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 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-05-24 |
A deep learning ECG model for identification and localization of occlusion myocardial infarction
2026-05-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73023-1
PMID:42129209
|
研究论文 | 开发并验证了一种基于深度学习的ECG模型，用于快速识别和定位急性闭塞性心肌梗死 | 模型不依赖ST段抬升和肌钙蛋白等传统指标，能同时识别OMI并定位三支主要冠状动脉的病变位置，且在不同年龄、性别和心电图硬件下表现一致 | OMI检测的人工监督有限，需要以患者相关结局为指标的随机临床试验进一步验证 | 开发一个深度学习ECG模型，以快速识别和定位急性冠状动脉闭塞，缩短再灌注时间并节省医疗资源 | 急性闭塞性心肌梗死（OMI）及其在冠状动脉中的位置 | 机器学习 | 心血管疾病 | 心电图记录 | 深度学习模型 | 心电图（ECG）数据 | 540,372例急诊心电图及其对应的冠状动脉造影结果 | NA | NA | C统计量 | NA |
| 702 | 2026-05-24 |
DeepEpiX: A software for visualization, annotation and automatic epileptical spike detection in MEG recordings
2026-May-12, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110805
PMID:42119822
|
研究论文 | DeepEpiX是一款用于MEG记录的可视化、注释和自动癫痫样尖波检测的软件 | 将预训练的深度学习模型集成到用户友好的图形界面中，用于自动检测间期癫痫样放电，且模块化架构支持集成新模型 | 在当前MEG数据上的F1评分表现有限（同一采集系统47%，不同采集系统23%），且目前仅专注于MEG模态 | 开发一款辅助临床医生自动检测MEG数据中病理事件（间期癫痫样放电）的软件 | 药物难治性癫痫患者的MEG数据 | 机器学习 | 癫痫 | 脑磁图 | 深度学习模型 | 时间序列数据 | 29名测试患者 | NA | NA | F1评分 | NA |
| 703 | 2026-05-24 |
Artificial intelligence in drug research and development: a review of methods and applications in drug repurposing
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag203
PMID:42166427
|
综述 | 综述人工智能在药物研发中的方法与应用，重点关注药物重定位 | 系统梳理从经典算法到最新AI方法在药物重定位中的应用，涵盖蛋白质结构预测到知识图谱推理的多种技术 | 数据可用性、模型可解释性和结果验证方面存在挑战 | 回顾AI方法在药物重定位中的设计应用，探讨如何加速候选药物的临床重定位 | 药物重定位中使用的AI方法及相关工具 | 机器学习 | NA | NA | 机器学习模型、深度学习模型、生物网络分析模型 | 文本、生物数据 | NA | NA | AlphaFold3, mediKanren, AdaDR, TxGNN | NA | NA |
| 704 | 2026-05-24 |
A systematic review of artificial intelligence applications in oncology nursing surveillance and patient monitoring
2026-May-02, International journal of palliative nursing
IF:0.7Q4
DOI:10.12968/ijpn.2025.0121
PMID:42172076
|
综述 | 系统回顾了人工智能在肿瘤护理监测和患者监控中的应用，识别了关键实施障碍和促进因素 | 首次系统总结了人工智能在肿瘤护理监测中的应用证据，涵盖风险预测、早期预警、放射组学等多领域，并分析了实施的关键障碍与促进因素 | 数据异质性、样本量小且回顾性、外部验证有限、工作流程整合困难、成本高和隐私问题 | 系统回顾人工智能在肿瘤护理监测中的实证证据，评估其对患者安全和护理质量的影响 | 肿瘤护理中的患者监测和预警系统 | 机器学习,自然语言处理 | 肿瘤 | NA | 机器学习,深度学习,自然语言处理 | 临床数据,影像数据,患者报告结果 | 105项研究纳入定性综合 | NA | NA | 准确性 | NA |
| 705 | 2026-05-24 |
Deep Learning Integration in Optical Microscopy: Advancements and Applications
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70112
PMID:41486782
|
综述 | 探讨深度学习在光学显微镜中的整合应用，包括图像分类、分割和计算重建 | 系统综述了深度学习如何提升光学显微镜的性能，涵盖多种架构（CNN、U-Net、ResNet、GAN）在不同显微镜模态中的应用 | 依赖于大规模标注数据集、动态样本变异性、模型可解释性差以及潜在的数据偏差 | 推动深度学习在光学显微镜中的融合，以克服传统显微技术的局限性并提升成像质量与分析能力 | 光学显微镜技术与深度学习方法 | 计算机视觉 | NA | NA | CNN, U-Net, ResNet, GAN | 图像 | NA | NA | CNN, U-Net, ResNet, GAN | NA | NA |
| 706 | 2026-05-24 |
Research Topics and Trends of Artificial Intelligence in Critical Care Nursing: A Bibliometric Analysis
2026-May, Nursing in critical care
IF:3.0Q1
DOI:10.1111/nicc.70468
PMID:42151094
|
文献综述 | 采用文献计量学方法分析过去十年人工智能在重症护理中的应用研究现状、热点和发展趋势 | 通过CiteSpace软件进行文献计量和聚类分析，系统揭示了人工智能在重症护理领域的研究热点（如深度学习、临床决策支持）和趋势，为临床实践和未来研究提供参考 | 未明确提及具体局限性，但可能受限于数据库选择（仅Web of Science核心合集）和分析时间范围（2015-2025年） | 分析人工智能在重症护理中的研究现状、热点和发展趋势，为临床护理和未来研究提供参考 | Web of Science核心合集中2015年1月1日至2025年4月30日发表的关于人工智能在重症护理中应用的研究文章 | 文献计量学、自然语言处理（关键词分析） | 重症护理相关疾病（如心脏骤停） | 文献计量分析（CiteSpace 6.3 R1软件） | 深度学习（DL）模型 | 文本数据（出版文章的关键词、作者、机构等元数据） | 1597篇出版物 | CiteSpace | NA | NA | NA |
| 707 | 2026-05-24 |
Predicting categorical and continuous Alzheimer's disease outcomes from a single MRI scan
2026-May, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-026-01121-2
PMID:42151377
|
研究论文 | 提出一种多任务深度学习策略，仅使用单次基线MRI扫描预测阿尔茨海默病的分类诊断和连续认知评分 | 结合领域知识与大规模预训练模型，通过定制损失函数和组织分割调优的潜在表示作为正则化特征，无需纵向、多模态或专用神经影像数据即可从单次基线扫描预测当前及未来的认知评分 | NA | 开发一种仅依赖基线MRI和人口统计数据的多任务深度学习框架，用于预测阿尔茨海默病的分类诊断、认知评分及其纵向变化 | 阿尔茨海默病患者及健康对照的认知评估和MRI扫描数据 | 计算机视觉 | 阿尔茨海默病 | MRI | 多任务深度学习模型 | 图像（MRI）和人口统计数据 | NA | PyTorch | 大规模预训练模型 | 诊断准确率、认知评分预测精度 | NA |
| 708 | 2026-05-20 |
De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning
2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515835
PMID:41801219
|
研究论文 | 提出了一种基于多模态深度学习的多机制抗菌肽从头设计管道M3-CAD，并构建了QLAPD数据库 | 首次整合3D结构特征、物种特异性抗菌活性和机制进行抗菌肽的从头设计，提出创新性的3D体素着色方法捕捉氨基酸的细微理化上下文 | 体内实验验证了抗菌效果且毒副作用有限 | 利用人工智能驱动抗菌肽发现，实现多机制抗菌肽的从头设计以对抗多重耐药菌 | 多机制抗菌肽 | 机器学习 | 多重耐药菌感染 | NA | 多模态深度学习模型 | 序列、结构、抗菌活性数据 | 12,914个抗菌肽样本 | NA | 生成模块、回归模块、分类模块 | 抗菌活性、毒性 | NA |
| 709 | 2026-05-19 |
Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis
2026-May-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73094-0
PMID:42144397
|
研究论文 | 提出一种端到端自动化流程，结合深度学习与信号处理，用于血吸虫病现场即时检测的读取与质量控制 | 首次将深度学习与信号处理结合，实现血吸虫病侧流层析检测的自动定量分类，解决视觉判读不确定性，并在大规模现场队列中验证 | NA | 为被忽视热带疾病的即时检测开发自动化诊断分类流程 | 血吸虫病现场循环阴极抗原检测的侧流层析测试 | 计算机视觉，信号处理 | 血吸虫病 | 侧流层析检测 | 深度学习模型（CNN） | 图像 | 乌干达农村SchistoTrack队列中3188名个体 | NA | NA | 灵敏度、特异度 | NA |
| 710 | 2026-05-19 |
Construction of a multi-dimensional predictive model for college students' academic performance based on deep learning
2026-May-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-51012-0
PMID:42144405
|
研究论文 | 构建基于深度学习的大学生学业成绩多维预测模型，融合时间序列、行为与人口学特征 | 提出一种新型GatedLSTMU-Dove模型，通过优化算法提升收敛速度与预测精度，并实现可解释的时间模式可视化 | 未说明模型在更大规模或多样化数据集上的泛化能力，以及实际教学干预中的效果验证 | 开发一个鲁棒的预测模型，利用多维数据（时间、行为和人口学特征）预测大学生学业表现 | 2000名大学生的学业数据，包括成绩、出勤率、学习管理系统交互、心理测量和人口统计记录 | 机器学习 | NA | NA | 门控长短期记忆单元（Gated LSTM） | 表格数据（数值型与分类型特征） | 2000名学生样本 | Python 3.10（未明确指定具体框架） | GatedLSTMU-Dove | 分类准确率（98.85%）、低误差指标、可解释的时间模式可视化 | NA |
| 711 | 2026-05-19 |
Automated periapical lesion segmentation and area-based PAI indexing: a comparative deep learning study on periapical radiographs
2026-May-18, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08645-4
PMID:42144602
|
研究论文 | 本研究系统比较了四种深度学习架构在根尖周X线片上自动分割根尖周病变并基于面积计算根尖周指数（PAI）的性能 | 首次在统一协议下将像素级分割映射到临床可解释的根尖周指数（PAI）类别，并提出基于面积的PAI评分（aPAI） | 未纳入定性影像特征（如边界定义、小梁变化），且仅使用单一数据集，缺乏外部验证 | 评估不同深度学习架构在根尖周病变分割及基于面积的PAI指数计算中的性能，并比较其优劣 | 900张匿名根尖周X线片及其专家标注的病变掩膜 | 计算机视觉 | 根尖周病变 | X线成像 | CNN | 图像 | 900张根尖周X线片（训练集594张，验证集145张，测试集161张） | NA | U-Net, ResUNet34, DeepLabV3, HRNet | 准确率, 敏感度, 特异度, 精确率, F1分数, AUC | NA |
| 712 | 2026-05-19 |
Improved delineation of the cystic artery using super-resolution deep learning reconstruction in contrast-enhanced abdominal computed tomography
2026-May-18, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01066-6
PMID:42149432
|
研究论文 | 本研究评估了超分辨率深度学习重建在对比增强腹部CT中改善胆囊动脉及其毗邻血管的显示效果 | 首次将超分辨率深度学习重建技术应用于对比增强CT中胆囊动脉的清晰显示，并与标准深度学习重建进行比较 | 在胆囊动脉检出率方面未见显著改善，且为回顾性研究 | 评估SR-DLR在对比增强腹部CT中改善胆囊动脉和相关腹部血管显示及图像质量的效果 | 60名接受对比增强腹部CT动脉期扫描的患者 | 计算机视觉 | NA | 对比增强CT | 深度学习重建 | 图像 | 60名患者 | NA | SR-DLR, DLR | CT衰减值, 图像噪声, 对比噪声比, 半峰全宽, 边缘上升距离, 边缘上升斜率 | NA |
| 713 | 2026-05-19 |
Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence
2026-May-18, Minerva dental and oral science
IF:1.1Q3
DOI:10.23736/S2724-6329.25.04946-0
PMID:42149558
|
研究论文 | 利用图注意力网络预测口腔多药耐药外排蛋白序列 | 首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测 | 模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列 | 预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持 | 口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列） | 机器学习 | NA | NA | 图注意力网络 (GAT) | 序列数据 | 7条蛋白质FASTA序列 | Deepbio | 图注意力网络, 超注意力机制 | 敏感度, 特异性, 真阴性率 (TNR) | NA |
| 714 | 2026-05-19 |
Customer churn prediction in privacy-preserving HashCode-based security abstractions
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53357-y
PMID:42144427
|
研究论文 | 提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测 | 将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设 | 仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源 | 在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能 | 客户行为、交易及时间相关特征 | 机器学习 | NA | 匿名化哈希编码 | 逻辑回归、随机森林、XGBoost、多层感知机 | 结构化数据（行为、交易、时间） | 未指定样本数量 | Keras, Scikit-learn | Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron | 准确率、精确率、召回率、F1分数、AUC | 未指定 |
| 715 | 2026-05-19 |
IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52520-9
PMID:42144467
|
研究论文 | 提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图 | 首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合 | NA | 实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探 | 摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元 | 计算机视觉 | NA | 高光谱遥感、EnMAP数据 | Inception-LSTM | 高光谱图像 | NA | PyTorch | InceptionV2,双向长短期记忆网络 | 总体精度 | NA |
| 716 | 2026-05-19 |
LaED: a novel lightweight, edge-aware and explainable deep learning model for privacy-preserving facial attendance tracking in resource-constrained educational environments
2026-May-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42051-8
PMID:42141001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 717 | 2026-05-19 |
Molecular and Computational Basis of Taste Perception: A Review toward the "Digital Language of Taste"
2026-May-12, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05861
PMID:42146156
|
综述 | 综述了味觉感知的分子与计算基础，聚焦于数字化味觉语言的构建 | 系统整合了分子对接、分子动力学模拟与机器学习在味觉研究中的应用，特别强调了人工智能模型（如深度学习与Transformer架构）在提高味觉预测准确性方面的进展 | 味觉受体结构数据不完整、受体激活长时间尺度建模困难、多感官整合模型不完善，以及计算预测与人类主观体验之间的鸿沟 | 探讨计算化学、分子建模与机器学习在味觉机制研究、味觉特征预测及新型味觉化合物设计中的应用，推动数字化味觉发展 | 味觉受体（G蛋白偶联受体和离子通道）及甜、苦、鲜、咸、酸五种基本味觉模式 | 机器学习 | NA | 分子对接、分子动力学模拟、机器学习 | 深度学习模型、Transformer架构 | 分子描述符数据 | NA | NA | 深度学习、Transformer | 准确率 | NA |
| 718 | 2026-05-19 |
Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723013
PMID:42146619
|
研究论文 | 使用弱监督深度学习模型从常规H&E全切片图像中推断治疗相关的肿瘤微环境表型活性 | 无需资源密集的空间组学数据训练，仅利用常规H&E切片和已有的治疗结果或整体组学数据作为切片级标签，即可评估功能生物学状态 | NA | 开发可扩展工具，从患者层面评估驱动治疗抵抗的肿瘤微环境程序 | 3111例乳腺癌H&E全切片图像及其配对的整体转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq | 深度学习 | 图像 | 3111例乳腺癌H&E全切片图像 | PyTorch | 弱监督深度学习模型 | AUROC, 皮尔逊相关系数 | NA |
| 719 | 2026-05-19 |
Tumor cell specific total mRNA expression informed neural networks predicts cancer progression
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.01.722212
PMID:42146375
|
研究论文 | 提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，并评估其在癌症进展预测中的表现 | 首次将结构化特征选择（梯度提升、LASSO、弹性网络）与专门化的神经架构结合，用于预测连续型肿瘤细胞特异性总mRNA表达，无需匹配的DNA和RNA测序数据及计算密集的反卷积流程 | 外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能受限于队列异质性或数据分布差异 | 开发可扩展的多组学数据分析框架，通过预测肿瘤细胞特异性总mRNA表达来推断肿瘤分子表型并预测癌症进展 | 12种TCGA癌症类型（泛癌分析）及外部验证队列（SCAN-B和FUSCC）中的肿瘤样本 | 机器学习 | 多种癌症（如乳腺癌等TCGA涵盖的12种癌症类型） | 多组学数据整合（mRNA表达、DNA甲基化、miRNA、免疫细胞比例） | 深度学习神经网络 | 多组学数据（基因表达、甲基化、miRNA、免疫细胞比例） | 12种TCGA癌症类型（具体样本数未提供），外部验证包括SCAN-B和FUSCC队列 | NA | 结构化特征选择（梯度提升、LASSO、弹性网络）与神经架构结合 | 一致性相关系数（CCC）、相关系数R²、外部验证相关性 | NA |
| 720 | 2026-05-19 |
Deep Learning-Based Structure Modeling of the Treponema pallidum Proteome: Insights into Pathogenesis and Syphilis Vaccine Development
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.717303
PMID:42146597
|
研究论文 | 利用深度学习对梅毒螺旋体全蛋白质组进行结构建模，分析其功能并识别与致病性和疫苗开发相关的蛋白 | 首次采用AI驱动的结构到功能建模流程，对梅毒螺旋体99%的蛋白质组生成高置信度结构模型，并完成877种蛋白质的结构基础功能注释，包括240个未知功能蛋白 | 未明确描述 | 通过结构建模深入理解梅毒螺旋体的致病机制，并指导梅毒疫苗设计 | 梅毒螺旋体全蛋白质组，包含976种蛋白质 | 机器学习 | 梅毒 | 深度学习结构建模、蛋白质结构比较、B细胞表位预测 | 深度学习模型（未指定具体类型） | 蛋白质序列数据 | 976种梅毒螺旋体蛋白质 | NA | 未指定具体架构 | NA | NA |