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 40284 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2026-02-08 |
A cascaded CNN-LSTM framework for quantifying respiratory motion from surface electromyographic signals
2026-Feb-06, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae42ea
PMID:41650479
|
研究论文 | 本研究提出了一种级联的CNN-LSTM深度学习框架，用于从表面肌电信号中实时量化呼吸运动，旨在解决临床应用中ECG干扰和实时性不足的问题 | 提出了一种结合CNN-LSTM混合模型和多尺度CNN的级联深度学习框架，能够在无需后处理的情况下高效抑制ECG伪影并实时量化呼吸运动 | 研究样本量相对较小（45名受试者），且未明确提及模型在更广泛或多样化人群中的泛化能力 | 开发一种稳健的解决方案，用于从表面肌电信号中实时量化呼吸运动，以提升临床呼吸监测的准确性和实时性 | 45名受试者的表面肌电信号和呼吸数据 | 机器学习 | NA | 表面肌电信号采集 | CNN, LSTM | 信号数据 | 45名受试者（20名用于训练，25名用于验证） | NA | CNN-LSTM混合模型, 多尺度CNN | 皮尔逊相关系数 | NA |
| 962 | 2026-02-08 |
A Large-Scale Peripheral Blood Cell Dataset for Automated Hematological Analysis
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06761-y
PMID:41651863
|
研究论文 | 本文介绍了一个用于自动化血液分析的大规模外周血细胞数据集，包含13个不同细胞类别的31,489张高分辨率显微图像 | 该数据集是目前公开可用的最大外周血细胞图像集合，涵盖了包括罕见亚型在内的13个细胞类别，并提供了专家标注和高分辨率图像 | 数据集的局限性可能在于其仅基于特定染色方法和单一成像系统（Sysmex DI-60）获取，可能限制了在其他技术条件下的泛化能力 | 开发和支持用于临床应用的鲁棒自动化血液学系统 | 外周血细胞，包括常见细胞类型（如分叶核中性粒细胞、淋巴细胞）以及诊断关键但罕见的亚型（如髓细胞、原始细胞、反应性淋巴细胞） | 数字病理学 | 血液疾病 | May-Grünwald-Giemsa染色，100倍放大显微成像 | CNN | 图像 | 31,489张高分辨率显微图像，涵盖13个细胞类别 | NA | DenseNet-121 | 准确率 | NA |
| 963 | 2026-02-08 |
A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06736-z
PMID:41651871
|
研究论文 | 本文介绍了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC | 构建了首个同时整合诊断和预后信息、覆盖多倍率（×200、×400、×1000）及肿瘤核心与边缘区域的大型OSCC公共数据集 | 未提及模型在外部验证集上的泛化性能，也未讨论数据采集过程中的潜在偏差 | 为口腔鳞状细胞癌的计算机辅助诊断和预后预测提供高质量、多任务标注的基准数据集 | 1,325名口腔鳞状细胞癌患者的组织病理学图像 | 数字病理学 | 口腔鳞状细胞癌 | 组织病理学成像 | NA | 图像 | 1,325名患者，每名患者6张高分辨率图像（共约7,950张图像） | NA | NA | NA | NA |
| 964 | 2026-02-08 |
Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow
2026-Feb-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06715-4
PMID:41651886
|
研究论文 | 本文通过结合深度学习图像模态分类与图注分析的混合工作流程，从PubMed Central中筛选和分类图像，建立了名为DermpathNet的大型、开放获取的皮肤病理学图像数据集 | 提出了一种新颖的混合工作流程，结合深度学习图像分类与图注分析，用于自动筛选和分类皮肤病理学图像，并创建了一个经同行评审的开放数据集 | OpenAI的现有图像分析算法在处理皮肤病理学图像时表现不足，表明当前算法在此特定领域存在局限性 | 建立一个用于教育、交叉参考和机器学习目的的全面开放获取皮肤病理学图像数据集 | 从PubMed Central中提取的皮肤病理学图像 | 数字病理学 | 皮肤疾病 | 深度学习图像分类，图注分析 | 深度学习模型 | 图像 | 7,772张图像，覆盖166种诊断，验证集包含651张手动标注图像 | NA | NA | F-score | NA |
| 965 | 2026-02-08 |
Hyperparameter optimization to enhance the performance of deep learning models for the early detection of invasive turtles in Korea
2026-Feb-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37636-2
PMID:41651916
|
研究论文 | 本研究开发了一种通过超参数优化来检测和分类韩国六种入侵龟类的深度学习模型，以提高早期检测性能 | 将超参数优化（包括优化器选择和超参数调优）应用于入侵龟类的目标检测任务，以提升模型性能 | NA | 通过优化深度学习模型来支持入侵龟类的早期检测和管理 | 韩国的六种入侵淡水龟类 | 计算机视觉 | NA | NA | 深度学习目标检测模型 | 图像 | NA | NA | NA | 平均精度均值（mAP@0.5, mAP@0.5:0.95）, 分类准确率 | NA |
| 966 | 2026-02-08 |
Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals
2026-Feb-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02318-2
PMID:41652030
|
研究论文 | 开发深度学习模型用于筛查非洲裔人群的原发性开角型青光眼 | 针对非洲裔人群开发深度学习模型，解决其在AI数据集中代表性不足的问题，并采用多图像选择与概率平均的流程提高筛查准确性 | 模型在非洲裔人群数据上训练，虽在亚洲裔数据集上评估，但可能仍需更多样化人群验证 | 利用人工智能技术筛查原发性开角型青光眼，特别是在非洲裔人群中 | 非洲裔人群的原发性开角型青光眼病例与对照 | 计算机视觉 | 原发性开角型青光眼 | 眼底摄影 | 深度学习 | 图像 | 64,129张图像（来自1,782例病例和682例对照） | NA | Vision-Transformer | AUC | NA |
| 967 | 2026-02-08 |
Network for Real-time Laryngeal Lesions Video Object Detection
2026-Feb-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01855-w
PMID:41652139
|
研究论文 | 本文提出了一种名为DynSTPN的两阶段视频病变检测网络，用于在复杂场景下实时检测鼻咽-喉部病变 | 设计了一个动态提示生成器来生成区分性提示，并引入自适应可微分门控机制，以动态调整参考帧对推理帧的增强效果，从而在视频质量下降的情况下提升检测性能 | NA | 提高鼻咽-喉部肿瘤的早期和准确诊断，通过深度学习实现复杂场景下的实时视频病变检测 | 鼻咽-喉部病变视频 | 计算机视觉 | 鼻咽-喉部肿瘤 | NA | CNN | 视频 | NA | NA | DynSTPN | 检测准确率, FPS | NA |
| 968 | 2026-02-08 |
Non-inferiority of automated deep learning-based [18F]FDG PET/CT tumour volume compared to manual GTV for prognostic modelling in head and neck cancer
2026-Feb-06, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-026-01377-0
PMID:41652257
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 969 | 2026-02-08 |
Non-contact detection of post-regurgitation deep inhalation in calves using infrared thermography and deep learning-based nostril segmentation
2026-Feb-06, BMC veterinary research
IF:2.3Q1
DOI:10.1186/s12917-026-05340-y
PMID:41652485
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 970 | 2026-02-08 |
The diagnostic value of enhanced CT radiomics and deep learning in differentiating pediatric peripheral neuroblastoma from ganglioneuroblastoma
2026-Feb-06, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15665-4
PMID:41652556
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 971 | 2026-02-08 |
From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction
2026-Feb-05, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103216
PMID:41650708
|
综述 | 本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变 | 系统性地回顾了三种深度学习范式（基于语言模型的方法、端到端结构预测器和几何距离预测方法），并提出了针对RNA数据稀缺和模型可解释性的未来研究方向 | RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，且目前尚未实现突破性性能 | 回顾和评估深度学习模型在RNA结构预测领域的应用与发展 | RNA的二级和三级结构 | 计算生物学 | NA | 深度学习 | 语言模型, 端到端预测模型, 几何距离预测模型 | RNA序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 972 | 2026-02-08 |
A Multimodal Model for Caries Screening Using Intraoral Images and Questionnaires
2026-Feb-05, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109420
PMID:41650828
|
研究论文 | 本研究开发了一种结合口内照片和问卷数据的多模态深度学习模型，用于儿童龋齿筛查，并与仅使用图像的单一模态模型进行性能比较 | 通过整合口内图像和问卷数据构建多模态深度学习模型，提高了早期龋齿的召回率，同时保持整体诊断性能，并利用SHAP分析提供模型决策的可解释性见解 | 需要进一步的大规模、多中心验证以确认其普适性和有效性 | 开发用于儿童龋齿筛查的多模态深度学习模型 | 儿童在不同牙列阶段的口内图像和口腔健康问卷数据 | 计算机视觉 | 龋齿 | 深度学习 | 深度学习模型 | 图像, 文本 | 7671张图像（3913张咬合面图像和3758张光滑面图像） | NA | NA | 准确率, 精确率, 召回率, F1分数, ROC-AUC | NA |
| 973 | 2026-02-08 |
MultiSP deciphers tissue structure and multicellular communication from spatial multi-omics data
2026-Feb-05, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2026.101141
PMID:41650976
|
研究论文 | 本文提出了一种名为MultiSP的深度学习框架，用于从空间多组学数据中解析组织结构和多细胞通信 | 通过高效的空间和特征相似性融合、模态特定的概率生成建模以及跨模态对抗学习来增强数据表示，从而在捕获生物学可解释的空间域方面优于现有方法 | 未明确提及 | 探索组织复杂性，包括组织结构、细胞通信和基因调控机制 | 空间多组学数据，特别是肿瘤微环境中的细胞分布 | 机器学习 | NA | 空间多组学 | 深度学习 | 空间多组学数据 | NA | NA | NA | NA | NA |
| 974 | 2026-02-08 |
Exploiting correlations across trials and behavioral sessions to improve neural decoding
2026-Feb-04, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2025.10.026
PMID:41308644
|
研究论文 | 本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性 | 引入多会话降秩回归模型和多会话状态空间模型，首次系统性地捕捉跨试验和会话的神经与行为结构相关性 | 未与深度学习方法的计算效率进行直接对比，模型在极端非线性场景下的适用性未验证 | 提升神经解码性能，通过建模跨试验和会话的神经活动相关性 | 国际脑实验室小鼠Neuropixels数据集中的神经活动与行为数据 | 机器学习 | NA | 神经像素记录技术 | 降秩回归模型,状态空间模型 | 神经活动时间序列数据 | 433个会话，覆盖270个大脑区域 | NA | 多会话降秩回归模型,多会话状态空间模型 | NA | NA |
| 975 | 2026-02-08 |
Perception of AI Symptom Models in Oncology Nursing: Mixed Methods Evaluation Study
2026-Feb-04, JMIR nursing
DOI:10.2196/82283
PMID:41637487
|
研究论文 | 本研究通过混合方法评估肿瘤科护士对AI症状预测模型的看法及其影响因素 | 首次基于罗杰斯创新扩散理论，系统评估肿瘤科护士对AI症状预测模型的接受度及影响因素 | 样本量较小（仅15名护士），且为单中心研究，可能限制结果的普适性 | 探索肿瘤科护士对预测性症状模型在癌症护理中使用的看法，以及影响该症状护理创新采用的因素 | 肿瘤科护士 | NA | 癌症 | 混合方法研究（定量与定性分析） | NA | 调查问卷数据、定性评论 | 15名具有超过1年肿瘤科经验的护士 | NA | NA | 描述性统计、内容分析、归纳编码 | NA |
| 976 | 2026-02-08 |
Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data
2026-Feb-04, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72501
PMID:41637624
|
研究论文 | 本研究评估了使用智能手机应用结合主动和被动数据流，通过机器学习框架预测非临床青少年心理健康风险的可行性 | 首次在非临床、在校青少年群体中应用数字表型分析，结合对比预训练与三元组边界损失来稳定用户特定行为模式，并整合主动和被动数据流进行心理健康风险预测 | 样本量相对较小（n=103），研究周期较短（14天），且外部验证队列规模有限（n=45），可能影响模型的泛化能力和长期预测稳定性 | 评估基于智能手机的数字表型分析在预测非临床青少年心理健康风险中的可行性和效用 | 来自英国三所中学的103名青少年（平均年龄16.1岁） | 机器学习 | 心理健康障碍 | 数字表型分析，智能手机传感器数据采集 | 深度学习模型，CatBoost，多层感知机 | 主动数据（自我报告），被动数据（传感器数据） | 103名青少年参与主要研究，45名青少年用于外部验证 | 未明确指定，但提及了CatBoost（Yandex） | 深度学习模型（具体架构未指定），多层感知机 | 平衡准确度 | NA |
| 977 | 2026-02-08 |
Regulatory grammar in human promoters uncovered by MPRA-based deep learning
2026-Feb-04, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-10093-z
PMID:41639451
|
研究论文 | 本研究提出了一种基于MPRA的深度学习模型PARM，用于从DNA序列预测人类启动子活性，并揭示转录因子的调控规律 | 开发了轻量级的细胞类型特异性深度学习模型PARM，能够仅从DNA序列预测全基因组启动子活性，并首次系统揭示了转录因子的位置偏好和基序互作语法 | 模型主要基于MPRA数据训练，可能无法完全模拟体内复杂的染色质环境；目前仅针对特定细胞类型和条件进行验证 | 构建能够从DNA序列准确预测全基因组基因表达的计算模型，并解析人类启动子的调控机制 | 人类启动子序列及其调控功能 | 计算生物学 | NA | 大规模平行报告基因检测（MPRA）、深度学习 | 深度学习模型 | DNA序列数据、基因表达数据 | 基于专门设计的MPRA实验数据，具体样本量未明确说明 | NA | PARM（启动子活性调控模型） | 预测准确性（未明确具体指标） | NA |
| 978 | 2026-02-08 |
mCSM-metal: A Deep Learning Resource to Predict Effect of Mutations on Metal Ion Binding
2026-Feb-04, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2026.169678
PMID:41651016
|
研究论文 | 本文介绍了一个名为mCSM-metal的深度学习资源，用于预测突变对金属离子结合的影响 | 首次利用蛋白质语言模型ESMBind的嵌入表示与基于图的结构特征相结合，预测单点或多点突变对七种必需金属离子结合概率的影响 | 仅针对七种特定金属离子（Zn、Ca、Mg、Mn、Fe、Co、Cu）进行预测，未涵盖所有可能的金属离子 | 开发计算工具以预测蛋白质突变对金属离子结合的影响，替代实验方法 | 蛋白质中的金属离子结合位点 | 生物信息学 | NA | 深度学习，蛋白质语言模型 | 深度学习模型 | 蛋白质序列和结构数据 | NA | NA | 基于ESMBind嵌入和图结构特征的混合架构 | 准确率，F1分数，马修斯相关系数 | NA |
| 979 | 2026-02-08 |
Research on fast and accurate prediction of milk yield in dairy goats based on deep learning
2026-Feb-04, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27905
PMID:41651371
|
研究论文 | 本研究基于深度学习改进Mask R-CNN模型，用于快速准确预测奶山羊产奶量 | 通过引入特征通道注意力和锚框细化模块改进Mask R-CNN模型，使其更适用于奶山羊产奶量预测 | NA | 实现奶山羊产奶量的快速准确预测以辅助育种选择 | 奶山羊 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Mask R-CNN | 准确率, 召回率, mIoU, 平均绝对误差, 均方误差, 平均绝对百分比误差 | NA |
| 980 | 2026-02-08 |
Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level
2026-Feb-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c13074
PMID:41549613
|
研究论文 | 本文提出了一种基于三维卷积残差网络的深度学习方法，用于分类质谱光度法数据中的着陆事件，以优化单分子水平的质量测量 | 利用三维卷积残差网络分析事件的时空动态，从而隔离最优的单分子测量，消除累积直方图伪影，并将分辨率提升高达两倍 | NA | 优化质谱光度法在单分子水平上的质量测量，提高质量分辨率、灵敏度和浓度准确性 | 质谱光度法数据中的生物分子结构、相互作用和动力学，特别是蛋白质（解）结合过程中的反射率变化事件 | 机器学习和数字病理学 | NA | 质谱光度法 | CNN | 图像（3D事件缩略图） | 多样化的实验数据集，包括已解析和部分解析的样本，以及不同质量、浓度和积分时间的数据 | NA | 三维卷积残差网络 | 质量分辨率、灵敏度、浓度准确性 | NA |