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 49788 篇文献，本页显示第 3841 - 3860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3841 | 2026-08-19 |
Editorial: Smart Cities, Innovating in the Transformation of Urban Environments
2026-May-22, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2026064
PMID:42448585
|
社论 | 本专刊汇集了运用数学建模、优化、机器学习和深度学习技术解决智慧城市系统设计、监测和运营中紧迫问题的原创研究。 | 集中展示了数学、工程与生命科学交叉领域在智慧城市研究中的创新应用，强调数据和决策支持。 | 未提供具体研究细节，无法评估每项研究的局限。 | 探讨智慧城市系统设计、监测和运营的挑战，并突出数据驱动决策支持的重要性。 | 智慧城市系统，包括环境工程、智能交通、光伏性能评估和城市流动性。 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3842 | 2026-08-19 |
Prognostic value of CT-derived fractional flow reserve for major adverse cardiovascular events in patients with suspected or known coronary artery disease: a systematic review and meta-analysis
2026-May-20, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2026-003979
PMID:42161421
|
meta-analysis | 系统综述和荟萃分析，评估CT来源的冠脉血流储备分数（FFR-CT）异常对于疑似或已知冠状动脉疾病患者主要不良心血管事件（MACE）的预后价值 | 更新了2022年Nørgaard等人的荟萃分析，纳入研究数量增加四倍，并首次通过亚组分析验证了FFR-CT预后价值在不同技术（包括HeartFlow、机器学习和深度学习算法）间的稳定性 | 存在显著的异质性（I²=79.9%），修剪-填充分析提示可能存在发表偏倚，且GRADE证据确定性仅为中等 | 量化异常FFR-CT（≤0.80）与疑似或已知冠状动脉疾病患者发生MACE风险之间的关联，并更新现有证据 | 疑似或已知冠状动脉疾病的患者 | 数字病理学 | 冠状动脉疾病 | CT衍生的血流储备分数（FFR-CT） | NA | 预后研究数据 | 22项研究，共20067名患者 | NA | NA | 风险比（HR）、置信区间（CI）、异质性（I²）、p值 | NA |
| 3843 | 2026-08-19 |
Machine Learning and Deep Learning Models for Predicting Future Falls in Community-Dwelling Older Adults: Systematic Review and Meta-Analysis of Longitudinal Evidence
2026-May-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/84844
PMID:42133917
|
系统综述和Meta分析 | 本文系统回顾并Meta分析了机器学习与深度学习模型在社区老年人未来跌倒风险预测中的表现，发现合并AUC为0.79，但存在高偏倚风险和极大的异质性。 | 聚焦于社区居住老年人未来跌倒预测，而非实时检测或院内跌倒，并整合PROBAST、Hartung-Knapp-Sidik-Jonkman随机效应模型、预测区间和模态特异性综合来评估判别力和不确定性。 | 多数模型仅内部验证，外部验证不足，所有模型均被评为高偏倚风险，校准报告稀疏，且特定人群亚组仅含2项研究，合并AUC受研究特定条件限制。 | 评估机器学习与深度学习模型在预测社区老年人未来跌倒风险中的表现及不确定性。 | 社区居住的年龄≥60岁的老年人。 | 机器学习 | 跌倒风险（老年疾病） | NA | 机器学习模型和深度学习模型 | 文本、传感器、图像和多模态数据 | 28项研究，跌倒发生率从1.6%到46.6%不等 | NA | NA | 曲线下面积（AUC）、异质性（τ²、I²、Q统计量）、预测区间 | NA |
| 3844 | 2026-08-19 |
Transformers for single-cell RNA sequencing: a survey
2026-May-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag332
PMID:42366620
|
综述 | 本文对Transformer在单细胞RNA测序中的应用进行了全面综述，系统分析了针对特定任务和解决多下游任务的基础模型，并探讨了性能、计算效率、可解释性和可扩展性等维度 | 首次系统性地综述Transformer在scRNA-seq中的应用，不仅涵盖任务特定模型，还包括基础模型，并从多个角度评估模型 | 未提及具体局限性，但综述可能受限于当前文献覆盖范围 | 全面概述Transformer在单细胞RNA测序中的应用，分析模型构建和能力，并指出未来研究方向 | Transformer模型在单细胞RNA测序数据分析中的应用 | 机器学习 | NA | 单细胞RNA测序 | Transformer | 单细胞RNA测序数据 | NA | NA | Transformer | 性能、计算效率、可解释性、可扩展性 | NA |
| 3845 | 2026-08-19 |
Toward real-time autonomous navigation: transformer-based catheter tip tracking in fluoroscopy
2026-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03647-7
PMID:42043651
|
研究论文 | 本文提出并评估了一种基于Transformer的实时导管尖端跟踪流水线，用于透视图像中的机械取栓自主导航 | 设计了一个多线程实时跟踪流水线，整合预处理、推理和后处理，并对比了U-Net、U-Net+Transformer和SegFormer模型，在分割基准上超越了现有最先进的CathAction结果 | 未在论文标题和摘要中明确说明局限性 | 开发并评估在透视下实时导管尖端跟踪方法，以支持基于强化学习的机器人自主导航进行机械取栓 | 导管尖端在透视视频中的跟踪 | 计算机视觉 | 中风 | 透视成像 | 深度学习分割模型（U-Net、U-Net+Transformer、SegFormer） | 透视视频图像 | 手动标注的中等复杂度透视视频数据，具体数量未在标题和摘要中说明 | 未在标题和摘要中明确说明 | U-Net, U-Net+Transformer, SegFormer | 平均绝对误差, Dice分数 | 未在标题和摘要中明确说明 |
| 3846 | 2026-08-19 |
Identifying Biomarkers Using a Portable, Home-Based Eye-Tracking System to Predict Short-Term Visual Fatigue Deterioration: Prospective Observational Feasibility Study
2026-Apr-28, JMIR human factors
IF:2.6Q3
DOI:10.2196/84479
PMID:42048137
|
研究论文 | 本文开发并评估了一种名为EyeFatigue Tracker的集成家用系统，利用客观眼部指标预测短期视觉疲劳恶化，该系统包括头戴式设备、深度学习模型和机器学习分类器，用于监测和评估计算机视觉综合征。 | 提出了一种集成的居家系统EyeFatigue Tracker，结合头戴设备、深度学习提取眼部指标和机器学习预测疲劳风险，无需主观报告即可客观评估视觉疲劳，并自动生成会话报告。 | 样本量较小（38名参与者），且研究为可行性研究，可能需要更大规模验证；系统依赖特定硬件和模型，可能存在泛化性限制。 | 开发并评估一种家用系统，通过客观眼部指标预测短期视觉疲劳恶化，以补充主观症状评估。 | 参与者为19-31岁的健康成年人，共38人，进行1小时计算机游戏任务，以诱发视觉疲劳。 | 计算机视觉，机器学习，数字健康 | 视觉疲劳（计算机视觉综合征） | 红外眼动记录，深度学习图像分割 | 卷积神经网络（用于图像分割），机器学习分类器（SVM、决策树、XGBoost、随机森林） | 眼部视频（红外图像） | 38名参与者（年龄19-31岁，平均24.8岁） | 未提及特定框架，但可能涉及PyTorch或TensorFlow（推断） | 深度学习模型用于分割眼睑裂隙、瞳孔和虹膜；机器学习模型包括SVM、决策树、XGBoost、随机森林 | 准确性、AUC（受试者工作特征曲线下面积） | 未提及具体计算资源 |
| 3847 | 2026-08-19 |
Deep learning on histopathological images to predict breast cancer recurrence risk and chemotherapy benefit: a multicentre, model development and validation study
2026-Apr, The Lancet. Oncology
DOI:10.1016/S1470-2045(25)00727-2
PMID:41831466
|
研究论文 | 开发并验证了一种基于常规组织病理学切片和临床变量的多模态深度学习模型，用于预测激素受体阳性、HER2阴性早期乳腺癌的复发风险和化疗获益 | 首次利用大规模预训练基础模型结合常规病理切片直接估计Oncotype DX 21基因复发评分，无需基因检测即可实现风险分层和化疗决策指导 | 依赖高质量无扫描伪影切片，需要至少100个组织块，可能限制在资源有限环境中的可部署性 | 开发一种经济可行的AI工具，替代昂贵的基因组检测，为激素受体阳性、HER2阴性早期乳腺癌患者提供化疗决策支持 | 激素受体阳性、HER2阴性、无扫描伪影的浸润性乳腺癌患者 | 数字病理学、深度学习 | 乳腺癌 | 数字病理切片、临床变量分析 | 多模态深度学习模型、基础模型 | 全切片图像、临床数据 | TAILORx试验8284例患者，外部验证5497例患者 | NA | 基础模型、多模态融合架构 | 曲线下面积、风险比、95%置信区间 | NA |
| 3848 | 2026-08-19 |
Application of Digital Medicine to the Diagnosis and Treatment of Head and Neck Tumors
2026-04, Cancer reports (Hoboken, N.J.)
DOI:10.1002/cnr2.70556
PMID:42019980
|
综述 | 本文综述了数字医学在头颈肿瘤诊断、治疗及预后评估中的应用现状 | 系统总结了数字医学技术如数字成像、人工智能和3D打印在头颈肿瘤诊疗中的最新进展 | 当前研究存在局限性，但未详细说明具体限制 | 总结数字医学在头颈肿瘤诊断、治疗和预后评估中的应用现状 | 头颈肿瘤 | 数字医学 | 头颈肿瘤 | 数字成像（CT、MRI、超声）、人工智能、3D打印 | 深度学习模型 | 医学图像 | 不适用 | 不适用 | 深度学习 | 不适用 | 不适用 |
| 3849 | 2026-08-19 |
AI-driven drug-target interaction prediction: current progress, challenges, and future roadmap for precision medicine
2026-03-31, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00798-2
PMID:41910880
|
综述 | 本文系统综述了计算药物-靶点相互作用（DTI）预测的最新进展，涵盖基于配体、靶点、网络、机器学习、深度学习及混合多组学模型，并探讨了挑战与未来方向 | 全面整合多组学数据的混合模型，引入图神经网络和Transformer架构，并展望联邦学习、AlphaFold对接和量子模拟等前沿趋势 | 存在数据稀疏性、模型可解释性和泛化能力等关键挑战 | 为DTI预测研究提供路线图，推动精准医学中的转化应用 | 药物-靶点相互作用及其预测方法 | 计算机视觉,自然语言处理,机器学习 | 精准医学相关疾病 | NA | 图神经网络,Transformer | 多组学数据（基因组、转录组、蛋白质组、相互作用组） | NA | NA | 图神经网络,Transformer | NA | NA |
| 3850 | 2026-08-19 |
A dataset of insect sounds from 459 species for bioacoustic machine learning
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07123-4
PMID:41896561
|
研究论文 | 介绍了一个包含459种昆虫声音的大型数据集，用于生物声学机器学习研究 | 首次提供大规模、易于应用于深度学习方法的昆虫声音数据集，覆盖直翅目和蝉科，并采用多种采样率以捕获广泛频率范围 | 数据集虽大，但昆虫声音识别仍具挑战性，现有深度学习方法性能有提升空间 | 促进昆虫声音自动识别技术的发展，辅助生物多样性监测 | 459种昆虫（310种直翅目和149种蝉科） | 机器学习 | NA | 音频记录 | 深度学习分类器 | 音频 | 26298个音频文件，共226.6小时 | NA | NA | 分类性能（未具体说明指标） | NA |
| 3851 | 2026-08-19 |
High-Resolution Colony Images of Clinically Isolated Bacteria for Automated Detection and Deep Learning
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07095-5
PMID:41896581
|
研究论文 | 本文公开了一个大规模、标准化的临床分离细菌菌落图像数据集，用于自动化检测和深度学习，涵盖19种细菌和151株菌株，共118,442个菌落实例。 | 提供了一个覆盖广泛菌种和菌株多样性的大规模、规范化菌落图像数据集，采用严格标准化的图像采集和处理流程，为AI模型训练和评估提供了坚实基础。 | 未明确提及局限性，可能包括数据集来源的临床样本类型有限或图像采集条件固定等限制。 | 为自动化菌落检测提供大规模、标准化的图像数据集，以支持深度学习模型的训练、评估和应用。 | 临床分离的细菌菌落图像 | 计算机视觉 | 不适用 | 图像采集 | 深度学习（用于检测） | 图像 | 19种细菌、151株菌株、每物种50张图像，共118,442个菌落实例 | NA | NA | NA | NA |
| 3852 | 2026-08-19 |
Dental Odontogenic Lesion CBCT and Histopathology Integrated Dataset for Benchmarking Deep Learning Algorithms
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07112-7
PMID:41896560
|
研究论文 | 本文介绍了DOLCHID数据集，包含262对配对CBCT扫描和H&E染色组织病理学图像，用于基准测试牙源性病变的深度学习算法。 | 首次提供公开的配对放射学和组织病理学数据集，用于牙源性病变的深度学习研究。 | 摘要未提及局限性。 | 促进牙源性病变的深度学习研究，通过整合放射学和病理学信息实现综合诊断模型。 | 牙源性病变，包括含牙囊肿、根尖囊肿、牙源性角化囊肿和成釉细胞瘤。 | 数字病理学 | 牙源性病变 | CBCT，组织病理学 | 深度学习（未具体说明） | 图像（CBCT扫描和组织病理学图像） | 262对CBCT扫描和H&E染色组织病理学图像，包括含牙囊肿（n=44）、根尖囊肿（n=54）、牙源性角化囊肿（n=92）和成釉细胞瘤（n=72）。 | NA | NA | 分割和分类指标（未具体说明） | NA |
| 3853 | 2026-08-19 |
A Multimodal deep learning method for predicting drug-induced liver injury using structural and sequential molecular representations
2026-03-26, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00796-4
PMID:41882435
|
研究论文 | 提出一种多模态深度学习框架，整合分子亚结构和序列信息，用于预测药物性肝损伤 | 首次将多种分子指纹与多种SMILES序列嵌入模型（如ChemBERTa、RoBERTa等）融合，通过多模态集成提高药物性肝损伤预测性能 | 摘要未提及具体局限性 | 开发更准确和泛化的药物性肝损伤预测模型 | 药物分子，其结构信息和SMILES序列 | 机器学习 | 药物性肝损伤 | 分子指纹计算、SMILES序列嵌入 | 多模态深度学习模型，融合结构特征提取器（如指纹）和序列模型（如ChemBERTa、RoBERTa） | 分子的结构数据和SMILES序列文本 | 未在摘要中明确说明 | 未明确指定，可能使用PyTorch或TensorFlow | ChemBERTa, RoBERTa, ChemBERTaV2, SMILES2Vec | 未明确说明，可能包括准确性、AUC等 | 未在摘要中提及 |
| 3854 | 2026-08-19 |
Predicting drug-target interactions and binding affinity using an optimized deep learning approach
2026-03-23, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00792-8
PMID:41870652
|
研究论文 | 介绍了一种基于CNN的双注意力机制（nCNN-DA）用于预测药物-靶点相互作用（DTI）和结合亲和力（DTA）的深度学习方法 | 将一维卷积特征提取与通道和空间注意力机制相结合，增强药物SMILES和蛋白质序列的特征表达能力 | 未明确指出局限性 | 提高药物-靶点相互作用和结合亲和力预测的准确性，加速药物发现和药物重定位 | 药物SMILES表示和蛋白质序列 | 机器学习 | NA | NA | CNN | 序列数据 | 三个基准数据集：KIBA、Davis和BindingDB | NA | nCNN-DA（基于CNN的双注意力网络） | AUPR, AUROC, MSE, 皮尔逊相关系数, 准确率 | NA |
| 3855 | 2026-08-19 |
Advances in computational prediction of RNA-small molecule binding affinity
2026-03-10, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-026-00781-x
PMID:41803448
|
综述 | 本文综述了深度学习和机器学习方法在RNA-小分子结合亲和力预测方面的最新进展，包括方法、性能及其对药物设计加速的影响 | 重点介绍了对比学习、多尺度特征提取和交叉融合机制等关键创新，并探讨了这些创新对模型鲁棒性、泛化能力和可解释性的贡献 | 由于RNA结构的固有灵活性以及实验确定其结构和动态性质的困难，导致数据缺乏，影响模型的性能 | 全面回顾计算RNA-小分子亲和力预测的现状，并指出重要挑战和未来方向 | RNA-小分子结合亲和力预测方法及相关数据集 | 机器学习 | NA | NA | 深度学习模型，机器学习模型 | 序列特征，3D结构信息（体素网格和分子表面），图结构数据 | NA | NA | 图神经网络 | NA | NA |
| 3856 | 2026-08-19 |
PBP_ICBA: a prediction of bacterial promoters in specific organisms using an improved convolutional block attention module
2026-02-12, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00755-5
PMID:41677998
|
研究论文 | 提出了一种基于改进卷积块注意力模块的双路径深度学习模型PBP_ICBA，用于特异性细菌物种的启动子预测。 | 采用双路径架构，结合二维卷积和改进的卷积块注意力模块，并综合使用one-hot编码、核苷酸化学性质C2和ESM-2表示，实现了对细菌启动子的高精度物种特异性预测。 | 在13个物种数据集中，有2个物种的预测性能未达到最优，可能限制了模型的适用范围。 | 开发一个稳健的物种特异性细菌启动子预测框架，以提高跨物种启动子识别的准确性，并增强对转录调控机制的理解。 | 细菌启动子DNA序列 | 深度学习 | NA | NA | 深度学习模型（卷积神经网络） | DNA序列数据 | 13个物种特异性细菌启动子数据集 | NA | 卷积块注意力模块（CBAM），二维卷积 | 性能指标（如准确率等，但未明确指定） | NA |
| 3857 | 2026-08-19 |
Early Prediction of Cardiac Arrest Based on Time-Series Vital Signs Using Deep Learning: Retrospective Study
2026-01-09, JMIR formative research
IF:2.0Q4
DOI:10.2196/78484
PMID:41512300
|
研究论文 | 本研究基于深度学习开发了一种实时预测心脏骤停的方法，利用患者过去两小时的临床生命体征数据，每5分钟预测下一次1小时内的心脏骤停风险 | 提出了一种结合Transformer和门控循环单元的新型深度学习模型TrGRU，并采用元学习方法来增强模型的泛化能力 | 未在本文中明确提及局限性 | 开发一种基于临床生命体征的实时心脏骤停预测方法，以实现更及时、更准确的预测，并通过外部验证评估模型的泛化能力 | 来自MIMIC-III波形数据库的4063名患者，提取了6个特征 | 机器学习 | 心脏骤停 | NA | 深度学习模型（TrGRU） | 时间序列生命体征数据 | 4063名患者，外加eICU-CRD数据集用于外部验证 | NA | Transformer, GRU（门控循环单元） | 准确率、敏感性、AUROC、AUPRC | NA |
| 3858 | 2026-08-19 |
A Fully Automated 3D CT U-Net Framework for Segmentation and Measurement of the Masseter Muscle, Innovatively Incorporating a Self-Supervised Algorithm to Effectively Reduce Sample Size: A Validation Study in East Asian Populations
2026-01, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-05066-6
PMID:40858739
|
研究论文 | 本文提出并评估了一种基于U-Net的粗到细学习框架，用于自动化分割和测量咬肌体积，并引入自监督算法以减少深度学习所需样本量 | 引入自监督算法以有效减少深度学习所需样本量，并在东亚人群中验证了自动分割与手动分割的等效性 | 未明确提及局限性 | 开发并评估用于咬肌自动化分割和体积测量的U-Net框架，提供健康东亚人群的基线数据，并引入自监督算法减少样本量 | 840名健康东亚志愿者（253名男性，587名女性）的头部CT扫描 | 计算机视觉、数字病理 | NA | CT成像 | U-Net | CT图像 | 840例头部CT扫描，其中15例用于临床验证 | NA | U-Net | 准确性、运行时间、形态学评分、体积测量、不对称性 | NA |
| 3859 | 2026-03-14 |
Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344760
PMID:41818179
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3860 | 2026-08-19 |
Deep learning enabled decision support systems in epilepsy surgery: a scoping review
2026, npj health systems
DOI:10.1038/s44401-026-00103-1
PMID:42328681
|
综述 | 系统梳理了2018年1月至2025年5月间145项关于深度学习在癫痫手术决策支持系统中应用的研究，分析其在不同手术阶段、临床任务、数据集特征、建模实践、外部验证及工作流整合方面的现状 | 首次以范围综述形式全面绘制深度学习在癫痫手术全流程中的决策支持系统图谱，涵盖数据模态、规模、地理来源和可及性，并综合评估建模及验证实践 | 文献集中在术前阶段，缺乏术中研究，术后应用较少，且多数研究存在数据规模小、单中心、非公开以及外部验证稀缺等局限 | 旨在映射深度学习决策支持系统在癫痫手术路径中的应用现状，并识别泛化性、工作流就绪性和公平性方面的主要差距 | 2018年1月至2025年5月间发表的145项关于深度学习辅助癫痫手术决策的研究 | 机器学习 | 癫痫 | 深度学习 | CNN | 多模态数据 | 145项研究 | NA | CNN | 外部验证、工作流整合评估 | NA |