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 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2026-03-16 |
Applications and clinical translation of artificial intelligence in CBCT-based detection of endodontic lesions: a scoping review
2026-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00876-5
PMID:41188594
|
综述 | 本文是关于人工智能在CBCT影像中检测根尖周病变应用与临床转化的范围综述 | 系统梳理了AI（特别是深度学习）在CBCT影像中自动检测、分类和分割根尖周病变的最新应用进展，并评估了其临床转化潜力 | 大多数研究为回顾性，使用小型或同质数据集，缺乏外部验证或标准金标准比较（如组织学相关性） | 评估人工智能在基于CBCT的根尖周病变检测中的应用现状、诊断性能及临床转化前景 | 根尖周病变 | 数字病理 | 牙科疾病 | CBCT成像 | CNN | 图像 | NA | NA | U-Net, DenseNet, PALNet | 灵敏度, AUC | NA |
| 762 | 2026-03-16 |
Diagnostic performance of artificial intelligence for facial fracture detection: a systematic review
2026-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00878-3
PMID:41291186
|
系统综述 | 本文系统评估了人工智能模型在CT、CBCT和平片X光上检测面部骨折的诊断性能 | 首次系统综述了AI在面部骨折检测中的诊断性能，涵盖了多种成像模态和AI模型 | 纳入研究主要为回顾性、单中心设计，样本量有限，标注实践不一致，且缺乏外部或前瞻性验证 | 评估人工智能模型在面部骨折检测中的诊断性能 | 用于面部骨折检测的人工智能模型 | 计算机视觉 | 面部骨折 | CT, CBCT, 平片X光 | 目标检测模型, 分类模型, 分割模型, 混合框架 | 图像 | 23项研究（具体样本量未在摘要中明确给出） | NA | YOLOv5, Faster R-CNN, ResNet, Swin Transformer | 敏感性, 特异性, AUC | NA |
| 763 | 2026-03-15 |
Applied immunoinformatics in modern vaccine design: a comprehensive review of available computational tools
2026-Apr-02, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2026.128392
PMID:41747335
|
综述 | 本文全面综述了现代疫苗设计中可用的免疫信息学计算工具，涵盖了从病原体靶点识别到疫苗候选物优化的全流程 | 系统梳理了超过250种计算工具，并强调了从纯预测模型向生成式框架的范式转变，即利用人工智能和深度学习进行疫苗候选物的理性设计 | 作为综述文章，未提出新的原创工具或算法，主要基于现有文献进行归纳总结 | 为疫苗研发人员提供当前最可靠、高性能的免疫信息学工具资源概览，加速疫苗设计流程 | 疫苗设计流程中的计算工具与算法 | 计算生物学 | NA | 免疫信息学 | 深度学习, 人工智能 | 基因组数据, 结构数据 | NA | NA | NA | NA | NA |
| 764 | 2026-03-15 |
A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process
2026-Apr, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2026.02.016
PMID:41741308
|
研究论文 | 本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断 | 设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性 | NA | 解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断 | 污水处理过程（WWTPs）的故障诊断 | 机器学习 | NA | NA | 原型网络, 元学习 | 多维时间序列数据 | 基于BSM1基准在三种天气场景下进行实验 | NA | Meta-TimesBlock, MetaLearner | 准确率 | NA |
| 765 | 2026-03-15 |
Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.012
PMID:41825999
|
综述 | 本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术 | 系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标 | NA | 回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用 | 牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像 | 计算机视觉 | NA | 放射影像技术（全景、根尖、咬翼、锥形束CT成像） | CNN | 图像 | NA | NA | NA | NA | NA |
| 766 | 2026-03-15 |
The Science Behind Machine Learning, Deep Learning, and Active Learning
2026-Apr, Dental clinics of North America
DOI:10.1016/j.cden.2025.11.006
PMID:41826000
|
综述 | 本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用 | 强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用 | NA | 介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用 | 牙科数据，特别是锥形束计算机断层扫描中的根尖周病变 | 机器学习 | 牙科疾病 | 锥形束计算机断层扫描 | CNN, Transformer | 图像 | NA | NA | 卷积神经网络, Transformer | NA | NA |
| 767 | 2026-03-14 |
Novel Psychoactive Substances: Slaying the Dragon With Artificial Intelligence
2026-Apr-01, Therapeutic drug monitoring
IF:2.8Q2
DOI:10.1097/FTD.0000000000001429
PMID:41413933
|
综述 | 本文综述了人工智能和机器学习在新型精神活性物质识别与表征中的应用，探讨了其如何应对传统分析技术面临的挑战 | 重点介绍了基于人工智能的方法，如深度学习模型、化学语言模型和光谱预测工具，特别是DarkNPS框架和CFM-ID等工具，用于生成大量潜在NPS结构和预测质谱谱图 | NA | 探索人工智能在解决新型精神活性物质识别和表征日益增长挑战中的作用 | 新型精神活性物质 | 机器学习 | NA | 质谱分析 | LSTM, 变换器, 图神经网络 | 化学结构数据, 质谱数据 | NA | NA | NA | 余弦相似度得分, 命中率 | NA |
| 768 | 2026-03-14 |
Development and Validation of an Artificial Intelligence Surgical Video Analysis Model for Predicting Visceral Pleural Invasion in Lung Cancer Surgery: A Multicenter Study
2026-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-18863-9
PMID:41428020
|
研究论文 | 本研究开发并验证了一种基于深度学习的胸腔镜视频分析模型（VPI-Net），用于术中预测肺癌手术中的脏层胸膜侵犯。 | 首次开发并验证了一种专门用于胸腔镜视频分析以预测脏层胸膜侵犯的深度学习模型（VPI-Net），并引入了VPI风险评分（VPIscore）作为量化指标，该模型在多个中心验证中显著优于外科医生和放射科医生的判断。 | 研究样本量相对有限（总患者数399名），且外部验证集仅来自另外两家医院，模型的泛化能力需要在更广泛的多中心数据中进行进一步验证。 | 提高视频辅助胸腔镜手术中脏层胸膜侵犯的术中诊断准确性，以指导手术决策。 | 接受视频辅助胸腔镜手术的肺癌患者。 | 数字病理 | 肺癌 | 视频辅助胸腔镜手术 | CNN | 视频，图像 | 总共399名患者（内部数据集346名患者，3367张图像；外部数据集53名患者，1274张图像） | NA | 基于空间Dropout的残差卷积神经网络（VPI-Net） | AUC，准确率，敏感性，特异性，阳性预测值，阴性预测值 | NA |
| 769 | 2026-03-14 |
A Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer
2026-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-18929-8
PMID:41456225
|
研究论文 | 本研究开发了一种基于深度学习的多模态预后模型，整合了基因组特征、全切片成像的组织形态学特征和临床参数，以改善前列腺癌的风险分层和治疗决策 | 通过从组织病理学图像中计算推断基因组特征，消除了对基因组检测的依赖，并显著提高了预后精度，同时细化了现有的NCCN分类 | 研究依赖于两个独立队列（TCGA和PLCO）进行训练和验证，可能受限于这些队列的样本代表性和数据质量 | 开发一个多模态预后模型，以改善前列腺癌的风险分层和治疗决策 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 全切片成像（WSI）、苏木精-伊红（H&E）染色 | 深度学习 | 图像、基因组数据、临床参数 | 两个独立队列：TCGA（训练）和PLCO试验（外部验证） | NA | NA | C-index、Kaplan-Meier分析、Harrell's concordance index、多变量Cox回归 | NA |
| 770 | 2026-01-20 |
ASO Author Reflections: Multimodal Deep Learning Redefining Precision Prognosis in Prostate Cancer
2026-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19105-2
PMID:41549219
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 771 | 2026-02-17 |
Corrigendum to "Deep learning in fetal, infant, and toddler neuroimaging research"[Dev. Cognit. Neurosci. (2026), 101680]
2026-Apr, Developmental cognitive neuroscience
IF:4.6Q1
DOI:10.1016/j.dcn.2026.101694
PMID:41692673
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 772 | 2026-03-14 |
Artificial intelligence revolution in toxicology: Clinical precision, global equity, and the 2030 roadmap
2026-Apr, Toxicology letters
IF:2.9Q2
DOI:10.1016/j.toxlet.2026.111871
PMID:41762830
|
综述 | 本文综述了人工智能在毒理学领域的革命性应用，并提出了2030年发展路线图 | 提出了“ToxAI Pact”路线图，强调协调验证标准、稳健的特征重要性验证协议、生成式输出水印以及针对低资源环境的基础设施投资 | 算法偏见、模型可解释性有限、特征重要性准确性验证挑战、全球数字不平等、预测准确性不等于机制可靠性、AI生成错误信息的风险 | 指导人工智能在毒理学领域的负责任整合，实现更安全、更包容的全球毒理学发展 | 临床毒理学、预测建模、药物警戒、教育培训 | 机器学习 | NA | 深度学习、强化学习、生成式人工智能 | 深度学习模型、强化学习模型、生成式AI模型 | 临床数据、毒理学数据 | NA | NA | NA | 预测准确性、特征重要性准确性 | NA |
| 773 | 2026-03-14 |
ASO Visual Abstract: Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer
2026-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19136-9
PMID:41644916
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 774 | 2026-03-13 |
Machine learning, docking, or physics for structure prediction of ligand-induced ternary complexes
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103217
PMID:41619702
|
综述 | 本文综述了用于预测配体诱导的三元复合物结构的计算方法，包括多步对接流程和单步深度学习模型 | 系统比较了传统对接方法与深度学习模型在预测三元复合物结构方面的最新进展和工具 | 多步方法受限于采样复杂性、输入结构准确性、评分精度和计算成本；单步方法受限于训练数据稀缺 | 促进在缺乏实验结构的情况下基于结构的设计，以支持靶向蛋白降解剂的理性设计 | 由E3连接酶、配体和靶蛋白形成的三元复合物结构 | 机器学习 | NA | 晶体学、冷冻电镜、计算建模 | 深度学习模型 | 结构数据 | NA | NA | NA | NA | NA |
| 775 | 2026-03-13 |
From sequence to structure: A comprehensive review of deep learning models for RNA structure prediction
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103216
PMID:41650708
|
综述 | 本文全面回顾了从传统物理方法到当前深度学习模型在RNA二级和三级结构预测方面的演变 | 系统性地梳理了三种深度学习范式（基于语言模型的方法、端到端结构预测器、几何距离预测方法），并指出了未来关键研究方向，如应对数据稀缺的高级标记化策略和提升模型可解释性的可解释人工智能技术 | RNA结构预测仍面临训练数据有限、复杂非规范相互作用和构象灵活性等独特挑战，实现突破性性能需要持续的方法创新和高质量结构数据集的显著扩展 | 回顾和评估深度学习模型在RNA结构预测中的应用，以推动该领域发展 | RNA的二级和三级结构 | 计算生物学 | NA | NA | 深度学习模型 | 序列和结构数据 | NA | NA | NA | NA | NA |
| 776 | 2026-03-13 |
deepNoC: A deep learning system to assign the number of contributors to a short tandem repeat DNA profile
2026-Apr, Forensic science international. Genetics
DOI:10.1016/j.fsigen.2026.103434
PMID:41650721
|
研究论文 | 本研究开发了一个名为deepNoC的深度学习系统，用于自动分配短串联重复DNA图谱的贡献者数量 | 通过模拟电泳信号生成大量预标记训练数据，并利用深度神经网络实现高精度贡献者数量估计，同时提供可解释性输出 | 算法在实验室特定环境下需通过少量实际图谱进行微调以达到相同精度 | 开发一个自动化工具来准确估计STR DNA图谱中的贡献者数量，以辅助法医生物学分析 | 短串联重复DNA图谱 | 机器学习 | NA | DNA图谱模拟，电泳信号模拟 | 深度神经网络 | 模拟的DNA图谱信号数据 | 100,000个模拟图谱 | NA | 深度神经网络 | 准确率 | NA |
| 777 | 2026-03-13 |
Estimating proximity to muscular failure using surface EMG and deep learning
2026-Apr, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology
IF:2.0Q2
DOI:10.1016/j.jelekin.2026.103111
PMID:41653807
|
研究论文 | 本研究提出了一种基于表面肌电图和深度学习的实时方法，用于估计肌肉接近力竭的程度 | 首次利用深度学习从表面肌电图信号中实时估计肌肉接近力竭的连续指数，并提供了一个包含192次记录的新数据集 | 研究仅基于12名参与者的等长肱二头肌保持数据，样本量较小，且仅针对单一肌肉动作 | 开发一种实时估计肌肉接近力竭程度的方法，以个性化动态调整阻力训练 | 12名健康参与者在进行等长肱二头肌保持至力竭时的表面肌电图信号 | 机器学习 | NA | 表面肌电图 | 多层感知机, Transformer, 循环神经网络, 长短期记忆网络 | 表面肌电图信号转换的频谱图 | 12名参与者，共192次记录 | NA | 多层感知机, Transformer, 循环神经网络, 长短期记忆网络 | 均方误差 | NA |
| 778 | 2026-03-13 |
Multi-scale kernel and electrode attention network for EEG-based epileptic seizure detection
2026-Apr-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111585
PMID:41747565
|
研究论文 | 本文提出了一种名为多尺度卷积核与电极注意力网络的新模型，用于基于原始全通道脑电图信号的癫痫发作自动检测 | 提出了一种新颖的端到端特征提取网络，直接处理全通道脑电图信号，无需通道缩减或模态转换，避免了信息丢失或额外计算成本；引入了多尺度卷积结构以捕捉多样的电极通道组合，并设计了电极注意力模块来自适应地为不同通道分配权重 | 未明确讨论模型在更广泛或更具挑战性的临床环境中的泛化能力，也未提及对计算资源的具体要求或模型在边缘设备上的部署可行性 | 提高基于多通道脑电图信号的癫痫发作自动检测的诊断效率 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图 | CNN, 注意力机制 | 脑电图信号 | 两个公共数据集（CHB-MIT数据集和Siena Scalp数据集），具体样本数量未在摘要中提及 | NA | Multi-scale Kernel and Electrode Attention Network | 准确率, 灵敏度, 特异度 | NA |
| 779 | 2026-03-13 |
Geometric deep learning-based coronary wall shear stress estimation from real-world patients
2026-Apr-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2026.111583
PMID:41747562
|
研究论文 | 本研究评估了一种基于几何深度学习的框架，用于直接从真实世界患者的冠状动脉造影重建几何中估计冠状动脉壁剪切应力 | 提出了一种基于规范等变网格图卷积网络的几何深度学习框架，能够快速、无需计算流体动力学地估计冠状动脉壁剪切应力 | 研究仅基于1078条冠状动脉的数据集，可能需要在更大、更多样化的患者群体中进行验证 | 开发一种快速、准确的冠状动脉壁剪切应力估计方法，以支持大规模、真实世界的风险分层 | 从748名患者中重建的1078条冠状动脉 | 几何深度学习 | 心血管疾病 | 计算流体动力学, 冠状动脉造影 | 图卷积网络 | 几何网格数据 | 1078条冠状动脉（来自748名患者） | NA | 规范等变网格图卷积网络 | 绝对误差, 百分比误差, Dice距离, 相关系数 | NA |
| 780 | 2026-03-13 |
De novo engineering of protein interactions: Retrospective and current advances
2026-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103240
PMID:41759349
|
综述 | 本文回顾了基于深度学习的蛋白质相互作用从头设计方法的最新进展，重点讨论了蛋白质结合剂设计的现状、应用及新挑战 | 利用AlphaFold等新型结构预测模型和深度生成模型，实现了针对特定靶点的高实验成功率蛋白质结合剂设计，将许多先前难以实现的任务转化为常规操作 | NA | 探讨蛋白质结合剂设计方法的发展，特别是最先进技术及其在治疗和生物工程问题中的应用 | 蛋白质相互作用、蛋白质结合剂 | 机器学习 | NA | 深度学习、蛋白质结构建模、深度生成模型 | 深度生成模型 | 蛋白质结构数据 | NA | NA | AlphaFold | 实验成功率 | NA |