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 1520 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-01-17 |
Correction: Quality assessment of colour fundus and fluorescein angiography images using deep learning
2026-Feb-19, The British journal of ophthalmology
DOI:10.1136/bjo-2022-321963corr1
PMID:41535099
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22 | 2026-04-11 |
FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling
2026-Feb-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69596-6
PMID:41714622
|
研究论文 | 本文介绍了一个名为FATE-MAP的集成平台，通过结合深度学习与机制建模，预测致畸性并揭示人类原肠胚形成的失败模式 | 开发了FATE-MAP平台，首次将高通量人类2D胃胚体扰动、定量表型映射、预测性深度学习和机制形态发生素建模相结合，以解码人类发育轨迹 | 研究基于人类2D胃胚体模型，可能无法完全模拟体内三维发育环境；且受限于伦理约束，直接人类胚胎验证不可行 | 阐明人类原肠胚形成的失败模式，预测药物致畸性，并加速安全治疗发现 | 人类2D胃胚体（gastruloids） | 计算生物学 | 发育异常 | 高通量药物扰动、定量表型映射、PDE模拟 | Transformer | 化学结构数据、表型数据、模拟数据 | 超过2000个药物处理的人类2D胃胚体 | NA | Transformer | NA | NA |
| 23 | 2026-04-11 |
Drug-Target Interaction Prediction with PIGLET
2026-Feb-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.18.706530
PMID:41756919
|
研究论文 | 本文提出了一种名为PIGLET的新型图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组范围内的知识图谱进行操作 | 创新点在于使用图变换器方法处理结合口袋相似性、蛋白质-蛋白质相互作用、药物相似性和已知结合关系的知识图谱，而非传统的一维或三维表示嵌入方法 | NA | 预测药物-靶点相互作用以辅助计算药物开发 | 药物和靶点蛋白质 | 机器学习 | NA | 图变换器方法 | Transformer | 图数据（知识图谱） | Human数据集 | NA | 图变换器 | NA | NA |
| 24 | 2026-04-11 |
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 | 未明确提及具体局限性 | 开发一种准确高效的分子性质和ADMET特性预测方法，以支持药物发现早期阶段的决策 | 分子（包括其ADMET特性、代谢稳定性、疟疾活性和肝微粒体清除率等） | 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个高价值挑战数据集 | NA | Hierarchical Interaction Message Net (HimNet) | NA | NA |
| 25 | 2026-04-11 |
Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning
2026-Feb-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02399-7
PMID:41654658
|
研究论文 | 本研究开发了两种基于几何深度学习的模型，用于实时预测左心室几何形状上的激活时间图，以辅助心脏再同步化治疗（CRT）的术前规划 | 首次将几何深度学习方法（图神经网络GNN和几何信息神经算子GINO）应用于左心室激活时间的实时预测，并开发了基于网络的交互界面，为个性化CRT优化提供临床决策支持工具 | 模型在真实世界左心室几何形状上的性能仍有提升空间（误差约4%），且研究主要基于合成数据训练，未来需要更多临床数据验证 | 开发快速预测左心室激活时间的计算方法，以优化心脏再同步化治疗（CRT）的起搏器导线放置位置 | 左心室几何形状、心脏电生理激活时间图 | 机器学习 | 心血管疾病 | 有限元模拟、几何深度学习 | GNN, GINO | 几何形状数据、模拟数据 | 基于大范围合成左心室形状、起搏位点配置和组织电导率生成的有限元模拟数据集 | NA | 图神经网络（GNN）、几何信息神经算子（GINO） | 预测误差百分比 | NA |
| 26 | 2026-04-11 |
Enhancing Fluorescence Lifetime Imaging With Differential Transformer
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70231
PMID:41622407
|
研究论文 | 本文提出了一种基于差分Transformer的深度学习框架MFliNet，用于增强荧光寿命成像，通过联合处理时间荧光衰减和仪器响应函数来校正光子到达分布中的地形畸变 | 引入了MFliNet框架，采用差分Transformer编码器-解码器架构，结合光子飞行时间反卷积物理原理，实现了对复杂生物或体内成像中多指数衰减参数的准确估计 | 未明确提及在更广泛临床环境或不同成像条件下的泛化能力验证 | 开发一种能够准确估计荧光寿命成像中多指数衰减参数的深度学习框架，以应对宏观尺度下仪器响应函数的空间变异性和时间偏移 | 组织模拟体模和临床前肿瘤模型 | 计算机视觉 | 肿瘤 | 荧光寿命成像 | Transformer | 时间序列数据 | 未明确指定具体样本数量，但涉及组织模拟体模和临床前肿瘤模型 | 未明确指定，可能为PyTorch或TensorFlow | 差分Transformer编码器-解码器 | 未明确指定具体指标，但提及了鲁棒性和精度 | 未明确指定 |
| 27 | 2026-04-11 |
The Transformative Impact of Deep Learning and Artificial Intelligence on Parasitic Disease Diagnosis
2026-Feb-01, Clinical laboratory
IF:0.7Q4
DOI:10.7754/Clin.Lab.2025.250543
PMID:41670505
|
综述 | 本文综述了深度学习和人工智能在寄生虫病诊断中的变革性影响，重点关注卷积神经网络和机器学习在检测疟疾、利什曼病和血吸虫病等病原体中的应用 | 强调了AI与便携式诊断工具结合在资源有限地区的潜力，以提升诊断的准确性和可及性 | 面临数据异质性和算法偏见等挑战，可能影响模型的泛化能力和公平性 | 探讨人工智能，特别是深度学习，如何改进寄生虫病的诊断，以促进全球健康 | 疟疾、利什曼病和血吸虫病等寄生虫病的病原体 | 机器学习 | 寄生虫病 | NA | CNN, ML | 临床样本、影像数据、流行病学数据 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 28 | 2026-04-10 |
Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy
2026-Feb-26, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001724
PMID:41746634
|
研究论文 | 本研究开发并验证了一个整合临床病理和影像组学特征的模型，用于预测不可切除肝细胞癌在转化治疗后达到病理完全缓解 | 首次将基于MRI的时间动态影像组学特征与血清AFP反应相结合，构建预测模型，显著提高了预测性能 | 研究为回顾性多中心设计，样本量相对有限，需前瞻性研究进一步验证 | 预测不可切除肝细胞癌在免疫联合治疗后行肝切除术的病理完全缓解 | 不可切除肝细胞癌患者 | 数字病理 | 肝癌 | MRI影像分析 | 机器学习模型 | MRI图像 | 训练集78例，内部测试集32例，独立验证集44例 | Scikit-learn | 随机森林 | AUC, NPV, PPV, 敏感性, 特异性 | NA |
| 29 | 2026-02-25 |
An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA)
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38045-1
PMID:41714716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30 | 2026-04-10 |
Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation
2026-Feb-19, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04154-2
PMID:41709202
|
综述 | 本文探讨了人工智能如何指导个性化纳米增强干细胞疗法，以应对神经退行性疾病的治疗挑战 | 提出了一个将患者特异性数据、人工智能驱动设计和实时监测整合的闭环系统，旨在推动神经退行性疾病真正个性化医疗的发展 | NA | 探索人工智能（特别是机器学习和深度学习）如何解决干细胞疗法和纳米增强干细胞疗法中的当前挑战，并为其整合提供一个系统性框架 | 神经退行性疾病（NDs） | 机器学习 | 神经退行性疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 31 | 2026-04-10 |
AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07849-0
PMID:41715150
|
综述 | 本文综述了人工智能如何通过机器学习和大型语言模型重塑CRISPR筛选，优化实验设计和决策支持 | 将AI整合到CRISPR筛选全生命周期，引入预测性、自适应性和系统级智能，将静态分析流程转变为智能实验系统 | NA | 探讨人工智能在优化CRISPR基因编辑筛选中的应用，提升功能基因组学研究的效率和发现能力 | CRISPR基因编辑筛选技术及其在功能基因组学中的应用 | 机器学习 | NA | CRISPR基因编辑筛选 | 机器学习,深度学习,大型语言模型 | 基因编辑数据,生物知识库 | NA | NA | NA | NA | NA |
| 32 | 2026-04-10 |
Classification of dysphagia severity after lateral medullary infarction with deep learning
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40751-9
PMID:41714402
|
研究论文 | 本研究开发并验证了一种基于深度学习的算法，利用急性期扩散加权MRI对侧延髓梗死患者的吞咽困难严重程度进行分类 | 首次采用基于Transformer的深度学习架构（Hierarchical Vision Transformer, Hier-ViT）对侧延髓梗死患者的急性期MRI图像进行吞咽困难严重程度的自动分类，利用了其建模空间层次和全局图像上下文的能力 | 模型在临床不平衡数据集中的判别能力有待提高，AUC值相对较低，需要进一步优化和多模态数据整合 | 开发并验证一种基于深度学习的算法，用于早期准确分类侧延髓梗死患者的吞咽困难严重程度，以支持及时干预和个性化康复规划 | 侧延髓梗死患者 | 计算机视觉 | 心血管疾病 | 扩散加权MRI, 视频荧光吞咽研究 | Transformer | 图像 | 163名确诊为急性侧延髓梗死的患者 | NA | Hierarchical Vision Transformer | 准确率, 精确率, 召回率, F1分数, ROC曲线下面积 | NA |
| 33 | 2026-02-15 |
Multi-institutional deep learning for GTV segmentation and survival prediction in nasopharyngeal carcinoma
2026-Feb-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02195-5
PMID:41688962
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 34 | 2026-04-10 |
Multimodal MRI reveals hypothalamic structural-functional alterations associated with bone mineral density loss in postmenopausal women
2026-Feb-12, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-026-01077-2
PMID:41673184
|
研究论文 | 本研究利用多模态MRI揭示了绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关联 | 首次在绝经后女性中，结合深度学习分割、功能连接分析和白质束形状分析，系统地研究了骨密度降低与特定下丘脑亚区多模态改变的关系 | 部分白质束的微观结构和形状改变发现需谨慎解释，因为存在多重比较问题，且样本量较小 | 阐明绝经后女性骨密度降低与下丘脑亚区结构和功能改变之间的关系 | 绝经后女性（包括骨质疏松、骨量减少和健康对照组） | 数字病理学 | 骨质疏松 | 多模态MRI，3T MRI | 深度学习 | MRI图像 | 54名绝经后女性（18名骨质疏松，18名骨量减少，18名健康对照） | NA | NA | NA | NA |
| 35 | 2026-04-10 |
TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography
2026-Feb-03, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.044333
PMID:41614293
|
研究论文 | 本研究开发了一种基于视频视觉Transformer的多视图、多模态人工智能模型，用于经导管二尖瓣缘对缘修复术前的形态学适宜性评估 | 提出了一种端到端的深度学习模型，首次将多视图、多模态超声心动图特征通过Transformer模块进行融合，用于术前评估 | 研究样本量相对有限，外部验证仅涉及两家医院的150名患者，可能影响模型的泛化能力 | 开发一种人工智能模型，用于经导管二尖瓣缘对缘修复术前的患者选择和形态学评估 | 患有严重症状性二尖瓣反流且手术风险高的患者 | 计算机视觉 | 心血管疾病 | 超声心动图，包括经胸超声心动图视频和脉冲波多普勒图像 | Transformer | 视频，图像 | 内部数据集633名患者（7997个经胸超声心动图视频；766个脉冲波多普勒图像），外部数据集150名患者（1735个视频；169个图像） | NA | 视频视觉Transformer | 准确率，精确率，召回率，F1分数 | NA |
| 36 | 2026-04-10 |
Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes
2026-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251686
PMID:41733469
|
研究论文 | 本研究评估了不同纤维化模式对合并性肺纤维化和肺气肿（CPFE）患者疾病轨迹和预后的影响 | 首次利用深度学习量化方法，系统评估了CPFE中不同放射学纤维化模式（如UIP、NSIP、SRIF、DIP）对纤维化进展速度的影响，并明确了生存率主要与基线纤维化程度及临床不良事件相关 | 研究为回顾性设计，样本主要来自单一机构且男性占绝大多数，可能限制了结果的普遍性，且未详细说明深度学习模型的具体架构和验证过程 | 评估CPFE患者中不同放射学纤维化模式对疾病进展轨迹和临床结局的影响 | 236名被诊断为合并性肺纤维化和肺气肿（CPFE）的患者 | 数字病理学 | 肺纤维化与肺气肿 | 高分辨率CT（HRCT），深度学习量化 | 深度学习模型（具体类型未明确说明） | 医学影像（CT图像） | 236名患者（平均年龄65岁±7.8，其中232名男性） | NA | NA | 风险比（HR），置信区间（CI），中位进展时间 | NA |
| 37 | 2026-04-06 |
Multicenter clinicopathological study of odontogenic myxoma spectrum lesions using quantitative pathology
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42019-8
PMID:41760729
|
研究论文 | 本研究利用AI辅助数字病理学定量评估牙源性粘液瘤谱系病变中的纤维组织比例，并探讨其与临床病理特征的相关性 | 首次在多中心研究中应用AI辅助数字病理学定量分析牙源性粘液瘤谱系病变的纤维组织比例，揭示了诊断的机构间变异性 | 样本量相对有限（100例），且仅基于Masson三色染色切片，可能未涵盖所有病理特征 | 通过定量病理学方法提高牙源性粘液瘤谱系病变病理评估的客观性和可重复性 | 牙源性粘液瘤（OM）和牙源性粘液纤维瘤（OMF）的手术标本 | 数字病理学 | 牙源性肿瘤 | Masson三色染色，全切片图像分析 | 深度学习 | 图像 | 来自34家机构的143个手术标本，经集中病理审查后纳入100例 | NA | 多阶段深度学习流程 | 专家评估与定量测量的一致性 | 统一的数字病理学平台 |
| 38 | 2026-04-06 |
IntelliScheduler: an edge-cloud computing environment hybrid deep learning framework for task scheduling based on learning
2026-Feb-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41330-8
PMID:41760833
|
研究论文 | 提出了一种基于混合深度强化学习的边缘-云计算任务调度框架IntelliScheduler，以优化任务执行延迟 | 提出了一种结合运行时感知状态表示与基于学习的决策机制的混合演员-评论家深度强化学习框架，并开发了基于学习的最优任务调度算法，通过延迟感知奖励建模优化资源部署 | 当前评估基于仿真，未在实际动态边缘-云调度场景中进行验证 | 优化边缘-云计算环境中异构工作负载的任务调度，以最小化任务执行延迟并提高服务质量 | 边缘-云计算环境中的任务调度问题 | 机器学习 | NA | 深度强化学习 | 演员-评论家模型 | 仿真数据 | 在不同工作负载下进行的广泛仿真实验 | NA | 混合演员-评论家深度强化学习框架 | 归一化奖励、训练损失、运营成本、拒绝率、体验质量 | NA |
| 39 | 2026-02-28 |
HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40509-3
PMID:41748692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 40 | 2026-04-06 |
Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41969-3
PMID:41748689
|
研究论文 | 本研究通过机器学习和深度学习模型，对液化引起的浅基础建筑沉降进行分类，并处理了数据中的极端类别不平衡问题 | 结合了数据层面的重采样方法、成本敏感学习策略和算法级改进来处理极端偏斜的类别分布，并应用了基于SHAP的特征选择、动态阈值调整和加权投票的集成学习以提高分类可靠性 | NA | 评估地震风险并设计有效的土壤改良策略，通过预测浅层液化土壤上建筑的垂直变形和倾斜来支持地震保险和减灾规划 | 液化引起的浅基础建筑沉降 | 机器学习 | NA | NA | 机器学习, 深度学习 | 结构化数据（建筑特征、岩土参数、地震强度指标） | 系统编制的已记录案例研究数据库 | NA | NA | NA | NA |