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 1515 篇文献，本页显示第 1141 - 1160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2026-02-09 |
Mass spectrometry-based human spatial omics: fundamentals, innovations, and applications
2026-Feb-06, Journal of biomedical science
IF:9.0Q1
DOI:10.1186/s12929-026-01219-0
PMID:41645178
|
综述 | 本文系统回顾了基于质谱的空间组学技术，涵盖其基本原理、技术创新、计算分析流程及其在生物医学领域的应用 | 系统梳理了质谱空间组学领域的技术与计算进展，包括空间分辨率提升、分子覆盖度扩展、深度学习整合及多模态平台融合等创新方向 | NA | 综述质谱空间组学技术的发展历程、当前进展、应用场景及未来挑战 | 人类组织中的蛋白质、代谢物、脂质等生物分子的空间分布 | 空间组学 | 肿瘤、神经退行性疾病 | 质谱成像（MSI）、标记技术、邻近标记技术 | 深度学习 | 空间分子成像数据 | NA | NA | NA | NA | 云优化数据格式 |
| 1142 | 2026-02-09 |
Comment on "Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction"
2026-Feb-06, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2026.02.006
PMID:41654475
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1143 | 2026-02-09 |
Protein model building for intermediate-resolution cryo-EM maps by integrating evolutionary and experimental information
2026-Feb-05, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.11.004
PMID:41314215
|
研究论文 | 本文提出了一种名为CryoEvoBuild的自动化方法，用于通过有效整合进化和实验信息，从中间分辨率冷冻电镜图中改进蛋白质模型构建 | CryoEvoBuild引入了一种新颖的基于域的分割、精修、组装和重建流程，并采用由AlphaFold2指导的循环框架，显著提升了AF2预测结构的准确性 | NA | 解决在中间分辨率冷冻电镜图中，使用深度学习预测的初始结构进行准确模型构建的挑战 | 蛋白质结构模型 | 结构生物学, 计算生物学 | NA | 冷冻电镜, AlphaFold2 | 深度学习模型 | 冷冻电镜图 | 117个分辨率在4.0-10.0 Å的多样化测试图 | NA | AlphaFold2 | 准确性 | NA |
| 1144 | 2026-02-09 |
LSTM-GPT-4 Integration for Interpretable Biomedical Signal Classification
2026-Feb-05, JMIR formative research
IF:2.0Q4
DOI:10.2196/87962
PMID:41653471
|
研究论文 | 本研究开发并评估了一个集成LSTM网络与GPT-4的技术框架，用于自动化生物医学信号分类和生成人类可读的临床解释 | 首次将LSTM网络与GPT-4进行显式方法学整合，用于生物医学信号分类并生成临床解释，为资源受限环境下的部署提供了技术基础 | 本研究为概念验证阶段，尚未进行前瞻性临床验证和现场研究，且仅使用了公开数据集 | 开发一个适用于资源受限环境的自动化生物医学信号分类和临床解释框架 | 心电图(ECG)和脑电图(EEG)等生物医学信号 | 数字病理学 | 心血管疾病 | 生物医学信号处理 | LSTM, GPT-4 | 信号数据 | 使用了多个公开PhysioNet数据集：MIT-BIH心律失常数据库、PTB诊断心电图数据库、PTB-XL、Chapman-Shaoxing、MIMIC-III波形数据和Sleep-EDF | NA | 两层LSTM架构(128→64单元) | 准确率, F1分数, AUC, 临床准确性评分, 清晰度评分, 可操作性评分 | NA |
| 1145 | 2026-02-09 |
Deep learning approach for hybrid beamforming design in MU-MISO mmWave systems
2026-Feb-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35247-5
PMID:41639140
|
研究论文 | 本文提出了一种基于深度学习的混合波束成形方法，用于降低MU-MISO毫米波系统中的计算延迟并保持可接受的速率性能 | 提出了一种深度学习驱动的混合波束成形方法，相比传统迭代优化算法显著降低计算复杂度，并引入高效的数据集生成流程以加速部署和扩展 | 未明确提及模型在极端信道条件下的性能或泛化能力，且可能依赖于仿真环境验证 | 为多用户多输入单输出毫米波系统设计低计算延迟、高实时性的混合波束成形方案 | MU-MISO毫米波系统中的混合波束成形架构 | 机器学习 | NA | 深度学习 | 深度学习模型 | 信道数据 | NA | NA | NA | 和速率 | NA |
| 1146 | 2026-02-09 |
Deep neural network-based analysis of voice biomarkers for monitoring treatment response in adolescent major depressive disorder
2026-Feb-04, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01326-3
PMID:41639246
|
研究论文 | 本研究利用深度学习模型分析青少年重度抑郁症患者的语音生物标志物，以监测治疗反应 | 提出了双语音抑郁状态分析方法，用于评估患者个体内治疗期间抑郁状态的变化，而非仅进行横断面比较 | 样本量较小，仅包含48名患者，且仅分析了基频等有限声学特征 | 开发基于语音生物标志物的客观方法，以监测青少年重度抑郁症患者的治疗反应 | 48名青少年重度抑郁症患者 | 自然语言处理 | 重度抑郁症 | 语音分析 | 深度学习模型 | 语音 | 48名青少年重度抑郁症患者的治疗前后语音样本 | NA | WavLM | F1分数 | NA |
| 1147 | 2026-02-09 |
CRISPR-initiated exponential amplification on fluorescently-barcoded microspheres for deep learning-assisted multiplexed HPV detection
2026-Feb-04, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118488
PMID:41653672
|
研究论文 | 本文介绍了一种结合CRISPR-Cas9启动的指数扩增、量子点编码微珠和深度学习图像分析的多重HPV DNA检测平台 | 通过CRISPR-Cas9触发指数扩增，结合量子点编码微珠和深度学习辅助荧光读取，实现了高特异性、低检测限的多重核酸检测 | NA | 开发一种快速、低成本、多重核酸检测平台，适用于近患者检测 | 人乳头瘤病毒（HPV）DNA，包括HPV16、HPV18和HPV33 | 数字病理学 | 宫颈癌 | CRISPR-Cas9, 指数扩增, 荧光读取 | 深度学习 | 图像 | NA | NA | NA | 检测限 | NA |
| 1148 | 2026-02-09 |
Recent advances in machine learning predictions of protein-ligand binding affinities
2026-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103193
PMID:41317487
|
综述 | 本文综述了机器学习在蛋白质-配体结合亲和力预测领域的最新进展 | 介绍了基于机器学习的新范式，涵盖结构、配体及混合方法，并突出从传统监督学习到深度学习架构的代表性算法 | NA | 提升蛋白质-配体结合亲和力预测的准确性和适用性，以支持理性药物设计 | 蛋白质-配体结合亲和力预测方法 | 机器学习 | NA | 机器学习 | 监督学习, 深度学习 | 三维构象数据, 拓扑不变量 | NA | NA | NA | NA | NA |
| 1149 | 2026-02-09 |
Unsupervised learning of spatially varying regularization for diffeomorphic image registration
2026-Feb, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103887
PMID:41317547
|
研究论文 | 本文提出了一种无监督学习框架，用于学习空间变化的变形正则化，以改进可变形图像配准性能 | 通过层次概率模型集成先验分布，实现从数据中端到端学习空间变化的变形正则化，并结合贝叶斯优化自动调整超参数 | 未明确讨论模型在极端解剖变异或噪声数据下的鲁棒性 | 开发一种能够适应不同解剖区域变形变化的空间变化正则化方法，以提升深度学习图像配准的性能和可解释性 | 可变形图像配准任务 | 计算机视觉 | NA | 无监督学习 | 深度学习模型 | 图像 | 基于公开可用数据集进行综合评估，具体样本数量未明确说明 | PyTorch, TensorFlow | NA | 配准性能指标（如配准精度）、变形平滑度 | NA |
| 1150 | 2026-02-09 |
Deep learning-based postprocessing and model building for cryo-electron microscopy maps
2026-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103196
PMID:41401630
|
综述 | 本文全面概述了基于深度学习的冷冻电镜图谱后处理和模型构建方法的最新进展 | 重点介绍了人工智能在冷冻电镜后处理和原子模型构建中的应用，并讨论了当前方法的优势与局限性 | 指出了现有方法面临的挑战，为未来研究指明了方向 | 探讨深度学习在冷冻电镜图谱后处理和模型构建中的应用 | 冷冻电镜图谱后处理和原子模型构建 | 计算机视觉 | NA | 冷冻电镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1151 | 2026-02-09 |
Integrative spatial omics and artificial intelligence: transforming cancer research with omics data and AI
2026-Feb, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2026.01.002
PMID:41520911
|
综述 | 本文综述了空间组学与人工智能在癌症研究中的整合应用，探讨了其方法、平台、挑战及未来方向 | 系统性地整合了空间组学（如空间转录组学、空间蛋白质组学）与人工智能（包括深度学习、空间图分析），用于解析肿瘤微环境的空间动态，推动精准肿瘤学发展 | 面临高维数据复杂性、计算资源限制、分析流程标准化不足以及跨平台数据协调等挑战 | 探讨空间组学与人工智能在肿瘤研究中的应用，以改善治疗结果并深化对癌症机制的理解 | 癌症研究，特别是肿瘤微环境及其空间动态 | 机器学习和数字病理学 | 癌症 | 空间转录组学, 空间蛋白质组学, 空间条形码, 原位测序, 数字空间分析 | 深度学习模型 | 多组学数据（基因组学、转录组学、蛋白质组学、表观基因组学、代谢组学）和空间组织学数据 | NA | NA | NA | NA | NA |
| 1152 | 2026-02-09 |
Machine learning approaches for crystallographic classification from synthetic 2D X-ray diffraction data
2026-Feb-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576726000099
PMID:41647181
|
研究论文 | 本研究利用合成2D X射线衍射数据结合深度学习技术，实现了对七种晶系和230个空间群的自动化高通量分类 | 提出了新颖的Auto Diffraction Pipeline，用于在多种条件下（如不同晶带轴、原子替换、原子缺失和机械加载）从晶体学信息文件生成合成2D XRD点阵图案，增强了合成数据的真实性，并解决了实验数据集稀缺的问题 | 未明确提及具体局限性，但可能依赖于合成数据的质量与实验条件的匹配度 | 实现晶体学结构的自动化、高通量分类，以促进材料科学中数据驱动方法的更广泛应用 | 七种晶系和230个空间群的晶体学结构 | 机器学习 | NA | 2D X射线衍射 | CNN | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 1153 | 2026-02-09 |
Traditional Chinese Medicine Modernization in Diagnosis and Treatment: Utilizing Artificial Intelligence and Nanotechnology
2026-Feb, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70596
PMID:41648057
|
综述 | 本文综述了人工智能和纳米技术在辅助中医现代化诊断与治疗中的应用 | 整合人工智能与纳米技术，推动中医诊断的标准化、量化及治疗效果的优化 | 未提及具体实验数据或临床验证的局限性 | 促进中医现代化，提升其诊断客观性和治疗效果 | 中医诊断与治疗系统 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 纳米技术 | NA | 标准化和可量化的诊断数据 | NA | NA | NA | NA | NA |
| 1154 | 2026-02-08 |
Investigating the Cytoskeleton of DRGs Using Cryo-Electron Microscopy and Deep Learning
2026-Feb-07, Cytoskeleton (Hoboken, N.J.)
DOI:10.1002/cm.70100
PMID:41653058
|
研究论文 | 本文介绍了一种利用冷冻电子显微镜和深度学习技术研究培养的背根神经节神经元轴突和膨体超微结构的方法 | 结合冷冻电子显微镜和深度学习策略，实现了对轴突细胞骨架的半自动断层分割，为定量描述超微结构特征提供了新方法 | NA | 研究背根神经节神经元轴突和膨体的超微结构组织，特别是年龄相关的变化 | 培养的背根神经节神经元 | 数字病理学 | NA | 冷冻电子显微镜, 冷冻电子断层扫描 | 深度学习 | 图像 | 年轻和年老培养的背根神经节神经元 | NA | NA | NA | NA |
| 1155 | 2026-02-08 |
Decoding cortical folding with deep learning: toward neurodevelopmental biomarkers of psychiatric disorders
2026-Feb-07, Journal of neural transmission (Vienna, Austria : 1996)
DOI:10.1007/s00702-026-03105-3
PMID:41653295
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1156 | 2026-02-08 |
Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer
2026-Feb-06, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-026-04220-z
PMID:41649698
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测 | 整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性 | 研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性 | 开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局 | 晚期非小细胞肺癌患者 | 机器学习 | 肺癌 | 超深度ctDNA测序（MSK-ACCESS和ctDx Lung） | DeepSurv | 基因组数据、临床病理特征 | 1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人） | NA | DeepSurv | 时间依赖性曲线下面积（AUC）、风险比（HR） | NA |
| 1157 | 2026-02-08 |
AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification
2026-Feb-06, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19179-y
PMID:41649783
|
研究论文 | 本研究开发了一种名为AI-FLEET的多模态深度学习模型，用于区分乳腺叶状肿瘤的良性与交界性/恶性类别 | 首次将超声图像与临床变量（如年龄、BMI、种族/民族、绝经状态、回声性和肿瘤大小）结合，通过多模态深度学习模型进行叶状肿瘤分类，并利用显著性分析识别了肿瘤内异质性作为重要预测特征 | 研究为回顾性分析，样本量较小（81例患者，其中交界性/恶性病例仅16例），且未包含纤维腺瘤病例，模型泛化能力有待验证 | 提高乳腺纤维上皮性病变（特别是叶状肿瘤）的诊断准确性，减少术前评估的不确定性 | 经组织学确认的乳腺叶状肿瘤患者，包括良性与交界性/恶性类别 | 数字病理学 | 乳腺癌 | 超声成像 | CNN, 注意力机制 | 图像, 临床数据 | 81例患者（65例良性，16例交界性/恶性），共1638张超声图像 | NA | ConvNeXt, ResNet18 | 准确率, AUC | NA |
| 1158 | 2026-02-08 |
Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment
2026-Feb-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3662042
PMID:41650399
|
研究论文 | 本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性 | 提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示 | 未明确提及具体的数据集规模限制或模型泛化能力的详细评估 | 提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗 | 药物分子 | 自然语言处理, 机器学习 | NA | 大型语言模型（LLMs） | 大型语言模型（LLM） | 分子结构数据, 化学知识文本 | 在九个数据集上进行了评估 | NA | CSLLM（基于指令框架的定制化LLM） | 在九个数据集上优于现有模型（具体指标未列明） | 有限的计算资源 |
| 1159 | 2026-02-08 |
ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space
2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3661424
PMID:41650430
|
研究论文 | 本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据 | 首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习 | 未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析 | 解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题 | 图数据（特别是具有不平衡聚类结构的图） | 机器学习 | NA | 深度学习方法 | 深度学习模型 | 图数据 | Citeseer等公开图数据集（具体数量未明确说明） | PyTorch（基于深度学习框架的典型选择） | LSEnet（基于双曲空间的神经划分树架构） | NMI（标准化互信息） | NA（未明确说明具体计算资源） |
| 1160 | 2026-02-08 |
Few-Shot Pulmonary Vessel Segmentation based on Tubular-Aware Prompt-Tuning
2026-Feb-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3662001
PMID:41650434
|
研究论文 | 本文提出了一种基于管状感知提示调优的少样本肺血管分割方法，并发布了首个包含肺血管和气道精细配对标注的数据集PV25 | 提出了TPNet框架，通过可调的编码和解码网络学习管状结构作为迁移学习先验，并开发了MDRG和CCG模块以捕获肺血管的细粒度特征和多尺度相关性 | NA | 在有限标注数据下实现肺血管的精确分割，以辅助肺部疾病的诊断和治疗 | 肺血管和气道 | 数字病理学 | 肺部疾病 | 计算机断层扫描（CT） | 深度学习 | 图像 | NA | NA | 编码器-解码器 | NA | NA |