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 1560 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2026-04-19 |
A review on integrated machine learning and deep learning driven artificial intelligence models for pharmacokinetics and toxicokinetics predictions, and their application
2026-Mar, Drug metabolism and disposition: the biological fate of chemicals
DOI:10.1016/j.dmd.2026.100240
PMID:41763192
|
综述 | 本文综述了集成机器学习和深度学习驱动的AI模型在药代动力学和毒代动力学预测中的应用 | 探讨了从传统ML/DL向混合学习AI模型的转变趋势，强调混合模型在提高预测准确性和加速药物发现方面的优势 | NA | 评估AI模型在ADMET属性预测中的进展与应用 | ADMET软件、药代动力学-药效学预测模型 | 机器学习 | NA | 混合人工智能、多模型技术 | 机器学习、深度学习、混合模型 | NA | NA | NA | NA | 准确性 | NA |
| 642 | 2026-04-19 |
DuaST: an integrated deep learning framework for spatial transcriptomics with cross-branch interaction
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag174
PMID:41985058
|
研究论文 | 本文提出了一种名为DuaST的集成深度学习框架，用于处理空间转录组学数据，通过双分支学习整合空间与非空间信息 | 设计了一个双分支学习框架，分别建模邻域依赖和拓扑无关特征，并采用局部-全局对比学习、对抗对齐和基于注意力的融合机制来整合互补表示，同时通过可学习权重矩阵重建基因表达以识别空间可变基因，并支持从单组学到多组学分析的无缝扩展 | 未在摘要中明确提及具体限制 | 开发一个通用的计算方法，以利用空间转录组学数据中的基因表达和空间信息，并整合空间与非空间信息 | 空间转录组学数据 | 机器学习 | NA | 空间转录组学 | 深度学习框架 | 基因表达和空间信息数据 | NA | NA | 双分支学习框架 | NA | NA |
| 643 | 2026-04-19 |
Prediction of minimum inhibitory concentration of antibacterial peptides using geometric graph networks and dynamic loss functions
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag170
PMID:41985057
|
研究论文 | 提出一种名为GGN-ABPMIC的几何图网络模型，用于预测抗菌肽的最小抑菌浓度 | 整合了原子和残基尺度的多尺度结构特征与肽序列特征，并引入了结合MSE、Huber损失和对比学习损失的多阶段动态权重混合损失函数 | 模型仅在10种细菌物种的数据集上进行了验证，覆盖的物种范围仍有扩展空间 | 开发一种深度学习模型以更准确地预测抗菌肽的最小抑菌浓度 | 抗菌肽 | 机器学习 | NA | NA | 几何图网络 | 序列数据, 结构特征 | 跨越10种细菌物种的数据集 | NA | 几何图网络, 几何向量感知机 | 均方误差, R², 皮尔逊相关系数 | NA |
| 644 | 2026-04-19 |
A bio-inspired computational pipeline for antibody screening and repurposing
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag183
PMID:41985061
|
研究论文 | 本文提出了一种受体内免疫选择关键原理启发的多尺度计算筛选流程，用于抗体筛选和再利用 | 整合了基于结构的对接、基于图神经网络的相互作用预测以及加速分子动力学与元动力学自由能分析，实现了高通量计算机优先筛选结构解析的抗体 | 研究侧重于筛选和再利用阶段，而非完整的迭代亲和力成熟过程，亲和力成熟被定位为未来的扩展方向 | 加速结构引导的抗体筛选和再利用 | 抗体结构，特别是针对与纤维化、肿瘤学和肌肉消耗性疾病相关的多效性细胞因子Activin A的抗体 | 机器学习 | 进行性骨化性纤维发育不良 | 结构对接，分子动力学模拟，自由能分析 | 图神经网络 | 结构数据 | 约5000个抗体结构 | NA | NA | 亲和力，中和活性 | NA |
| 645 | 2026-04-01 |
Decoding chemical composition of urinary crystals from ultrasonic echo signals via deep learning
2026-Mar-31, Mikrochimica acta
DOI:10.1007/s00604-026-08019-1
PMID:41915224
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 646 | 2026-04-18 |
IDPForge: Deep Learning of Proteins with Global and Local Regions of Disorder
2026-Mar-27, bioRxiv : the preprint server for biology
DOI:10.64898/2026.03.25.714313
PMID:41928976
|
研究论文 | 本文提出了一种名为IDPForge的新型机器学习方法，用于生成包含内在无序蛋白/区域的全原子结构集合 | 开发了一种基于Transformer蛋白质语言扩散模型的新方法，无需序列特异性训练、粗粒度表示反向转换或集合重加权，即可生成与实验数据吻合的无序蛋白结构集合 | 未明确说明模型在特定蛋白质类型或极端条件下的性能限制 | 改进对内在无序蛋白质和区域的结构预测，弥补现有方法（如AlphaFold和RoseTTAFold）在预测无序结构时的不足 | 内在无序蛋白质和内在无序区域 | 机器学习 | NA | 深度学习，扩散模型 | Transformer | 蛋白质序列数据，结构数据 | NA | NA | Transformer | 与溶液实验数据的一致性 | NA |
| 647 | 2026-04-18 |
Directional alignment of different cell types organizes planar cell polarity
2026-Mar-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.114771
PMID:41994338
|
研究论文 | 本研究通过数学建模、深度学习与统计分析，探讨了细胞类型空间分布对平面细胞极性（PCP）维持的影响，并发现细胞类型定向排列是PCP稳健性的关键因素 | 揭示了细胞类型定向排列在维持平面细胞极性中的关键作用，尤其是在核心PCP蛋白水平不平衡的情况下，这一发现为理解多细胞类型组织中的PCP机制提供了新视角 | 研究主要基于数学模拟和深度学习分析，实验验证仅限于小鼠输卵管，未在其他组织或更广泛的生物系统中进行验证 | 探究在核心PCP蛋白水平不平衡的情况下，细胞类型空间分布如何影响平面细胞极性的维持 | 平面细胞极性（PCP）在多种细胞类型共存的组织中的维持机制 | 计算生物学 | NA | 数学建模, 深度学习, 统计分析 | 深度学习模型 | 模拟数据, 生物组织数据 | NA | NA | NA | NA | NA |
| 648 | 2026-04-18 |
Analysis of Models to Estimate Morbidity Rates of Respiratory Diseases Through Deep Learning
2026-Mar-19, Tropical medicine & international health : TM & IH
IF:2.6Q2
DOI:10.1111/tmi.70126
PMID:41856921
|
研究论文 | 本研究比较了XGBoost与基于堆叠门控循环单元（GRU）的深度学习模型，利用呼吸系统疾病发病率数据及社会经济与环境外生变量，预测巴西地区的疾病发病率 | 通过结合社会经济与环境指标（如人均GDP、人口密度、城市化指数和温室气体排放）与疾病发病率数据，并使用时序分解和合成数据细化时间序列粒度，应用堆叠GRU模型捕捉健康数据中的时间依赖性，展示了深度学习在精准公共卫生预测中的潜力 | 研究结果显示出区域异质性，GRU模型在某些城市表现优异，而XGBoost模型在多数地区呈现负R值，表明模型性能可能受地区特定因素影响，且未详细讨论模型泛化能力或数据偏差问题 | 比较不同机器学习模型在估计呼吸系统疾病发病率方面的性能，以支持公共卫生资源分配和基于证据的政策制定 | 巴西地区的呼吸系统疾病发病率数据及相关社会经济与环境变量 | 机器学习 | 呼吸系统疾病 | 深度学习，时间序列分析 | XGBoost, GRU | 时间序列数据 | 1999年至2023年的疾病发病率及外生变量数据，覆盖多个巴西城市（如Porto Alegre, São Paulo, São Luís） | NA | 堆叠GRU | R值（相关系数） | NA |
| 649 | 2026-03-10 |
Automatic estimation of single-tooth width from standardized two-dimensional occlusal photographs using deep learning
2026-Mar-09, Head & face medicine
IF:2.4Q2
DOI:10.1186/s13005-026-00605-1
PMID:41796356
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 650 | 2026-03-09 |
Deep learning approaches for time series prediction of renal recovery in medical critically Ill patients with acute kidney injury: LSTM, GRU, and transformer models
2026-Mar-07, Critical care (London, England)
DOI:10.1186/s13054-026-05942-w
PMID:41794739
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 651 | 2026-04-18 |
Automated measurement of hallux valgus angles using a deep learning model: validation and comparison with surgeons of varying expertise
2026-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42100-2
PMID:41792184
|
研究论文 | 本文开发了一种基于深度学习的模型，用于自动测量足部负重X光片中的拇外翻角和跖骨间角，并与不同经验水平的外科医生进行比较验证 | 采用UNet++与MobileNetV2结合的架构进行骨轴分割，并引入线性回归模块预测角度，且首次系统比较了模型与不同经验水平外科医生的测量结果 | 研究仅基于单一队列数据，外部验证尚未进行，模型在控制组HVA的ICC相对较低（0.821） | 开发自动化测量拇外翻相关角度的深度学习模型，以提升测量效率和一致性 | 足部负重X光片中的拇外翻角和跖骨间角 | 计算机视觉 | 足部疾病 | X光成像 | CNN | 图像 | 2,468张负重X光片（来自2,124名参与者，包括1,920张HV病例和548张对照） | NA | UNet++, MobileNetV2 | 平均绝对误差, 均方根误差, 组内相关系数, 异常值率 | NA |
| 652 | 2026-04-18 |
Integrated deep learning-driven multi-stage steam forecasting and scheduling optimization for converter energy systems
2026-Mar-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42104-y
PMID:41786838
|
研究论文 | 本文提出了一种集成两阶段多时间尺度预测框架，用于转炉蒸汽的规划与生产阶段预测，以支持蒸汽调度优化 | 首次将长时程规划预测与短时程滚动预测相结合，并采用超参数优化的SVM模型和DSC-Transformer模型分别处理不同阶段的预测任务 | 未讨论模型在非稳态生产条件下的泛化能力，且实验数据仅限于特定工业转炉 | 提高转炉蒸汽的回收利用率，降低能源成本 | 转炉蒸汽数据，包括规划信息和生产过程信号 | 机器学习 | NA | 时间序列预测 | SVM, Transformer | 时间序列数据 | 工业转炉数据（具体数量未说明） | NA | IBKA-SVM, DSC-Transformer | 预测性能百分比（IBKA-SVM: 92.3%, DSC-Transformer: 98.7%） | NA |
| 653 | 2026-03-07 |
A comprehensive evaluation of lightweight deep learning models for tomato disease classification on edge computing environments
2026-Mar-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42439-6
PMID:41786837
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 654 | 2026-03-07 |
A dual limb attention based deep learning network for multipath classification of millimetre wave signals in intelligent transportation system
2026-Mar-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39131-0
PMID:41786870
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 655 | 2026-04-18 |
Automated detection of new cerebral infarctions and prognostic implications using deep learning on serial MRI
2026-Mar-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02511-x
PMID:41786919
|
研究论文 | 开发并外部验证了一种深度学习模型，用于自动检测脑卒中患者连续FLAIR MRI扫描中的新发缺血性病灶 | 首次将监督对比学习应用于连续MRI影像的新病灶检测，并证明了AI识别的无症状脑梗死与卒中复发风险的独立关联 | 研究样本主要来自两家医院，需要更多中心验证；模型在更广泛人群中的泛化能力有待进一步验证 | 开发自动检测连续MRI中新发缺血病灶的AI工具，并评估其临床预后价值 | 脑卒中患者的连续FLAIR MRI影像 | 数字病理学 | 心血管疾病 | FLAIR MRI序列 | CNN | 医学影像 | 1055名患者（训练集）的25,451对影像切片，外加307名患者的独立验证队列 | 未明确说明 | 未明确说明具体架构 | AUC | 未明确说明 |
| 656 | 2026-04-14 |
Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs
2026-Mar-30, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15096-5
PMID:41912727
|
研究论文 | 提出一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库溶解氧浓度 | 设计了一种双通道架构，结合历史多模态观测数据与基于物理模型的未来预测输入，将数据驱动学习与物理洞察相统一，增强对气候变化情景的适应性 | 仅在美国田纳西州Watts Bar Dam进行了案例研究，未在其他水库或区域验证模型的泛化能力 | 开发准确的长周期溶解氧预测模型，以支持水库管理中及时且经济有效的增氧干预 | 水库溶解氧浓度 | 机器学习 | NA | 多模态观测数据采集 | LSTM, 注意力机制 | 多模态环境数据（历史观测数据与物理模型预测数据） | NA | NA | 双通道LSTM结合傅里叶变换与跨模态注意力机制 | RMSE | NA |
| 657 | 2026-04-14 |
Virtual histology imaging of lymph nodes via dynamic full-field optical coherence tomography and deep learning to differentiate metastasis
2026-Mar-28, Cancer biology & medicine
IF:5.6Q1
|
研究论文 | 本研究验证了动态全场光学相干断层扫描（D-FFOCT）结合深度学习在乳腺癌淋巴结转移检测中的应用，提供了一种快速、无标记的虚拟组织学成像方法 | 首次将D-FFOCT与深度学习结合用于淋巴结转移的虚拟组织学成像，实现了无需组织制备或消耗的快速评估 | 研究仅针对乳腺癌患者，样本量有限（155例患者），且依赖前瞻性双中心队列，可能影响泛化性 | 开发并验证一种用于淋巴结转移检测的快速、无标记虚拟病理工具 | 乳腺癌患者的淋巴结组织 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描（D-FFOCT） | 深度学习模型 | 图像 | 155例乳腺癌患者，共747个新鲜切片的淋巴结玻片 | NA | NA | 灵敏度, 特异性, 受试者工作特征曲线下面积（AUC） | NA |
| 658 | 2026-04-14 |
Measuring the Impact of AI on Report-Drafting Efficiency in Chest Computed Tomography Interpretation: Retrospective Analysis
2026-Mar-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77967
PMID:41894678
|
研究论文 | 本研究通过回顾性分析评估了AI系统在胸部CT肺结节诊断中对放射科医师报告起草效率的影响 | 采用双重差分设计，结合非等效比较组，首次量化了AI实施前后及长期（长达两年）报告起草时间的变化，并揭示了医院间实施动态的异质性 | 研究仅基于两家医院的数据，结果可能无法推广到其他医疗机构；且未能详细控制所有可能影响报告时间的混杂因素 | 评估AI系统对放射科医师在胸部CT肺结节诊断中报告起草效率的影响 | 来自北京安贞医院和清华长庚医院的185,044份胸部CT报告 | 医学影像分析 | 肺结节 | 胸部CT成像 | 深度学习 | 医学图像（胸部CT） | 185,044份报告 | NA | NA | 报告起草时间（分钟） | NA |
| 659 | 2026-04-14 |
Cost-effective assessment of effluent COD and total nitrogen using routine online monitoring data: a hybrid deep learning strategy
2026-Mar-25, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15228-x
PMID:41876866
|
研究论文 | 本研究提出了一种基于常规在线监测数据的混合深度学习策略，用于经济高效地评估废水处理厂出水化学需氧量和总氮浓度 | 开发了一种新颖的混合深度学习框架，将长短期记忆网络与极端梯度提升算法相结合，仅利用常规在线传感器数据（流量、氨氮、总磷、pH）作为替代指标来估计复杂水质参数 | 研究基于单一污水处理厂的长期数据，模型在其他处理厂或不同工艺条件下的泛化能力尚未验证 | 开发经济高效的废水处理厂出水水质评估方法，减少对实验室检测的依赖 | 废水处理厂出水化学需氧量和总氮浓度 | 机器学习 | NA | 在线水质监测 | LSTM, XGBoost | 时间序列数据 | 来自实际规模污水处理厂的长期时间序列数据 | NA | LSTM-XGBoost混合架构 | 决定系数 | NA |
| 660 | 2026-04-14 |
Explainable deep learning framework for fecal contamination detection on chicken eggshells via portable fluorescence imaging under ambient light
2026-Mar-25, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106868
PMID:41967323
|
研究论文 | 本研究评估了使用便携式荧光成像设备结合优化深度学习架构，在环境光下原位检测鸡蛋壳上粪便污染以提升食品安全的效果 | 开发了一种基于便携式荧光成像和可解释AI框架的深度学习系统，能在环境光下稳定检测鸡蛋壳上的粪便污染，无需严格暗室环境 | NA | 增强食品安全，通过原位检测鸡蛋壳上的粪便污染 | 鸡蛋壳（包括棕色和白色鸡蛋）上的粪便污染 | 计算机视觉 | NA | 便携式荧光成像，405 nm和365 nm激发光 | 深度学习 | 荧光图像 | NA | NA | MobileNet, ViT Base 384 | 准确率, SSIM | NA |