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 44086 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 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 |
| 62 | 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 |
| 63 | 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 |
| 64 | 2026-05-16 |
Clinical Validation of AI-Assisted Evaluation of Indeterminate Biliary Strictures in Digital-Single Operator Cholangioscopy: A Transcontinental Multicentric Study
2026-Mar-10, Clinical and translational gastroenterology
IF:3.0Q2
DOI:10.14309/ctg.0000000000001015
PMID:41805080
|
研究论文 | 本研究旨在验证用于数字单操作者胆道镜图像分析的人工智能辅助诊断模型，该模型在跨洲多中心研究中表现良好，对胆道狭窄的检测和区分具有稳健的准确性 | 首次在多中心跨国背景下验证了人工智能辅助数字单操作者胆道镜分析在胆道狭窄检测和区分中的实际性能，并考虑了不同设备和人口统计学变量 | 为提及明显的局限性，但潜在的局限性可能包括样本量有限、来自14个中心的选择偏差以及依赖专家定义的标注作为地面真值 | 验证深度学习模型在人工智能辅助数字单操作者胆道镜图像分析中用于胆道狭窄检测和区分的效果 | 来自美国、巴西、西班牙、哥伦比亚、澳大利亚和沙特阿拉伯14个中心的129名患者的135次数字单操作者胆道镜检查记录 | 计算机视觉 | 胆道狭窄（包括恶性胆道狭窄） | 数字单操作者胆道镜 | 深度学习模型 | 图像（数字单操作者胆道镜帧图像） | 135次检查（来自129名患者，其中61名患有恶性胆道狭窄） | NA | NA | 准确率、敏感度、特异性、阳性预测值、阴性预测值、曲线下面积、交并比 | NA |
| 65 | 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 |
| 66 | 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 |
| 67 | 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 |
| 68 | 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 |
| 69 | 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 |
| 70 | 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 |
| 71 | 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 |
| 72 | 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 |
| 73 | 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 |
| 74 | 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 |
| 75 | 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 |
| 76 | 2026-05-16 |
A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag088
PMID:41712756
|
研究论文 | 提出一个深度学习框架，用于全面预测人类RNA G-四链体结合蛋白 | 整合多种编码策略和神经架构，特别是使用ESM-2蛋白质语言模型嵌入和LSTM架构，实现高准确率预测，并发现与细胞应激反应相关的潜在联系 | 主要依赖计算预测，需要实验验证；模型可能对特定类型的G4BPs存在偏好 | 开发一种有效的方法来探索RNA G4BPs景观，揭示RNA调控中的新参与者 | 人类RNA G-四链体结合蛋白 | 机器学习 | NA | 蛋白质语言模型（ESM-2）嵌入 | LSTM | 蛋白质序列数据 | 人类蛋白质组中的2160个高置信度候选RG4BP | PyTorch | LSTM | 准确率(86%) | NA |
| 77 | 2026-05-16 |
Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number
2026-Feb-13, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4284
PMID:41643313
|
研究论文 | 开发并验证一种基于物理信息的深度学习模型，用于从能谱CT图像中估计材料密度和有效原子序数 | 将物理信息正则化引入生成对抗网络（GAN），在训练中融入底层物理原理，并利用验证的模拟数据进行训练，以提高材料分解精度 | 临床验证样本量较小，限制了结果的泛化性；仅研究了腹部应用和碘对比剂 | 开发和验证基于物理信息约束的深度学习模型，用于能谱CT材料分解，生成密度和有效原子序数图谱 | 能谱CT图像中的材料成分，包括密度和有效原子序数 | 计算机视觉, 机器学习 | NA | 光子计数能谱CT（PCCT） | 生成对抗网络（GAN） | 图像（CT图像） | 32个模拟人体模型用于训练，16个计算模体和6个临床病例用于验证，30个图像切片用于读者研究 | NA | 生成对抗网络（GAN） | NRMSE, SSIM, PSNR, RMSE, 显著度得分 | NA |
| 78 | 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 |
| 79 | 2026-05-16 |
Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation
2026-Feb, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70149
PMID:40676371
|
研究论文 | 利用长短期记忆深度学习算法从体动记录仪和心率数据预测儿童睡眠及睡眠阶段的表现评估 | 首次使用LSTM算法结合体动记录仪和心率数据预测儿童睡眠阶段，并评估其与传统方法相比的优势 | 研究仅基于实验室过夜多导睡眠图，未涉及家庭环境中的长期监测；消费者可穿戴设备种类有限（仅三种） | 评估LSTM算法从体动记录仪和心率数据预测儿童睡眠与睡眠阶段的准确性，并与传统方法比较 | 儿童（5-12岁）的睡眠数据 | 机器学习 | 睡眠障碍 | 体动记录仪、心率监测、多导睡眠图 | LSTM | 时间序列数据（体动记录仪和心率信号） | 238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人） | 未明确指定 | LSTM | 准确率、敏感性、特异性 | NA |
| 80 | 2026-05-16 |
A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory
2026-Feb, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500716
PMID:41024445
|
研究论文 | 该文提出一种结合卷积非线性脉冲神经模型与双向长短期记忆的多变量云工作负载预测方法 | 提出基于非线性脉冲神经P系统的卷积模型(ConvNSNP),相比传统卷积模型增强了处理非线性数据的能力 | 未提及模型的泛化能力和计算资源消耗情况 | 解决云计算环境中多变量工作负载预测问题 | 云工作负载时间序列数据 | 机器学习 | NA | 深度学习 | 混合模型 | 时间序列 | 三个公共云工作负载数据集(来自阿里巴巴和谷歌) | NA | ConvNSNP, BiLSTM | RMSE, MAE, MAPE | NA |