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 2585 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2026-06-10 |
DrugReasoner: Interpretable drug approval prediction with a reasoning-augmented language model
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342940
PMID:41712587
|
研究论文 | 提出了一种基于推理增强的大语言模型DrugReasoner，用于预测小分子药物的批准可能性，同时生成逐步推理过程和置信度分数 | 将分子描述符与结构相似化合物的比较推理结合，通过GRPO微调LLaMA架构，在保持预测性能的同时提供可解释的推理输出 | 仅针对小分子药物，未涉及大分子或复杂生物制剂；推理过程可能受限于训练数据中的已知化合物结构信息 | 实现具有可解释性的小分子药物批准预测，解决传统AI方法在药物发现中的黑箱问题 | 小分子药物的批准预测，以及与结构相似获批/未获批化合物的比较分析 | 机器学习 | 不适用 | 分子描述符计算、结构相似性分析 | 大语言模型（LLaMA架构） | 分子结构数据、药物批准状态数据 | 训练集、验证集和测试集划分（具体数量未提及），以及独立外部数据集 | PyTorch | LLaMA | AUC, F1分数, 精确率, 灵敏度 | NVIDIA RTX 3090（推测，因使用LLaMA微调未见明确说明） |
| 282 | 2026-06-10 |
AdaptiveInvolutionNet: Spatially-adaptive involution with channel-wise attention for breast MRI tumor classification
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340808
PMID:41712600
|
研究论文 | 提出一种结合空间自适应逆卷积与通道注意力的混合深度学习框架，用于乳腺MRI肿瘤分类 | 创新性地将空间自适应逆卷积层与通道注意力机制（挤压-激发模块）集成于单一网络，通过早期层捕捉精细局部特征、后期层保持计算效率的过渡策略，以及残差连接中的动态特征增强 | NA | 提高乳腺肿瘤MRI分类的准确性、鲁棒性和可靠性 | 乳腺MRI图像中的肿瘤 | 计算机视觉 | 乳腺癌 | MRI | 混合深度学习模型 | 图像 | 6000张乳腺MRI图像（3000良性、3000恶性） | PyTorch | 自适应逆卷积网络、挤压-激发模块、残差连接 | 准确率、Cohen's Kappa、Brier分数 | NA |
| 283 | 2026-06-10 |
CNNeoPP: a large language model-enhanced deep learning pipeline for personalized neoantigen prediction and liquid biopsy applications
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1722117
PMID:41716398
|
研究论文 | 提出一种基于大语言模型增强的深度学习管线CNNeoPP，用于个性化新抗原预测及液体活检应用 | 利用大语言模型导出的序列表示和多模态特征整合，提升了新抗原免疫原性预测的准确性，并结合无创液体活检探索了基于血浆游离DNA的新抗原预测可行性 | 尚未提及模型在大型前瞻性临床试验中的验证，对于不同测序平台或低深度数据的泛化性需进一步评估 | 开发准确预测免疫原性新抗原的计算模型与管线，以优化癌症免疫治疗和液体活检肿瘤监测 | 新抗原（neoantigens）及其预测方法 | 机器学习 | 癌症 | 深度学习, 大语言模型, 液体活检（血浆游离DNA） | 深度学习模型（CNNeo） | 序列数据（新抗原序列） | 采用TESLA数据集及ELISpot T细胞实验独立验证，具体样本数量未在摘要中说明 | NA | 大语言模型增强的深度学习架构（具体结构未在摘要中指定） | 预测性能指标（准确性等，具体未列出）以及ELISpot实验验证 | NA |
| 284 | 2026-06-10 |
Rapid diagnosis of Helicobacter pylori infection status based on endoscopic features and deep learning algorithms
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1765267
PMID:41717596
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 285 | 2026-06-09 |
[Research on a Deep Learning-Based Model for Predicting Malignancy Risk of Pan-Endocrine System across Thyroid and Breast Nodules]
2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.250417
PMID:41672617
|
研究论文 | 基于多任务深度学习构建跨器官AI模型，统一预测甲状腺和乳腺结节的恶性风险 | 首次提出基于Transformer架构的跨器官多任务深度学习模型，通过特征共享层与器官特定层结合的设计，实现甲状腺和乳腺结节恶性风险的统一预测，优于单器官模型并具备泛化能力 | 未明确提及，但根据摘要可能受限于回顾性数据源和有限的器官类型（仅甲状腺和乳腺） | 构建跨器官的深度学习模型，实现甲状腺和乳腺结节恶性风险的统一预测 | 甲状腺结节和乳腺结节的临床数据，包括影像及诊断特征 | 机器学习 | 甲状腺结节、乳腺结节 | NA | Transformer | 临床数据（包含影像特征和诊断标签） | 甲状腺结节2386例，乳腺结节2753例，内部训练；独立外部验证集835例 | NA | Transformer | AUC、敏感性、特异性 | NA |
| 286 | 2026-06-09 |
[Advances in Application of Artificial Intelligence for Breast Cancer Radiotherapy]
2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.250421
PMID:41672615
|
综述 | 系统回顾人工智能在乳腺癌放射治疗中的应用进展，涵盖医学图像处理与自动化放疗计划等关键领域 | 以深度学习技术为核心切入点，系统梳理AI在乳腺癌放疗全流程中的应用现状与技术挑战 | 未涉及具体算法性能比较或临床验证数据，缺乏对模型泛化能力的深入分析 | 为推动AI与乳腺癌放疗的深度融合提供系统性技术参考 | 乳腺癌放疗技术及AI应用方案 | 机器学习 | 乳腺癌 | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 287 | 2026-06-09 |
A survey of contrastive learning methods in molecular representation
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf731
PMID:41671347
|
综述 | 对分子表示中的对比学习方法进行全面综述 | 首次系统综述对比学习在分子表示中的应用 | 未深入探讨具体算法实现细节 | 总结对比学习在分子表示中的研究现状与未来方向 | 分子表示方法与对比学习框架 | 机器学习 | 不适用 | 不适用 | 对比学习 | 分子数据 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 288 | 2026-06-09 |
AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338799
PMID:41671210
|
研究论文 | 提出一种混合深度学习框架，用于检测短视频平台上的网络霸凌行为 | 首次集成CNN、BiLSTM和Transformer编码器，结合语义一致性验证层，实现跨模态对齐和分类优化 | 仅在CAVD和SocialVidMix两个公开数据集上测试，未在真实平台大规模部署验证 | 开发可实时部署的自动内容审核系统，用于检测短视频中的网络霸凌 | Instagram Reels、TikTok和YouTube Shorts上的短视频中的视频、音频和字幕流 | 计算机视觉, 自然语言处理, 机器学习 | NA | 深度学习 | CNN, BiLSTM, Transformer | 视频, 音频, 文本 | 两个基准数据集: CAVD和SocialVidMix | PyTorch | CNN, BiLSTM, Transformer | 准确率, 精确率, 召回率, F1分数 | NA |
| 289 | 2026-06-09 |
Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342349
PMID:41671245
|
研究论文 | 开发并验证一种深度学习模型（C2-Net），用于术前快速准确评估C2椎弓根螺钉置入可行性 | 提出C2-Net自动深度学习管道，集成了图像分割和螺钉置入概率评估模块，生成了注意力图以可视化决策过程，且性能与资深外科医生相当 | 当前研究中未明确提及局限性 | 开发并评估深度学习模型用于C2椎弓根螺钉置入的术前评估 | C2椎弓根螺钉置入患者 | 计算机视觉 | 脊柱疾病 | CT成像 | CNN | CT图像 | 未明确提及样本量 | PyTorch | C2-Net | 准确率、灵敏度、特异度 | NA |
| 290 | 2026-06-09 |
A unified vision-language model for cross-product defect detection in glove manufacturing
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339867
PMID:41671274
|
研究论文 | 提出一种统一的视觉语言模型用于手套制造中的跨产品缺陷检测 | 采用两阶段微调策略（监督微调与强化微调）和基于多面可验证奖励函数的视觉推理优化，实现单一模型动态处理多种产品和缺陷类型 | 在真实手套制造数据集上mAP为0.63，与专用YOLO基线（0.62）相当但未大幅超越，且依赖自然语言提示的泛化能力有限 | 验证使用单一灵活的多模态大语言模型替代多个刚性模型在复杂工业检测中的可行性，实现可扩展且经济的质量控制 | 手套制造过程中的缺陷检测 | 计算机视觉 | NA | 多模态大语言模型 | MLLM | 图像 | 含混合产品类别的真实手套制造数据集 | PyTorch | MLLM | 平均精确率 | NA |
| 291 | 2026-06-09 |
Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0350561
PMID:42234697
|
research paper | 提出一种基于特征图像组合和改进ResNet-18的电力质量扰动识别方法 | 采用特征融合思路，将变分模态分解生成的彩色特征-分量图像与连续小波变换生成的时频图结合，输入六通道改进ResNet-18进行训练，提升抗噪性和识别精度 | 仅针对单一图像特征信息不足的问题，未讨论多类型扰动信号实时处理或计算开销等局限性 | 克服传统电能质量扰动识别系统对单图像特征信息识别能力不足的问题 | 电力质量扰动信号 | 计算机视觉 | NA | 变分模态分解（VMD）、连续小波变换（CWT） | 卷积神经网络 | 图像（彩色特征-分量图像和时频图） | NA | NA | ResNet-18（六通道改进型） | 识别准确率 | NA |
| 292 | 2026-06-09 |
Integrating deep learning, biological hierarchies, and high-resolution imagery to create a new identification tool for cryptic coral reef fishes
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349646
PMID:42241402
|
研究论文 | 开发了一种名为CryptoVision的新型分类感知卷积神经网络，结合高分辨率图像对隐存的珊瑚礁鱼类进行自动分类和监测 | 创新性地将生物分类层次结构（科、属、种）及其生物学约束融入深度学习模型，设计了三个输出头的分类感知网络，并提出了四种层次融合策略（标准、拼接、门控、注意力） | 未明确提及局限性，但可推断数据集主要覆盖113种小型礁鱼，且依赖专家定义的形态特征进行模型注意力验证，可能对未包含的物种泛化能力有限 | 开发基于深度学习的自动化分类工具，用于识别和监测隐存的珊瑚礁鱼类，以拓宽生态监测和生物多样性科学的参与度 | 隐存的小型底栖珊瑚礁鱼类（cryptobenthic fishes），涉及113个物种 | 计算机视觉 | NA | NA | 卷积神经网络（CNN） | 图像 | 约7,600张实验室标准图像和约18,800张网络来源图像 | TensorFlow或PyTorch（未明确指定，但为深度学习常用框架） | ResNet50v2（增强版），集成Squeeze-and-Excitation模块 | 平均精确率（Average Precision, 90.5%）、期望校准误差（Expected Calibration Error, ≈0.01） | NA（未提及具体计算资源） |
| 293 | 2026-06-09 |
KG-HiAttention: synergizing AI-based knowledge graphs and deep learning for explainable software vulnerability analysis
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1794125
PMID:42253291
|
研究论文 | 提出KG-HiAttention框架，结合知识图谱和深度学习进行可解释的软件漏洞分析 | 首次将符号化知识图谱与亚符号深度学习协同融合，构建基于CPG的轻量级程序图，并通过图注意力网络与预训练语言模型的多模态融合实现可解释性 | 未提及具体限制 | 解决深度学习模型在软件漏洞分析中缺乏透明性和语义结构利用的问题 | 软件函数中的漏洞分析 | 机器学习 | NA | NA | 图注意力网络、预训练CodeT5编码器 | 程序图结构和语义嵌入 | BigVul数据集（具体样本数未提及） | PyTorch | GAT, CodeT5 | AUC-ROC, 特异性 | NA |
| 294 | 2026-06-09 |
Multi-attribute prediction of protein composition and hardness using semantic segmentation for 3D-Printed plant-based meat analogues
2026, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2026.101458
PMID:42253341
|
研究论文 | 该研究开发了一种基于语义分割的多属性深度学习框架，用于从RGB表面图像中非破坏性预测3D打印植物基肉类似物的蛋白质组成和硬度 | 首次结合语义分割与多输出预测模型，实现从RGB图像同时预测3D打印食品的成分和质构属性，提供低成本、非破坏性的质量监控方法 | 未提及局限 | 开发一种用于3D食品打印过程中非破坏性、实时质量评估的深度学习框架 | 3D打印植物基肉类似物的蛋白质成分（小麦面筋、大豆分离蛋白、大米蛋白）和硬度 | 计算机视觉, 机器学习 | NA | 3D食品打印 | DeepLabv3+, EfficientNet, 双向长短期记忆网络 | 图像 | 未明确提及样本数量，但使用五折交叉验证 | PyTorch | DeepLabv3+ (ResNet-50骨干网络), EfficientNet-双向长短期记忆网络 | 平均交并比, 平均准确率, R值, 均方根误差 | NA |
| 295 | 2026-06-09 |
Green toxicology only becomes beautiful through AI
2026, Frontiers in chemistry
IF:3.8Q2
DOI:10.3389/fchem.2026.1801623
PMID:42253404
|
综述 | 探讨人工智能如何将绿色毒理学从理念转化为实用框架，推动化学创新向可持续方向发展 | 提出人工智能与绿色毒理学整合的实践框架，利用深度学习、自然语言处理和可解释人工智能解决传统绿色毒理学中数据碎片化和验证障碍等瓶颈 | 未讨论具体验证案例和实施挑战，缺乏对数据隐私和算法偏见的深入分析 | 阐明人工智能在提升绿色毒理学预测能力、实现概率风险评估和促进可持续化学设计中的关键作用 | 绿色毒理学概念体系及其与人工智能技术的融合应用 | 机器学习 | NA | NA | 深度学习模型 | 文本和毒理学数据集 | NA | NA | NA | 预测准确性 | NA |
| 296 | 2026-06-09 |
Ensemble Learning to Categorize the Bethesda System of Reporting of Cervical Cytology
2026 Jan-Mar, Journal of cytology
IF:1.0Q4
DOI:10.4103/joc.joc_130_25
PMID:42253708
|
研究论文 | 通过软投票集成深度学习模型，对宫颈细胞学涂片进行Bethesda系统分类 | 首次采用包含五种迁移学习架构的软投票集成模型对宫颈细胞学进行分类 | 中间类别病变（低度鳞状上皮内病变）的敏感性较低，数据集规模有限且未使用全切片图像分析 | 评估软投票集成深度学习模型在Bethesda系统下分类宫颈细胞学涂片的性能 | 宫颈细胞学涂片样本 | 计算机视觉 | 宫颈癌 | NA | 集成学习 | 图像 | 259例病例，1016张显微照片 | NA | VGG16, ResNet50, InceptionV3, DenseNet121, MobileNetV2 | 敏感性, 特异性, 准确率, AUROC | NA |
| 297 | 2026-06-09 |
Deep Learning in Cytopathology: The Potential for Multimodal Synergy of Clinical and Cytological Input Data
2026 Jan-Mar, Journal of cytology
IF:1.0Q4
DOI:10.4103/joc.joc_14_25
PMID:42253703
|
综述 | 本文探讨了深度学习在细胞病理学中的应用潜力，特别是临床与细胞学输入数据的多模态协同作用 | 强调了多模态数据集成在细胞病理学中的重要性，以克服仅依赖图像数据时的性能瓶颈和潜在诊断风险 | 未提及具体实验验证或定量比较，主要基于定性评论 | 综述多模态深度学习在细胞病理学中的当前状态和潜在数据来源 | 细胞病理学中的多模态输入数据，包括人口统计学、临床调查、放射学、细胞学标本的染色准备、免疫细胞化学和分子检测 | 数字病理学 | NA | NA | 深度学习 | 图像、文本 | NA | NA | NA | NA | NA |
| 298 | 2026-06-09 |
The ASME-speller: 30-class auditory brain-computer interface speller using stream segregation and the QWERTY layout
2026, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2026.1807535
PMID:42253796
|
研究论文 | 提出了一种利用听觉流分离和QWERTY键盘布局的30类别听觉脑机接口拼写系统ASME-speller | 将听觉流分离技术与熟悉的QWERTY键盘布局结合，实现了无需视觉支持的30类别听觉BCI拼写系统 | 部分参与者的脑电图数据含有过多伪迹；与已有系统相比性能相当但未显著超越 | 开发一种直观且无需视觉的听觉脑机接口拼写系统以促进交流 | 十名健康参与者 | 机器学习 | NA | 脑电图（EEG） | 线性判别分析（LDA）、深度学习模型（EEGNet4,2） | 脑电图信号 | 10名健康参与者 | NA | EEGNet4,2 | 分类准确率、信息传输速率（ITR） | NA |
| 299 | 2026-06-09 |
DeepPurpose based deep learning approach for drug repurposing targeting VEGFR2 in hepatocellular carcinoma
2026, In silico pharmacology
DOI:10.1007/s40203-026-00669-6
PMID:42254291
|
研究论文 | 基于DeepPurpose深度学习框架开发药物重定位流程，靶向VEGFR2用于肝细胞癌治疗 | 首次将DeepPurpose深度学习框架专门用于肝细胞癌中VEGFR2靶点的药物重定位，并整合虚拟筛选、分子对接、分子动力学模拟和DFT分析进行多层级验证 | 基于计算预测，需进一步实验验证；训练数据集规模有限可能影响模型泛化能力 | 开发一种基于深度学习的药物重定位方法，识别针对肝细胞癌中VEGFR2的潜在抑制剂 | VEGFR2靶点蛋白以及FDA批准和临床阶段的化合物 | 深度学习, 药物重定位 | 肝细胞癌 | 深度学习预测, 分子对接, 分子动力学模拟, DFT分析 | DeepPurpose深度学习框架 | 药物-靶点相互作用数据（包含SMILES表示和蛋白质序列） | 手工整理的实验验证药物-靶点相互作用数据集 | DeepPurpose | NA | 相关系数, 均方误差 (MSE) | NA |
| 300 | 2026-06-09 |
DeepInsight-Net: a CBAM-enhanced ResNet50 framework with focal loss for robust cervical cancer classification on multi-center datasets
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1783634
PMID:42254369
|
研究论文 | 提出DeepInsight-Net框架，结合CBAM增强的ResNet50与Focal Loss，在多个宫颈癌数据集上实现鲁棒分类 | 创新性地将卷积块注意力模块集成到ResNet50骨干网络中，增强空间和通道特征判别能力，并采用Focal Loss替代传统交叉熵损失，有效缓解类别不平衡问题 | （原文摘要未提供明确局限性信息）NA | 解决宫颈细胞学分析中空间不相关性和严重类别不平衡两大挑战，实现鲁棒的宫颈癌细胞自动分类 | 宫颈细胞学图像 | 计算机视觉 | 宫颈癌 | 细胞学筛查 | CNN | 图像 | 基准SiPaKMed数据集及独立液基细胞学数据集，具体样本数未说明 | PyTorch | ResNet50, CBAM | 准确率 | NA |