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 47514 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-07-29 |
Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds
2026-Nov-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2026.122076
PMID:42242428
|
研究论文 | 利用可穿戴设备衍生的昼夜节律生物标志物进行抑郁发作的提前一周预测 | 首次整合心率衍生的余弦峰相位和基于睡眠时间的褪黑素相位代理指标，并采用基于风险的阈值进行性能评估 | 需要外部验证、概率校准、可迁移性评估和前瞻性发作评估 | 实现抑郁发作的早期检测和风险分层 | 情感障碍患者 | 机器学习 | 情感障碍 | 可穿戴设备监测 | 时间序列模型 | 心率、睡眠时间等可穿戴设备数据 | 144名参与者，90281人-天 | NA | NA | AUROC、阳性预测值 | NA |
| 2 | 2026-07-29 |
Cross-modal mapping of cancer stem-like cell plasticity using deep learning
2026-Sep, NAR cancer
IF:3.4Q2
DOI:10.1093/narcan/zcag015
PMID:42516214
|
研究论文 | 开发了基于深度学习的统一框架ACSCeND，用于癌症干细胞样可塑性的跨模态映射，实现单细胞和批量转录组数据中CSC状态的高分辨率分类和组织水平反卷积 | 提出一体化机器学习框架ACSCeND，结合监督分类器和注意力引导自编码器，首次实现从单细胞RNA测序到批量RNA测序数据的CSC状态跨模态映射，并在超过25,000个肿瘤样本中验证其作为泛癌生物标志物的临床意义 | 文中未明确提及局限性 | 开发可扩展的深度学习工具，实现对癌症干细胞样状态的统一分类和组织水平去卷积，以解析肿瘤异质性和指导干性导向治疗 | 癌症干细胞状态（多能样、多潜能样、单能样）及其在肿瘤异质性、治疗耐药和免疫治疗中的动态变化 | 机器学习 | 多种癌症（泛癌） | 单细胞RNA测序、批量RNA测序 | 自编码器、分类器 | 基因表达数据 | 25,000多个肿瘤图谱（来自TCGA、PRECOG、肿瘤复发和检查点抑制剂研究） | PyTorch | 注意力引导自编码器、监督分类器 | 准确率 | 未提及 |
| 3 | 2026-07-29 |
CARES-Net: a channel-attention residual network for multi-disease classification in small-sample 1H NMR metabolomics data
2026-08-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345614
PMID:42191258
|
研究论文 | 提出CARES-Net，一种用于1H NMR代谢组学小样本多疾病分类的通道注意力残差网络 | 将残差连接与通道注意力机制整合，自适应重加权光谱特征，增强有效代谢信号并抑制噪声和冗余变量 | NA | 提升基于小样本NMR代谢组学的疾病分类准确性 | 儿童营养不良和胰腺导管腺癌（PDAC）患者的血清1H NMR数据集 | 机器学习 | 营养不良, 胰腺导管腺癌 | NMR代谢组学 | CNN | 光谱数据 | 儿童营养不良和PDAC患者的小样本血清样本 | PyTorch | 残差网络，通道注意力机制 | 准确率 | NA |
| 4 | 2026-07-29 |
Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal
2026-Aug, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2555516
PMID:40985643
|
研究论文 | 提出一种联邦学习启用的统一Transformer模型，用于癫痫发作检测，解决数据隐私和时空特征提取问题 | 将联邦学习与Paillier同态加密结合，并采用混合图注意力框架（边缘增强图卷积网络和谱图注意力）及统一Transformer模型，同时实现隐私保护、时空特征提取和分类精度提升 | 未提及具体局限性 | 开发一种保护数据隐私的癫痫发作检测方法，提高分类准确性 | 脑电图（EEG）信号中的癫痫发作特征 | 机器学习 | 癫痫 | EEG信号处理、多尺度小波系数、独立成分分析 | Transformer、图卷积网络 | EEG信号 | 三个数据集 | NA | 统一Transformer、边缘增强图卷积网络、谱图注意力 | 准确率、安全性、精确率 | NA |
| 5 | 2026-07-29 |
Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development
2026-Aug, The Journal of hospital infection
IF:3.9Q1
DOI:10.1016/j.jhin.2026.04.019
PMID:42069224
|
系统综述 | 对人工智能在医院感染防控中的实际实施、影响及模型开发后的差距进行系统综述 | 区分了已实施集成的系统与未实施的开发/验证研究，并关注非预期后果（如不必要的隔离或警报疲劳）的量化 | 研究证据碎片化，多局限于回顾性模型开发；实施研究常缺乏标准化感染结局和后续监测；未控制混杂因素的自身前后对照评价造成偏倚风险 | 综合评估人工智能/机器学习在急性护理医院感染防控中的实际实施效果、影响及模型开发后的差距 | 急性护理医院的感染防控系统 | 机器学习 | 医院感染 | NA | 传统机器学习、自然语言处理、深度学习、基于规则或专家系统 | NA | 59项研究（其中9项为实际实施，50项为开发/验证） | NA | NA | NA | NA |
| 6 | 2026-07-29 |
Harnessing Artificial Intelligence for Regeneration of Endometrium in Asherman's Syndrome
2026-Aug, Tissue engineering and regenerative medicine
IF:4.4Q2
DOI:10.1007/s13770-026-00810-8
PMID:42240941
|
review | 本文综述了用于治疗Asherman综合征的不同治疗策略及人工智能在子宫内膜再生中的作用 | 整合人工智能技术，包括机器学习和深度学习算法，用于预测、分类和识别子宫内粘连，并探讨AI在改善生物材料性能、增强干细胞活力以及优化诊断和治疗策略中的应用 | 未明确提及，但作为综述，局限性可能包括依赖现有文献数据的质量和范围 | 批判性评估治疗Asherman综合征的不同治疗策略及相关问题，并探索人工智能在子宫内膜再生中的作用 | Asherman综合征（子宫内粘连）及其治疗策略和人工智能应用 | machine learning, 数字病理学 | Asherman综合征（子宫内粘连） | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 7 | 2026-07-29 |
Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model
2026-Aug, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.126.055813
PMID:42312380
|
研究论文 | 利用深度生成模型从弥散加权成像和液体衰减反转恢复序列合成急性缺血性卒中患者的MR灌注图，并进行了外部验证 | 首次从非对比MRI序列（DWI和FLAIR）生成合成T-max灌注图，避免了对比剂注射，缩短了成像时间 | 基于回顾性数据，样本量有限（355名患者），外部验证的Dice系数较低（0.59） | 开发一种无需对比剂的深度学习模型，从常规MRI序列推断灌注信息，简化急性卒中成像流程 | 急性前循环卒中患者的MRI数据（DWI、FLAIR、DSC灌注） | 机器学习 | 急性缺血性卒中 | MRI（弥散加权成像、液体衰减反转恢复、动态磁敏感对比增强灌注） | 去噪扩散概率模型和生成对抗网络 | 图像 | 355名急性前循环卒中患者（来自欧洲两个中心） | NA | 去噪扩散概率模型（2.5维架构） | 图像相似度度量、Dice系数 | NA |
| 8 | 2026-07-29 |
Diagnostic assessment of artificial intelligence reconstruction on accelerated prostate MRI: a retrospective, paired, multi-reader multi-case study
2026-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12479-7
PMID:41925836
|
研究论文 | 评估AI重建技术在加速前列腺MRI中维持前列腺癌检测性能的效果 | 首次在多读者多病例研究中验证AI重建可实现六倍加速而不显著降低前列腺癌检测性能 | 更高加速倍数下诊断性能下降趋势需进一步前瞻性评估 | 评估AI重建加速前列腺MRI在保持诊断性能方面的有效性 | 120例来自UMCG的多线圈T2加权前列腺MRI扫描和312例来自NYU的公开扫描数据 | 医学影像 | 前列腺癌 | MRI | 深度学习模型 | MRI图像 | 432例前列腺MRI扫描（120例UMCG + 312例NYU） | NA | NA | AUROC, 图像质量Likert评分 | NA |
| 9 | 2026-07-29 |
Advancing Tumor Treatment Through Artificial Intelligence and Mathematical Modeling: A Comprehensive Review
2026-Aug, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.72884
PMID:42517025
|
综述 | 综述人工智能与数学建模在肿瘤诊断与治疗中的最新进展，分析其挑战与未来方向 | 系统整合人工智能与数学建模在肿瘤诊疗中的混合框架应用，强调可解释性与鲁棒性改进需求 | 数据不足、模型可解释性差、泛化能力有限，临床转化仍需更鲁棒的解决方案 | 分析人工智能与数学建模在肿瘤诊断与治疗中的应用进展，为未来个性化医疗提供方向 | 实体肿瘤及其诊断治疗过程 | 机器学习 | 肿瘤 | NA | 机器学习、深度学习 | NA | NA | NA | NA | NA | NA |
| 10 | 2026-07-29 |
A Two-Stage, Semi-Supervised Deep Learning Framework for the Detection and Classification of Ambient Pollen using Evanescent Wave Scattering
2026-Jul-28, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c06126
PMID:42337390
|
研究论文 | 利用倏逝波散射显微术和两阶段半监督深度学习框架，实现空气花粉的无标记检测与分类 | 首次使用倏逝波散射显微术（EWSM）进行空气花粉无标记识别；结合YOLOv8、RT-DETR和EfficientNetB0构建两阶段半监督框架；引入“人在回路”标签优化策略，显著提升53类花粉分类性能 | 未提及泛化性验证、实时性评估及对复杂环境噪声的鲁棒性讨论 | 开发可扩展的半监督深度学习框架，实现城市环境中异质花粉粒的自主检测与分类 | 空气悬浮花粉颗粒 | 计算机视觉 | 过敏性疾病 | 倏逝波散射显微术（EWSM） | YOLOv8, RT-DETR, EfficientNetB0 | 显微散射图像 | 41种花粉物种（第一阶段）整合为19个形态组（第二阶段） | PyTorch | YOLOv8n, YOLOv8l, RT-DETR, EfficientNetB0 | 召回率, F1值, 精确率, 假阳性降低率 | NA |
| 11 | 2026-07-29 |
DARMN: Domain-Aware Residual Feature Modulation Network for Multidomain Protein Dynamic Inter-Residue Contact Prediction
2026-Jul-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00754
PMID:42463482
|
研究论文 | 提出了一种域感知残差特征调制网络（DARMN），用于多域蛋白质的动态残基间接触预测 | 首次将域感知机制和残差特征线性调制应用于多域蛋白质的动态接触预测，并设计了域感知加权焦点损失函数以缓解类不平衡问题 | NA | 实现多域蛋白质中稀疏、瞬态的动态残基间接触的高效预测 | 多域蛋白质的动态残基间接触 | 机器学习 | NA | 多序列比对共进化信息分析 | 深度神经网络 | 蛋白质序列和结构数据 | NA | AlphaFold2 | 残差特征线性调制网络（DARMN） | 接触预测准确率，泛化性能 | NA |
| 12 | 2026-07-29 |
Advancing In Silico Drug Design with Bayesian Refinement of AlphaFold Models
2026-Jul-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00868
PMID:42441955
|
研究论文 | 提出bAIes方法，通过贝叶斯推断结合物理力场与深度学习预测，精炼AlphaFold2模型以提升虚拟筛选性能 | 首次将贝叶斯推断整合物理学力场与数据驱动预测，用于精炼AlphaFold2模型，显著提高虚拟筛选中结合物与非结合物的区分能力 | 未具体说明局限性，但可能依赖于AlphaFold2初始模型质量和计算资源约束 | 提高AlphaFold2模型在虚拟筛选中的实用性，加速基于结构的药物设计早期阶段 | 蛋白质靶点结构及其小分子配体 | 机器学习 | NA | 分子动力学模拟、贝叶斯推断 | AlphaFold2 | 蛋白质结构数据、小分子配体数据 | NA | NA | AlphaFold2 | 结合物与非结合物区分能力 | NA |
| 13 | 2026-07-29 |
SpecTUS: Spectral Translator for Unknown Structures Annotation from EI-MS Spectra
2026-Jul-28, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c02423
PMID:42441797
|
研究论文 | 提出SpecTUS模型，直接从EI-MS谱图进行全新结构注释，无需参考数据库 | 首次实现从EI-MS谱图直接翻译分子结构的深度学习方法，不依赖参考数据库，能识别谱库中不存在的新化合物 | 未在论文标题和摘要中明确说明局限性 | 开发无需参考数据库的深度学习方法，直接从EI-MS谱图进行分子结构注释以识别新型化合物 | EI-MS谱图对应的分子结构 | 机器学习 | NA | 质量分析 | 深度学习模型 | EI-MS谱图数据 | NIST 20数据集中的28,267个谱图作为测试集 | NA | SpecTUS | 完美重构率、Tanimoto相似度 | NA |
| 14 | 2026-07-29 |
A Multitask Deep Learning Model for Pediatric Echocardiography Analysis
2026-Jul-28, Circulation
IF:35.5Q1
|
研究论文 | EchoAI-Peds是一个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测28种先天性心脏缺陷及异常 | 首个基于视频的视觉Transformer多任务儿科超声心动图模型，整合多视图信息，显著优于成人基础模型 | 未在摘要中明确说明局限性 | 开发一个专门适用于儿科人群的多任务深度学习模型，自动解析超声心动图诊断先天性心脏缺陷 | 儿科超声心动图视频，涵盖28种先天性心脏缺陷、结构功能异常、修复及干预 | 计算机视觉 | 先天性心脏缺陷 | 超声心动图 | 视觉Transformer | 视频 | 训练集10,815项研究（>700,000个视频），验证集1,294项研究，内部测试集1,336项研究，外部测试集2,121项研究 | NA | 视觉Transformer | AUROC | NA |
| 15 | 2026-07-29 |
ViralMap: predicting features in viral proteins from primary sequence
2026-Jul-28, Journal of virology
IF:4.0Q2
DOI:10.1128/jvi.00757-26
PMID:42517630
|
研究论文 | 开发了一个名为ViralMap的多标签注释模型，用于从病毒蛋白序列预测多种功能特征，以支持疫苗设计 | 首次利用ESM-2语言模型表示同时预测10种病毒蛋白注释类别，包括结构拓扑、定位、翻译后修饰和结构特征，且模型能推广到训练中未见过的病毒家族 | 可能在新菌株识别时需重新训练或调参，且模型性能在部分类别上仍有限制 | 提供统一、基于序列的多标签注释框架，桥接原始病毒蛋白序列与抗原工程所需的注释概况，以加速新兴病原体的疫苗设计 | 真核病毒蛋白，包括SARS-CoV-2、HIV-1、尼帕病毒和拉沙病毒的复杂糖蛋白 | 自然语言处理 | 病毒性疾病 | 深度学习注释模型结合ESM-2语言模型 | 多标签深度学习模型 | 蛋白序列数据 | NA | PyTorch | ESM-2 | 精确率-召回率曲线下面积（PR-AUC） | NA |
| 16 | 2026-07-29 |
The role of machine learning in early detection, accurate diagnosis, and timely treatment of diseases
2026-Jul-28, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329261468976
PMID:42517779
|
综述 | 全面分析机器学习在增强疾病早期检测、准确诊断和及时治疗中的作用 | 系统梳理了监督、无监督和强化学习等ML范式在医疗中的全面应用，并强调其在复杂医疗数据分析中达到甚至超越人类水平的表现 | 数据质量、可解释性、伦理问题、监管障碍和隐私问题阻碍了广泛的临床采用 | 评估机器学习在改进疾病早期检测、准确诊断和及时治疗方面的潜力与挑战 | 机器学习算法在医疗中的应用，包括癌症、糖尿病视网膜病变和脓毒症等疾病的检测与治疗 | 机器学习 | 癌症、糖尿病视网膜病变、脓毒症 | NA | CNN, LSTM, GAN（基于深度学习的通用描述，具体模型未指定） | 医疗影像、基因组学、电子健康记录 | NA | NA | NA | NA | NA |
| 17 | 2026-07-29 |
scReGAT: Leveraging Knowledge of Regulatory Interactions to Predict Long-range Gene Regulation at Single-cell Resolution
2026-Jul-28, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzag072
PMID:42517821
|
研究论文 | 提出了scReGAT，一个整合调控相互作用先验知识以预测单细胞分辨率下长程基因调控的深度学习框架 | 首次将实验验证的顺式调控元件-基因和转录因子-基因相互作用整合进图注意力网络，并引入可解释的调控评分来量化每个调控相互作用的贡献 | NA | 构建细胞特异性调控网络，预测基因表达并解析复杂性状相关的候选调控机制 | 五种单细胞多组学数据集，包括神经母细胞瘤和成骨分化系统，以及阿尔茨海默病、多发性硬化症和精神分裂症的GWAS数据 | 机器学习 | 神经母细胞瘤，阿尔茨海默病，多发性硬化症，精神分裂症 | 单细胞多组学测序 | 图注意力网络（GAT） | 单细胞多组学数据 | 五种单细胞多组学数据集 | PyTorch | 图注意力网络（GAT） | NA | NA |
| 18 | 2026-07-29 |
Automated MRI-based framework combining deep learning localization and machine learning classification for pubertal olecranon bone age assessment
2026-Jul-28, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-026-03934-7
PMID:42517899
|
研究论文 | 开发一种基于磁共振成像的人工智能框架，用于青春期尺骨鹰嘴骨龄分期评估，并验证其内部性能和跨中心可迁移性 | 首次将深度学习定位（YOLO-v8m）与机器学习分类（ResNet-50特征提取、Fisher分数特征选择、NN分类器）结合，实现MRI图像中尺骨鹰嘴骨龄的自动化分期，并初步验证了无需重新训练的跨中心可迁移性 | 研究仅限于青春期特定年龄窗口，且框架应作为辅助成熟度标志而非独立的法医学年龄评估工具 | 开发并评估基于MRI的自动化青春期尺骨鹰嘴骨龄分期人工智能框架 | 197例来自中国医科大学盛京医院（发育队列）和72例来自邯郸市中心医院（独立外部验证队列）的肘部MRI检查 | 计算机视觉 | 骨龄评估 | MRI | YOLO-v8m、ResNet-50、NN分类器 | 图像 | 发育队列：77名女孩（9.5-13岁）和120名男孩（11.5-15岁）；外部验证队列：30名女孩（9.5-13岁）和42名男孩（11.5-15岁） | PyTorch | YOLO-v8m、ResNet-50 | 平均精度、准确率、平均绝对误差、均方根误差、加权卡帕系数、组内相关系数 | NA |
| 19 | 2026-07-29 |
Deep learning-based multi-modality image conversion for evaluating dose calculation and position correction accuracy in image-guided radiation therapy
2026-Jul-28, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01108-z
PMID:42518091
|
研究论文 | 提出基于深度学习的多模态图像合成框架，提高锥形束CT图像质量以改善自适应放疗和图像引导放疗中的剂量计算与位置校正精度 | 首次提出使用条件生成对抗网络进行CBCT到CT和CT到MRI的双向图像转换，并验证其在剂量计算和位置校正中的临床可行性 | 样本量较小（80例训练，20例测试），未评估模型在不同部位肿瘤或不同成像设备间的泛化能力 | 提高CBCT图像质量以增强自适应放疗和图像引导放疗的可行性 | 接受图像引导放疗患者的CBCT、CT和MRI影像数据 | 计算机视觉 | 癌症 | CBCT成像、MRI成像 | 条件生成对抗网络 | 图像 | 100例（80训练+20测试） | NA | 条件生成对抗网络 | 结构相似性指数、峰值信噪比、伽马通过率 | NA |
| 20 | 2026-07-29 |
ASO Visual Abstract: Optimizing Deep Learning for Renal Mass Characterization in Challenging Cases: A Comparative Study of Spatial-Input Strategies and a Validated ROI-Only DLR Nomogram
2026-Jul-28, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-20325-9
PMID:42518144
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |