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 40262 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 | 2026-02-15 |
Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices
2026-Jul, Applied ergonomics
IF:3.1Q2
DOI:10.1016/j.apergo.2026.104743
PMID:41628493
|
研究论文 | 本研究评估并改进了基于智能手机的无标记运动捕捉系统OpenCap，用于测量职业举重任务中的三维关节运动学 | 针对OpenCap在职业举重任务中性能不足的问题，提出并训练了一个任务特定的模型，显著降低了运动学误差和误差变异性 | 原始模型在未包含于训练数据集的活动（如职业举重任务）中表现较差，本研究通过任务特定模型解决了此限制，但可能仍需针对其他特定任务进行类似适配 | 评估和改进无标记运动捕捉技术，以低成本、易用且适用于现场的方式收集三维举重运动学数据，用于人机工程学应用 | 职业举重任务中的三维关节运动学 | 计算机视觉 | NA | 无标记运动捕捉 | 深度学习模型 | 视频 | 基于大量多样化手动举重任务数据集 | NA | 标记增强器 | 均方根误差, 误差变异性 | NA |
| 2 | 2026-02-15 |
Artificial intelligence driven protein design and sustainable nanomedicine for advanced theranostics
2026-Jun, Bioactive materials
IF:18.0Q1
DOI:10.1016/j.bioactmat.2026.01.036
PMID:41674557
|
综述 | 本文综述了人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的整合应用 | 将人工智能、蛋白质工程与可持续纳米医学相结合，推动诊疗一体化范式转变，实现高精度疾病诊断和靶向治疗 | NA | 总结AI驱动的蛋白质设计策略、可持续纳米载体工程及其在下一代诊疗系统中的融合 | 蛋白质、肽、纳米材料、纳米载体 | 机器学习 | 肿瘤学 | 机器学习、深度学习 | NA | 生物和化学数据集 | NA | NA | NA | NA | NA |
| 3 | 2026-02-15 |
Advances and challenges in multiscale biomolecular simulations: artificial intelligence-driven paradigm shift
2026-Jun, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70024
PMID:41675594
|
综述 | 本文讨论了生物分子模拟技术的最新进展，并探讨了生物分子动力学模拟中的新兴应用、发展趋势和主要挑战 | 整合机器学习特别是深度学习算法，推动了生物分子模拟领域的创新 | NA | 讨论生物分子模拟技术的最新进展，并探索生物分子动力学模拟中的新兴应用、发展趋势和主要挑战 | 生物分子模拟技术 | 机器学习 | NA | 分子模拟技术 | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 4 | 2026-02-15 |
Protein design and RNA design: Perspectives
2026-Jun, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70029
PMID:41675592
|
综述 | 本文综述了深度学习和生成模型在蛋白质与RNA设计领域的最新进展，强调了其在创造具有定制结构和功能的新型生物分子方面的应用潜力 | 整合了蛋白质与RNA设计的生成式深度学习框架，支持前所未有的精确度进行骨架生成、序列优化及序列-结构协同设计，并展望了统一建模、大规模采样和自动化实验管道的新时代 | 模型泛化能力和实验验证方面仍存在挑战 | 探讨深度学习和生成模型如何推动蛋白质与RNA设计领域的发展，以加速可编程生物系统和下一代疗法的创建 | 蛋白质和RNA生物分子 | 机器学习 | NA | 深度学习, 生成建模 | 生成模型 | 序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 5 | 2026-02-15 |
A deep learning mobile application for tomato leaf nutrition deficiency identification with YOLOv8 and enhanced augmentation
2026-Mar, Plant science : an international journal of experimental plant biology
IF:4.2Q1
DOI:10.1016/j.plantsci.2026.112973
PMID:41506476
|
研究论文 | 本研究提出了一种基于YOLOv8和增强数据增广的深度学习移动应用，用于番茄叶片营养缺乏的识别 | 结合了最新的YOLOv8目标检测模型与分层数据增广方案，并开发了Android移动应用以实现实时检测 | 未明确说明模型在复杂田间环境或不同光照条件下的泛化能力，也未提及与其他先进模型的全面对比 | 实现番茄叶片营养缺乏的早期、准确检测，以支持精准农业中的及时干预 | 番茄叶片 | 计算机视觉 | NA | 深度学习目标检测 | YOLOv8 | 图像 | NA | NA | YOLOv8 | mAP@0.50, mAP@0.50-0.95, 准确率, 精确率, 召回率, F1分数 | NA |
| 6 | 2026-02-15 |
Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot
2026-Mar, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2026.110724
PMID:41548324
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和平足症三类 | 利用合成X光图像训练模型，并结合Grad-CAM++增强模型可解释性，提供解剖学上一致的激活模式分析 | 模型基于合成数据集训练，需在真实临床环境中进一步验证 | 开发并解释能够对足部X光片进行多类分类的深度学习模型 | 足部X光片（正常、足底筋膜炎、平足症） | 计算机视觉 | 足部疾病 | X光成像 | CNN | 图像 | 9500张合成侧位足部X光图像 | PyTorch | DenseNet-121 | 准确率, F1分数 | NA |
| 7 | 2026-02-15 |
AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden
2026-Mar, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2026.102697
PMID:41637811
|
研究论文 | 本研究提出了一种名为AlphaTMB的复合生物标志物，结合了肿瘤突变负荷（TMB）和AlphaMissense深度学习模型预测的错义变异致病性评分，以改善癌症患者对免疫检查点抑制剂（ICI）治疗的生存预测 | 首次将TMB与基于深度学习的错义变异致病性评分（AlphaMissense）相结合，创建了AlphaTMB复合生物标志物，显著提升了免疫治疗反应的预测能力，并能够重新分类TMB边界病例 | 研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证；样本量相对有限（1,662例患者） | 开发一种改进的生物标志物，以更准确地预测癌症患者对免疫检查点抑制剂（ICI）治疗的反应和生存结局 | 接受免疫检查点抑制剂（ICI）治疗的泛癌患者队列 | 机器学习 | 癌症 | 深度学习模型预测错义变异致病性 | 深度学习模型 | 基因组测序数据（错义变异） | 1,662例来自MSK-IMPACT研究的患者 | NA | AlphaMissense | 风险比（HR）, p值, Spearman相关系数（ρ） | NA |
| 8 | 2026-02-15 |
BiGraph-DTA: Predicting drug-target interactions of hepatoprotective agents with graph convolutional networks
2026-Mar, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70022
PMID:41676328
|
研究论文 | 本研究提出了一种名为BiGraph-DTA的新预测模型，用于预测肝保护剂与靶标之间的亲和力，结合了图卷积网络和双向长短期记忆网络 | 通过结合图卷积网络和双向长短期记忆网络，同时处理分子结构的图表示和蛋白质序列的序列信息，以捕获复杂的依赖关系和相互作用 | 未明确提及模型的局限性 | 预测肝保护剂与靶标之间的亲和力，以加速肝保护疗法的药物发现过程 | 肝保护剂化合物及其对应的蛋白质靶标 | 机器学习 | 肝病 | NA | 图卷积网络, 双向长短期记忆网络 | 分子结构图, 蛋白质序列 | 21,421个相互作用 | NA | BiGraph-DTA | 均方误差, 皮尔逊相关系数, 一致性指数 | NA |
| 9 | 2026-02-15 |
[Development of a deep learning model for predicting adverse cardiovascular events in patients with acute coronary syndrome based on retinal fundus images]
2026-Feb-24, Zhonghua xin xue guan bing za zhi
|
研究论文 | 本研究开发并验证了一种基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 首次利用视网膜眼底图像结合深度学习模型（Inception-Resnet-V2）预测ACS患者的MACCE风险，并展示了模型的临床可解释性 | 模型在外部验证队列中的AUC为0.644，性能有待进一步提升，且研究为观察性设计，需前瞻性验证 | 开发并验证一个基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 急性冠脉综合征患者 | 计算机视觉 | 心血管疾病 | 视网膜眼底成像 | 深度学习 | 图像 | 4703名ACS患者（开发集1521人，外部验证集3182人） | NA | Inception-Resnet-V2 | AUC | NA |
| 10 | 2026-02-15 |
Deep learning-assisted double strong coupling between multi-order anapoles and excitons
2026-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.584009
PMID:41686938
|
研究论文 | 本研究利用深度学习辅助设计了一种三层堆叠混合系统，实现了多阶anapole模式与激子之间的双重强耦合 | 首次通过深度学习构建神经网络来设计能同时激发一阶和二阶anapole并分别与不同材料激子实现强耦合的混合系统，实现了双重强耦合行为 | 目前仅为理论研究，尚未进行实验验证；系统设计基于特定材料组合 | 探索多阶anapole模式与多个激子之间的强耦合相互作用 | Si纳米盘、MoSe纳米盘、MoTe纳米盘构成的三层堆叠混合系统 | 机器学习 | NA | 深度学习 | 神经网络 | 理论计算数据 | NA | NA | NA | 拉比分裂能量（100.6 meV, 118.2 meV） | NA |
| 11 | 2026-02-15 |
Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34846-y
PMID:41688507
|
研究论文 | 本文提出了一种基于深度学习的优化模型，旨在最小化D2D毫米波通信中的中断概率和能量消耗 | 结合Flamingo Elk Herd Optimization (FEHO)和Deep Spiking Neural Network (DSNN)模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面表现优异 | NA | 最小化D2D毫米波通信中的中断概率和能量消耗，以增强网络覆盖的鲁棒性 | D2D毫米波通信系统 | 机器学习 | NA | NA | Deep Spiking Neural Network (DSNN) | 模拟数据 | NA | NA | DSNN | 平均发射功率, 中断概率 | NA |
| 12 | 2026-02-15 |
Modern resources for intrinsic disorder predictions: protein language models, deep learning, meta-servers, and databases
2026-Feb-14, Cellular and molecular life sciences : CMLS
IF:6.2Q1
DOI:10.1007/s00018-026-06087-3
PMID:41689628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2026-02-15 |
Peripheral Retinal Vessel Density in Children and Adolescents with Myopia: A Deep Learning Assessment
2026-Feb-14, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-026-01335-y
PMID:41689621
|
研究论文 | 本研究利用深度学习模型评估了儿童和青少年近视患者眼轴长度对周边视网膜血管密度的影响 | 首次结合Nested U-Net和ResNet34深度学习模型，通过超广角视网膜图像分析近视儿童周边血管密度的变化模式 | 研究为横断面设计，需要纵向研究验证血管变化与近视进展的因果关系 | 探究眼轴长度对周边视网膜血管密度的影响，并评估深度学习检测近视早期血管变化的可行性 | 儿童和青少年近视患者的视网膜图像 | 计算机视觉 | 近视 | 非散瞳超广角成像 | CNN | 图像 | 396名儿童和青少年的679只眼睛 | NA | Nested U-Net, ResNet34 | AUC | NA |
| 14 | 2026-02-15 |
Silencer variants are key drivers of gene up-regulation in Alzheimer's disease
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz3323
PMID:41671378
|
研究论文 | 本研究开发了一个深度学习框架，整合组蛋白修饰数据和单细胞开放染色质图谱，以评估非编码变异在阿尔茨海默病中的调控潜力 | 整合了bulk组蛋白修饰数据和单细胞开放染色质图谱，识别了AD相关的沉默子和增强子变异，并首次将基因位点分类为仅沉默子、仅增强子或双功能类型 | 未明确说明样本量或数据来源的具体细节，可能限制了结果的泛化性 | 探究阿尔茨海默病中非编码变异的遗传机制及其对基因上调的驱动作用 | 阿尔茨海默病相关的非编码变异，特别是位于背外侧前额叶皮层的变异 | 机器学习 | 阿尔茨海默病 | bulk组蛋白修饰测序, 单细胞开放染色质分析 | 深度学习 | 基因组数据, 表观遗传数据 | NA | NA | NA | 方向一致性 | NA |
| 15 | 2026-02-15 |
YORU: Animal behavior detection with object-based approach for real-time closed-loop feedback
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw2109
PMID:41671367
|
研究论文 | 本文提出了一种基于物体检测深度学习算法的动物行为检测方法YORU，能够实时识别并分类多种社会行为，并实现闭环反馈光刺激 | 首次将行为直接定义为“行为对象”进行检测，突破了传统姿态估计方法的限制，实现了多个体近距离交互时的实时行为分析与精准光刺激反馈 | 未明确说明算法在极端光照条件或遮挡严重场景下的鲁棒性，也未提供跨物种泛化能力的定量评估 | 开发一种能够实时检测动物社会行为并实现闭环反馈的系统，以推动神经行为学研究 | 从脊椎动物到昆虫的多种动物物种的社会行为 | 计算机视觉 | NA | 深度学习物体检测 | CNN | 视频 | NA | NA | NA | NA | NA |
| 16 | 2026-02-15 |
Development and explanation of electrocardiogram-based deep learning for predicting short-term mortality in heart failure patients
2026-Feb-13, Journal of global health
IF:4.5Q1
DOI:10.7189/jogh.16.04048
PMID:41678824
|
研究论文 | 本研究开发并验证了一种结合EfficientNet和Transformer架构的深度学习模型HF-ECGNet，用于预测心力衰竭患者的短期死亡率 | 创新性地结合了EfficientNet神经网络和Transformer架构，并整合了心电图数据和临床特征，提高了预测准确性和可解释性 | 研究为回顾性设计，未来需要多中心验证以确认其临床效用和泛化能力 | 开发并验证深度学习模型以改善心力衰竭患者短期死亡率的预测 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图数据, 临床特征 | 36,222次住院的104,844份心电图 | NA | EfficientNet, Transformer | AUC | NA |
| 17 | 2026-02-15 |
Medical students' mental health, quality of life, motivation, and learning approaches before, during and after COVID-19: findings from a 4-wave repeated cross-sectional survey
2026-Feb-13, Psychology, health & medicine
DOI:10.1080/13548506.2026.2623309
PMID:41686536
|
研究论文 | 本研究通过四波重复横断面调查，探讨了医学生在COVID-19疫情前、期间及后心理健康、生活质量、学术动机和学习方式的变化 | 首次在医学生中纵向比较COVID-19疫情前、期间及后的心理与学术指标变化，并揭示了学习方式通过动机中介影响心理健康的机制 | 采用横断面设计而非纵向追踪同一群体，可能限制因果推断；样本仅来自单一医学院，外部效度有限 | 探究COVID-19疫情对医学生心理健康、生活质量、学术动机和学习方式的影响，并分析动机在学习方式与心理健康间的中介作用 | 医学生 | 医学教育研究 | NA | 问卷调查 | 线性回归模型, 中介模型 | 调查问卷数据 | 1860名医学生（四波独立队列） | NA | NA | NA | NA |
| 18 | 2026-02-15 |
DeepGSR: Deep group-based sparse representation network for solving image inverse problems
2026-Feb-13, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3662583
PMID:41686657
|
研究论文 | 本文提出了一种名为DeepGSR的新型深度组稀疏表示网络，用于解决图像逆问题，结合了模型驱动的可解释性和非局部自相似性先验 | 将传统的组稀疏表示方法与深度学习相结合，避免了迭代计算瓶颈，同时通过可学习参数化保持了模型可解释性，并引入了自适应块匹配、可学习低秩收缩模块和移位小波域块划分策略 | 未明确提及具体局限性 | 解决图像逆问题，如图像去噪、单图像去雨、金属伪影减少、稀疏视图CT重建、相位检索和一体化图像恢复 | 图像数据 | 计算机视觉 | NA | NA | 深度学习网络 | 图像 | NA | NA | DeepGSR | NA | NA |
| 19 | 2026-02-15 |
50 Years of Automated Face Recognition
2026-Feb-13, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3664269
PMID:41686677
|
综述 | 本文回顾了自动人脸识别技术过去50年的历史和技术演变，从早期的手工几何与统计方法到现代深度学习架构 | 系统梳理了人脸识别从手工方法到深度学习的技术演进，并分析了数据集规模、多样性与模型泛化能力之间的关系 | NA | 追溯自动人脸识别的历史发展，分析关键技术创新，并指出未来研究方向 | 自动人脸识别技术 | 计算机视觉 | NA | NA | 深度学习 | 图像 | 超过1000万个身份的大规模图库 | NA | NA | 错误否定识别率, 错误肯定识别率 | NA |
| 20 | 2026-02-15 |
A customized CNN model for signature authentication-Forensic implications
2026-Feb-13, Medicine, science, and the law
DOI:10.1177/00258024261420542
PMID:41686745
|
研究论文 | 本研究定制了一个基于深度学习的卷积神经网络模型，用于签名认证，并在包含1400个签名图像的数据集上进行了训练、验证和测试 | 通过优化CNN架构和超参数，提出了一种定制化的深度学习模型，在签名认证任务中实现了较高的准确率，优于现有方法 | 模型仅在1400个签名图像的数据集上训练和测试，样本规模相对较小，可能限制其泛化能力 | 开发一个用于签名认证的深度学习模型，以区分真实签名和伪造签名 | 签名图像，包括真实签名和伪造签名 | 计算机视觉 | NA | 深度学习，图像处理 | CNN | 图像 | 1400个签名图像（700个真实签名和700个伪造签名） | NA | 定制化的CNN架构 | 准确率, 精确率, 召回率（敏感性）, F1分数, 特异性 | NA |