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 624 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2026-08-15 |
Bidirectional cross-modal attention with adaptive gating for multimodal alzheimer's disease classification
2026-Aug-13, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae995e
PMID:42594919
|
研究论文 | 提出一种融合结构磁共振成像与临床特征的双向跨模态注意力与自适应门控的多模态深度学习框架，用于阿尔茨海默病分类。 | 引入双向跨模态注意力机制增强影像与临床模态间的关联，并提出自适应门控融合模块动态整合全局多模态特征与跨模态交互特征。 | 未提及明显局限性，但可能受限于数据集的规模和多样性。 | 解决单模态方法局限性和现有多模态融合方法中对复杂跨模态交互建模不足的问题，实现阿尔茨海默病的早期诊断和分类。 | 阿尔茨海默病、轻度认知障碍、正常认知个体，包括早期和晚期轻度认知障碍。 | 数字病理学、机器学习 | 阿尔茨海默病 | 结构磁共振成像（sMRI） | 3D ResNet-34、多层感知器（MLP） | 图像（sMRI）、临床特征数据 | 未在标题和摘要中明确说明样本数量 | 未在标题和摘要中明确提及 | 3D ResNet-34、多层感知器（MLP）、双向跨模态注意力机制、自适应门控融合模块 | 准确率（均值±标准差） | 未在标题和摘要中明确提及 |
| 382 | 2026-08-15 |
Explainable dual-task deep learning model for recurrence prediction and dose-sensitive region identification in HNC radiotherapy
2026-Aug-13, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.07.060
PMID:42595266
|
研究论文 | 开发并验证了一种可解释的双任务深度学习模型，用于头颈癌放疗后远处转移和局部区域复发的风险分层。 | 结合解剖和剂量学信息，采用3D压缩激励残差网络进行双任务预测，并引入新型激活体积直方图方法量化空间-剂量亚区域的注意力模式以增强可解释性。 | 需要进一步的多中心验证以确认其临床适用性。 | 预测头颈癌患者放疗后的远处转移和局部区域复发风险，以支持个体化治疗计划。 | 237名接受根治性放疗的头颈癌患者。 | 深度学习 | 头颈癌 | CT成像 | 3D挤压激励残差网络 | CT图像、3D剂量分布、肿瘤体积掩膜 | 237名头颈癌患者 | NA | 挤压激励残差网络 | 一致性指数（C-index）、时间依赖ROC、决策曲线分析 | NA |
| 383 | 2026-08-15 |
Evaluation of an AI-powered tool in improving lesion visualization on standard-dose contrast-enhanced brain MRI: a retrospective, multicenter study
2026-Aug-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9591
PMID:42595464
|
研究论文 | 本研究评估了一种基于深度学习的后处理工具（AiMIFY）在标准剂量对比增强脑MRI中增强对比度和改善病灶可视化的性能，通过回顾性多中心研究验证其效果。 | 首次评估AI工具用于增强标准剂量对比图像以模拟高剂量效果，而非从低剂量合成标准剂量，并关注小病灶的改善。 | 研究中未提及明确的限制，但根据摘要，可能包括回顾性设计、样本量较小（86例）以及单一工具（AiMIFY）的评估。 | 评估深度学习后处理工具（AiMIFY）在标准剂量对比增强脑MRI中增强对比度、改善病灶可视化的性能，并探讨其作为辅助手段提高诊断信心的潜力。 | 86名接受标准剂量对比增强脑MRI的成人患者，包括脑部病灶（特别是小病灶<10mm）。 | 医学影像分析 | 脑部疾病（未指定具体类型，如肿瘤等） | MRI（标准剂量对比增强，三维T1加权成像） | 深度学习模型（未指定具体类型） | MRI图像（三维T1加权像） | 86例患者的MRI图像 | NA | NA（基于深度学习的工具，未指定具体架构） | 对比噪声比（CNR）、病灶-脑比率（LBR）、对比增强百分比（CEP）、主观图像质量评分（Likert量表） | NA |
| 384 | 2026-08-15 |
Can Multiomics Modeling Enable Accurate Prediction of Microsatellite Instability in Colorectal Cancer?
2026-Aug-13, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.07.069
PMID:42595634
|
研究论文 | 本研究探讨了一种整合CT影像组学和病理组学的多模态深度学习模型，用于预测结直肠癌的微卫星不稳定状态 | 首次将CT影像组学、病理组学和临床变量整合到一个多组学诺模图中，实现了对结直肠癌MSI状态的超高精度预测，并利用了多中心数据验证 | 未提供明确的局限性信息 | 开发并验证一种非侵入性工具，通过整合多模态数据来准确预测结直肠癌的MSI状态 | 509例经病理确诊的结直肠癌患者 | 数字病理学 | 结直肠癌 | CT成像、组织病理学 | 深度学习模型（ResNet-101） | CT图像和H&E染色病理图像 | 509例患者（中心1：379例，中心2：130例） | 未指定 | ResNet-101 | AUC | 未指定 |
| 385 | 2026-08-15 |
18F-Fluorodeoxyglucose-positron emission tomography/computed tomography in Lymphoma
2026-Aug-13, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2026.06.020
PMID:42595627
|
综述 | 本文综述了18F-FDG PET/CT在淋巴瘤分期、反应评估和预后判断中的核心作用，并探讨了定量指标及新兴技术的应用 | 总结了总代谢肿瘤体积作为独立预后生物标志物的价值，以及PET影像组学和深度学习在淋巴瘤精准诊疗中的潜力 | 未提及具体限制，但指出PET影像组学和深度学习应用需要标准化 | 阐述FDG-PET/CT在淋巴瘤管理中的当前角色和未来发展方向 | 淋巴瘤患者，包括霍奇金淋巴瘤和弥漫大B细胞淋巴瘤等亚型 | 医学影像 | 淋巴瘤 | FDG-PET/CT | NA | 影像 | NA | NA | NA | NA | NA |
| 386 | 2026-08-15 |
Exploring the Polyethylene Glycol-Modified Drug Patent Landscape by Deep Learning
2026-Aug-13, Therapeutic innovation & regulatory science
IF:2.0Q3
DOI:10.1007/s43441-026-01032-9
PMID:42595948
|
研究论文 | 本研究利用深度学习方法分析聚乙烯 glycol修饰药物的专利格局，包括现状分析、技术流动和价值评估。 | 整合了描述性统计、社会网络分析、机器学习和深度学习方法，构建了一个全面的分析框架，用于专利转移预测和早期专利质量评估。 | 未明确提及，但可能包括对专利文本分析的局限性或模型性能的泛化性。 | 构建一个综合分析框架，以全面表征PEG修饰药物的专利格局，包括现状、技术趋势和价值评估。 | 2014年至2023年全球99,540项PEG相关专利。 | 自然语言处理，机器学习 | NA | NA | XGBoost, RoBERTa-BiLSTM-MLP | 专利文本数据 | 99,540项专利 | NA | XGBoost, RoBERTa, BiLSTM, MLP | 准确率, F1分数, ROC-AUC | NA |
| 387 | 2026-08-15 |
Edge Preserved U-Net for chromosome edge detection
2026-Aug-11, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为边缘保持U-Net（EPU-Net）的深度学习架构，用于染色体边缘检测和分割 | 引入了边缘保持跳跃层（EPSL）和带扩张卷积的边缘保持块（EPB），结合引导滤波和Sobel边缘检测器以保留边界细节 | 未提及局限 | 实现准确的染色体边界检测，以支持后续分类和排列 | 染色体图像 | 计算机视觉 | 不适用 | 深度学习 | 卷积神经网络（CNN） | 图像 | 自定义设计的数据集（具体样本数量未提及） | 未提及 | U-Net | 分割准确率、IoU分数、召回率、特异性、结构相似性指数 | 未提及 |
| 388 | 2026-08-15 |
Review of Research Advances in Full-Spectrum Fiber Optic Sensing Technologies for CO2 Geological Storage
2026-Aug-11, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.6c05398
PMID:42598321
|
综述 | 系统综述了全光谱光纤传感技术在CO2地质封存监测中的原理、性能及场景适应框架 | 首次对从点式、准分布式到全分布式全光谱光纤传感技术进行系统分类，并建立技术-场景适配框架，整合机器学习和深度学习进展 | 未提及具体实验验证或定量比较，主要基于文献分析 | 为CCUS项目监测方案设计提供理论支持，促进光纤传感技术在碳封存安全监测中的大规模应用 | 全光谱光纤传感技术（分布式温度、声波、应变传感）在CO2地质封存监测中的应用 | 光纤传感、机器学习、深度学习 | NA | 分布式光纤传感（DTS、DAS、DSS） | NA | 文献数据 | NA | NA | NA | NA | NA |
| 389 | 2026-08-15 |
Deep learning for multimodal brain tumor segmentation: Architectures, fusion, robust learning, and deployment perspectives
2026-Aug-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文系统综述了深度学习在多模态脑肿瘤分割中的应用，重点关注架构、融合、鲁棒学习和部署视角 | 从部署导向和故障聚焦的角度，引入一个统一框架，将输入可靠性、融合架构协同设计、亚区域特定故障机制和不确定性感知临床分诊联系起来 | 现有基准测试性能可能无法保证临床可靠性，存在模态缺失或退化、跨中心偏移和亚区域特定故障等问题，且缺乏压力测试、中心分层评估、校准评估和计算透明度 | 批判性审查深度学习在多模态脑肿瘤分割中的方法，并提出以部署和可靠性为导向的评估标准 | 多模态MRI脑肿瘤分割中的深度学习模型，包括卷积神经网络、Transformer、状态空间模型、扩散方法和基础模型 | 计算机视觉、机器学习、数字病理学 | 脑肿瘤 | 磁共振成像 | 卷积神经网络、Transformer、状态空间模型、扩散模型、基础模型 | 多模态MRI图像 | 不适用 | 不适用 | 不适用 | 准确率、边界指标（如Dice系数） | 不适用 |
| 390 | 2026-08-15 |
Exploring conformational dynamics of the HER2 DFG-flip using machine-learning-guided metadynamics for type II inhibitor design
2026-Aug-09, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 该文章利用机器学习引导的元动力学模拟探索HER2激酶DFG翻转的构象动态，为II型抑制剂设计提供结构基础。 | 采用深度定向判别分析（DeepTDA）构建深度学习集体变量，结合元动力学实现高效采样DFG翻转通路，并识别出替代的DFG-in构象和DFG-up中间体。 | 依赖计算模型，缺乏实验解析的HER2 DFG-out结构验证，且模拟结果基于特定力场和采样时间限制。 | 表征HER2激酶DFG-in到DFG-out转变的构象景观，并评估DFG-out结构用于II型抑制剂设计的可靠性。 | 人类表皮生长因子受体2（HER2）激酶的构象动态。 | 机器学习 | 癌症 | 分子动力学模拟，元动力学，深度学习，共价对接 | 深度学习，元动力学 | 分子动力学模拟数据，蛋白质结构 | 未提及具体样本量，涉及HER2激酶分子模拟轨迹。 | NA | 深度定向判别分析（DeepTDA） | 自由能差，预测/实验结合亲和力比较 | NA |
| 391 | 2026-08-15 |
Artificial Intelligence-Guided Precision Orthobiologics in Musculoskeletal Conditions
2026-Aug, Journal of orthopaedic case reports
DOI:10.13107/jocr.2026.v16.i08.7958
PMID:42597887
|
综述 | 本文综述了人工智能在肌肉骨骼疾病精准骨科生物制品中的应用，探讨其作为精准医学架构的潜力与挑战 | 将人工智能视为精准骨科生物制品的赋能者，涵盖监督学习、无监督聚类、深度学习、自然语言处理和隐私保护学习等多方面应用 | 证据尚早，多为回顾性研究，易受偏见、数据漂移、外部验证不足和监管分类不明确的影响 | 评估人工智能在骨科生物制品精准医学中的应用现状和未来方向 | 骨科生物制品（如自体外周血、骨髓、脂肪组织来源生物制品，间充质干细胞，细胞外囊泡）在肌肉骨骼疾病中的应用 | 机器学习 | 骨关节炎、肌腱病、软骨损伤、肌肉骨骼愈合延迟 | NA | 监督模型、无监督聚类、深度学习、自然语言处理、隐私保护学习 | 文本、图像 | NA | NA | NA | NA | NA |
| 392 | 2026-08-14 |
AI-Driven Discovery of a Hydrophobic-Tag Degrader Targeting NSD3 for Lung Squamous Carcinoma Therapy
2026-Aug-13, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00983
PMID:42503659
|
研究论文 | 本文报道了通过AI驱动发现的一种靶向NSD3的疏水标签降解剂XSY12，用于肺鳞状细胞癌治疗 | 利用3D指纹平台TF3P和深度学习分子生成进行AI引导的配体发现，并转化为功能性降解剂 | 未在摘要中明确说明 | 开发靶向NSD3的降解剂，用于肺鳞状细胞癌治疗 | NSD3蛋白及其PWWP结构域 | 机器学习 | 肺鳞状细胞癌 | 3D指纹平台、深度学习分子生成 | NA | 分子结构数据 | NA | NA | 深度学习模型（用于分子生成） | DC50、Dmax、KD | NA |
| 393 | 2026-08-14 |
Nanopore sequencing with proteins: synchronization and dischronization of molecular dynamics simulations with laboratory and industrial developments
2026-Aug-12, Soft matter
IF:2.9Q2
DOI:10.1039/d6sm00125d
PMID:42389912
|
综述 | 本文综述了三种关键蛋白纳米孔（α-溶血素、MspA和CsgG）在DNA测序中的实验发展，并讨论了分子动力学模拟在理解DNA-孔相互作用和指导设计中的作用，同时指出模拟滞后于实验和工业进展的问题 | 提出了利用深度学习结构预测、蛋白质设计和先进多尺度模拟来弥合模拟与实验工业发展差距的前瞻性策略，倡导从反应式转向主动式开发 | 未提供具体的模拟或实验数据，仅基于文献综述指出了当前研究的空白和未来方向 | 分析蛋白纳米孔测序技术的发展历程及分子动力学模拟的现状，并提出促进下一代纳米孔技术集成发展的建议 | 蛋白纳米孔（α-溶血素、MspA、CsgG）及其与DNA的相互作用 | 分子动力学模拟 | NA | 纳米孔测序、分子动力学模拟 | NA | 文献资料、模拟数据 | NA | NA | NA | NA | NA |
| 394 | 2026-08-14 |
Research hotspots, knowledge structure, and emerging trends in healthcare robotics for older adults: a bibliometric analysis (2015-2026)
2026-Aug-12, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-026-03829-0
PMID:42581251
|
综述 | 对老年人医疗保健机器人技术领域进行文献计量分析与可视化，揭示其研究格局、热点、主题演化及未来趋势 | 首次对老年人医疗保健机器人技术领域进行全面文献计量分析，结合多数据库（Web of Science和PubMed）验证结果，并识别出新兴前沿主题 | 仅基于Web of Science核心合集和PubMed数据库进行检索，可能遗漏部分相关文献；文献筛选时间范围有限，且未包含非英语文献 | 通过文献计量分析揭示老年人医疗保健机器人技术领域的研究格局、热点、知识结构、主题演化及未来发展趋势 | 老年人医疗保健机器人技术领域的出版物、作者、机构、国家、期刊和关键词 | 文献计量分析 | 老年人相关疾病 | NA | NA | 文献数据 | 2015年至2026年7月间的Web of Science核心合集和PubMed数据库中的相关文献 | R Bibliometrix, VOSviewer, CiteSpace | NA | 出版趋势、引文分析、合作网络、关键词共现、主题聚类和异常检测 | NA |
| 395 | 2026-08-14 |
Multimodal deep learning with a joint uncertainty quantification scheme for drug-target interaction prediction
2026-Aug-12, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-026-11692-2
PMID:42584520
|
研究论文 | 提出了一种基于证据引导的不确定性量化的多模态深度学习框架EUQTri-DTI，用于药物-靶点相互作用预测 | 引入了联合不确定性量化方案，结合证据不确定性和预测熵，以及双向交叉注意力机制，用于整合多模态数据 | 未提及明确的局限性 | 提高药物-靶点相互作用预测的可靠性和准确性，并实现样本级的不确定性评估 | 药物-靶点相互作用预测 | 深度学习, 药物发现 | 不适用 | 多模态深度学习 | 多模态神经网络 | 蛋白质序列, 药物分子图像, 药物3D结构 | 三个基准数据集（DrugBank, KIBA, Davis） | 未提及 | 双向交叉注意力机制 | ROC-AUC, PR-AUC | 未提及 |
| 396 | 2026-08-14 |
Deep learning-assisted virtual screening of a large chemical library for selective GSK3β inhibitors
2026-Aug-12, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-026-11697-x
PMID:42584522
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 397 | 2026-08-14 |
Foundation models for low-data drug discovery: mining heterogeneous public and proprietary data in neglected indications
2026-Aug-07, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2712551
PMID:42565550
|
综述 | 本文综述了基础模型在低数据药物发现中的应用，特别是在被忽视疾病中的潜力与挑战 | 强调整合异构公共和专有数据以解决数据稀缺问题，并聚焦于被忽视疾病这一未被充分研究的领域 | 依赖文献综述，缺乏实证验证，且讨论的技术创新有限 | 探讨基础模型如何克服药物发现中的数据稀缺限制，促进对被忽视疾病的公平和高效治疗开发 | 被忽视疾病相关的药物发现数据集，包括公共和专有数据 | 机器学习 | 被忽视疾病 | NA | 基础模型 | 文献数据 | NA | NA | NA | NA | NA |
| 398 | 2026-08-14 |
Deep Learning-Based Detection of Simulated Root Resorption in Scenarios Involving Image-Degrading Artifacts: An in Vitro Study
2026-Aug-06, Dental traumatology : official publication of International Association for Dental Traumatology
IF:2.3Q2
DOI:10.1111/edt.70105
PMID:42559986
|
研究论文 | 本研究开发了一种基于深度学习的卷积神经网络模型，用于检测根尖周X光片和锥形束CT图像中的外部牙根吸收，尤其是在存在图像退化伪影的情况下 | 首次将深度学习应用于模拟外部牙根吸收的检测，并系统评估了不同图像采集和处理协议（如伪影减少算法和三维重建）对模型性能的影响 | 研究基于体外模拟样本，可能无法完全代表临床实际情况，且样本类型为牛切牙 | 评估深度学习CNN模型在存在图像退化伪影时检测外部牙根吸收的诊断性能 | 480颗牛切牙，根据是否进行根管治疗和是否存在外部牙根吸收分为四组 | 计算机视觉, 数字病理学 | 牙科疾病（外部牙根吸收） | 根尖周X线摄影, 锥形束CT, 布卢明伪影减少算法 | 卷积神经网络（CNN） | 图像（根尖周X光片和CBCT扫描） | 480颗牛切牙 | NA | AlexNet | 准确率, 精确率, 召回率, F1分数 | NA |
| 399 | 2026-08-14 |
Artificial intelligence empowers full-stack histopathological diagnosis and prognosis of renal cell tumor: a multi-center study with external validation
2026-Aug-04, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-05110-5
PMID:42547870
|
research paper | 本研究开发并验证了一个全面的AI框架，用于肾细胞肿瘤的全栈病理诊断和预后预测，包括组织区域检测、亚型分类、核分级和生存预测。 | 创新性地结合了基础模型Prov-GigaPath和全监督与弱监督多实例学习，构建了首个整合组织区域检测、肿瘤亚型分类、核分级和生存预测的全栈式AI框架，并在多中心外部验证中表现出高性能。 | 需要前瞻性工作流研究来评估其临床实用性和对病理学家表现的影响。 | 开发并验证一个可靠的深度学习模型，用于肾细胞肿瘤的全面诊断和预后预测。 | 肾细胞肿瘤患者，包括各病理亚型（如透明细胞肾细胞癌、乳头状肾细胞癌等）。 | 数字病理学、深度学习 | 肾细胞肿瘤 | 数字病理、全切片成像（WSI） | 深度学习模型，结合全监督学习和弱监督多实例学习 | 全切片图像（WSI） | 7033例患者的11135张全切片图像，来源包括四个医疗中心和两个公共队列 | NA | Prov-GigaPath基础模型 | AUC | NA |
| 400 | 2026-08-14 |
abCRISPR: deep learning-based design of abasic gRNA sequences for specific CRISPR-Cas9 genome editing
2026-Aug-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag568
PMID:42525385
|
研究论文 | 提出了abCRISPR，一种基于深度学习的框架，用于设计碱基缺失的gRNA序列，以减少CRISPR-Cas9基因组编辑的脱靶活性 | 利用信息丰富的少样本训练和配对数据集，结合高保真随机错配靶标库，实现对碱基缺失和未修饰gRNA脱靶活性的高精度预测，并优于现有深度学习方法 | 文中未明确提及局限性，但脱靶预测依赖于体外实验数据，可能不完全反映体内情况 | 开发一种深度神经网络框架，用于合理设计碱基缺失的gRNA序列，以最小化脱靶活性，实现安全和精确的CRISPR-Cas9基因组编辑 | 碱基缺失的gRNA和未修饰的gRNA序列，以及它们在CRISPR-Cas9基因组编辑中的脱靶活性 | 深度学习 | NA | CRISPR-Cas9体外切割实验 | 深度神经网络（DNN） | 序列数据 | 97583个错配脱靶底物的序列数据 | NA | NA | 相关系数（r），AUC，交叉验证 | NA |