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 1013 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2026-06-16 |
TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification
2026-May-25, Sensors (Basel, Switzerland)
DOI:10.3390/s26113343
PMID:42280864
|
研究论文 | 提出TailBoost框架，通过尾部合成学习提升长尾分布的皮肤癌图像分类性能 | 创新性地利用显著图引导的SPMix策略，在混合头尾类图像时保留并增强尾部类的判别特征，并结合监督对比学习和类中心重平衡进一步优化表征 | 未在摘要中明确提及，可能需在原文中查看具体限制 | 解决皮肤癌图像数据中长尾分布导致的分类性能下降问题 | 长尾分布下的皮肤癌图像分类任务 | 计算机视觉 | 皮肤癌 | NA | 深度学习模型 | 图像 | NA（具体样本数未在摘要中给出，数据集包括ISIC2018、ISIC2019和PAD-UFES-20） | NA | NA | 准确率 | NA |
| 242 | 2026-06-16 |
An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation
2026-May-20, ArXiv
PMID:42238067
|
研究论文 | 提出一个基于4,997例多中心FDG PET/CT扫描数据的开源全身肿瘤分割基础模型 | 采用早期通道级联的层次化UNet骨干网络，实现PET与CT特征从第一嵌入层开始交互；引入基于零均值填补的掩码自编码目标和加权全局重建损失，避免掩码区域边界的非物理强度不连续 | 仅在FDG PET/CT数据上训练，未探索其他示踪剂或成像协议 | 开发一个标签高效、多中心适用的PET/CT肿瘤分割基础模型，减少对大规模人工标注的依赖 | 全身FDG PET/CT肿瘤分割 | 计算机视觉, 数字病理学 | 肿瘤 | FDG PET/CT | UNet, 掩码自编码器 | 图像 | 4,997例多中心扫描（来自四个公开数据集） | PyTorch, MONAI | 层次化UNet（早期通道级联） | Dice系数 | NA |
| 243 | 2026-06-16 |
CN-RNN: a Deep Learning Framework for Copy Number Variation Detection with Exome Sequencing Data
2026-May-15, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.13.724920
PMID:42182454
|
研究论文 | 提出基于深度学习的CN-RNN框架，用于从全外显子测序数据中检测拷贝数变异 | 结合双向长短期记忆网络与多层感知器，同时捕获局部深度变化、上下文依赖及区域级基因组特征，提升检测准确性 | 未提及模型对长片段变异或高噪声数据的鲁棒性，也未讨论跨平台或不同测序深度的泛化能力 | 开发高准确性、低假阳性率的拷贝数变异检测方法，推动全外显子测序在临床和群体遗传研究中的应用 | 全外显子测序数据中的拷贝数变异 | 机器学习 | 通用疾病（涉及自闭症队列） | 全外显子测序 | BiLSTM, MLP | 测序数据（基因区域特征） | 自闭症测序联盟（ASC）亲子三人组队列，以及三个独立数据集 | NA | BiLSTM, MLP | 准确性，召回率，假阳性率 | NA |
| 244 | 2026-06-16 |
Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization
2026-May-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724354
PMID:42182259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 245 | 2026-06-16 |
Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion
2026-May-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724187
PMID:42182379
|
研究论文 | 使用扭曲扩散的贝叶斯导向机械生物分子结构预测 | 利用扭曲扩散采样器在Boltz-2中实现条件化扩散分布采样，无需额外训练神经网络，以贝叶斯似然引导生成替代分子构象 | 未提及具体局限性 | 预测在实验数据中代表性不足但具有功能相关性的分子构象 | DNA片段、肌肉蛋白titin、内耳原钙粘蛋白-15和MscL离子通道 | 机器学习 | NA | NA | 扩散模型 | NA | NA | Boltz-2 | 扭曲扩散采样器 | NA | NA |
| 246 | 2026-06-16 |
CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag250
PMID:42281397
|
研究论文 | 提出一种结合Transformer融合和卷积定位模块的深度学习框架CONTRA-IL6，用于预测白细胞介素-6诱导肽 | 首次将Transformer融合模块与卷积定位模块结合，利用预训练蛋白质语言模型嵌入来同时捕获全局语义和局部基序特征，并通过计算机模拟突变进行因果验证 | 未提及在更广泛的肽类或不同物种上的泛化能力，以及计算资源需求的具体细节 | 开发一种可解释的深度学习框架，用于准确预测白细胞介素-6诱导肽 | 白细胞介素-6诱导肽 | 自然语言处理 | 自身免疫性疾病 | 蛋白质语言模型嵌入 | 混合卷积神经网络与Transformer | 序列数据 | 独立数据集 | PyTorch | 卷积神经网络, Transformer, 1D梯度加权类激活映射++ | 马修斯相关系数, F1分数 | NA |
| 247 | 2026-06-16 |
GraphChIAr: genome-wide super-resolution reconstruction of protein-mediated remote chromatin interactions by augmenting hi-C interaction maps with multiple ChIP-seq profiles
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag305
PMID:42289051
|
研究论文 | 提出GraphChIAr，一个基于回归的深度学习框架，通过整合Hi-C接触图与多种ChIP-seq图谱及基因组序列信息，实现全基因组超分辨率重构蛋白质介导的远程染色质相互作用 | 超分辨率能力，能从常规分辨率精确估计至近核小体分辨率（如200 bp）；引入基因组移位距离实现全基因组尺度远程相互作用预测；整合多种互补基因组特征提高了预测准确性 | NA | 提供一种有效的计算工具，通过增强实验数据来推进三维基因组组织研究，特别是蛋白质介导的染色质相互作用的预测 | 染色体相互作用强度，关键介导蛋白（如CTCF）的远程互作 | 机器学习 | NA | Hi-C测序，ChIP-seq | 深度学习框架 | 基因组序列数据，Hi-C接触图，ChIP-seq谱 | NA | NA | NA | 预测准确性 | NA |
| 248 | 2026-06-16 |
Data Augmentation Via Generative Adversarial Networks for Robust Prediction of NADH and pH from Limited Time-Resolved Fluorescence Spectra
2026-May, Journal of fluorescence
IF:2.6Q3
DOI:10.1007/s10895-026-04775-8
PMID:41998303
|
研究论文 | 提出结合生成对抗网络与长短期记忆模块的数据增强方法，用于从有限时间分辨荧光光谱中稳健预测NADH浓度和pH值 | 首次将生成对抗网络与长短期记忆模块混合用于时间分辨荧光光谱数据增强，实现NADH和pH双参数同步预测，显著提高小样本下的预测精度 | NA | 实现基于cpYFP生物传感器的NADH浓度和pH值同步定量检测 | cpYFP基NADH生物传感器SoNar的时间分辨荧光光谱数据 | 机器学习 | NA | 时间分辨荧光光谱 | 生成对抗网络（GAN）、长短期记忆网络（LSTM） | 光谱数据 | 有限实验数据（具体数量未提及） | NA | GAN, LSTM | 预测精度 | NA |
| 249 | 2026-06-16 |
Radiomics-based artificial intelligence models in brain tumors: A systematic review and meta-analysis of diagnostic performance
2026-May, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03983-0
PMID:42043503
|
系统综述与Meta分析 | 系统评估基于影像组学的人工智能模型在脑肿瘤诊断中的性能 | 首次对基于影像组学的AI模型诊断脑肿瘤的准确性进行系统回顾和Meta分析，并探讨模型类型、成像方式和肿瘤亚型对预测准确性的影响 | 仅31%研究使用了外部验证，且方法学异质性高 | 系统评估基于影像组学的AI模型诊断脑肿瘤的性能，并识别影响预测准确性的因素 | 脑肿瘤患者的影像数据及基于影像组学的AI诊断模型 | 机器学习 | 脑肿瘤 | 影像组学 | 深度学习、混合模型、传统机器学习 | 影像数据 | 107项研究 | NA | 深度学习模型、混合模型、传统机器学习模型 | AUC、敏感度、特异度、准确率 | NA |
| 250 | 2026-06-16 |
Feasibility of Deep Learning-Based Segmentation of the Facial and Vestibulocochlear Nerves on High-Resolution Magnetic Resonance Imaging
2026-May, Cureus
DOI:10.7759/cureus.108842
PMID:42291893
|
研究论文 | 评估基于深度学习的面神经和前庭耳蜗神经自动分割在高分辨率磁共振成像上的可行性 | 首次验证深度学习对颅神经薄小结构（面神经和前庭耳蜗神经）在脑池段和管内段高分辨率MRI上的自动分割，并系统比较多种U-Net变体（Attention U-Net、Dynamic U-Net、U-Net++）在该任务中的性能 | 回顾性研究，样本量有限（仅22例患者），分割性能指标中等，测试数据集较小，且分割的是小结构导致体素表示有限 | 评估深度学习自动分割面神经和前庭耳蜗神经在脑池段和管内段的可行性 | 面神经和前庭耳蜗神经 | 计算机视觉 | NA | 高分辨率磁共振成像（MRI） | CNN | 图像 | 22名成年患者 | MONAI | 三维U-Net, Attention U-Net, Dynamic U-Net, U-Net++ | Dice相似系数 | NA |
| 251 | 2026-06-15 |
SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins
2026-May-29, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00363
PMID:42214054
|
研究论文 | 提出SSPSPredictor模型，融合序列和结构信息预测相分离蛋白 | 首次融合蛋白质语言模型ESM-2的结构序列信息和图神经网络GVP的结构洞察，实现多模态预测相分离蛋白，无需监督即可识别驱动区域 | NA | 开发高效、可解释的相分离蛋白预测工具，探索相分离与疾病的联系 | 相分离蛋白（PSPs）、折叠蛋白、固有无序蛋白（IDPs）、人类蛋白质组中的致病突变 | 计算机视觉 | NA | 蛋白质语言模型、图神经网络 | 多模态深度学习模型 | 蛋白质序列、蛋白质结构 | 多个数据集（具体数量未提供）、人类蛋白质组 | PyTorch | ESM-2, GVP | 平衡性能（未具体列出指标） | 在线Web服务器（https://bio-comp.ucas.ac.cn/SSPSPredictor/） |
| 252 | 2026-06-15 |
'Man vs. Machine: can ML algorithms diagnose headaches as accurately as clinicians? A systematic review.'
2026-May-26, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-026-13853-7
PMID:42189256
|
综述 | 系统评价人工智能与机器学习模型在头痛疾病诊断中与临床医生的准确性对比 | 首次系统评估AI/ML模型诊断头痛障碍的准确性、方法学质量及临床适用性，并基于QUADAS-AI工具分析偏倚风险 | 多数研究存在严重的方法学缺陷（病例对照设计偏差、数据泄露、缺乏外部验证），临床实施前需前瞻性真实世界验证 | 评估AI/ML模型依据国际头痛分类标准诊断头痛障碍的准确性及临床可行性 | 已发表的AI/ML诊断头痛障碍研究（74项） | 机器学习 | 头痛障碍 | 机器学习（传统ML、深度学习、混合/规则方法） | 传统机器学习、深度学习、混合模型 | 神经影像、多模态数据、神经生理信号、临床问卷 | 154,856名参与者（74项研究） | NA | NA | 敏感度、特异度、AUC-ROC | NA |
| 253 | 2026-06-15 |
Deep learning-driven intraoperative assessment of pulp stumps for precision pulpotomy
2026-May-26, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2026.106796
PMID:42203099
|
研究论文 | 开发并验证基于自监督DINOv2视觉Transformer架构的AI框架，用于术中牙髓切断术时牙髓断端图像的自动化分类 | 首次将自监督DINOv2架构应用于牙髓断端的客观分类，实现与专家相当的诊断准确性并显著优于新手 | 外部测试集样本量较小（21张图像），且仅评估了颜色-纹理特征，未考虑其他影响因素 | 开发术中牙髓断端客观分类的AI工具，弥合临床经验差距并防止过度诊断 | 牙髓切断术中的牙髓断端显微图像 | 计算机视觉 | 牙髓疾病 | 显微镜成像 | 自监督DINOv2视觉Transformer | 高分辨率显微图像 | 443张训练图像，93张内部测试图像，21张外部测试图像 | PyTorch | DINOv2 | 准确率, 敏感性, 特异性 | NA |
| 254 | 2026-06-15 |
Interpretable Deep Learning for Single-Molecule Nanopore Fingerprinting Using Physics-Guided Preprocessing
2026-May-22, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c04784
PMID:41719081
|
研究论文 | 提出一种基于物理引导预处理的深度学习方法，用于单分子纳米孔指纹识别 | 首次将物理引导的时频变换与紧凑神经分类器及特征归因图结合，直接处理原始脉冲信号，实现高精度且可解释的单分子纳米孔指纹识别 | 研究仅使用两种几何相似但结构不同的DNA纳米结构进行验证，未在更广泛样本上测试 | 开发一种可解释的机器学习框架，用于直接从原始脉冲中提取纳米孔传感信号特征，提高分子指纹识别的准确性和透明度 | 两种自组装DNA纳米结构 | 机器学习 | 不适用 | 纳米孔传感 | 神经网络 | 脉冲信号 | 两种自组装DNA纳米结构样本 | PyTorch | 紧凑神经分类器 | 准确率 | NA |
| 255 | 2026-06-15 |
A Novel 2.5-Dimensional Deep Learning Model for "Bone-on-Bone" Detection on Magnetic Resonance Imaging in Medial Unicompartmental Knee Arthroplasty Candidates
2026-May-20, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2026.05.043
PMID:42167455
|
研究论文 | 开发并验证一种基于多序列膝关节MRI的2.5D深度学习模型，用于自动检测内侧单间室膝关节置换候选者中的骨对骨骨关节炎 | 提出了一种结合相邻切片和多平面视图的2.5D深度学习模型，并融合影像组学和临床特征，提升了诊断性能，其准确性与资深骨科医生相当 | 未明确提及局限性 | 减少单间室膝关节置换术中因指征判断错误导致的失败，提供客观、可重复的软骨评估标准 | 191名拟行内侧单间室膝关节置换术或膝关节镜手术的患者术前膝关节MRI数据 | 计算机视觉 | 骨关节炎 | MRI | CNN | 图像 | 191名患者（64名骨对骨骨关节炎、62名部分软骨丢失、65名正常软骨） | NA | 2.5D深度学习模型（结合相邻切片和多平面视图） | 微曲线下面积（micro-AUC）、准确率 | NA |
| 256 | 2026-06-15 |
Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study
2026-May-15, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109295
PMID:41764784
|
研究论文 | 开发并验证一种使用可穿戴心电图设备自动数据质量评估的局灶性意识障碍发作检测算法 | 首次将自动数据质量评估(ADQA)集成到基于可穿戴心电图的癫痫发作检测算法中，并探索了个体间自主神经发作特征的差异以识别潜在的系统应答者 | 仅38名患者的数据满足ADQA质量标准，样本量有限；数据质量筛查排除了部分患者和发作事件，可能影响结果的普遍性 | 开发和评估使用可穿戴心电图设备进行局灶性意识障碍发作检测的算法性能与可行性 | 癫痫患者中的局灶性意识障碍发作 | 机器学习 | 癫痫 | 心电图 | 深度学习模型 | 心电图信号 | 236名患者（其中49名至少有一次FIAS），经过数据质量筛查后38名患者的161次发作 | NA | NA | 灵敏度, 24小时假阳性率, 阳性预测值, F1分数 | NA |
| 257 | 2026-06-15 |
Assessment of socioeconomic and demographic risk factors for low birth weight using model-agnostic explainable ensembles
2026-May-15, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2026.109303
PMID:41785538
|
研究论文 | 提出一个整合机器学习、深度学习和模型无关可解释人工智能的预测框架，用于识别低出生体重的关键社会经济和人口统计学风险因素 | 开发了SmartFusion-LR5堆叠集成模型，结合五种基学习器，并利用模型无关的可解释人工智能方法提供全局和局部特征解释 | 未明确提及局限性 | 早期预测低出生体重并识别关键风险因素，以指导资源有限环境下的母婴健康干预 | 孟加拉国1574名参与者的社会经济和人口统计数据，包括母亲年龄、教育程度、家庭财富、地理区域、出生顺序和母亲体重指数等12个变量 | 机器学习 | 低出生体重 | NA | 堆叠集成模型（SmartFusion-LR5） | 表格数据 | 1574名参与者 | Scikit-learn | K-最近邻、逻辑回归、决策树、随机森林、朴素贝叶斯 | 准确率、精确率、召回率、AUC、F1分数、马修斯相关系数 | NA |
| 258 | 2026-06-15 |
A new automated 3d facial soft tissue landmarking method via deep learning
2026-May-06, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2026.106742
PMID:42103064
|
研究论文 | 提出并评估了一种基于深度学习的新型面部软组织网络（FST-Net），用于自动检测34个常用三维软组织标志点和8项测量 | 通过特征融合和局部坐标回归实现了34个三维软组织标志点的全自动检测，无需手动标注 | 对依赖主观判断的6个标志点（Group 2）检测误差较大（4.39 ± 2.57毫米），需进一步优化；临床应用仍需医生验证侧脸区域 | 开发并验证一种用于正畸学中三维面部软组织标志点自动检测的深度学习方法 | 三维面部软组织标志点和软组织测量 | 计算机视觉 | NA | NA | CNN | 三维图像 | 297例患者，分为训练集207例、验证集30例、测试集60例 | PyTorch | FST-Net | 平均径向误差（MRE）、成功检测率（SDR）、组内相关系数（ICC） | NA |
| 259 | 2026-06-15 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 评估深度学习模型在高频超声图像中对皮肤病变进行二分类，比较单输入CNN与多模态融合架构的表现 | 首次系统比较B模式和Doppler模式的单输入CNN与Unity和Cascade多模态融合架构在高频超声皮肤病变分类中的性能差异 | 研究未明确说明数据集大小、数据增强策略、模型泛化能力以及临床验证等细节 | 评估基于CNN的深度学习模型在高频超声图像中进行皮肤病变良恶性二分类的性能 | 高频超声B模式和Doppler模式的皮肤病变图像 | 计算机视觉 | 皮肤病变 | 高频超声成像 | CNN | 图像 | NA | NA | 单输入CNN, Unity架构, Cascade架构 | 准确率, AUC | NA |
| 260 | 2026-06-15 |
Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study
2026-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.02.022
PMID:41781262
|
研究论文 | 本研究通过体模和患者前瞻性研究，评估了深度学习图像重建在约4.5 mGy超低剂量下检测局灶性肝脏病变的性能，并与标准剂量下的自适应统计迭代重建-V进行了比较 | 首次提出并验证了使用深度学习图像重建在4.5 mGy极低辐射剂量下实现与标准剂量迭代重建相当甚至更优的肝脏病变检测性能，显著降低了辐射剂量 | 单一中心前瞻性研究，样本量有限（84名参与者），且未评估不同深度学习图像重建强度水平的影响 | 研究深度学习图像重建在超低剂量（约4.5 mGy）下检测局灶性肝脏病变的有效性和安全性 | Gammex CT体模模拟的局灶性肝脏病变以及84名接受三相上腹部CT检查的患者 | 计算机视觉 | 肝脏病变 | CT扫描 | 深度学习图像重建 | 图像 | 84名参与者（平均年龄64岁，48名男性）和71个局灶性肝脏病变（平均大小12.8 mm） | NA | 深度学习图像重建 | 图像噪声、信噪比、对比度噪声比、噪声功率谱峰值、可检测指数、图像质量评分（5分制）、病变检出率、敏感性、特异性 | NA |