肝转移瘤与血管瘤检测和区分中图像质量和诊断性能的影响 | 肝转移瘤和肝血管瘤患者 | 数字病理 | 肝转移瘤, 肝血管瘤 | 扩散加权成像, 压缩感知, 深度学习重建 | 深度学习模型 | 医学影像（扩散加权成像） | 53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤 | NA | NA | 信号噪声比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 敏感性, 特异性 | NA |
| 7943 | 2026-03-03 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析和临床报告生成 | 全面概述了深度学习在心血管MRI全流程（从采集到诊断）中的应用进展，并强调了其在提升效率、图像质量和自动化分析方面的潜力 | NA | 探讨人工智能在心血管磁共振成像中的应用及其对临床实践的变革 | 心血管磁共振成像技术及其相关数据处理流程 | 医学影像分析 | 心血管疾病 | 磁共振成像 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 7944 | 2026-03-03 |
Transformer-based classification and interpretability of NR3C1 expression patterns in OSCC: Metabolic adaptation insights
2026 Mar-Apr, Journal of oral biology and craniofacial research
DOI:10.1016/j.jobcr.2026.101427
PMID:41768316
|
研究论文 | 本研究评估了四种基于Transformer的模型在NR3C1蛋白序列分类中的性能，并与深度学习和传统机器学习方法进行比较 | 首次将Transformer模型（如RoBERTa、ALBERT）应用于NR3C1蛋白序列分类，并展示了其在准确性和参数效率上的优势 | 研究仅基于5个UniProt序列的小样本数据集，可能限制模型的泛化能力 | 评估Transformer模型在蛋白序列分类任务中的性能，并探索其在口腔鳞状细胞癌（OSCC）相关蛋白NR3C1表达模式分类中的应用 | NR3C1蛋白的肽序列 | 自然语言处理 | 口腔鳞状细胞癌 | 蛋白序列分析 | Transformer, 深度学习模型, 传统机器学习分类器 | 蛋白序列（文本） | 5个UniProt序列，分为中等长度（200-500 aa）和长序列（>500 aa）两类 | NA | BERT, RoBERTa, DistilBERT, ALBERT | F1分数 | NA |
| 7945 | 2026-02-26 |
Correction: Deep learning-based image enhancement for improved black blood imaging in brain metastasis
2026-Feb-24, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12348-3
PMID:41733645
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7946 | 2026-03-03 |
Exploration of Novel Chemical Spaces to Discover JAK1 Inhibitors: An Ensemble Docking-Guided Deep Learning Approach
2026-Feb-24, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c10773
PMID:41768660
|
研究论文 | 本研究开发了一种结合集成对接引导的深度学习虚拟筛选框架，用于从大规模化合物库中探索新型化学空间，以发现高选择性的JAK1抑制剂 | 将蛋白质构象多样性（通过八个高分辨率晶体结构捕获）明确整合到可扩展的深度学习虚拟筛选框架中，实现了对超过11亿化合物的高效探索，并发现了大量与已知JAK1抑制剂骨架不同的新型化学型 | 研究主要基于计算虚拟筛选和对接分析，尚未进行实验验证以确认候选化合物的实际活性和选择性 | 克服现有JAK抑制剂（如托法替尼和鲁索替尼）因骨架局限导致的亚型选择性差、JAK3交叉反应性和剂量限制性毒性等问题，通过探索新型化学空间开发更具选择性的JAK1抑制剂 | Janus激酶1（JAK1）的ATP结合口袋及其抑制剂 | 药物发现，计算化学 | 自身免疫性疾病，炎症性疾病，肿瘤 | 集成分子对接，深度学习虚拟筛选 | 深度神经网络（DNN）分类器 | 化合物结构数据（SMILES等），蛋白质晶体结构数据 | 超过11亿个来自ZINC数据库的商业可用化合物 | NA | NA | 对接分数，活性阈值通过率（57%的候选物在所有受体构象中均超过阈值），新型化学型数量（7652个独特骨架） | NA |
| 7947 | 2026-03-03 |
Pairwise Neural Networks for Ranking Molecular Structures Based on Properties
2026-Feb-24, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.6c00717
PMID:41768715
|
研究论文 | 本文开发了一种基于孪生网络和成对学习的深度学习模型，用于根据分子性质对分子结构进行排序 | 采用孪生网络和成对学习进行分子排序，在预测绝对能量性质方面优于标准点回归方法，并验证了该方法在预训练Transformer骨干网络上的鲁棒性 | 对于衍生性质（如HOMO-LUMO能隙）或非能量性质（如偶极矩），传统点回归方法仍更有效 | 加速分子发现与设计，通过机器学习预测分子性质并实现高效筛选 | 分子结构 | 机器学习 | NA | 量子化学计算，机器学习 | 孪生网络，Transformer | 分子结构数据 | QM7x和QO2Mol数据集 | NA | Siamese architecture, Uni-Mol | NA | NA |
| 7948 | 2026-03-03 |
How to Train Custom Cell Segmentation Models Using Cell-APP
2026-Feb-20, Bio-protocol
IF:1.0Q3
DOI:10.21769/BioProtoc.5618
PMID:41769259
|
研究论文 | 本文介绍了一种名为Cell-APP的工具，用于自动化生成透射光细胞分割模型的训练数据，并提供了使用该工具训练自定义细胞分割模型的逐步协议 | 开发了Cell-APP工具，通过结合荧光图像和提示式深度学习模型SAM，自动化生成高质量的细胞分割训练数据，解决了手动标注耗时的问题 | 需要配对的透射光和荧光图像，且荧光图像中的每个细胞必须具有完整且空间上独立的信号，这限制了其应用范围 | 自动化生成细胞分割模型的训练数据，以加速细胞生物学中的显微镜分析 | HeLa、U2OS、HT1080和RPE-1细胞 | 数字病理学 | NA | 显微镜成像、荧光成像、透射光成像 | 深度学习模型 | 图像 | HeLa、U2OS、HT1080和RPE-1细胞的延时电影数据 | NA | SAM | 空间和时间一致性 | NA |
| 7949 | 2026-03-03 |
Computational approaches for RNA structure prediction and design
2026-Feb-18, Cell reports. Physical science
DOI:10.1016/j.xcrp.2026.103097
PMID:41769665
|
综述 | 本文综述了计算RNA结构预测和设计领域的最新进展，特别是深度学习方法的变革性影响 | 概述了深度学习如何超越传统同源性和建模方法，显著提高RNA结构预测准确性，并介绍了基于多序列比对、无多序列比对以及通用模型等策略 | NA | 综述计算RNA结构预测和设计的方法进展，并探讨当前挑战和未来方向 | RNA的三维结构 | 计算生物学 | NA | 深度学习 | NA | 序列数据（多序列比对、单序列） | NA | NA | NA | NA | NA |
| 7950 | 2026-03-03 |
Entropy Production in Non-Gaussian Active Matter: A Unified Fluctuation Theorem and Deep Learning Framework
2026-Feb-13, Physical review letters
IF:8.1Q1
DOI:10.1103/y94p-4qcz
PMID:41765831
|
研究论文 | 本文提出了一个用于推导非高斯活性物质系统中熵产生率的通用理论框架，并引入了基于深度学习的高效计算方法 | 提出了适用于非高斯活性涨落的熵产生分解公式和涨落定理，并创新性地结合深度学习技术（Lévy评分）进行高效计算 | 研究主要基于稳态条件，虽然可扩展至任意初始状态，但未讨论具体非稳态过程的适用性 | 建立活性物质系统中非平衡热力学行为的统一分析框架和计算工具 | 活性物质系统，特别是受非高斯活性涨落驱动的系统 | 机器学习 | NA | 概率流等价技术，深度学习 | 深度学习模型 | 模拟数据 | NA | NA | NA | NA | NA |
| 7951 | 2026-03-03 |
UCSF RMaC: University of California San Francisco 3D Multi-Phase Renal Mass CT Dataset with Tumor Segmentations
2026-Feb-12, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.11.26346096
PMID:41728332
|
研究论文 | 本文介绍了UCSF RMaC数据集，一个包含831个多期相3D CT检查的肾肿瘤数据集，用于支持深度学习模型在肾肿瘤亚型分类和分级预测中的研究 | 提供了大规模、多样化的多期相3D肾肿瘤CT数据集，包含肿瘤轮廓或边界框标注、病理结果和患者元数据，旨在改善模型性能并强化评估集 | 未提及模型性能的具体限制，但暗示现有方法在肾肿瘤亚型区分和分级预测上效果不一，需要更大数据集来提升 | 通过提供大规模数据集，促进深度学习、放射组学和纹理分析在肾肿瘤亚型分类及分级预测中的应用研究 | 肾肿瘤，特别是良性嗜酸细胞瘤、透明细胞肾细胞癌（RCC）以及低级别与高级别RCC | 数字病理学 | 肾癌 | 多期相3D CT成像 | NA | 3D CT图像 | 831个多期相3D CT检查，每个检查包含最多三个对比增强CT期相 | NA | NA | NA | NA |
| 7952 | 2026-03-03 |
Working face status detection in coal mine based on YOLOv8-EST
2026-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35452-2
PMID:41656345
|
研究论文 | 本文提出了一种基于改进YOLOv8的YOLOv8-EST算法，用于煤矿工作面的状态检测 | 在YOLOv8网络中引入Swin Transformer模块以增强特征提取能力；改进GELU激活函数为GELUS以降低计算复杂度；使用深度学习网络生成相对位置编码以捕获更复杂的空间关系；引入EMA注意力机制以关注输入图像的重要区域 | 算法在真实煤矿工作面自采集的CM数据集上进行验证，但未提及数据集的公开性、规模多样性或与其他公开数据集的对比 | 在有限的计算资源下，实现煤矿工作面状态的实时、高效、准确检测，以提高生产安全与效率 | 煤矿工作面的状态 | 计算机视觉 | NA | 深度学习，目标检测 | CNN, Transformer | 图像 | 自采集的真实煤矿工作面CM数据集（具体数量未提及） | NA | YOLOv8, Swin Transformer | 检测精度，效率 | 煤矿工作面有限的计算资源 |
| 7953 | 2026-03-03 |
Abnormal Driving Pattern Detection from GPS Trajectories Using Vision Transformer
2026-Feb-06, Research square
DOI:10.21203/rs.3.rs-8653475/v1
PMID:41674834
|
研究论文 | 本文提出了一种基于Vision Transformer的驾驶模式检测方法，通过GPS轨迹分析来分类正常与异常驾驶行为 | 引入了二进制网格图像表示驾驶轨迹的空间结构，并首次将Vision Transformer应用于驾驶模式检测问题 | 未明确讨论模型对复杂天气或交通条件变化的适应性，以及数据隐私问题 | 开发一种有效的驾驶模式检测方法，以提升道路安全和认知健康评估 | GPS轨迹数据表示的驾驶行为 | 计算机视觉 | NA | GPS轨迹分析 | Transformer | 图像（二进制网格图像） | NA | NA | Vision Transformer (ViT) | F1分数 | NA |
| 7954 | 2026-03-03 |
ASPECT: Alternative Splicing Event Classification with Transformers
2026-Feb-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.04.700904
PMID:41684940
|
研究论文 | 本文提出了一种基于DNABERT-2和BPE分词器的替代剪接事件分类框架ASPECT，用于区分多种剪接事件类型 | 利用DNABERT-2模型结合BPE分词处理基因组序列，能够捕获更广泛的调控上下文信息，超越传统方法对短序列窗口的依赖 | 未明确说明模型在处理非典型或罕见剪接事件时的泛化能力，且训练数据可能主要基于规范剪接事件 | 开发一个高性能的替代剪接事件分类工具，以促进对剪接调控在健康和疾病中作用的全面理解 | 替代剪接事件，特别是TCGA BRCA癌症相关剪接事件 | 自然语言处理 | 乳腺癌 | 基因组序列分析 | Transformer | 基因组序列 | NA | PyTorch | DNABERT-2 | AUC, F1-score, accuracy | NA |
| 7955 | 2026-03-03 |
Automated Ventricle Assessment via Three-dimensional Anatomical Reconstruction (AVA-TAR): a computational toolkit for autonomous lateral ventricle assessment in preclinical hydrocephalus models
2026-Feb-05, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.02.703412
PMID:41676469
|
研究论文 | 本研究开发并内部验证了一种深度学习模型，用于自动分割啮齿动物脑部MRI中的侧脑室，实现3D重建、形态学分析和脑室扩大检测 | 提出了一种基于U-Net++和EfficientNet-B1编码器的深度学习工具，首次实现了啮齿动物脑部MRI中侧脑室的自动化分割和形态学分析，并打包为公开可用的应用程序 | 模型训练主要基于形态学正常的样本，可能对异常形态的泛化能力有限；样本数量相对较少（307个），且内部验证未涉及外部独立数据集 | 开发一个自动化工具，用于临床前脑积水模型中侧脑室的评估，提高研究效率和准确性 | 啮齿动物（大鼠和小鼠）的脑部MRI图像 | 数字病理学 | 脑积水 | 磁共振成像 | 深度学习 | 图像 | 307个啮齿动物脑部MRI（262只大鼠，45只小鼠） | NA | U-Net++, EfficientNet-B1 | Dice系数, IoU, Hausdorff指数, Pearson相关系数, 类内相关系数 | NA |
| 7956 | 2026-03-03 |
Single-cell Multiome Analysis of Chromatin State and Transcriptome in the Human Basal Ganglia
2026-Feb-03, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.03.703645
PMID:41684930
|
研究论文 | 本研究通过单细胞多组学分析，构建了人类基底神经节中组蛋白修饰和转录组的首个图谱，揭示了细胞类型特异性的基因调控网络 | 首次在人类基底神经节中结合单细胞组蛋白修饰和转录组数据进行多组学分析，并整合空间转录组数据揭示表观基因组景观的区域异质性 | 研究主要基于神经典型成年人类供体，可能未涵盖疾病状态或发育阶段的变异 | 理解基底神经节细胞类型身份和功能的基因调控程序，以解释疾病相关的非编码变异 | 人类基底神经节的八个区域细胞 | 生物信息学 | 神经精神疾病 | 单细胞多组学分析，组蛋白修饰分析，转录组分析，MERFISH空间转录组学 | 深度学习模型 | 单细胞组蛋白修饰数据，转录组数据，空间转录组数据 | 来自神经典型成年人类供体的八个基底神经节区域 | NA | NA | NA | NA |
| 7957 | 2026-03-03 |
Interpretable Deep Learning for OCT-Based Diagnosis of Vitreoretinal Lymphoma Versus Uveitis
2026-Feb-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.2.30
PMID:41746131
|
研究论文 | 开发并验证了一种可解释的深度学习模型，用于基于光学相干断层扫描（OCT）图像区分玻璃体视网膜淋巴瘤（VRL）与非感染性葡萄膜炎（NIU） | 结合了梯度加权类激活映射（Grad-CAM）的可解释深度学习模型，能够可视化区分VRL与NIU的病理OCT特征 | 样本量较小（VRL 45例，NIU 52例），且为横断面研究，可能限制模型的泛化能力 | 开发一种可解释的深度学习模型，用于基于OCT图像对VRL与NIU进行自动分类 | 玻璃体视网膜淋巴瘤（VRL）患者与非感染性葡萄膜炎（NIU）患者 | 数字病理学 | 眼部疾病 | 光学相干断层扫描（OCT）成像 | CNN | 图像 | 97名患者（VRL 45例，NIU 52例） | NA | 自定义深度卷积神经网络 | AUROC, AUPRC, 准确率, F1分数, 精确率, 灵敏度, 特异性, kappa | NA |
| 7958 | 2026-03-03 |
Artificial intelligence for breast cancer prevention: the vision ahead
2026-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12036-8
PMID:41060416
|
综述 | 本文探讨了人工智能在乳腺癌预防中的应用前景，特别是在乳腺影像筛查和风险分层方面的潜力 | 强调了人工智能不仅可用于提高筛查效率（如提升检出率和减少工作量），还能支持一级（真正）预防，通过整合网络工具、移动应用和可穿戴设备促进健康生活方式 | 文章主要基于现有研究和愿景展望，缺乏具体实施案例或长期效果数据，且未详细讨论技术集成中的实际障碍 | 旨在阐述人工智能如何助力乳腺癌的一级和二级预防，并推动放射科医生在预防策略中发挥更积极的作用 | 乳腺癌预防策略，包括筛查程序和生活方式干预 | 医学影像分析 | 乳腺癌 | 人工智能，深度学习，放射组学 | 深度学习模型 | 乳腺影像数据（如乳腺X线摄影），健康行为数据 | NA | NA | NA | 癌症检出率提升（超过25%），阅读工作量减少（超过40%） | NA |
| 7959 | 2026-03-03 |
A Deep Neural Network Based on Two-Stage Training for Estimating Heart Rate Variability From Camera Videos
2026-Feb, Health care science
DOI:10.1002/hcs2.70047
PMID:41767171
|
研究论文 | 本文提出了一种基于两阶段训练的深度神经网络方法，通过摄像头视频非接触式估计心率变异性 | 采用面部网格分割结合基于Transformer的神经网络进行信号滤波，并利用大规模合成数据进行预训练以提高HRV估计精度 | 未明确说明实际应用场景中的环境干扰处理及跨人群泛化能力验证 | 提高非接触式设备检测心率变异性的准确性，拓展HRV评估场景 | 通过摄像头视频获取的人体面部生理信号 | 计算机视觉 | 心血管疾病 | 摄像头视频采集 | 深度神经网络, Transformer | 视频 | 100万合成数据点预训练，结合公开数据集与自建数据集进行任务训练 | NA | Transformer | 准确率, 均方根误差, 相关性指数 | NA |
| 7960 | 2026-03-03 |
Artificial Intelligence-Enabled Echocardiographic Assessment of Right Ventricular Function
2026-Jan-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.20.26344425
PMID:41646670
|
研究论文 | 本研究开发了一种名为EchoNet-RV的深度学习模型，用于分割心尖四腔心切面超声心动图视频中的右心室并估计右心室面积变化分数 | 开发了首个专门用于右心室分割和功能评估的深度学习模型EchoNet-RV，并在多个国际外部测试集上验证了其性能优于现有多任务模型 | 模型主要基于心尖四腔心切面视频，可能未涵盖所有右心室评估的超声视图；外部测试集虽来自不同中心，但可能仍存在数据分布偏差 | 开发一个自动化、可重复的深度学习模型，以改善右心室功能的超声心动图评估 | 心尖四腔心切面超声心动图视频中的右心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习模型 | 视频 | 训练集：7,169个专家标注的心尖四腔心切面超声心动图视频；内部测试集：1,320个视频；两个外部测试集：3,107个和1,077个视频 | NA | EchoNet-RV | Dice系数, 平均绝对误差, 受试者工作特征曲线下面积 | NA |