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 43430 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 | 2026-04-20 |
Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle
2026-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12049-3
PMID:41326828
|
研究论文 | 本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险 | 采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型，显著提升了椎体骨折的预测性能 | 研究样本主要来自特定年龄范围（50-80岁）的患者，可能限制了模型的泛化能力；外部验证集虽来自两家独立医院，但地域和人群多样性可能不足 | 开发并验证一种基于CT图像的椎体骨折风险预测模型 | 50-80岁患者的腹部CT扫描图像 | 数字病理学 | 骨质疏松性骨折 | CT扫描 | 深度学习 | 图像 | 开发集2553名患者，外部测试集1506名患者 | NA | 多任务深度学习模型 | AUROC, c-index | NA |
| 2 | 2026-04-20 |
A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI
2026-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12208-6
PMID:41405689
|
研究论文 | 本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌进行风险分层 | 首次利用深度学习模型将诺丁汉组织学分级2级肿瘤重新分类为1级样和3级样子群，并证明其与复发风险独立相关 | 研究依赖于特定的MRI数据集，外部验证样本量较小，需要进一步的多中心验证 | 开发一种基于影像的深度学习工具，对诺丁汉组织学分级2级乳腺癌进行风险分层，以指导个体化治疗决策 | 乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤 | 数字病理学 | 乳腺癌 | 动态对比增强MRI | CNN | 医学影像 | 训练集877例，测试集37例，外部验证集456例NHG2肿瘤 | NA | 卷积神经网络 | AUC, C-index, 风险比 | NA |
| 3 | 2026-04-20 |
eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction
2026-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12184-x
PMID:41420708
|
研究论文 | 本研究介绍了一种结合临床和影像数据的增强版CAPRI评分（eCAPRI），用于预测经导管主动脉瓣植入术（TAVI）后一年死亡率 | eCAPRI评分通过深度学习模型自动测量胸主动脉钙化体积，并整合了从术前CT扫描中自动提取的额外影像生物标志物，实现了全自动化的风险预测 | 研究仅在特定患者队列（192例CT扫描）上进行了评估，可能需要进行更大规模、多中心的验证以确认其普适性 | 开发并验证一种结合自动影像生物标志物和临床因素的评分工具，以改进TAVI术后一年死亡率的预测 | 接受经导管主动脉瓣植入术（TAVI）的钙化主动脉瓣狭窄（CAS）患者 | 数字病理学 | 心血管疾病 | CT扫描 | 深度学习模型 | 图像 | 训练集：66名患者用于深度学习模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分比较 | NA | NA | AUC, Dice系数, 校准曲线 | NA |
| 4 | 2026-04-20 |
Untargeted Metabolomic and Lipidomic Profiles of Gingival Crevicular Fluid in the Context of Periodontitis
2026-May, Journal of clinical periodontology
IF:5.8Q1
DOI:10.1111/jcpe.70105
PMID:41664514
|
研究论文 | 本研究通过非靶向代谢组学和脂质组学分析，探索了健康个体与牙周炎患者龈沟液中的代谢物和脂质谱差异 | 首次结合亲水相互作用和反相液相色谱/质谱平台，并采用半监督深度学习进行代谢组学峰筛选和数据分析，以全面表征牙周炎相关的代谢变化 | 样本量较小（健康组17人，牙周炎组19人），且为横断面研究，无法确定因果关系 | 探索牙周炎与健康状态下龈沟液的代谢组学和脂质组学差异，以增进对牙周炎生化机制的理解 | 龈沟液样本，来自17名健康个体和19名牙周炎患者 | 数字病理学 | 牙周炎 | 亲水相互作用液相色谱/质谱，反相液相色谱/质谱，非靶向代谢组学，非靶向脂质组学 | 深度学习 | 代谢组学和脂质组学数据 | 36名参与者（17名健康，19名牙周炎） | NA | NA | q值，log2转换的倍数变化 | NA |
| 5 | 2026-04-20 |
A review of machine learning applications in the prediction of selected groundwater quality parameters: Key lessons, knowledge gaps, and future directions
2026-Apr-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2026.181693
PMID:41861475
|
综述 | 本文系统回顾了过去十年中超过100篇关于机器学习在地下水质量参数预测中应用的同行评议文章 | 通过两个互补视角（地下水质量视角和机器学习视角）评估机器学习在地下水质量研究中的最新应用，并识别了关键成果、经验教训及未来方向 | 存在研究区域覆盖不足、跨流域尺度扩展困难以及学术进展向实践转化方面的空白 | 评估机器学习在地下水质量预测中的应用现状，并为研究者和实践者提供结构化路线图 | 地下水质量参数、流域背景、机器学习模型及相关研究 | 机器学习 | NA | NA | 深度学习模型, 混合建模方法 | NA | 超过100篇同行评议文章 | NA | NA | 评估指标 | NA |
| 6 | 2026-04-20 |
Fetal sleep: a cross-species review of physiology, measurement, and classification
2026-Apr-16, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsag003
PMID:41530894
|
综述 | 本文首次整合了超过七十年的研究，提供了一个跨物种的胎儿睡眠生理学、测量和分类的统一综述 | 首次进行跨物种的胎儿睡眠综述，整合了人类和动物模型的研究，并探讨了从侵入性神经生理学到非侵入性监测及深度学习框架的方法学演变 | 缺乏统一的、临床验证的胎儿睡眠状态定义框架，限制了其向常规产科实践的转化 | 整合跨物种证据，为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供科学基础，以支持早期神经系统损害的检测和及时产前干预 | 人类胎儿及动物模型（如绵羊和狒狒）的胎儿睡眠 | NA | NA | 非侵入性监测，深度学习框架 | NA | 信号数据 | 169项研究 | NA | NA | NA | NA |
| 7 | 2026-04-20 |
Optimizing automated sleep stage scoring of 5-s mini-epochs: a transfer learning study
2026-Apr-16, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf393
PMID:41384756
|
研究论文 | 本研究通过迁移学习优化了深度学习模型U-Sleep，使其能够对5秒微纪元进行高精度的自动睡眠分期 | 首次将先进的深度学习模型U-Sleep通过迁移学习优化，应用于5秒微纪元的高分辨率睡眠分期，显著提高了对短暂睡眠阶段转换的捕捉能力 | 需要外部验证，且未来需应用于整夜记录 | 优化自动睡眠分期模型，实现对高时间分辨率（5秒）睡眠数据的精确分期 | 人类睡眠数据 | 机器学习 | NA | 多导睡眠图 | 深度学习模型 | 多导睡眠图信号数据 | 来自100份多导睡眠图的48000个人工标注的5秒微纪元 | NA | U-Sleep | F1分数, 混淆矩阵, 阶段分布, 转换率 | NA |
| 8 | 2026-04-20 |
Mamba-based deep learning approach for sleep staging on a wireless multimodal wearable system without electroencephalography
2026-Apr-16, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsag022
PMID:41649157
|
研究论文 | 本研究提出了一种基于Mamba的深度学习模型，用于在无需脑电图的情况下，通过无线多模态可穿戴系统进行睡眠分期 | 首次将Mamba架构应用于基于非脑电图可穿戴传感器的睡眠分期任务，通过集成模型变体提升了性能 | 研究样本仅来自三级护理睡眠实验室的成人患者，可能限制了模型的泛化能力 | 开发一种无需脑电图的可穿戴系统，用于准确进行睡眠分期 | 使用ANNE One可穿戴系统收集的成人睡眠数据 | 机器学习 | 睡眠障碍 | 多模态传感器数据采集（包括心电图、三轴加速度计、胸温、指端光电容积描记和指温） | Mamba-based RNN | 时间序列传感器数据 | 357名成人 | NA | Mamba-based RNN | 平衡准确率, F1分数, Cohen's κ, Matthews相关系数 | NA |
| 9 | 2026-04-20 |
DeepLMI: deep feature mining with a globally enhanced graph convolutional network for robust lncRNA-miRNA interaction prediction
2026-Apr-07, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag145
PMID:41886347
|
研究论文 | 提出了一种名为DeepLMI的新型深度学习框架，用于预测lncRNA-miRNA相互作用，该框架结合了深度特征挖掘和全局增强的图卷积网络 | 整合了深度特征挖掘与全局增强图卷积网络，设计了针对lncRNA和miRNA的专用特征提取模块，并联合建模局部邻域信息和全局拓扑信号以解决已知RNA相互作用网络的稀疏性和结构复杂性 | 未在摘要中明确说明 | 准确识别lncRNA-miRNA相互作用，以理解疾病机制和发现治疗靶点 | 长链非编码RNA（lncRNA）和微小RNA（miRNA） | 机器学习 | NA | NA | 图卷积网络，自注意力机制 | 序列数据，图结构数据 | NA | NA | Global-Enhanced Graph Convolutional Network | NA | NA |
| 10 | 2026-04-20 |
A novel deep learning-driven framework for improving lncRNA comprehensive annotation with LncADeep 2.0
2026-Apr-07, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag162
PMID:41923359
|
研究论文 | 本文介绍了一个名为LncADeep 2.0的集成深度学习框架，旨在提高长链非编码RNA的识别和功能注释的准确性 | 在识别模块中引入了新颖的肽特征，并结合序列和结构信息；在功能注释中，利用以lncRNA为中心的相互作用网络和基因本体术语，通过迁移学习策略在有限功能数据下实现稳健的注释性能 | 未在摘要中明确提及 | 提高长链非编码RNA的识别和功能注释的准确性 | 长链非编码RNA | 自然语言处理 | NA | RNA-seq | 深度学习 | 序列数据, 结构信息, 肽特征, 相互作用网络数据 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 |
| 11 | 2026-04-20 |
Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER
2026-Apr, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02654-4
PMID:40410405
|
研究论文 | 提出了一种名为D-I-TASSER的混合方法，该方法通过整合多源深度学习势能与迭代线程片段组装模拟，来构建原子级蛋白质结构模型 | 提出了一种结合深度学习和传统基于力场折叠模拟的混合方法，并引入了用于自动建模大型多域蛋白质结构的域拆分与组装协议 | NA | 实现高精度的蛋白质结构和功能预测，适用于全基因组范围的应用 | 单域和多域蛋白质结构 | 机器学习 | NA | 深度学习，迭代线程片段组装模拟 | 深度学习模型 | 蛋白质序列与结构数据 | 基准测试、CASP15实验以及大规模折叠实验（人类蛋白质组中81%的蛋白质域和73%的全链序列） | NA | D-I-TASSER | NA | NA |
| 12 | 2026-04-20 |
Learning curve for fenestrated-branched endovascular aortic repair using machine learning: A prospective national multicenter registry study
2026-04, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2025.11.015
PMID:41265585
|
研究论文 | 本研究利用机器学习方法分析复杂腹主动脉瘤和胸腹主动脉瘤治疗中F-BEVAR手术的学习曲线 | 首次应用深度学习神经网络模型量化F-BEVAR手术的学习曲线，并基于医师经验预测手术结果 | 研究基于前瞻性多中心注册数据，可能存在选择偏倚，且未考虑不同医疗机构间的差异 | 分析F-BEVAR手术的学习曲线，为外科医师和机构提供安全有效开展该复杂手术的基准 | 接受三血管和四血管F-BEVAR治疗的复杂腹主动脉瘤和胸腹主动脉瘤患者 | 机器学习 | 心血管疾病 | 深度学习神经网络 | 深度学习神经网络 | 临床注册数据 | 2956名患者（1901名cAAA，1055名TAAA），由539名医师执行 | NA | 深度学习神经网络 | 围手术期死亡率、手术技术成功率、主要不良事件发生率、主动脉再干预率、手术时间、透视时间、失血量、造影剂用量 | NA |
| 13 | 2026-04-20 |
Bioinspired Cold-Laminated Ultrathin Hydrogels as a Broadly Adaptive Platform for Physiological Monitoring
2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202524317
PMID:41691494
|
研究论文 | 本文开发了一种仿生冷层压超薄水凝胶平台，用于生理监测，具有可调厚度、优异透气性和可逆粘附性 | 提出了一种新颖的冷层压策略，将TPU纳米网机械互锁于温度响应水凝胶网络中，模拟细胞外基质结构，克服了传统超薄薄膜的脆弱性 | NA | 开发一种广泛适应性的水凝胶系统，用于下一代生物电子学，满足不同器官特定需求 | 表皮和植入式应用，如心电图监测和心律失常检测 | 生物电子学 | 心血管疾病 | 冷层压策略 | 深度学习网络 | 生理信号数据 | 小鼠模型 | NA | 双分支深度学习网络 | 分类准确率 | NA |
| 14 | 2026-04-20 |
STARD3-like protein from golden noble scallop is a carotenoid transfer protein capable of binding various xanthophylls
2026-Apr, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.151788
PMID:41932487
|
研究论文 | 本文鉴定了金贵扇贝中的STARD3样蛋白是一种能够结合多种叶黄素的类胡萝卜素转运蛋白 | 首次发现并表征了来自金贵扇贝的STARD3样蛋白（MnSTARD3L）具有水溶性类胡萝卜素结合域，能够选择性结合并转运特定的稀有氧化产物 | NA | 研究海洋无脊椎动物中类胡萝卜素结合与转运的分子机制 | 金贵扇贝（Mimachlamys nobilis）中的STARD3样蛋白（MnSTARD3L） | 生物化学与分子生物学 | NA | 体外重组、在大肠杆菌中表达、结构建模 | 深度学习算法 | 蛋白质序列与结构数据 | NA | NA | NA | NA | NA |
| 15 | 2026-04-20 |
- Invited Review - Computer vision in precision livestock farming: artificial intelligence-driven technologies and applications for sustainable animal production
2026-Apr, Animal bioscience
IF:2.4Q1
DOI:10.5713/ab.260165
PMID:41882488
|
综述 | 本文综述了计算机视觉在精准畜牧业中的应用，探讨了人工智能驱动技术如何促进可持续动物生产 | 系统性地整合了计算机视觉、物联网和人工智能技术，实现了从群体管理到个体化、非侵入式监测的转变，并提出了可解释AI和福利导向系统设计等未来研究方向 | 高资本投入、数据互操作性挑战以及模型泛化性限制 | 通过精准畜牧业技术提高动物生产效率，同时保障动物福利、环境可持续性和经济可行性 | 畜牧业生产系统，特别是牛生产，并扩展至水产养殖和其他畜牧领域 | 计算机视觉 | NA | 多模态传感器、视觉和环境监测系统 | 机器学习、深度学习 | 视觉数据、环境数据 | NA | NA | NA | NA | NA |
| 16 | 2026-04-20 |
MM-CPI: A multimodal fusion framework for compound-protein interaction prediction
2026-Apr, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.151617
PMID:41921797
|
研究论文 | 提出一个名为MM-CPI的多模态深度学习框架，用于预测化合物-蛋白质相互作用，以加速药物发现和再利用 | 整合了化合物的分子指纹、基于语言模型的表示和GCN结构特征，以及蛋白质的序列、理化性质和蛋白质语言模型特征，通过有效的特征融合和分类学习判别性相互作用模式，在未见实体上表现出鲁棒性能 | 未明确说明框架在更广泛的冷启动场景或不同疾病类型中的泛化能力限制 | 提高化合物-蛋白质相互作用预测的准确性和泛化能力，以加速药物发现和再利用 | 化合物和蛋白质 | 机器学习 | 法布里病 | 分子指纹、语言模型、Graph Convolutional Networks (GCN)、分子对接 | 深度学习 | 分子结构数据、蛋白质序列数据、理化性质数据 | 多个公共数据集（具体数量未说明） | 未明确说明 | GCN | 准确性、鲁棒性、泛化能力 | 未明确说明 |
| 17 | 2026-04-20 |
Enhancing Pig Behavior Recognition in Complex Environments: A Transfer Learning-Assisted YOLO11 Network with Wavelet Convolution and Synergistic Attention
2026-Mar-19, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani16060964
PMID:41897941
|
研究论文 | 本文提出了一种基于轻量级YOLO11n的优化模型，用于在复杂环境中增强猪行为识别 | 提出了三项优化：在C3k2层嵌入SCSA-CBAM以增强多尺度特征判别；在颈部引入WFU进行动态跨尺度特征融合；在主干网络中用WTConv替换标准卷积以降低计算开销 | NA | 解决当前深度学习方法在非结构化农业场景中复杂、参数量大或泛化能力不足的问题，以促进在资源有限设备上的部署 | 猪的行为 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2480张原始图像，基于公开数据集自建的六类别猪行为数据集，按8:2比例通过分层随机抽样分为训练集和验证集 | PyTorch | YOLO11n | mAP@0.5, mAP@0.5:0.95, FPS | NA |
| 18 | 2026-04-18 |
Root canal segmentation from cone-beam computed tomography guided by micro-computed tomography based on deep learning
2026-Mar-10, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07918-2
PMID:41808048
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19 | 2026-04-20 |
RGReco: a unified framework for automated R-group recognition in chemical publications
2026-Mar-10, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01179-5
PMID:41808196
|
研究论文 | 本文提出了RGReco框架，结合深度学习和化学规则，通过多阶段流程从图像和文本中解析和整合化学出版物中的R-基团信息 | 提出了一个结合深度学习和化学规则的新框架，用于自动识别和解析化学出版物中多样化的R-基团信息，包括新的取代基结构识别和文本解析流程 | 未明确提及具体限制，但可能受限于数据集覆盖的R-基团图像类型或真实世界文献的复杂性 | 开发一个精确且全面的自动化工具，以加速化学出版物中R-基团信息的提取，支持数据驱动的AI研究 | 化学出版物中的R-基团信息，包括文本和图像形式 | 自然语言处理 | NA | 深度学习, 化学规则 | NA | 图像, 文本 | 从真实世界科学文献构建的数据集，包含常见类型的R-基团图像 | NA | NA | 精确率, 召回率, F1分数 | NA |
| 20 | 2026-03-11 |
Harnessing multi-modal deep learning for multi-drone navigation-based trajectory prediction system
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42180-0
PMID:41803339
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |