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 47993 篇文献，本页显示第 9641 - 9660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9641 | 2026-03-23 |
A two-stage framework for cost-sensitive predictive maintenance using deep learning, GANs, and risk-aware clustering
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42910-4
PMID:41865106
|
研究论文 | 本文提出了一种基于组件、面向决策的两阶段预测性维护框架，将剩余使用寿命预测与维护成本优化相结合 | 提出了一种结合深度学习、生成对抗网络和风险感知聚类的两阶段框架，通过数据增强解决故障数据稀疏性问题，并引入基于风险的维护决策优化 | 研究基于特定水灌装厂系统的工业组件，框架在其他工业环境中的普适性有待验证 | 开发一种成本敏感的预测性维护方法，减少纠正性故障并优化维护成本 | 工业系统组件（水灌装厂的多组件） | 机器学习 | NA | NA | LSTM, GAN | 时间序列数据（运行至故障序列） | NA | NA | WGAN-GP, DBSCAN | 纠正性故障减少率, 标准化维护成本 | NA |
| 9642 | 2026-03-23 |
Memory efficient training for 3D brain image registration networks using PatchMorph
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44858-x
PMID:41865161
|
研究论文 | 提出一种名为PatchMorph的随机框架，用于显著降低3D脑图像配准网络中训练和推理的内存需求 | 通过解耦空间逻辑与网络架构，实现多尺度、基于世界坐标的补丁级联配准，支持处理大尺寸图像和不同体素分辨率 | 基于补丁的方法比单次全体积网络的推理时间更长 | 开发内存高效的深度学习框架以改进3D脑图像配准 | 人类T1 MRI图像和狨猴脑图像（来自串行双光子断层扫描） | 计算机视觉 | NA | 串行双光子断层扫描 | CNN, Transformer | 3D图像 | NA | NA | VoxelMorph-like | NA | NA |
| 9643 | 2026-03-23 |
Viability classification of unstained cells in microscopic images using deep learning
2026-Mar-20, Applied microscopy
DOI:10.1186/s42649-026-00127-9
PMID:41857258
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9644 | 2026-03-23 |
Multimodal deep learning for inflammatory bowel disease: a new frontier in cellular and molecular biomarker discovery to clinical translation
2026-Mar-19, Journal of biological engineering
IF:5.7Q1
DOI:10.1186/s13036-026-00637-w
PMID:41857729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9645 | 2026-03-23 |
Corrigendum to: A Comprehensive Review on Deep Learning Techniques in Alzheimer's Disease Diagnosis
2026-Mar-19, Current topics in medicinal chemistry
IF:2.9Q3
|
更正 | 对一篇关于阿尔茨海默病诊断中深度学习技术的综述文章进行了更正，以澄清原文中某些不清晰的短语和表达 | NA | NA | NA | NA | NA | 阿尔茨海默病 | NA | DBN | NA | NA | NA | DBN, RBM | NA | NA |
| 9646 | 2026-03-23 |
Molecular Dynamics Study on Deep Learning Potential of the (LiF-YF3)eut.-Y2O3 Molten Salt System
2026-Mar-16, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c08470
PMID:41838957
|
研究论文 | 本研究通过Deep Potential Generator（DPGEN）机器学习工作流训练了(LiF-YF3)eut.-Y2O3熔盐体系的分子动力学势函数，并分析了系统内簇结构的动态演化 | 采用DPGEN机器学习工作流训练熔盐体系的分子动力学势函数，并系统分析了簇结构演化及离子配位行为 | NA | 研究(LiF-YF3)eut.-Y2O3熔盐体系的分子动力学行为及簇结构演化 | (LiF-YF3)eut.-Y2O3熔盐体系 | 机器学习 | NA | 分子动力学模拟, 机器学习 | 深度学习势函数 | 模拟数据 | NA | DPGEN | NA | 密度偏差 | NA |
| 9647 | 2026-03-23 |
Mining user features with hyperbolic representations for diffusion prediction
2026-Mar-15, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108855
PMID:41863897
|
研究论文 | 提出一种名为Hyper-MUF的新型深度学习框架，利用双曲表示挖掘静态和动态用户特征以进行信息扩散预测 | 首次将双曲空间表示引入信息扩散预测，同时建模社交网络的层次结构特征和级联序列中的动态传播特征 | 未明确说明模型在跨平台或跨语言场景中的泛化能力，也未讨论计算复杂度与实时预测的平衡问题 | 改进信息扩散预测的准确性和可解释性，解决现有模型在捕捉社交网络层次结构和动态传播模式方面的不足 | 社交网络中的用户行为与信息传播过程 | 自然语言处理 | NA | 深度学习 | 注意力机制, 池化机制 | 社交网络数据, 级联序列数据 | 四个真实数据集（未明确具体样本数量） | NA | Hyper-MUF（自定义架构） | 预测性能（未明确具体指标） | NA |
| 9648 | 2026-03-23 |
Handling distribution shifts on dynamic graphs via causal invariance principles
2026-Mar-15, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108854
PMID:41863898
|
研究论文 | 本文提出了一种基于因果不变性原理的方法DCIP，用于处理动态图上的分布偏移问题 | 通过多特征提取模块探索隐式节点交互模式，结合傅里叶变换和Transformer的频率域因果解耦架构，以及虚拟干预正则化策略，以分离因果模式并增强其跨环境稳定性 | 未在摘要中明确说明 | 处理动态图上的分布偏移，提高图神经网络在现实场景中的泛化能力 | 动态图数据 | 机器学习 | NA | NA | 动态图神经网络 | 动态图数据 | 六个动态图数据集和四个分布偏移数据集 | NA | Transformer | NA | NA |
| 9649 | 2026-03-23 |
Computational Redesign of an Ancestral Xylose Isomerase: Tuning the Substrate Preference and Thermostability for Biomass Valorization
2026-Mar-12, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c17228
PMID:41817278
|
研究论文 | 本文通过整合祖先序列重建与深度学习方法，重新设计了一种祖先木糖异构酶，以优化其底物偏好和热稳定性，用于生物质增值 | 结合祖先序列重建与深度学习来识别双底物活性酶，并通过半理性设计策略（如柔性盖设计和突变）同时提升催化活性和热稳定性 | NA | 优化木糖异构酶的底物偏好和热稳定性，以开发适用于生物质增值的实用生物催化剂 | 祖先木糖异构酶ASR285及其突变体 | 机器学习 | NA | 祖先序列重建, 深度学习 | NA | 序列数据 | NA | NA | NA | 催化活性倍数增加, 半衰期倍数增加, d-果糖产量倍数增加 | NA |
| 9650 | 2026-03-23 |
PIBAdb: a public cohort of multimodal colonoscopy videos and images including polyps with histological information
2026-Mar-10, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109315
PMID:41863886
|
研究论文 | 本文介绍了PIBAdb，一个包含结肠镜视频和图像的多模态公共数据集，用于结直肠息肉研究 | PIBAdb是最大且最完整的结直肠息肉多模态公共数据集之一，具有丰富的每个息肉元数据（组织学和PARIS/NICE分类）、包含NBI和WL图像，以及多个清洁度级别的非息肉图像 | 数据集仅基于单一医院（Hospital Universitario de Ourense）的数据，可能限制其泛化性 | 为结直肠息肉研究提供高质量的多模态公共数据集，支持深度学习模型的开发 | 结直肠息肉 | 数字病理学 | 结直肠癌 | 结肠镜检查 | 深度学习模型 | 视频, 图像 | 1176个息肉，31,946张手动标注的息肉图像，14,124张非息肉图像，近7小时带息肉的标注视频段，超过4小时无息肉的标注视频段 | NA | NA | NA | NA |
| 9651 | 2026-03-23 |
An Efficient Contrastive Deep Learning Model for Identifying Schizophrenia-Specific Neuroanatomical Variations
2026-Mar-07, Schizophrenia bulletin
IF:5.3Q1
DOI:10.1093/schbul/sbaf261
PMID:41863375
|
研究论文 | 本研究开发了一种名为DECODE-SZ的深度学习模型，用于识别精神分裂症特异性的神经解剖学变异 | 结合对比学习、3D卷积神经网络和变分自编码器，首次提出了一种能有效分离精神分裂症特异性神经解剖特征的模型 | 研究样本仅来自中国8个独立站点，可能限制了结果的普适性，且未考虑其他潜在混杂因素 | 探究精神分裂症特异性神经解剖学变异与临床症状之间的关系，以开发更可靠的生物标志物 | 精神分裂症患者和健康对照者的结构MRI数据 | 医学影像分析 | 精神分裂症 | 结构MRI | 3D CNN, VAE | 3D图像 | 641名精神分裂症患者和609名健康对照者，来自8个独立站点 | NA | DECODE-SZ（双编码器对比解码模型） | 与PANSS评分的关联性分析 | NA |
| 9652 | 2026-03-23 |
Corrigendum to "Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study" [World Neurosurgery, Volume 195, March 2025, 123728]
2026-Mar, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2026.124831
PMID:41713361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9653 | 2026-03-23 |
IgPose: a generative data-augmented pipeline for robust immunoglobulin-antigen binding prediction
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag076
PMID:41692975
|
研究论文 | 介绍IgPose，一个用于免疫球蛋白-抗原结合预测的生成式数据增强框架 | 通过构建合成诱饵数据库SIDD缓解数据稀缺，并集成等变图神经网络、ESM-2嵌入和门控循环单元来协同捕获几何和进化特征 | 未在摘要中明确说明 | 预测免疫球蛋白-抗原结合，以支持高通量抗体发现 | 免疫球蛋白-抗原复合物 | 机器学习 | NA | 生成式数据增强 | 图神经网络, 门控循环单元 | 结构数据, 序列嵌入 | NA | NA | 等变图神经网络, ESM-2, 门控循环单元 | DockQ分数 | NA |
| 9654 | 2026-03-23 |
Mamba6mA: a Mamba-based DNA N6-methyladenine site prediction model
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag060
PMID:41645436
|
研究论文 | 本文提出了一种基于Mamba状态空间模型的DNA N6-甲基腺嘌呤位点预测模型Mamba6mA | 设计了位置特异性线性层以替代传统卷积层，并构建了多尺度特征提取模块，有效提升了6mA位点预测的泛化能力 | 模型在11个物种数据集中的2个未取得最佳MCC，泛化能力仍需进一步验证 | 开发一种高效准确的DNA N6-甲基腺嘌呤位点预测方法 | DNA序列中的N6-甲基腺嘌呤修饰位点 | 机器学习 | 癌症 | SMRT测序, 甲基化DNA免疫沉淀 | 状态空间模型 | DNA序列数据 | 11个物种数据集 | NA | Mamba | MCC | NA |
| 9655 | 2026-03-23 |
Predicting homologous recombination deficiency and treatment responses using a computed tomography-based foundation model: a preclinical study
2026-Feb-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01322-3
PMID:41667716
|
研究论文 | 本研究利用基于CT的基础模型预测小鼠同源重组缺陷状态及对新型DNA交联剂的治疗反应 | 首次将基础模型应用于临床前CT图像，以克服动物研究中数据稀缺的挑战，并在HRD分类上显著优于传统放射组学和监督深度学习 | 研究主要基于小鼠模型，结果向人类临床应用的转化仍需进一步验证 | 预测同源重组缺陷状态及评估新型DNA靶向疗法的治疗反应 | 小鼠异种移植模型 | 数字病理学 | 癌症 | 微CT扫描 | 基础模型, 监督深度学习 | CT图像 | 307只小鼠 | NA | 基础模型 | AUC | NA |
| 9656 | 2026-03-23 |
Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older
2025-Dec, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100299
PMID:41323361
|
研究论文 | 本研究探讨了通过深度学习从腹部CT扫描中提取的脂肪、肌肉和骨骼测量指标与20岁及以上人群跌倒风险之间的关联 | 首次使用深度学习算法从腹部CT扫描中自动提取身体成分生物标志物，并评估其与跌倒风险的关联，特别是在中年人群中识别低肌肉密度作为风险因素 | 研究为回顾性设计，可能受选择偏倚影响；仅使用腹部CT扫描，未考虑其他身体部位；跌倒事件通过医疗记录识别，可能存在漏报 | 确定腹部CT扫描中的身体成分测量是否与成年人跌倒风险相关 | 20至89岁的成年人，他们接受了腹部CT扫描 | 数字病理学 | 老年疾病 | 腹部CT扫描 | 深度学习算法 | 医学影像 | 3972人 | NA | NA | 调整后的风险比, 95%置信区间 | NA |
| 9657 | 2026-03-23 |
Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18478
PMID:40423629
|
研究论文 | 本研究利用深度学习模型分析短暂的发作间期颅内记录数据，以准确识别癫痫发作起始区 | 首次证明基于短暂发作间期颅内记录的深度学习模型能够有效分类全脑范围内的癫痫发作起始区，并揭示了发作间期癫痫样放电的特征重要性 | 研究样本量相对有限（78名患者），且模型性能可能受数据预处理方法（如直方图均衡化）的影响 | 通过自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间 | 78名癫痫患者的发作间期立体定向脑电图记录 | 机器学习 | 癫痫 | 立体定向脑电图 | CNN | 脑电图信号 | 超过1,000,000个发作间期立体定向脑电图片段，来自78名患者 | NA | 多通道、多尺度一维卷积神经网络 | 灵敏度, 特异性, 准确率 | NA |
| 9658 | 2026-03-23 |
TRANSFORMER-BASED T1-TRACTOGRAPHY
2025, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10981144
PMID:40814567
|
研究论文 | 本文提出了一种基于Transformer的T1加权MRI纤维束追踪方法，通过改进现有CoRNN架构，提升白质通路估计的准确性 | 将Transformer模块引入T1加权纤维束追踪，替代传统的循环单元和序列表示，改进纤维方向分布的表示和预测网络 | 研究仅针对健康成年人的数据，未涉及病理状态或更广泛人群的验证 | 提高T1加权MRI纤维束追踪的准确性，使其更接近扩散MRI金标准 | 人类大脑白质通路 | 医学影像分析 | NA | T1加权MRI, 扩散MRI | Transformer | MRI图像 | 健康正常成年人数据 | NA | Transformer | 角度一致性 | NA |
| 9659 | 2026-03-22 |
Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress
2026-Apr, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.07.042
PMID:40721023
|
研究论文 | 本研究提出了一种结合被动与主动靶向机制的AI驱动双靶向策略，用于设计靶向内质网应激的诊疗一体化分子 | 开发了基于机器学习的分子指纹转移方法用于被动靶向，并设计了基于深度学习的3D分子生成模型PM-1用于主动靶向，通过整合两者实现了新型荧光分子探针的智能设计 | NA | 设计能够精确靶向并调控内质网应激的多功能诊疗一体化分子 | 内质网应激关键生物标志物Grp78 | 机器学习 | 肿瘤 | 分子指纹转移、3D分子生成 | 机器学习、深度学习 | 分子结构数据 | NA | NA | PM-1 | Pearson相关系数、IC50 | NA |
| 9660 | 2026-03-22 |
Prostate MR image segmentation using a multi-stage network approach
2026-Apr, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-025-04763-0
PMID:40911178
|
研究论文 | 本研究利用深度学习图像分割技术，通过多阶段网络方法对前列腺T2加权MR图像进行分割，以提升前列腺癌的检测和表征能力 | 提出并比较了三种多阶段分割策略（单阶段、顺序两阶段和端到端两阶段），其中端到端方法通过共享特征表示显著提升了前列腺边界划分的准确性 | 模型仍需进一步优化，并需评估其在多样化医学影像场景中的泛化能力 | 提升前列腺癌的诊断准确性和治疗规划效率 | 前列腺T2加权磁共振图像 | 数字病理学 | 前列腺癌 | T2加权磁共振成像 | 深度学习 | 图像 | 1151名患者的61,119张T2加权MR图像 | NA | MultiResUNet | NA | NA |