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 48137 篇文献，本页显示第 3961 - 3980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3961 | 2026-06-22 |
AirNet: A Deep Learning-Driven Auto Baseline Correction Algorithm Balancing Global Smoothness and Local Fidelity
2026-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c01550
PMID:42272034
|
研究论文 | 提出一种名为AirNet的深度学习驱动的自动基线校正算法，旨在平衡全局平滑性和局部保真度 | 结合深度学习与化学计量学，通过ResUnet模型识别拉曼峰和基线，并采用多指标评估策略自适应选择最优平滑参数，同时引入Dr-airPLS方法优化权重，实现高精度和高泛化能力 | 未提及具体限制，可能需依赖训练数据质量，且对急剧变化的背景梯度可能仍有挑战 | 开发一种可自动校正拉曼/表面增强拉曼光谱中非拉曼散射背景的基线算法，提高光谱分析的准确性和可靠性 | 拉曼光谱数据（包括模拟和实验光谱） | 机器学习, 数字化学 | 不适用 | 拉曼光谱, 表面增强拉曼光谱 | ResUnet, Dr-airPLS | 光谱数据 | 不适用 | PyTorch | ResUnet, Dr-airPLS | 准确性, 泛化能力 | 不适用 |
| 3962 | 2026-06-22 |
Deep Learning-Driven Saccharide Online Sequencing for Elucidating the Pathological Alterations of Heparan Sulfate in APAP-Induced Acute Liver Injury
2026-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00995
PMID:42272111
|
研究论文 | 利用深度学习驱动的化学衍生-串联质谱策略，首次对APAP诱导的急性肝损伤中硫酸乙酰肝素的结构域变化进行测序 | 首次通过深度学习驱动的化学衍生-串联质谱策略直接对病理状态下硫酸乙酰肝素的域变化进行测序，并成功解码了生物活性域内的序列变化，而非仅分析其组成变化 | 仅针对APAP诱导的急性肝损伤模型，未在其他病理模型或大规模样本中验证，且测序深度仅限于八糖以内的生物活性域 | 阐明APAP诱导的急性肝损伤中硫酸乙酰肝素的病理改变，推动基于硫酸乙酰肝素的治疗药物在生物医学领域的应用 | APAP诱导的急性肝损伤小鼠模型中的硫酸乙酰肝素 | 机器学习 | 急性肝损伤 | 质谱分析 | 深度学习模型 | 质谱数据 | 未提及 | 未提及 | 未提及 | 未提及 | 未提及 |
| 3963 | 2026-06-07 |
Correction to "Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins"
2026-Jun-06, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c01684
PMID:42249808
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3964 | 2026-06-22 |
Demographic-aware temporal graph attention for fair and accurate cardiac abnormality detection in 12-lead ECG
2026-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54206-8
PMID:42243352
|
research paper | 提出一种基于人口统计信息感知的图注意力网络DA-GAT-v2，用于12导联心电图的公平且准确的异常检测 | 三个临床驱动的架构创新：导联时间卷积编码器、动态α网络预测患者特异性导联间图拓扑、以及集成在每一图注意力层的特征级线性调制 | 公平性评估仅限于性别和年龄亚组，由于所用数据集中缺少种族和民族元数据 | 同时提升多标签心脏异常检测的诊断准确性和算法公平性 | 12导联心电图中的心脏异常，特别是性别和年龄相关的人口统计差异 | machine learning, digital pathology | NA | NA | 图注意力网络 | 12导联心电图信号 | PTB-XL数据集21507条记录，Chapman-Shaoxing数据集10646条记录 | PyTorch | DA-GAT-v2 (包含时间卷积编码器、动态α网络、特征级线性调制) | macro F1, AUROC, equalized odds difference | NA |
| 3965 | 2026-06-22 |
Detecting inflammatory arthritis in hand smartphone photographs: development and validation of a computer vision model in clinical settings
2026-Jun-03, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keag287
PMID:42226010
|
研究论文 | 训练并验证一个计算机视觉模型，通过标准化智能手机照片检测手部滑膜炎 | 在真实世界风湿病门诊患者中，使用智能手机照片训练深度学习模型检测手部滑膜炎，并通过预设亚组分析验证模型在有手部畸形患者等群体中的稳定性 | 数据集仅来自印度单中心，且照片为标准化拍摄，实际应用中光线、角度等变量可能影响性能 | 开发并验证一个能够从智能手机照片中检测手部滑膜炎的计算机视觉模型，以减少炎症性关节炎的诊断延迟 | 1112名风湿病门诊患者的手部照片（共2296张） | 计算机视觉 | 炎症性关节炎 | 智能手机摄影 | ConvNeXt V2、EfficientNetV2 | 图像 | 2296张手部照片（来自1112名患者） | PyTorch, TensorFlow | ConvNeXt V2, EfficientNetV2 | AUROC, 准确率, 敏感度, 特异度 | NA |
| 3966 | 2026-06-22 |
A Deep Learning Approach to Automatically Classify Ice Hockey Shooting Actions Using Acceleration Signals
2026-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s26113361
PMID:42280881
|
研究论文 | 使用可穿戴传感器和深度学习模型自动分类冰球射门动作 | 探索了使用最少传感器配置（仅手部传感器）实现高精度动作分类的可行性，为实际应用中的传感器集成手套提供了支持 | 未提及模型在不同冰球水平运动员或比赛环境中的泛化能力，也未讨论实时处理的延迟问题 | 评估深度学习模型对冰球常见击球动作（传球、射门）的分类能力 | 43名精英冰球运动员的7种技术动作（腕射、拍击射、反手射、一击射、传球、其他、休息） | 机器学习 | NA | 惯性测量单元传感器 | 卷积神经网络 | 加速度信号 | 43名精英冰球运动员的7种动作数据 | NA | 全连接卷积神经网络 | F1分数 | NA |
| 3967 | 2026-06-22 |
Identification of Hepatic Fibrosis and Steatosis via A Point-of-Care Transient Elastography System With Integrated AI
2026-May, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70634
PMID:41947638
|
研究论文 | 报道了一种集成人工智能的即时弹性成像系统，用于同时评估肝纤维化和脂肪变性，并与传统瞬态弹性成像进行对比验证 | 首次将实时B型超声图像引导、人工智能辅助（深度学习分析）与即时弹性成像技术相结合，提出新型多域衰减参数用于脂肪定量，并证明少于4次测量即可维持诊断性能 | 主要验证队列样本量相对较小（138例），且未对不同病因慢性肝病（如NAFLD、病毒性肝炎等）进行亚组分析 | 验证新型AI-POC-TE系统在诊断慢性肝病患者肝纤维化和脂肪变性中的准确性，并探索最少测量次数 | 慢性肝病患者（肝脏活检验证队列138例，大队列1455例） | 机器学习, 计算机视觉 | 肝纤维化, 脂肪肝（肝脏疾病） | 瞬时弹性成像, B型超声成像, 深度学习 | 深度学习模型 | 图像（超声弹性图）、临床数值参数 | 肝脏活检验证队列138例，大队列1455例 | NA | NA | AUROC, Youden指数, 相关系数（r） | NA |
| 3968 | 2026-06-22 |
Predicting Visual Outcomes in Congenital Posterior Lens Opacities: A Deep Learning Model Using Ultra-Widefield Fundus Images
2026-May, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101122
PMID:41953141
|
研究论文 | 开发并验证一种基于超广角眼底图像的深度学习模型，用于自动分割先天性后发性晶状体混浊的投影阴影，并预测儿童视觉预后 | 首次利用超广角眼底图像中的晶状体混浊投影阴影（LOPS）与视盘比值（SODR）作为新型预测指标，通过深度学习模型准确分割并预测先天性后发性晶状体混浊儿童的视觉预后 | 单中心、小样本研究，且未涉及其他类型白内障或更大人群的验证 | 评估深度学习模型在超广角眼底图像上自动分割LOPS并预测先天性后发性晶状体混浊儿童视觉预后的有效性 | 先天性后发性晶状体混浊患儿及其超广角眼底图像 | 计算机视觉, 数字病理学 | 先天性后发性晶状体混浊 | NA | U-Net | 图像 | 55名先天性后发性晶状体混浊患儿的60只眼，共454张超广角眼底图像 | NA | U-Net | 敏感性, 特异性, Dice系数, 受试者工作特征曲线 | NA |
| 3969 | 2026-05-02 |
Correction: Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study
2026-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-50501-6
PMID:42050081
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3970 | 2026-06-22 |
A diffusion-based framework for designing molecules in flexible protein pockets
2026-Apr-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aeb7045
PMID:41950314
|
研究论文 | 提出YuelDesign，一种基于扩散的框架，用于在柔性蛋白口袋中设计分子，联合建模蛋白口袋结构和配体构象 | 首次联合建模蛋白口袋结构和配体构象，采用双扩散过程（EDM和D3PM）实现几何和化学身份的迭代优化，并利用E3former保持旋转和平移等变性 | NA | 开发一种能够处理柔性蛋白口袋的分子设计方法，提高药物发现的准确性 | 蛋白-配体复合物中的柔性蛋白口袋和配体分子 | 机器学习 | NA | NA | 扩散模型 | 分子结构数据 | NA | NA | E3former | 药效类似性、合成复杂性、化学官能团多样性、对接能量 | NA |
| 3971 | 2026-06-22 |
PLM-effector: unleashing the potential of protein language models for bacterial secreted protein prediction
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag143
PMID:41947423
|
研究论文 | 提出PLM-Effector，一个整合蛋白质语言模型和混合深度学习框架的细菌分泌蛋白预测工具 | 首次采用双层集成策略整合多种蛋白质语言模型（ESM-1b、ESM2_t33、ProtT5）与神经网络架构，实现五种主要分泌系统（T1SS-T4SS和T6SS）的类型感知预测 | 依赖蛋白特异性语言模型嵌入，可能泛化能力受限；仅覆盖五种分泌系统，未包括其他分泌机制 | 开发能准确预测多种细菌分泌系统效应蛋白的计算方法 | 细菌分泌蛋白，特别是通过专用分泌系统传递的效应蛋白 | 机器学习 | 细菌感染相关疾病 | 蛋白质语言模型嵌入 | 混合深度学习框架（CNN、RNN等集成） | 蛋白质序列数据 | 独立测试集包含五种分泌系统的效应蛋白样本 | PyTorch | ESM-1b、ESM2_t33、ProtT5蛋白质语言模型及多层神经网络集成 | 宏F1分数 | NA |
| 3972 | 2026-06-22 |
Enhancing Early Diagnosis: Multimodal AI Approaches for Neurodegenerative Diseases
2026, Journal of biotechnology and biomedicine
DOI:10.26502/jbb.2642-91280211
PMID:41948713
|
综述 | 评估多模态人工智能方法在神经退行性疾病早期诊断中的应用 | 提出多模态融合架构能更好地捕捉神经退行性疾病的生物学复杂性，并强调从静态诊断向连续时间建模的转变 | 数据异质性、深度学习“黑箱”特性以及数据集表示需要全球公平性 | 探讨利用 AI 驱动的生物标志物（来自神经影像、电生理学和数字表型）实现神经退行性疾病的早期诊断 | 神经退行性疾病（如阿尔茨海默病和帕金森病）中的 MRI、PET 和 EEG 数据集 | 机器学习 | 神经退行性疾病 | NA | 多模态融合架构 | 神经影像（MRI、PET）、电生理学（EEG）和数字表型数据 | NA | NA | 多模态融合架构 | 预测时间线 | NA |
| 3973 | 2026-04-10 |
Retraction: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0346214
PMID:41950193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3974 | 2026-04-10 |
Retraction: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345999
PMID:41950215
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3975 | 2026-06-22 |
Deep learning on protein language model embeddings unlocks accurate prediction of protein solubility
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1716930
PMID:41953440
|
研究论文 | 提出DeepSolNet深度学习模型，利用蛋白质语言模型嵌入准确预测蛋白质溶解性 | 首次将ESM蛋白质语言模型嵌入与双向长短期记忆网络、卷积神经网络和注意力机制相结合，构建多模块架构预测蛋白质溶解性 | NA | 开发能够准确预测蛋白质溶解性的深度学习方法，以支持合成生物学和蛋白质工程中的大规模蛋白设计与表达优化 | 蛋白质溶解性预测，特别针对原核表达系统中蛋白质错误折叠问题 | 机器学习 | NA | 蛋白质语言模型嵌入 | 深度学习 | 蛋白质序列 | 包含γ-抗体、转谷氨酰胺酶和醛脱氢酶序列的独立构建测试集 | PyTorch | ESM、双向LSTM、CNN、注意力机制 | 准确率、马修斯相关系数 | NA |
| 3976 | 2026-06-22 |
Oral Cancer Detection By Using Tabular Data Synthesis and Classification
2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining
DOI:10.1109/ICDMW69685.2025.00094
PMID:41948034
|
研究论文 | 提出一种利用表格数据合成与分类的自动方法，用于口腔癌筛查，区分口腔癌与癌前病变并改善数据不平衡问题 | 通过表格数据合成技术缓解临床数据不平衡问题，并利用深度学习同时实现数据平衡与分类性能提升 | 未明确说明，但基于摘要可能包括数据集规模有限或泛化性需进一步验证 | 改进基于AI的口腔癌筛查方法，提升分类性能并解决临床数据不平衡问题 | 口腔癌与癌前病变的临床表格数据 | 机器学习 | 口腔癌 | NA | 深度学习模型 | 表格数据 | NA | NA | NA | Youden指数, 平衡准确率, 敏感性, F1分数, Matthews相关系数 | NA |
| 3977 | 2026-06-21 |
Heritability of the olfactory bulb and its associated brain network
2026-08-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.122021
PMID:42235655
|
研究论文 | 研究了嗅球体积及其相关脑网络的遗传度 | 首次在大型双胞胎样本中，结合深度学习分割和支持向量机框架，探讨嗅球及嗅觉网络结构特征的遗传度 | 未说明 | 探究嗅球体积及其在嗅觉网络中的整合程度是否受遗传决定 | 健康年轻成年双胞胎（单卵和异卵） | 机器学习 | NA | NA | 深度学习分割模型、支持向量机 | 脑结构磁共振成像 | 941名健康年轻成年人（22-35岁），包括单卵和异卵双胞胎 | NA | NA | 准确率 | NA |
| 3978 | 2026-06-21 |
MicroKAN: Mapping human brain microstructure using diffusion MRI and adaptive nonlinear modeling
2026-08-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.122032
PMID:42259478
|
研究论文 | 提出基于Kolmogorov-Arnold网络的MicroKAN框架，用于从扩散磁共振成像高效映射人脑微观结构 | 首次将Kolmogorov-Arnold网络与自适应样条激活函数应用于扩散磁共振成像微观结构建模，支持有监督和自监督两种范式，自监督版本无需真实标签即可估计模型参数 | 未提及具体局限性 | 开发一种高效、灵活的框架，用于从扩散磁共振成像数据中快速、准确地估计大脑微观结构参数 | 人脑微观结构 | 机器学习 | NA | 扩散磁共振成像，扩散张量成像，神经突方向分散和密度成像 | Kolmogorov-Arnold网络 | 图像 | 多个扩散磁共振成像数据集 | PyTorch | Kolmogorov-Arnold网络 | 准确性 | NA |
| 3979 | 2026-06-21 |
UGP-RAP: A DI-QDa-MS powered deep learning platform for automated identification of ultrafine granular powders
2026-Aug, Phytomedicine : international journal of phytotherapy and phytopharmacology
IF:6.7Q1
DOI:10.1016/j.phymed.2026.158387
PMID:42275880
|
研究论文 | 开发了一种基于DI-QDa-MS和深度学习超细粉末快速自动化识别平台UGP-RAP | 首次将一维卷积神经网络与全离子余弦相似度及二元余弦相似度集成在统一框架中，用于中药超细粉末的快速自动识别 | 未提及 | 建立快速自动化的超细粉末鉴定平台，解决传统方法在分析通量与可靠性间的平衡问题 | 中药来源的超细粉末 | 机器学习 | 不适用 | DI-QDa质谱分析 | 一维卷积神经网络（1D-CNN） | 质谱数据 | 530批样品用于模型开发，63批外部验证样品 | PyTorch | 1D-CNN | 准确率, 预测置信度 | NA |
| 3980 | 2026-06-21 |
Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis
2026-Jul, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110339
PMID:42248000
|
研究论文 | 基于街景图像评估绿色空间暴露与死亡率之间的关联，研究对象为多种族动脉粥样硬化研究参与者 | 首次区分不同绿色空间类型（树木、草地、其他绿色植被）对死亡率影响的差异，并探讨种族和社会经济状态的调节作用 | 未详细说明街景图像深度学习算法的具体架构和验证过程，可能忽视未测量的混杂因素 | 量化特定绿色空间类型与全因死亡率风险之间的关联 | 6,795名MESA参与者，基线年龄62岁，随访19年 | 计算机视觉 | 心血管疾病 | 街景图像深度学习分析 | 深度学习模型 | 图像 | 6,748名参与者（973,608人年），1898例死亡 | NA | NA | 风险比 | NA |