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 324 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-06-04 |
WaveMamba-Net: Dual-frequency adaptive wavelet state-space network for real-time pulse signal classification in wearable health monitoring
2026-Jun-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.116045
PMID:42231961
|
研究论文 | 提出WaveMamba-Net，一种结合小波多尺度分解与状态空间建模的深度学习框架，用于可穿戴设备中脉搏信号的实时分类 | 首次将小波变换与状态空间Mamba模型结合，通过双视图小波时间与空间滑动增强模块和自适应多小波条件卷积，实现高精度与低延迟的脉搏信号分类 | 未明确说明局限性 | 实现可穿戴健康监测中脉搏信号的高准确率实时分类 | 光电容积脉搏波信号 | 机器学习 | 心血管疾病 | 离散小波变换 | Mamba | 脉搏波信号 | MIMIC-III波形数据库和PPG-DaLiA数据集 | PyTorch | WaveMamba-Net | 准确率, Macro-F1, 推理延迟 | 边缘部署设备 |
| 2 | 2026-06-04 |
Image-based high-throughput phenotyping enables genetic analyses of pod morphological traits in mungbean (Vigna radiata (L.) R. Wilczek)
2026-Jun-03, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkag106
PMID:42048549
|
研究论文 | 利用基于图像的高通量表型分析技术对绿豆豆荚形态性状进行遗传分析 | 首次将深度学习图像分析与全基因组关联研究（GWAS）相结合，在绿豆多样性群体中高效鉴定与豆荚形态相关的遗传位点和候选基因 | 研究仅基于两年（2022-2023）的田间数据，可能未充分考虑环境变异对性状的影响 | 通过图像分析高通量表型技术解析绿豆豆荚形态性状的遗传基础，加速育种进程 | 艾奥瓦绿豆多样性群体（IMD panel）中372个基因型的豆荚图像 | 计算机视觉 | NA | 深度学习图像分析 | NA | 图像 | 372个基因型，2418张豆荚图像 | NA | NA | 相关系数r（>0.96），基因组预测准确度（0.61-0.85），-log10(P)值（≥5.56） | NA |
| 3 | 2026-06-04 |
Integrating multisequence radiomics and clinical features to predict seizure recurrence after gross total resection of pediatric low-grade epilepsy-associated brain tumors
2026-Jun-03, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-04051-3
PMID:42230409
|
研究论文 | 整合多序列影像组学特征和临床特征预测儿童低级别癫痫相关脑肿瘤全切除术后癫痫复发 | 提出一种基于影像组学的方法预测癫痫复发，并通过整合临床特征进行优化，比较传统影像组学模型与深度学习影像组学模型的性能 | 未提及具体限制 | 开发预测模型，结合临床特征和多序列MRI影像组学预测儿童低级别癫痫相关肿瘤全切除术后癫痫发作结果 | 儿童低级别癫痫相关肿瘤患者，接受全切除手术 | 机器学习, 医学影像 | 癫痫 | 多序列MRI影像组学 | XGBOOST | 影像数据, 临床数据 | 未提及具体样本数量 | NA | XGBOOST | AUC, 准确率 | NA |
| 4 | 2026-06-04 |
Multi-omics and artificial intelligence for precision drug discovery and potential clinical applications
2026-Jun-03, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-026-02631-6
PMID:42230553
|
综述 | 探讨多组学与人工智能融合在精准药物发现及潜在临床应用中的变革作用 | 系统性地分析了多组学与AI在药物研发全流程中的协同应用，包括目标去卷积、药物重定位和新颖化合物发现，并展望了其在肿瘤学、神经退行性疾病和心血管疾病中的未来前景 | 面临数据整合不一致、可重复性保障难及算法偏差缓解等挑战 | 提供多组学在药物开发管线中应用的深入分析，并探索AI在虚拟筛选、药代动力学建模和安全性评估中的关键角色 | 多组学技术（如全基因组关联研究、转录组分析、蛋白质组学相互映射和代谢组学测序）与先进AI方法（特别是深度学习架构） | 机器学习 | 肿瘤学、神经退行性疾病、心血管疾病 | 全基因组关联研究、转录组分析、蛋白质组学相互映射、代谢组学测序 | 深度学习架构 | 多组学数据（基因组、转录组、蛋白质组、代谢组） | NA | NA | NA | NA | NA |
| 5 | 2026-06-04 |
Tri-MCA fusion: cross-modal attention and dynamic gating for multimodal sentiment analysis
2026-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56224-y
PMID:42230901
|
研究论文 | 提出一种三模态交叉注意力与自适应门控融合架构，用于多模态情感分析 | 引入三模态交叉注意力模块和自适应门控机制，增强文本、音频和视觉模态间的交互，并处理模态不平衡和噪声问题 | 未明确讨论模型的泛化能力及对更多模态或真实场景的适应性 | 提升多模态情感分析中异质模态交互建模和情感预测性能 | 文本、音频和视觉三种模态数据 | 自然语言处理 | NA | NA | 交叉注意力模型 | 文本、音频、视觉 | 三个公开数据集：CMU-MOSI、CMU-MOSEI、SIMS | PyTorch | 三模态交叉注意力模块、自适应门控机制 | 准确率（Acc）、F1-score | NA |
| 6 | 2026-06-04 |
Machine learning and deep learning-based drug-drug interactions prediction: a systematic review focused on anticancer drugs
2026-Jun-03, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01512-z
PMID:42230929
|
综述 | 系统综述了基于机器学习和深度学习的抗癌药物相互作用预测方法 | 从方法学和临床角度全面分析抗癌药物DDI预测研究，验证了22个新预测DDI药物对的实用价值 | 未提及具体局限性 | 综述基于机器学习和深度学习的抗癌药物相互作用预测模型，增强临床相关性和适用性 | 抗癌药物及其相互作用 | 机器学习 | 癌症 | NA | 机器学习, 深度学习 | 药物相互作用数据 | 96个新预测的潜在DDI药物对，其中22个通过验证 | NA | NA | 预测任务类型和性能 | NA |
| 7 | 2026-06-04 |
Semi-automated detection of cleaning interactions using supervised machine learning
2026-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-56200-6
PMID:42230992
|
研究论文 | 利用监督机器学习半自动检测清洁鱼与客户鱼之间的清洁互动行为 | 首次将深度学习姿态估计工具DeepLabCut应用于海洋清洁互动的自动检测，并设计了高效的分类算法，大幅减少人工标注工作量 | 分类算法将约15%的非互动行为误判为互动，且在三维实验室环境下的应用存在推广至自然环境的局限性 | 开发半自动系统跟踪和分类清洁鱼与客户鱼之间的清洁互动行为 | 清洁鱼（Labroides dimidiatus）与粉蓝吊（Acanthurus leucosternon）在实验室三维环境中的互动行为 | 计算机视觉, 机器学习 | NA | DeepLabCut姿态估计 | 深度神经网络 | 视频 | 实验室环境下的两种鱼类 | DeepLabCut, TensorFlow | DeepLabCut | 准确率，误分类率 | NA |
| 8 | 2026-06-04 |
Artificial intelligence for predicting the pubertal growth spurt using cephalometric and hand-wrist radiographs: a systematic review and meta-analysis
2026-Jun-03, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08627-6
PMID:42231323
|
系统综述与荟萃分析 | 评估人工智能模型通过头影测量和手腕X线片识别青春生长突增期的性能，并比较不同成像模态和算法类型的诊断表现 | 首次对AI模型预测青春生长突增期的性能进行系统综述和荟萃分析，并比较了不同成像模态（头影测量vs手腕）和算法类型（深度学习vs传统机器学习）的诊断表现 | 研究间异质性较大，外部验证有限，方法学弱点降低证据的确定性和泛化性 | 评估AI模型通过头影测量和手腕X线片识别青春生长突增期的诊断准确性 | 21项2020至2025年间发表的研究，涉及年龄≤21岁的个体 | 机器学习 | NA | 头影测量X线片、手腕X线片 | 深度学习、传统机器学习、大语言模型 | 图像 | 21项研究（具体样本量未提供） | NA | NA | 准确率、敏感性、特异性 | NA |
| 9 | 2026-06-04 |
Externally Tested AI Models for Malignancy Classification of Lung Nodules at Chest CT: A Systematic Review and Meta-Analysis
2026-Jun-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.250331
PMID:42233760
|
系统综述与荟萃分析 | 对胸部CT肺结节恶性分类的外部验证AI模型进行系统综述和荟萃分析，评估其合并诊断准确性 | 首次聚焦于外部验证AI模型在肺结节恶性分类中的诊断性能，并量化模型架构对特异性的影响 | 纳入研究存在高度异质性、报告不一致和偏倚风险，限制了解释的可靠性 | 评估外部验证AI模型在胸部CT肺结节恶性分类中的合并诊断准确性 | 胸部CT上的肺结节 | 计算机视觉 | 肺癌 | CT成像 | 深度学习模型（2D/3D CNN） | 图像（CT影像） | 21项研究，共7454个结节 | NA | 2D CNN, 3D CNN | 灵敏度, 特异度, 阳性似然比, 阴性似然比, AUC, 诊断优势比 | NA |
| 10 | 2026-06-04 |
Rapid Musculoskeletal MRI in 2026: Clinical Integration of Deep Learning Reconstruction
2026-Jun-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.26.35077
PMID:42233892
|
综述 | 本文探讨2026年深度学习重建在肌肉骨骼MRI中的临床应用，实现10分钟内完成扫描 | 首次系统阐述深度学习重建与超分辨率技术结合，实现常规方法无法达到的高加速因子（4-8倍），并解决噪声放大和伪影问题 | 尚未提供大规模多中心临床试验验证结果，且对工作流程调整和硬件要求的细节讨论有限 | 评估深度学习重建技术在加速肌肉骨骼MRI中的临床整合潜力与实施策略 | 肌肉骨骼MRI扫描协议、图像重建算法及临床工作流程 | 机器学习 | 肌肉骨骼疾病 | MRI成像、深度学习图像重建 | 深度学习模型 | MRI图像 | NA | NA | 超分辨率网络 | 信噪比、图像质量、诊断性能 | NA |
| 11 | 2026-06-04 |
Agreement between three state-of-the-art deep learning bone age estimation models and chronological age in a large contemporary pediatric cohort
2026-Jun-03, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06661-8
PMID:42233988
|
research paper | 评估三种最先进深度学习骨龄模型与大样本当代儿科队列中实际年龄的一致性 | 首次在大型当代创伤儿童队列中系统比较三种最先进深度学习骨龄模型与实际年龄的偏差，并分析年龄、性别、种族和民族对偏差的影响 | 仅包含因创伤接受手部X光检查的儿童，可能不适用于其他群体；未评估模型在不同疾病状态下的表现 | 评估三种深度学习骨龄模型与实际年龄的一致性，探讨偏差来源 | 24-216个月龄儿童的手部X光片 | digital pathology | NA | radiography | 深度学习模型（CNN类） | 图像 | 7,189名儿童（3,669名女性，3,520名男性），年龄24-216个月 | NA | Stanford模型, CCHMC模型, MedImageInsight模型 | 平均偏差, 比例偏差 | NA |
| 12 | 2026-06-04 |
Correction to: Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis
2026-Jun-03, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-04056-y
PMID:42234018
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2026-06-04 |
Deep learning-based water body extraction using high-resolution RGB-UAV imagery: a case study on Horseshoe Island, Antarctica
2026-Jun-03, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15519-3
PMID:42234036
|
研究论文 | 利用高分辨率RGB无人机影像基于深度学习进行南极马蹄岛水体提取 | 首次系统比较六种最新语义分割架构在极地高分辨率RGB无人机影像水体提取中的性能，并展示了模型在不同空间分辨率下的鲁棒性 | 未提及具体局限性，但数据集仅包含287张图像，可能限制模型泛化能力 | 评估深度学习模型从高分辨率RGB无人机影像中提取南极水体能力，为极地环境监测提供可扩展方法 | 南极马蹄岛的水体区域（包括大湖区和复杂海岸带） | 计算机视觉 | NA | 无人机RGB影像 | 深度学习语义分割架构 | 图像 | 287张RGB无人机影像 | NA | U-Net++, DeepLabv3+, MA-Net, SegFormer, ConvNeXt, DINOv3 | 交并比 (IoU), 整体准确率 | NA |
| 14 | 2026-06-04 |
Deep learning for early detection of Zenker's diverticulum based on swallowing sound analysis
2026-Jun-03, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03727-8
PMID:42234064
|
研究论文 | 利用吞咽声音分析结合深度学习模型实现Zenker憩室的早期无创检测 | 首次将基于深度学习的颈部听诊方法应用于Zenker憩室识别，采用预训练音频频谱变换器（AST）进行迁移学习 | 样本量较小（23例患者和27例健康志愿者），未提及跨人群泛化验证 | 开发一种非侵入性、易获取的基于声音的筛查工具，降低诊断门槛并实现Zenker憩室早期检测 | Zenker憩室患者和健康志愿者的吞咽声音 | 机器学习 | 咽食管憩室（Zenker憩室） | 颈部听诊 | 音频频谱变换器（AST） | 声音 | 23例Zenker憩室患者和27例健康志愿者 | NA | 音频频谱变换器（AST） | 准确率，F1分数 | NA |
| 15 | 2026-06-04 |
A Hybrid Deep Learning Framework with Supervised Contrastive Learning for Robust Seizure Detection in Long-Term EEG
2026-Jun-03, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-026-02395-0
PMID:42234066
|
研究论文 | 提出了一种名为CNN-SwT的混合深度学习框架，集成卷积神经网络和Swin Transformer，用于长期脑电图中的鲁棒癫痫发作检测 | 首次将Swin Transformer与CNN结合用于癫痫发作检测，并使用监督对比学习替代传统交叉熵损失以解决数据不平衡问题 | 未提及模型计算复杂度或对实时部署的适用性限制 | 提高长期脑电图癫痫发作检测的准确性和鲁棒性，减轻临床医生手动审查脑电图的负担 | 长期脑电图中的癫痫发作事件 | 机器学习 | 癫痫 | EEG | CNN, Swin Transformer | 脑电图信号 | CHB-MIT公开数据库和SH-SDU数据库，具体样本数未提及 | PyTorch | CNN, Swin Transformer | 事件级灵敏度，假阳性率 | NA |
| 16 | 2026-06-04 |
Multiparametric MRI-Based Habitat Radiomics Combined with Deep Transfer Learning for Predicting Extrathyroidal Extension in Papillary Thyroid Carcinoma
2026-Jun-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-02011-0
PMID:42234073
|
研究论文 | 开发并验证一种结合栖息地影像组学、深度学习迁移学习及定量参数的多参数MRI模型，用于术前预测甲状腺乳头状癌的甲状腺外侵犯 | 首次将栖息地影像组学与深度学习迁移学习结合，并整合多参数MRI定量参数，构建复合列线图模型用于甲状腺外侵犯的术前预测 | 回顾性研究设计，样本量相对有限（140例），且训练与验证队列使用不同磁场强度MRI设备可能引入偏差 | 建立术前无创预测甲状腺乳头状癌甲状腺外侵犯的多参数MRI综合模型 | 140例经证实的甲状腺乳头状癌患者的病灶及临床病理数据 | 数字病理学, 机器学习 | 甲状腺癌 | 多参数MRI（T2加权成像、弥散加权成像、延迟增强成像、表观弥散系数图） | ResNet152（深度学习迁移学习），K-means聚类，LASSO逻辑回归 | 医学影像（MRI图像） | 140例患者的140个甲状腺乳头状癌病灶 | PyTorch | ResNet152 | AUC（曲线下面积），十折交叉验证，DeLong检验 | NA |
| 17 | 2026-06-04 |
A multimodal prediction framework for colorectal cancer peritoneal metastasis: CT-based tumor and adipose tissue analysis
2026-Jun-03, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05558-2
PMID:42234110
|
研究论文 | 本研究提出了一种多模态预测框架，整合CT肿瘤和脂肪组织分析，用于结直肠癌腹膜转移的术前评估 | 首次证明内脏脂肪组织放射组学特征对隐匿性腹膜转移具有显著预测价值，并开发了基于注意力的双分支深度卷积神经网络（DenseNet121-MARNet）与放射组学及临床变量融合的多模态模型 | NA | 开发一个多模态预测模型，用于结直肠癌CT隐匿性腹膜转移的术前准确评估，以改善临床决策 | 结直肠癌患者的CT影像数据、内脏脂肪组织放射组学特征及临床变量 | 计算机视觉 | 结直肠癌 | CT成像、放射组学分析 | 深度卷积神经网络（DenseNet121-MARNet）、随机森林、逻辑回归、支持向量机 | 影像数据（CT图像） | NA | NA | DenseNet121-MARNet | AUC | NA |
| 18 | 2026-06-04 |
pedQTNet: A Deep Learning Approach to Estimate Corrected QT Intervals from Multi-Lead Conventional ECG Waveforms in Pediatric Patients
2026-Jun-03, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-026-02386-1
PMID:42234295
|
研究论文 | 开发并评估pedQTNet，一种用于儿科患者QTc估计和LQTS检测的深度神经网络模型 | 首次针对儿科患者群体，使用多导联原始心电图波形通过深度学习模型估计校正QT间期，在性能和灵敏度上优于商业算法和专家判读 | 未提及具体限制，但潜在限制可能包括模型依赖特定年龄段数据集的验证 | 开发并验证一种深度学习模型，用于儿科患者QTc间期估计和长QT综合征检测，以实现可扩展的自动化心电图筛查 | 0-18岁儿科患者的心电图波形数据及LQTS检测 | 深度学习, 数字病理学 | 长QT综合征, 儿童心脏疾病 | 心电图 | 深度神经网络 | 多导联常规心电图波形 | 37992名患者，65370份心电图（2010-2020年），附加200份前瞻性心电图 | NA | 深度神经网络 | 平均绝对误差, 灵敏度, 特异度, 阳性似然比, 阴性似然比 | NA |
| 19 | 2026-06-04 |
Low-kVp techniques for radiation dose optimization in abdominopelvic contrast-enhanced CT: a scoping review
2026-Jun-03, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01063-9
PMID:42234323
|
综述 | 系统梳理低千伏技术在成人腹部盆腔增强CT中降低辐射剂量的现有证据 | 首次采用范围综述方法系统评估低kVp技术对成人腹部盆腔增强CT辐射剂量和图像质量的影响 | 研究间成像方案、重建方法和剂量指标存在较大异质性，限制了结果的可比性 | 评估低kVp技术在成人腹部盆腔增强CT中降低辐射剂量并保持诊断图像质量的效果 | 年龄≥18岁的接受腹部盆腔增强CT检查的成人患者 | 医学影像 | NA | 低管电压技术, 深度学习和混合迭代重建 | NA | NA | 13项研究，样本量范围为30-907例患者 | NA | NA | 辐射剂量降低百分比, 图像噪声, 诊断置信度 | NA |
| 20 | 2026-06-04 |
NphosNet: Predicting Protein N-Phosphorylation Sites via xLSTM and Enhanced PLM Features with a Weighted Three-Channel Cross-Attention Mechanism
2026-Jun-03, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-026-00849-0
PMID:42234352
|
研究论文 | 提出NphosNet框架，利用xLSTM和增强的PLM特征及加权三通道交叉注意力机制预测蛋白质N-磷酸化位点 | 构建了类别不平衡的N-磷酸化数据集并采用混合嵌入策略结合ProtT5和EMBER2预训练模型提取深层语义信息，引入包含Transformer模块、优化xLSTM块、CNN组件及空间注意力增强ResNet单元的三分支架构，并设计加权三通道交叉注意力机制进行特征融合 | 未明确说明局限性 | 开发用于预测蛋白质N-磷酸化位点的计算工具以阐明其在细胞过程和疾病发病机制中的作用 | 蛋白质N-磷酸化位点 | 机器学习 | NA | 深度学习 | xLSTM, Transformer, CNN, ResNet | 蛋白质序列数据 | pH-913、pK-2060和pR-1700三个子集 | PyTorch | Transformer, xLSTM, CNN, ResNet | AUC | NA |