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 891 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-04-04 |
DSPONVNet: a multimodal deep learning model integrating intraoperative monitoring and clinical features for predicting postoperative nausea and vomiting risk
2026-Apr-02, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-026-02845-w
PMID:41928118
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 182 | 2026-05-16 |
A pipeline for developing AI-driven models to predict molecular initiating events: a case study on neural tube defects
2026-Apr-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01177-7
PMID:41928299
|
研究论文 | 提出一个自动化AI流程，将ChEMBL生物活性数据转化为用于预测分子起始事件的深度学习模型，并以神经管缺陷为案例进行验证 | 构建了完整的端到端自动化流程，结合知识引导预训练的图Transformer框架，实现从原始数据到可部署预测模型的无缝衔接 | 文中未明确提及局限性 | 开发自动化AI流程，用于预测化学物质的分子起始事件，支持毒性评估和不良结局通路开发 | 化学物质的分子起始事件相关蛋白靶点、神经管缺陷相关的发育毒性 | 机器学习 | 神经管缺陷 | NA | 图Transformer (KPGT) | 化学结构、生物活性数据 | NA | KPGT | KPGT, SVM-RBF | NA | NA |
| 183 | 2026-04-04 |
Modeling and forecasting neonatal mortality in Ethiopia: a comparative study using statistical, machine learning, and deep learning approaches
2026-Apr-02, Archives of public health = Archives belges de sante publique
DOI:10.1186/s13690-026-01909-z
PMID:41928309
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 184 | 2026-05-16 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100973
PMID:41638573
|
研究论文 | 提出一种基于深度学习的定制化卷积神经网络，用于从不吸烟的肺腺癌患者的组织切片全视野数字图像中预测多种分子改变 | 首次将深度学习方法专门应用于从不吸烟者肺腺癌（NS-LUAD）的分子特征预测，并优化了ResNet50架构实现16种分子改变的同步多标签分类 | 某些基因改变的预测性能较低（如KRAS热点突变的AUC仅为0.43-0.74），且样本量相对有限（495张WSI） | 利用深度学习从组织病理学全切片图像中推断不吸烟者肺腺癌的分子特征，支持分子检测分流和精准治疗策略制定 | 从不吸烟的肺腺癌患者（NS-LUAD）的组织切片全视野数字图像 | 数字病理学 | 肺癌 | 全视野数字图像（WSI） | 卷积神经网络（CNN） | 图像 | 495张全视野数字图像（来自Sherlock-Lung研究） | NA | ResNet50 | AUROC | NA |
| 185 | 2026-05-16 |
A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data
2026-04-01, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkag026
PMID:41655240
|
研究论文 | 对27种从单细胞RNA数据向ATAC数据跨组学标签转移的计算工具进行了全面基准测试 | 首次系统评估了多种跨组学标签转移方法，并提供了数据不平衡和半监督策略对性能影响的深入分析 | 主要依赖配对数据质量，且未涵盖所有可能的数据预处理变体 | 评估并比较用于从scRNA-seq到scATAC-seq标签转移的计算工具的性能 | 来自人类和小鼠多种组织的单细胞RNA和ATAC数据 | 自然语言处理 | 不适用 | 单细胞测序（scRNA-seq, scATAC-seq） | Bridge, GLUE, bindSC等 | 单细胞表达数据、染色质可及性数据 | 多种人类和小鼠组织样本，具体数量未明确 | PyTorch | Bridge, GLUE, bindSC | 预测准确性 | 未明确提及 |
| 186 | 2026-05-16 |
Follow-Up Bias in Tumor Dynamic Modeling: A Comparison of Classical and Neural-ODE Approaches
2026-Apr, CPT: pharmacometrics & systems pharmacology
DOI:10.1002/psp4.70239
PMID:41919988
|
研究论文 | 比较传统药理学模型与深度学习方法（TDNODE）在肿瘤动态建模中的预测偏差，特别是在随访期短或不一致的情况下 | 首次系统量化不同肿瘤动态模型在随访时间截断数据中的预测偏差，并对比深度学习方法与传统方法的性能差异 | 仅使用非小细胞肺癌（NSCLC）数据和阿替利珠单抗临床试验，可能限制其他癌种或药物类型的泛化性 | 评估肿瘤动态模型在不完整随访数据中的预测偏差，并探索深度学习作为替代方法的潜力 | 3106名非小细胞肺癌（NSCLC）患者，来自四项阿替利珠单抗III期研究 | 机器学习 | 非小细胞肺癌（NSCLC） | NA | 经典药理学模型与TDNODE（神经常微分方程） | 临床试验时间截断数据 | 3106名非小细胞肺癌患者 | NA | TDNODE | 预测偏差（Positive Bias） | NA |
| 187 | 2026-05-16 |
A Bi-lingual chatbot implementation for pandemic response using the transformer-based approach
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001256
PMID:41920886
|
研究论文 | 开发了一个基于Transformer的双语聊天机器人，用于疫情期间提供英语和卢干达语的准确信息 | 利用资源丰富的英语NLP框架实现卢干达语聊天功能，通过对话驱动开发实现持续改进 | 未提及具体限制 | 提供全天候的双语疫情管理信息，应对疫情期间错误信息传播问题 | 英语和卢干达语的疫情管理信息 | 自然语言处理 | COVID-19 | 深度学习 | Transformer | 文本 | 情特异性信息、问题和答案的语料库 | NA | Transformer | NA | NA |
| 188 | 2026-05-16 |
Development and Validation of Machine Learning Models for Predicting Early Cognitive Decline Using Home Sensor-Derived Behavioral Data: Sensors in-Home for Elder Wellbeing (SINEW) Cohort Study
2026-Apr-01, JMIR research protocols
IF:1.4Q3
DOI:10.2196/79490
PMID:41921108
|
研究论文 | 利用家庭传感器衍生的行为数据构建和验证机器学习模型，以预测老年人的早期认知衰退 | 创新性地使用连续家庭多传感器系统（包括红外运动传感器、门接触传感器、床传感器等）衍生的时空活动模式、睡眠行为、用药依从性等数据，结合临床评估指标，开发并验证监督机器学习模型，用于区分正常老化与轻度认知障碍、早期痴呆及衰弱状态，并预测从正常老化向这些状态的转变 | 样本量有限（计划招募200人），数据收集周期长（2019年11月至2030年3月），尚未完成全部数据分析和模型验证 | 开发并验证一种基于家庭传感器的连续监测系统，早期识别有轻度认知障碍或早期痴呆、衰弱风险的老年人，以便及时干预 | 65岁及以上社区居住的老年人，基线时认知正常或患有轻度认知障碍 | 机器学习 | 老年疾病 | 家庭多传感器监测系统（被动红外运动传感器、门接触传感器、床传感器、药盒传感器、可穿戴活动带、蓝牙接近信标） | 逻辑回归、随机森林、梯度提升、深度学习 | 时间序列数据（传感器衍生的步态变异性、活动规律性、睡眠碎片化、用药依从性模式）和临床评估数据 | 计划招募200名社区老年人，截至2025年6月已招募138名 | NA | 逻辑回归、随机森林、梯度提升、深度学习 | AUC, 灵敏度, 特异度, 精确率, 召回率, F1分数 | NA |
| 189 | 2026-05-16 |
Deep learning framework for predicting EGFR mutation status from H&E whole slide images in lung adenocarcinoma
2026-Apr-01, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15957-9
PMID:41923035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 190 | 2026-05-15 |
Deep Learning Blood Dosimetry Predicts Severe Lymphopenia and Survival After Craniospinal Irradiation
2026-Apr-22, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.019
PMID:42031223
|
研究论文 | 开发并验证了一种基于深度学习的个体化血细胞剂量测定平台，用于预测颅脊髓照射后严重淋巴细胞减少症和生存结果 | 首次将深度学习全身分割、个体化血容量建模和患者特异性血流动力学整合，实现颅脊髓照射期间循环血细胞的个体化剂量体积直方图估计，并发现CBC D5%是RISL的关键预测因子 | 未明确说明局限性 | 开发和验证个体化循环血细胞剂量测定平台，评估其预测辐射诱导严重淋巴细胞减少症的价值 | 接受颅脊髓照射的216名患者（中位年龄12岁，范围2-68岁），包括前瞻性儿童CSI注册（48例）和回顾性收集（168例） | 数字病理学，机器学习 | 脑肿瘤，软脑膜转移 | 深度学习，剂量体积直方图分析 | LASSO, 随机森林, XGBoost | 临床数据，剂量学数据 | 216名患者 | NA | 深度学习全身分割模型（未具体说明架构），LASSO, 随机森林, XGBoost | 受试者工作特征曲线下面积（未明确提及，但RISL预测隐含性能指标），总体生存率和无事件生存率（通过CBC D5%分层） | NA |
| 191 | 2026-05-15 |
High-Resolution Deep Learning Dixon Magnetic Resonance Imaging of the Sacroiliac Joints Is Noninferior to Standard Magnetic Resonance Imaging in Patients With Suspected Axial Spondyloarthritis
2026-Apr-21, Arthritis & rheumatology (Hoboken, N.J.)
DOI:10.1002/art.70195
PMID:42011796
|
研究论文 | 比较高分辨率深度学习狄克逊磁共振成像与标准磁共振成像在疑似中轴型脊柱关节炎患者中诊断骶髂关节病变的非劣效性 | 首次证明单次高分辨率深度学习重建的Dixon序列在诊断准确性上不劣于多序列标准MRI，且扫描时间减少73% | 样本量较小（76例），仅使用深度学习进行图像重建而非诊断辅助，未探讨不同疾病活动度下的表现差异 | 评估深度学习重建的Dixon MRI在疑似中轴型脊柱关节炎患者中的诊断效能及时间效率 | 疑似中轴型脊柱关节炎的慢性下背痛患者（76例） | 机器学习 | 中轴型脊柱关节炎 | 磁共振成像（Dixon序列） | 深度学习（图像重建模型） | 医学图像（MRI） | 76名患者（19例确诊axSpA） | NA | NA | AUC, 平衡准确率, Kappa系数 | NA |
| 192 | 2026-05-15 |
Retracing and rewriting the evolutionary trajectories of mammalian developmental enhancers
2026-Apr-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.20.719714
PMID:42079151
|
研究论文 | 通过密集绘制480种现存和祖先重建哺乳动物基因组中五个小鼠发育增强子的功能演化轨迹，揭示了增强子演化的多样模式，并开发了一种模型驱动重构策略来精准编辑增强子活性 | 首次大规模系统解析哺乳动物增强子的功能演化轨迹，利用深度学习预测染色质可及性并开发模型驱动重构策略实现核苷酸级别的增强子活性编辑，发现增强子功能丧失与增强的预测不对称性 | 仅测试了五个小鼠发育增强子，未覆盖所有组织类型和发育阶段；祖先序列重建和MPRA实验的体外环境可能不完全反映体内真实情况 | 理解哺乳动物发育增强子在进化过程中功能获得、丢失、维持或改变的机制 | 五个小鼠发育增强子及其来自480种现存和祖先重建哺乳动物基因组的直系同源序列 | 机器学习, 基因组学 | NA | 大规模平行报告基因检测(MPRA), 深度学习 | 深度学习模型 | 序列数据 | 480种哺乳动物基因组，5个小鼠增强子 | PyTorch | 卷积神经网络 | 染色质可及性预测准确率 | NA |
| 193 | 2026-05-15 |
Climate-driven dynamics of surface water temperature and its coupled responses to lake heatwaves and cyanobacterial blooms in Lake Taihu
2026-Apr-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.129799
PMID:42066451
|
研究论文 | 整合多源观测、遥感数据与机器学习、深度学习、因果推断及水动力模型，研究太湖地表水温、湖热浪与蓝藻水华在气候变化下的耦合响应 | 首次构建多模型（XGBoost、LG-FusionNet、CCM、PLS-SEM及EFDC）耦合框架，系统揭示气候变暖-热浪加剧-分层与缺氧强化-蓝藻占优的正反馈机制 | NA | 探究气候变化下太湖地表水温-湖热浪-蓝藻水华的耦合响应 | 太湖 | 机器学习 | NA | 遥感、水动力模型（EFDC） | XGBoost、LG-FusionNet、CCM、PLS-SEM、EFDC | 多源观测与遥感数据 | 2002-2024年连续数据 | EFDC | XGBoost、LG-FusionNet、CCM、PLS-SEM | R, NSE, RMSE | NA |
| 194 | 2026-05-15 |
Prediction of premature rupture of fetal membranes using deep learning in East China
2026-04-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48769-9
PMID:41974933
|
研究论文 | 利用深度学习预测华东地区胎膜早破的发生风险 | 首次将深度学习与大语言模型DeepSeek结合用于预测胎膜早破，并整合了空气污染及气象条件等环境因素 | 预测准确率提升的同时伴随假阳性病例增加，需要解决准确性与误报率之间的矛盾 | 通过临床及环境数据预测胎膜早破，辅助制定个性化治疗方案并优化医疗资源配置 | 20,392对母婴（母亲与足月新生儿） | 机器学习 | 胎膜早破（产科疾病） | 空气污染与气象条件估计 | 深度学习模型 | 临床病历数据、环境暴露数据 | 20,392对母婴 | NA | NA | 预测准确率、假阳性率 | NA |
| 195 | 2026-05-15 |
Deep learning enable precision authentication of seasonal and processing signatures in tieguanyin tea
2026-Apr-10, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-026-00837-0
PMID:41963366
|
research paper | 提出一种深度学习框架，将液相色谱-质谱代谢组学数据转换为图像表示，实现对铁观音茶叶产品的精准认证 | 首次将深度学习与代谢组学图像转换结合，用于茶叶真伪认证，并在色谱漂移条件下保持较高准确性 | 样本量较小（274个样本），仅涵盖两种季节和两种加工方法，可能限制模型的泛化能力 | 解决高端食品市场中茶叶产品认证的挑战，提供一种鲁棒且可推广的解决方案 | 铁观音茶叶样本，包括不同季节（春季和秋季）和加工方法（轻火和重火）的产品 | machine learning | NA | LC-MS | CNN | image | 274个铁观音茶叶样本 | PyTorch | NA | accuracy, 95% confidence interval | NA |
| 196 | 2026-05-15 |
The effect of glenoid rotational malalignment on best-fit circles based on AI-generated mathematically true glenoid en face views
2026-Apr-09, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2026.03.024
PMID:41966471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 197 | 2026-05-15 |
How to analyze visual data using zero-shot learning: An overview and tutorial
2026-Apr, Psychological methods
IF:7.6Q1
DOI:10.1037/met0000801
PMID:41182696
|
教程 | 该文章提供了一个关于如何使用零样本学习分析图像数据的概述和分步指南 | 本文为非技术背景的心理学研究者提供了零样本学习的实用教程，展示如何使用预训练模型（CLIP和LLaVA）分析图像数据，并提供了开放代码和数据 | 讨论了该方法的未来挑战和局限性，但未深入探讨模型在不同数据集上的泛化能力和伦理问题 | 为心理学研究者提供一个无需额外训练即可分析图像数据的零样本学习方法和教程 | 图像中的饮料识别，包括饮料类型、场景设置和饮料在图像中的位置（前景、中景、背景） | 计算机视觉 | NA | 零样本学习 | CLIP, LLaVA | 图像 | NA | PyTorch | CLIP, LLaVA | 准确率 | Google Colab |
| 198 | 2026-05-15 |
Quantitative CT Measurements of Interstitial Lung Disease: Same-Day Variability Between Two Vendors-A Prospective Study
2026-04, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.34057
PMID:41474222
|
研究论文 | 评估不同厂商CT设备在同一天内间质性肺疾病定量CT测量的变异性 | 前瞻性地评估了两家不同厂商CT扫描仪在同一天内对间质性肺疾病纤维化程度的QCT测量变异性，并通过多种重建核组合比较了差异 | 样本量较小（48人），且仅包括两厂商设备，未能覆盖所有制造商 | 评估不同厂商CT设备在同一天内对ILD患者纤维化程度的QCT测量变异性 | 间质性肺疾病患者 | 计算机视觉 | 间质性肺疾病 | CT成像 | 深度学习 | 图像 | 48名参与者（43男5女，平均年龄67.8±5.2岁） | NA | NA | 一致性相关系数 | NA |
| 199 | 2026-05-15 |
Multi-class classification of autoimmune skin disease by efficient localization of overlapped lesion boundaries using SAM
2026-Apr, Expert review of clinical immunology
IF:3.9Q2
DOI:10.1080/1744666X.2026.2663042
PMID:42013205
|
研究论文 | 提出一种利用SAM分割病灶边界并结合ResNet50与可变形注意力转换器的混合深度学习模型，用于多类别自身免疫性皮肤病的分类 | 使用Segment Anything Model智能分离病变区域，结合可变形注意力转换器与对比学习和焦点损失函数，提升对视觉相似条件的特征区分能力，并融入可解释性与不确定性估计 | 数据集规模有限，且仅依赖图像数据，未来需纳入多模态临床信息 | 实现自身免疫性皮肤病的高效多类别分类并提供可靠的可解释预测 | 自身免疫性皮肤病灶区域的图像 | 数字病理学 | 自身免疫性皮肤病 | 深度学习，图像分割 | 混合深度学习模型 | 图像 | 人类皮肤病数据集，具体数量未提及 | PyTorch | ResNet50, 可变形注意力转换器, SAM | 准确率 | NA |
| 200 | 2026-05-08 |
Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction
2026-Apr, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11197-4
PMID:40279083
|
研究论文 | 提出一种名为Graph-Aware AURA-LSTM的混合深度学习模型，通过结合多种图神经网络架构和双向LSTM来增强分子性质预测的准确性 | 创新性地将图卷积网络、图注意力网络和图同构网络并行融合，并引入双向LSTM处理时序关系，实现多层次分子结构特征的全面捕获 | 未提及具体局限性 | 分子性质预测，旨在提高预测准确性以支持药物发现和生物技术等领域的应用 | 分子及其结构特征 | 机器学习 | NA | NA | 图神经网络、双向LSTM | 分子图形表示 | 8个基准数据集 | NA | GCN, GAT, GIN, BiLSTM | 准确率 | NA |