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 48930 篇文献，本页显示第 4141 - 4160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4141 | 2026-07-10 |
In situ time-resolved motion of a tethered Pachnoda marginata, AI-correlated using μMRI and optical imaging
2026-Aug, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2026.108089
PMID:42167048
|
研究论文 | 通过结合深度学习的动态欠采样策略，加速μMRI采集，实现对拴系活动昆虫（太阳甲虫）内部生物力学的时域高分辨成像 | 提出动态欠采样结合回顾性视图共享的快速RARE序列方案，并引入深度学习模块校正伪影，实现μMRI与光学成像的时空关联 | 仅以相对慢速运动的太阳甲虫为概念验证，未验证在更快运动节肢动物上的可行性，且拴系装置可能限制自然行为的真实表现 | 开发加速μMRI采集方法，实现拴系活动昆虫内部生物力学的动态研究 | 拴系活动中的太阳甲虫（Pachnoda marginata） | 计算机视觉 | NA | μMRI（显微磁共振成像）、光学成像 | 深度学习模块（用于伪影校正） | 磁共振图像、光学图像 | 拴系活动的太阳甲虫个体（未明确数量） | NA | NA | NA | 超高场磁体（未明确具体型号） |
| 4142 | 2026-07-10 |
Association of somatosensory evoked potentials with cervical spinal cord atrophy and disability progression in multiple sclerosis
2026-Aug, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2026.107304
PMID:42276021
|
研究论文 | 探讨躯体感觉诱发电位异常与多发性硬化患者颈椎萎缩及残疾进展的关联 | 首次联合分析躯体感觉诱发电位、颈椎萎缩和残疾进展之间的关系，支持SEP作为脊髓受累的电生理生物标志物 | 样本量较小（47例），回顾性设计可能引入偏倚，仅评估了两个颈椎水平（C2-3、C3-4） | 研究SEP异常与颈椎萎缩及多发性硬化残疾进展的关联 | 多发性硬化患者 | 机器学习 | 多发性硬化 | SEP神经电生理检查 | 深度学习分割模型 | MRI影像 | 47例多发性硬化患者 | NA | NA | 生存分析中的风险比，Kaplan-Meier曲线 | NA |
| 4143 | 2026-07-10 |
Neural Decoding of Ultrasound-Modulated Pain States via Deep Learning: Insights from Functional Magnetic Resonance Imaging Data
2026-Aug, Cancer biotherapy & radiopharmaceuticals
DOI:10.1177/10849785251414768
PMID:42417181
|
研究论文 | 利用深度学习分析非人类灵长类动物的功能性磁共振成像数据，分类热痛刺激与经颅聚焦超声调制下的疼痛状态，验证FUS对丘脑皮层痛觉传递的抑制效应 | 首次将3D卷积神经网络应用于非人类灵长类动物功能性磁共振成像数据，解码聚焦超声调制下的疼痛状态，并通过显著性映射揭示皮层和丘脑的神经相关性变化 | 未提及局限性 | 探索聚焦超声作为非侵入性神经调控技术对疼痛状态的影响，并利用深度学习解码大脑状态动态 | 非人类灵长类动物（非人类灵长类）的热痛刺激状态 | machine learning | NA | fMRI | 3D CNN | 影像数据（fMRI） | 非人类灵长类动物样本（数量未明确） | NA | 3D卷积神经网络 | 准确率, 受试者工作特征曲线下面积 | NA |
| 4144 | 2026-07-10 |
Machine Learning to Predict Outcomes of Anti-VEGF Therapy in Neovascular Age-Related Macular Degeneration
2026-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101238
PMID:42421758
|
研究论文 | 利用OCT液体指标开发的机器学习模型预测新生血管性年龄相关性黄斑变性患者抗VEGF治疗长期效果 | 首次在大规模多中心临床数据集中，使用基于OCT的定量视网膜液体测量数据训练集成机器学习模型，预测抗VEGF注射次数和视力结果，并进行外部验证以评估跨医疗系统的泛化能力 | 在外部验证队列中模型性能下降，反映不同治疗政策和医疗体系的差异；液体指标对注射和视力的预测权重不同可能影响模型通用性 | 开发并验证基于OCT液体指标的机器学习模型，预测nAMD患者抗VEGF长期治疗强度（注射次数）和视力结果 | 来自英国贝尔法斯特和以色列特拉维夫医疗中心两个三级中心的2475名nAMD患者（共2922只眼） | 机器学习 | 年龄相关性黄斑变性 | OCT成像 | 集成机器学习模型 | 图像（OCT扫描） | 2922只眼，来自2475名患者 | NA | NA | 预测与观察的一致性（以注射次数差异≤2次和视力差异≤0.2 logMAR为单位衡量） | NA |
| 4145 | 2026-07-10 |
Predicted protein-protein interactions between sugar beet root maggot trypsins and sugar beet Kunitz trypsin inhibitors using deep learning
2026-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.113020
PMID:42422032
|
研究论文 | 使用深度学习预测甜菜根蛆胰蛋白酶与甜菜库尼茨胰蛋白酶抑制剂之间的蛋白质-蛋白质相互作用 | 首次利用AlphaFold深度学习模型预测21个甜菜库尼茨胰蛋白酶抑制剂与9个甜菜根蛆胰蛋白酶之间的结合能力，发现不同抑制剂结合效果差异显著 | AlphaFold的预测结果缺乏实验验证，仅为计算预测而非科学证据 | 分析甜菜库尼茨胰蛋白酶抑制剂与甜菜根蛆胰蛋白酶之间的相互作用，揭示植物-昆虫害虫互作的复杂性 | 甜菜根蛆胰蛋白酶和甜菜库尼茨胰蛋白酶抑制剂 | 机器学习 | 无 | 蛋白质序列比对（BLASTp）、深度学习预测 | AlphaFold | 蛋白质序列数据 | 21个甜菜库尼茨胰蛋白酶抑制剂蛋白和9个甜菜根蛆胰蛋白酶蛋白 | AlphaFold | AlphaFold | 界面预测模板建模评分（ipTM score） | NA |
| 4146 | 2026-07-10 |
Explainable artificial intelligence in prostate cancer treatment recommendation: A decision support system for oncological expert panels
2026-Jul-26, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2026.116849
PMID:42235465
|
研究论文 | 开发并评估了一种可解释的人工智能系统，用于再现多学科癌症会议中对前列腺癌的治疗决策 | 首次在大规模多目标框架下实现可解释的人工智能系统，能够生成与多学科癌症会议一致的前列腺癌治疗推荐，并纳入最多数量的临床输入与治疗输出参数 | 抗癌药物类别的较低性能可能因样本量较小导致，且需进一步前瞻性验证 | 构建可解释的AI决策支持系统以辅助肿瘤专家小组在前列腺癌治疗推荐中达成共识 | 2015年至2022年在多学科癌症会议中讨论的5478例组织学确诊前列腺癌患者的临床数据 | 机器学习 | 前列腺癌 | NGS | 机器学习与深度学习算法 | 结构化临床数据 | 5478例多学科癌症会议病例 | NA | NA | F1分数 | NA |
| 4147 | 2026-07-10 |
A chemistry-informed deep learning network for mitigating the stratospheric OH data gap
2026-Jul-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aee2319
PMID:42418589
|
研究论文 | 提出一种化学信息增强的深度学习网络DRCAT，利用卫星观测数据重建平流层OH自由基全球数据集 | 首次将化学机理知识融入深度学习网络，仅用2年训练数据实现2004年至今的连续OH剖面重建，并能泛化到极端火山喷发条件 | 未提及模型对训练数据质量和缺失值的敏感性，也未讨论其他短寿命物种的迁移学习效果 | 填补卫星观测缺失后的平流层OH自由基数据空白 | 平流层OH自由基垂直廓线 | 机器学习 | NA | 卫星遥感观测 | 深度学习 | 卫星观测数据 | 2年训练数据，重建数据集覆盖2004年底至今 | PyTorch | DRCAT（化学信息增强深度学习网络） | 与化学传输模型和稳态近似方法的比较结果 | NA |
| 4148 | 2026-07-10 |
Discovery of flat-band 2D materials via physics-informed scoring and structure-based learning
2026-Jul-10, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aea3611
PMID:42418592
|
研究论文 | 通过物理启发的评分和基于结构的深度学习，发现多种先前未知的平带二维材料 | 提出一个物理启发的平坦度分数，结合能带色散和态密度特征，能自动标记已知材料而无需人工检查；利用多模态深度学习模型直接从原子结构预测平带倾向，绕过密度泛函理论计算需求，实现大规模可解释筛选 | NA | 系统探索大材料空间中的平带二维材料，发现拓扑非平凡系统 | 超过10000种未标记的二维材料候选结构 | 机器学习 | NA | 密度泛函理论 | 多模态深度学习模型 | 原子结构数据 | 超过10000个未标记材料 | NA | 多模态深度学习模型 | 准确率 | NA |
| 4149 | 2026-07-10 |
Beyond 0.29±0.02 mm intrinsic spatial resolution based on monolithic crystals using convolutional neural network: a simulation study
2026-Jul-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae796a
PMID:42257692
|
研究论文 | 基于卷积神经网络和单晶体的正电子发射断层扫描(PET)探测器实现0.29±0.02毫米本征空间分辨率的仿真研究 | 提出基于深度学习的定位算法、晶体尺寸优化策略和定量评估机制，实现前所未有的0.2毫米峰值局部分辨率 | 目前仅基于仿真验证，缺乏实际探测器实验数据支持 | 突破单晶体PET探测器的空间分辨率极限，实现亚毫米级成像 | PET探测器中的单晶体与光电探测器耦合结构 | 计算机视觉 | NA | PET成像 | 卷积神经网络(CNN) | 仿真数据 | NA | NA | 卷积神经网络(CNN) — 具体架构未在摘要中明确 | 本征空间分辨率(毫米)、局部分辨率(毫米)、平均分辨率±标准差 | NA |
| 4150 | 2026-07-10 |
LWF-YOLO: a lightweight framework based YOLO for blood cell detection
2026-Jul-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae7d2f
PMID:42296987
|
研究论文 | 提出了一种轻量级YOLO框架LWF-YOLO，用于血细胞检测，在保持高效的同时实现高精度 | 引入多尺度边缘感知特征增强模块和动态通道混合门控结构，结合Sobel算子与多尺度融合优化细胞边界分割，同时通过动态可变形卷积网络提升多尺度定位鲁棒性 | 未提及在极端低质量图像或罕见细胞类型上的表现，且跨领域验证范围有限 | 开发适用于资源受限设备的轻量级高精度血细胞检测框架 | 血细胞（红细胞、白细胞、血小板） | 计算机视觉 | 贫血、白血病等血液疾病 | 深度学习目标检测 | YOLOv11基础模型 | 图像 | 使用BCCD、全血细胞计数、LISC三个血细胞数据集 | PyTorch | YOLOv11改进版（MSEFE模块、动态通道混合门控结构、动态可变形卷积网络） | mAP@50, 参数量, 计算量(GFLOPs) | NA |
| 4151 | 2026-07-10 |
Machine Learning-Based Models to Predict Drug-Induced Liver Injury (DILI) to Assist Medicinal Chemistry
2026-Jul-09, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c02888
PMID:42328973
|
综述 | 综述基于机器学习的药物性肝损伤预测模型，以辅助药物化学研究 | 系统梳理了DILI标注数据集从小型集合到大型综合资源的发展历程，以及计算方法从简单描述符模型到先进深度学习和集成方法的演进，并强调整合标准化因果关系框架、药物基因组学和机制模型的近期努力 | 未提及具体局限性 | 综述基于机器学习的DILI预测模型的发展，为药物化学和早期药物发现提供见解 | 药物性肝损伤（DILI）预测模型 | 机器学习 | 药物性肝损伤 | NA | 机器学习、深度学习、集成模型 | 药物结构和性质数据 | NA | NA | NA | NA | NA |
| 4152 | 2026-07-10 |
Hybrid noise-resistant technique for malware classification
2026-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-57376-7
PMID:42420330
|
研究论文 | 提出一种结合卷积自编码器潜在结构学习与局部二值模式纹理特征提取的混合恶意软件表征框架，用于鲁棒恶意软件分类 | 首次在内存取证恶意软件可视化设置中系统研究混合潜在-纹理表征学习，联合处理鲁棒性、扰动抵抗、可扩展性和跨数据集泛化 | 未明确说明局限性 | 提升恶意软件分类性能、鲁棒性和泛化能力 | 恶意软件家族 | 机器学习 | NA | NA | 卷积自编码器（CAE）、XGBoost | 图像 | 134435个PE恶意软件样本，跨越581个恶意软件家族 | NA | 卷积自编码器（CAE）、局部二值模式（LBP） | 准确率、精确率、召回率、F1分数 | NA |
| 4153 | 2026-07-10 |
Epigenetic editing approaches maturity: AI-driven precision design, delivery innovation, and the road to clinical translation
2026-Jul-09, Clinical epigenetics
IF:4.8Q1
DOI:10.1186/s13148-026-02194-x
PMID:42421085
|
综述 | 分析表观遗传编辑技术的成熟过程，评估人工智能的贡献及临床转化现状，并指出未来挑战 | 提出2024-2025年表观遗传编辑达到临界点的三个量化标准（机制持久性、递送能力、临床验证），并分层评估人工智能在加速临床级脂质纳米颗粒筛选、AAV衣壳预测及小尺寸DNA结合蛋白从头设计中的实际与潜在贡献 | 尚未建立临床实施可逆性所需的监测和干预系统，制造准入障碍待解，长期人体验证仍是核心悬而未决问题 | 评估表观遗传编辑的技术成熟度、人工智能的贡献及临床转化现状，并识别未决挑战 | 表观遗传编辑技术（包括OTX-2002、TUNE-401和EPI-321临床试验）及人工智能工具（深度学习平台、AlphaFold3、从头设计的小于65个氨基酸的DNA结合蛋白） | 机器学习 | MYC驱动恶性肿瘤, 慢性乙型肝炎, 面肩肱型肌营养不良症 | 表观遗传编辑（靶向染色质和DNA甲基化修饰） | 深度学习模型, AlphaFold3 | NA | NA | NA | 深度学习平台（用于脂质纳米颗粒配方筛选和AAV衣壳预测），AlphaFold3，DNA结合蛋白小于65个氨基酸的从头设计模型 | NA | NA |
| 4154 | 2026-07-10 |
Using Deep Learning Models as a Genetic Architecture for the Simulation of Breeding Schemes
2026-Jul-09, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkag187
PMID:42423184
|
研究论文 | 提出基于深度学习的遗传模拟模型，并与经典模型在保留加性遗传方差方面的表现进行比较 | 首次将深度学习模型作为遗传模拟架构，证明其能通过捕获非加性遗传效应来长期维持遗传方差 | DL_simple模型完全丧失加性方差，且模型复杂性对结果有决定性影响 | 探索基于深度学习的遗传模拟模型在保留加性遗传方差方面的表现 | 模拟的全同胞猪育种方案 | 机器学习 | NA | 模拟遗传育种 | 深度学习模型（如DL_simple、DL_medium、DL_complex） | 单倍型数据 | 20代截断选择模拟 | NA | DL_simple, DL_medium, DL_complex | 加性遗传方差保留率 | NA |
| 4155 | 2026-07-10 |
LoMuS: Low-Rank Adaptation with Sequence Multi-representation Improves Protein Stability Prediction
2026-Jul-09, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag509
PMID:42423292
|
研究论文 | LoMuS是一种基于多表征的深度学习模型，通过融合物理化学描述符和低秩适配的蛋白质语言模型嵌入，从序列直接预测蛋白质稳定性 | 首次将低秩适配与序列多表征融合，结合物理化学描述符和蛋白质语言模型嵌入，在多个标准稳定性基准上实现至少10%的斯皮尔曼秩相关系数绝对提升 | 依赖序列信息，在缺乏结构知识时可能面临数据异质性挑战，且未明确评估对高度同源序列的泛化能力 | 提升蛋白质稳定性预测的准确性，特别是在仅依赖序列信息且结构知识有限或不可用的情况下 | 蛋白质稳定性评分，包括绝对折叠稳定性评分、突变景观稳定性评分、留出蛋白质结构域、分布外标签及每个蛋白质评估 | 机器学习 | NA | 蛋白质语言模型、低秩适配 | 深度学习融合网络 | 序列数据 | NA | PyTorch | 融合网络（集成物理化学描述符与低秩适配蛋白语言模型） | 斯皮尔曼秩相关系数 | NA |
| 4156 | 2026-07-10 |
Artificial intelligence (AI) as a catalyst for mechanistic target discovery: Integrating systems pharmacology and multimodal data
2026-Jul-09, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.70592
PMID:42423609
|
综述 | 探讨人工智能如何整合系统药理学与多模态数据，作为机制驱动靶点发现的催化剂，重塑药物发现过程 | 提出人工智能从预测工具演变为机制驱动药理学的计算基础设施，通过图神经网络、Transformer和物理信息神经网络融合多模态数据，实现跨生物尺度的计算模拟 | NA | 阐述人工智能通过整合网络药理学和先进深度学习架构，解决靶点验证中的数据偏差和模型可解释性挑战，加速精准医学发展 | 药物发现中的靶点验证、多模态数据融合、生物系统建模 | 机器学习 | NA | 图神经网络、Transformer、物理信息神经网络 | 图神经网络、Transformer、物理信息神经网络 | 基因组学数据、真实世界临床记录等多模态数据 | NA | NA | 图神经网络、Transformer、物理信息神经网络 | NA | NA |
| 4157 | 2026-07-10 |
Automated scoliosis X-ray cobb angle classification: a deep learning approach with RadImageNet
2026-Jul-09, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-026-10181-2
PMID:42423737
|
研究论文 | 开发一种基于RadImageNet预训练ResNet-50的深度学习模型，用于脊柱侧弯X光片的严重程度自动分类 | 首次评估RadImageNet迁移学习在成人脊柱侧弯严重程度分类中的应用，而非传统的直接Cobb角测量或青少年筛查 | 无外部验证队列、未评估最终分类的观察者间可靠性、不能直接测量Cobb角或评估进展、矢状面平衡及手术规划参数 | 评估RadImageNet迁移学习在标准化AP全长X光片上支持成人脊柱侧弯严重程度分类的能力 | 816张标准化的成人前后位全长X光片，包括退行性或特发性脊柱侧弯患者及无侧弯病例 | 计算机视觉 | 脊柱侧弯 | NA | 卷积神经网络 | 图像 | 816例成人前后位全长X光片，按80/20分训练/验证与测试 | PyTorch | ResNet-50 | 准确率、精确率、召回率、F1分数、Cohen's Kappa、马修斯相关系数、AUROC | NA |
| 4158 | 2026-07-10 |
Automatic recognition of anatomical structures and surgical phases in robot-assisted minimally invasive esophagectomy (RAMIE) using deep learning: a retrospective cohort study
2026-Jul-09, Surgical endoscopy
DOI:10.1007/s00464-026-12985-1
PMID:42423778
|
研究论文 | 利用深度学习自动识别机器人辅助微创食管切除术（RAMIE）中的解剖结构和手术阶段 | 首次针对RAMIE胸部手术部分开发实时解剖识别和手术阶段识别算法，并评估当前最先进算法面临的挑战 | 数据集类别不平衡导致频率较低的类别识别性能较差，手术阶段识别在转换时准确率下降 | 基于深度学习实现RAMIE胸部手术的实时解剖识别和手术阶段识别 | RAMIE手术视频中的解剖结构（8种）和手术阶段（13种） | 计算机视觉 | 食管癌 | 深度学习中用于解剖分割和手术阶段识别的SegNeXt等模型 | SegNeXt等深度学习模型 | 视频 | 解剖分割数据集：53个视频中的1504帧；手术阶段数据集：38个视频 | NA | SegNeXt | 重叠分数、准确率 | NA |
| 4159 | 2026-07-10 |
The role of artificial intelligence in precision medicine for breast cancer
2026-Jul-09, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-026-05550-8
PMID:42423852
|
综述 | 回顾人工智能在乳腺癌精准医疗中的应用与挑战，并提出覆盖整个护理过程的AI集成框架 | 提出覆盖乳腺癌全程管理的AI集成框架，系统整合影像诊断、数字病理、多组学分析、治疗反应预测等多个组件，揭示AI在精准管理中多层次的贡献机制 | 存在算法偏见、数据集全面性和模型可解释性等研究空白与挑战 | 综述AI如何使乳腺癌患者在不同时间和生物尺度上实现精准管理 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | NA | 图像, 多组学数据 | NA | NA | NA | NA | NA |
| 4160 | 2026-07-10 |
Correction to: Deep learning-based motion correction: cardiac motion artifact and image quality improvements on chest CT
2026-Jul-09, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-026-02018-1
PMID:42423908
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |