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 45529 篇文献，本页显示第 2641 - 2660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2641 | 2026-05-19 |
Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence
2026-May-18, Minerva dental and oral science
IF:1.1Q3
DOI:10.23736/S2724-6329.25.04946-0
PMID:42149558
|
研究论文 | 利用图注意力网络预测口腔多药耐药外排蛋白序列 | 首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测 | 模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列 | 预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持 | 口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列） | 机器学习 | NA | NA | 图注意力网络 (GAT) | 序列数据 | 7条蛋白质FASTA序列 | Deepbio | 图注意力网络, 超注意力机制 | 敏感度, 特异性, 真阴性率 (TNR) | NA |
| 2642 | 2026-05-19 |
Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness
2026-May-17, Drug discoveries & therapeutics
DOI:10.5582/ddt.2026.01020
PMID:42002939
|
综述 | 综述了人工智能辅助超声在临床试验中的端点自动化、分散监测和监管准备方面的当前证据与监管发展 | 系统整合了AI在超声自动测量、实时采集引导及监管框架三方面的最新进展，揭示了AI提升超声可重复性与分散试验可行性的互补路径 | 尚未解决跨厂商领域泛化、亚组公平性及持续试验中的算法变更管理等挑战 | 评估AI辅助超声在临床试验中实现端点自动化、分散监测及满足监管要求的潜力 | 临床试验中的超声成像技术与AI辅助算法 | 计算机视觉 | 心血管疾病 | 超声成像 | 深度学习 | 图像 | NA | NA | NA | 可重复性、诊断可接受率、非劣效性 | NA |
| 2643 | 2026-05-19 |
Customer churn prediction in privacy-preserving HashCode-based security abstractions
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53357-y
PMID:42144427
|
研究论文 | 提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测 | 将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设 | 仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源 | 在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能 | 客户行为、交易及时间相关特征 | 机器学习 | NA | 匿名化哈希编码 | 逻辑回归、随机森林、XGBoost、多层感知机 | 结构化数据（行为、交易、时间） | 未指定样本数量 | Keras, Scikit-learn | Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron | 准确率、精确率、召回率、F1分数、AUC | 未指定 |
| 2644 | 2026-05-19 |
IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data
2026-May-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52520-9
PMID:42144467
|
研究论文 | 提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图 | 首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合 | NA | 实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探 | 摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元 | 计算机视觉 | NA | 高光谱遥感、EnMAP数据 | Inception-LSTM | 高光谱图像 | NA | PyTorch | InceptionV2,双向长短期记忆网络 | 总体精度 | NA |
| 2645 | 2026-05-19 |
MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma
2026-May-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.05.005
PMID:42144163
|
研究论文 | 开发一种深度学习模型，用于在常规CT上自动描绘代谢肿瘤体积（MTV），无需PET，并验证其在鼻咽癌中的预后价值 | 首次在无需PET的情况下，仅基于常规CT实现准确的代谢肿瘤体积自动描绘，并验证了其预后价值 | NA | 开发基于深度学习的CT-only MTV自动描绘模型，并评估其在鼻咽癌中的预后区分能力 | 鼻咽癌患者的初始治疗前18F-FDG PET/CT扫描数据 | 计算机视觉 | 鼻咽癌 | CT成像 | 深度学习分割模型 | 医学影像 | 392例训练与测试患者，135例内部时间验证患者 | PyTorch | MedNext-Insight | Dice相似系数, 敏感性, 一致性指数 | NA |
| 2646 | 2026-05-19 |
LaED: a novel lightweight, edge-aware and explainable deep learning model for privacy-preserving facial attendance tracking in resource-constrained educational environments
2026-May-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42051-8
PMID:42141001
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2647 | 2026-05-19 |
STAGE challenge: Structural-Functional Transition in Glaucoma Assessment
2026-May-15, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104128
PMID:42143993
|
研究论文 | STAGE挑战赛探索从结构OCT图像直接预测功能VF指标，建立了青光眼结构-功能转换评估的首个标准化基准 | 首次建立大规模结构化数据集和标准化评估框架，将深度学习从结构分析拓展到结构-功能转换预测 | 数据规模有限（401个OCT体积），可能限制模型泛化性；仅关注OCT图像与VF指标关联，未涉及其他影像模态 | 开发从结构OCT图像预测功能性VF指标的方法，推动青光眼结构-功能关联分析 | 青光眼患者的结构OCT图像和对应功能性VF指标（平均偏差、敏感度图、模式偏差概率图） | 计算机视觉, 数字病理学 | 青光眼 | OCT成像 | 深度学习 | 图像, 表格数据 | 401个OCT体积（每个包含256张横截面图像），附带VF标签和人口统计学数据 | NA | 双分支架构（结合OCT与表格数据），任务特定OCT模型 | NA | NA |
| 2648 | 2026-05-19 |
Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China
2026-May-13, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111596
PMID:42134661
|
研究论文 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的检测和自动可视化 | 首次提出基于2.5D ResNet的多任务学习网络，同时实现放射诱导颞叶损伤的分类和分割，并在中国大陆地域跨度大的流行区和非流行区进行验证 | 前瞻性验证中临床获益尚未得到确认；模型性能在外部测试集上略有下降 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌放射诱导颞叶损伤的早期检测和自动可视化 | 鼻咽癌患者放射诱导的颞叶损伤 | 计算机视觉 | 鼻咽癌 | MRI | 多任务深度学习网络 | 图像 | 956名鼻咽癌患者 | PyTorch | 2.5D ResNet | AUC, 灵敏度, Dice相似系数 | NA |
| 2649 | 2026-05-19 |
Molecular and Computational Basis of Taste Perception: A Review toward the "Digital Language of Taste"
2026-May-12, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05861
PMID:42146156
|
综述 | 综述了味觉感知的分子与计算基础，聚焦于数字化味觉语言的构建 | 系统整合了分子对接、分子动力学模拟与机器学习在味觉研究中的应用，特别强调了人工智能模型（如深度学习与Transformer架构）在提高味觉预测准确性方面的进展 | 味觉受体结构数据不完整、受体激活长时间尺度建模困难、多感官整合模型不完善，以及计算预测与人类主观体验之间的鸿沟 | 探讨计算化学、分子建模与机器学习在味觉机制研究、味觉特征预测及新型味觉化合物设计中的应用，推动数字化味觉发展 | 味觉受体（G蛋白偶联受体和离子通道）及甜、苦、鲜、咸、酸五种基本味觉模式 | 机器学习 | NA | 分子对接、分子动力学模拟、机器学习 | 深度学习模型、Transformer架构 | 分子描述符数据 | NA | NA | 深度学习、Transformer | 准确率 | NA |
| 2650 | 2026-05-19 |
Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723013
PMID:42146619
|
研究论文 | 使用弱监督深度学习模型从常规H&E全切片图像中推断治疗相关的肿瘤微环境表型活性 | 无需资源密集的空间组学数据训练，仅利用常规H&E切片和已有的治疗结果或整体组学数据作为切片级标签，即可评估功能生物学状态 | NA | 开发可扩展工具，从患者层面评估驱动治疗抵抗的肿瘤微环境程序 | 3111例乳腺癌H&E全切片图像及其配对的整体转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq | 深度学习 | 图像 | 3111例乳腺癌H&E全切片图像 | PyTorch | 弱监督深度学习模型 | AUROC, 皮尔逊相关系数 | NA |
| 2651 | 2026-05-19 |
Mechanically Robust Hydrogel Strain Sensor Enabled by a Multicross-Linked Electrospun-Fiber Network for Human Motion Recognition and Interactive Control
2026-May-07, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c03309
PMID:42096647
|
研究论文 | 本研究通过多交联静电纺丝纤维网络与双网络交联结构的协同作用，开发了一种兼具高机械性能和优异导电性的水凝胶应变传感器，并应用于手势识别与交互控制 | 首次将双网络交联结构与嵌入静电纺丝纳米纤维协同增强，实现了水凝胶力学性能（弹性模量152 kPa、韧性1.84 MJ/m³）与电导率（2.1 S/m）的同时显著提升，并结合深度学习实现多手势高精度识别及机器人交互控制 | 未提及具体限制 | 开发高性能可穿戴应变传感器，同时具备强机械性能和优异导电性，用于人体运动识别与人机交互 | 多交联静电纺丝纤维增强水凝胶应变传感器 | 机器学习 | NA | 静电纺丝、双网络交联 | 深度学习模型 | 传感器信号 | 五传感器集成于智能手套 | 深度学习框架（未具体说明） | NA | 弹性模量、韧性、电导率、应变灵敏度系数 | NA |
| 2652 | 2026-05-19 |
Tumor cell specific total mRNA expression informed neural networks predicts cancer progression
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.01.722212
PMID:42146375
|
研究论文 | 提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，并评估其在癌症进展预测中的表现 | 首次将结构化特征选择（梯度提升、LASSO、弹性网络）与专门化的神经架构结合，用于预测连续型肿瘤细胞特异性总mRNA表达，无需匹配的DNA和RNA测序数据及计算密集的反卷积流程 | 外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能受限于队列异质性或数据分布差异 | 开发可扩展的多组学数据分析框架，通过预测肿瘤细胞特异性总mRNA表达来推断肿瘤分子表型并预测癌症进展 | 12种TCGA癌症类型（泛癌分析）及外部验证队列（SCAN-B和FUSCC）中的肿瘤样本 | 机器学习 | 多种癌症（如乳腺癌等TCGA涵盖的12种癌症类型） | 多组学数据整合（mRNA表达、DNA甲基化、miRNA、免疫细胞比例） | 深度学习神经网络 | 多组学数据（基因表达、甲基化、miRNA、免疫细胞比例） | 12种TCGA癌症类型（具体样本数未提供），外部验证包括SCAN-B和FUSCC队列 | NA | 结构化特征选择（梯度提升、LASSO、弹性网络）与神经架构结合 | 一致性相关系数（CCC）、相关系数R²、外部验证相关性 | NA |
| 2653 | 2026-05-19 |
Deep Learning-Based Structure Modeling of the Treponema pallidum Proteome: Insights into Pathogenesis and Syphilis Vaccine Development
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.717303
PMID:42146597
|
研究论文 | 利用深度学习对梅毒螺旋体全蛋白质组进行结构建模，分析其功能并识别与致病性和疫苗开发相关的蛋白 | 首次采用AI驱动的结构到功能建模流程，对梅毒螺旋体99%的蛋白质组生成高置信度结构模型，并完成877种蛋白质的结构基础功能注释，包括240个未知功能蛋白 | 未明确描述 | 通过结构建模深入理解梅毒螺旋体的致病机制，并指导梅毒疫苗设计 | 梅毒螺旋体全蛋白质组，包含976种蛋白质 | 机器学习 | 梅毒 | 深度学习结构建模、蛋白质结构比较、B细胞表位预测 | 深度学习模型（未指定具体类型） | 蛋白质序列数据 | 976种梅毒螺旋体蛋白质 | NA | 未指定具体架构 | NA | NA |
| 2654 | 2026-05-19 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2026-May, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过自然多样性筛选、结构引导设计和深度学习结构预测，将紧凑型RNA引导核酸内切酶IscB转化为改进变体NovaIscB，实现体内持久表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质结构域和RNA工程以及基于深度学习的结构预测，对IscB进行设计优化，获得改进变体NovaIscB，其活性相比野生型提高约100倍，且特异性得到改善 | 未在文中提及 | 设计一种紧凑型且增强活性的RNA引导核酸内切酶，用于体内持久基因抑制 | OMEGA家族的RNA引导核酸内切酶IscB及其引导RNA（ωRNA） | 分子生物学, 机器学习 | NA | 蛋白质工程, RNA工程, 深度学习结构预测, 甲基转移酶融合 | 深度学习模型（用于结构预测） | 蛋白质序列和结构数据 | NA | NA | NA | indel活性, 特异性 | NA |
| 2655 | 2026-05-19 |
Combining MEA-Net and LAP-Net for Pneumoconiosis Staging Framework
2026-May-01, Journal of occupational and environmental medicine
IF:2.3Q2
DOI:10.1097/JOM.0000000000003618
PMID:41247264
|
研究论文 | 提出结合MEA-Net和LAP-Net的深度学习框架用于尘肺病分期 | 首次将MEA-Net和LAP-Net结合用于尘肺病分期，提高了分级准确性 | 未提及具体局限性 | 改善尘肺病诊断的主观性，提高分期准确性 | 尘肺病患者的胸部X光片 | 计算机视觉，数字病理学 | 尘肺病 | 深度学习 | CNN | 图像 | NA | NA | MEA-Net, LAP-Net | 准确率，精确率，召回率，特异度，F1分数，AUC | NA |
| 2656 | 2026-05-19 |
Endothelial cells recruit pro-inflammatory macrophage clusters via App-Cd74 exacerbating ICI-associated myocarditis
2026-05, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2026.111238
PMID:41905617
|
研究论文 | 通过单细胞RNA测序鉴定ICI相关心肌炎中内皮细胞通过App-Cd74信号轴招募促炎性巨噬细胞簇的机制 | 首次发现Cxcl9和Cxcl10共表达的巨噬细胞亚群与ICI心肌炎相关，并揭示App-Cd74信号轴作为潜在治疗靶点，利用深度学习框架scTenifoldXct验证配体-受体互作 | NA | 阐明ICI相关心肌炎的免疫病理机制，为开发靶向治疗策略奠定基础 | 小鼠ICI心肌炎模型的心脏组织中的巨噬细胞亚群和内皮细胞 | 机器学习 | 心肌炎 | 单细胞RNA测序 | 深度学习框架 | 基因表达数据 | NA | scTenifoldXct | NA | NA | NA |
| 2657 | 2026-05-19 |
Deep Learning-based Automated Coronary Plaque Quantification: First Demonstration With Ultra-high Resolution Photon-counting Detector CT at Different Temporal Resolutions
2026-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001233
PMID:40843653
|
研究论文 | 评估基于深度学习的新型冠脉斑块量化工具在超高清光子计数探测器CT冠脉造影中的可行性与可重复性，并分析时间分辨率对斑块量化的影响 | 首次在超高清光子计数探测器CT中应用基于深度学习的自动化冠脉斑块量化工具，并系统评估不同时间分辨率对斑块量化的影响 | 单中心回顾性研究，样本量较小（45例患者），且未涉及不同扫描协议或患者群体的泛化性验证 | 评估新型深度学习冠脉斑块量化工具在不同时间分辨率下的可行性与可重复性 | 45例接受临床指示超高清光子计数探测器CT冠脉造影的患者 | 计算机视觉 | 心血管疾病 | 光子计数探测器CT冠脉造影 | 深度学习 | 图像 | 45例患者，135支冠脉（其中119支含动脉粥样硬化斑块） | NA | NA | P值、斑块体积（立方毫米）、直径狭窄程度百分比 | NA |
| 2658 | 2026-05-19 |
Cone beam computed tomography reconstruction from truncated projections using prior information and transfer learning
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70488
PMID:42145070
|
研究论文 | 提出了一种基于双域深度学习的锥束CT截断投影重建方法（D3CRT），利用非截断先验信息和投影域迁移学习提高图像质量 | 首次将去噪扩散概率模型（DDPM）应用于投影域缺失数据预测，并通过迁移学习实现物体特异性适应，同时结合投影域和图像域的双域处理流程 | 未提及方法的泛化能力测试、计算效率分析或临床样本验证 | 开发一种从截断投影中高质量重建锥束CT图像的方法，克服视野不足导致的截断伪影 | 小动物活体成像数据（micro-CBCT系统采集的全身体和肺部投影数据） | 计算机视觉, 数字病理学 | NA | 锥束CT成像 | 去噪扩散概率模型（DDPM）, 图像增强网络（IE-Net） | CT投影数据（正弦图）和重建图像 | 小动物活体成像（未明确样本数量） | NA | SG-Net（基于DDPM）, IE-Net（未具体说明架构） | Dice相似系数（DSC）, 结构相似性指数（SSIM）, 均方根误差（RMSE） | NA |
| 2659 | 2026-05-19 |
Prediction method for transcription factor binding sites integrating channel and spatial attention mechanisms
2026-May, Yi chuan = Hereditas
DOI:10.16288/j.yczz.25-184
PMID:42145197
|
research paper | 提出一种整合通道与空间注意力机制的深度学习模型，用于预测不同细胞类型中的转录因子结合位点，在51组ChIP-seq数据和13个DNase-seq数据集上实现高精度预测 | 首次将通道注意力与空间注意力机制融合应用于转录因子结合位点预测，在23个转录因子-细胞类型组合上达到0.986的平均AUROC，相比现有先进模型FactorNet、Leopard和DeepGRN具有更优性能 | NA | 提高跨细胞类型预测转录因子结合位点的准确性，为解析基因表达调控网络和相关疾病分子发病机制提供计算框架 | 10个核心转录因子（CTCF、EGR1、FOXA1等）在13个人类细胞系（A549、GM12878、H1-hESC等）中的结合位点 | machine learning | NA | ChIP-seq, DNase-seq | 深度学习模型（注意力机制） | 序列数据 | 51组ChIP-seq数据和13个DNase-seq数据集 | NA | 通道注意力模块、空间注意力模块 | AUROC, AUPRC | NA |
| 2660 | 2026-05-19 |
Artificial Intelligence in Pediatric Bronchoscopy: Current Evidence and Future Perspectives
2026-May, Pediatric pulmonology
IF:2.7Q2
DOI:10.1002/ppul.71668
PMID:42145187
|
综述 | 本文总结了人工智能在儿科支气管镜检查中的当前证据并展望了未来应用 | 首次系统综述人工智能在儿科支气管镜中的独特应用，包括视频分析、导航指导和培训工具，并指出了儿科特定数据需求 | 大部分证据来自成人研究，儿科数据多为小规模、单中心数据集，存在偏倚风险，需要更多前瞻性多中心研究 | 评估人工智能在儿科支气管镜中的应用现状和潜在价值 | 儿科支气管镜检查中的AI应用，包括气道解剖识别、异物吸入预测、支气管炎评分等 | 数字病理学, 机器学习 | 儿科呼吸系统疾病 | NA | 深度学习模型 | 视频, 图像 | NA | NA | NA | 准确性, 完整性, 速度 | NA |