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 12055 篇文献，本页显示第 10301 - 10320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10301 | 2026-02-16 |
A Rule-Based System for Condition-Specific Recommendations and Sentiment Classification Using Machine Learning and Deep Learning after the Application of a Semantic-Based Sentiment Analysis Methodology on the UCI Drug Reviews Dataset
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-03394-9_41
PMID:41252028
|
研究论文 | 本研究对UCI药物评论数据集进行了全面分析，旨在生成基于特定条件的药物推荐，并利用机器学习和深度学习技术进行情感分类 | 引入了针对医疗领域的语义过滤方法，包括基于规则的条件相关术语过滤，并开发了一种结合情感分数、评论评分和社会验证指标的自定义度量，用于提供针对特定条件的药物推荐 | 未提及 | 生成条件特定的药物推荐并进行情感分类，以深入理解患者对药物的体验 | UCI药物评论数据集中的药物评论 | 自然语言处理 | NA | 语义情感分析，机器学习和深度学习 | Bi-LSTM, CNN-Bidirectional LSTM | 文本 | 未提及 | 未提及 | Bi-LSTM, CNN-Bidirectional LSTM | 准确率 | 未提及 |
| 10302 | 2026-02-16 |
A multi-class framework for fish species classification using deep learning technique
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342901
PMID:41678491
|
研究论文 | 本研究开发了一个基于YOLO深度学习框架的多类别鱼类物种分类系统，用于自动识别鱼类物种 | 提出使用YOLO深度学习框架进行鱼类物种识别，并在Fish-Pak数据集上实现了99%的准确率和99.65%的mAP，性能优于现有文献 | 研究仅针对热带鱼类，数据集规模有限（915张图像，6个类别），且未考虑季节和地理位置变化对识别的影响 | 开发一个自动化深度学习系统，用于准确识别鱼类物种，以支持生态研究、渔业管理和海洋生物学 | 热带鱼类物种，具体基于Fish-Pak数据集中的6个目标类别 | 计算机视觉 | NA | 深度学习，图像检测 | CNN, YOLO | 图像 | 915张图像，涵盖6个鱼类物种类别 | NA | YOLO v3, YOLO v4 | 准确率, mAP | NA |
| 10303 | 2026-02-16 |
TensorFlow-based MobileNetV2 U-Net tumor segmentation and multiparametric MRI radiomics for predicting cervical lymph node metastasis in oral tongue squamous cell carcinoma
2026, Therapeutic advances in medical oncology
IF:4.3Q2
DOI:10.1177/17588359261421325
PMID:41684966
|
研究论文 | 本研究提出了一种基于TensorFlow的MobileNetV2 U-Net网络，用于自动分割口腔舌鳞状细胞癌肿瘤，并结合多参数MRI影像组学预测颈部淋巴结转移 | 首次将MobileNetV2 U-Net网络应用于口腔舌鳞状细胞癌的自动肿瘤分割，并构建融合影像组学特征和临床数据的列线图来预测淋巴结转移 | 这是一项回顾性试点研究，样本量相对较小（136例患者），且为单中心研究，需要进一步的外部验证 | 开发一种自动化工具来分割口腔舌鳞状细胞癌肿瘤并预测颈部淋巴结转移，以辅助个性化手术规划 | 口腔舌鳞状细胞癌患者 | 数字病理 | 口腔舌鳞状细胞癌 | 多参数MRI（包括对比增强T1加权、T2加权和T1加权序列） | CNN | MRI图像 | 136例患者（100名男性，36名女性，平均年龄50.29±12.25岁） | TensorFlow | MobileNetV2 U-Net | Dice相似系数, 平均交并比, ROC曲线下面积 | NA |
| 10304 | 2026-02-16 |
Identification and validation of γ-Linolenic acid as a natural FABP5 inhibitor in hepatocellular carcinoma through deep learning and experimental approaches
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1700347
PMID:41685317
|
研究论文 | 本研究通过深度学习与实验方法相结合，鉴定并验证了γ-亚麻酸作为肝细胞癌中天然FABP5抑制剂 | 整合了基于机器学习的虚拟筛选、分子对接和分子动力学模拟，以识别与FABP5高亲和力结合的自然化合物，并通过实验验证了γ-亚麻酸的抗肿瘤活性 | NA | 鉴定并验证肝细胞癌中天然FABP5抑制剂，以开发潜在的治疗靶点 | 肝细胞癌细胞系 | 机器学习 | 肝细胞癌 | 虚拟筛选、分子对接、分子动力学模拟、体外实验 | 深度学习 | 化学化合物数据、细胞实验数据 | NA | NA | NA | NA | NA |
| 10305 | 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 |
| 10306 | 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 |
| 10307 | 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 |
| 10308 | 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 |
| 10309 | 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 |
| 10310 | 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 |
| 10311 | 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 |
| 10312 | 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 |
| 10313 | 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 |
| 10314 | 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 |
| 10315 | 2026-02-15 |
Multi-class eye disease classification using deep learning EfficientNetB0 fusion techniques
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35357-0
PMID:41688503
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10316 | 2026-02-15 |
Artificial Intelligence in Tuberculosis Imaging: A Global Bibliometric Analysis of Research Trends and Collaborations
2026-Feb-12, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2026.103348
PMID:41687417
|
文献计量分析 | 本文通过文献计量分析，全面描绘了人工智能在结核病影像学领域的研究趋势、合作网络、技术演进和新兴热点 | 首次对人工智能驱动的结核病影像学领域进行了全面的文献计量分析，系统梳理了其出版趋势、国际合作、成像模态和技术发展历程 | 分析仅基于Web of Science和Scopus数据库的英文文献，可能遗漏其他语言或数据库的相关研究 | 旨在通过文献计量分析，揭示人工智能在结核病影像学领域的研究格局、发展趋势和未来方向 | 2000年至2025年7月期间发表的关于人工智能在结核病影像学应用的英文文章和综述 | 医学影像分析 | 结核病 | 文献计量分析 | NA | 文献元数据 | 556篇出版物 | CiteSpace, VOSviewer | NA | NA | NA |
| 10317 | 2026-02-15 |
Automatic field-of-view planning for magnetic resonance shoulder imaging using Deep Learning
2026-Feb-12, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2026.102197
PMID:41687427
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法，用于磁共振肩部成像中斜冠状面和斜矢状面视野的规划 | 首次将深度学习应用于肩部MRI斜平面视野的自动化规划，解决了该领域此前未充分探索的问题 | 研究为回顾性多中心设计，未来需要前瞻性验证以确认临床效果 | 开发自动化视野规划方法以减少人工依赖性、提高肩部MRI扫描的一致性和效率 | 肩部磁共振成像 | 计算机视觉 | NA | 磁共振成像 | YOLO | 图像 | 575例肩部MRI检查，来自四个中心 | NA | YOLOv11-OBB (n, s, m, l, x 变体) | 平均绝对切片差异, 交并比, 平均绝对角度差异 | NA |
| 10318 | 2026-02-15 |
Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations
2026-Feb-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001333
PMID:41462401
|
研究论文 | 本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较 | 首次将深度学习模型应用于膝关节X光片上检测桶柄状半月板撕裂，并通过生成结合前后位和侧位视图的复合图像输入，实现了比骨科医生更高的诊断性能 | 研究样本主要来自单一机构，外部医院数据较少，可能影响模型的泛化能力；未详细说明模型的具体架构和训练细节 | 评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性 | 膝关节X光片（包括前后位和侧位视图） | 计算机视觉 | 骨科疾病 | X光成像 | CNN | 图像 | 共496名患者（来自本机构的406名患者和外部医院的90名患者）的膝关节X光片 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 精确率, F1分数 | NA |
| 10319 | 2026-02-15 |
LamNet: an alchemical-path-aware graph neural network to accelerate binding free energy calculations for drug discovery and beyond
2026-Feb, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf559
PMID:41675646
|
研究论文 | 本文提出了一种名为LamNet的图神经网络，用于加速药物发现中的蛋白质-配体结合自由能计算 | 将端点分子状态和连接它们的炼金术路径（由λ参数化）整合到一个物理信息表示学习框架中，明确地沿着选定的热力学变换路径对自由能变化进行建模，并优化λ调度以改进传统AFEM的收敛性 | 未在摘要中明确说明 | 加速药物发现中蛋白质-配体结合自由能的准确预测 | 蛋白质-配体结合 | 机器学习 | NA | 分子动力学模拟 | 图神经网络 | 分子结构数据 | 463个配体，16种蛋白质 | NA | LamNet | 相对结合自由能，绝对结合自由能 | NA |
| 10320 | 2026-02-15 |
Deep learning can automate chicken tibia-breaking strength quantification to improve animal welfare
2026-Jan-30, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106549
PMID:41637790
|
研究论文 | 本文开发了一种端到端的深度学习流程，用于自动从鸡的X射线图像中分割胫骨并预测其断裂强度，以改善动物福利 | 首次提出一个自动化深度学习流程，结合U-Net分割和强度预测，实现了非侵入性、快速的鸡骨强度量化，超越了传统手动标注方法 | 模型性能虽优于手动方法，但预测与实测断裂强度的相关性仅为中等（皮尔逊相关系数0.74），且样本量有限（916张图像） | 开发一种自动化、非侵入性的方法来量化鸡胫骨断裂强度，以替代耗时的手动标注或破坏性尸检测试 | 鸡的胫骨（胫跗骨） | 计算机视觉 | NA | X射线成像 | CNN | 图像 | 916张经过筛选的鸡骨X射线图像 | NA | U-Net | Dice系数, 皮尔逊相关系数 | NA |