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 42805 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2026-03-27 |
A deep learning approach to broadband modal propagation in various shallow water waveguides
2026-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043177
PMID:41885549
|
研究论文 | 本文提出了一种基于神经网络的深度学习方法，用于近似和加速水下声学传播中的宽带模态参数计算 | 引入神经网络来预测模态参数（如水平波数和模态深度函数），以替代计算密集型的传统模态模拟方法，显著提高计算效率 | 模型训练基于范围独立的环境，可能无法完全适应动态海洋环境或未知海底的复杂变化 | 加速水下声学传播模拟，特别是针对宽带信号或迭代应用如反演 | 浅海波导中的声学模态传播 | 机器学习 | NA | 神经网络 | 神经网络 | 模拟数据 | 使用Kraken正常模态代码生成的训练数据，覆盖50-500 Hz频率范围和可变环境参数的浅海波导 | NA | NA | NA | NA |
| 782 | 2026-03-27 |
Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus
2026-Feb, Cureus
DOI:10.7759/cureus.104035
PMID:41883914
|
研究论文 | 本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐方向和角度，以检测和量化斜视 | 提出了一种基于深度学习的视线估计算法，能够通过视频非侵入性地定量估计斜视角度，为斜视评估提供了一种新颖、实用的方法 | 算法仍需进一步验证以符合临床标准，且当前准确性有待通过纳入多设备数据集来提升 | 开发并验证一种基于深度学习的算法，用于通过视线估计检测和量化斜视 | 眼球位置视频，包括两名案例对象（一名无眼科病史，一名诊断为外斜视）和十名无眼科异常的对照对象 | 计算机视觉 | 斜视 | 视线估计 | 深度学习模型 | 视频 | 12名受试者（2名案例，10名对照） | NA | NA | 斯皮尔曼相关系数 | NA |
| 783 | 2026-03-27 |
Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1746364
PMID:41884147
|
研究论文 | 本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别 | 开发了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，旨在减少对临床医生专业知识的依赖和观察者间差异 | 模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高灵敏度但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征 | 开发一种人工智能模型，以增强急诊科急性胸痛患者的诊断准确性并促进及时的临床决策 | 急诊科就诊的急性胸痛患者 | 机器学习 | 心血管疾病 | 12导联心电图 | CNN | 心电图信号 | 1188名患者 | NA | 结合通道注意力机制的卷积神经网络 | 准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵 | NA |
| 784 | 2026-03-27 |
Artificial intelligence models for point-of-care ultrasound diagnostics in dogs
2026, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2026.1729114
PMID:41884304
|
研究论文 | 本研究评估了深度学习模型在犬类中使用床旁超声（POCUS）检测危及生命的积液和气胸（PTX）的可行性和诊断性能 | 首次在兽医领域应用深度学习模型对犬类POCUS图像进行实时自动化解释，以辅助创伤评估和分诊决策 | 样本量小、仅纳入钝性创伤和非创伤性病理、类别不平衡、积液体积和位置存在变异性 | 评估人工智能模型在犬类床旁超声诊断中的应用，以提高诊断能力并辅助兽医急诊护理中的分诊和院前决策 | 五只健康的军用工作犬和二十只客户拥有的犬（22-55公斤），包括健康犬和确诊患有腹部、胸膜、心包积液或气胸的犬 | 计算机视觉 | 犬类创伤相关疾病 | 床旁超声（POCUS），聚焦创伤超声评估（FAST） | CNN | 超声视频剪辑转换的图像帧 | 25只犬（5只健康军用工作犬，20只客户拥有的患病犬） | NA | 多种卷积神经网络架构 | 召回率, 准确率 | NA |
| 785 | 2026-03-27 |
A Transformer-Based Deep Learning Model for predicting Early Recurrence in Hepatocellular Carcinoma After Hepatectomy Using Intravoxel Incoherent Motion Images
2026, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S564217
PMID:41884404
|
研究论文 | 本研究开发并验证了一种基于Transformer框架的深度学习模型，利用体素内不相干运动扩散加权成像预测肝细胞癌肝切除术后早期复发 | 首次将视觉Transformer框架应用于IVIM-DWI图像，通过融合九个b值DWI图像和IVIM参数图的深度特征构建预测模型，并结合临床特征提升预测性能 | 回顾性研究设计，样本量较小（122例患者），缺乏外部验证队列 | 开发术前预测肝细胞癌肝切除术后早期复发的深度学习模型 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 磁共振成像，体素内不相干运动扩散加权成像 | Transformer | 医学影像 | 122例患者（训练集85例，测试集37例） | NA | 视觉Transformer | 曲线下面积 | NA |
| 786 | 2026-03-27 |
YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality
2026, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2026.1714086
PMID:41884779
|
研究论文 | 本文提出了一种名为YOLOBT的深度学习框架，用于动态调整基于全局信号质量的ERP坏试次检测 | 提出YOLOBT框架，通过整合全局信号质量评估与动态阈值调整来模拟专家判断，并引入跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新技术 | NA | 开发一种能够动态调整阈值以模拟专家自适应策略的自动化ERP坏试次检测方法 | 事件相关电位（ERP）数据中的坏试次（即因噪声或伪影污染而不适合分析的数据段） | 自然语言处理 | NA | 脑电图（EEG）信号处理 | YOLO | 图像（将EEG信号可视化为波形图像） | NA | NA | YOLO | 精确率, 召回率, mAP, F1分数 | NA |
| 787 | 2026-03-25 |
Toward a unified pipeline for natural product discovery: tools and strategies for NRPS and PKS pathway exploration and engineering
2026-02-25, Natural product reports
IF:10.2Q1
DOI:10.1039/d5np00041f
PMID:40719200
|
综述 | 本文综述了将非核糖体肽合成酶和聚酮合酶系统转变为理性设计平台的最新进展，涵盖基因组挖掘、高通量筛选、合成生物学和计算建模等工具与策略 | 强调计算建模（如同源建模、分子对接、分子动力学模拟）和深度学习策略与传统技术相结合，加速定制天然产物类似物的发现与组装 | NA | 探索和改造非核糖体肽合成酶和聚酮合酶生物合成途径，以发现和设计新型天然产物 | 非核糖体肽合成酶和聚酮合酶系统及其产生的天然产物（如抗生素、免疫抑制剂、抗癌剂） | 计算生物学, 合成生物学 | NA | 基因组挖掘, 高通量筛选, 去重复化, 同源建模, 分子对接, 分子动力学模拟 | 深度学习模型 | 基因组数据, 蛋白质结构数据, 化学数据 | NA | NA | NA | NA | NA |
| 788 | 2026-03-25 |
Unlocking the metabolic potential of endophytic fungi through epigenetics: a paradigm shift for natural product discovery and plant-microbe interactions
2025-10-15, Natural product reports
IF:10.2Q1
DOI:10.1039/d5np00028a
PMID:40719258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 789 | 2026-03-25 |
spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model
2025-Jul-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.22.649977
PMID:40631230
|
研究论文 | 本文介绍了一个名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补，以克服数据噪声高和基因测量缺失的挑战 | 提出了一种无参考框架，结合基因组语言模型联合进行空间转录组数据的去噪和插补，增强了数据整合能力，并作为模型预训练和发现新生物信号的强大框架 | NA | 开发一个深度学习框架，以改善空间转录组数据的质量，促进数据整合和下游生物应用 | 空间转录组数据 | 机器学习 | NA | 空间转录组学 | 深度学习框架 | 空间转录组数据 | NA | NA | 基因组语言模型 | NA | NA |
| 790 | 2026-03-25 |
Multiclass arrhythmia classification using multimodal smartwatch photoplethysmography signals collected in real-life settings
2024-Dec-13, Research square
DOI:10.21203/rs.3.rs-5463126/v1
PMID:39711547
|
研究论文 | 本研究提出了一种使用多模态智能手表光电容积脉搏波信号在真实生活环境中进行多类心律失常分类的方法 | 使用真实生活环境中收集的多模态数据（包括PPG、加速度计和心率数据），并采用计算高效的1D双向门控循环单元模型，在独立数据集上实现了对PAC/PVC的高灵敏度检测，同时保持了AF检测的高准确率 | 研究依赖于特定临床试验收集的数据集，样本量相对有限（106名受试者），且模型在更广泛人群和设备上的泛化能力仍需进一步验证 | 开发一种能够在真实生活环境中准确检测多种心律失常（特别是房颤和房性/室性早搏）的智能手表监测系统 | 智能手表收集的光电容积脉搏波信号及其相关多模态数据 | 机器学习 | 心血管疾病 | 光电容积脉搏波 | 深度学习 | 时间序列数据 | 106名受试者，收集为期两周的智能手表PPG数据 | NA | 1D双向门控循环单元 | 灵敏度, 准确率, 宏平均受试者工作特征曲线下面积 | NA |
| 791 | 2026-03-25 |
Modernizing histopathological analysis: a fully automated workflow for the digital image analysis of the intestinal microcolony survival assay
2024-Dec-12, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.09.627578
PMID:39713436
|
研究论文 | 本文开发了一个全自动工作流程，用于数字图像分析肠道微菌落存活实验，以量化辐射引起的胃肠道损伤 | 实现了微菌落存活实验中空肠隐窝计数的全自动化，消除了主观观察者间变异和人为错误 | 未明确说明自动化工作流程在不同实验室或设备间的泛化能力 | 自动化组织病理学分析，提高微菌落存活实验的效率和准确性 | 小鼠空肠组织切片图像 | 数字病理学 | 辐射损伤 | 组织病理学成像 | 深度学习语义图像分割 | 图像 | 60只小鼠的540张图像 | NA | NA | 平均绝对百分比偏差 | NA |
| 792 | 2026-03-25 |
EM-COGLOAD: An investigation into age and cognitive load detection using eye tracking and deep learning
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.03.014
PMID:38638116
|
研究论文 | 本文介绍了一个公开可用的眼动数据集EM-COGLOAD，并利用深度学习技术对健康成年人在不同认知负荷下的眼动轨迹进行分类，以探索年龄和认知负荷检测的可行性 | 提出了一个新的公开眼动数据集EM-COGLOAD，并首次将卷积神经网络应用于眼动时间序列分类，以区分不同认知负荷和年龄组 | 研究仅涉及75名健康成年人，未包括阿尔茨海默病患者，且样本量相对较小 | 探索眼动行为作为非侵入性生物标志物，用于检测认知负荷和年龄相关变化，以辅助阿尔茨海默病的早期诊断 | 75名健康成年人的眼动数据 | 机器学习 | 阿尔茨海默病 | 眼动追踪 | CNN | 时间序列 | 75名健康成年人 | NA | 卷积神经网络 | 准确率 | NA |
| 793 | 2026-03-25 |
DeepGenomeScan of 15 Worldwide Bovine Populations Detects Spatially Varying Positive Selection Signals
2024-10, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1089/omi.2024.0154
PMID:39315920
|
研究论文 | 本研究利用深度学习框架DeepGenomeScan，在全球15个牛种群中检测空间变化的阳性选择信号 | 首次在牛基因组选择信号研究中应用深度学习，发现了传统方法未能检测到的38个新选择基因 | 未明确说明样本的具体地理分布或种群规模细节 | 识别牛基因组中受空间变化选择影响的区域，以理解物种进化与适应的遗传机制 | 全球15个牛种群的基因组数据 | 机器学习 | NA | 基因组扫描 | 深度学习 | 基因组数据 | 15个牛种群 | DeepGenomeScan | NA | NA | NA |
| 794 | 2026-03-25 |
Automatic grading of intervertebral disc degeneration in lumbar dog spines
2024-Jun, JOR spine
IF:3.4Q1
DOI:10.1002/jsp2.1326
PMID:38633660
|
研究论文 | 本文开发并测试了一种深度学习工具，用于自动评估犬类腰椎间盘退变程度 | 首次将针对人类脊柱设计的Pfirrmann分类方案应用于犬类，并开发了自动评分工具，扩展了深度学习在兽医影像分析中的应用 | 工具性能略低于人类模型，且对于罕见的5级退变敏感度较低，修改后的分级方案未显示显著优势 | 开发自动评估犬类腰椎间盘退变程度的工具，以支持临床管理和再生疗法研究 | 犬类腰椎间盘 | 数字病理学 | 椎间盘退变 | T2加权MRI扫描 | 深度学习模型 | 图像 | 5991个腰椎间盘 | NA | NA | 敏感度, 特异度 | NA |
| 795 | 2026-03-25 |
An optimised YOLOv4 deep learning model for efficient malarial cell detection in thin blood smear images
2024-Apr-16, Parasites & vectors
IF:3.0Q1
DOI:10.1186/s13071-024-06215-7
PMID:38627870
|
研究论文 | 本研究提出了一种优化的YOLOv4深度学习模型，用于高效检测薄血涂片图像中的疟疾细胞 | 通过直接层剪枝和骨干网络替换（将CSP-DarkNet53替换为较浅的ResNet50）来优化YOLOv4模型，提高了检测精度并减少了模型大小和计算复杂度 | 未明确说明模型在更大或更多样化数据集上的泛化能力，也未详细讨论实际部署中的计算资源需求 | 开发一种更轻量、更快且精度更高的自动化诊断工具，用于疟疾的早期和准确检测 | 薄血涂片图像中的感染红细胞 | 计算机视觉 | 疟疾 | 深度学习对象检测 | YOLOv4 | 图像 | NA | NA | YOLOv4, CSP-DarkNet53, ResNet50 | 平均精度均值（mAP）, 十亿浮点运算（B-FLOPS）, 模型大小 | NA |
| 796 | 2026-03-25 |
Predicting drug response through tumor deconvolution by cancer cell lines
2024-Apr-12, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.100949
PMID:38645769
|
研究论文 | 本研究开发了一种深度学习模型Scaden-CA，用于将肿瘤数据反卷积为癌症类型特异性细胞系的比例，并基于此预测药物反应 | 通过结合癌症细胞系药物敏感性数据和肿瘤反卷积技术，开发了Scaden-CA模型，以桥接细胞系与患者药物反应数据之间的差距 | 仅使用了有限的患者药物反应数据，且模型性能验证主要依赖于CCLE和TCGA数据集，可能未覆盖所有癌症类型或临床场景 | 预测药物反应并探索药物重利用的潜在机制 | 癌症细胞系（如CCLE数据）和肿瘤样本（如TCGA数据） | 机器学习 | 癌症 | RNA测序（bulk RNA数据） | 深度学习模型 | RNA数据 | 大规模癌症细胞系和肿瘤样本（具体数量未在摘要中指定） | NA | Scaden-CA | 一致性相关系数（concordance correlation coefficients），正确反卷积率（correctly deconvoluted rate） | NA |
| 797 | 2026-03-25 |
Enhancing molecular design efficiency: Uniting language models and generative networks with genetic algorithms
2024-Apr-12, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.100947
PMID:38645768
|
研究论文 | 本研究探讨了生成模型在药物发现、材料科学和聚合物科学中的应用，提出了一种结合语言模型和生成对抗网络的混合架构以提高分子设计效率 | 提出了一种结合掩码语言模型和生成对抗网络的混合架构，以克服传统生成模型中的模式崩溃问题，并在小规模群体中展现出优于单独语言模型的性能 | 未明确提及具体实验数据或样本量的局限性 | 提高分子设计效率，优化生成模型在药物发现和材料科学中的应用 | 分子设计、药物发现、材料科学和聚合物科学中的生成模型 | 自然语言处理, 机器学习 | NA | 生成对抗网络, 掩码语言模型 | GAN, LM | 合成数据, 分子数据 | NA | NA | 混合LM-GAN架构 | NA | NA |
| 798 | 2026-03-25 |
Quantitative Assessment of Fundus Tessellated Density in Highly Myopic Glaucoma Using Deep Learning
2024-04-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.4.17
PMID:38591943
|
研究论文 | 本研究利用深度学习定量评估高度近视性青光眼与高度近视患者的眼底豹纹状密度，以发现早期诊断标志物 | 首次使用深度学习量化眼底豹纹状密度，并发现其在高度近视性青光眼与高度近视患者中存在程度和分布的差异，特别是黄斑区鼻侧/颞侧比值可作为鉴别指标 | 研究为回顾性横断面设计，样本量相对较小（共206只眼），且仅来自单一中心，可能限制结果的普适性 | 表征高度近视性青光眼与高度近视患者的眼底豹纹状密度，探索早期诊断标志物 | 高度近视和高度近视性青光眼患者的眼底图像 | 计算机视觉 | 青光眼 | 眼底摄影 | 深度学习 | 图像 | 206只眼（高度近视133只，高度近视性青光眼73只） | NA | NA | 曲线下面积 | NA |
| 799 | 2026-03-25 |
Deep learning to predict rapid progression of Alzheimer's disease from pooled clinical trials: A retrospective study
2024-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000479
PMID:38598464
|
研究论文 | 本研究利用深度学习模型，基于临床试验数据预测阿尔茨海默病患者的快速进展风险 | 首次将注意力机制与循环神经网络结合，利用纵向临床数据预测阿尔茨海默病的快速进展，并识别关键预测因子 | 研究数据来源于特定制药公司的临床试验，可能缺乏人群多样性；模型性能在外部验证中有所下降 | 预测阿尔茨海默病患者的快速进展，以优化临床试验设计和治疗效果评估 | 轻度至中度阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 纵向临床观察数据 | RNN | 临床数据 | 1603名患者 | NA | 带有注意力机制的循环神经网络 | AUROC, AUPRC | NA |
| 800 | 2026-03-25 |
Integrating Phenotypic Information of Obstructive Sleep Apnea and Deep Representation of Sleep-Event Sequences for Cardiovascular Risk Prediction
2024-Mar-15, Research square
DOI:10.21203/rs.3.rs-4084889/v1
PMID:38559110
|
研究论文 | 本研究探索了结合阻塞性睡眠呼吸暂停（OSA）表型信息和夜间生理信息，利用机器学习和深度学习模型进行心血管风险预测的有效策略 | 提出了结合OSA表型信息和睡眠事件序列深度表示的方法，并采用表型对比训练策略优化深度学习模型性能 | 研究基于MESA数据集，样本量有限（1,874名参与者），且仅针对无心血管疾病史的人群，可能无法推广到更广泛群体 | 探索整合OSA表型信息和夜间生理信息，用于普通人群心血管风险预测的有效策略 | 来自MESA数据集的1,874名无心血管疾病史的参与者 | 机器学习 | 心血管疾病 | 多导睡眠图（PSG）特征分析，K-均值聚类 | 机器学习模型，深度学习模型 | 静态PSG特征，夜间睡眠事件特征序列 | 1,874名参与者 | NA | NA | ROC曲线下面积（AUC） | NA |