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 42795 篇文献，本页显示第 4041 - 4060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4041 | 2026-02-15 |
Protein design and RNA design: Perspectives
2026-Jun, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70029
PMID:41675592
|
综述 | 本文综述了深度学习和生成模型在蛋白质与RNA设计领域的最新进展，强调了其在创造具有定制结构和功能的新型生物分子方面的应用潜力 | 整合了蛋白质与RNA设计的生成式深度学习框架，支持前所未有的精确度进行骨架生成、序列优化及序列-结构协同设计，并展望了统一建模、大规模采样和自动化实验管道的新时代 | 模型泛化能力和实验验证方面仍存在挑战 | 探讨深度学习和生成模型如何推动蛋白质与RNA设计领域的发展，以加速可编程生物系统和下一代疗法的创建 | 蛋白质和RNA生物分子 | 机器学习 | NA | 深度学习, 生成建模 | 生成模型 | 序列数据, 结构数据 | NA | NA | NA | NA | NA |
| 4042 | 2026-02-15 |
A deep learning mobile application for tomato leaf nutrition deficiency identification with YOLOv8 and enhanced augmentation
2026-Mar, Plant science : an international journal of experimental plant biology
IF:4.2Q1
DOI:10.1016/j.plantsci.2026.112973
PMID:41506476
|
研究论文 | 本研究提出了一种基于YOLOv8和增强数据增广的深度学习移动应用，用于番茄叶片营养缺乏的识别 | 结合了最新的YOLOv8目标检测模型与分层数据增广方案，并开发了Android移动应用以实现实时检测 | 未明确说明模型在复杂田间环境或不同光照条件下的泛化能力，也未提及与其他先进模型的全面对比 | 实现番茄叶片营养缺乏的早期、准确检测，以支持精准农业中的及时干预 | 番茄叶片 | 计算机视觉 | NA | 深度学习目标检测 | YOLOv8 | 图像 | NA | NA | YOLOv8 | mAP@0.50, mAP@0.50-0.95, 准确率, 精确率, 召回率, F1分数 | NA |
| 4043 | 2026-02-15 |
Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot
2026-Mar, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2026.110724
PMID:41548324
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和平足症三类 | 利用合成X光图像训练模型，并结合Grad-CAM++增强模型可解释性，提供解剖学上一致的激活模式分析 | 模型基于合成数据集训练，需在真实临床环境中进一步验证 | 开发并解释能够对足部X光片进行多类分类的深度学习模型 | 足部X光片（正常、足底筋膜炎、平足症） | 计算机视觉 | 足部疾病 | X光成像 | CNN | 图像 | 9500张合成侧位足部X光图像 | PyTorch | DenseNet-121 | 准确率, F1分数 | NA |
| 4044 | 2026-02-15 |
AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden
2026-Mar, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2026.102697
PMID:41637811
|
研究论文 | 本研究提出了一种名为AlphaTMB的复合生物标志物，结合了肿瘤突变负荷（TMB）和AlphaMissense深度学习模型预测的错义变异致病性评分，以改善癌症患者对免疫检查点抑制剂（ICI）治疗的生存预测 | 首次将TMB与基于深度学习的错义变异致病性评分（AlphaMissense）相结合，创建了AlphaTMB复合生物标志物，显著提升了免疫治疗反应的预测能力，并能够重新分类TMB边界病例 | 研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证；样本量相对有限（1,662例患者） | 开发一种改进的生物标志物，以更准确地预测癌症患者对免疫检查点抑制剂（ICI）治疗的反应和生存结局 | 接受免疫检查点抑制剂（ICI）治疗的泛癌患者队列 | 机器学习 | 癌症 | 深度学习模型预测错义变异致病性 | 深度学习模型 | 基因组测序数据（错义变异） | 1,662例来自MSK-IMPACT研究的患者 | NA | AlphaMissense | 风险比（HR）, p值, Spearman相关系数（ρ） | NA |
| 4045 | 2026-02-15 |
BiGraph-DTA: Predicting drug-target interactions of hepatoprotective agents with graph convolutional networks
2026-Mar, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70022
PMID:41676328
|
研究论文 | 本研究提出了一种名为BiGraph-DTA的新预测模型，用于预测肝保护剂与靶标之间的亲和力，结合了图卷积网络和双向长短期记忆网络 | 通过结合图卷积网络和双向长短期记忆网络，同时处理分子结构的图表示和蛋白质序列的序列信息，以捕获复杂的依赖关系和相互作用 | 未明确提及模型的局限性 | 预测肝保护剂与靶标之间的亲和力，以加速肝保护疗法的药物发现过程 | 肝保护剂化合物及其对应的蛋白质靶标 | 机器学习 | 肝病 | NA | 图卷积网络, 双向长短期记忆网络 | 分子结构图, 蛋白质序列 | 21,421个相互作用 | NA | BiGraph-DTA | 均方误差, 皮尔逊相关系数, 一致性指数 | NA |
| 4046 | 2026-02-15 |
[Development of a deep learning model for predicting adverse cardiovascular events in patients with acute coronary syndrome based on retinal fundus images]
2026-Feb-24, Zhonghua xin xue guan bing za zhi
|
研究论文 | 本研究开发并验证了一种基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 首次利用视网膜眼底图像结合深度学习模型（Inception-Resnet-V2）预测ACS患者的MACCE风险，并展示了模型的临床可解释性 | 模型在外部验证队列中的AUC为0.644，性能有待进一步提升，且研究为观察性设计，需前瞻性验证 | 开发并验证一个基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 急性冠脉综合征患者 | 计算机视觉 | 心血管疾病 | 视网膜眼底成像 | 深度学习 | 图像 | 4703名ACS患者（开发集1521人，外部验证集3182人） | NA | Inception-Resnet-V2 | AUC | NA |
| 4047 | 2026-02-15 |
Deep learning-assisted double strong coupling between multi-order anapoles and excitons
2026-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.584009
PMID:41686938
|
研究论文 | 本研究利用深度学习辅助设计了一种三层堆叠混合系统，实现了多阶anapole模式与激子之间的双重强耦合 | 首次通过深度学习构建神经网络来设计能同时激发一阶和二阶anapole并分别与不同材料激子实现强耦合的混合系统，实现了双重强耦合行为 | 目前仅为理论研究，尚未进行实验验证；系统设计基于特定材料组合 | 探索多阶anapole模式与多个激子之间的强耦合相互作用 | Si纳米盘、MoSe纳米盘、MoTe纳米盘构成的三层堆叠混合系统 | 机器学习 | NA | 深度学习 | 神经网络 | 理论计算数据 | NA | NA | NA | 拉比分裂能量（100.6 meV, 118.2 meV） | NA |
| 4048 | 2026-02-15 |
YORU: Animal behavior detection with object-based approach for real-time closed-loop feedback
2026-Feb-13, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw2109
PMID:41671367
|
研究论文 | 本文提出了一种基于物体检测深度学习算法的动物行为检测方法YORU，能够实时识别并分类多种社会行为，并实现闭环反馈光刺激 | 首次将行为直接定义为“行为对象”进行检测，突破了传统姿态估计方法的限制，实现了多个体近距离交互时的实时行为分析与精准光刺激反馈 | 未明确说明算法在极端光照条件或遮挡严重场景下的鲁棒性，也未提供跨物种泛化能力的定量评估 | 开发一种能够实时检测动物社会行为并实现闭环反馈的系统，以推动神经行为学研究 | 从脊椎动物到昆虫的多种动物物种的社会行为 | 计算机视觉 | NA | 深度学习物体检测 | CNN | 视频 | NA | NA | NA | NA | NA |
| 4049 | 2026-02-15 |
Medical students' mental health, quality of life, motivation, and learning approaches before, during and after COVID-19: findings from a 4-wave repeated cross-sectional survey
2026-Feb-13, Psychology, health & medicine
DOI:10.1080/13548506.2026.2623309
PMID:41686536
|
研究论文 | 本研究通过四波重复横断面调查，探讨了医学生在COVID-19疫情前、期间及后心理健康、生活质量、学术动机和学习方式的变化 | 首次在医学生中纵向比较COVID-19疫情前、期间及后的心理与学术指标变化，并揭示了学习方式通过动机中介影响心理健康的机制 | 采用横断面设计而非纵向追踪同一群体，可能限制因果推断；样本仅来自单一医学院，外部效度有限 | 探究COVID-19疫情对医学生心理健康、生活质量、学术动机和学习方式的影响，并分析动机在学习方式与心理健康间的中介作用 | 医学生 | 医学教育研究 | NA | 问卷调查 | 线性回归模型, 中介模型 | 调查问卷数据 | 1860名医学生（四波独立队列） | NA | NA | NA | NA |
| 4050 | 2026-02-15 |
50 Years of Automated Face Recognition
2026-Feb-13, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3664269
PMID:41686677
|
综述 | 本文回顾了自动人脸识别技术过去50年的历史和技术演变，从早期的手工几何与统计方法到现代深度学习架构 | 系统梳理了人脸识别从手工方法到深度学习的技术演进，并分析了数据集规模、多样性与模型泛化能力之间的关系 | NA | 追溯自动人脸识别的历史发展，分析关键技术创新，并指出未来研究方向 | 自动人脸识别技术 | 计算机视觉 | NA | NA | 深度学习 | 图像 | 超过1000万个身份的大规模图库 | NA | NA | 错误否定识别率, 错误肯定识别率 | NA |
| 4051 | 2026-02-15 |
A customized CNN model for signature authentication-Forensic implications
2026-Feb-13, Medicine, science, and the law
DOI:10.1177/00258024261420542
PMID:41686745
|
研究论文 | 本研究定制了一个基于深度学习的卷积神经网络模型，用于签名认证，并在包含1400个签名图像的数据集上进行了训练、验证和测试 | 通过优化CNN架构和超参数，提出了一种定制化的深度学习模型，在签名认证任务中实现了较高的准确率，优于现有方法 | 模型仅在1400个签名图像的数据集上训练和测试，样本规模相对较小，可能限制其泛化能力 | 开发一个用于签名认证的深度学习模型，以区分真实签名和伪造签名 | 签名图像，包括真实签名和伪造签名 | 计算机视觉 | NA | 深度学习，图像处理 | CNN | 图像 | 1400个签名图像（700个真实签名和700个伪造签名） | NA | 定制化的CNN架构 | 准确率, 精确率, 召回率（敏感性）, F1分数, 特异性 | NA |
| 4052 | 2026-02-15 |
Multi-class eye disease classification using deep learning EfficientNetB0 fusion techniques
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35357-0
PMID:41688503
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4053 | 2026-02-15 |
Artificial Intelligence in Tuberculosis Imaging: A Global Bibliometric Analysis of Research Trends and Collaborations
2026-Feb-12, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2026.103348
PMID:41687417
|
文献计量分析 | 本文通过文献计量分析，全面描绘了人工智能在结核病影像学领域的研究趋势、合作网络、技术演进和新兴热点 | 首次对人工智能驱动的结核病影像学领域进行了全面的文献计量分析，系统梳理了其出版趋势、国际合作、成像模态和技术发展历程 | 分析仅基于Web of Science和Scopus数据库的英文文献，可能遗漏其他语言或数据库的相关研究 | 旨在通过文献计量分析，揭示人工智能在结核病影像学领域的研究格局、发展趋势和未来方向 | 2000年至2025年7月期间发表的关于人工智能在结核病影像学应用的英文文章和综述 | 医学影像分析 | 结核病 | 文献计量分析 | NA | 文献元数据 | 556篇出版物 | CiteSpace, VOSviewer | NA | NA | NA |
| 4054 | 2026-02-15 |
Automatic field-of-view planning for magnetic resonance shoulder imaging using Deep Learning
2026-Feb-12, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2026.102197
PMID:41687427
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法，用于磁共振肩部成像中斜冠状面和斜矢状面视野的规划 | 首次将深度学习应用于肩部MRI斜平面视野的自动化规划，解决了该领域此前未充分探索的问题 | 研究为回顾性多中心设计，未来需要前瞻性验证以确认临床效果 | 开发自动化视野规划方法以减少人工依赖性、提高肩部MRI扫描的一致性和效率 | 肩部磁共振成像 | 计算机视觉 | NA | 磁共振成像 | YOLO | 图像 | 575例肩部MRI检查，来自四个中心 | NA | YOLOv11-OBB (n, s, m, l, x 变体) | 平均绝对切片差异, 交并比, 平均绝对角度差异 | NA |
| 4055 | 2026-02-15 |
Comprehensive 3D Optical Coherence Tomography Dataset for AMD and DME: Facilitating Deep-Learning-Based 3D Segmentation
2026-Feb-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06497-1
PMID:41667492
|
研究论文 | 本文提出了一个用于AMD和DME的3D OCT数据集，并基于BiFormer Block设计了一种新颖的3D分割网络 | 首次提供了针对AMD和DME的3D OCT数据集，并引入了基于BiFormer Block的新型3D分割网络，利用Bi-Level Routing Attention捕捉局部上下文和长距离依赖关系 | 数据集规模相对较小，仅包含224个体积图像，可能影响模型的泛化能力 | 促进基于深度学习的3D分割技术在AMD和DME领域的应用 | 年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）患者 | 计算机视觉 | 年龄相关性黄斑变性, 糖尿病性黄斑水肿 | 光学相干断层扫描（OCT） | CNN | 3D体积图像 | 224个体积图像（122个AMD，102个DME） | NA | BiFormer Block | NA | NA |
| 4056 | 2026-02-15 |
HBID24K: A New Benchmark Dataset for Vulnerable Houbara Bustard and Intruder Detection in Wildlife Monitoring
2026-Feb-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06496-2
PMID:41667517
|
研究论文 | 本文提出了一个用于脆弱波斑鸨及入侵者检测的新基准数据集HBID24K，并评估了10种先进的目标检测模型 | 创建了首个针对脆弱波斑鸨及入侵者检测的大规模、多样化相机陷阱图像数据集，填补了该领域数据资源的空白 | 数据集主要来自特定栖息地环境，可能对泛化到其他生态环境的模型性能产生影响 | 通过深度学习目标检测技术，自动化监测脆弱波斑鸨并检测对其巢穴构成威胁的入侵者，以支持有效的物种保护 | 脆弱波斑鸨（鸟类）及其栖息地中的潜在入侵者 | 计算机视觉 | NA | 相机陷阱图像采集 | 目标检测模型 | 图像 | 24,318张相机陷阱图像（其中15,070张波斑鸨图像，9,248张入侵者图像） | NA | YOLOv10 | 多种评估指标 | NA |
| 4057 | 2026-02-15 |
Graph-Based Deep Learning Models for Predicting pKa Values of Protein-Ionizable Residues via Physically Inspired Feature Engineering
2026-Feb-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01681
PMID:41570305
|
研究论文 | 本研究提出了一种融合分子动力学模拟和深度学习模型的集成框架，用于提高蛋白质可电离残基pKa值的预测准确性 | 通过基于AMOEBA极化力场的高通量分子建模构建了富含原子静电和其他物理启发特征的蛋白质结构数据集，并训练了三种基于图的神经网络模型，在预测准确性上相比PROPKA3.5.1有显著提升 | NA | 提高蛋白质残基pKa值的预测准确性，以促进对酶活性和蛋白质-配体结合的理解，支持药物发现 | 蛋白质可电离残基，包括天冬氨酸、谷氨酸、赖氨酸和组氨酸 | 机器学习 | NA | 分子动力学模拟，AMOEBA极化力场 | 图神经网络，图注意力网络 | 蛋白质结构数据 | 基于PKAD-2数据集的实验测定pKa值 | NA | 图注意力网络 | 预测准确性 | NA |
| 4058 | 2026-02-15 |
[Expert consensus on the application of artificial intelligence in stomatology]
2026-Feb-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
专家共识 | 本文提供了关于人工智能在口腔医学中应用的专家共识，全面概述了AI在疾病筛查、诊断辅助、治疗规划、预后预测和教育等领域的应用，并提出了数据治理、平台开发、伦理和监管方面的建议 | 通过深度学习与多模态分析，AI能高效整合锥束CT、口内扫描和电子健康记录数据，提升龋齿、牙髓病、牙周病、口腔黏膜病变及颌面创伤管理的精准度和效率，并推动组学研究、生物材料开发和实验室自动化 | 存在数据治理标准化不足、模型可解释性有限、隐私安全风险以及临床验证和监管框架不充分等挑战 | 为口腔医学从业者、医疗机构、研究者和行业利益相关者提供实用且统一的指导，促进AI在口腔医疗中的安全、规范和可持续发展 | 口腔医学领域，包括龋齿、牙髓病、牙周病、口腔黏膜病变、颌面创伤等疾病 | 数字病理 | 口腔疾病 | 深度学习，多模态分析 | NA | 图像，文本，电子健康记录 | NA | NA | NA | NA | NA |
| 4059 | 2026-02-15 |
Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes
2026-Feb-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69295-2
PMID:41663377
|
研究论文 | 本研究利用可解释AI分析人类胰腺切片，识别2型糖尿病的组织学特征 | 首次结合千像素显微镜图像与可解释AI技术，量化胰腺中α细胞、δ细胞和神经元轴突等细微形态变化作为2型糖尿病生物标志物 | 研究样本仅来自活体捐赠者，未涵盖疾病全谱；组织学变化与血糖状态的因果关系仍需进一步验证 | 开发基于深度学习的组织病理学方法，预测2型糖尿病状态并识别相关生物标志物 | 人类胰腺组织切片（来自活体捐赠者） | 数字病理学 | 2型糖尿病 | 多重免疫荧光染色，显色染色，千像素显微镜成像 | 深度学习模型 | 全切片图像 | NA | NA | NA | 预测性能 | NA |
| 4060 | 2026-02-15 |
AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems
2026-Feb-09, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108694
PMID:41687236
|
研究论文 | 本文提出了一种结合自适应加权损失和欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于求解最优控制问题中的欧拉-拉格朗日系统 | 创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数分量 | NA | 解决最优控制问题中的欧拉-拉格朗日系统，提高求解精度和稳定性 | 欧拉-拉格朗日系统在最优控制问题中的应用 | 机器学习 | NA | 物理信息神经网络 | PINNs | 数值模拟数据 | 五个数值示例 | NA | 物理信息神经网络 | 精度，稳定性 | NA |