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 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 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 |
| 162 | 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 |
| 163 | 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 |
| 164 | 2026-03-21 |
Automatic classification of kidney stone components based on smartphone microscopy and the GoogLeNet model
2026-Feb-12, BMC urology
IF:1.7Q3
DOI:10.1186/s12894-026-02080-x
PMID:41673817
|
研究论文 | 本研究开发了一种基于智能手机显微镜和GoogLeNet模型的肾结石成分自动分类系统 | 将智能手机显微镜（TIPSCOPE）与深度学习模型（GoogLeNet）结合，为资源有限地区提供了一种低成本、高效、便携的肾结石成分分析解决方案 | 碳酸磷灰石类结石的分类性能相对较低（F1=0.69），且样本量相对有限（共140个样本） | 开发一种快速、准确且经济高效的肾结石成分自动分类系统 | 手术提取的肾结石样本 | 计算机视觉 | 肾结石 | 智能手机显微镜成像 | CNN | 图像 | 140个肾结石样本，共生成840张图像 | NA | GoogLeNet | 准确率, F1分数, 精确率, 召回率 | NA |
| 165 | 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 |
| 166 | 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 |
| 167 | 2026-03-21 |
Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features
2026-Feb-11, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02547-1
PMID:41673852
|
研究论文 | 本文提出了一种名为pACP-CapsNet的深度学习模型，用于准确识别抗癌肽（ACPs） | 通过序列到图像的转换方法（SMR和RECM）生成局部嵌入特征，并结合HOG、DWT和CLBP变换创建新的特征空间，使用胶囊神经网络（CapsNet）进行预测，在ACP识别任务中取得了较高的准确率和AUC值 | 未明确说明模型在更大规模或更复杂数据集上的泛化能力，以及计算资源需求的具体细节 | 开发一种有效的深度学习模型，以识别具有抗癌潜力的肽序列，为癌症药物研发提供支持 | 抗癌肽（ACPs）序列 | 自然语言处理 | 癌症 | 序列到图像转换（SMR, RECM），特征提取（HOG, DWT, CLBP） | CapsNet | 序列数据（转换为图像） | 训练样本未明确数量，测试集包括ACP240和ACP740 | NA | 胶囊神经网络（CapsNet） | 准确率, AUC | NA |
| 168 | 2026-02-13 |
A deep learning model based on ultrasound imaging to differentiate malignant from benign pleural effusion: a multicenter cohort study
2026-Feb-11, Respiratory research
IF:4.7Q1
DOI:10.1186/s12931-026-03574-w
PMID:41673850
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 169 | 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 |
| 170 | 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 |
| 171 | 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 |
| 172 | 2026-02-11 |
Noninvasive preoperative risk stratification of prostate cancer via a foundational model based deep learning with PSMA PET/CT
2026-Feb-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15715-x
PMID:41663975
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 173 | 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 |
| 174 | 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 |
| 175 | 2026-03-21 |
AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease
2026-02-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68956-6
PMID:41629312
|
研究论文 | 本研究开发了一个基于AI的多组学分析框架CardiOmicScore，用于预测六种常见心血管疾病的个性化风险 | 提出了一个多任务深度学习框架CardiOmicScore，整合蛋白质组学和代谢组学数据，生成疾病特异性风险评分，显著提升了心血管疾病的早期预测能力 | 需要进一步的外部验证来确认识别出的蛋白质和代谢物作为生物标志物的有效性 | 通过多组学分析提高心血管疾病的个性化风险预测 | 六种最常见的心血管疾病 | 机器学习 | 心血管疾病 | 蛋白质组学, 代谢组学 | 深度学习 | 蛋白质数据, 代谢物数据, 临床数据 | 基于UK Biobank数据库，涉及2920种蛋白质和168种代谢物 | NA | 多任务深度学习框架 | C-index | NA |
| 176 | 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 |
| 177 | 2026-03-19 |
Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis
2026-Feb-26, Journal of pharmaceutical sciences
IF:3.7Q2
DOI:10.1016/j.xphs.2026.104225
PMID:41763492
|
研究论文 | 本文提出了一种基于生成式AI的图像合成方法，用于改进流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题 | 开发了最先进的扩散模型来生成高保真颗粒图像，以增强训练数据集，从而有效训练多类深度神经网络，并公开了模型和分类器以促进开放研究 | 未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力 | 解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题 | 亚可见颗粒，包括硅油、气泡和蛋白质颗粒 | 计算机视觉 | NA | 流式成像显微镜 | 扩散模型, 深度神经网络 | 图像 | 验证数据集包含500,000张蛋白质颗粒图像 | 未明确指定，但可能基于PyTorch或TensorFlow（根据开源代码推断） | 扩散模型, 深度神经网络（具体架构未指定） | 分类性能（具体指标如准确率、召回率等未明确提及） | 未明确指定 |
| 178 | 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 |
| 179 | 2026-02-11 |
UniChrom: a universal deep learning architecture for cross-scale chromatin interaction prediction
2026-Feb-10, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12625-x
PMID:41663926
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 180 | 2026-03-19 |
Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images
2026-Feb-10, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02220-7
PMID:41668049
|
研究论文 | 本文开发并验证了一种自动化的深度学习流程，用于在腰椎正中矢状位T2加权MRI上定量测量硬膜囊前后径 | 提出了一种结合YOLOv8 OBB进行椎间盘定位与方向估计、基于单应性的ROI变换、Attention U-Net分割以及基于骨架的毫米级直径计算的端到端自动化流程，显著提高了测量线的有效性 | 研究为回顾性设计，且外部验证仅使用了RSNA 2024数据集中的一个外部队列 | 开发并验证一个自动化的深度学习流程，用于在腰椎MRI上定量测量硬膜囊前后径，以支持腰椎管狭窄的标准化评估 | 腰椎正中矢状位T2加权MRI图像 | 计算机视觉 | 腰椎管狭窄 | MRI | CNN | 图像 | 511例腰椎正中矢状位T2 MRI检查（内部数据集），以及RSNA 2024腰椎数据集的50例外部验证数据 | PyTorch | YOLOv8-OBB, Attention U-Net | ICC, MAE | NA |