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 7692 篇文献，本页显示第 5801 - 5820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5801 | 2026-02-13 |
A deep reinforcement learning approach to dance movement analysis
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35311-0
PMID:41577743
|
研究论文 | 本文提出了一种基于深度强化学习的舞蹈动作分析框架RATS，通过序列决策过程优化视频帧采样，提高分类效率与准确性 | 提出RATS框架，将舞蹈分类建模为序列决策过程，结合3DCNN特征提取、DQN代理与BiLSTM记忆，实现关键帧聚焦并降低计算复杂度 | 未明确讨论模型在更广泛舞蹈数据集或实时应用中的泛化能力与计算资源需求 | 开发高效且准确的视频舞蹈风格分类方法 | 舞蹈视频数据 | 计算机视觉 | NA | 视频分析 | 深度强化学习, 3DCNN, BiLSTM | 视频 | 基于Let's Dance数据集（具体样本数未提供） | NA | 3DCNN, DQN, BiLSTM | 准确率, F-measure | NA |
| 5802 | 2026-01-21 |
Compact deep learning models for colon histopathology focusing performance and generalization challenges
2026-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35119-y
PMID:41554906
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5803 | 2026-02-13 |
Contemporary strategies for active learning in oral and maxillofacial surgery education
2026-Jan-15, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2026.01.002
PMID:41672806
|
综述 | 本文回顾并倡导了口腔颌面外科教育中当代的主动学习策略 | 强调通过团队学习、翻转课堂、模拟训练等现代方法促进主动学习，以提升教育效果 | NA | 探讨口腔颌面外科教育中的主动学习策略，以改善临床医生培训 | 口腔颌面外科的受训者（住院医师） | 医学教育 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5804 | 2026-01-14 |
End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs
2026-Jan-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02150-4
PMID:41527051
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5805 | 2026-02-13 |
Proteolysis-targeting Chimera efficacy prediction using a deep-learning-QSP model
2026-Jan-12, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01152-2
PMID:41521293
|
研究论文 | 本研究提出了一种结合深度学习和定量系统药理学的集成计算建模框架，用于预测PROTAC分子的疗效 | 首次将基于卷积神经网络的深度学习模型DeepCalici与机制性QSP Hook模型相结合，以预测PROTAC的关键药效参数，并通过补充深度神经网络基于化学和生化特征调整模型参数以提高预测准确性 | 对最大降解的预测准确性较低，可能反映了当前数据集中未捕获的实验条件变异性 | 开发一种计算模型以预测PROTAC分子的疗效，加速其发现和优化 | PROTAC分子及其与蛋白质靶点和E3连接酶的结合亲和力 | 机器学习 | NA | 定量系统药理学，深度学习 | 卷积神经网络，深度神经网络 | 化学和生化特征数据，实验验证的PROTAC-DB数据 | NA | NA | DeepCalici，Hook模型 | 预测准确性 | NA |
| 5806 | 2026-01-14 |
MRI-based deep learning and radiomics for severity classification of pediatric venous malformations
2026-Jan-12, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02161-1
PMID:41526842
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5807 | 2026-02-13 |
Crop phenotype prediction using SNP context and whole-genome feature embedding based on DNABERT-2
2026-Jan-12, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01492-4
PMID:41527074
|
研究论文 | 本研究提出两种基于DNABERT-2基因组基础模型的特征嵌入方法，用于作物表型预测，并比较了不同遗传力性状下的预测性能 | 首次将DNABERT-2跨物种基因组基础模型应用于作物表型预测，提出SNP上下文和全基因组两种特征嵌入模式，突破了传统方法仅关注单个SNP累积效应的局限 | 研究仅针对三种作物数据集（水稻和玉米）进行验证，未涵盖更广泛的作物种类；特征维度优化范围有限（4-768维） | 开发基于基因组序列上下文的精准表型预测方法，加速优良作物品种选育 | 水稻（rice413, rice395）和玉米（maize301）的基因组序列与表型数据 | 机器学习 | NA | 基因组测序 | Transformer, 机器学习算法 | 基因组序列 | 三个作物数据集（水稻413个样本、水稻395个样本、玉米301个样本） | DNABERT-2 | DNABERT-2（基于Transformer架构） | 准确率, 平均绝对误差 | NA |
| 5808 | 2026-02-13 |
A multicenter deep learning framework integrating radiomics and vision transformers for comprehensive ovarian tumor analysis from ultrasound imaging
2026-Jan-11, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03395-5
PMID:41521324
|
研究论文 | 本研究开发并验证了一个多中心深度学习框架，整合了放射组学特征和视觉变换器，用于从超声图像中实现卵巢肿瘤的全面分析，包括分割、多分类和预后预测 | 提出一个结合放射组学描述符和深度特征嵌入的多中心深度学习框架，首次在卵巢肿瘤超声分析中集成多种分割网络和分类器，并进行了外部验证 | 研究为回顾性分析，可能存在选择偏倚；未明确说明模型在不同超声设备或采集参数下的泛化能力 | 开发一个鲁棒的多中心深度学习流程，用于卵巢肿瘤的全面分析，以支持个性化临床决策 | 卵巢肿瘤患者 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN, Transformer | 图像 | 3156名患者（来自八个中心），外部验证集756名患者 | NA | UNETR, nnU-Net, Swin-UNet, SegNet, UNet, ResNet, Vision Transformer (ViT), TabTransformer, MLP, XGBoost | DSC, AUC, 准确率, C-index | NA |
| 5809 | 2026-02-13 |
High-throughput spheroid-based assay for functional breast cancer precision medicine facilitated by deep learning
2026-Jan-10, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01359-8
PMID:41519924
|
研究论文 | 本研究开发了一种基于深度学习的高通量球体检测方法，用于乳腺癌精准医学的功能性评估 | 利用深度学习实现自动球体分割，以预测肿瘤对顺铂、奥拉帕尼和放疗的敏感性，为乳腺癌精准治疗提供功能性检测手段 | 研究基于患者来源的异种移植模型，可能无法完全反映人体内肿瘤的复杂性，且样本量有限 | 开发一种功能性检测方法，以预测乳腺癌患者对靶向治疗和放疗的个性化反应 | 乳腺癌患者来源的异种移植模型，特别是对顺铂敏感和耐药的肿瘤 | 数字病理学 | 乳腺癌 | 高通量球体培养、深度学习图像分析 | 深度学习模型 | 图像 | 使用患者来源的乳腺癌异种移植模型，具体数量未在摘要中明确说明 | NA | NA | 响应与非响应球体的百分比预测 | NA |
| 5810 | 2026-02-13 |
Survival prediction and risk stratification in R0-resected ovarian cancer: a multi-modal deep learning approach
2026-Jan-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01263-3
PMID:41520012
|
研究论文 | 本研究提出了一种名为OvcaSurvivor的多模态深度学习框架，用于R0切除卵巢癌患者的生存预测和风险分层 | 开发了首个整合全切片图像、超声图像和临床数据的多模态深度学习框架，并引入了注意力引导融合模块以提升预测性能 | 研究样本量相对有限（543例患者），且外部验证性能有所下降（C指数从0.81降至0.70） | 提高卵巢癌患者的生存预测准确性和个体化风险评估 | R0切除的卵巢癌患者 | 数字病理学 | 卵巢癌 | 全切片图像分析, 超声成像 | 深度学习 | 图像, 临床数据 | 543名患者 | NA | CHIEF, ResNet50 | C指数, 时间依赖性AUC | NA |
| 5811 | 2026-02-13 |
Leveraging large scale deep learning models for diagnosis and visual outcome prediction in retinitis pigmentosa
2026-Jan-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02311-9
PMID:41507439
|
研究论文 | 本研究开发了基于大规模深度学习模型的诊断和预后模型，用于视网膜色素变性的诊断和视觉结果预测 | 利用预训练的大规模深度学习模型结合临床元数据进行生存分析，在患者层面严格分割以避免数据泄露，并发现诊断和预后特征不同 | 需要外部和多中心数据集进行进一步验证以实现临床转化 | 开发视网膜色素变性的诊断和视觉预后预测模型 | 视网膜色素变性患者 | 计算机视觉 | 视网膜色素变性 | 深度学习 | CNN | 图像, 临床元数据 | NA | NA | EfficientNetB4 | AUC, 时间依赖性AUC | NA |
| 5812 | 2026-02-13 |
Longitudinal MRI-based deep learning model for predicting pathological complete response in breast cancer: a multicenter, retrospective cohort study
2026-Jan-05, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01256-2
PMID:41491286
|
研究论文 | 本研究提出了一种基于纵向MRI的深度学习模型BSTNet，用于预测乳腺癌新辅助治疗后的病理完全缓解 | 开发了一种新颖的乳腺自监督时序学习框架（BSTNet），通过自监督预训练实现模型在多时间点和双时间点场景下的泛化，并捕捉新辅助治疗期间肿瘤的动态变化 | NA | 早期预测乳腺癌患者对新辅助治疗的病理完全缓解，以优化治疗策略 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 纵向MRI | 深度学习模型 | MRI图像 | 1339名患者（多中心队列） | NA | BSTNet | AUC, 特异性 | NA |
| 5813 | 2026-02-13 |
A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena
2026-Jan-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06493-5
PMID:41484136
|
研究论文 | 本文介绍了一个用于检测和分类低纬度Spread-F现象的首个公开、专家指导的深度学习离子图数据集 | 首次提供了公开的、专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长时间跨度，并附带了基于该数据集的分类模型 | NA | 研究电离层Spread-F现象，以改进无线电技术（如通信和导航）中的操作应用 | 低纬度Spread-F现象 | 计算机视觉 | NA | NA | CNN | 图像 | 150,000张离子图（包括30,000张每类，含“非SF”组），覆盖2002年至2016年共14年 | NA | SA-ResNet50 | NA | NA |
| 5814 | 2026-02-12 |
Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100732
PMID:41657758
|
研究论文 | 本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化 | 首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量 | 研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型 | 评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程 | 94名儿科神经母细胞瘤患者 | 数字病理学 | 神经母细胞瘤 | 双能CT, 深度学习图像重建 | 深度学习 | CT图像 | 94名儿科患者（年龄4.92±3.45岁，范围0-17岁） | NA | NA | CT值, 对比噪声比, 边缘上升斜率, 图像质量评分 | NA |
| 5815 | 2026-02-12 |
ConcreteCARB: A comprehensive image dataset of concrete carbonation for computer vision tasks
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112493
PMID:41657407
|
研究论文 | 本文介绍了ConcreteCARB数据集，这是一个包含903张高分辨率混凝土表面图像的综合数据集，用于支持计算机视觉在土木工程中的应用 | 提供了首个专门针对混凝土碳化检测的全面图像数据集，包含不同混合设计和添加剂条件下的样本，支持AI在结构健康监测中的创新应用 | 数据集仅包含实验室控制条件下收集的图像，可能无法完全代表现场实际环境中的碳化情况 | 开发用于混凝土碳化损伤评估的自动检测、分类和分割模型 | 混凝土棱柱体样本，具有不同水灰比和添加剂（如工业硅废料和仙人掌天然掺合料） | 计算机视觉 | NA | 酚酞测试 | NA | 图像 | 903张高分辨率图像 | NA | NA | NA | NA |
| 5816 | 2026-02-12 |
Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review
2026-Mar, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.70110
PMID:41199593
|
综述 | 本文是一篇关于人工智能在痤疮诊断与管理中应用的范围综述，旨在评估和概述相关AI工具的类型、应用、性能以及模型训练中皮肤多样性数据的现状 | 首次系统性地综述了AI在痤疮领域的应用全景，特别关注了模型训练数据中皮肤多样性（肤色）的代表性问题，并比较了不同AI模型（集成模型、深度学习、大语言模型、经典机器学习）在痤疮诊断中的性能 | 作为一篇范围综述，它主要进行描述性总结和现状分析，而非对AI工具的有效性进行严格的荟萃分析或质量评估；同时，纳入研究的异质性可能影响结论的普适性 | 评估并概述人工智能在痤疮诊断与管理中的研究现状，包括工具类型、应用领域、性能表现以及模型训练数据的多样性 | 已发表的关于AI应用于痤疮的研究文献 | 数字病理学 | 痤疮 | NA | 深度学习, 经典机器学习, 集成模型, 大语言模型 | 图像, 文本 | 共纳入105篇研究文章进行分析 | NA | NA | 准确率 | NA |
| 5817 | 2026-02-12 |
Design Glycosyltransferases with High Glycosyl Transfer Efficiency to Efficiently Produce Isoquercetin from Quercetin
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c15833
PMID:41631425
|
研究论文 | 本研究通过虚拟筛选、分子对接和实验验证，设计出具有高糖基转移效率的糖基转移酶，以高效从槲皮素生产异槲皮素 | 结合深度学习的kcat预测、分子对接和系统发育分析，成功设计出活性比野生型提高103倍的糖基转移酶变体PCAA，并耦合蔗糖合酶实现UDP-葡萄糖再生，提高了异槲皮素的生产效率和转化率 | 未明确说明实验规模、酶稳定性或长期生产中的潜在限制 | 克服异槲皮素生物合成中的主要瓶颈，为食品工业应用提供实用策略 | 糖基转移酶（GTs）、槲皮素、异槲皮素 | 生物信息学 | NA | 虚拟筛选、分子对接、深度学习的kcat预测、蛋白BLAST、系统发育分析 | 深度学习模型 | 蛋白质序列、酶活性数据 | 约1000个同源序列 | NA | NA | 酶活性倍数提高、转化率 | NA |
| 5818 | 2026-02-12 |
Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c14216
PMID:41631493
|
研究论文 | 本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能 | 首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽 | 研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源 | 开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法 | 从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能 | 计算生物学 | 肠道疾病 | 深度学习, 虚拟筛选, 分子动力学模拟 | 深度学习模型 | 肽序列数据, 分子结构数据 | 2798个候选肽段 | Nextflow | NA | 解离常数(Kd) | NA |
| 5819 | 2026-02-12 |
A lightweight depthwise separable convolution and channel attention based GRU network for multichannel EEG seizure detection
2026-Feb-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4106
PMID:41632979
|
研究论文 | 本文提出了一种基于轻量级深度可分离卷积和通道注意力的GRU网络，用于多通道EEG癫痫发作检测 | 结合了残差深度可分离卷积块进行高效空间特征提取，并引入了通道注意力机制以突出关键信息，同时利用GRU层建模时间依赖性，实现了轻量级且高效的端到端癫痫发作检测 | 仅使用了CHB-MIT数据集进行评估，未在其他数据集上验证模型的泛化能力 | 开发一种快速、准确且非侵入性的癫痫发作自动检测框架，以改善癫痫的诊断和管理 | 多通道原始EEG信号 | 机器学习 | 癫痫 | 脑电图（EEG） | GRU, CNN | 信号数据 | CHB-MIT数据集，使用留一患者交叉验证（LOPOCV）方法 | NA | 残差深度可分离卷积（RDSC）块, GRU | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 5820 | 2026-02-12 |
Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application
2026-Feb-11, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05163-w
PMID:41670646
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |