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 1474 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2026-03-22 |
Improvements to Casanovo, a Deep Learning De Novo Peptide Sequencer
2026-Feb-06, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.5c00706
PMID:41468557
|
研究论文 | 本文介绍了对Casanovo深度学习从头肽段测序器的一系列改进，旨在提升其可解释性、通用性、运行速度及用户体验 | 改进了预测肽段评分的可解释性，扩展了软件在数据库搜索中的通用性，并提供了工作流程和可视化工具以促进采用 | NA | 提高Casanovo在质谱和蛋白质组学数据中肽段测序的准确性和易用性 | 质谱和蛋白质组学数据中的肽段序列 | 机器学习 | NA | 质谱, 蛋白质组学 | 深度学习模型 | 质谱数据 | NA | NA | Casanovo | NA | NA |
| 422 | 2026-02-22 |
Comparative analysis of shallow and hybrid deep learning models for predicting the cooling efficiency of nanofluid-cooled photovoltaic panel across multiple materials
2026-Feb-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40129-x
PMID:41720907
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 423 | 2026-02-17 |
Hybrid deep learning novel framework for classification of parkinson's disease
2026-Feb-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37553-4
PMID:41692894
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 424 | 2026-03-21 |
Linking cortical structure and delirium in the elderly: insights from cohort study and shared genetic risk analysis
2026-Feb-12, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07841-8
PMID:41680881
|
研究论文 | 本研究通过队列研究和共享遗传风险分析，探讨了老年人皮质结构与谵妄之间的关联 | 结合前瞻性队列、独立临床队列及遗传数据分析，首次系统评估了区域皮质变化与谵妄风险的关联，并识别了共享的遗传位点 | 研究为观察性设计，无法确定因果关系；样本主要来自特定人群（如UK Biobank），可能限制泛化性 | 评估基于基线MRI测量的区域皮质变化与谵妄发病率之间的关联 | 60岁及以上老年人，包括UK Biobank队列和独立临床队列的参与者 | 医学影像分析 | 老年疾病 | 磁共振成像（MRI），深度学习分割算法，全基因组关联研究（GWAS） | 深度学习算法 | MRI图像，遗传数据 | UK Biobank队列31,890名参与者，独立临床队列152名参与者 | NA | NA | 条件/联合错误发现率（cond/conjFDR） | NA |
| 425 | 2026-03-21 |
A geometric deep learning framework for genome-wide prediction of enzyme turnover number
2026-Feb-11, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-03986-3
PMID:41673757
|
研究论文 | 本文介绍了一种名为KcatNet的几何深度学习模型，用于全基因组范围内预测酶的周转数（Kcat），以提升对酶催化效率和代谢机制的理解 | KcatNet首次结合酶序列和底物表示，利用几何深度学习进行高通量Kcat预测，在催化效率高的酶上表现优异，并能泛化至训练集中未见过的酶，揭示了酶-底物复合物的结构机制和相互作用模式 | 实验测量数据有限且易受噪声影响，可能影响模型训练和预测的准确性 | 开发一个深度学习框架，用于全基因组范围内预测酶的周转数，以促进对酶催化效率、代谢机制和酶工程的研究 | 代谢酶及其周转数（Kcat），涵盖所有生物体，特别是酵母物种 | 机器学习 | NA | 几何深度学习，大规模蛋白质语言模型 | 几何深度学习模型 | 酶序列和底物表示数据 | NA | NA | KcatNet | NA | NA |
| 426 | 2026-03-21 |
Development of a smartphone-based bone maturity classification algorithm with XAI for beef carcass grading
2026-Feb-11, Food science of animal resources
IF:4.2Q2
DOI:10.1007/s44463-025-00039-4
PMID:41849114
|
研究论文 | 本研究开发了一种基于智能手机的深度学习算法，用于对牛肉胴体软骨骨化程度进行分级，并结合可解释人工智能技术验证模型关注区域 | 首次将智能手机摄像与YOLO系列目标检测模型结合用于牛肉骨化分级，并应用Grad-CAM和LIME等XAI技术增强模型可解释性 | 仅针对骨化等级6-9级进行评估，未涵盖全部9个等级；数据集仅来源于单一采集设备（智能手机） | 开发客观、自动化的牛肉胴体软骨骨化程度评估方法以替代传统主观人工分级 | 牛肉胴体的软骨骨化区域 | 计算机视觉 | NA | 智能手机摄像，图像采集 | 目标检测模型 | 图像 | 每个骨化等级（6-9级）1,770张图像，总计7,080张图像 | NA | YOLO v8, YOLO v9, YOLO v10, YOLO v11 | 准确率 | NA |
| 427 | 2026-02-10 |
Comment Letter on "CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images"
2026-Feb-09, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001897
PMID:41661174
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 428 | 2026-03-21 |
A dataset collected in real-world industrial control systems for network attack detection
2026-Feb-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06738-x
PMID:41663466
|
研究论文 | 本文介绍了一个在真实工业控制系统中收集的网络攻击检测数据集ICS-NAD，用于支持入侵检测研究 | 提出了首个在真实工业控制场景中收集、包含多种攻击类型和样本模式的高质量数据集，弥补了现有数据集在范围、多样性和真实性方面的不足 | 数据集仅基于三种知名ICS品牌收集，可能无法完全覆盖所有工业控制系统类型 | 为工业控制系统网络攻击检测研究提供高质量的数据支持 | 工业控制系统的网络流量数据，包括攻击和正常流量 | 机器学习 | NA | 网络流量采集（PCAP格式）、特征提取 | 机器学习分类模型、深度学习分类模型 | 网络流量数据（PCAP格式）、特征数据（CSV格式） | 245.96 GB数据文件，包含原始流量和提取的特征 | NA | NA | NA | NA |
| 429 | 2026-03-21 |
Atomic resolution ensembles of intrinsically disordered proteins with Alphafold
2026-02-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69172-y
PMID:41644540
|
研究论文 | 本文介绍了一种名为bAIes的贝叶斯框架，该框架整合了AlphaFold2预测与物理化学分子力学力场，用于生成内在无序蛋白质的原子分辨率结构集合 | 提出了一种结合深度学习预测与分子力学力场的新方法，以高效生成内在无序蛋白质的原子分辨率结构集合，相比现有方法在计算成本和准确性上具有优势 | 未明确提及具体局限性，但可能涉及对特定蛋白质系统或实验数据的依赖性 | 开发一种准确且高效的方法，用于生成内在无序蛋白质的原子分辨率结构集合 | 内在无序蛋白质 | 机器学习 | NA | AlphaFold2预测，分子力学力场 | 深度学习模型 | 蛋白质结构数据，实验数据 | NA | AlphaFold2 | AlphaFold2 | 与实验数据匹配的准确性 | NA |
| 430 | 2026-03-21 |
Automated diagnostic of cervical spondylosis on multimodal medical images with a multi-task deep learning model
2026-02-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69023-w
PMID:41644944
|
研究论文 | 本文提出了一种用于颈椎病自动诊断的级联集成深度学习框架，整合了椎体检测和退行性诊断任务 | 采用级联架构集成椎体检测与退行性诊断，并通过多任务学习联合训练退行性指标集合，提高了对距离和位置指标的敏感性 | 未明确提及模型在泛化性、数据多样性或临床验证方面的具体限制 | 开发自动化诊断工具以辅助颈椎病的早期检测，缓解医疗资源不均问题 | 颈椎病患者的多模态医学图像 | 计算机视觉 | 颈椎病 | 多模态医学成像 | 深度学习模型 | 图像 | NA | NA | 级联集成框架 | 诊断速度 | NA |
| 431 | 2026-03-19 |
Deconvolving mutation effects on protein stability and function with disentangled protein language models
2026-Feb-26, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.03.703560
PMID:41676583
|
研究论文 | 本文提出了一种名为DETANGO的深度学习框架，用于解耦蛋白质语言模型预测的突变效应中与稳定性扰动相关的部分，从而揭示突变对蛋白质功能的影响 | 通过引入DETANGO框架，首次明确地从蛋白质语言模型预测的突变效应中分离出稳定性扰动成分，从而能够准确识别稳定但失活（SBI）的突变变体，并推断功能关键残基 | NA | 解耦突变对蛋白质稳定性和功能的影响，以促进对蛋白质功能的机制理解和指导理性蛋白质工程 | 蛋白质序列及其单点突变 | 机器学习 | NA | 蛋白质语言模型（pLMs） | 深度学习框架 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 432 | 2026-03-19 |
Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer
2026-02-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69797-z
PMID:41723121
|
研究论文 | 本研究通过空间单细胞成像和单细胞RNA测序，分析了50个肿瘤样本中的超过200万个细胞，揭示了肝细胞癌中肿瘤细胞状态如何组织成独特的“村庄”结构，这些结构与其微环境存在分子共依赖性，并与患者预后相关 | 开发了一种基于深度学习的策略，用于空间映射肿瘤细胞状态及其周围环境结构，首次提出了“肿瘤细胞村庄”概念，揭示了肿瘤细胞状态与微环境之间的特异性分子共依赖性 | 研究主要聚焦于肝细胞癌，结果在其他癌症类型中的普适性尚未验证；样本量相对有限（50个肿瘤样本），可能影响统计效力 | 探究肿瘤空间景观的形成机制及其对肿瘤适应性的影响 | 肝细胞癌（肝癌）肿瘤样本 | 数字病理学 | 肝癌 | 空间单细胞成像, 单细胞RNA测序 | 深度学习 | 图像, 转录组数据 | 50个肿瘤生物样本（超过200万个细胞），并在740名肝癌患者的数据中进行验证 | NA | NA | NA | NA |
| 433 | 2026-03-19 |
Machine vision-based angle-arrayed imaging and two-stage deep learning for gear defect detection
2026-Feb-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.579975
PMID:41842039
|
研究论文 | 本文提出了一种结合同步齿面成像与两阶段深度分割策略的齿轮缺陷在线检测方法 | 提出了运动对齐成像机制实现齿面图像全覆盖，并采用两阶段级联架构（第一阶段快速分割有效齿面区域，第二阶段使用改进的U形双分辨率网络UDDRNet进行微小缺陷精确识别）以提升检测性能 | 未明确说明方法在极端光照或强振动环境下的鲁棒性，也未讨论对不同齿轮类型和尺寸的泛化能力 | 实现高精度、实时的工业齿轮表面缺陷在线检测 | 工业齿轮的齿面表面缺陷 | 计算机视觉 | NA | 机器视觉、运动对齐成像 | 深度学习、语义分割模型 | 图像 | NA | NA | 改进的U形双分辨率网络（UDDRNet） | mIoU, Recall, F1分数 | NA |
| 434 | 2026-03-19 |
PARQ: A Complexity-Consensus Aware Automatic Assessment of Motor Disease Severity in Parkinson's Disease
2026-Feb-09, Research square
DOI:10.21203/rs.3.rs-8694861/v1
PMID:41727589
|
研究论文 | 本文介绍了一种基于深度学习的平台PARQ，用于从临床视频中自动评估帕金森病的运动疾病严重程度 | PARQ不仅预测单一严重程度评分，还估计专家评分的潜在分布，实现了任务特异性、共识感知的运动严重程度预测 | 研究样本量较小（48名患者），且仅基于临床视频数据，可能受视频质量和角度限制 | 开发一种可扩展的客观临床方法，以自动评估和监测帕金森病的核心运动特征 | 帕金森病患者，涉及8项运动任务，每项任务有三位独立专家评分 | 计算机视觉 | 帕金森病 | 深度学习 | 深度学习模型 | 视频 | 48名患者，每项任务有三位专家评分 | NA | NA | 准确率 | NA |
| 435 | 2026-03-19 |
Physics-informed deep learning framework for wavefront sensing via optical beam pattern analysis
2026-Feb-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.581822
PMID:41841947
|
研究论文 | 本文提出了一种轻量级、物理信息驱动的深度学习框架PIRNet，用于光学光束扩展系统中的非干涉波前传感 | 通过引入物理一致性损失函数和可学习不确定性加权机制，将光学传播模型整合到深度学习框架中，提升了波前像差估计的准确性和泛化能力 | NA | 开发一种基于深度学习的波前传感方法，用于光学系统中的像差估计 | 光学光束强度模式 | 计算机视觉 | NA | 光学传播模拟（ABCD传输矩阵法） | CNN | 图像 | 大规模模拟数据集 | PyTorch | PIRNet | 准确性, 泛化能力 | NA |
| 436 | 2026-03-18 |
Real-Time Pond Water Assessment via Embedded Deep Learning and Visual Data Acquisition: A Practical Monitoring Approach for Aquaculture
2026-Feb-24, Journal of visualized experiments : JoVE
DOI:10.3791/69744
PMID:41838729
|
研究论文 | 本文提出了一种基于嵌入式深度学习和视觉数据采集的实时池塘水质评估系统，用于水产养殖监测 | 开发了一种集成低成本水下摄像头、树莓派控制器网络和轻量级神经网络的自主水面机器人系统，实现实时水下图像分类和水质评估 | 系统仅针对五种水质条件进行分类，可能需要进一步扩展类别；方法在其他水产养殖或环境监测场景中的适应性需要验证 | 设计、部署和操作基于嵌入式深度学习的实时水质监测系统，支持可持续水产养殖实践 | 观赏鱼（如锦鲤）养殖池塘的水质条件 | 计算机视觉 | NA | 水下图像采集、嵌入式系统 | 深度学习、神经网络 | 图像 | 自定义数据集（具体数量未说明） | NA | 轻量级神经网络 | 准确率 | 树莓派控制器网络、嵌入式系统 |
| 437 | 2026-03-18 |
Minimization of outage probability and energy consumption by deep learning-based prediction in D2D mm wave communication
2026-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34846-y
PMID:41688507
|
研究论文 | 本文提出了一种基于深度学习的优化模型，用于最小化D2D毫米波通信中的中断概率和能量消耗 | 结合Flamingo Elk Herd Optimization（FEHO）和Deep Spiking Neural Network（DSNN）模型，优化中断概率和能量消耗，在平均发射功率和中断概率方面达到39.056 dBm和0.0015的优越性能 | 未明确说明模型在更复杂无线信道环境或大规模网络中的泛化能力，以及计算资源需求 | 最小化D2D毫米波通信系统的中断概率和能量消耗，以增强网络覆盖的鲁棒性 | D2D毫米波通信系统，包括相干、单簇近似和非相干下界三种覆盖概率机制 | 机器学习 | NA | 深度学习优化，模拟仿真 | Deep Spiking Neural Network（DSNN） | 模拟数据 | 未明确指定样本数量，基于模拟仿真 | 未明确指定，可能为自定义框架 | Deep Spiking Neural Network（DSNN） | 平均发射功率（dBm），中断概率 | 未明确指定 |
| 438 | 2026-03-18 |
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框架，利用高速视频数据预测垂直管上饱和池沸腾过程中的热通量 | 首次将深度学习模型（如卷积神经网络和目标检测算法）应用于沸腾气泡的动态分析，以自动提取分层和基于物理的特征，并实现原位热通量预测 | 未明确说明模型在极端或非标准沸腾条件下的泛化能力，且样本大小和具体数据细节未在摘要中详细描述 | 开发一种自动化、基于学习的方法来预测饱和池沸腾过程中的热通量，以提高设备设计、安全性和可靠性 | 垂直管上的饱和池沸腾过程，特别是气泡的形成、合并和脱离动态 | 计算机视觉 | NA | 高速成像 | CNN, 目标检测算法 | 视频 | NA | NA | NA | 平均热通量预测误差, 分类准确率 | NA |
| 439 | 2026-03-18 |
Assessing conformation validity and rationality of deep learning-generated 3D molecules
2026-Feb-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69303-5
PMID:41654558
|
研究论文 | 提出一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法，兼顾速度与量子力学精度 | 结合AI力场与深度学习网络，实现快速且具备量子力学精度的构象异常检测 | 未明确说明方法在超大规模分子库（如千万级）中的计算效率表现 | 解决AI生成3D分子构象缺乏有效评估方法的问题 | AI生成的3D分子构象 | 机器学习 | NA | 密度泛函理论, AI力场 | 深度学习网络 | 3D分子构象数据 | 5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）上生成的分子 | NA | NA | NA | NA |
| 440 | 2026-03-18 |
Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models
2026-Feb, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004607
PMID:41675877
|
综述 | 本文是一篇关于人工智能在心血管医学中应用的系统性综述，重点评估了AI在诊断准确性、效率和预测能力方面的优势，并探讨了伦理考量与实施挑战 | 该综述不仅总结了AI在心血管诊断（如超声心动图、心电图、CT血管造影）中的最新进展，还特别强调了伦理问题、数据隐私、模型泛化性及临床实施指南等关键挑战，为未来研究提供了综合视角 | 综述指出，对AI在心血管医学中全面影响的理解仍存在显著空白，包括模型泛化性不足、数据质量问题、潜在算法偏见以及缺乏清晰的临床实施指南 | 评估人工智能在心血管医学中的影响，探讨其在提升诊断准确性和改善患者预后方面的潜力，并分析相关伦理与实施挑战 | 心血管医学领域的人工智能应用，特别是诊断工具（如超声心动图、心电图、CT血管造影）和预测分析模型 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习 | 医学影像数据（如超声心动图、CT血管造影）、信号数据（如心电图） | NA | NA | NA | 诊断准确性, 预测能力 | NA |