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 47295 篇文献，本页显示第 1401 - 1420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1401 | 2026-07-03 |
Differentiable partition function calculation for RNA
2024-02-09, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad1168
PMID:38038257
|
研究论文 | 提出了一种可微分的RNA配分函数计算方法，实现了端到端的梯度优化 | 首次将McCaskill算法推广到连续输入，实现配分函数的可微分计算，从而将RNA热力学与深度学习等可微分编程工具相结合 | NA | 建立RNA热力学与可微分编程之间的桥梁，解决RNA逆折叠问题 | RNA序列 | 机器学习 | NA | 动态规划 | 可微分计算模型 | 序列数据 | NA | PyTorch | NA | NA | NA |
| 1402 | 2026-07-03 |
Deep Learning of Cancer Stem Cell Morphology
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3730-2_17
PMID:38478348
|
研究论文 | 利用深度学习识别癌症干细胞形态，并可视化AI学习过程以发现未知结构 | 首次使用AI图像识别技术自动识别癌症干细胞形态，无需先验图像标注知识，并通过深度学习过程可视化揭示未识别的结构 | NA | 构建能识别培养物和肿瘤组织中癌症干细胞形态的AI模型 | 癌症干细胞的形态特征 | 计算机视觉 | 癌症 | NA | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1403 | 2026-07-03 |
Prediction of LncRNA-protein Interactions Using Auto-Encoder, SE-ResNet Models and Transfer Learning
2024, MicroRNA (Shariqah, United Arab Emirates)
|
研究论文 | 提出一种名为AR-LPI的深度学习框架，用于预测长链非编码RNA与蛋白质的相互作用 | 使用自编码器进行特征提取，结合SE-ResNet模型进行预测，并引入迁移学习处理小样本数据集 | 未提及具体局限性 | 提高LncRNA-蛋白质相互作用预测的准确性 | 长链非编码RNA与蛋白质的相互作用 | 机器学习 | 癌症, Prader-Willi综合征, 自闭症, 阿尔茨海默病, 软骨毛发发育不全, 听力损失 | NA | 自编码器, SE-ResNet | 序列数据和二级结构特征 | NA | NA | SE-ResNet | 准确率, F值 | NA |
| 1404 | 2026-07-03 |
RETRACTED ARTICLE: A review on quantum computing and deep learning algorithms and their applications
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07037-4
PMID:35411203
|
综述 | 本文综述了量子计算和深度学习算法及其在计算智能中的应用 | 系统分析了量子算法和深度学习算法这两大领域及其在计算智能中的应用，强调了量子计算带来的指数级加速优势 | 未详细比较不同算法的具体性能指标，也未讨论实际部署中的挑战 | 探讨量子计算和深度学习在计算智能中的研究现状与应用 | 量子计算和深度学习算法 | 机器学习 | NA | NA | 深度学习模型 | 文本、图像、音频 | NA | NA | NA | NA | NA |
| 1405 | 2026-07-03 |
RETRACTED ARTICLE: DenseNet-II: an improved deep convolutional neural network for melanoma cancer detection
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07406-z
PMID:36034768
|
研究论文 (已撤稿) | 提出改进的深度卷积神经网络DenseNet-II用于黑色素瘤检测 | 通过自定义网络层数、激活函数和输入数组维度，改进DenseNet架构，实现对七类皮肤病变的分类，超越传统二分类（恶性/良性）方法 | 未在摘要中明确说明 | 提高黑色素瘤检测的准确性 | 黑色素瘤皮肤病变数据集中的七种病变类型 | 计算机视觉, 数字病理学 | 黑色素瘤 | NA | 卷积神经网络（CNN） | 图像（皮肤镜图像或普通相机图像） | NA | NA | DenseNet（改进型，文中称DenseNet-II） | 准确率 | NA |
| 1406 | 2026-07-03 |
RETRACTED ARTICLE: An automatic and intelligent brain tumor detection using Lee sigma filtered histogram segmentation model
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07457-2
PMID:36105824
|
科研论文 | 提出一种基于Lee sigma滤波直方图分割模型（LSFHS）的自动智能脑肿瘤检测方法 | 创新性地结合自适应Lee sigma滤波与灰度双峰直方图分割进行脑肿瘤检测，相比现有方法提高了14%的检测准确率并加快了25%的检测速度 | 本文已被撤回，可能涉及研究结果或方法的可靠性问题 | 实现高准确率、低时间消耗的脑肿瘤自动检测 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | NA | 图像 | 多张MRI图像 | NA | LSFHS（Lee sigma滤波直方图分割） | 峰值信噪比（PSNR），肿瘤检测准确率，错误率 | NA |
| 1407 | 2026-07-03 |
Analyzing fibrous tissue pattern in fibrous dysplasia bone images using deep R-CNN networks for segmentation
2022, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06519-1
PMID:34867079
|
研究论文 | 利用深度R-CNN网络分割纤维异常增生骨图像中的纤维组织模式 | 提出了结合区域卷积神经网络与线性回归模型的方法，用于纤维异常增生骨图像中纤维组织分割及骨异常程度预测 | 未说明数据样本量、计算资源及与其他方法的对比，仅报告了自身性能指标 | 实现纤维异常增生骨图像中纤维组织的自动分割，并预测骨异常水平 | 纤维异常增生（FD）患者的骨图像 | 计算机视觉, 数字病理学 | 骨骼疾病 | 医学影像分析 | 区域卷积神经网络（R-CNN） | 图像 | 未提及 | NA | R-CNN | 准确率, 损失值 | 未提及 |
| 1408 | 2026-07-03 |
RE: A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma
2021-11-29, Journal of the National Cancer Institute
DOI:10.1093/jnci/djab098
PMID:34021355
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1409 | 2026-07-03 |
A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma
2021-05-04, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaa149
PMID:32970812
|
研究论文 | 基于深度学习构建局部晚期鼻咽癌预后预测系统，利用MRI影像和临床数据区分低危患者 | 首次将3D卷积神经网络与XGBoost结合，基于MRI影像和临床数据构建多中心验证的预后系统，显著优于传统TNM分期系统 | 未提及具体限制，可能包括样本量有限、数据来源地域局限或模型可解释性不足 | 开发并验证基于MRI特征的预后系统，以区分局部晚期鼻咽癌低危患者，优化治疗方案 | 局部晚期鼻咽癌（LA-NPC）患者 | 机器学习 | 鼻咽癌 | MRI | 3D卷积神经网络, XGBoost | 图像 | 3444例局部晚期鼻咽癌患者 | NA | 3D卷积神经网络, XGBoost | 一致性指数（C-index） | NA |
| 1410 | 2026-07-03 |
Region of interest-based predictive algorithm for subretinal hemorrhage detection using faster R-CNN
2021, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06098-1
PMID:34421341
|
研究论文 | 本文提出一种基于深度学习的预测算法，利用Faster R-CNN检测视网膜下出血，并通过OCT图像实现分类 | 结合区域卷积神经网络和语义分割技术，提出基于感兴趣区域的预测算法以提升分类准确率，并在测试时间上优于传统CNN、R-CNN和Fast R-CNN | 仅使用特定医疗机构的OCT图像和Kaggle数据集进行验证，泛化性可能受限；且样本数量未明确说明，可能影响模型鲁棒性 | 开发一种能够自动检测并分类视网膜下出血为响应型或非响应型的预测算法 | 视网膜下出血患者的光学相干断层扫描（OCT）图像 | 计算机视觉 | 年龄相关性黄斑变性、糖尿病性黄斑水肿 | OCT | Faster R-CNN | 图像 | 未明确说明 | NA | Faster R-CNN | 灵敏度、特异度、准确率、测试时间 | NA |
| 1411 | 2026-07-03 |
Ontology: Footstone for Strong Artificial Intelligence
2019-Nov-12, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih
DOI:10.24920/003701
PMID:36578862
|
会议综述 | 该文章论述了本体论在推动强人工智能发展中的关键作用，特别是在生物医学领域的应用，并介绍了2019年中国生物医学本体与术语会议 | 提出本体论可作为实现强人工智能的基石，通过标准化数据、支持语义集成和逻辑表达，解决复杂医学问题的路径 | 未具体说明本体的实际应用案例或性能评估，仅从理论层面讨论了其重要性 | 探讨本体论如何助力机器理解数据，从而推动强人工智能在生物医学领域的发展 | 生物医学本体与术语，以及其在人工智能中的应用 | 机器学习 | NA | 本体论 | NA | 生物医学数据 | NA | NA | NA | NA | NA |
| 1412 | 2026-07-02 |
Axial length prediction Model based on screening fundus photography data in school-age children
2026-Apr, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2026.110893
PMID:41611113
|
研究论文 | 本研究基于学龄儿童筛查眼底照片开发深度学习模型预测眼轴长度 | 首次利用近乎正常的彩色眼底照片预测儿童眼轴长度，并系统评估年龄、等效球镜和性别等临床变量对模型性能的影响 | 未明确提及局限性，但可能包括样本仅来自6-10岁儿童、未考虑其他眼部参数以及性别加入导致性能下降的机制不明确 | 开发基于筛查眼底照片的深度学习模型预测学龄儿童眼轴长度 | 6-10岁学龄儿童的彩色眼底照片及相关临床数据（年龄、等效球镜、性别） | 计算机视觉 | 近视相关眼病 | 眼底照相 | 卷积神经网络 | 图像 | 2779名儿童的3840张彩色眼底照片 | NA | ResNet101 | 相关系数R | NA |
| 1413 | 2026-07-02 |
Hit identification in ultra large virtual screening: an integrative review and future challenges
2026-Mar, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2026.104616
PMID:41611169
|
综述 | 综述超大规模虚拟筛选在靶点发现中的最新策略、平台及未来挑战 | 系统总结了多种工作流（基于结构、配体、药效团、片段及混合方法）及其在机器学习增强下的进展，并指出评分准确性、资源效率和泛化性等关键挑战 | 未提供具体实验验证细节和定量比较现有方法的性能 | 综述超大规模虚拟筛选在命中化合物发现中的现状、平台技术及未来发展方向 | 超大规模虚拟筛选中的策略、工作流及平台（如VirtualFlow、RosettaVS、Deep Docking、V-SYNTHES） | 机器学习 | 不适用 | 虚拟筛选 | 机器学习、深度学习 | 化学分子数据 | 涉及数亿至数十亿化合物 | 不适用 | 不适用 | 准确性、资源效率、泛化性 | 不适用 |
| 1414 | 2026-07-02 |
Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation
2026-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.150581
PMID:41611152
|
研究论文 | 本文报道了一种结合深度生成模型和虚拟筛选的整合框架，用于发现靶向IL23/IL23R蛋白-蛋白相互作用的小分子抑制剂，并通过实验验证其机制 | 利用基于序列附着的片段嵌入（SAFE）深度生成模型设计新型p19靶向骨架，结合虚拟筛选和分子动力学模拟，首次发现了一种通过诱导受体刚性化和变构稳定来锁定IL23/IL23R复合物于非信号传导状态的抑制剂Inh-31 | 仅对31个候选化合物进行了细胞筛选，样本量较小；未提及长期毒性或体内药效验证；分子动力学模拟时间限于300纳秒，可能不足以完全捕获动态行为 | 开发一种新的计算方法结合实验验证，以发现靶向IL23/IL23R相互作用的小分子抑制剂，为慢性炎症疾病（如银屑病）提供治疗候选分子 | IL23/IL23R蛋白-蛋白相互作用及其小分子抑制剂 | 机器学习 | 炎症性疾病（银屑病） | 分子动力学模拟 | SAFE深度生成模型 | 分子结构数据 | 31个候选化合物 | NA | SAFE（序列附着片段嵌入） | NA | NA |
| 1415 | 2026-07-01 |
Methodological challenges in machine learning and deep learning applied to food analysis: A critical review
2026-Aug-30, Journal of chromatography. A
DOI:10.1016/j.chroma.2026.467176
PMID:42314502
|
综述 | 对机器学习和深度学习在食品分析中面临的方法论挑战进行批判性评估 | 系统审查了165项研究并采用色谱案例实验验证，揭示了高折交叉验证及复制样本误用对模型性能的高估问题 | 仅基于咖啡色谱数据集进行案例验证，可能无法完全代表其他食品分析场景 | 评估机器学习/深度学习在食品分析中的方法论可靠性及工业可迁移性 | 食品色谱指纹图谱及色谱联用技术生成的高维数据集 | 机器学习 | NA | 色谱指纹图谱, 色谱联用技术 | 机器学习模型, 深度学习模型 | 高维色谱数据 | 165项已发表研究，1个咖啡起源色谱数据集 | NA | NA | 准确率 | NA |
| 1416 | 2026-07-01 |
1D domino-like phase transformation enables material programming in 2D MoTe2
2026-Jul-07, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2528037123
PMID:42372145
|
研究论文 | 通过深度学习势加速的分子动力学模拟，揭示了单层MoTe2中一维多米诺骨牌式的相变机制，并展示了其在非线性光学响应和电学开关调控中的潜力 | 首次发现二维材料中一维多米诺骨牌式相变机制，兼具马氏体和重构相变特征，并通过深度学习势分子动力学模拟验证，提供了可调的相变过程控制能力 | 研究主要基于模拟结果，未提供实验验证相变机制的细节，且可能未探讨其他组分的MoTe2或不同二维材料中的通用性 | 探索单层MoTe2的相变微观机制并实现材料性能调控 | 单层MoTe2材料 | 机器学习 | NA | 分子动力学模拟, 深度学习势 | 深度学习势 | 分子动力学轨迹数据, 模拟数据 | NA | NA | 深度学习势 | NA | NA |
| 1417 | 2026-07-01 |
Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3632096
PMID:41223103
|
研究论文 | 提出了一种联合收缩模式匹配算法，用于解决脑机接口中小样本和不平衡事件相关电位解码问题 | 通过联合收缩空间滤波器结合基于收缩的正则化与l_{2,p}范数，在复杂结构化正则化与实现简单性之间架起桥梁，并利用加权模板匹配缓解类不平衡导致的决策边界偏移 | 未明确说明 | 解决事件相关电位解码中的数据稀缺和类不平衡挑战，推动从实验室研究向实际应用过渡 | 基于事件相关电位的脑机接口系统的解码算法 | 机器学习 | NA | 事件相关电位解码 | 联合收缩模式匹配 (JSPM) | 脑电图信号 | 40个不平衡训练样本 | NA | 联合收缩空间滤波器, 加权模板匹配 | 平衡准确率 (bAcc) | NA |
| 1418 | 2026-07-01 |
Data Augmentation via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635264
PMID:41269845
|
研究论文 | 提出一种利用数字孪生体进行数据增强的策略，以在数据匮乏的情况下开发1型糖尿病个性化深度学习血糖预测算法 | 首次将数字孪生体（DT-T1D）用于生成个性化合成数据，以增强深度学习模型在血糖预测中的训练效果，特别是在数据有限的情况下 | 研究基于12名患者的开源数据集，样本量较小，可能限制模型的泛化能力；此外，数字孪生体的生成和模拟过程可能引入偏差 | 解决1型糖尿病管理中因数据稀缺而难以训练深度学习血糖预测模型的问题 | 1型糖尿病患者及其血糖-胰岛素动态数据 | 机器学习 | 1型糖尿病 | NA | 深度学习（未指定具体模型类型） | 时序数据（血糖-胰岛素动态数据） | 12名患者的数据 | NA | NA | NA（摘要中提及性能提升但未给出具体指标） | NA |
| 1419 | 2026-07-01 |
Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635426
PMID:41269846
|
研究论文 | 提出一种结合3D生成对抗网络与双通道视觉Transformer的框架，用于腰椎应力分析，兼具高精度与高效计算 | 将物理约束机制引入深度学习训练，确保模型与力学原理的一致性；通过生成对抗网络进行数据增强，克服了医学数据依赖性 | 未提及 | 提高腰椎生物力学分析的效率与准确性，实现实时分析以辅助诊断、手术规划和个体化治疗 | 腰椎的生物力学特性，包括椎体、椎间盘等结构 | 计算机视觉， 数字病理学 | 脊柱疾病 | 有限元分析 | 生成对抗网络， 视觉Transformer | 图像 | 未提及 | PyTorch | 3D生成对抗网络， 双通道视觉Transformer | 交并比， 均方误差 | NA |
| 1420 | 2026-07-01 |
EMI Cancellation for Shielding-Free Ultra-Low-Field MRI
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635911
PMID:41284462
|
研究论文 | 针对无屏蔽超低场MRI中的电磁干扰问题，提出一种基于深度学习的主动EMI抑制方法 | 首次将Transformer与混合注意力机制结合到U-Net架构中实现数据驱动的EMI预测与抑制 | 未提及具体局限性 | 开发深度学习主动EMI抑制方法，实现无屏蔽环境下ULF MRI的高质量成像 | 人体大脑成像数据中的电磁干扰信号 | 机器学习 | NA | 超低场磁共振成像 | U-Net | 磁共振信号 | NA | PyTorch | U-Net, Transformer, 混合注意力机制 | 信噪比, 峰值信噪比, 结构相似性指数 | NA |