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 1493 篇文献，本页显示第 1001 - 1020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 2026-03-11 |
Deep learning for predicting stem cell efficiency for use in beta cell differentiation
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42830-3
PMID:41803201
|
研究论文 | 本文提出了一种基于深度学习的图像模型，用于预测干细胞克隆在β细胞分化中的效率，以指导高效克隆的选择 | 首次将深度学习与无标记成像结合，实现对干细胞分化结果的早期预测，准确率高达96.7% | 研究为概念验证性质，样本规模可能有限，且模型在更广泛细胞类型或条件下的泛化能力未经验证 | 预测干细胞克隆在β细胞分化中的效率，以优化细胞治疗用于糖尿病的细胞生产 | 患者来源的干细胞克隆 | 计算机视觉 | 糖尿病 | 相差成像 | CNN | 图像 | 未明确指定样本数量，但涉及患者来源的干细胞克隆 | 未明确指定，可能为TensorFlow或PyTorch | EfficientNet-V2-S | 准确率 | NA |
| 1002 | 2026-03-11 |
Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42474-3
PMID:41803397
|
研究论文 | 本文提出了一种基于深度学习的增强型深度谱多层卷积神经网络（EDSMCNN），用于检测无线传感器网络中的HTTP TRACE洪水攻击 | 引入EDSMCNN模型，结合蜘蛛算法进行特征选择，利用SoftMax和逻辑激活函数处理HTTP请求，以提高CPU性能并有效预测TRACE攻击流量 | 未明确提及模型在多样化网络环境或大规模部署中的泛化能力，以及对抗新型攻击变体的测试 | 提高无线传感器网络的安全性，通过深度学习检测HTTP TRACE洪水攻击，防止敏感数据泄露和网络性能下降 | 无线传感器网络中的HTTP TRACE洪水攻击流量 | 机器学习 | NA | 深度学习，特征选择（蜘蛛算法），SoftMax函数 | CNN | 网络流量数据（HTTP请求数据集） | NA | NA | 增强型深度谱多层卷积神经网络（EDSMCNN） | CPU性能提升，计算时间减少 | NA |
| 1003 | 2026-03-11 |
Diagnostic Accuracy of Deep Learning for Automated Detection of Spinal Degenerative Disease on MRI: A Systematic Review and Meta-Analysis
2026-Mar-09, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01897-0
PMID:41803519
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估了深度学习模型在脊柱磁共振成像上自动检测或分类脊柱退行性疾病的诊断准确性 | 首次对深度学习在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性进行系统综述和荟萃分析，并探讨了临床相关异质性 | 纳入研究存在偏倚风险，主要为回顾性单中心设计，参考标准主观，外部验证有限，临床准备度受限 | 评估深度学习模型在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性并探索临床异质性 | 脊柱退行性疾病 | 医学影像分析 | 脊柱退行性疾病 | 磁共振成像 | 深度学习模型 | 磁共振图像 | 14项研究（2020-2025年），样本量范围29至2991 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比 | NA |
| 1004 | 2026-03-11 |
HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning
2026-Mar-09, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-026-12738-3
PMID:41803713
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1005 | 2026-03-11 |
Ultrafast deep learning super-resolution single-shot T2-weighted imaging for robust edema visualization in cardiovascular magnetic resonance
2026-Mar-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102708
PMID:41802637
|
研究论文 | 本研究比较了深度学习超分辨率重建的屏气与自由呼吸单次激发黑血T2加权短时反转恢复成像与标准屏气T2-STIR在心血管磁共振中的诊断质量 | 应用深度学习超分辨率重建技术实现超快速T2-STIR采集，在保持水肿检测准确性的同时显著缩短扫描时间并提升图像质量 | 研究样本量相对较小（81名参与者），且为单中心前瞻性研究，可能需要多中心验证以推广结果 | 评估深度学习超分辨率重建单次激发T2加权成像在心血管磁共振中用于水肿可视化的诊断性能 | 心血管疾病患者的心肌水肿 | 数字病理 | 心血管疾病 | 心血管磁共振成像，T2加权短时反转恢复序列 | 深度学习 | 医学图像 | 81名参与者（平均年龄54±20岁，50名男性） | NA | NA | 水肿检测一致性，扫描时间，伪影负担，图像对比度和锐度，诊断确定性，水肿可见性，评分者间一致性（Kappa系数） | NA |
| 1006 | 2026-03-11 |
FADFNet: A fine-tunable and adaptive decomposition-fusion network for cross-dataset low-dose CT and low-dose PET image reconstruction
2026-Mar-03, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104016
PMID:41802384
|
研究论文 | 提出一种用于跨数据集低剂量CT和低剂量PET图像重建的可微调自适应分解融合网络FADFNet | 提出基于频率感知范式的分解融合网络，结合小波变换分解模块、上下文感知空间通道调制机制和频域特征金字塔融合模块，并引入参数高效微调策略实现跨域适应 | 未明确说明模型在极端噪声条件下的性能表现，也未讨论对罕见病理结构的重建能力 | 解决低剂量医学影像重建中的噪声问题，提高跨数据集和跨模态的适应性 | 低剂量CT图像和低剂量PET图像 | 计算机视觉 | NA | 小波变换 | CNN | 医学影像 | 四个LDCT数据集和四个LDPET场景 | NA | FADFNet | 信号保真度，感知质量 | NA |
| 1007 | 2026-03-11 |
Sequence-based modeling of low-affinity transcription factor-DNA binding through deep learning
2026-Mar, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqag027
PMID:41799016
|
研究论文 | 本研究通过深度学习模型评估不同DNA序列方向处理策略，以改进对低亲和力转录因子- DNA结合位点特异性的建模 | 系统比较了数据增强与反向互补权重共享模型在处理DNA序列方向上的性能，并评估了多种网络解释方法在低亲和力结合场景下的表现 | 研究仅基于果蝇的八种Exd-Hox异源二聚体SELEX-seq数据，未在其他物种或转录因子家族中进行验证 | 改进低亲和力转录因子- DNA结合位点特异性的深度学习建模方法 | 果蝇中的八种Exd-Hox异源二聚体转录因子 | 自然语言处理 | NA | SELEX-seq | CNN, 自注意力Transformer | DNA序列 | 八种Exd-Hox异源二聚体的SELEX-seq数据 | NA | CNN, 自注意力Transformer | NA | NA |
| 1008 | 2026-03-11 |
Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method
2026-Mar, Acta radiologica open
IF:0.9Q4
DOI:10.1177/20584601261431608
PMID:41800183
|
研究论文 | 本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分 | 提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较 | 研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差 | 开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性 | 腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化 | 数字病理学 | 心血管疾病 | 对比增强CT血管造影（CTA） | CNN | 图像（CTA体积） | 223个CTA体积（147个训练，76个测试） | nnU-Net | nnU-Net | Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数 | NA |
| 1009 | 2026-03-10 |
IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02548
PMID:41701342
|
研究论文 | 本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段在液相色谱中的保留时间 | 首次将受常微分方程状态演化控制的液态神经网络应用于肽段保留时间预测，并结合了改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性 | 未明确提及模型在不同实验室或色谱系统间的泛化能力，也未讨论对非标准或修饰肽段的预测性能 | 提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性 | 肽段序列及其在反相色谱、强阳离子交换色谱和亲水相互作用色谱中的保留时间 | 机器学习 | NA | 液相色谱-串联质谱 | 液态神经网络 | 序列数据 | NA | NA | ESM-2, ProtT5, 液态神经网络 | R², 平均绝对误差 | NA |
| 1010 | 2026-03-10 |
Polypharmacology Browser PPB3: A Web-Based Deep Learning Tool for Target Prediction Using ChEMBL Data
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00299
PMID:41721463
|
研究论文 | 本文介绍了一个基于深度学习的网络工具PPB3，用于预测药物分子的多药理学靶点 | 使用了比先前模型更大的数据集，包含多种靶点类型，并基于ChEMBL 34数据训练深度神经网络 | NA | 开发一个基于网络的工具，用于预测药物分子的多药理学靶点 | 药物分子及其与生物靶点的相互作用 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 二进制子结构指纹 | 1,187,089个分子与7,546个靶点之间的2,496,555次相互作用 | NA | NA | 召回率, 精确度 | NA |
| 1011 | 2026-03-10 |
PeptideNet: An Integrative Deep Learning Framework for Predicting Diverse Bioactive Peptides Using Protein Language Model Embeddings
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02885
PMID:41731742
|
研究论文 | 本研究提出了一种名为PeptideNet的集成深度学习框架，用于预测多种生物活性肽 | 整合了大型蛋白质语言模型嵌入（如ESM1、ESM2和ProtBert）与物理化学描述符，并开发了结合CNN和BiGRU的混合深度学习模型，以捕获局部序列基序和长程依赖关系 | NA | 加速肽类治疗药物的发现和设计 | 生物活性肽，包括抗病毒、抗菌、抗氧化、抗细胞穿透和抗溶血肽 | 自然语言处理 | NA | 蛋白质语言模型嵌入（ESM1、ESM2、ProtBert）、物理化学描述符 | CNN, BiGRU | 序列数据 | NA | NA | PeptideNet（集成CNN和BiGRU的混合架构） | 准确度 | NA |
| 1012 | 2026-03-10 |
Machine Learning-Assisted Local-to-Global Optimization Strategy for Accelerated Molecular Cluster Structure Prediction
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02782
PMID:41733999
|
研究论文 | 本文提出了一种机器学习辅助的局部到全局优化策略（LOGOS），用于加速分子簇结构的预测 | 利用深度学习识别局部模式，在分子静电势地形特征空间中预测新的结合位点，实现分层优化 | 仅针对原型（CO）且规模小于30的簇进行了基准测试，未涉及更大或更复杂的分子系统 | 加速分子簇在势能面上的稳定结构预测 | 分子簇结构，特别是原型（CO）的基态簇 | 机器学习 | NA | 分子静电势（MESP）地形分析 | 深度学习 | 分子结构数据 | 原型（CO）簇，规模小于30 | NA | NA | 与文献报道的最小能量结构进行对比验证 | NA |
| 1013 | 2026-03-10 |
Upconversion optical entropy encoding for infrared complex-amplitude imaging
2026-Mar-09, Light, science & applications
DOI:10.1038/s41377-026-02215-7
PMID:41796141
|
研究论文 | 本文提出了一种基于上转换光学熵编码的红外复振幅成像系统，实现了视频速率的高保真成像 | 结合相干与非相干方法的优势，利用无序光子结构中的光散射与镧系元素上转换光致发光的协同作用，通过深度学习网络实现单次可见光快照捕获并重构红外光场信息 | NA | 开发一种实时、高灵敏度的红外复振幅成像系统，以捕获红外场景的完整相位和振幅信息 | 红外光场信息，包括自然场景图像和自动驾驶中的限速标志图像 | 计算机视觉 | NA | 上转换光学熵编码，深度学习网络 | 深度学习网络 | 图像 | NA | NA | NA | 视频速率（25 fps），高保真8位灰度调制，功率检测限（0.2 nW μm） | NA |
| 1014 | 2026-03-10 |
ESR Innovation in Focus: Deep learning in MR image reconstruction
2026-Mar-09, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12427-5
PMID:41796228
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1015 | 2026-03-10 |
Clinical evaluation of a motion correction software based on partial angle reconstruction in coronary CT angiography
2026-Mar-09, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03678-w
PMID:41796268
|
研究论文 | 本研究评估了一种基于部分角度重建的深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影的效果 | 提出了一种基于部分角度重建的深度学习运动校正软件，专门针对心率增快的冠状动脉CT血管造影患者进行运动伪影校正 | 本研究为单中心回顾性研究，样本量较小（62例患者），且仅针对心率>70 bpm的患者，可能无法推广到所有人群 | 评估深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影、提高图像质量的临床效果 | 心率>70 bpm的冠状动脉CT血管造影患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 62例患者（35例女性），平均心率81.9±13.1 bpm | NA | NA | 5点Likert量表评分，卡方检验，Gwet一致性系数 | NA |
| 1016 | 2026-03-10 |
Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories
2026-Mar-09, Annals of laboratory medicine
IF:4.0Q1
DOI:10.3343/alm.2025.0509
PMID:41797408
|
研究论文 | 本文开发并评估了一种基于人工智能的两步模型，用于临床实验室中血清质量的自动化评估 | 提出了一种新颖的自研人工智能方法，采用两步深度学习YOLOv5-ResNet-50架构模型，并在真实实验室条件下探索其性能 | NA | 增强临床实验室的分析前质量控制，为受溶血、黄疸或脂血影响的样本提供风险警报，确保患者检测结果的准确性 | 血清样本 | 计算机视觉 | NA | 血清指数测试与手动评估结合 | 深度学习 | 图像 | 主要数据集包含21,000个血清样本（训练集80%，验证集20%），独立测试数据集包含21,000个样本 | NA | YOLOv5, ResNet-50 | 准确率 | 集成到罗氏Cobas c 701模块中进行预处理 |
| 1017 | 2026-03-10 |
Harnessing the Power of artificial intelligence for clinical trials in cancer
2026-Mar-09, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2026.2642221
PMID:41797434
|
综述 | 本文综述了人工智能在癌症临床试验全生命周期中的应用、挑战与未来展望 | 系统总结了AI（包括基础机器学习、深度学习及大语言模型）如何作为催化剂，提升临床试验效率、包容性和数据驱动性，并探讨了Trial Pathfinder、TrialGPT、PRISM等工具在模拟试验标准、加速患者匹配和提高资格准确性方面的能力 | 未涉及具体临床试验数据或模型性能的定量分析，主要基于现有工具和框架的定性讨论 | 探讨人工智能在癌症临床试验中的应用潜力与挑战，以推动更高效、包容和数据驱动的研究 | 癌症临床试验的全生命周期，包括设计、招募、数据管理和结果评估 | 机器学习 | 癌症 | 数字病理学、影像学、基因组测序 | 机器学习, 深度学习, 大语言模型 | 图像, 文本, 基因组数据 | NA | NA | NA | NA | NA |
| 1018 | 2026-03-10 |
Benchmarking a deep learning model against healthcare practitioners for hip fracture detection in the emergency department
2026-Mar-09, Singapore medical journal
IF:1.7Q2
|
研究论文 | 本研究旨在验证一个用于急诊科骨盆X光片中髋部骨折自动检测的深度学习模型，并将其性能与急诊科初级医生和放射技师进行基准比较 | 首次将深度学习模型在髋部骨折检测中的性能与急诊科医疗从业者（包括放射技师和初级医生）进行直接对比，并评估了模型输出对医生诊断决策的辅助效果 | 深度学习模型在原始高分辨率图像上的性能低于放射技师，且未整合多模态临床数据，限制了其临床应用的直接部署 | 验证深度学习模型在急诊科髋部骨折自动检测中的有效性，并评估其相对于医疗从业者的诊断性能 | 骨盆X光片中的髋部骨折 | 计算机视觉 | 髋部骨折 | X光成像 | CNN | 图像 | 600张正面骨盆X光片 | NA | DenseNet-121 | AUROC, AUPRC, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 1019 | 2026-03-10 |
De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning
2026-Mar-09, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515835
PMID:41801219
|
研究论文 | 本文提出了一种基于多模态深度学习的抗菌肽设计方法，通过整合三维结构特征和物种特异性抗菌活性，实现多机制抗菌肽的从头设计 | 首次将三维结构特征、微生物物种特异性抗菌活性和作用机制整合到AI驱动的抗菌肽发现中，并开发了创新的三维体素着色方法来增强结构表征 | 未明确说明数据库覆盖的抗菌肽多样性是否足够广泛，且体内实验的样本规模和长期毒性评估可能有限 | 开发一种AI驱动的抗菌肽设计方法，以对抗多重耐药微生物 | 抗菌肽（AMPs）及其对多重耐药微生物的抗菌活性 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 序列、三维结构、抗菌特性数据 | 12,914个抗菌肽 | NA | NA | NA | NA |
| 1020 | 2026-03-10 |
Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain
2026-Mar-08, Human gene therapy
IF:3.9Q2
DOI:10.1177/10430342261427733
PMID:41797378
|
研究论文 | 本研究比较了AAV-TT和AAV9在非人灵长类动物大脑中的生物分布和神经元转导效率 | 首次在成年非人灵长类动物大脑中直接比较AAV-TT和AAV9的分布和转导效率，展示了AAV-TT在神经退行性疾病建模和治疗中的潜力 | 研究仅涉及四只非人灵长类动物，样本量较小，且仅观察了注射后四周的短期效果 | 评估AAV-TT在非人灵长类动物大脑中的临床潜力，并与AAV9进行比较 | 非人灵长类动物（具体为年轻成年个体）的大脑 | 数字病理学 | 神经退行性疾病 | 腺相关病毒（AAV）载体递送、绿色荧光蛋白（GFP）表达、深度学习图像分析 | 深度学习 | 图像 | 四只非人灵长类动物（两只接受AAV-TT-GFP，两只接受AAV9-GFP） | Aiforia | NA | GFP+神经元数量量化 | NA |