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 9602 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-07-18 |
Deep Learning Improves Sensitivity to Change in Sinus Computed Tomography: Evidence From Two Randomized Controlled Trials
2026-Jul-16, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.70218
PMID:42461843
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 42 | 2026-07-18 |
Dynamics-enhanced molecular property prediction guided by deep learning
2026-Jul-16, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014515
PMID:42461947
|
研究论文 | 提出动态增强分子表征方法并结合深度学习进行分子性质预测 | 通过分子动力学模拟构建动态数据集，并提出动态增强分子表征方法，整合动力学信息到分子性质预测任务 | 未提及具体限制 | 结合动力学数据和深度学习方法提升分子性质预测性能 | 不同分子的分子动力学模拟数据及分子性质 | 机器学习 | NA | 分子动力学模拟 | 深度学习 | 分子动力学模拟帧数据 | NA | NA | NA | NA | NA |
| 43 | 2026-07-18 |
Wiz regulates clustered protocadherin genes by restricting CTCF/cohesin loop extrusion in a genomic-distance biased manner
2026-Jul-16, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1012242
PMID:42461945
|
研究论文 | 提出基于深度学习的筛选工具COP，鉴定Wiz蛋白通过限制CTCF/cohesin环挤出调控簇集原钙黏蛋白基因 | 首次发现Wiz蛋白以基因组距离偏向方式调控CTCF/cohesin环挤出，从而影响增强子-启动子长距离接触 | 尚未阐明Wiz调控CTCF/cohesin环挤出的分子机制细节 | 探究锌指蛋白对簇集原钙黏蛋白基因的调控机制 | 小鼠簇集原钙黏蛋白基因座及Wiz蛋白 | 机器学习 | NA | ChIP-seq, RNA-seq, 4C-seq | 深度学习模型 | DNA序列数据与蛋白质特征数据 | 小鼠神经元细胞及脑组织样本 | NA | COP（C2H2-ZFP occupancy predictor） | NA | NA |
| 44 | 2026-07-18 |
A Hybrid CNN-Transformer Model with Crossover Boosted Cheetah Optimization for Prenatal Spina Bifida Identification from Ultrasound Images
2026-Jul-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70347
PMID:42462242
|
研究论文 | 提出一种混合CNN-Transformer模型，结合交叉增强猎豹优化算法，从超声图像中识别胎儿脊柱裂 | 首次将CNN与Transformer混合用于脊柱裂超声图像识别，并引入交叉增强猎豹优化算法进行超参数调优 | 未在多种超声设备或不同临床环境下进行验证，未探讨模型在低质量图像或噪声条件下的表现 | 开发一种自动化、可信赖的深度学习框架，用于从孕中期胎儿超声图像中准确识别脊柱裂 | 胎儿脊柱结构超声图像 | 计算机视觉 | 脊柱裂 | 超声成像 | 混合CNN-Transformer模型 | 图像 | NA | NA | CNN-Transformer混合架构 | 准确率、F1分数、推理时间 | NA |
| 45 | 2026-07-18 |
Identifying sex-specific sub-phenotypes of Alzheimer's disease progression using longitudinal electronic health records
2026-Jul-16, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2026.106391
PMID:42462283
|
研究论文 | 利用纵向电子健康记录数据，通过深度学习框架识别阿尔茨海默病进展中的性别特异性亚表型 | 首次通过数据驱动方法从纵向电子健康记录中识别出阿尔茨海默病的性别特异性亚表型，揭示男女患者不同的疾病轨迹和共病模式 | NA | 探索阿尔茨海默病进展中性别特异性的异质性，并开发一个基于深度学习的框架来表征这种异质性 | 阿尔茨海默病患者，包括961名女性和704名男性 | 机器学习 | 阿尔茨海默病 | NA | 自编码器 | 电子健康记录 | 1665名阿尔茨海默病患者，其中女性961人，男性704人 | PyTorch | 自编码器 | 生存分析 | NA |
| 46 | 2026-07-18 |
Parental burnout and children's short-form video and online game use: A specification curve and interpretable deep learning analysis
2026-Jul-16, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.107412
PMID:42462491
|
研究论文 | 本研究考察了父母倦怠与子女短视频和网络游戏使用之间的关系，并探索了父母低头族的中介作用 | 首次运用规范曲线分析和可解释深度学习模型研究父母倦怠与儿童数字媒体使用之间的非线性关系 | 研究采用横截面设计，无法推断因果关系；且仅在中国北方地区取样，样本代表性有限 | 探明父母倦怠与儿童短视频和网络游戏使用之间关系的稳健性 | 来自中国北方34所学校的6020名小学生和5456名中学生及其父母 | 机器学习 | 心理健康问题 | NA | 可解释深度学习模型 | 文本（问卷调查数据） | 6020名小学生（样本1）和5456名中学生（样本2），共计11476名学生及其父母 | SHAP | NA | 中位数β值（0.030-0.070）、B值（0.014-0.041） | NA |
| 47 | 2026-07-18 |
Automated ventricular and midline segmentation in cranial ultrasound with metrology
2026-Jul-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae8bb7
PMID:42462755
|
研究论文 | 提出一种深度学习系统，用于分割成人颅骨超声图像中的脑室和中线结构，并生成基于几何的度量叠加 | 针对颅骨超声图像中薄解剖结构难以一致勾画的问题，采用类别加权优化结合Dice和中线聚焦的focal-Tversky损失函数，并利用水平翻转测试时间平均处理类别不平衡 | 基于专有数据集，可能缺乏通用性；仅针对冠状面图像，未覆盖其他切面 | 实现颅骨超声图像中关键颅内结构的自动分割和标准化度量可视化 | 成人颅骨超声图像中的同侧和对侧侧脑室以及颅骨中线结构 | 计算机视觉 | 神经外科术后监测 | 颅骨超声成像 | 编码器-解码器分割架构 | 图像 | 457帧专有去标识超声图像 | PyTorch | 多种编码器-解码器分割架构（具体未指定） | Dice系数 | NA |
| 48 | 2026-07-18 |
Deep Learning for Automated Microvascular Flow Quantification in Avian Tumor Models
2026-Jul-16, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70385
PMID:42462774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 49 | 2026-07-18 |
PIDA-GAN: physics-informed dual-stage attention GAN with data consistency for sparse-view CT reconstruction
2026-Jul-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae8c10
PMID:42462785
|
研究论文 | 提出一种物理信息驱动的双阶段注意力生成对抗网络，用于稀疏视角CT重建，通过数据一致性约束与自适应特征学习提升图像质量 | 创新点包括：将物理信息驱动的数据一致性层（DC层）与注意力机制（LGSA和动态自适应门控DAG）结合的级联双阶段U-Net生成器架构，以及边缘感知判别器和混合损失函数 | 实验仅基于Mayo Clinic数据集，未在更广泛的临床场景验证；极端稀疏视角（如4视角）下性能提升有限且计算成本增加（需TorchRadon正/反投影迭代更新） | 实现准确且具有感知真实性的稀疏视角CT重建，克服传统方法过度平滑和缺乏正弦图数据一致性的问题 | 稀疏视角CT重建图像，包括60、30、16、4视角设置下的退化图像 | 数字病理学 | 不适用（未见疾病特定标注） | CT重建（稀疏视角成像） | 生成对抗网络，U-Net | 图像（CT投影数据与重建图像） | 基于Mayo Clinic数据集（未注明具体样本量） | PyTorch, TorchRadon | U-Net, 自注意力机制, 自适应门控, 边缘感知判别器 | PSNR, SSIM, RMSE | 未提及 |
| 50 | 2026-07-18 |
Diagnostic Performance of Deep Learning for Automated Mandibular Canal Segmentation on CBCT Images: A Systematic Review and Meta-Analysis
2026-Jul-16, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2026.102901
PMID:42462969
|
系统综述与荟萃分析 | 评估深度学习在CBCT图像上自动分割下颌管的诊断性能、解剖定位准确性和时间效率，并与传统手动专家标注进行对比 | 首次系统评估并荟萃分析深度学习在下颌管分割中的诊断性能，发现基于Transformer的架构显著优于传统CNN，且自动分割节省18.7倍时间 | 研究间异质性可能影响结果，部分研究数据量有限，且未全面评估不同深度学习架构的泛化能力 | 评估深度学习自动分割下颌管的诊断性能、解剖定位准确性和时间效率 | 下颌管在CBCT图像上的自动分割 | 计算机视觉 | 口腔颌面疾病 | NA | 深度学习，包括Transformer和卷积神经网络 | CBCT图像 | 38项研究，超过8420个CBCT体积 | NA | Transformer, 卷积神经网络 | Dice相似系数, 平均对称表面距离, 处理时间 | NA |
| 51 | 2026-07-18 |
The Advantages of AI for Computational Protein Studies and Looking Ahead at the Next Challenges: Single Structures Are Not Enough
2026-Jul-16, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2026.169949
PMID:42462965
|
观点文章 | 探讨人工智能在计算蛋白质研究中的优势及未来挑战，强调单一结构不足以全面理解蛋白质 | 指出大蛋白质语言模型和深度学习在结构预测中的巨大成功，并强调预测多状态蛋白质集合、构象转变及与实验数据整合的重要性 | 未明确具体实验验证或模型局限性 | 阐述人工智能在计算蛋白质研究中的进展及未来方向，推动对蛋白质结构机制与动力学的全面理解 | 蛋白质结构、配体结合位点、蛋白质相互作用、多状态蛋白质集合、构象转变 | 机器学习 | NA | 深度学习、大蛋白质语言模型 | NA | NA | NA | NA | NA | NA | NA |
| 52 | 2026-07-18 |
Physics-Informed LSTM Neural Network for Personalized Pharmacokinetic Modeling of Polymyxin B in Critically Ill Patients
2026-Jul-16, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences
IF:4.3Q1
DOI:10.1016/j.ejps.2026.107609
PMID:42463031
|
research paper | 开发了一种物理信息引导的长短期记忆神经网络，用于重症患者多粘菌素B的个性化药代动力学建模 | 创新性地将药代动力学原理作为物理约束融合到LSTM神经网络中，实现了个性化药物浓度预测，保持了药理学可解释性 | 模型仅使用模拟数据验证，尚未在真实临床患者数据上进行测试，且标准群体药代动力学模型的比较是在相同模拟数据上进行的 | 开发一种物理信息引导的LSTM神经网络，作为传统群体药代动力学模型方法的补充，用于重症患者多粘菌素B的个性化剂量优化 | 重症患者的多粘菌素B药代动力学预测 | machine learning | 感染性疾病 | 模拟药代动力学数据 | LSTM神经网络 | 模拟数据 | 来自1000名脓毒症患者的模拟数据 | NA | 双向LSTM, 多头注意力机制 | R², MAE, RMSE, 预测区间覆盖率 | NA |
| 53 | 2026-07-18 |
A Multimodal Deep Learning Model for Preoperative Prediction of Postoperative Complications in Gastric Cancer
2026-Jul-16, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2026.07.004
PMID:42463045
|
研究论文 | 开发并验证了一种多模态深度学习模型DeepComp，用于胃癌术后并发症的术前预测和长期生存预测 | 首次将临床变量与基础模型图像特征（包括病灶区域、瘤周5mm区域和L3身体成分区）通过双任务表格架构整合，实现术后并发症和生存期的联合预测，并在多个中心及前瞻性临床试验数据中验证 | 该模型在外部验证中AUC范围为0.824至0.869，仍有提升空间；研究未涉及所有可能的临床场景或手术类型 | 术前预测胃癌根治术后Clavien-Dindo分级≥II并发症及长期生存率，以支持个体化围手术期管理 | 胃癌腺癌患者 | 机器学习, 数字病理学 | 胃癌 | NA | 深度学习（多模态） | 临床变量与图像数据 | 来自11个中国中心的5237名患者，以及6项注册临床试验的前瞻性数据 | PyTorch | 双任务表格架构 | AUC, 敏感度, C-index, 调整后的风险比 | NA |
| 54 | 2026-07-18 |
Limitations of public chest radiography datasets for artificial intelligence: label quality, domain shift, bias and evaluation challenges
2026-Jul-16, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
DOI:10.1098/rsta.2025.0129
PMID:42463228
|
研究论文 | 系统分析公开胸部X光数据集在标签质量、领域偏移、偏见和评估实践中的局限性 | 跨数据集领域偏移评估显示外部性能显著下降，并训练源分类模型以近乎完美的准确率区分数据集，揭示年龄和性别亚组的性能降低，以及专业放射科医生与现有标签的重大分歧 | NA | 评估公开胸部X光数据集在人工智能应用中的缺陷，并提出改进数据集质量和评估框架的需求 | MIMIC-CXR、ChestX-ray14、PadChest和CheXpert等公开胸部X光数据集 | 计算机视觉 | NA | NAS | 深度学习模型（多种架构） | 图像（胸部X光片） | 涉及MIMIC-CXR、ChestX-ray14、PadChest和CheXpert等数据集，每个包含数十万张标注图像 | NA | 多种模型架构（具体未指定） | AUPRC、F1分数 | NA |
| 55 | 2026-07-18 |
DARMN: Domain-Aware Residual Feature Modulation Network for Multidomain Protein Dynamic Inter-Residue Contact Prediction
2026-Jul-16, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00754
PMID:42463482
|
研究论文 | 提出域感知残差特征调制网络（DARMN），用于多域蛋白质动态残基间接触预测 | 利用AlphaFold2表示和残差特征线性调制融合单表示与配对表示，并设计域感知加权焦点损失函数区分域内和域间接触 | 动态残基接触稀疏、瞬时且与大尺度域运动耦合，难以通过实验或模拟直接解析 | 预测多域蛋白质（MDP）的动态残基间接触，以调控构象稳定性和理解蛋白质功能机制 | 多域蛋白质（MDP）的动态构象转变和域间接触 | 机器学习 | NA | 深度学习 | 域感知残差特征调制网络（DARMN） | 序列 | NA | NA | AlphaFold2, 残差特征线性调制（FiLM） | AUC, 精确率, 召回率, F1分数 | NA |
| 56 | 2026-07-18 |
YOLO11-guided swin transformer for molar occlusion classification
2026-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-62092-3
PMID:42463520
|
研究论文 | 提出一种结合YOLO11与Swin Transformer的自动磨牙咬合分类深度学习框架 | 首次将YOLO11实例分割与Swin Transformer分层注意机制结合，实现解剖定位引导的磨牙咬合自动分类，无需手动定义感兴趣区域 | 数据集仅包含1101张口内图像且为单一中心数据，未在更大规模多中心数据上验证；未说明模型对严重牙齿错位或图像质量较差情况的鲁棒性 | 开发自动化的磨牙咬合分类方法以辅助正畸诊断与治疗计划 | 口内照片中的磨牙区域与咬合关系 | 计算机视觉 | NA | NA | CNN、Transformer | 图像 | 1101张口内图像，涵盖5种咬合类别 | NA | YOLO11、Swin Transformer、ResNet50V2、DenseNet201、MobileNetV3-Large、EfficientNetV2-S、Vision Transformer | Dice系数、准确率、召回率 | NA |
| 57 | 2026-07-18 |
A Noise-Aware Robustness Evaluation Framework for Breast Cancer Classification in Ultrasound Imaging
2026-Jul-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-02114-8
PMID:42463622
|
研究论文 | 提出一个噪声感知的鲁棒性评估框架，用于超声图像中的乳腺癌分类 | 首次在超声乳腺癌分类中系统性评估不同噪声类型（高斯、泊松、散斑）对模型性能的影响，并提出噪声匹配训练方法来提高模型鲁棒性 | 仅使用了公开的BUSI数据集，样本量有限（780张图像），且噪声模拟可能无法完全覆盖真实临床环境中的噪声变化 | 评估和提升深度学习模型在超声图像噪声条件下的乳腺癌分类鲁棒性 | 乳腺癌超声图像分类模型 | 计算机视觉, 数字病理 | 乳腺癌 | 超声成像 | CNN, Inception V3 | 图像 | 780张超声图像，来自600名女性患者 | NA | CNN, Inception V3 | 准确率, 恶性病变召回率 | NA |
| 58 | 2026-07-18 |
AlphaGEM enables precise genome-scale metabolic modelling by integrating protein structure alignment with deep-learning-based dark metabolism mining
2026-Jul-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-75549-w
PMID:42463708
|
研究论文 | 开发了AlphaGEM工具箱，通过整合蛋白质结构对齐和深度学习驱动的暗代谢挖掘，实现精准的基因组规模代谢模型构建 | 利用蛋白质结构对齐和深度学习方法挖掘非同源蛋白编码的暗代谢功能，扩展物种特异性代谢网络，并实现跨物种的自动建模 | NA | 实现非模式生物高质量基因组规模代谢模型的快速精准构建 | 多种原核生物（肺炎克雷伯菌、枯草芽孢杆菌）、真核生物（圆红冬孢酵母、毕赤酵母）和复杂哺乳动物（小家鼠、中国仓鼠）及332种酵母 | 机器学习 | NA | 蛋白质结构对齐、蛋白质语言模型（PLMSearch）、深度学习预测 | NA | 蛋白质序列和结构数据 | 涵盖原核、真核和哺乳动物共6种代表性物种及332种酵母 | NA | NA | 预测结果与手工构建模型可比 | NA |
| 59 | 2026-07-18 |
AGFR-Net: anatomy-guided feature refinement for robust multi-label thoracic disease classification from chest X-rays
2026-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-59302-3
PMID:42463703
|
研究论文 | 提出一种层级式解剖引导特征细化框架AGFR-Net，用于胸部X光片的鲁棒多标签疾病分类 | 通过渐进式从粗到细的特征优化策略，结合解剖定位与疾病特异性表示学习，并在级联注意力机制中整合通道、空间和元素级细化阶段 | 模型性能在严重病理案例中依赖于分割质量、数据集特征和输入图像分辨率 | 实现胸部X光片多标签疾病分类的鲁棒性提升，解决异常视觉模式模糊和标签分布不均问题 | 胸部X光片中的多标签疾病（特别是代表性不足的病变类别） | 计算机视觉 | 胸部疾病 | NA | CNN（分割网络）、注意力机制 | 图像 | NIH ChestX-ray14数据集（数量未明确）、CheXpert数据集（用于跨数据集评估） | NA | AGFR-Net（层级解剖引导特征细化框架） | Dice系数、交并比（IoU） | NA |
| 60 | 2026-07-18 |
Enhancing IoT network security with explainable deep learning-based intrusion detection systems
2026-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34334-3
PMID:42463718
|
研究论文 | 提出一种轻量级可解释的物联网入侵检测系统，结合一维CNN与SHAP方法实现空间特征分析与模型解释 | 首次将SHAP增强的一维CNN与传统CNN和LSTM模型进行物联网入侵检测的对比分析，并利用SHAP特征约简在保持高F1分数的同时显著降低计算开销 | 未提及具体局限性 | 提升物联网网络安全中入侵检测系统的性能、效率和透明性 | 低功耗物联网设备上的入侵检测系统 | 机器学习 | NA | 网络安全入侵检测 | 一维CNN、LSTM | 网络流量数据 | 两个公开数据集（UNSW-NB15和WUSTL-IIoT-2021） | NA | 一维CNN、LSTM | F1分数 | 边缘硬件（具体类型未提及） |