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 42799 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-03-31 |
CycleGAN models show consistent brain MRI synthesis across datasets supporting downstream tissue characterization in multiple sclerosis
2026, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2026.1762794
PMID:41908698
|
研究论文 | 本研究评估了CycleGAN和Pix2Pix模型在合成脑部MRI图像（T1加权和T2加权）方面的性能，并验证了合成图像在多发性硬化症下游组织表征任务中的可用性 | 比较了CycleGAN（带与不带谱归一化）与Pix2Pix在跨数据集（包括健康人群和多发性硬化症患者）脑MRI合成中的表现，并系统评估了合成图像在病变检测、脑容量测量和病变纹理分析等下游任务中的实用性 | Pix2Pix合成的T1图像在病变纹理上比源T1图像更异质；谱归一化CycleGAN在HCP和MS数据集上未显示普遍改进；MS队列样本量相对较小（105名参与者） | 研究深度学习图像合成方法（特别是CycleGAN）在生成临床脑部MRI图像方面的可行性，以支持多发性硬化症的定量分析 | 健康参与者（HCP 1113名，PPMI 318名）和多发性硬化症患者（105名）的脑部MRI图像 | 计算机视觉 | 多发性硬化症 | 脑磁共振成像（MRI） | GAN, CycleGAN | 图像（T1加权和T2加权脑部MRI） | 健康参与者1431名（HCP 1113名 + PPMI 318名），多发性硬化症患者105名 | NA | CycleGAN, Pix2Pix | 峰值信噪比（PSNR）, 结构相似性指数（SSIM） | NA |
| 402 | 2026-03-31 |
Real-world federated learning for brain imaging scientists
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1691088
PMID:41909058
|
研究论文 | 本文提出并评估了专为脑研究设计的联邦学习工具箱FLightcase，用于从脑磁共振成像预测多发性硬化患者的认知状态 | 开发了首个针对脑成像研究的真实世界联邦学习工具箱FLightcase，并在多中心环境中验证了其可行性，推动了联邦学习从模拟环境向实际应用的转变 | 数据存在非独立同分布问题，未来需采用更先进的联邦学习算法来处理此问题，并考虑整合其他成像模态 | 评估联邦学习在神经影像学中的实际应用，特别是用于预测多发性硬化患者的认知状态 | 多发性硬化患者的脑磁共振成像数据 | 数字病理学 | 多发性硬化 | 脑磁共振成像 | CNN | 图像 | 健康受试者：IXI数据集586张图像，SALD数据集491张图像，CamCAN数据集653张图像；多发性硬化患者：布鲁塞尔96张图像，格赖夫斯瓦尔德756张图像，布拉格2424张图像 | NA | DenseNet | 平均绝对误差, Pearson相关系数 | NA |
| 403 | 2026-03-31 |
Correction: Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1813162
PMID:41909129
|
correction | 本文是对先前发表文章DOI: 10.3389/fcell.2025.1665173的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 404 | 2026-03-31 |
Cognitive offloading through digital tools and its relationship with critical thinking, task persistence, and learning depth
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1781101
PMID:41909580
|
研究论文 | 本研究探讨了数字工具认知卸载与批判性思维、任务坚持性和学习深度的关系，并检验了认知自我效能的中介作用 | 将认知卸载与自我效能理论整合，揭示了数字工具使用通过增强认知自我效能来支持有意义学习结果的心理机制 | 研究基于中国大学生的横断面调查数据，可能存在样本代表性和因果推断的局限性 | 探究数字工具认知卸载对学习过程的影响及其心理机制 | 中国大学本科生 | 教育技术 | NA | 问卷调查 | 结构方程模型 | 调查数据 | 未明确具体数量，但涉及中国大学本科生 | NA | 协方差结构方程模型 | 可靠性、效度 | NA |
| 405 | 2026-03-31 |
Fungal recognition in vaginal discharge using deep learning analysis of mobile device-acquired microscopic images
2026, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2026.1787545
PMID:41909846
|
研究论文 | 本研究开发了深度学习模型，用于在智能手机和平板电脑获取的阴道分泌物显微图像中分割真菌形态，以辅助诊断外阴阴道念珠菌病 | 首次开发了用于智能手机和平板电脑获取的显微图像中真菌形态自动检测的AI工具，结合了ResNet18、YOLOv5和YOLOv11模型，并采用两阶段训练方法 | 研究样本量相对有限（共1,326张图像），且仅3.68%的图像因假阴性或假阳性分割被专家评为不适用，需要进一步的临床验证和扩展到其他感染类型 | 开发AI辅助的移动显微图像分析工具，以实现外阴阴道念珠菌病的快速准确诊断 | 阴道分泌物显微图像中的真菌元素（如酵母、芽殖酵母、丝状形态） | 计算机视觉 | 外阴阴道念珠菌病 | 革兰氏染色显微成像 | CNN, YOLO | 图像 | 1,259张智能手机或平板电脑获取的显微图像和67张传统显微镜图像，共1,326张图像 | PyTorch | ResNet18, YOLOv5, YOLOv11 | F1分数, AUC, 精确率, 召回率, mAP50 | NA |
| 406 | 2026-03-31 |
Deep Learning Estimation of 24-2 Visual Field Map From Optic Nerve Head Optical Coherence Tomography Angiography
2025-11-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002626
PMID:40923848
|
研究论文 | 本研究开发了基于深度学习的模型，利用OCTA图像估计24-2视野图 | 首次将深度学习应用于OCTA图像，通过视盘旁区域信息高精度估计24-2视野图，可能减少患者视野测试频率 | 研究样本量为3148个VF-OCTA对，可能受限于数据规模和多样性，未提及外部验证结果 | 开发深度学习模型从OCTA图像估计24-2视野图，以辅助眼科诊断 | 994名参与者（1684只眼睛）的OCTA图像和视野数据 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描血管成像（OCTA） | 深度学习模型 | 图像 | 3148个VF-OCTA对，来自994名参与者（1684只眼睛） | 未明确指定 | 未明确指定 | 平均绝对误差（MAE），皮尔逊相关系数（R） | NA |
| 407 | 2026-03-31 |
Integrative deep learning of spatial multi-omics with SWITCH
2025-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00891-w
PMID:41162770
|
研究论文 | 本文介绍了一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测 | 提出了循环映射机制，无需额外配对数据即可实现可靠的跨模态翻译，并利用这些翻译作为伪配对提供补充信号 | 未明确提及具体局限性 | 开发计算方法来整合未配对的空间多组学数据，并在单模态数据上进行跨模态预测 | 空间多组学数据 | 机器学习 | NA | 空间组学技术 | 深度生成模型 | 空间多组学数据 | NA | NA | NA | 整合准确性、空间域划分精度 | NA |
| 408 | 2026-03-31 |
Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration
2025-Oct-31, Ortopedia, traumatologia, rehabilitacja
DOI:10.5604/01.3001.0055.6647
PMID:41904999
|
综述 | 本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化 | 整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式 | 存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训 | 探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复 | 干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化 | 再生医学 | 骨关节疾病 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 409 | 2026-03-31 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本文研究了基于神经同步机制（特别是结合复值表示与Kuramoto动力学）如何增强深度学习模型在复杂视觉分类任务中的多物体编码能力 | 首次将神经科学中的同步机制（Kuramoto动力学）与复值表示结合，用于解决深度学习中的物体绑定问题，并设计了前馈和循环两种架构验证其有效性 | 未明确说明模型的计算复杂度、训练时间成本以及在更大规模数据集（如ImageNet）上的泛化能力 | 探索神经同步机制是否能增强人工模型在视觉分类任务中的多物体编码能力 | 多物体图像（如重叠手写数字、含噪声输入、分布外变换图像） | 计算机视觉 | NA | NA | 前馈神经网络, 循环神经网络 | 图像 | NA | NA | 基于Kuramoto同步机制的复值神经网络架构 | NA | NA |
| 410 | 2026-03-31 |
Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses
2025-08-04, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15081121
PMID:40867566
|
研究论文 | 本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现 | 首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力 | 研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验 | 探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力 | 白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺 | 生物信息学 | NA | LC-MS/MS蛋白质组学，转录组学分析 | 深度学习，机器学习 | 蛋白质组数据，转录组数据 | 三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段 | NA | NA | NA | NA |
| 411 | 2026-03-31 |
ACtriplet: An improved deep learning model for activity cliffs prediction by in tegrating triplet loss and pre-training
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101317
PMID:40893440
|
研究论文 | 本文提出了一种名为ACtriplet的改进深度学习模型，通过整合三元组损失和预训练策略来预测活性悬崖 | 将人脸识别中的三元组损失与预训练策略相结合，开发了专门针对活性悬崖预测的ACtriplet模型，以更好地利用现有数据 | 在数据量无法快速增加的情况下进行研究，可能受限于现有数据的规模和质量 | 开发改进的深度学习模型，以提高对活性悬崖的预测能力，从而推动药物发现和优化早期阶段的潜力 | 活性悬崖（结构相似但结合亲和力差异大的化合物对） | 机器学习 | NA | 深度学习 | 深度神经网络 | 分子图像或分子图 | 30个基准数据集 | NA | ACtriplet | NA | NA |
| 412 | 2026-03-31 |
An improved model for prediction of de novo designed proteins with diverse geometries
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.02.657515
PMID:40502157
|
研究论文 | 本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质，通过微调AlphaFold2来克服现有方法对理想化几何形状的系统性偏差 | 通过物理基础设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并微调AlphaFold2模型以更好地捕捉自然蛋白质的几何多样性，从而提高了对未见折叠家族的泛化能力 | 当前深度学习结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所基于的物理原理，如原子堆积和氢键相互作用 | 改进深度学习模型以更准确地预测具有非理想几何形状的从头设计蛋白质，从而更好地反映自然蛋白质的多样性 | 从头设计的蛋白质，特别是那些具有多样几何形状的蛋白质 | 机器学习 | NA | 物理基础设计方法，深度学习结构预测 | 深度学习模型，具体为微调的AlphaFold2 | 蛋白质结构数据 | 5,996个稳定、从头设计的蛋白质，以及数千个来自5个未见折叠家族的几何形状多样的从头设计蛋白质 | NA | AlphaFold2 | NA | NA |
| 413 | 2026-03-31 |
Hybrid CNN and random forest model with late fusion for detection of autism spectrum disorder in Toddlers
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103278
PMID:40236798
|
研究论文 | 本研究提出了一种结合VGG16卷积神经网络与随机森林分类器的混合模型，用于幼儿自闭症谱系障碍的检测 | 提出了一种后期融合的混合模型架构，将预训练深度CNN的高层图像特征提取能力与随机森林的集成决策优势相结合 | 模型仅在特定数据集上进行验证，需要更多样化的数据集测试以提高泛化能力；尚未整合多模态数据（如遗传和社会人口学数据） | 开发一种准确、可靠的幼儿自闭症谱系障碍早期诊断方法 | 幼儿自闭症谱系障碍患者 | 计算机视觉, 机器学习 | 自闭症谱系障碍 | NA | CNN, 随机森林 | 图像, 问卷数据 | 使用Kaggle上的ACD图像数据集和ACD问卷数据集（具体样本数量未明确说明） | NA | VGG16, EfficientNetB0, AlexNet | 准确率 | NA |
| 414 | 2026-03-31 |
Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment
2025-04-16, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040589
PMID:40305346
|
综述 | 本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力 | 探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测 | 临床验证和实施挑战仍然存在 | 优化黑色素瘤的免疫检查点抑制剂治疗 | 黑色素瘤患者 | 机器学习 | 黑色素瘤 | RNAseq分析，CT成像，电子健康记录数据分析 | 机器学习，深度学习 | 文本，图像，实验室数据 | NA | NA | NA | 准确度 | NA |
| 415 | 2026-03-31 |
Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review
2025-01, Journal of gerontological nursing
IF:1.1Q3
DOI:10.3928/00989134-20241210-01
PMID:39746126
|
系统综述 | 本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型 | 首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法 | 纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性 | 评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景 | 慢性病和终末期疾病患者 | 自然语言处理, 机器学习 | 老年疾病 | NA | 监督学习算法, 深度学习模型 | NA | NA | NA | 神经网络模型, 逻辑回归, 树模型 | NA | NA |
| 416 | 2026-03-31 |
Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1665173
PMID:41018263
|
研究论文 | 本文开发并评估了基于眼底彩照和光学相干断层扫描的双模态深度学习模型，用于检测多种视网膜疾病，并评估其诊断性能和泛化能力 | 提出了一种双模态融合模型（Fusion-MIL），结合眼底彩照和光学相干断层扫描图像，显著提升了多种视网膜疾病的诊断性能，并在不同设备和扫描模式下展现出强大的泛化能力 | 研究样本量相对有限（共1445对图像），且仅针对七种特定视网膜疾病进行评估，可能未涵盖所有视网膜病变类型 | 开发并评估深度学习模型，用于通过双模态成像技术检测和分类多种视网膜疾病 | 来自1029名患者的1445对眼底彩照和光学相干断层扫描图像，涵盖正常及多种视网膜疾病状态 | 计算机视觉 | 视网膜疾病 | 眼底彩照，光学相干断层扫描 | 深度学习模型 | 图像 | 1445对眼底彩照和光学相干断层扫描图像（来自1029名患者） | NA | Fusion-MIL, CFP-MIL, OCT-MIL | AUC | NA |
| 417 | 2024-10-30 |
Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics
2024-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00729-x
PMID:39468341
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 418 | 2026-03-31 |
Deep generative design of RNA aptamers using structural predictions
2024-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00720-6
PMID:39506080
|
研究论文 | 本文开发了一个基于结构预测的深度生成学习平台，用于从头设计RNA适配体 | 利用深度学习将RNA三维结构预测与序列生成结合，实现结构引导的RNA适配体设计 | 未明确说明实验验证的样本规模及设计方法的通用性限制 | 开发一种结构引导的RNA适配体生成设计方法 | RNA适配体，特别是与荧光小分子结合的发光适配体 | 自然语言处理 | NA | RNA三维结构预测，深度学习生成模型 | 深度学习生成模型 | RNA结构数据，序列数据 | NA | NA | NA | 结构相似性，序列差异性，荧光活性 | NA |
| 419 | 2026-03-31 |
A deep learning approach for rational ligand generation with toxicity control via reactive building blocks
2024-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00718-0
PMID:39516375
|
研究论文 | 本文提出了一种名为DeepBlock的深度学习方法，用于基于目标蛋白质序列生成配体分子，并通过反应性构建块实现毒性控制 | 受DNA编码化合物库技术启发，将生成过程分为构建块生成和分子重建两步，结合优化算法与深度学习以精确调控生成分子的性质 | 未在摘要中明确说明 | 开发一种能够针对新靶点理性设计配体分子并控制其性质的深度生成模型 | 配体分子 | 机器学习 | NA | 深度学习 | 神经网络 | 序列数据 | NA | NA | NA | 亲和力、合成可及性、药物相似性、毒性 | NA |
| 420 | 2026-03-31 |
Traversing chemical space with active deep learning for low-data drug discovery
2024-10, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00697-2
PMID:39333789
|
研究论文 | 本文通过模拟低数据药物发现场景，系统分析了六种主动学习策略与两种深度学习架构在三个大规模分子库上的表现，旨在优化化学空间探索 | 首次系统比较主动深度学习在低数据药物发现中的策略与性能，揭示了成功的关键决定因素，并展示了相比传统方法高达六倍的命中发现提升 | 研究基于模拟场景，可能未完全反映真实药物发现中的复杂因素，如实验验证延迟或成本限制 | 探索主动深度学习在低数据药物发现中的应用，解决化学空间探索、与传统方法对比及低数据场景适应性问题 | 大规模分子库中的化合物 | 机器学习 | NA | 主动深度学习 | 深度学习架构 | 分子数据 | 三个大规模分子库 | NA | NA | 命中发现率 | NA |