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 46047 篇文献，本页显示第 2121 - 2140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2121 | 2026-06-04 |
Mass spectrometry-based de novo sequencing reveals non-canonical neoantigens with antitumor efficacy in hepatocellular carcinoma
2026-Apr, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101775
PMID:41861674
|
研究论文 | 基于质谱的从头测序揭示肝细胞癌中具有抗肿瘤功效的非经典新抗原 | 结合质谱从头测序与深度学习预测，首次系统识别并验证肝细胞癌中非经典新抗原的免疫原性和抗肿瘤疗效 | 研究基于临床前小鼠模型，结果需要人类环境验证，因HLA呈递和肿瘤微环境可能存在差异 | 识别肝细胞癌中非经典新抗原并验证其免疫原性和抗肿瘤疗效 | 肝细胞癌中的非经典新抗原 | 机器学习, 质谱分析 | 肝细胞癌 | 质谱从头测序, MHC-I免疫沉淀, 并行反应监测 | 深度学习预测模型 | 免疫肽组学数据 | C57BL/6小鼠皮下肝细胞癌模型 | NA | 深度学习模型 | ELISpot验证, 并行反应监测 | NA |
| 2122 | 2026-06-04 |
Implementation of deep learning for measurement of penile curvature on real 2D intraoperative images
2026-Apr, Journal of pediatric urology
IF:2.0Q2
DOI:10.1016/j.jpurol.2025.105703
PMID:41610464
|
研究论文 | 利用深度学习从真实的2D术中图像中自动测量阴茎弯曲度 | 首次应用深度学习从术中2D图像自动测量阴茎弯曲度，实现了与人类专家相当甚至更优的准确性和一致性，提高了临床决策的可靠性 | 未提供明确的局限性信息 | 开发可靠且自动化的深度学习解决方案，从实时术中2D图像精确评估阴茎弯曲度，以改善患者评估和临床决策 | 阴茎弯曲度（PC）及其相关图像，共421张术中2D图像 | 计算机视觉 | 尿道下裂相关阴茎弯曲 | NA | YOLOv8, HRNet | 图像 | 421张术中2D图像 | PyTorch | YOLOv8, HRNet | 平均精确率（mAP）、交并比（IoU）、戴斯相似系数（Dice）、平均绝对误差（MAE） | NA |
| 2123 | 2026-06-04 |
Spatial transcriptional profiling of CHB liver biopsies reveals an undetected population of zonally biased HBV-integrated cells
2026-Apr, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101744
PMID:41810427
|
研究论文 | 通过对慢性乙型肝炎患者肝活检组织进行空间转录组分析，发现了之前未被检测到的区域偏向性HBV整合细胞群 | 首次利用空间转录组学方法结合深度学习，发现了HBsAg蛋白阴性但产生高水平病毒RNA的HBV整合细胞群体，并揭示了其肝门静脉周围区域富集的空间分布特征 | NA | 全面评估慢性乙型肝炎患者肝脏中cccDNA和整合DNA的病毒负荷，并揭示未被蛋白质方法检测到的HBV整合细胞群 | 慢性乙型肝炎患者的肝活检组织样本 | 数字病理学, 机器学习 | 慢性乙型肝炎 | 空间转录组学, 单核RNA测序, 显色原位杂交, 多重免疫荧光 | 深度学习 | 空间转录组数据, 单核RNA测序数据, 组织学图像 | 4例商品化HBV阳性活检组织和6例临床试验GS-US-174-0149中的肝活检组织 | NA | NA | NA | NA |
| 2124 | 2026-06-04 |
Deep Learning for scaling large-aperture photoacoustic computed tomography : From single fingers to the human hand
2026-Mar-27, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2026.108081
PMID:41990474
|
研究论文 | 开发一种基于深度学习的增强策略，用于解决大规模孔径光声计算机断层扫描（PACT）在复杂人体手部成像中的图像质量问题 | 提出利用编码器-解码器结构的深度学习模型增强PACT图像质量，仅通过单手指数据集训练即可推广至人手成像，有效解决光学阴影和光路配准问题 | 未明确讨论深度学习模型在更复杂解剖结构或更大样本中的泛化能力，可能受限于训练数据集的多样性和规模 | 提升大规模孔径PACT系统在复杂人体靶标成像中的图像质量，支持外周动脉疾病诊断等临床应用 | 人体手指和手部组织的PACT成像 | 计算机视觉, 数字病理学 | 外周动脉疾病 | 光声计算机断层扫描（PACT） | 编码器-解码器结构深度学习模型 | 图像 | 单手指数据集（含全检测和低检测配对的PACT图像），人类手部成像数据 | NA | 编码器-解码器 | 对比度噪声比（CNR）, 血管结构清晰度 | NA |
| 2125 | 2026-06-04 |
Deep learning-based plaque characterization in hybrid IVUS-OCT images is superior to single-modality deep learning analysis and human experts: head-to-head comparison against histology
2026-Mar-16, Cardiovascular research
IF:10.2Q1
DOI:10.1093/cvr/cvaf281
PMID:41603422
|
研究论文 | 提出一种基于组织学训练的深度学习分类器，用于混合IVUS-OCT图像中的斑块成分分类，并与单模态深度学习和专家分析进行对比 | 首次提出基于组织学训练的混合IVUS-OCT深度学习分类器，能比单模态深度学习和专家更准确地检测斑块成分和表型分类 | 未提供 | 评估混合IVUS-OCT深度学习分类器在斑块特征识别中的性能优势 | 来自10例人类尸体的冠状动脉IVUS-OCT图像及匹配组织学切片 | 数字病理学 | 心血管疾病 | 血管内超声（IVUS）、光学相干断层扫描（OCT） | CNN | 图像 | 992帧用于训练，264帧用于测试，来自10个人类心脏 | Keras | ResNet | 准确率、Kappa系数 | NA |
| 2126 | 2026-06-04 |
Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280
2026-Mar-13, Sensors (Basel, Switzerland)
DOI:10.3390/s26061815
PMID:41902180
|
勘误 | 对一篇关于使用深度学习、交替决策树和遥感传感器数据进行山洪潜力绘制的论文进行勘误 | NA | NA | NA | NA | 机器学习 | NA | 遥感传感器 | 深度学习、交替决策树 | 遥感数据 | NA | NA | NA | NA | NA |
| 2127 | 2026-06-04 |
Sex-Based Differences in Imaging-Derived Body Composition and Their Association with Clinical Malnutrition in Abdominal Surgery Patients
2026-Mar-05, Nutrients
IF:4.8Q1
DOI:10.3390/nu18050839
PMID:41830009
|
研究论文 | 研究腹部手术患者中影像学身体成分与临床营养不良的性别差异 | 首次分别探讨男性和女性患者术前影像学身体成分与营养不良的性别特异性关联 | 单中心横断面研究，样本量有限，未涉及术后营养干预的长期随访 | 评估腹部手术患者术前影像学身体成分与临床营养不良的性别特异性关联 | 接受择期腹部手术的成年患者 | 计算机视觉 | 营养不良 | CT成像 | 深度学习算法 | 图像 | 1143例患者 | NA | NA | 比值比（OR）和95%置信区间 | NA |
| 2128 | 2026-06-04 |
Deep learning-based generation of synthetic multiphasic MRI in hepatocellular carcinoma and cirrhosis
2026-Mar-04, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101813
PMID:41887530
|
研究论文 | 本研究评估了基于深度学习从平扫序列生成肝细胞癌和肝硬化患者合成3D对比增强多期磁共振成像的可行性 | 首次提出利用深度学习从平扫序列合成高质量的3D对比增强多期肝脏MRI，并在视觉图灵测试等关键定性指标上与真实图像无显著差异 | 基于单中心中等规模数据集的概念验证，需更大规模的多中心研究和外部验证 | 评估深度学习生成模拟真实对比增强MRI的合成图像在肝细胞癌和肝硬化中的可行性 | 肝细胞癌和肝硬化患者的肝脏MRI数据 | 数字病理学 | 肝细胞癌， 肝硬化 | MRI | 生成对抗网络 | 图像 | 来自185名HCC患者和182名肝硬化患者的533次MRI检查，共3198个MRI相位 | NA | 3D cycle-consistent GAN | 结构相似性指数，重叠率，对称平均绝对百分比误差，准确率，精确率，Fleiss's Kappa | NA |
| 2129 | 2026-06-04 |
Deep learning outperformed radiomics based on MRI in the differentiation of sinonasal small round cell and non-small round cell malignant tumors
2026-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112700
PMID:41604786
|
研究论文 | 比较深度学习与影像组学基于MRI在区分鼻腔小圆细胞与非小圆细胞恶性肿瘤中的诊断性能 | 首次系统比较深度学习与影像组学在MRI基础上区分鼻腔小圆细胞与非小圆细胞恶性肿瘤的性能 | 深度学习模型与影像组学模型在独立测试队列中的AUC差异未达到统计学显著性 | 比较深度学习与影像组学模型在术前MRI分类中的诊断性能 | 鼻腔小圆细胞与非小圆细胞恶性肿瘤的MRI图像 | 计算机视觉 | 鼻腔肿瘤 | MRI | 卷积神经网络 | 图像 | 325例患者（163例SRCMTs，162例非SRCMTs） | PyTorch | ResNet-18, ResNet-34, ResNet-50, VGG13, VGG16 | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 2130 | 2026-06-04 |
Hit identification in ultra large virtual screening: an integrative review and future challenges
2026-Mar, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2026.104616
PMID:41611169
|
综述 | 本文综述了超大规模虚拟筛选在命中化合物发现中的策略、平台及未来挑战 | 系统梳理了基于结构、配体、药效团、片段及混合工作流的ULVS策略，并强调机器学习与深度学习的整合应用 | 评分准确性、资源效率和泛化能力仍存在挑战 | 总结ULVS现状并指出未来发展方向 | 超大规模虚拟筛选策略与平台 | 机器学习 | NA | 虚拟筛选 | NA | 化合物数据 | NA | NA | NA | NA | VirtualFlow, RosettaVS, Deep Docking, V-SYNTHES |
| 2131 | 2026-03-07 |
Assessing the reversibility of bronchiectasis with deep learning - Authors' reply
2026-Mar, The Lancet. Respiratory medicine
DOI:10.1016/S2213-2600(25)00461-8
PMID:41786370
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2132 | 2026-06-04 |
Systematic review of artificial intelligence in brachytherapy
2026-Mar, Journal of contemporary brachytherapy
IF:1.1Q3
DOI:10.5114/jcb.2026.160595
PMID:42232846
|
review | 系统综述人工智能在近距离放射治疗中的应用，包括深度学习和机器学习方法，并与当前临床标准进行定量和/或定性比较 | 首次系统综述人工智能在近距离放疗全流程（从重建到剂量计算及结果预测）中的应用，并评估其与临床标准的差异 | 文献高度回顾性，可能缺乏前瞻性临床验证 | 系统评估人工智能在近距离放疗中的应用现状与临床适用性 | 近距离放疗中的人工智能方法（深度学习/机器学习） | 机器学习 | 前列腺癌，妇科癌症，乳腺癌，脉络膜癌，头颈癌 | NA | 深度学习，机器学习 | NA | 232项研究 | NA | NA | 准确度 | NA |
| 2133 | 2026-06-04 |
stDyer-image improves clustering analysis of spatially resolved transcriptomics and proteomics with morphological images
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag071
PMID:41692960
|
研究论文 | 提出stDyer-image框架，通过形态学图像直接连接图像特征与聚类标签，提升空间转录组学和蛋白质组学的聚类分析性能 | 首次将形态学图像特征直接与聚类标签关联，模仿病理学家仅凭形态学图像识别细胞类型或肿瘤区域的能力，无需依赖于基因表达或蛋白质丰度数据 | 未明确说明 | 开发一种利用形态学图像改善空间转录组学和蛋白质组学数据聚类分析的方法 | 空间转录组学（SRT）和空间蛋白质组学（SRP）数据及其对应的形态学图像 | 机器学习 | NA | 空间转录组学（SRT）、空间蛋白质组学（SRP） | 深度学习 | 图像 | NA | NA | NA | 聚类性能（具体度量标准未明确说明） | NA |
| 2134 | 2026-06-04 |
Deep learning as a refining tool for hydrodynamic model in predicting lake temperature profile: A case study in Ogouchi reservoir
2026-Feb-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.128759
PMID:41616721
|
研究论文 | 本文提出了一种混合模型，将简单水动力模型与长短期记忆网络结合，以改进湖泊水温垂直剖面的预测 | 首次将深度学习作为水动力模型的精炼工具，通过数据同化技术减少校准工作量且预测精度媲美完全校准模型 | 仅在小河内水库夏季数据上验证，未探讨其他季节或水库的适用性 | 提高湖泊水温垂直剖面预测准确度并降低计算成本 | 小河内水库夏季水温垂直剖面的周、双周与三周预测 | 机器学习 | NA | NA | LSTM | 时间序列水温数据 | 小河内水库夏季温度剖面数据（具体数量未说明） | NA | LSTM | 预测误差（具体指标未说明） | NA |
| 2135 | 2026-06-04 |
FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization
2026-Feb-15, Journal of cell science
IF:3.3Q3
DOI:10.1242/jcs.264265
PMID:41614214
|
研究论文 | 开发一种基于深度学习的丝状肌动蛋白分割工具，用于从光学显微镜图像中准确分割和量化不同类别的肌动蛋白结构 | 首次提出无需特异性抗体即可从肌动蛋白图像中量化不同类别肌动蛋白结构的深度学习工具，适用于多种细胞系和药物处理下的动态变化分析 | 未提及该工具在体内成像数据或多通道荧光成像中的适用性，以及在不同显微镜系统间的泛化能力验证 | 开发并验证一种基于深度学习的肌动蛋白结构分割与量化工具，以促进细胞运动、癌症转移及药物开发中肌动蛋白相关通路的研究 | 不同细胞系中的肌动蛋白结构，以及药物处理过程中LifeAct-GFP标记的肌动蛋白动态变化 | 计算机视觉, 数字病理学 | 癌症转移 | 共聚焦显微镜成像, phalloidin染色 | 深度学习模型（具体未明确） | 图像（共聚焦显微镜图像） | 涉及不同细胞系和药物处理条件（未提供具体数量） | 未明确 | 未明确 | 未明确 | 未明确 |
| 2136 | 2026-06-04 |
Integrating Medicinal Chemist Expertise with Deep Learning for Automated Molecular Optimization
2026-Feb-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c03746
PMID:41617158
|
研究论文 | 结合药物化学家专业知识与深度学习，构建自动化分子优化平台 | 首次建立基于药物化学家专业知识、由深度学习生成的分子优化策略数据库 | 未明确说明局限性 | 开发用于分子优化的自动化平台，加速先导化合物优化和药物发现 | 分子优化策略、FGFR4和HPK1靶点 | 机器学习 | NA | 深度学习 | 图深度学习 | 文本（文献策略） | 近9000条分子优化策略 | PyTorch | 图神经网络 | IC50 | NA |
| 2137 | 2026-06-04 |
SLPM: a lightweight deep learning model for end-to-end paper ECG digitization
2026-Feb-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae3fe5
PMID:41616494
|
研究论文 | 提出一种轻量级端到端心电图信号位置预测模型SLPM用于纸质心电图数字化 | 采用分类-回归联合学习框架直接预测信号点的存在与垂直坐标，并集成层次化SE-BiLSTM特征增强机制以提升波形特征表示与时间依赖性捕捉能力 | 文中未明确提及局限性 | 实现纸质心电图的端到端高保真数字化，克服分割误差大、噪声干扰强和泛化能力差的问题 | 纸质心电图图像中的信号点位置与对应时间序列信号 | 计算机视觉 | NA | NA | SLPM (基于SE-BiLSTM的轻量级深度学习模型) | 图像 | 来自PTB-XL数据集的单导联数据集PaperECG_Clean和PaperECG_Enhanced，以及12导联数据集PaperECG_12l | PyTorch | SE-BiLSTM | 皮尔逊相关系数，信噪比 | NA |
| 2138 | 2026-06-04 |
Motion as a Language: Transformer-Based Classification of Antimicrobial Peptide Conformational Dynamics
2026-Feb-10, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01690
PMID:41609302
|
研究论文 | 本文应用Transformer神经网络架构对来自分子动力学模拟的抗菌肽构象时间序列进行时空上下文检测，实现无监督构象分类 | 首次将Transformer架构应用于抗菌肽构象动力学分类，揭示深度学习在药物设计中恢复构象动态重要性的新途径 | 仅基于分子动力学模拟数据，未涉及实验验证；分类性能可能受模拟参数设置影响 | 开发基于Transformer的构象动力学分类方法，以在抗生素筛选数据库中整合构象塑性信息 | 抗菌肽的构象动态数据（来自分子动力学模拟的时间序列） | 机器学习 | 抗生素耐药性相关疾病 | 分子动力学模拟 | Transformer | 时间序列数据 | NA | NA | Transformer | 无监督分类性能（未明确指定具体指标） | NA |
| 2139 | 2026-06-04 |
Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8992
PMID:41617400
|
研究论文 | 通过前瞻性研究验证深度学习加速的3D T1-MPRAGE序列在评估颅内强化病变中的诊断质量 | 首次将深度学习重建方法应用于3D MRI序列加速，并采用变异网络和超分辨率算法两步优化，在相同扫描时间内提供更优的图像质量 | 样本量有限（115例），且未涉及多中心或不同场强（如1.5T）系统的验证 | 评估深度学习加速的3D T1-MPRAGE序列与传统波-控制混叠并行成像加速序列在颅内强化病变评估中的图像质量 | 颅内强化病变患者 | 数字病理学 | 颅内肿瘤、血管病变 | 深度学习重建 | 卷积神经网络 | 图像 | 115例患者 | NA | 残差网络、超分辨率网络 | 噪声感知、伪影、锐度、整体诊断质量 | 3T MRI系统 |
| 2140 | 2026-06-04 |
A Beginner's Guide to Using DeepVirFinder for Viral Sequence Identification From Metagenomic Datasets
2026-Feb, Current protocols
DOI:10.1002/cpz1.70310
PMID:41609929
|
研究论文 | 本文为初学者提供了一份使用DeepVirFinder从宏基因组数据集中识别病毒序列的全面指南 | 通过优化运行时性能并保持原始版本的核心用户界面，改进了DeepVirFinder软件，并提供了常见用例的基本工作流程及下游分析辅助脚本 | NA | 帮助初学者快速掌握DeepVirFinder的使用方法，以有效挖掘宏基因组数据集中的病毒信息 | 宏基因组数据集中的病毒序列 | 机器学习 | NA | 宏基因组测序 | 卷积神经网络 | 序列数据 | NA | NA | 双卷积神经网络 | NA | NA |