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 1154 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2026-06-05 |
Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies
2026-Jun, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2674968
PMID:42154787
|
综述 | 总结人工智能在抗菌药物发现中的预测和生成策略研究进展与挑战 | 系统整合了人工智能驱动的预测和生成策略，覆盖小分子、肽类、噬菌体和蛋白质药物等多种药物类别，并提出“自主发现”范式 | 存在数据偏差、缺乏标准化基准框架和临床转化缺口等问题 | 综述人工智能在抗菌药物发现中的应用进展与挑战 | 针对细菌、真菌和病毒感染的抗菌药物（小分子、肽类、噬菌体、蛋白质药物） | 机器学习, 自然语言处理 | 微生物感染 | NA | 机器学习, 深度学习, 自然语言处理 | 文本 | NA | NA | NA | NA | NA |
| 902 | 2026-06-05 |
Deep learning the TF regulatory code for gene expression
2026-Jun-01, Genome research
IF:6.2Q1
DOI:10.1101/gr.281425.125
PMID:42140663
|
研究论文 | 提出深度学习模型DeepTF，从转录因子序列预测基因表达，揭示转录因子调控代码 | 首次系统研究转录因子调控代码，提出DeepTF模型从转录因子序列预测基因表达，并捕获转录因子调控语法 | 仅分析了13种转录因子的结合谱，未涵盖所有重要转录因子；跨细胞系验证AUROC>0.90表明迁移性良好但仍有提升空间 | 探索转录因子调控代码并建立基因表达预测模型 | 转录因子结合谱与基因表达关联 | 机器学习 | NA | 转录因子结合谱分析 | 深度学习模型 | 转录因子结合序列 | 13种转录因子的结合谱数据 | NA | DeepTF | AUROC | NA |
| 903 | 2026-06-05 |
Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography
2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society
IF:5.0Q1
DOI:10.1111/den.70171
PMID:42227807
|
综述 | 该文章综述了人工智能在基于超声内镜的胰腺疾病诊断中的应用 | 系统回顾了超声内镜人工智能在胰腺疾病诊断中的最新研究，包括深度学习架构和多模态模型的应用 | 研究数据多为单中心、样本量有限、病例标注不一致、诊断标准多样，且仅少数研究进行了充分的外部验证 | 评估基于超声内镜的人工智能在胰腺疾病诊断中的现状、挑战和未来方向 | 胰腺疾病（包括胰腺肿瘤、囊性病变、实质及部位识别） | 计算机视觉 | 胰腺疾病 | 超声内镜 | 深度学习 | 图像 | 共22项研究（1项检测、17项分类、4项囊性病变、4项实质或部位识别） | NA | ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络 | 准确率（0.84-0.94） | NA |
| 904 | 2026-06-05 |
uBrainSurf: Unified Curvature-Aware Deformation Framework for Lifespan Brain Cortical Surface Reconstruction
2026-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3672432
PMID:41805509
|
研究论文 | 提出了一种统一的曲率感知变形框架uBrainSurf，用于全生命周期大脑皮层表面重建 | 引入辅助曲率预测分支提供解剖先验，以及曲率驱动的损失函数确保重建表面直接适用于下游分析 | NA | 实现跨全生命周期的大脑皮层表面精确且自动化的重建 | 大脑皮层表面的白质和软膜表面重建 | 计算机视觉 | 神经疾病 | NA | NA | MRI图像 | 2132名受试者，年龄范围0-100岁 | PyTorch | NA | NA | NA |
| 905 | 2026-06-05 |
Flexible Pressure Sensor With Multi-Stage Microdome Structure Enabling Ultra-Wide Linear Range and High Sensitivity for Wearable Applications
2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.74927
PMID:41858275
|
研究论文 | 提出基于MXene的多级微穹顶结构柔性压阻传感器，实现超高线性范围和灵敏度，用于可穿戴应用 | 多级微穹顶结构通过分级压缩和逐步接触特性，同时实现高灵敏度和宽压力检测范围，突破传统传感器性能权衡限制 | 具体限制未在摘要中明确说明 | 解决柔性压阻传感器在高灵敏度和宽压力检测范围之间的权衡问题 | MXene基柔性压阻传感器与深度学习算法结合的可穿戴系统 | 可穿戴传感 | NA | MXene材料制备 | 深度学习算法（用于模式识别） | 压力信号 | 手掌和脚掌形状的传感器阵列（具体样本数未提及） | NA | NA | 灵敏度 (11.57 kPa⁻¹)、检测范围（高达2500 kPa）、识别准确率（超过95%） | NA |
| 906 | 2026-06-05 |
BigOrthoATD.Net: A scalable and adaptable distributed deep learning framework for multi-class orthopedic classification across imaging modalities in low-resourced settings
2026-Jun-01, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109190
PMID:42235476
|
研究论文 | 提出一个统一、无服务器且去中心化的深度学习框架BigOrthoATD.Net，用于多模态骨科图像分类，在资源受限环境下具有可扩展性和适应性 | 同时解决了多模态数据处理、新任务适应、分布式数据集管理及有限计算资源限制的问题，实现隐私保护的知识融合和多模态整合，支持渐进式扩展和持续学习而无需重新训练或性能下降 | 未明确说明局限性，但可能包括框架在真实临床环境中的部署复杂性或对其他模态图像的泛化能力 | 开发一个可扩展、适配性强的去中心化深度学习框架，用于低资源环境下多模态骨科图像的多类分类 | 骨科图像分类任务中的X光和CT影像数据 | 计算机视觉, 机器学习 | 骨科疾病 | NA | 深度学习框架 | 图像 | 13个模拟去中心化节点，覆盖50个骨科类别 | 无服务器、去中心化学习框架 | BigOrthoATD.Net | 准确率 | 低资源环境（未指定具体GPU类型或云平台） |
| 907 | 2026-06-05 |
Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review
2026-Jun, European journal of neurology
IF:4.5Q1
DOI:10.1111/ene.70661
PMID:42237746
|
综述 | 系统回顾了机器学习在中枢性嗜睡障碍诊断与鉴别诊断中的应用 | 首次系统性地评估了机器学习在区分中枢性嗜睡障碍亚型中的表现，揭示了无监督学习在发现异质性表型和诊断标签局限性方面的潜力 | 大部分研究因使用刚性诊断标签而限制了临床相关性；深度学习存在黑箱性质且数据需求高；对非发作性睡病1型亚型的泛化能力有限 | 系统评估当前机器学习在中枢性嗜睡障碍诊断和鉴别诊断中的应用、局限性并指出未来方向 | 成人中枢性嗜睡障碍患者 | 机器学习 | 中枢性嗜睡障碍（包括发作性睡病1型及其他亚型） | 神经影像学（fMRI, PET）、睡眠评估（MSLT, 多导睡眠图）、标准化问卷 | 监督学习、无监督学习、深度学习 | 脑影像数据、睡眠多导图数据、人口统计学数据、问卷数据 | 41项研究（37篇同行评审文章和4篇预印本） | NA | NA | 准确率 | NA |
| 908 | 2026-06-05 |
Handheld hyperspectral imaging dataset of annual sowthistle and little mallow under abiotic stress for machine learning
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112858
PMID:42239812
|
研究论文 | 提供两种杂草（一年生苦苣菜和小锦葵）在不同非生物胁迫下的手持高光谱成像数据集，用于支持机器学习模型开发 | 首次构建针对两种特定杂草（一年生苦苣菜和小锦葵）在五种非生物胁迫条件下的高光谱成像公开数据集，包含原始与预处理数据，可促进精准杂草管理的深度学习模型开发 | NA | 通过高光谱成像数据支持机器学习模型开发，实现精准杂草管理中的胁迫分类 | 一年生苦苣菜和小锦葵植物在五种生长条件（标准、干旱、过度浇水、过量施肥、无施肥）下的高光谱特征 | 机器学习 | NA | 高光谱成像（HSI，400-1000 nm） | NA | 高光谱图像数据立方体 | NA | MATLAB, Wolfram语言 | NA | NA | NA |
| 909 | 2026-06-05 |
A multi-stage, pixel-level annotated apple dataset for precision agriculture research
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112856
PMID:42239800
|
研究论文 | 提出了一个包含1406张RGB图像、覆盖苹果三个生长期（未成熟、半成熟、成熟）的多阶段像素级标注数据集，用于精准农业研究 | 提供了像素级实例分割掩码的标准化标注，覆盖从绿色到红色的过渡成熟阶段，填补了该领域训练数据的空白 | 未提及 | 支持水果检测、分割和生长期分类，推动精准农业中计算机视觉模型的开发 | 苹果果实 | 计算机视觉 | NA | RGB图像采集 | NA | 图像 | 1406张RGB图像，2574个标注的苹果实例 | NA | NA | NA | NA |
| 910 | 2026-06-05 |
Frequency difference multi-branch multi-task learning for underwater source localization in mismatched environments
2026-Jun-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0043948
PMID:42240626
|
研究论文 | 提出一种基于频差的多分支多任务学习方法，用于解决水下声源定位中模型不匹配问题 | 结合频差处理和多分支特征融合，降低阵列倾斜和声速剖面不匹配的影响，提高定位精度 | 训练数据仅基于非倾斜阵列和平均声速剖面的模拟数据，在极端不匹配环境下的泛化能力可能有限 | 研究水下声源在模型不匹配环境下的距离和深度估计方法 | 水下声源定位问题中的阵列倾斜和声速剖面不匹配现象 | 机器学习 | NA | 频差处理 | 多分支多任务学习网络 | 模拟数据与实验数据 | NA | NA | 多分支多任务网络 | 定位准确率 | NA |
| 911 | 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 |
| 912 | 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 |
| 913 | 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 |
| 914 | 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 |
| 915 | 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 |
| 916 | 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 |
| 917 | 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 |
| 918 | 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 |
| 919 | 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 |
| 920 | 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 |