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 44743 篇文献，本页显示第 2921 - 2940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2921 | 2026-04-18 |
Identification and selection of the best artificial intelligence methods developed for detection and diagnosis of breast cancer
2026-Apr-16, Tumori
DOI:10.1177/03008916261434125
PMID:41992582
|
研究论文 | 本研究通过模糊AHP-TOPSIS技术，系统识别并优先排序了用于乳腺癌检测和诊断的人工智能方法 | 首次结合模糊层次分析法（FAHP）和TOPSIS方法，对乳腺癌检测与诊断的AI技术进行系统性评估与排序 | 研究依赖于现有文献数据，未进行原始实验验证；评估标准可能受主观因素影响 | 识别并选择最佳的乳腺癌检测与诊断人工智能方法 | 乳腺癌检测与诊断的人工智能技术 | 数字病理 | 乳腺癌 | NA | 深度学习集成架构 | 显微图像 | NA | NA | VGG16, ResNet34, ResNet50 | 有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力 | NA |
| 2922 | 2026-04-18 |
Accuracy of Deep Learning for Detecting Axillary Lymph Node Metastasis in Breast Cancer: Systematic Review and Meta-Analysis
2026-Apr-16, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77593
PMID:41992690
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了深度学习模型在检测乳腺癌腋窝淋巴结转移方面的诊断性能 | 首次对深度学习在乳腺癌腋窝淋巴结转移检测中的诊断准确性进行了全面的系统综述和荟萃分析，并比较了不同影像模态（超声、磁共振成像、计算机断层扫描）下模型的性能 | 纳入研究存在异质性，部分研究可能存在偏倚风险，且未对特定深度学习架构进行亚组分析 | 评估深度学习在检测乳腺癌腋窝淋巴结转移方面的有效性，为临床诊断工具的开发或优化提供证据支持 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 医学影像（超声、磁共振成像、计算机断层扫描） | 28项独立研究，共20,811名乳腺癌患者，其中7,123例确诊腋窝淋巴结转移 | NA | NA | 灵敏度, 特异度, 诊断比值比, 受试者工作特征曲线下面积, 阳性似然比, 阴性似然比 | NA |
| 2923 | 2026-04-18 |
Decoding immunotherapy response through computational modeling
2026-Apr-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71364-5
PMID:41986319
|
综述 | 本文综述了通过计算建模解码免疫治疗响应的研究进展 | 整合了四种计算范式（经典机器学习、深度学习、图与网络建模、机制系统生物学），并强调向多模态融合和可解释临床部署模型的转变 | NA | 分析计算工具在免疫治疗响应预测和患者分层中的应用，以推动精准免疫肿瘤学发展 | 癌症患者免疫治疗响应 | 机器学习 | 癌症 | NA | NA | 多组学数据、影像数据 | NA | NA | NA | NA | NA |
| 2924 | 2026-04-18 |
Deep learning-enabled scaffolding of spatial arrays of PfCSP epitopes
2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2521914123
PMID:41945436
|
研究论文 | 利用生成式深度学习模型设计包含多个PfCSP表位的空间阵列支架，以模拟抗体与疟疾环子孢子蛋白的结合结构，旨在开发新型多表位免疫原 | 首次应用生成式深度学习模型设计具有预定相对空间取向的多表位支架，模拟抗体与病原体多价簇结合时的同型相互作用 | 支架中第三个表位发生位移，且在小鼠模型中抑制肝脏入侵的效果不如展示较长连接肽的纳米颗粒 | 设计能够引发类似L9抗体的多表位免疫原，以增强对疟疾的免疫保护 | 疟疾环子孢子蛋白（CSP）的表位，特别是连接区重复表位 | 机器学习 | 疟疾 | 生成式深度学习模型 | 生成式深度学习模型 | 结构数据 | NA | NA | NA | 亲和力、结构研究、肝脏入侵抑制效果 | NA |
| 2925 | 2026-04-18 |
Automatic monitoring of single-wall MAPSE by transesophageal echocardiography for tracking global left ventricular function irrespective of regional hypokinesia: a secondary analysis
2026-Apr-14, Intensive care medicine experimental
IF:2.8Q2
DOI:10.1186/s40635-026-00898-1
PMID:41979780
|
研究论文 | 本研究通过经食管超声心动图，使用深度学习自动监测单壁二尖瓣环平面收缩期位移（MAPSE），以追踪全球左心室功能，并探讨区域壁运动异常的影响 | 开发了名为autoMAPSE的深度学习自动方法，用于连续监测单壁MAPSE，首次在术后ICU患者中评估其追踪全球左心室功能变化的能力，并系统分析区域壁运动异常的影响 | 研究为前瞻性观察研究的二次分析，样本量较小（49例患者），且仅针对心脏手术患者，可能限制结果的普适性 | 评估单壁autoMAPSE在追踪全球左心室功能变化（即趋势能力）中的表现，并探索区域壁运动异常对此能力的影响 | 接受心脏手术的术后ICU患者 | 数字病理学 | 心血管疾病 | 经食管超声心动图 | 深度学习 | 图像 | 49例患者 | NA | NA | 一致性率 | NA |
| 2926 | 2026-04-18 |
MRI-based spatio-temporal atlas of ganglionic eminence
2026-Apr-14, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00702-5
PMID:41979773
|
研究论文 | 本研究构建了一个基于MRI的胎儿基底节隆起时空图谱，覆盖19至36孕周 | 首次生成了高分辨率（0.5毫米各向同性）的基底节隆起时空MRI图谱，并揭示了其在21孕周左右达到最大体积后逐渐减少的动态变化 | 研究样本仅基于扩展的人类连接组计划图谱，可能未涵盖所有胎儿发育变异；专家分割的一致性虽高，但可能存在主观偏差 | 构建胎儿基底节隆起的时空图谱，以监测其发育动态并理解与神经发育异常的关系 | 胎儿基底节隆起结构 | 数字病理学 | NA | 磁共振成像 | NA | MRI图像 | 基于扩展的人类连接组计划图谱，覆盖19至36孕周 | NA | NA | Dice相似系数 | NA |
| 2927 | 2026-04-18 |
Investigating performance and key factors for real-world deployment of grain image classification using convolutional neural networks
2026-Apr-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45314-6
PMID:41981057
|
研究论文 | 本研究提出并演示了一种结构化方法，用于研究卷积神经网络（CNN）及影响小麦籽粒分类性能的关键因素，旨在确保高且稳健的分类准确性 | 聚焦于CNN在真实世界部署中的实际挑战与可靠性问题，通过逐步分析阐明了不同图像数据集特征和训练参数对性能的影响 | 研究中较小的类别因缺乏代表性样本而表现不佳，且存在可疑标注和多类别归属问题 | 确定一个能确保高且稳健分类准确性的CNN模型，并解释不同图像数据集特征和训练参数如何影响性能和可靠性 | 小麦籽粒 | 计算机视觉 | NA | 基于视觉的机器学习与深度学习方法 | CNN | 图像 | NA | NA | ResNet50V2, EfficientNetV2B0 | 准确率 | NA |
| 2928 | 2026-04-18 |
Bioimage analysis for multiplexed FUCCI acquisitions powered by deep learning
2026-Apr-14, Npj imaging
DOI:10.1038/s44303-026-00159-6
PMID:41981225
|
研究论文 | 本文开发了一种基于深度学习的生物图像分析方法，用于处理多路复用的FUCCI活细胞成像数据，以精确分割和分类细胞核，并实现稳健的自动追踪和细胞周期伪时间分析 | 提出了一种整合FUCCI信号与细胞质α-微管蛋白荧光报告基因的深度学习网络，显著提升了在低信噪比条件下对FUCCI细胞核的分割和分类精度，并引入了动态时间规整分析以从非完整轨迹中推断细胞周期伪时间并检测细胞周期停滞 | 未明确说明模型在更广泛的组织类型或更极端的成像条件下的泛化能力，也未详细讨论计算资源需求和处理速度 | 开发一种高精度的生物图像分析工具，以改善在低信噪比多路复用活细胞成像条件下对细胞周期相位的解码和追踪 | 使用FUCCI传感器和细胞质α-微管蛋白荧光报告基因标记的活细胞 | 数字病理学 | 癌症 | 多路复用活细胞成像，FUCCI传感器，荧光报告基因 | 深度学习网络 | 多通道荧光显微镜图像 | NA | NA | NA | 分割精度，分类精度 | NA |
| 2929 | 2026-04-18 |
Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02961
PMID:41838774
|
研究论文 | 本文开发了一种结合图神经网络与显式分子描述符的混合深度学习框架，用于预测药物靶点的半数抑制浓度值 | 通过整合图神经网络与可解释的物理化学性质及结构指纹，同时捕捉局部结构模式和全局物理化学性质，提升了预测准确性和可解释性 | 未明确说明模型在更广泛或未知靶点上的泛化能力，以及计算资源需求的具体细节 | 加速药物发现过程，提高化合物活性预测的准确性 | 药物化合物及其对多种生物靶点的抑制活性 | 机器学习 | NA | 定量构效关系建模，图神经网络 | 图神经网络 | 分子图数据，分子描述符 | 14,316种化合物，涵盖激酶、核受体和蛋白酶等九种生物靶点 | NA | 图神经网络 | R² | NA |
| 2930 | 2026-04-18 |
Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00396
PMID:41843405
|
研究论文 | 本研究提出了一种基于深度学习的框架MLRaman，利用Raman光谱快速检测农药和合成染料 | 结合ResNet-18特征提取与XGBoost、SVM等分类器，开发了名为MLRaman的深度学习框架，并构建了用户友好的Streamlit应用进行实时预测 | NA | 开发一种快速、可靠的检测方法，用于监测食品和环境中的农药及合成染料残留 | 7种农药和3种染料，共10种分析物 | 机器学习 | NA | Raman光谱 | CNN, XGBoost, SVM | 光谱数据 | NA | NA | ResNet-18 | 准确率, AUC | NA |
| 2931 | 2026-04-18 |
Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00365
PMID:41855083
|
研究论文 | 本文提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测 | 提出了一种混合图-机器学习框架，通过整合多种图神经网络（CGCNN、MEGNet、SchNet）的嵌入与物理意义的晶体描述符，实现了比传统模型和单一图神经网络更高的预测精度和更好的泛化能力，同时计算资源需求更低 | 未明确提及具体局限性，但可能依赖于特定数据库（Materials Project）的数据质量和覆盖范围 | 加速半导体和能源材料的发现与设计，通过高精度预测电子带隙 | 晶体结构及其电子带隙 | 机器学习 | NA | NA | 图神经网络, 梯度提升, 神经网络 | 晶体结构数据 | 来自Materials Project数据库的136,000个晶体结构 | NA | CGCNN, MEGNet, SchNet | R², MAE, MSE | 未明确指定，但提及比ALIGNN模型所需计算资源更低 |
| 2932 | 2026-04-18 |
LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02883
PMID:41856929
|
研究论文 | 本文提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选 | 模型首次在序列预测中同时整合蛋白质残基级信息和配体信息，突破了现有方法仅关注蛋白质序列的局限 | 未明确说明模型对未见配体类型的泛化能力或计算效率的具体数据 | 开发一种能够准确预测蛋白质-配体结合残基的序列深度学习模型，以支持虚拟筛选和药物发现 | 蛋白质序列及其与特定配体的结合残基 | 计算生物学, 生物信息学 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据, 配体信息 | NA | NA | NA | 结合亲和力 | NA |
| 2933 | 2026-04-18 |
Physical Implausibility of Carbohydrate Ligands in Results of Deep Learning-Based Cofolding Methods
2026-Apr-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c03075
PMID:41866819
|
研究论文 | 本文分析了AlphaFold 3和Boltz-1x等深度学习共折叠方法在碳水化合物配体建模中的立体化学违规问题 | 首次系统量化了深度学习共折叠方法在碳水化合物配体建模中的立体化学错误率，并揭示了Boltz-1x在减少某些违规的同时可能引入新的结构配置问题 | 研究仅基于900个碳水化合物配体进行分析，可能未覆盖所有类型的碳水化合物结构；BondedAtomPairs协议在减少立体化学问题时丢失了还原端异头氧，表明方法仍需改进 | 评估深度学习共折叠方法在碳水化合物配体建模中的物理合理性 | 碳水化合物配体 | 计算生物学 | NA | 深度学习共折叠方法 | AlphaFold 3, Boltz-1x | 分子结构数据 | 900个碳水化合物配体 | NA | NA | 立体化学违规率、手性错误率、键转换率、平面环畸变率、芳香环形成率、不当结构配置率 | NA |
| 2934 | 2026-04-18 |
Automated scout-image-based estimation of contrast agent dosing: a deep learning approach
2026-Apr-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02331-1
PMID:41965610
|
研究论文 | 本研究开发了一种基于深度学习的算法，利用CT定位图像自动估算患者体重，以优化CT检查中造影剂的剂量 | 首次提出使用深度学习直接从CT定位图像自动估算患者体重，以替代传统的手动测量或患者自报体重方法，并采用EfficientNet卷积神经网络结合上下文学习和数据集蒸馏技术分析体重相关的CT特征 | 研究为回顾性分析，样本量有限（817例），且需要在更大规模队列和不同临床中心进行进一步验证 | 开发自动化工具以优化CT检查中造影剂剂量的估算，提高患者安全和临床工作效率 | 接受胸腹部CT检查的患者 | 计算机视觉 | NA | CT扫描 | CNN | 图像 | 817例患者 | NA | EfficientNet | 平均绝对误差 | NA |
| 2935 | 2026-04-18 |
Deep learning-driven quantitative spectroscopic photoacoustic imaging for segmentation and oxygen saturation estimation
2026-Apr-11, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2026.108092
PMID:41990476
|
研究论文 | 本文开发了一种用于光谱光声成像的深度神经网络，以同时估计血管中的血氧饱和度并分割血管 | 提出了一种名为Hybrid-Net的深度神经网络，无需估计光通量即可同时实现血管分割和血氧饱和度定量估计，提高了在异质组织中的预测准确性 | 研究主要在模拟数据和简单的组织仿体实验中进行验证，尚未在复杂的活体组织中进行充分测试 | 开发一种深度学习方法，用于光谱光声成像中的血氧饱和度定量估计和血管分割 | 乳腺组织中的血管 | 医学影像分析 | NA | 光谱光声成像 | 深度神经网络 | 图像 | 模拟数据（不同噪声水平0 dB-35 dB）和实验数据（组织仿体中的血池） | NA | Hybrid-Net | 分割准确度，血氧饱和度均方误差 | NA |
| 2936 | 2026-04-18 |
scMultiPreDICT: A single-cell predictive framework with transcriptomic and epigenetic signatures
2026-Apr-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.08.717080
PMID:41993521
|
研究论文 | 本文介绍了一个名为scMultiPreDICT的计算框架，用于基于单细胞多组学数据比较转录组和表观遗传特征对基因表达的预测性能 | 开发了一个系统性的比较预测框架，首次在基因层面和细胞背景下评估了转录特征与染色质可及性特征对基因表达的相对贡献，并发现多模态整合的益处是基因特异性和上下文依赖的 | 未明确提及研究的局限性 | 比较转录组和表观遗传特征在预测基因表达中的相对贡献，并识别不同调控层对基因表达的影响 | 单细胞多组学数据（同时分析基因表达和染色质可及性） | 机器学习 | NA | 单细胞多组学技术（转录组和表观基因组分析） | 回归模型, 基于树的模型, 深度学习模型 | 单细胞多组学数据（转录组和染色质可及性数据） | 使用了多个生物数据集，但未具体说明样本数量 | R | NA | 预测准确性 | NA |
| 2937 | 2026-04-18 |
Vis-NIR spectroscopy and deep learning for non-invasive in vivo detection of acute liver injury
2026-Apr-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127888
PMID:41990513
|
研究论文 | 本研究利用可见-近红外光谱结合深度学习，开发了一种非侵入性体内检测急性肝损伤的方法 | 采用嵌入式可解释深度学习框架进行端到端光谱特征选择，识别出与急性肝损伤相关的稳定波长簇而非孤立峰 | 样本量较小，光谱数据存在高维低样本量特性和有限信噪比 | 探索可见-近红外漫反射光谱在非侵入性检测急性肝损伤中的应用潜力 | 通过腹腔注射对乙酰氨基酚建立的急性肝损伤小鼠模型 | 机器学习 | 急性肝损伤 | 可见-近红外漫反射光谱 | 深度学习 | 光谱数据 | NA | NA | NA | 召回率, F1分数 | NA |
| 2938 | 2026-04-18 |
Beyond Invariable Sites: Using Evolutionary Stasis to Map Multi-Layered Constraints on the Evolution of Viral and Mammalian Genomes
2026-Apr-10, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.09.717527
PMID:41993262
|
研究论文 | 本文介绍了一种名为B-STILL的层次贝叶斯框架，用于解析蛋白质编码数据的选择景观，通过基因级校准和密码子位点特异性进化机会，识别进化停滞锚点（ESAs） | 提出B-STILL框架，利用进化停滞概念解决标准选择推断工具在接近零进化速率区域忽略极端纯化选择信号的问题，通过调整停滞半径区分随机不变性和功能约束 | NA | 开发高分辨率基因组注释的统计框架，以识别病毒和哺乳动物基因组中的功能或结构约束区域 | 病毒和哺乳动物基因组中的蛋白质编码基因 | 机器学习 | NA | 密码子替代模型 | 层次贝叶斯模型 | 基因组序列数据 | 数千条序列的比对 | NA | NA | NA | NA |
| 2939 | 2026-04-18 |
Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes
2026-Apr-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.07.717039
PMID:41993329
|
研究论文 | 本文提出了一种名为STEAM的进化迁移学习框架，用于跨哺乳动物物种推断全基因组增强子图谱 | 提出了“进化迁移学习”概念，通过整合多物种基因组序列和单细胞染色质可及性数据，显著提高了增强子预测模型的跨物种泛化能力 | 训练数据中存在标签噪声，且模型性能可能受到物种间序列多样性不足的限制 | 开发一个能够跨哺乳动物物种预测细胞类型特异性增强子的深度学习框架 | 人类、小鼠及其他239种哺乳动物的基因组增强子 | 机器学习 | NA | 单细胞染色质可及性测序（combinatorial indexing），比较基因组学 | 深度学习模型 | 基因组序列，染色质可及性数据 | 来自36个阶段化胚胎的390万个细胞核，涵盖241种哺乳动物基因组 | NA | 多输出深度学习模型（CREsted, STEAM） | NA | NA |
| 2940 | 2026-04-18 |
DrugBLIP: exploring the protein-molecule interaction mechanisms with a multi-task learning graph transformer
2026-Apr-07, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag069
PMID:41967848
|
研究论文 | 本文提出了一种名为DrugBLIP的多任务图Transformer模型，用于统一学习蛋白质-分子相互作用，以改进虚拟筛选、对接和药物设计 | 基于SE(3)等变架构，通过结合对比学习、匹配任务和对接优化的多任务学习框架，利用混合图Transformer捕获三维空间关系，实现了在虚拟筛选和对接任务上的最先进性能 | 未明确提及模型在更广泛数据集或实际药物发现流程中的泛化能力限制 | 准确建模蛋白质-分子相互作用，以推动虚拟筛选、对接和药物设计的发展 | 蛋白质与分子之间的相互作用 | 机器学习 | NA | NA | Transformer, 图神经网络 | 三维空间结构数据 | NA | NA | 混合图Transformer, SE(3)-等变架构 | AUROC, BEDROC, 对接成功率, 目标垂钓准确率 | NA |