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 43650 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2026-04-24 |
LCPBert: ProtBERT-based early-stage lung cancer prediction from T cell receptor beta sequences
2026-May-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115581
PMID:42023149
|
研究论文 | 开发了基于ProtBERT的LCPBert框架，通过外周血T细胞受体β序列实现肺癌早期检测 | 首次将ProtBERT应用于T细胞受体β序列分析以实现肺癌早期无创检测，并引入肺癌风险指数（LCRI）进行风险分层和转移预测 | 未提及具体局限性 | 利用深度学习从外周血TCRβ序列中实现肺癌早期检测 | 外周血T细胞受体β序列及肿瘤组织TCR序列 | 自然语言处理, 机器学习 | 肺癌 | TCRβ测序 | Transformer (ProtBERT) | 序列数据 | 未明确提及样本数量，包含训练队列、外部验证队列（健康供体、良性肺结节、肺癌患者）及纵向队列 | NA | ProtBERT | AUC, 敏感性, 特异性 | NA |
| 322 | 2026-04-24 |
SCAR-Net-assisted ultrasound diagnosis of postoperative scars and recurrent lesions in breast cancer
2026-May-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2026.115550
PMID:42023157
|
研究论文 | 介绍SCAR-Net深度学习模型，用于超声区分乳腺癌术后疤痕组织和复发病灶 | 提出结合疤痕-复发特征增强器和边界敏感注意力网络的SCAR-Net模型，显著提升了影像科医生的诊断性能 | NA | 利用深度学习模型提高乳腺癌术后疤痕与复发病灶的超声鉴别准确性 | 乳腺癌术后患者的疤痕组织和复发病灶 | 医学影像分析 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 来自四家医院的5710名患者的34376张超声图像 | NA | SCAR-Net | AUC、灵敏度、特异度、Dice系数 | NA |
| 323 | 2026-04-24 |
Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction
2026-May, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2780-0974
PMID:41468904
|
研究论文 | 开发并验证一种用于早期食管鳞状细胞癌检测和浸润深度预测的多模态深度学习模型 | 提出特征级融合的多模态算法MUMA-EDx，结合放大内镜和超声内镜成像，显著优于单模态模型，并在浸润深度分类中达到专家水平 | 模型在浸润深度分类的前瞻性测试中AUC有所下降（0.80 vs 0.95），可能受限于样本多样性和外部验证条件 | 提高早期食管鳞状细胞癌的诊断准确性和浸润深度评估能力 | 食管鳞状细胞癌患者的放大内镜和超声内镜图像 | 计算机视觉 | 食管癌 | 放大内镜、超声内镜 | 深度学习 | 图像 | 回顾性数据集358例患者（18420张图像），前瞻性数据集122例患者（8711张图像） | PyTorch | TResNet_m | 受试者工作特征曲线下面积、准确率、灵敏度、特异度、阳性预测值、阴性预测值 | NA |
| 324 | 2026-04-24 |
Artificial intelligence for diagnosis and triage in oral cancer: a clinician‑centered narrative review
2026-May, International journal of clinical oncology
IF:2.4Q3
DOI:10.1007/s10147-026-03002-5
PMID:41817640
|
综述 | 本叙述性综述聚焦人工智能在口腔癌诊断与分诊中的临床应用，涵盖临床影像、放射学、光学成像和数字病理等多模态技术 | 以临床医生为中心视角，系统整合口腔鳞状细胞癌诊疗全流程（病灶分诊、淋巴结转移预测、切缘评估、病理诊断）的AI应用，强调前瞻性设计、外部验证和临床可解释性 | 依赖PubMed收录的英文文献，可能遗漏非索引来源的重要研究；多数研究缺乏严格的前瞻性验证；性能在分布外图像和真实伪影下仍会下降 | 评估AI技术在口腔癌早期诊断、分诊及临床决策支持中的现状与实施挑战 | 口腔鳞状细胞癌及口腔潜在恶性病变 | 数字病理 | 口腔癌 | NA | 深度学习, 放射组学 | 临床照片, CT影像, MRI影像, PET影像, 高光谱空间频域成像, OCT图像, 全切片病理图像 | NA | NA | NA | 诊断准确率, 泛化性能 | NA |
| 325 | 2026-03-15 |
Correction: Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction
2026-May, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2832-9144
PMID:41825460
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 326 | 2026-04-24 |
An integrated microfluidic system for automatic and self-validated analysis of cervical extracellular vesicle markers PD-L1 and ERBB3
2026-May, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry
IF:1.8Q3
DOI:10.1007/s44211-026-00871-8
PMID:41838284
|
研究论文 | 提出一种集成微流控系统，用于自动且自我验证地分析宫颈细胞外囊泡标志物PD-L1和ERBB3 | 集成了基于深度学习的YOLOv8自我验证检测策略，实现了芯片上同时处理测试样本和阳性样本的平行分析，显著提高了检测可靠性，且检测限达15.56颗粒/微升 | 未明确提及 | 开发一种快速、精准的非侵入性液体活检方法，用于妇科恶性肿瘤的早期诊断 | 宫颈癌相关的细胞外囊泡标志物PD-L1和ERBB3 | 数字病理学 | 宫颈癌 | 微流控芯片、细胞外囊泡分离 | CNN | 图像 | 四种细胞系（SiHa, C33A, HeLa, H8） | NA | YOLOv8 | 检测限 | NA |
| 327 | 2026-03-28 |
Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned
2026-May-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]
IF:2.5Q1
DOI:10.1097/DSS.0000000000005096
PMID:41886676
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 328 | 2026-04-24 |
T3SS effector and regulator discovery by predicting interacting partners of T3SS chaperones in Pseudomonas aeruginosa
2026-May, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70551
PMID:42003191
|
研究论文 | 通过预测铜绿假单胞菌中T3SS伴侣蛋白的相互作用伙伴来发现其效应子和调节因子 | 结合结构辅助同源性搜索与AlphaFold2和AlphaFold3深度学习蛋白质结构预测方法，在泛基因组水平上系统筛选T3SS伴侣蛋白及其相互作用伙伴 | 仅关注参考菌株PAO1和PA14，其他菌株的T3SS全貌尚未完全探索；预测结果需进一步实验验证 | 利用系统基因组学和深度学习结构预测方法，发现铜绿假单胞菌中未知的T3SS效应子和调节因子 | 超过15000个高质量铜绿假单胞菌基因组中的T3SS伴侣蛋白及其相互作用蛋白质 | 机器学习 | 绿脓杆菌感染 | AlphaFold2、AlphaFold3、结构辅助同源性搜索 | 深度学习蛋白质结构预测模型 | 蛋白质序列、基因组序列 | 15000个铜绿假单胞菌基因组 | AlphaFold2, AlphaFold3 | AlphaFold2, AlphaFold3 | NA | NA |
| 329 | 2026-04-24 |
Early Detection of Gallbladder and Biliary Malignancy
2026-May, Radiologic clinics of North America
IF:2.1Q2
DOI:10.1016/j.rcl.2026.01.004
PMID:42020074
|
综述 | 本文强调了风险分层和多模态成像在胆囊癌和胆管癌早期识别中的重要性，并探讨了人工智能和深度学习模型在提高诊断准确性方面的潜力 | 整合人工智能与深度学习模型以增强诊断准确性，并提出多学科协作的早期检测策略 | 未提供具体实验结果或模型验证，仅概述了潜在方向 | 探讨胆囊和胆道恶性肿瘤早期检测的策略与技术进展 | 胆囊癌与胆管癌的早期检测方法 | 医学影像 | 胆囊癌, 胆管癌 | 多模态成像 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 330 | 2026-04-24 |
Artificial Intelligence for Food Packaging: A Life Cycle-Oriented Review of Material Performance, Functionality, Safety, and Sustainability
2026-May, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70486
PMID:42021492
|
综述 | 本文系统地回顾了人工智能在食品包装领域的应用，涵盖材料性能、功能性、安全性和可持续性，并提出了一个面向生命周期的分析框架 | 提出了一个面向生命周期的框架，将主要人工智能范式（监督、无监督、强化、深度学习和混合模型）与六个关键领域（材料设计、生产优化、食品质量预测、安全保障、智能标签与追溯、回收）联系起来，超越了以往局限于特定应用的研究 | 数据质量、模型泛化能力和监管接受度方面存在挑战 | 系统性地分析人工智能在食品包装全生命周期中的应用，包括材料性能、功能性、安全性和可持续性 | 2011至2025年间Web of Science核心合集收录的同行评审研究 | 机器学习 | NA | NA | 监督学习、无监督学习、强化学习、深度学习、混合模型 | NA | NA | NA | NA | 未明确说明 | NA |
| 331 | 2026-04-24 |
Harnessing the Hybrid Intelligence of Crowd and Artificial Intelligence in Group Decision Making for Uncertain Disaster Response
2026-May, Risk analysis : an official publication of the Society for Risk Analysis
IF:3.0Q1
DOI:10.1111/risa.70254
PMID:42021700
|
研究论文 | 提出一个利用人群与人工智能混合智能进行群体决策的框架，用于改进不确定灾害响应的包容性 | 首次整合众包数据与AI算法在群体决策中处理灾害不确定性，并通过深度学习估计人类苦难程度以提升同情心分配资源 | 依赖有偏见的众包数据可能不完全代表弱势群体，随机优化模型可能计算密集 | 通过混合智能框架提高灾害响应决策的包容性和效率 | 2021年河南洪水应急响应决策 | 机器学习 | NA | 深度学习、随机优化 | 深度学习模型、随机优化模型 | 文本（社交媒体数据）、区域脆弱性特征数据 | 真实案例研究涉及2021年河南洪水数据 | NA | 深度学习估计方法、随机优化模型 | NA | NA |
| 332 | 2026-04-24 |
Novel Knotted Solenoid fold with order-shifted coil arrangement leads to nontrivial 31 topology
2026-Apr-28, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2525920123
PMID:42018416
|
研究论文 | 本文报道了在结构数据库中未被识别的新型折叠——打结螺线管，该折叠具有独特的“跳过-回溯”线圈排列，形成非平凡的三叶结拓扑结构 | 首次发现并解析了打结螺线管折叠，其独特的“跳过-回溯”移位机制与已知螺线管结构显著不同，并导致形成三叶结拓扑结构 | 该研究主要基于晶体结构分析和计算模拟，缺乏对打结螺线管在天然状态下功能角色的直接实验验证 | 探究蛋白质折叠中的拓扑复杂性及其进化意义，识别新型打结结构 | 一组特定细菌中的打结螺线管蛋白 | 机器学习 | NA | X射线晶体学、圆二色光谱、分子动力学模拟、深度学习模型 | 生成式深度学习模型 | 晶体结构数据、序列数据 | 多个打结螺线管蛋白的晶体结构 | NA | NA | NA | NA |
| 333 | 2026-04-24 |
ArchesWeatherGen: Skillful and compute-efficient probabilistic weather forecasting with machine learning
2026-Apr-24, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adx2372
PMID:42018632
|
研究论文 | 提出了一种利用确定性天气模型设计概率天气模型的方法，基于流匹配技术构建了ArchesWeatherGen模型，在WeatherBench基准测试中超越了IFS ENS和NeuralGCM | 首次将流匹配（扩散模型变体）应用于概率天气预测，通过将确定性预测投影到ERA5天气状态分布来实现高性能和低计算成本 | 未提及显著限制，但模型依赖ERA5数据且仅在确定性模型基础上改进，可能对极端事件预测能力有限 | 提高概率天气预报的准确性和计算效率，并推动生成式机器学习在天气预测研究中的普及 | 天气状态序列及概率分布 | 机器学习 | NA | NA | 流匹配（扩散模型） | 气象数据（ERA5再分析数据） | ERA5数据集（具体样本量未提及） | NA | 流匹配网络 | 在所有WeatherBench主题变量上的性能指标（具体指标未提及） | NA |
| 334 | 2026-04-24 |
An Interpretable, Thermodynamics-Based Deep Learning Framework for Predicting and Optimizing Drug Membrane Permeability
2026-Apr-23, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00204
PMID:41941324
|
研究论文 | 开发了一种基于热力学的深度学习框架，用于预测和优化药物膜通透性 | 结合粗粒度分子动力学模拟与可解释图神经网络，首次从热力学角度系统分析结构-渗透性关系，并成功设计出具有更优鼻部吸收和脑部滞留特性的新型褪黑激素类似物 | 粗粒度分子动力学模拟的精度有限，且研究仅针对特定化合物库和给药途径，需进一步验证泛化性 | 建立可解释的深度学习模型以预测药物膜通透性并辅助分子设计 | 8,239个化合物的膜穿透热力学参数及药物膜通透性 | 机器学习 | NA | 粗粒度分子动力学模拟 | 图神经网络 | 分子结构和动力学模拟数据 | 8,239个化合物 | NA | 图神经网络 | NA | NA |
| 335 | 2026-04-24 |
A graph deep learning method for diagnosis of Parkinson's disease using brain functional connectivity features
2026-Apr-23, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae5dd3
PMID:41962553
|
研究论文 | 提出一种图深度学习方法，利用脑功能连接特征诊断帕金森病 | 综合静态和动态功能连接信息，建模脑网络的稳定拓扑结构和动态时间特征；构建受试者间相似性图增强模型表示能力；集成可解释性分析技术 | 在样本量较小时，方法的泛化能力仍有待验证 | 提出一种可解释的图卷积网络框架，用于帕金森病的早期精准诊断 | 帕金森病患者的静态和动态脑功能连接数据 | 深度学习 | 帕金森病 | rs-fMRI | 图卷积网络 | 脑功能连接特征 | NA | NA | 图卷积网络 | 准确率、泛化能力 | NA |
| 336 | 2026-04-24 |
SRMMP-CharQM, Physics-Informed Deep Learning for Toxicity Prediction: Quantum Mechanical Descriptors Enable Scaffold Hopping in Mitochondrial Membrane Potential Assays
2026-Apr-23, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.6c01087
PMID:41947441
|
研究论文 | 提出一种物理信息深度学习框架SRMMP-CharQM，用于预测线粒体膜电位破坏毒性，并通过量子力学描述符实现支架跳跃 | 将半经验量子力学计算的全局电子描述符（HOMO-LUMO能隙和总能量）与BiGRU序列编码结合，构建物理信息双分支深度学习框架，解决了传统模型在支架跳跃场景下的泛化能力不足问题 | NA | 提高药物安全性评估中线粒体膜电位毒性预测的泛化能力，特别是在未见分子支架情况下的表现 | 化合物分子及其线粒体膜电位毒性 | 机器学习 | NA | 半经验量子力学方法 (xTB) | 深度学习 (BiGRU) | 分子序列 (SMILES) 和量子描述符 | NA（使用严格的支架分割数据集，验证集毒性比例6.4%，测试集毒性比例28.9%） | PyTorch | BiGRU | AUC, AUPRC | NA |
| 337 | 2026-04-24 |
PhaBOX2: an enhanced web server for discovering and analyzing viral contigs in metagenomic data
2026-Apr-23, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkag382
PMID:42023515
|
研究论文 | PhaBOX2 是一个增强的网页服务器，用于在宏基因组数据中发现和分析病毒序列 | PhaBOX2 从专门的噬菌体鉴定工具升级为综合性的病毒序列分析套件，扩展了对古菌和真核病毒的表征，采用“玻璃箱”设计结合比对策略与机器学习以提高透明度，并实现约80%的处理时间减少 | 未在摘要中明确提及局限性 | 提供一个集成、自动化且可解释的病毒宏基因组分析平台 | 宏基因组数据中的病毒序列，包括噬菌体、古菌病毒和真核病毒 | 机器学习, 生物信息学 | 不适用 | 宏基因组测序 | 机器学习模型 | 序列数据 | 不适用 | 不适用 | 不适用 | 处理时间 | 专用高性能计算基础设施 |
| 338 | 2026-04-24 |
DiffDock-Glide: A Hybrid Physics-Based and Data-Driven Approach to Molecular Docking
2026-Apr-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01635
PMID:42023722
|
研究论文 | 提出一种结合物理基础和深度学习方法的混合分子对接模型DiffDock-Glide | 通过修改生成过程限制采样在结合口袋内，并用Glide的后对接最小化流程替代置信模型，以改进DiffDock的采样质量和泛化能力 | NA | 提升深度学习分子对接方法在训练集外目标上的性能，并与传统对接方法竞争 | 小分子与蛋白质结合位点的对接 | 机器学习 | NA | 分子对接 | 扩散模型 | 分子结构数据 | PoseBusters数据集和DUD-E数据集 | PyTorch | DiffDock,Glide | 近天然构象采样率,富集值 | NA |
| 339 | 2026-04-24 |
Development and External Validation of a Deep Learning Model to Predict Mortality in Aneurysmal Subarachnoid Hemorrhage Using Admission Computed Tomography
2026-Apr-23, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000004038
PMID:42023861
|
研究论文 | 开发并外部验证一种基于入院CT扫描预测动脉瘤性蛛网膜下腔出血后90天死亡率的全自动深度学习模型 | 首次开发完全自动化、仅依赖入院非对比CT扫描的深度学习模型，无需手动输入，提供客观、可复现的图像风险分层 | 模型性能与常规临床模型相当但未显著优越；样本量相对有限（863名患者） | 开发并外部验证一种全自动深度学习模型，仅通过入院非对比CT扫描预测动脉瘤性蛛网膜下腔出血后90天死亡率 | 动脉瘤性蛛网膜下腔出血患者的入院非对比CT扫描及90天死亡率 | 计算机视觉 | 动脉瘤性蛛网膜下腔出血 | CT | 卷积神经网络 | 图像 | 863名患者（586训练、147内部测试、130外部验证） | NA | 三维DenseNet-121 | AUC, 区分度, 分类性能, 校准度, 决策曲线分析 | NA |
| 340 | 2026-04-24 |
Deep learning for stenotic nares classification in brachycephalic dogs
2026-Apr-23, Veterinary research communications
IF:1.8Q2
DOI:10.1007/s11259-026-11220-5
PMID:42024293
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |