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 48077 篇文献，本页显示第 3001 - 3020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3001 | 2026-07-02 |
Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation
2026-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.150581
PMID:41611152
|
研究论文 | 本文报道了一种结合深度生成模型和虚拟筛选的整合框架，用于发现靶向IL23/IL23R蛋白-蛋白相互作用的小分子抑制剂，并通过实验验证其机制 | 利用基于序列附着的片段嵌入（SAFE）深度生成模型设计新型p19靶向骨架，结合虚拟筛选和分子动力学模拟，首次发现了一种通过诱导受体刚性化和变构稳定来锁定IL23/IL23R复合物于非信号传导状态的抑制剂Inh-31 | 仅对31个候选化合物进行了细胞筛选，样本量较小；未提及长期毒性或体内药效验证；分子动力学模拟时间限于300纳秒，可能不足以完全捕获动态行为 | 开发一种新的计算方法结合实验验证，以发现靶向IL23/IL23R相互作用的小分子抑制剂，为慢性炎症疾病（如银屑病）提供治疗候选分子 | IL23/IL23R蛋白-蛋白相互作用及其小分子抑制剂 | 机器学习 | 炎症性疾病（银屑病） | 分子动力学模拟 | SAFE深度生成模型 | 分子结构数据 | 31个候选化合物 | NA | SAFE（序列附着片段嵌入） | NA | NA |
| 3002 | 2026-07-01 |
Methodological challenges in machine learning and deep learning applied to food analysis: A critical review
2026-Aug-30, Journal of chromatography. A
DOI:10.1016/j.chroma.2026.467176
PMID:42314502
|
综述 | 对机器学习和深度学习在食品分析中面临的方法论挑战进行批判性评估 | 系统审查了165项研究并采用色谱案例实验验证，揭示了高折交叉验证及复制样本误用对模型性能的高估问题 | 仅基于咖啡色谱数据集进行案例验证，可能无法完全代表其他食品分析场景 | 评估机器学习/深度学习在食品分析中的方法论可靠性及工业可迁移性 | 食品色谱指纹图谱及色谱联用技术生成的高维数据集 | 机器学习 | NA | 色谱指纹图谱, 色谱联用技术 | 机器学习模型, 深度学习模型 | 高维色谱数据 | 165项已发表研究，1个咖啡起源色谱数据集 | NA | NA | 准确率 | NA |
| 3003 | 2026-07-01 |
1D domino-like phase transformation enables material programming in 2D MoTe2
2026-Jul-07, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2528037123
PMID:42372145
|
研究论文 | 通过深度学习势加速的分子动力学模拟，揭示了单层MoTe2中一维多米诺骨牌式的相变机制，并展示了其在非线性光学响应和电学开关调控中的潜力 | 首次发现二维材料中一维多米诺骨牌式相变机制，兼具马氏体和重构相变特征，并通过深度学习势分子动力学模拟验证，提供了可调的相变过程控制能力 | 研究主要基于模拟结果，未提供实验验证相变机制的细节，且可能未探讨其他组分的MoTe2或不同二维材料中的通用性 | 探索单层MoTe2的相变微观机制并实现材料性能调控 | 单层MoTe2材料 | 机器学习 | NA | 分子动力学模拟, 深度学习势 | 深度学习势 | 分子动力学轨迹数据, 模拟数据 | NA | NA | 深度学习势 | NA | NA |
| 3004 | 2026-07-01 |
Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3632096
PMID:41223103
|
研究论文 | 提出了一种联合收缩模式匹配算法，用于解决脑机接口中小样本和不平衡事件相关电位解码问题 | 通过联合收缩空间滤波器结合基于收缩的正则化与l_{2,p}范数，在复杂结构化正则化与实现简单性之间架起桥梁，并利用加权模板匹配缓解类不平衡导致的决策边界偏移 | 未明确说明 | 解决事件相关电位解码中的数据稀缺和类不平衡挑战，推动从实验室研究向实际应用过渡 | 基于事件相关电位的脑机接口系统的解码算法 | 机器学习 | NA | 事件相关电位解码 | 联合收缩模式匹配 (JSPM) | 脑电图信号 | 40个不平衡训练样本 | NA | 联合收缩空间滤波器, 加权模板匹配 | 平衡准确率 (bAcc) | NA |
| 3005 | 2026-07-01 |
Data Augmentation via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635264
PMID:41269845
|
研究论文 | 提出一种利用数字孪生体进行数据增强的策略，以在数据匮乏的情况下开发1型糖尿病个性化深度学习血糖预测算法 | 首次将数字孪生体（DT-T1D）用于生成个性化合成数据，以增强深度学习模型在血糖预测中的训练效果，特别是在数据有限的情况下 | 研究基于12名患者的开源数据集，样本量较小，可能限制模型的泛化能力；此外，数字孪生体的生成和模拟过程可能引入偏差 | 解决1型糖尿病管理中因数据稀缺而难以训练深度学习血糖预测模型的问题 | 1型糖尿病患者及其血糖-胰岛素动态数据 | 机器学习 | 1型糖尿病 | NA | 深度学习（未指定具体模型类型） | 时序数据（血糖-胰岛素动态数据） | 12名患者的数据 | NA | NA | NA（摘要中提及性能提升但未给出具体指标） | NA |
| 3006 | 2026-07-01 |
Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635426
PMID:41269846
|
研究论文 | 提出一种结合3D生成对抗网络与双通道视觉Transformer的框架，用于腰椎应力分析，兼具高精度与高效计算 | 将物理约束机制引入深度学习训练，确保模型与力学原理的一致性；通过生成对抗网络进行数据增强，克服了医学数据依赖性 | 未提及 | 提高腰椎生物力学分析的效率与准确性，实现实时分析以辅助诊断、手术规划和个体化治疗 | 腰椎的生物力学特性，包括椎体、椎间盘等结构 | 计算机视觉， 数字病理学 | 脊柱疾病 | 有限元分析 | 生成对抗网络， 视觉Transformer | 图像 | 未提及 | PyTorch | 3D生成对抗网络， 双通道视觉Transformer | 交并比， 均方误差 | NA |
| 3007 | 2026-07-01 |
EMI Cancellation for Shielding-Free Ultra-Low-Field MRI
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635911
PMID:41284462
|
研究论文 | 针对无屏蔽超低场MRI中的电磁干扰问题，提出一种基于深度学习的主动EMI抑制方法 | 首次将Transformer与混合注意力机制结合到U-Net架构中实现数据驱动的EMI预测与抑制 | 未提及具体局限性 | 开发深度学习主动EMI抑制方法，实现无屏蔽环境下ULF MRI的高质量成像 | 人体大脑成像数据中的电磁干扰信号 | 机器学习 | NA | 超低场磁共振成像 | U-Net | 磁共振信号 | NA | PyTorch | U-Net, Transformer, 混合注意力机制 | 信噪比, 峰值信噪比, 结构相似性指数 | NA |
| 3008 | 2026-07-01 |
Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet)
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3637089
PMID:41296941
|
研究论文 | 提出了一种基于深度学习的视频运动模仿评估方法，用于区分自闭症谱系障碍个体 | 提出CAMI-2DNet，一种无需临时数据归一化、清理和人工标注的可解释深度学习方法，利用编码器-解码器结构从视频中分离运动表示与身体形状和视角等干扰因素，并采用合成数据与真实数据训练 | 未明确说明局限性，可能依赖于合成数据的质量和真实数据的代表性 | 开发一种可扩展且可解释的计算机化运动模仿评估方法，用于区分自闭症谱系障碍与神经典型个体 | 自闭症谱系障碍儿童和神经典型儿童的运动模仿视频数据 | 计算机视觉 | 自闭症谱系障碍 | 视频数据 | 深度学习 | 视频 | 未明确说明样本数量，包括真实参与者和合成数据 | PyTorch | 编码器-解码器架构 | 与人类评分相关性，区分自闭症与神经典型个体的能力（如AUC、准确率等未明确指定） | NA |
| 3009 | 2026-07-01 |
Assessing the Robustness of Deep Learning Based Brain Age Prediction Models Across Multiple EEG Datasets
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3639477
PMID:41329579
|
研究论文 | 系统评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性 | 首次在不同脑电图数据集上系统评估深度学习模型的泛化能力，并探索超参数配置对模型性能的影响 | 未详细说明模型在特定疾病或人群中的适用性，以及潜在的偏倚来源 | 研究深度学习模型在不同脑电图数据集上的泛化能力，以年龄为预测目标 | 脑电图数据（EEG） | 机器学习, 数字病理学 | 老年疾病 | 脑电图（EEG） | 深度学习（DL） | 时间序列数据（EEG信号） | 5个数据集，1805个超参数配置 | NA | 多种深度学习架构（未具体列出） | 皮尔逊相关系数（r）, R² | NA |
| 3010 | 2026-07-01 |
Deep Learning-Based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae
2026-Jul, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3642160
PMID:41364580
|
研究论文 | 提出一种基于深度学习的替代模型，用于高效预测椎体应力分布，替代耗时的主体特定有限元分析 | 整合椎体形状编码并采用分离解码分支处理表面和内部节点，实现高效预测并与FEA结果高度一致 | 在前下缘和椎弓根区域存在局部预测偏差 | 开发快速、主体特定的椎体生物力学评估方法，应用于临床工作流 | 腰椎L1椎体 | 机器学习 | NA | CT扫描 | 深度学习替代模型（基于CNN） | CT图像 | 42例真实CT扫描数据经增强生成3960个合成L1椎体 | NA | 多分支解码网络（表面节点分支+内部节点分支） | 平均绝对误差, R平方, 可视化对比 | NA |
| 3011 | 2026-07-01 |
A century of coffee and tea research in cognitive health and Alzheimer's disease: Structural, thematic, and translational insights (1911-2025)
2026-Jul, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877261450996
PMID:42216624
|
综述 | 系统绘制咖啡和茶在认知衰老与阿尔茨海默病研究中的结构、主题和演化全景（1911-2025） | 首次以百年时间尺度、统一初级证据框架联合分析咖啡与茶两种饮品，结合文献计量学与可视化工具揭示主题演化及新兴领域（如肠道微生物、深度学习方法） | 仅纳入Scopus索引的英文原创文章，可能遗漏非英文文献及灰色文献；检索策略受布尔逻辑限制，部分灰色文献未覆盖 | 绘制咖啡和茶在认知老化与阿尔茨海默病研究中的结构、主题与时间演化图谱 | 咖啡和茶对认知健康与阿尔茨海默病影响的原始英文文献 | 文献计量分析 | 阿尔茨海默病 | NA | NA | 文献元数据 | 2873篇文章（来自1285个来源） | Bibliometrix, VOSviewer | NA | 文献产出量、每篇平均引用数（40.17次）、合作网络密度、核心期刊分布等 | NA |
| 3012 | 2026-07-01 |
Pediatric post-acute sequelae of SARS-CoV-2 infection in Taiwan: Insights from the DISCOVER cohort
2026-Jul, Pediatrics and neonatology
IF:2.3Q2
DOI:10.1016/j.pedneo.2026.03.007
PMID:42285845
|
研究论文 | 基于DISCOVER队列的台湾儿童SARS-CoV-2感染后遗症研究 | 通过多模态方法（验证筛查工具、AI诊断、肺功能评估）系统描述台湾儿童PASC的临床特征，并初步探索维生素D干预效果 | 结果基于单个队列和单中心随机对照试验，需更大规模验证 | 阐明台湾儿童PASC的临床特征、免疫机制及干预措施效果 | 台湾儿童SARS-CoV-2感染后遗症患者 | 机器学习 | 儿科COVID-19后遗症 | 脉冲振荡肺功能、深度学习超声心动图 | 深度学习模型 | 影像、免疫生物标志物、临床数据 | DISCOVER队列儿童患者（具体数量未提及） | NA | 深度学习辅助超声心动图模型 | NA | NA |
| 3013 | 2026-07-01 |
Early diagnosis of Alzheimer's disease through handwriting analysis and deep learning: A review
2026-Jul, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877261446573
PMID:42104715
|
综述 | 通过笔迹分析与深度学习实现阿尔茨海默病早期诊断的综述研究 | 系统整合了笔迹作为神经认知标志物与深度学习方法的交叉应用，提出多模态融合（语音、步态、面部信号）提升检测灵敏度 | 多数研究样本量小且为单中心设计，缺乏多中心验证和临床转化实践 | 评估基于笔迹的深度学习模型在阿尔茨海默病和轻度认知障碍早期诊断中的准确性及方法论挑战 | 阿尔茨海默病和轻度认知障碍患者的笔迹数据（离线图像和在线运动学特征） | 机器学习 | 阿尔茨海默病 | 数字笔迹采集 | 卷积神经网络、多模态Transformer融合 | 图像、时间序列数据 | NA | NA | CNN、Transformer | 准确率 | NA |
| 3014 | 2026-07-01 |
Automated quantification of interstitial lung abnormalities and emphysema on computed tomography: a predictive marker for postoperative pulmonary complications after esophagectomy
2026-Jul, Esophagus : official journal of the Japan Esophageal Society
IF:2.2Q3
DOI:10.1007/s10388-026-01208-0
PMID:42126669
|
研究论文 | 基于深度学习自动量化CT上肺间质异常和肺气肿，预测食管切除术后肺部并发症 | 首次使用深度学习自动量化方法评估CT纹理特征与食管切除术后肺部并发症的关联 | 单中心回顾性研究，可能引入选择偏倚；样本中男性占比较大，结果普遍性受限 | 评估术前CT纹理特征（肺间质异常和肺气肿）与食管切除术后肺部并发症的关联 | 2016年至2022年间接受食管切除术的765名患者 | 计算机视觉 | 食管癌术后肺部并发症 | CT | 深度学习模型（用于肺间质异常和肺气肿量化） | 图像（CT扫描） | 765名患者（平均年龄64.72±8.27岁，91.2%男性） | NA | NA | 风险比 | NA |
| 3015 | 2026-07-01 |
Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder
2026-Jun-30, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en26007
PMID:41889261
|
研究论文 | 使用深度学习模型估计年轻女性创伤后应激障碍患者的脑年龄，发现其脑老化加速约2.1年，并与认知和情绪症状严重程度相关 | 在年轻女性群体中首次直接通过神经影像学证据证实创伤后应激障碍加速脑老化，并利用群体特异性深度学习模型精确计算脑年龄差距 | 样本量相对较小且仅限于年轻女性，可能限制了结果的泛化性 | 研究年轻女性创伤后应激障碍患者是否出现加速脑老化及其与症状严重程度的关系 | 85名40岁以下女性（34名创伤后应激障碍患者和51名年龄匹配的健康对照） | 机器学习 | 创伤后应激障碍 | NA | 深度学习 | T1加权磁共振成像 | 85名女性参与者（34名创伤后应激障碍患者和51名健康对照） | NA | NA | 脑年龄差距、p值、标准化回归系数 | NA |
| 3016 | 2026-07-01 |
Mechanism-Based Multitarget Modeling for Pathway-Level Prediction of PI3K/Akt Signaling Perturbation Induced by Liquid Crystal Monomers
2026-Jun-30, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c00371
PMID:42311097
|
研究论文 | 构建了以通路为中心的PI3K/Akt信号扰动多靶点预测框架，用于评估液晶单体的系统毒性机制 | 首次提出基于机制的多靶点建模框架，整合深度学习与KEGG通路富集，实现通路级信号扰动预测，并应用于新兴污染物LCMs | 基于ChEMBL数据训练，可能覆盖范围有限；实验验证仅限A549细胞，需更多细胞系和体内验证 | 开发可转移的机制知情毒性评估框架，用于LCMs等污染物的化学优先排序 | 液晶单体和PI3K/Akt信号通路相关的19种蛋白靶点 | 机器学习 | NA | 深度学习、分子对接、转录组分析 | 多任务深度学习模型 | 分子结构数据、IC50活性数据、转录组数据 | 53694种分子，62440个数据点（ChEMBL训练集）；1412种LCMs（预测集） | NA | 多任务神经网络 | 准确率 | NA |
| 3017 | 2026-06-19 |
Correction to "Deep Learning-Assisted Multiplexed Electrochemical Fingerprinting for Chinese Teas Identification"
2026-Jun-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c03715
PMID:42312887
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3018 | 2026-07-01 |
Agentic Artificial Intelligence-Driven Explainable Deep Learning for Deciphering Noncoding Pathogenic Mechanisms of Delirium Through Genomic Big Data Integration
2026-Jun-29, Big data
IF:2.6Q2
DOI:10.1177/2167647X261463929
PMID:42367167
|
研究论文 | 开发了一种主体式人工智能驱动可解释深度学习管道，整合基因组大数据以解析谵妄的非编码致病机制 | 首次将主体式AI与多组学数据结合，识别出APOE和TOMM40为谵妄的因果基因，并揭示其相反方向效应及脑层特异性表达模式 | 未明确说明，可能包括样本人群限制（仅FinnGen数据）或功能验证缺乏 | 利用主体式AI和多组学整合剖析谵妄的遗传结构，识别因果基因并探索潜在治疗靶点 | 谵妄患者的全基因组关联研究数据、转录组关联研究数据、空间转录组数据以及深度学习预测结果 | 机器学习 | 老年疾病 | 全基因组关联分析（GWAS）、因果转录组关联研究（cTWAS）、空间转录组分析（gsMap）、深度学习（Enformer, SpliceTransformer） | 深度学习模型（Enformer, SpliceTransformer） | 基因组数据、转录组数据、空间转录组数据 | 6854例谵妄病例和384461例对照 | NA | Enformer, SpliceTransformer | 后验包含概率（PIP）、显著性p值、SNP活性差异、最大Δ分数 | NA |
| 3019 | 2026-07-01 |
Artificial Intelligence for Opportunistic Screening for Osteoporosis and Spine Fractures Using Computed Tomography: A Systematic Review and Meta-Analysis
2026-Jun-29, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001899
PMID:42370443
|
系统综述与荟萃分析 | 系统评估人工智能算法利用CT进行骨质疏松和脊柱骨折机会性筛查的诊断性能 | 首次通过荟萃分析综合量化AI在CT机会性筛查骨质疏松和骨折中的诊断效能，并识别最常用的身体部位和算法类型 | 纳入研究间异质性较高（尤其骨折筛查），且多数研究为回顾性设计 | 评估AI算法在CT机会性筛查骨质疏松和脊柱骨折中的整体诊断性能 | 利用CT进行骨质疏松或骨折筛查的人工智能算法研究 | 计算机视觉 | 骨质疏松 | 计算机断层扫描 | 机器学习、深度学习 | 图像 | 31项研究（1258篇筛选后纳入） | NA | 机器学习：支持向量机；深度学习：定制卷积神经网络 | AUC、敏感性、特异性 | NA |
| 3020 | 2026-07-01 |
Deep learning approach for analyzing regional scheimpflug corneal images to assess keratoconus progression
2026-Jun-29, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-026-07348-4
PMID:42371030
|
研究论文 | 利用深度学习模型分析不同角膜区域的Scheimpflug图像，以识别圆锥角膜的进展 | 首次使用YOLOv8L和YOLOv8X模型对中央3毫米后轴/矢状曲率图和后切向曲率图进行分析，以区分进展性和非进展性圆锥角膜 | 初步发现，需进一步纳入临床风险因素进行研究 | 评估深度学习模型在基线Scheimpflug角膜图像中区分进展性和非进展性圆锥角膜的能力 | 325名圆锥角膜患者的562只眼睛 | 计算机视觉 | 圆锥角膜 | Scheimpflug成像 | 卷积神经网络 | 图像 | 562只眼睛（300只进展性，262只非进展性） | YOLOv8 | YOLOv8L, YOLOv8X | 准确率, 敏感性, 特异性 | 未提供 |