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 7804 篇文献，本页显示第 2401 - 2420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2401 | 2026-04-27 |
Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation
2026-Apr-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03236
PMID:41962133
|
研究论文 | 利用全原子扩散模型精确预测含非规范氨基酸的小环肽的三维结构 | 将原用于小分子构象生成的全原子扩散模型AGDIFF改编并重新训练于环肽数据集，通过立体化学校正步骤解决了立体化学不敏感性问题，能够可靠生成对映体残基的正确镜像异构体 | 未明确说明，可能包括对非规范氨基酸和复杂环化化学的覆盖范围有限，以及计算资源需求等未提及 | 实现含非规范氨基酸的小环肽的高精度结构预测，以支持药物发现中的理性设计 | 含非规范氨基酸和多样化环化化学的小环肽 | 机器学习 | NA | 深度学习扩散模型 | 扩散生成模型 | 分子图结构数据 | 36,198个成员的Conformer Rotamer Ensembles of Macrocyclic Peptides (CREMP)数据集 | NA | AGDIFF（全原子扩散模型） | 平均RMSD（均方根偏差）、环扭转指纹偏差、Ramachandran分析 | NA |
| 2402 | 2026-04-27 |
RetinaDetachNet: Automated Deep Learning Quantification of Photoreceptor Cell Death for Neuroprotection Studies in Experimental Retinal Detachment
2026-Apr-06, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.4.23
PMID:42017313
|
研究论文 | 开发并验证了RetinaDetachNet，一种用于实验性视网膜脱离模型中光感受器细胞死亡自动量化的深度学习流程 | 首次提出并验证了针对TUNEL阳性细胞量化的深度学习流程，采用混合双验证架构（U-Net结合StarDist和Otsu阈值）提高准确性和可重复性 | 未提及 | 开发自动化量化光感受器细胞死亡的工具，用于神经保护研究的标准化评估 | 实验性视网膜脱离模型中的光感受器细胞 | 数字病理学 | 视网膜脱离 | TUNEL染色 | CNN | 图像 | 三个独立数据集：主数据集（50张图像）、历史数据集（50张图像）、外部数据集（40张图像） | TensorFlow, PyTorch | U-Net, StarDist | Dice系数, Spearman相关系数, Bland-Altman分析 | NA |
| 2403 | 2026-04-27 |
Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis
2026-Apr-05, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci14020183
PMID:42029607
|
系统综述 | 该文章系统综述了基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断与分类中的应用，并通过功能性meta整合分析了其诊断作用 | 首次对人工智能/机器学习在恶性唾液腺肿瘤放射学、组织病理学和分子领域的诊断模型进行系统性综述和功能性meta整合，识别出三个趋同的诊断领域 | 证据基础有限，存在高度异质性、主要依赖内部验证、偏倚风险高，校准和实用性评估不足 | 识别和批判性评估用于恶性唾液腺肿瘤不同诊断任务的人工智能/机器学习模型，并整合其诊断作用 | 恶性唾液腺肿瘤患者的放射学图像、组织病理学全切片图像和DNA甲基化数据 | 计算机视觉, 机器学习 | 唾液腺肿瘤 | 放射组学, 深度学习, DNA甲基化测序 | CNN, 深度学习模型 | 图像, 分子数据 | 8项研究，共1922名参与者 | NA | NA | AUC | NA |
| 2404 | 2026-04-27 |
Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology
2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.12.003
PMID:41390119
|
研究论文 | 利用深度学习模型基于H&E全切片图像区分胸腺上皮肿瘤的组织学亚型 | 引入新型层级损失函数以反映基于治疗策略和患者预后的临床相关肿瘤分组 | 模型误分类中60%处于相同临床管理组内，但六分类准确率仍有提升空间；研究基于单一机构外部验证集 | 开发深度学习工具以降低胸腺上皮肿瘤组织学分类的观察者间差异并提高诊断一致性 | 胸腺上皮肿瘤的H&E染色全切片图像 | 数字病理学 | 胸腺肿瘤 | H&E染色 | 深度学习模型 | 全切片图像 | 训练集来自TCGA；验证集包含112例连续病例 | NA | NA | 准确率, Cohen's κ系数, 敏感性 | NA |
| 2405 | 2026-04-27 |
Early versus delayed anticoagulation in acute ischemic stroke with atrial fibrillation according to infarct volume and location: A prespecified subgroup analysis of the OPTIMAS randomized controlled trial
2026-Mar-30, International journal of stroke : official journal of the International Stroke Society
IF:6.3Q1
DOI:10.1177/17474930261441297
PMID:41906919
|
研究论文 | 基于OPTIMAS随机对照试验的预设亚组分析，评估急性缺血性卒中伴房颤患者中，根据梗死体积和位置，早期与延迟抗凝治疗的效果差异 | 首次通过精确分割测量的梗死体积，分析早期抗凝治疗效果是否受梗死大小的影响，并纳入基于深度学习的分割模型进行验证 | 仅基于预设的亚组分析设计，未涉及梗死位置对治疗效果的详细影响评估；样本量在极端梗死体积组可能有限 | 探讨急性缺血性卒中伴房颤患者中，梗死体积是否改变早期DOAC抗凝治疗的效果 | 3572名急性缺血性卒中伴房颤患者（平均年龄78岁，45%女性），来自OPTIMAS试验 | 机器学习 | 脑血管疾病 | MRI扩散加权成像，深度学习分割模型，CT扫描 | 深度学习分割模型 | 医学图像（MRI和CT） | 3572名参与者（占主要试验人群的98.6%） | NA | 深度学习分割模型（未具体说明架构） | 复合结局指标（复发性缺血性卒中、症状性颅内出血、系统性动脉栓塞） | NA |
| 2406 | 2026-04-27 |
Cellular and subcellular specialization enables biology-constrained deep learning
2026-Mar-26, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2026.117159
PMID:41894388
|
科研论文 | 该论文提出了一种基于生物约束的深度学习算法，利用细胞和亚细胞特化机制来模拟生物学习过程 | 首次将神经元细胞类型专业化和树突内区室化信号整合到多层人工神经网络中，并采用完全符合生物学的树突目标传播深度学习算法进行图像分类 | NA | 探索生物学习机制，并基于严格的生物约束构建可解释的深度学习模型 | 多层人工神经网络中分离的兴奋性和抑制性细胞类型以及具有独立树突区室的神经元单元 | 机器学习 | NA | 树突目标传播 | 人工神经网络 | 图像 | NA | NA | 多层人工神经网络（包含分离的兴奋性/抑制性细胞类型和树突区室） | 图像分类准确率 | NA |
| 2407 | 2026-04-27 |
Quantifying Epistemic Uncertainty in Multimodal Long-Tailed Classification: A Belief Entropy-Based Evidential Fusion Framework
2026-Mar-19, Entropy (Basel, Switzerland)
DOI:10.3390/e28030343
PMID:41899995
|
研究论文 | 提出了一种基于信念熵的证据融合框架，用于量化多模态长尾分类中的认知不确定性 | 提出了不确定性门控证据融合模块、EMA公平性正则化器和两阶段跨模态一致性正则化器，以解决多模态长尾分类中的模态不确定性和类别不平衡问题 | 未在更大规模或更多样化的数据集上验证，可能在实际应用中存在泛化限制 | 提升多模态长尾分类中尾类的性能，并量化认知不确定性 | 多模态长尾分类任务中的视觉、语言和音频模态数据 | 机器学习 | NA | NA | 深度学习模型 | 多模态数据（视觉、语言、音频） | 三个长尾基准数据集 | NA | 证据融合网络 | 整体指标、校准性能、尾类子集性能 | NA |
| 2408 | 2026-04-27 |
PromptSeg: An End-to-End Universal Medical Image Segmentation Method via Visual Prompts
2026-Mar-18, Entropy (Basel, Switzerland)
DOI:10.3390/e28030342
PMID:41899994
|
研究论文 | 提出一种基于视觉提示的端到端通用医学图像分割方法PromptSeg | 创新性地从信息论角度将分割过程建模为条件熵最小化问题，利用视觉提示减少目标任务的不确定性，并通过信息瓶颈原则过滤冗余噪声，仅需少量标注的视觉提示对即可处理未见过的数据集或分割目标而无需重新训练 | 方法在CT和MRI数据集上验证，但可能在其他影像模态或多任务场景下需进一步评估 | 解决医学图像分割中模型泛化能力差的问题，提出一种跨任务、跨模态的通用分割框架 | 2D医学图像分割任务 | 计算机视觉 | NA | Transformer | Transformer-based unified framework | 图像（CT和MRI数据集） | NA | PyTorch | Transformer | NA | NA |
| 2409 | 2026-04-27 |
Teeth identification and numbering in mixed dentition: evaluating deep learning models for pediatric panoramic radiographs
2026-Mar-17, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08097-w
PMID:41845286
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2410 | 2026-04-27 |
Development and internal validation of a deep learning algorithm for intraoperative arterial pressure-based stroke volume index estimation in children: a single-center retrospective study
2026-Mar-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03428-x
PMID:41845328
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2411 | 2026-04-27 |
AI-based modeling of treatment decisions in benign prostatic hyperplasia: a transformer-based comparative study
2026-Mar-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03438-9
PMID:41845421
|
研究论文 | 本研究利用先进的大语言模型和深度学习模型，基于历史临床数据预测良性前列腺增生患者是否接受经尿道前列腺切除术或继续药物治疗 | 首次将大语言模型（GEMMA、GPT）与传统深度学习模型（RNN、CNN、LSTM）对比应用于良性前列腺增生治疗决策预测，并展示了GEMMA模型在该任务中优越的性能 | 样本量较小（仅883例来自单一医院），数据来源局限，可能影响模型的泛化能力 | 开发用于预测良性前列腺增生患者治疗决策（手术或药物治疗）的AI模型 | 良性前列腺增生患者的治疗决策 | 机器学习 | 前列腺增生 | NA | 大语言模型（GEMMA、GPT）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM） | 临床数据 | 883例患者病例（来自约旦大学医院） | NA | GEMMA、GPT、RNN、CNN、LSTM | 准确率、ROC AUC分数 | NA |
| 2412 | 2026-04-27 |
U-Shaped Split Federated Learning with Compact Features for Deep Learning-Based Image Coding
2026-Mar-16, Entropy (Basel, Switzerland)
DOI:10.3390/e28030331
PMID:41899983
|
研究论文 | 提出一种紧凑特征U型分割联邦学习框架，用于基于深度学习的图像编码，以减少通信开销并保持低图像失真 | 引入特征熵估计网络对分割层特征建模，实现传输时有效压缩，并设计含熵约束的联合优化目标指导端到端训练 | 未在摘要中明确提及局限性 | 减少U型分割联邦学习中双向中间特征传输带来的通信开销，同时维持低图像失真和提高训练效率 | 分布式图像编码中的边缘设备 | 机器学习 | NA | NA | 深度学习模型 | 图像 | NA | NA | NA | 通信开销、重建性能 | NA |
| 2413 | 2026-03-16 |
Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma
2026-Mar-14, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02253-y
PMID:41832418
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2414 | 2026-04-27 |
Integrating EfficientNetV2 with guided filopic diffusion for enhanced rice leaf disease recognition
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41654-5
PMID:41826510
|
研究论文 | 提出一种结合EfficientNetV2和引导菲洛皮克扩散的增强水稻叶片病害识别方法 | 首次将EfficientNetV2与扩散边界注意力法结合，并采用引导菲洛皮克扩散技术进行前置降噪，显著提升图像质量并保留叶片纹理特征 | 未提及在多种环境条件下的泛化能力或与其他方法的比较验证 | 提升水稻叶片病害识别的准确性和速度，推动深度学习在农业病害检测中的应用 | 水稻叶片病害（稻瘟病、褐斑病、白叶枯病） | 计算机视觉 | 植物病害 | NA | EfficientNetV2 | 图像 | 水稻叶片病害数据集（具体数量未提供） | PyTorch | EfficientNetV2 | 准确率、召回率、精确率、F1分数、Dice相似系数（DSC） | NA |
| 2415 | 2026-04-27 |
Predictors of self-reported sexually transmitted infections (STIs) among men in 54 low and middle income countries (LMICs): a comparison of deep learning and classical machine learning algorithms
2026-Mar-12, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-13010-5
PMID:41820907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2416 | 2026-04-27 |
Automated interpretation of fetal cardiac function evaluation from the echocardiogram
2026-Mar-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02381-3
PMID:41807718
|
研究论文 | 开发了一个全自动人工智能工作流程，用于从超声心动图中估算胎儿心脏功能参数 | 首次实现胎儿心脏功能评估的完全自动化，整合深度学习模型进行实时检测与分割，并建立动态Z分数模型 | 未提及具体局限性 | 实现胎儿心脏功能的自动、准确、可重复评估 | 胎儿超声心动图 | 计算机视觉 | 胎儿心脏疾病 | 超声心动图 | 深度学习 | 图像 | 内部数据集52,942张标注图像来自1940次胎儿超声心动图，外部正常数据集245次超声心动图，内部异常数据集83次超声心动图 | NA | NA | Dice相似系数，交并比，组内相关系数，R值，平均绝对误差，一致性界限，个体等效系数 | NA |
| 2417 | 2026-04-27 |
Popformer: Learning general signatures of positive selection with a self-supervised transformer
2026-Mar-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.06.710163
PMID:41846988
|
research paper | 提出一种基于自监督Transformer的模型Popformer，用于学习正选择信号的通用编码，并在人类基因组数据上进行预训练和微调 | 首次将Transformer架构应用于群体遗传选择信号检测，结合位点性和单倍型注意力机制，并采用掩码语言建模目标的预训练策略 | 模型在错配人口模型下表现仍有限制，且依赖模拟数据训练，对真实数据多样性的泛化能力需进一步验证 | 开发一种能泛化到多种进化场景的正选择信号检测方法，提升群体遗传推断的准确性 | 人类基因组变异数据中的正选择信号，包括模拟数据和来自1000 Genomes Project的真实数据 | machine learning | NA | 测序数据（SNP基因型数据） | Transformer | 基因组序列（SNP基因型） | 1000 Genomes Project的人类数据，具体样本量未明确提及 | PyTorch（推断，基于Transformer常见实现框架） | Transformer（含位点间注意力、单倍型间注意力和相对位置嵌入） | 准确性（accurate），基因型插补准确性 | NA |
| 2418 | 2026-04-27 |
Confidence scoring for deep learning-predicted antibody-antigen complexes: AntiConf as a precision-driven metric
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag137
PMID:41903187
|
研究论文 | 本研究评估了九种深度学习模型在抗体-抗原复合物预测中的表现，并开发了新型置信度评分指标AntiConf | 整合pDockQ2和pTM评分开发了AntiConf指标，该指标在精度和召回率上优于现有方法，可作为AF2和AF3架构的有效后处理评分 | 未提及具体局限性，但可能包括数据集规模有限（200个复合物）及对特定模型的依赖性 | 评估深度学习模型在抗体-抗原复合物预测中的表现，并开发更精准的置信度评分方法 | 200个抗体-抗原复合物的三维结构预测结果 | 计算生物学，深度学习，结构预测 | NA | NA | 深度学习模型 | 结构数据，评分数据 | 200个抗体-抗原复合物 | NA | AlphaFold2, Boltz-1, Boltz-1x, Boltz-2, Chai-1, Protenix, Protenix-1, OpenFold3, ESMFold | 精度，召回率 | NA |
| 2419 | 2026-04-27 |
A Channel-Independent Anchor Graph-Regularized Broad Learning System for Industrial Soft Sensors
2026-Feb-28, Entropy (Basel, Switzerland)
DOI:10.3390/e28030274
PMID:41899926
|
研究论文 | 提出一种通道无关锚图正则化宽度学习系统(CI-GBLS)，用于工业软传感器中的非线性动力学和多元耦合建模 | 引入通道独立(CI)策略，通过构建物理隔离的特征通道实现多元输入的正交分解，并利用RBF聚类中心作为图锚点设计高效流形正则化算法，嵌入数据几何结构到学习目标 | 未提及具体限制 | 解决复杂工业数据的非线性动力学和强多元耦合问题，同时克服深度学习的高计算成本和部署挑战 | IndPenSim过程数据 | 机器学习 | 不适用 | 不适用 | 宽度学习系统 | 时间序列数据 | 不适用 | 不适用 | CI-GBLS | 预测精度和效率 | 不适用 |
| 2420 | 2026-04-27 |
Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring
2026-Feb-06, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aea8902
PMID:41650267
|
研究论文 | 提出一种集成深度学习与多层热梯度传感的软电子平台，用于实时监测血流速度和血管深度 | 首次将多层热传感与深度学习算法结合，解决传统热传感中血管深度变异导致的测量限制，能够同时测量血流速率和血管深度 | 未提及具体局限性信息 | 开发一种无需笨重设备和专业知识的可穿戴血流监测技术，提升心血管健康评估和血管并发症检测的便捷性 | 血流速率和血管深度 | 机器学习 | 心血管疾病 | 多层热传感、深度学习、光电容积脉搏波 | 深度学习模型 | 热梯度数据 | NA | NA | NA | NA | NA |