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 43005 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-04-04 |
Hybrid deep learning with protein language models and dual-path architecture for predicting IDP functions
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag126
PMID:41921197
|
研究论文 | 本文提出了一种名为IDPFunNet的混合深度学习模型，用于预测内在无序区域（IDR）的六种功能类别 | 结合了卷积神经网络、双向LSTM、残差MLP和蛋白质语言模型ProtT5，采用双路径架构将结合预测与无序柔性连接子（DFL）识别解耦，并利用ProtT5进化嵌入显著提升了性能 | 未明确提及具体限制，但可能包括模型对特定数据集的依赖或计算资源需求 | 预测内在无序区域（IDR）的功能类别，以解决其动态构象导致的传统结构-功能注释困难 | 内在无序区域（IDR），包括五种结合亚型和无序柔性连接子（DFL） | 自然语言处理, 机器学习 | NA | 蛋白质语言模型（ProtT5）、进化嵌入 | CNN, LSTM, MLP | 蛋白质序列数据 | NA | NA | ResNet, Transformer | AUC, APS | NA |
| 362 | 2026-04-04 |
Expression of Concern on “A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features"
2026-03, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202603_37714
PMID:41925352
|
声明 | 期刊编辑与出版商针对一篇已发表论文中参考文献的相关性问题发布关切声明 | NA | 作者未对参考文献相关性质疑作出回应，问题尚未解决 | NA | NA | NA | 自闭症谱系障碍 | NA | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 363 | 2026-04-04 |
Side- and patient-based performance of a deep learning system based on the results of individual detection of carotid artery calcifications on panoramic radiographs
2026-Mar, Imaging science in dentistry
IF:1.7Q3
DOI:10.5624/isd.20250232
PMID:41928842
|
研究论文 | 本研究开发了两种用于全景X光片上颈动脉钙化诊断的深度学习系统，并比较了它们在钙化点、单侧和患者层面的诊断性能 | 开发了两种具有不同检测范围的深度学习系统（全图检测与双侧颈部区域限制检测），并首次系统比较了钙化点层面、单侧层面和患者层面三种评估方式的诊断性能 | 研究中观察到相对较多的假阳性病例 | 开发用于全景X光片上颈动脉钙化自动诊断的深度学习系统，并评估其在不同评估层面的性能 | 全景X光片图像 | 数字病理学 | 心血管疾病 | 全景X光摄影 | 深度学习检测模型 | 医学图像（X光片） | 580名患者（290名有颈动脉钙化，290名无钙化对照） | NA | NA | 召回率, 精确率, F1分数, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC | NA |
| 364 | 2026-04-04 |
YOLOv8m-segmentation for detecting cervical burnout and caries in bitewing radiographs: A deep learning approach
2026-Mar, Imaging science in dentistry
IF:1.7Q3
DOI:10.5624/isd.20250194
PMID:41928845
|
研究论文 | 本研究评估了YOLOv8m-seg模型在咬翼X光片上检测和描绘邻面龋及牙颈部烧灼伤的性能，并探讨了增加训练轮次对分割精度和一致性的影响 | 首次将YOLOv8m-seg模型应用于牙科X光片中同时检测龋齿和牙颈部烧灼伤，并系统研究了训练轮次对分割性能的影响 | 模型在非增强验证子集上的性能有所下降，未来需要在更广泛人群和多样化临床环境中评估模型的泛化能力 | 开发一种基于深度学习的自动检测方法，用于在咬翼X光片上区分邻面龋和牙颈部烧灼伤 | 咬翼X光片中的邻面龋和牙颈部烧灼伤病变 | 计算机视觉 | 牙科疾病 | 深度学习，图像分割 | YOLO | X光图像 | 1,410张咬翼X光片（1,128张训练，282张验证） | Ultralytics | YOLOv8m-seg | 精确率，召回率，mAP0.5，mAP0.5-0.95 | NA |
| 365 | 2026-04-04 |
scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data
2026-Feb-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag095
PMID:41746287
|
研究论文 | 本文提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以改善细胞聚类性能并识别关键基因 | 结合深度自编码器捕获基因表达主要信息，并采用反向策略识别细胞群的关键基因，从而提升聚类性能 | 未明确提及算法在高维数据中的计算效率或对大规模数据集的扩展性限制 | 开发一种专门针对scRNA-seq数据的双聚类算法，以更好地捕获细胞异质性并识别关键基因 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 自编码器 | 基因表达数据 | NA | NA | 深度自编码器 | NA | NA |
| 366 | 2026-04-04 |
Graph-based transformer to predict the octanol-water partition coefficient
2026-Feb-27, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01160-2
PMID:41761278
|
研究论文 | 本文提出了一种基于微调预训练GraphormerMapper模型的logP预测方法，名为GraphormerLogP，用于准确预测药物分子的亲脂性 | 首次将预训练的GraphormerMapper模型应用于logP预测，并构建了一个包含42,006个独特SMILES-logP对的大型多样化数据集GLP | 未明确提及模型在特定分子类型或复杂结构上的泛化能力限制 | 开发一种高精度的logP预测方法以支持药物发现与开发 | 药物分子的亲脂性（logP值） | 机器学习 | NA | 图基深度学习 | Transformer | 分子图（SMILES表示） | 总计55,694个分子（GLP数据集42,006个，基准数据集13,688个） | PyTorch | GraphormerMapper | 平均绝对误差 | NA |
| 367 | 2026-02-28 |
Clinically interpretable deep learning for pediatric dental age estimation with explainable AI
2026-Feb-26, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07961-z
PMID:41742153
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 368 | 2026-04-04 |
BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins
2026-Feb-26, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02508-8
PMID:41749211
|
研究论文 | 本研究提出了一种名为BiToxNet的深度学习框架，通过整合来自蛋白质大语言模型的进化嵌入和十种手工生化描述符，利用双线性注意力网络实现多模态特征融合，用于准确识别神经毒性肽和蛋白质 | BiToxNet通过双线性注意力网络（BAN）有效整合进化嵌入和手工生化特征，实现了跨模态交互和残基级依赖性的建模，显著提升了神经毒性预测的准确性和泛化能力 | 未明确提及具体局限性，但现有计算方法通常受限于浅层特征工程和多模态融合策略的不足 | 开发一个准确预测肽和蛋白质神经毒性的计算框架，以支持蛋白质治疗药物的安全性评估和蛋白质药物开发 | 神经毒性肽和蛋白质 | 自然语言处理 | NA | 蛋白质大语言模型 | 深度学习 | 序列数据 | 三个不同序列长度的数据集：蛋白质数据集、肽数据集和组合数据集，以及一个外部不平衡数据集 | NA | 双线性注意力网络（BAN） | 准确率 | NA |
| 369 | 2026-04-04 |
Decoding cardiovascular risk in Chinese middle-aged and elderly adults: a 9-year prospective study integrating machine learning with explainable AI based on CHARLS cohort
2026-Feb-26, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03389-1
PMID:41749231
|
研究论文 | 本研究基于中国健康与养老追踪调查队列数据，结合机器学习与可解释人工智能技术，开发并验证了一个针对中国中老年人群的心血管疾病长期风险预测模型 | 首次将可解释人工智能技术（SHAP）与机器学习算法（梯度提升机）相结合，针对中国中老年人群开发心血管疾病风险预测模型，实现了预测准确性与临床可解释性的平衡 | 模型重要性分析反映的是统计贡献而非因果关系，且需要独立队列的外部验证才能确立普适性 | 开发并验证一个针对中国中老年人群的心血管疾病长期风险预测模型 | 中国中老年人群（年龄≥45岁） | 机器学习 | 心血管疾病 | 队列研究，机器学习 | 梯度提升机，以及包含线性、非线性、集成学习和深度学习在内的12种算法 | 纵向队列数据 | 8080名参与者完成9年随访，其中训练队列5699人 | 未明确说明 | 未明确说明 | AUC，特异性，阳性预测值，敏感性 | NA |
| 370 | 2026-04-04 |
Integration of fairness-awareness into clinical language processing models
2026-Feb-24, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01433-9
PMID:41731014
|
研究论文 | 本研究评估了从临床文本预测种族时模型的性能和公平性，并探讨了将公平性意识整合到临床语言处理模型中的方法 | 提出了一种两阶段主动学习框架来指导注释，并应用公平性感知损失函数以减轻不同种族群体间的差异，同时比较了多种深度学习模型在公平性优化下的表现 | 公平性干预措施高度依赖于模型类型，某些模型在应用公平性约束后性能下降或倾向于多数预测，且种族、性别和年龄间的持续差异表明算法偏见反映了上游文档记录的不平等 | 评估临床人工智能系统在预测种族时的模型性能和公平性，以促进其在多样化患者群体中的公平部署 | 临床文本数据，特别是来自初级保健数据库的电子健康记录 | 自然语言处理 | NA | 深度学习，主动学习 | transformer-based deep learning models, hierarchical convolutional neural network | 文本 | NA | NA | transformer, hierarchical convolutional neural network | macro F1, accuracy, performance equity | NA |
| 371 | 2026-02-26 |
Deep learning models for pulmonary embolism segmentation on dual-energy CT: performance analysis and image quality correlation
2026-Feb-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02221-6
PMID:41735881
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 372 | 2026-04-04 |
Universal framework for efficient estimation of stability in multi-principal element alloys
2026-Feb-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69585-9
PMID:41730879
|
研究论文 | 本文提出了一种通用框架，用于高效预测多主元合金的稳定性 | 通过物理模型将多主元合金的总能量表示为低维子系统能量的线性组合，实现了在广泛成分和结构空间中的可合成性预测，其准确性可与最先进的深度学习模型相媲美，同时保持了通过团簇展开理论的可解释性 | NA | 预测多主元合金在全球化学空间中的合成可及性 | 多主元合金 | 机器学习 | NA | 密度泛函理论 | 物理模型 | 计算数据集 | 135,791个多主元合金，涵盖28种金属和最多十个组分 | NA | NA | 平均绝对误差 | NA |
| 373 | 2026-04-04 |
Normative growth trajectories of fetal brain regions validated by satisfactory maturation of neurodevelopmental domains at 2 years of age
2026-Feb-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69657-w
PMID:41730874
|
研究论文 | 本研究利用深度学习分析胎儿大脑超声扫描数据，建立了与2岁时神经发育评分相关的16个大脑结构的标准化生长轨迹 | 首次通过深度学习量化了胎儿大脑16个结构的生长轨迹，提出了反映大脑区域异步成熟的rILV/rPLV比值，并创建了量化生物年龄与时间年龄偏差的胎儿大脑成熟指数 | 研究仅覆盖18-27孕周的胎儿数据，未包含更早期或更晚期的发育阶段 | 建立与正常神经发育结果相关的胎儿大脑区域标准化生长参考轨迹 | 4205例18-27孕周的健康胎儿大脑超声扫描数据 | 医学影像分析 | NA | 3D超声成像 | 深度学习 | 3D超声图像 | 4205例胎儿大脑扫描（来自多国健康队列） | NA | NA | 方差解释百分比 | NA |
| 374 | 2026-04-04 |
Sign4all: a Spanish Sign Language dataset
2026-Feb-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06872-6
PMID:41730896
|
研究论文 | 本文介绍了Sign4all数据集，这是一个专为西班牙手语孤立词识别设计的高密度、手势平衡数据集 | 提出首个针对西班牙手语的高密度数据集，提供左右手平衡的样本表示，并包含视频和骨骼关键点两种数据格式 | 词汇量仅涵盖24个与餐饮领域相关的日常活动手势，未涉及连续手语识别 | 解决手语识别中数据稀疏性和右手偏向问题，促进包容性人机交互技术发展 | 西班牙手语(LSE)的孤立手势 | 计算机视觉 | NA | 视频录制、骨骼关键点提取 | Transformer, 骨骼模型 | 视频, 骨骼关键点 | 7,756个高分辨率RGB视频样本，平均每个手势323个样本 | TensorFlow, PyTorch | Transformer | NA | NA |
| 375 | 2026-04-04 |
A multi-modal approach for recognizing fake news and influential nodes in spreading them using deep learning and network analysis
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35342-7
PMID:41708655
|
研究论文 | 本文提出了一种结合深度学习和网络分析的多模态方法，用于识别社交媒体上的假新闻及其传播中的关键节点 | 创新点在于将深度学习与基于图的聚类技术相结合，有效检测谣言源头并预测传播路径，采用GloVe技术描述内容特征，并引入新的聚类方法识别社区结构 | NA | 研究目标是减少社交媒体上谣言的危害，通过检测谣言源头和识别传播中的关键节点 | 研究对象是社交媒体网络中的谣言传播内容和用户节点 | 自然语言处理, 机器学习 | NA | GloVe技术, 深度神经网络, 图聚类 | 深度神经网络 | 文本, 网络图数据 | 使用了真实社交网络数据库 | NA | NA | 准确率, 精确率, 处理时间 | NA |
| 376 | 2026-03-28 |
A hybrid deep learning framework using convolutional and transformer models for robust plant disease classification
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38209-z
PMID:41708692
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 377 | 2026-04-04 |
Integrative framework for cancer detection via integro-differential equations using deep learning techniques
2026-Feb-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39283-z
PMID:41708707
|
研究论文 | 本研究提出了一种结合积分-微分方程和深度学习技术的癌症检测框架，通过将2D医学图像转换为1D信号进行特征提取和分类 | 将积分-微分方程融入深度学习框架以建模肿瘤生长动态和时空强度变化，旨在提升模型的可解释性 | 存在数据依赖性、信号转换过程中的信息丢失以及数学模型简化等局限性 | 开发用于医学图像中癌症区域准确识别的计算工具 | 公开可用的乳腺X光摄影数据集（INbreast和MIAS） | 计算机视觉 | 癌症 | 深度学习 | CNN | 图像 | NA | NA | 1D卷积神经网络 | 准确率 | NA |
| 378 | 2026-02-19 |
Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cancer
2026-Feb-17, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-026-00522-8
PMID:41703583
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 379 | 2026-04-04 |
Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding
2026-Feb-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02417-8
PMID:41688744
|
研究论文 | 提出一种解剖学引导的视觉提示调优框架，用于跨模态乳腺癌理解 | 将明确的解剖结构整合到冻结的Vision Transformer骨干网络的提示空间中，动态生成组织感知提示，并通过跨模态对比对齐策略协调不同成像模态间的解剖语义 | 未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源的具体需求 | 实现乳腺癌的早期可靠检测，并提高跨成像模态的一致性 | 乳腺癌病变 | 计算机视觉 | 乳腺癌 | NA | Vision Transformer (ViT) | 图像 | 三个基准数据集（INbreast, BUSI, Duke-Breast-MRI） | NA | Vision Transformer (ViT) | 病变分类和分割性能指标（具体未列出，如准确率、Dice系数等） | NA |
| 380 | 2026-04-04 |
Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling
2026-Feb-13, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100975
PMID:41692323
|
研究论文 | 本文提出了一种名为SIGHT的3D计算流程，用于自动化和改进3D病理数据集中良性区域与前列腺癌富集区域的划分 | 开发了基于深度学习的3D图像翻译模型，将H&E模拟3D病理数据集转换为多路复用3D免疫荧光数据集，以促进肿瘤检测，并生成可解释的3D热图 | 未明确说明模型在更大或更多样化数据集上的泛化能力，以及计算资源的具体需求 | 自动化并改进3D病理数据集中良性区域与前列腺癌富集区域的划分，以支持基于3D病理数据集的风险分层 | 前列腺组织样本 | 数字病理学 | 前列腺癌 | 3D病理学，免疫荧光 | 深度学习图像翻译模型 | 3D图像数据 | 75名患者 | NA | NA | F1分数 | NA |