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 44481 篇文献，本页显示第 2441 - 2460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2441 | 2026-04-19 |
AlphaFold-driven discovery of oxysterol-binding protein-related protein-phosphoinositide 3-, 4-, and 5-phosphatase interactions using new generation confidence scores
2026-May, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70572
PMID:41983709
|
研究论文 | 本文利用AlphaFold驱动的蛋白质相互作用预测方法，系统筛选了OSBP相关蛋白与磷酸肌醇磷酸酶之间的相互作用，并开发了一种结合多种计算工具的综合协议 | 结合AlphaFold2-Multimer、AlphaFold3和AlphaPulldown2进行大规模蛋白质相互作用筛选，并引入新一代置信度评分（如ipSAE）和FoldSeek-Multimer聚类分析，以评估界面一致性 | 研究主要基于计算预测，缺乏实验验证，且样本规模相对有限（约200个蛋白质对） | 系统定义OSBP相关蛋白与磷酸肌醇磷酸酶的相互作用网络，以理解非囊泡脂质运输在膜接触位点的调控机制 | OSBP相关蛋白家族和磷酸肌醇3-、4-、5-磷酸酶 | 计算生物学 | NA | AlphaFold2-Multimer、AlphaFold3、AlphaPulldown2、ConSurf、PeSTo | 深度学习模型 | 蛋白质序列和结构数据 | 约200个蛋白质对 | AlphaFold, AlphaPulldown, FoldSeek, PeSTo | AlphaFold2-Multimer, AlphaFold3 | 加权ipTM + pTM, actifpTM, ipSAE评分 | NA |
| 2442 | 2026-04-19 |
Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks
2026-Apr-21, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2508144123
PMID:41996161
|
研究论文 | 本文提出了一种名为SINDy-SHRED的方法，用于联合解决高维时空数据的传感与模型识别问题 | 结合了门控循环单元与浅层解码器网络，并引入了基于SINDy的正则化，使潜在空间逐步收敛到SINDy类函数，从而实现了符号化、可解释的生成模型 | NA | 解决现实世界时空数据建模中的高维性、噪声、部分观测和数据收集成本高等挑战 | 偏微分方程数据（如湍流）、真实世界传感器测量数据（如海面温度）和直接视频数据 | 机器学习 | NA | NA | GRU, SINDy, Koopman | 时空数据, 传感器测量数据, 视频数据 | NA | NA | 门控循环单元, 浅层解码器网络 | 准确度, 训练成本, 数据效率 | NA |
| 2443 | 2026-04-19 |
Enhancing biomedical optical volumetric imaging via self-supervised orthogonal learning
2026-Apr-17, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ady9194
PMID:41984965
|
研究论文 | 本文提出了一种自监督正交学习框架VALID，用于增强生物医学光学体积成像的降噪性能 | 利用内在三维空间相干性，通过自监督正交学习框架实现高效体积降噪，无需配对数据集 | 未明确说明在极端噪声条件下的性能或计算资源需求的具体限制 | 提高生物医学光学体积成像的结构保真度，解决噪声问题 | 光学体积成像数据，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描图像 | 计算机视觉 | NA | 光学体积成像技术，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描 | 深度学习模型 | 体积图像数据 | NA | NA | VALID | 结构保真度 | NA |
| 2444 | 2026-04-19 |
Automated Classification of Alveolar Bone Defects for Preoperative Augmentation Planning Using Deep Learning
2026-Apr-17, The International journal of oral & maxillofacial implants
DOI:10.11607/jomi.11768
PMID:41995833
|
研究论文 | 本研究开发了一种基于深度学习的框架，用于自动检测和分类牙槽骨缺损，以辅助牙科植入手术前的规划 | 首次利用深度学习模型自动分类牙槽骨缺损（健康、水平、垂直和复合缺损），并比较了四种不同CNN架构的性能 | 数据集规模相对较小（1305张图像），且仅基于CBCT切片，可能未涵盖所有临床变异 | 开发一个自动分类牙槽骨缺损的系统，以辅助牙科植入手术的术前规划 | 牙槽骨缺损的CBCT图像 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描（CBCT） | CNN | 图像 | 1305张CBCT横截面图像（健康325张，水平缺损359张，垂直缺损310张，复合缺损311张） | NA | RegNetY-008, EfficientNetV2-S, ResNet50, MobileNetV3-Large | 准确率, 加权精确率, 召回率, F1分数, 每轮训练时间 | NA |
| 2445 | 2026-04-19 |
Development of a real-world, therapeutic drug monitoring-informed model to predict teicoplanin daily dose in pediatric intensive care unit patients with bacterial infections
2026-Apr-17, International journal of clinical pharmacy
IF:2.6Q2
DOI:10.1007/s11096-026-02124-0
PMID:41995939
|
研究论文 | 本研究开发并验证了一个基于真实世界治疗药物监测信息的机器学习模型，用于预测儿科重症监护病房患者的替考拉宁日剂量 | 首次利用真实世界治疗药物监测数据，结合多种机器学习与深度学习算法（特别是TabNet），为儿科重症监护病房患者开发了个体化替考拉宁剂量预测模型 | 研究为单中心回顾性设计，样本量相对有限（257名患者），且模型性能需在更广泛的多中心前瞻性研究中进一步验证 | 开发一个临床决策支持工具，以辅助药师和医生在常规治疗药物监测工作流程中进行个体化替考拉宁剂量调整 | 儿科重症监护病房中接受替考拉宁治疗的细菌感染患者 | 机器学习 | 细菌感染 | 治疗药物监测 | 梯度提升, XGBoost, LightGBM, TabNet | 临床数据, 治疗药物监测数据 | 257名儿科重症监护病房患者（包含595条替考拉宁给药记录） | NA | TabNet | 决定系数, 均方根误差, 平均绝对误差 | NA |
| 2446 | 2026-04-19 |
BC-GTM: A Bidirectional Causal Graph Transformer Mapping for Modeling Brain Structural and Functional Connectivity
2026-Apr-17, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3685002
PMID:41996430
|
研究论文 | 提出了一种双向因果图变换器映射模型，用于建模大脑结构连接与功能连接之间的双向映射关系 | 通过整合有向无环图学习和因果不变性原理，首次在SC与FC映射中引入因果启发的有向依赖关系，克服了传统GNN方法的黑盒限制 | 未明确说明模型在跨数据集或不同人群中的泛化能力，以及计算复杂度可能较高 | 研究大脑结构连接与功能连接之间的双向映射关系，以增进对大脑功能与组织的理解 | 大脑的结构连接与功能连接数据 | 机器学习 | NA | 图神经网络，因果学习 | 图变换器，GNN | 图数据 | NA | NA | 图变换器 | NA | NA |
| 2447 | 2026-04-19 |
PATCH: A deep learning method to assess heterogeneity of artistic practice in historical paintings
2026-Apr-17, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aea0485
PMID:41996503
|
研究论文 | 提出了一种名为PATCH的无监督深度学习方法来识别历史绘画中不同艺术家的创作实践，并应用于西班牙文艺复兴大师埃尔·格雷科的两幅作品分析 | 提出了一种无需外部训练数据即可识别个体艺术实践模式的新型机器学习方法（PATCH），解决了艺术史中因缺乏明确训练样本而难以进行微观尺度分析的问题 | 方法在缺乏“真实标签”数据的复杂配对比较问题中进行评估，其普适性仍需在更多艺术史案例及其他领域进一步验证 | 开发一种机器学习方法以解决艺术史中鉴定历史绘画作品创作参与者的难题 | 西班牙文艺复兴大师埃尔·格雷科的两幅历史绘画作品 | 计算机视觉 | NA | NA | 深度学习 | 图像 | 两幅历史绘画作品 | NA | NA | NA | NA |
| 2448 | 2026-04-19 |
An ensemble pipeline, PhageHost, for phage tail fiber discovery and accurate Klebsiella pneumoniae host prediction using protein language models
2026-Apr-16, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2026.117275
PMID:41996235
|
研究论文 | 本文介绍了PhageHost（P&H），一个基于蛋白质语言模型的集成管道，用于大规模发现噬菌体尾丝并准确预测肺炎克雷伯菌的宿主 | 开发了TailSeek和HostBuster两个深度学习模型，结合蛋白质语言模型进行噬菌体尾丝检测和宿主预测，提高了预测的敏感性和精确度 | NA | 开发一个可扩展的集成管道，用于噬菌体尾丝的大规模发现和肺炎克雷伯菌的宿主预测，以支持噬菌体疗法应用 | 噬菌体尾丝和肺炎克雷伯菌宿主 | 自然语言处理 | NA | 蛋白质语言模型 | 深度学习 | 基因组数据 | NA | NA | TailSeek, HostBuster | 敏感性, 精确度 | NA |
| 2449 | 2026-04-19 |
Deep learning and cryogenic electron microscopy modeling for gene editing dynamics
2026-Apr-16, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2026.103270
PMID:41996895
|
研究论文 | 本文探讨了深度学习与冷冻电镜建模在基因编辑动力学研究中的协同应用 | 结合分子动力学与冷冻电镜精修，揭示功能相关的动态集合，并利用量子力学方法解析低分辨率密度图中的模糊特征 | NA | 理解和设计基因组编辑系统，推动领域从静态结构快照转向动态、预测性和数据驱动的方法 | CRISPR-Cas架构等基因组编辑系统 | 机器学习 | NA | 冷冻电镜（cryo-EM），分子动力学，量子力学方法 | 图神经网络（GNN） | 冷冻电镜数据，分子模拟数据 | NA | NA | NA | NA | NA |
| 2450 | 2026-04-19 |
Rapid customization of base editors via machine learning-powered combinatorial mutagenesis
2026-Apr-16, Molecular cell
IF:14.5Q1
DOI:10.1016/j.molcel.2026.03.030
PMID:41997156
|
研究论文 | 本文结合组合诱变与机器学习，大规模分析并设计碱基编辑器与目标DNA之间的相互作用，以提高编辑精度 | 首次将组合诱变与机器学习结合，利用极小比例（0.004%）的突变景观进行预测，实现了对碱基编辑器DNA基序偏好的大规模分析，并开发了基于结构的深度学习模型，无需实验数据即可预测功能性变体 | NA | 通过机器学习和组合诱变技术，优化碱基编辑器的互补性和阻碍性，以实现精确、无旁观者效应的基因编辑 | 碱基编辑器蛋白（evoAPOBEC1和TadA变体）及其与目标DNA的相互作用 | 机器学习 | NA | 组合诱变，机器学习，深度学习 | 深度学习模型 | DNA序列数据，蛋白质变体数据 | 160,000个evoAPOBEC1变体和6,400万个TadA变体在人类细胞中的分析 | NA | NA | 预测成功率（63%），旁观者编辑检测率（50%情况下未检测到） | NA |
| 2451 | 2026-04-19 |
Diagnostic Accuracy of Ultrasound Radiomics for Cervical Lymph-Node Metastasis in Papillary Thyroid Carcinoma: Evidence Predominantly From Chinese Cohorts
2026-Apr-16, Ultrasound in medicine & biology
|
荟萃分析 | 本研究通过荟萃分析评估了超声影像组学在预测甲状腺乳头状癌颈部淋巴结转移中的诊断准确性 | 首次对超声影像组学在甲状腺乳头状癌颈部淋巴结转移预测中的诊断性能进行了全面的荟萃分析，并比较了不同建模方法（机器学习与深度学习）和淋巴结分区的性能差异 | 纳入研究主要来自中国人群，可能限制结果对其他人群的普适性；研究间存在高度异质性 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2452 | 2026-04-19 |
A review of deep learning-based Unsupervised Anomaly Detection in brain MRI
2026-Apr-15, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104076
PMID:41997087
|
综述 | 本文综述了基于深度学习的无监督异常检测方法在脑部MRI中的应用 | 系统性地收集、比较了脑部MRI无监督异常检测领域的研究方法，并公开了包含公共数据集、研究论文和开源实现的数据集合 | 不同方法在评估时使用的采集参数、预处理、后处理和异常评分标准存在差异，导致难以直接比较模型性能 | 回顾和比较脑部MRI中基于深度学习的无监督异常检测方法 | 脑部磁共振成像（MRI）扫描 | 医学影像分析 | 脑部疾病 | 磁共振成像（MRI） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2453 | 2026-04-19 |
Radiomics-guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited-sample Multi-center Study
2026-Apr-15, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.014
PMID:41997452
|
研究论文 | 本研究提出了一种基于影像组学引导的模型无关元学习框架，用于解决子宫内膜癌术后盆腔放疗中临床靶区在多中心、小样本条件下的自动勾画问题 | 首次将影像组学特征与模型无关元学习相结合，利用影像组学特征分析中心间差异并指导模型预训练，有效缓解了多中心数据异质性和样本稀缺对深度学习分割性能的影响 | 研究样本量相对有限（共207例），且仅针对子宫内膜癌的盆腔临床靶区勾画，其泛化能力至其他癌症部位或靶区类型有待进一步验证 | 开发一种能够适应多中心间勾画风格差异和数据稀缺的临床靶区自动勾画方法，以提高子宫内膜癌术后放疗计划制定的效率和一致性 | 子宫内膜癌术后患者的模拟CT图像及对应的临床靶区勾画 | 数字病理 | 子宫内膜癌 | CT影像，影像组学特征提取 | 3D U-Net | 3D CT图像 | 来自5个中心的207例模拟CT病例，以及来自1个外部中心的26例独立测试病例 | PyTorch（推断，因使用MAML及3D U-Net） | 3D U-Net | Dice相似系数，95%豪斯多夫距离，平均对称表面距离，专家盲评四点评分系统 | NA |
| 2454 | 2026-04-19 |
Customizing Native T1 Mapping: the effects of compressed sensing, deep learning-based denoising and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 本研究评估了压缩感知、深度学习去噪和高分辨率对心肌原生T1映射图像质量和定量测量的影响 | 首次系统评估了压缩感知加速、深度学习去噪和高空间分辨率在心肌原生T1映射中的综合影响，并验证了在保持T1值稳定的前提下提高采集效率的可行性 | 单中心研究，样本量有限（41名健康志愿者），未在广泛患者群体中验证，且主要关注健康心肌组织 | 优化心血管磁共振中定量原生T1映射的采集效率和临床适用性 | 健康志愿者的心肌组织 | 医学影像分析 | 心血管疾病 | 心血管磁共振（CMR）、T1映射、压缩感知（CS）、深度学习去噪 | 深度学习 | 磁共振图像 | 41名健康志愿者（最初48名，经质量审查后纳入41名） | NA | NA | 图像质量评分（模糊、混叠、磁化率伪影、整体图像质量）、T1值偏差、重复性、观察者间变异性 | NA |
| 2455 | 2026-04-19 |
AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation
2026-Apr-14, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.6c00085
PMID:41906862
|
研究论文 | 本文介绍了AmberTorchPB，一个基于LibTorch构建的统一、可扩展且支持加速器的框架，旨在现代化生物分子静电学计算 | 利用深度学习中的张量抽象来高效管理硬件异构性、内存优化和混合精度运算，从而克服传统Poisson-Boltzmann求解器在可扩展性和硬件适应方面的瓶颈 | NA | 开发一个现代化框架以支持大规模生物分子静电相互作用的高性能计算 | 生物分子静电相互作用，特别是基于Poisson-Boltzmann方程的反应场能量计算 | 计算生物学 | NA | Poisson-Boltzmann方程求解 | NA | 张量数据 | NA | LibTorch | NA | NA | 现代高性能计算硬件，支持异构架构 |
| 2456 | 2026-04-19 |
A knowledge-based deep learning model for accurate urban drainage system prediction under spatiotemporally variable rainfall
2026-Apr-14, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.125930
PMID:41997102
|
研究论文 | 本研究提出了一种基于知识的深度学习模型，用于在时空变化降雨条件下准确预测城市排水系统水位 | 提出了一种将先验知识与稀疏实时监测数据相结合的知识驱动深度学习模型，能够在无需明确降雨输入的情况下，通过管网路径传播观测信号实现跨时空校正 | 未明确说明模型在极端降雨事件或完全无传感器覆盖区域的泛化能力 | 开发一种准确、稳健且可扩展的城市排水系统水位预测方法，以支持实时城市洪水预测和预警 | 城市排水系统 | 机器学习 | NA | 深度学习 | 深度学习模型 | 传感器监测数据、合成降雨事件数据、真实降雨事件数据 | 未明确说明具体样本数量，但使用了合成和真实降雨事件进行综合评估 | 未明确说明 | 未明确说明 | NSE（纳什效率系数）、峰值预测误差、溢流检测准确率 | 未明确说明 |
| 2457 | 2026-04-19 |
Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application
2026-Apr-09, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2025-014429
PMID:41956540
|
综述 | 本文综述了基于深度学习的全景肿瘤微环境特征在H&E切片中的识别及其临床应用的最新进展 | 整合全玻片成像技术与深度学习算法，实现对肿瘤微环境中细胞、空间和分子异质性的自动化表征，为精准诊断和治疗反应预测提供综合见解 | 讨论了该技术在肿瘤学研究和临床应用中的转化潜力与当前局限性 | 推动肿瘤微环境特征识别技术在精准诊断和治疗反应预测中的应用 | H&E染色的组织切片中的肿瘤微环境特征 | 数字病理学 | 肿瘤 | 全玻片成像技术 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2458 | 2026-04-19 |
The Application of a Deep Learning Algorithm for the Segmentation of Retinal Nerve Fiber Layer Across Different Optic Neuropathies
2026-Apr-06, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.15.4.7
PMID:41960956
|
研究论文 | 本研究开发了一种名为RNFL-Net的深度学习算法，用于从光学相干断层扫描图像中分割视网膜神经纤维层，并在青光眼和视盘水肿等不同视神经病变中评估其性能 | 提出了一种新的深度学习算法RNFL-Net，能够自动分割视网膜神经纤维层，并在多种视神经病变中表现出比标准OCT设备更高的测量准确性 | 研究样本量相对有限，且外部验证数据集规模较小，可能影响结果的泛化能力 | 评估深度学习算法在分割视网膜神经纤维层方面的能力，特别是在青光眼和视盘水肿等视神经病变中的应用 | 健康对照者、青光眼患者和视盘水肿患者的视网膜神经纤维层 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | 深度学习算法 | 图像 | 训练和验证使用1065个RNFL OCT B扫描，测试使用265个扫描；涉及106只健康眼、118只视盘水肿眼和60只青光眼 | NA | RNFL-Net | Dice系数, 平均绝对误差, 平均绝对百分比误差 | NA |
| 2459 | 2026-04-19 |
Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks
2026-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109428
PMID:41740248
|
研究论文 | 本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF），并比较了两种卷积神经网络（CNN）架构在该模型中的检测准确性和临床可靠性表现 | 首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量级CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型关注区域的解剖相关性 | 研究基于回顾性数据，样本量有限（共1400个CBCT扫描），且仅比较了两种CNN架构，可能未涵盖所有最优模型 | 开发并评估基于深度学习的自动检测系统，以提高副颏孔诊断的准确性和临床可靠性 | 锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF） | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT） | CNN | 图像 | 1400个CBCT扫描（700个含AMF，700个正常对照） | NA | ResNet-50, 自定义轻量级CNN | 准确率, 精确率, 召回率, F1分数 | NA |
| 2460 | 2026-04-19 |
An effective deep learning algorithm for medical image registration
2026-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0001339
PMID:41990030
|
研究论文 | 提出了一种名为DTC-Reg的深度学习算法，用于医学图像配准，通过动态学习框架和几何约束增强变形场的微分同胚性 | 引入了动态学习配准框架DTC-Reg，结合同伦控制增量公式和多尺度几何约束，并提出了可检测和纠正折叠点的MFDC模块，提高了变形场的正则性 | 仅在三项3D脑部MRI配准任务上进行了实验，未涉及其他医学影像模态或更广泛的临床应用场景 | 开发一种能够实现准确对齐并严格保持拓扑和可逆性的医学图像配准算法 | 医学图像，特别是3D脑部MRI数据 | 计算机视觉 | NA | 医学影像处理 | 深度学习 | 3D图像 | NA | NA | U-Net, 序列时间级联网络 | 定量和定性评估 | NA |