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 48922 篇文献，本页显示第 2101 - 2120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2101 | 2026-08-15 |
AI-enabled precision evaluation of adrenal masses: radiomics, deep learning, and explainable imaging biomarkers
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1900157
PMID:42597265
|
综述 | 本文总结了放射组学和深度学习技术在肾上腺肿块评估中的最新进展，包括鉴别诊断、基因型预测和预后评估。 | 系统性地总结了放射组学和深度学习在肾上腺肿块评估中的应用，特别是CNN在自动分割和端到端诊断框架中的优势，并强调了可解释性影像生物标志物的重要性。 | 当前面临技术限制、临床转化障碍和未来研究方向等挑战。 | 为构建智能、精准的肾上腺肿块评估系统提供理论基础。 | 肾上腺肿块，包括嗜铬细胞瘤/副神经节瘤、肾上腺皮质腺瘤和肾上腺皮质癌。 | 医学影像分析 | 肾上腺肿瘤 | 放射组学、深度学习 | 卷积神经网络（CNN） | 医学影像数据 | 不适用 | 不适用 | 卷积神经网络（CNN） | 不适用 | 不适用 |
| 2102 | 2026-08-15 |
MAML-residual transformer for few-shot prediction of targeted therapy response in NSCLC
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1866438
PMID:42597321
|
研究论文 | 提出了一种结合模型无关元学习与残差变换器的MAML_RT框架，用于非小细胞肺癌靶向治疗反应的少样本预测。 | 整合模型无关元学习与残差变换器，利用多任务元训练学习高泛化参数初始化，并采用多头自注意力机制建模影像组学特征的全局相关性。 | 摘要中未明确提及局限性，可能受限于少样本场景和特定数据集，但具体未说明。 | 在有限标注样本条件下，开发准确且可泛化的NSCLC靶向治疗反应预测模型。 | 非小细胞肺癌（NSCLC）患者的影像组学特征及靶向治疗反应。 | 机器学习 | 非小细胞肺癌 | NA | 模型无关元学习（MAML）与残差变换器集成模型 | 影像组学特征数据（图像） | 300名患者（内部验证），50名患者（极小样本场景），独立外部验证队列（数量未明确） | NA | 残差变换器（Residual Transformer） | 准确率、AUC | NA |
| 2103 | 2026-08-15 |
Profile analysis of college students' AI literacy and cognitive flexibility and its correlation with deep learning ability
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1921158
PMID:42597395
|
研究论文 | 本研究通过潜在剖面分析将大学生分为不同亚组，并探讨AI素养与认知灵活性与深度学习能力的关系 | 首次结合AI素养和认知灵活性对大学生进行潜在剖面分析，并探讨其与深度学习能力的关联 | 采用横断面设计，无法推断因果关系；样本仅来自中国两所大学，代表性有限 | 将大学生按AI素养和认知灵活性水平分为不同亚组，分析亚组影响因素，并比较不同亚组的深度学习表现 | 中国内地两所大学的591名大学生 | 机器学习 | NA | 问卷调查研究 | 潜在剖面分析（LPA）、多元逻辑回归、BCH方法 | 问卷数据 | 591名大学生 | NA | NA | 深度学习得分 | NA |
| 2104 | 2026-08-15 |
A comparative analysis of pretrained Wav2Vec XLSR-53 and Whisper-Small models for automatic speech recognition in the Telugu language
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1878977
PMID:42597437
|
研究论文 | 本研究开发了针对泰卢固语的自动语音识别系统，比较了预训练的Wav2Vec XLSR-53和Whisper-Small模型在有限数据下的性能。 | 利用预训练模型在低资源语言场景下进行微调，解决了数据可用性有限的挑战，并在不同数据集上展示了满意结果。 | 研究仅使用了约20小时的语音数据，可能限制了模型的泛化能力，且未探索更大规模数据或更多模型变体。 | 评估预训练模型Wav2Vec XLSR-53和Whisper-Small在泰卢固语ASR系统中的有效性，以应对数据稀缺问题。 | 泰卢固语的语音数据，包含17,421个句子，来自OpenSLR、Common Voice、IndicVoices和IndicTTS四个公共数据集。 | 语音识别 | 不适用 | 预训练模型微调 | Wav2Vec XLSR-53, Whisper-Small | 音频数据 | 约20小时语音数据，包含17,421个句子 | 不适用 | Wav2Vec XLSR-53, Whisper-Small | 词错误率 (WER), 字符错误率 (CER) | 不适用 |
| 2105 | 2026-08-15 |
Machine learning and deep learning for diagnosis of Polyendocrine Metabolic Ovarian Syndrome: systematic review and meta-analysis
2026, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2026.1889375
PMID:42597477
|
系统评价与荟萃分析 | 本文通过系统评价和荟萃分析，评估了机器学习和深度学习模型在诊断多内分泌代谢性卵巢综合征（PMOS）中的诊断准确性，并识别了影响性能的因素 | 首次对ML/DL模型在PMOS诊断中的准确性进行定量综合，并使用HSROC曲线和元回归分析探索异质性来源，发现超声图像模型精度最高 | 纳入研究存在大量异质性，32项研究未报告诊断标准，仅4项进行外部验证，且存在小研究效应 | 评估ML/DL模型在PMOS诊断中的准确性，并确定影响模型性能的关键因素 | 多内分泌代谢性卵巢综合征（PMOS）患者 | 机器学习 | 多内分泌代谢性卵巢综合征 | NA | 机器学习模型、深度学习模型 | 临床参数、超声图像 | 56项研究、60个数据集 | NA | NA | 敏感度、特异度、HSROC曲线下面积、预测区间 | NA |
| 2106 | 2026-08-15 |
Recent advances, comparative performance, and data requirements of artificial intelligence-assisted technologies for the diagnosis of gastric cancer
2026, Frontiers in gastroenterology (Lausanne, Switzerland)
DOI:10.3389/fgstr.2026.1878353
PMID:42597474
|
综述 | 本文综述了人工智能辅助胃癌诊断技术的最新进展，比较了不同数据模态下代表性模型的性能，并提出了多模态AI-临床决策支持系统框架 | 提出了结构化多模态AI-临床决策支持系统框架，整合CT影像、内镜图像和视频、全切片病理图像、血清学指标、分子生物标志物和临床报告，并系统比较了模型在不同数据模态下的性能 | 临床转化仍需前瞻性多中心验证、标准化性能报告、可解释模型输出、隐私保护数据治理和法规合规部署 | 总结AI辅助胃癌诊断技术的最新进展，比较代表性模型性能，并探讨数据要求对模型性能的影响 | 胃癌诊断相关的人工智能模型，包括基于内镜图像、病理图像、非增强CT影像和多模态数据的模型 | 机器学习 | 胃癌 | 深度学习 | 深度学习模型 | 图像、视频、文本、分子数据 | 不适用 | 不适用 | 不适用 | AUC、准确率、灵敏度、特异性、精确率/阳性预测值、F1分数 | 不适用 |
| 2107 | 2026-08-15 |
Artificial intelligence for early prediction of gestational diabetes mellitus and preeclampsia: a systematic review of machine learning models and clinical decision support systems
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1890320
PMID:42597681
|
综述 | 本文系统综述了2020至2026年间基于人工智能的妊娠期糖尿病和子痫前期早期预测模型及临床决策支持系统的研究进展 | 提出了一个整合多模态数据、机制感知建模、可解释人工智能、标准化验证和临床决策支持的概念框架，以指导未来模型开发 | 现有模型多独立预测GDM或子痫前期，缺乏多模态数据整合、外部验证不足、可解释性有限，且该框架未被验证为预测系统 | 综合流行病学、临床、机制和AI证据，提出概念框架以支持未来精准孕产妇医疗 | 妊娠期糖尿病和子痫前期的预测模型及临床决策支持系统 | 机器学习 | 妊娠期糖尿病, 子痫前期 | 机器学习, 深度学习, 混合人工智能 | 机器学习模型, 深度学习模型, 集成模型 | 临床数据, 生化数据, 电子健康记录, 多模态数据 | 120项研究 | NA | NA | AUC | NA |
| 2108 | 2026-08-15 |
From subjective assessment to data-driven diagnosis: the AI revolution in multimodal early detection of Sjögren's disease
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1792331
PMID:42598047
|
综述 | 本文系统综述了人工智能在多模态早期检测干燥综合征中的应用，探讨了从影像到分子组学数据的整合潜力及挑战 | 提出以因果感知的多模态融合框架为核心，强调超越相关性建模疾病机制，并引入联邦学习以解决数据隐私和利用大规模基因组数据 | 许多研究基于小规模、回顾性、单中心队列或主要依赖内部验证，限制了临床稳健性和泛化性 | 探讨人工智能整合多种数据流（从医学影像到分子组学）以克服干燥综合征诊断异质性，并推动早期干预和个性化治疗 | 干燥综合征患者的多模态数据，包括唾液腺超声、CT影像、病理、代谢组学和基因组学数据 | 机器学习 | 干燥综合征 | 影像分析、代谢组学、基因组学 | 深度学习模型（如FCN-DenseNet、AlexNet）、免疫聚类模型 | 图像、组学数据（代谢组学、基因组学） | NA | NA | FCN-DenseNet、AlexNet | AUC | NA |
| 2109 | 2026-08-14 |
Light-adaptive Janus smart bandages empowered by deep learning for precise wound monitoring
2026-Nov-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.119003
PMID:42425001
|
研究论文 | 本研究报道了一种仿生Janus智能绷带，结合光自适应深度学习模型，用于精确伤口监测和加速愈合 | 创新性地结合了仿生Janus结构和基于LSTM的光自适应深度学习模型，自主校准不同色温下的比色信号，消除环境光干扰，实现高精度伤口监测 | 文中未明确提及局限性 | 开发一种能抵抗环境光干扰的智能绷带，实现慢性伤口的精确监测和加速愈合 | 慢性伤口及其相关参数（pH、温度、葡萄糖浓度） | 数字健康、机器学习 | 慢性伤口 | 比色传感 | LSTM | 比色信号数据 | 未明确提及（涉及体内实验） | NA | LSTM | 准确率 | NA |
| 2110 | 2026-08-14 |
RMAF: A deep learning-based framework for automatic assessment of spinal cord injured rats locomotor performance using the horizontal ladder test
2026-Oct-02, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2026.116362
PMID:42425175
|
研究论文 | 提出了一种基于深度学习的框架RMAF，用于自动评估脊髓损伤大鼠在水平梯测试中的运动表现 | 将大鼠检测、运动分类和运动能力评分整合到端到端流程中，结合YOLOv4和ResNet-LSTM实现自动评估，提供客观、可重复的替代人工评估的方法 | 未在摘要中明确说明 | 开发自动评估脊髓损伤大鼠运动功能的框架，以提高行为学研究的准确性、可扩展性和可重复性 | 脊髓损伤大鼠 | 计算机视觉 | 脊髓损伤 | NA | CNN, LSTM | 视频 | NA | NA | YOLOv4, ResNet, LSTM | NA | NA |
| 2111 | 2026-08-14 |
Beyond the LUMIR challenge: The pathway to foundational registration models
2026-Sep, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104175
PMID:42361771
|
研究论文 | 本文介绍了大规模无监督脑MRI图像配准挑战（LUMIR），并评估了深度学习方法在该任务中的性能，结果表明其超越了优化方法并展现出作为基础模型的潜力 | 首次提供4,014个无标签T1加权MRI用于训练，通过自监督实现生物合理变形，并包含域内测试和跨疾病、协议、物种的零样本评估 | 未明确提及局限性，但可能依赖于特定数据集和评估设置 | 推进无监督脑MRI配准的基准测试，并探讨深度学习作为通用医学图像配准基础模型的可行性 | 脑MRI图像配准，涉及疾病人群、成像协议和物种的多样数据 | 医学图像分析 | 多种疾病（如影响脑部的疾病） | MRI | 深度学习模型 | 医学图像（MRI） | 训练集4,014个无标签T1加权MRI，测试集590个域内受试者及多种零样本任务 | 未明确 | 未明确 | 未明确 | 未明确 |
| 2112 | 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 |
| 2113 | 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 |
| 2114 | 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 |
| 2115 | 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 |
| 2116 | 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 |
| 2117 | 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 |
| 2118 | 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 |
| 2119 | 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 |
| 2120 | 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 |