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 1071 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-02-16 |
Bioinspired Cold-Laminated Ultrathin Hydrogels as a Broadly Adaptive Platform for Physiological Monitoring
2026-Feb-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202524317
PMID:41691494
|
研究论文 | 本文提出了一种受生物启发的冷层压超薄水凝胶平台，用于生理监测，具有优异的适应性、耐久性和多功能性 | 开发了一种新颖的冷层压策略，将TPU纳米网机械互锁在温度响应水凝胶网络中，模仿细胞外基质结构，实现了厚度、杨氏模量的精确控制以及可逆的按需粘附 | NA | 开发一种广泛适应的水凝胶平台，用于生理监测，满足表皮和植入式应用的需求 | 超薄水凝胶设备，用于表皮心电图监测和植入式心脏贴片 | 生物电子学 | 心血管疾病 | 冷层压策略，温度响应水凝胶网络 | 深度学习网络 | 生理信号数据（如心电图） | 小鼠模型 | NA | 双分支深度学习网络 | 分类准确率 | NA |
| 302 | 2026-02-16 |
Towards improved decision making of unruptured intracranial aneurysms using automated segmentation from MRA-TOF with iterative pseudo labeling
2026-Feb-14, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9231
PMID:41690811
|
研究论文 | 本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法DIVA-seg，该方法使用伪标签方法从MRA-TOF图像中实现准确分割，以支持未破裂颅内动脉瘤的临床决策 | 提出了一种基于nnU-Net的迭代伪标签方法，用于从MRA-TOF图像中自动分割颅内血管和动脉瘤，并在内部和外部数据集上实现了高精度分割，同时与专家标注在3D形态学测量上表现出高度一致性 | 在体素体积、表面积、球形度和形状指数等3D形态学测量中观察到比例偏差，且定性评估未显示对真实标注或模型分割的明显偏好 | 开发一种自动分割方法，以支持未破裂颅内动脉瘤的准确3D形态学评估和临床决策 | MRA-TOF图像中的颅内血管和动脉瘤 | 数字病理学 | 颅内动脉瘤 | MRA-TOF | CNN | 图像 | 训练集57例，测试集14例，伪标签数据518例，外部验证集82例 | nnU-Net | nnU-Net | Dice相似系数, 95% Hausdorff距离, 3D形态学测量 | NA |
| 303 | 2026-02-16 |
Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance
2026-Feb-14, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9232
PMID:41690813
|
研究论文 | 本研究评估了将DANTE准备集成到深度学习加速的颅内血管壁成像序列中的可行性和技术性能 | 首次将DANTE准备与深度学习加速的T1-SPACE序列结合用于颅内血管壁成像，以改善血流伪影和管腔可视化 | 回顾性单中心研究，样本量较小（35例患者），DANTE准备导致血管壁可视化评分降低 | 评估DANTE准备在深度学习加速颅内血管壁成像中的技术性能和可行性 | 颅内血管壁成像（IC-VWI） | 医学影像分析 | 颅内血管病变 | DANTE准备，深度学习加速的T1-SPACE序列，磁共振成像 | 深度学习模型 | 磁共振图像 | 35例患者（22名女性，平均年龄57.9±17.1岁），共556个血管段对 | NA | NA | Likert量表评分，累积链接混合效应模型，Wilcoxon检验，Bland-Altman分析 | NA |
| 304 | 2026-02-16 |
Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35147-8
PMID:41690988
|
研究论文 | 本文提出了一种基于机器学习的方法，利用高速视频数据预测垂直管饱和池沸腾过程中的热通量 | 通过结合卷积神经网络和物体检测算法，自动提取气泡的层次化和基于物理的特征，实现了对沸腾过程中气泡成核、合并和脱离行为的统计描述，从而进行原位热通量预测 | NA | 提高核电站等设备中沸腾热传递过程的参数预测准确性，以优化设备设计、安全性和可靠性 | 垂直管饱和池沸腾过程中的动态气泡 | 计算机视觉 | NA | 高速成像 | CNN, 物体检测算法 | 视频 | NA | NA | NA | 平均热通量预测误差, 分类准确率 | NA |
| 305 | 2026-02-16 |
Fuel-driven hybrid deep learning model for forecasting finger millet prices
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34947-8
PMID:41690993
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 306 | 2026-02-16 |
AI accelerate the identification of druggable targets by 3D structures of proteins and compounds
2026-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01310-7
PMID:41691035
|
综述 | 本文综述了人工智能在肿瘤药物开发中，特别是在靶点识别、虚拟筛选和从头分子设计方面的应用 | 概述了AI如何通过预测蛋白质结构、评估靶点成药性及优化药物性质来加速药物发现过程，并整合了分子与临床特征 | 讨论了数据质量、模型可解释性、计算限制以及伦理和监管问题，这些仍是更广泛临床转化的主要障碍 | 探讨人工智能在肿瘤药物开发领域的应用，以应对传统药物研发的高成本、低成功率和长周期问题 | 蛋白质、化合物、药物靶点及分子结构 | 机器学习 | 癌症 | 机器学习, 深度学习 | 神经网络 | 分子数据, 临床数据 | NA | NA | NA | NA | NA |
| 307 | 2026-02-16 |
Kinic index: an artificial intelligence-driven predictive model and multitarget drug discovery framework for hepatocellular carcinoma patients
2026-Feb-14, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01324-1
PMID:41691080
|
研究论文 | 本研究开发了一个名为Kinic index (KI)的人工智能预测模型，用于肝细胞癌患者的风险分层、预后预测和多靶点药物发现 | 首次将新型赖氨酸酰化修饰（异烟酰化）与多组学数据整合，利用AI构建预后模型，并结合GraphBAN深度学习和ADMET-AI筛选进行多靶点药物发现 | 研究基于回顾性数据，需要前瞻性临床验证；药物发现结果尚未进行体内实验验证 | 开发肝细胞癌的预后预测模型并发现新的治疗靶点及候选药物 | 肝细胞癌患者 | 机器学习, 数字病理学 | 肝细胞癌 | 多组学数据分析, 单细胞转录组学, 空间转录组学 | LASSO, 随机生存森林(RSF), 深度学习 | 多组学数据, 转录组数据, 单细胞数据, 空间转录组数据 | 未明确指定 | GraphBAN, ADMET-AI | 未明确指定 | 总体生存率 | 未明确指定 |
| 308 | 2026-02-16 |
A hierarchical interaction message net for accurate molecular property prediction
2026-Feb-14, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-01922-x
PMID:41691119
|
研究论文 | 本文提出了一种名为Hierarchical Interaction Message Net (HimNet)的模型，用于准确预测分子性质，包括ADMET特性 | 引入了分层交互消息传递机制，通过分层注意力引导的消息传递实现原子、基序和分子层面的交互感知表示学习，有效平衡全局和局部信息 | 未明确说明模型在处理超大规模数据集或复杂分子结构时的计算效率限制 | 开发一种深度学习模型以准确预测分子性质，支持药物发现早期阶段的决策 | 分子及其性质，包括ADMET特性、代谢稳定性、疟疾活性和肝微粒体清除率 | 机器学习 | NA | 深度学习 | 图神经网络, Transformer | 化学信息数据 | 在11个数据集上进行评估，包括8个MoleculeNet基准数据集和3个高价值数据集 | NA | Hierarchical Interaction Message Net (HimNet) | 最佳或接近最佳性能（具体指标未明确列出，如准确率、AUC等） | NA |
| 309 | 2026-02-16 |
Feasibility of BMI-based sub-milliSievert low-dose CT in individualized detection of lung nodules
2026-Feb-14, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12372-3
PMID:41691132
|
研究论文 | 本研究评估了基于BMI的亚毫西弗低剂量CT协议在不同重建算法下的图像质量和肺结节检测性能 | 首次在基于BMI的亚毫西弗低剂量CT中系统比较了深度学习图像重建与传统算法的性能，特别是在小于6毫米结节的检测方面 | 样本量相对有限（214名参与者），且为单中心前瞻性研究，需要更大规模的多中心验证 | 评估个性化低剂量CT协议在肺结节检测中的可行性和性能 | 214名接受标准剂量CT和低剂量CT检查的参与者 | 数字病理学 | 肺癌 | 低剂量CT扫描，图像重建算法（DLIR, ASIR-V, FBP） | 深度学习图像重建模型 | CT医学影像 | 214名参与者，分为标准剂量组和两个低剂量亚组（LD-A 108人，LD-B 106人） | NA | 深度学习图像重建（DLIR-H和DLIR-M） | 结节检测率，图像质量评分，测量准确性，Lung-RADS一致性（κ系数） | NA |
| 310 | 2026-02-16 |
Clinically applicable deep learning model for segmentation of the mandibular bone and inferior alveolar canal in CBCT cross-sectional images
2026-Feb-14, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07840-7
PMID:41691250
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 311 | 2026-02-16 |
Predicting disease-specific histone modifications and functional effects of non-coding variants by leveraging DNA language models
2026-Feb-14, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-04003-3
PMID:41691336
|
研究论文 | 本文开发了一种基于大语言模型的深度学习框架，用于疾病特异性组蛋白修饰和非编码变体功能效应的预测 | 创新性地结合了疾病特异性表观遗传数据与混合专家架构，以区分疾病与健康状态，显著提升了组蛋白修饰预测的准确性 | 目前仅以阿尔茨海默病为案例研究，尚未扩展到其他复杂疾病，且依赖于特定患者样本的组学数据 | 旨在准确预测疾病特异性组蛋白修饰并解释非编码变体的功能效应，以揭示疾病机制 | 阿尔茨海默病相关的组蛋白修饰模式和非编码遗传变体 | 自然语言处理 | 阿尔茨海默病 | 表观基因组学数据整合 | 大语言模型 | 表观遗传数据 | 多个患者样本 | NA | 混合专家架构 | NA | NA |
| 312 | 2026-02-16 |
Development and explanation of electrocardiogram-based deep learning for predicting short-term mortality in heart failure patients
2026-Feb-13, Journal of global health
IF:4.5Q1
DOI:10.7189/jogh.16.04048
PMID:41678824
|
研究论文 | 本研究开发并验证了一种基于心电图的深度学习模型HF-ECGNet，用于预测心力衰竭患者的短期死亡率 | 结合EfficientNet神经网络和Transformer架构，并整合心电图数据与临床特征，提高了预测准确性和可解释性 | 需要未来多中心验证以确认其临床效用和泛化能力 | 改进心力衰竭患者短期死亡率的预测模型 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图数据, 临床特征 | 36,222次入院中的104,844份心电图 | NA | EfficientNet, Transformer | AUC, 其他指标 | NA |
| 313 | 2026-02-16 |
Protocol to perform cell-type-specific transcriptome-wide association study using scPrediXcan framework
2026-Feb-13, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104306
PMID:41689808
|
研究论文 | 本文介绍了使用scPrediXcan框架进行细胞类型特异性转录组范围关联研究的详细协议 | 通过整合基于深度学习的基因表达预测与表观遗传特征，实现了细胞类型特异性的TWAS，具有可扩展性和低计算负担 | NA | 开发并详细描述一种进行细胞类型特异性转录组范围关联研究的标准化协议 | 基因表达预测模型与全基因组关联研究汇总统计数据的整合分析 | 机器学习 | NA | 深度学习，表观遗传特征分析 | 深度学习模型 | DNA序列数据，表观遗传特征数据，基因表达数据 | NA | NA | NA | NA | NA |
| 314 | 2026-02-16 |
Explainability-informed benchmarking of two deep learning models for organ-at-risk segmentation in MR-guided adaptive radiotherapy
2026-Feb-13, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2026.102200
PMID:41690008
|
研究论文 | 本研究对U-Net和ResUNet两种卷积架构在腹部MRI器官风险分割中的性能、不确定性和可解释性进行了基准测试 | 通过结合性能、不确定性和可解释性定量指标，对深度学习模型进行综合基准测试，并采用Grad-CAM激活图的数值定位指标进行客观分析 | 未发现统计显著差异，可能受数据集规模或模型配置限制 | 评估深度学习模型在MR引导自适应放疗中腹部器官风险分割的准确性、可解释性和可靠性 | 胃肠道器官风险（OARs）的MRI图像分割 | 数字病理学 | NA | MRI成像 | CNN | 图像 | 匿名腹部MRI数据集，采用5折分层组交叉验证 | NA | U-Net, ResUNet | Dice相似系数, 交并比, 95百分位Hausdorff距离 | NA |
| 315 | 2026-02-16 |
Deep learning for psychiatric genomics: from tools to applications
2026-Feb-13, Current opinion in genetics & development
IF:3.7Q2
DOI:10.1016/j.gde.2026.102442
PMID:41690236
|
综述 | 本文回顾了深度学习在精神病基因组学中的应用，从任务特定模型到基础模型，并探讨了其在解决精神病遗传学关键问题中的潜力 | 整合了深度学习在基因组学中的最新进展，特别是基础模型（如基因组语言模型、单细胞基础模型和大语言模型）在精神病基因组学中的应用，为理解非编码变异提供了新工具 | 作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结和展望 | 概述深度学习在精神病基因组学中的工具和应用，帮助研究人员理解并应用前沿方法以指导新治疗策略的开发 | 精神病基因组学数据，包括全基因组关联研究识别的风险位点和非编码区域变异 | 机器学习 | 精神疾病 | 基因组学分析，全基因组关联研究 | 深度学习模型，包括任务特定模型、基础模型、基因组语言模型、单细胞基础模型、大语言模型 | 基因组数据，单细胞数据，自然语言数据 | NA | NA | NA | NA | NA |
| 316 | 2026-02-16 |
Beyond handcrafted radiomics in oncologic imaging: Innovations in deep, explainable, multi-site and multi-omics radiomics approaches
2026-Feb-13, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2026.02.001
PMID:41690886
|
综述 | 本文综述了肿瘤影像组学领域从手工特征提取向深度、可解释、多病灶及多组学整合方法演进的主要概念、创新及挑战 | 系统阐述了影像组学从传统手工特征向深度学习、多病灶整合、多中心协调及多组学融合的范式转变，并强调了可解释人工智能方法在提升临床可信度中的互补作用 | 指出领域仍面临混杂因素、公共数据集有限、多中心变异性、报告不一致以及缺乏前瞻性临床试验等关键挑战 | 定义并阐明肿瘤影像组学领域的主要方法学和概念演进，总结当前创新方向，并识别临床转化前需解决的挑战 | 肿瘤影像组学方法及其在捕捉肿瘤表型、微环境和生物学特征中的应用 | 医学影像分析 | 肿瘤 | 影像组学，多组学整合（基因组学、转录组学、免疫组学） | CNN, 自编码器, 视觉Transformer, 掩码图像建模 | 医学影像，基因组数据，转录组数据，免疫组数据，临床数据 | NA | NA | 卷积神经网络，自编码器，视觉Transformer，掩码图像建模，基于注意力的多实例学习 | NA | NA |
| 317 | 2026-02-16 |
A deep residual 1D-CNN with self-attention for fraud transaction detection in virtual economies
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37032-w
PMID:41673112
|
研究论文 | 本文提出了一种结合残差连接和自注意力机制的一维卷积神经网络模型，用于元宇宙金融交易的实时异常检测和风险分类 | 首次将残差连接和自注意力机制集成到1D-CNN中，专门针对元宇宙交易数据进行优化，并通过引入受控噪声的消融研究验证模型鲁棒性 | 完美性能评分可能源于数据过于干净或可预测，模型在现实世界不确定性和不完美数据中的表现仍需进一步验证 | 开发适用于元宇宙金融交易的实时欺诈检测和风险分类系统 | 元宇宙虚拟经济中的金融交易数据 | 机器学习 | NA | NA | CNN | 交易数据 | Kaggle元宇宙金融基准数据集和信用卡欺诈检测数据集 | NA | 1D-CNN with residual connections and self-attention mechanism | 准确率, 灵敏度, 特异性, ROC曲线 | NA |
| 318 | 2026-02-16 |
Drone-based geospatial prediction modeling identifies Fasciola hepatica infection risk in the Cusco Highlands of Peru
2026-Feb-12, Infectious diseases of poverty
IF:4.8Q1
DOI:10.1186/s40249-026-01420-1
PMID:41673907
|
研究论文 | 本研究利用无人机获取的高分辨率环境指数，通过机器学习模型预测秘鲁安第斯山区人类和绵羊的肝片吸虫感染风险 | 首次将无人机衍生的高分辨率多光谱和热环境指数与机器学习模型结合，用于精细尺度肝片吸虫感染风险预测，并比较了文献驱动和PCA驱动的变量选择策略 | 研究仅基于单个安第斯社区，样本量有限，且空间交叉验证降低了模型的准确性和特异性 | 开发预测人类和绵羊肝片吸虫感染的模型，以支持针对性的监测和控制 | 秘鲁库斯科Huayllapata社区的居民和绵羊 | 机器学习 | 肝片吸虫病 | 无人机多光谱和热成像调查，粪便显微镜检查 | 逻辑回归，随机森林，XGBoost，深度学习 | 环境、地形、气候指数，人口统计学，社会经济数据，地理参考感染数据 | 社区内家庭和绵羊（具体数量未明确，但人类感染率为21.3%，绵羊感染率为80%） | NA | NA | 准确率，灵敏度，特异性 | NA |
| 319 | 2026-02-16 |
Deep learning-based diagnostic classification of multiple sclerosis using multicenter optical coherence tomography data
2026-Feb-10, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2026.110916
PMID:41679586
|
研究论文 | 本研究利用深度学习模型，基于多中心光学相干断层扫描（OCT）数据，对多发性硬化症（MS）进行诊断分类 | 创新点包括：1）结合了三种人工智能模型（特征提取、自定义深度网络和微调预训练网络）进行对比分析；2）通过通道组合和拼接技术整合视网膜层厚度和表面图特征；3）使用遮挡敏感性和Grad-CAM可视化方法增强模型可解释性 | 局限性在于：1）模型在跨数据集评估中性能显著下降，外部泛化能力有限；2）样本量相对较小（116只眼睛），可能影响统计效力；3）当使用公共数据训练并应用于本地临床数据时，泛化问题尤为突出 | 研究目标是开发一种基于人工智能的方法，利用OCT数据对多发性硬化症进行准确且可解释的诊断分类 | 研究对象包括38只健康对照（HC）眼睛和78只多发性硬化症（MS）眼睛，数据来源于独立的公共和本地来源 | 数字病理学 | 多发性硬化症 | 光学相干断层扫描（OCT） | 自编码器（AE）、自定义深度网络、预训练网络 | 图像（OCT视网膜层厚度和表面图） | 116只眼睛（38只HC，78只MS） | NA | 自定义深度网络、预训练网络 | 平衡准确率、特异性、敏感性、g-均值、F1分数、AUC | NA |
| 320 | 2026-02-16 |
MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis
2026-Feb-09, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108685
PMID:41689977
|
研究论文 | 提出一种用于基于fMRI的抑郁症诊断的多尺度时空融合神经网络（MS-STFNN） | 提出了一种新颖的多尺度时空融合神经网络，能够从局部到全局捕获大脑的多粒度空间特征，并整合动态功能连接（DFC）和原始fMRI序列来表征多分辨率水平下的时变特性 | 未明确说明研究的具体局限性 | 开发一种客观的神经影像诊断方法，用于抑郁症的诊断和不同亚型的分类 | 重度抑郁症（MDD）患者 | 数字病理学 | 抑郁症 | 功能磁共振成像（fMRI） | 神经网络 | fMRI序列 | NA | NA | MS-STFNN（多尺度时空融合神经网络） | NA | NA |