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 48972 篇文献，本页显示第 4261 - 4280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4261 | 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 |
| 4262 | 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 |
| 4263 | 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 |
| 4264 | 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 |
| 4265 | 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 |
| 4266 | 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 |
| 4267 | 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 |
| 4268 | 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 |
| 4269 | 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 |
| 4270 | 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 |
| 4271 | 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 |
| 4272 | 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 |
| 4273 | 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 |
| 4274 | 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 |
| 4275 | 2026-07-10 |
Tightly coupled equivariant flow matching for molecular docking with multimodal physical constraints
2026-Jul-09, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-026-11638-8
PMID:42423919
|
研究论文 | 提出一种基于多模态物理约束的紧耦合等变流匹配分子对接方法MPFDock，生成物理有效且高精度的对接构象 | 在笛卡尔空间中融入几何基础的配体-蛋白质物理相互作用进行训练，并采用力场引导的流匹配进行推理，实现紧耦合建模，减少推理步骤的同时提升物理合理性 | 未明确讨论，但可能包括对复杂管道计算成本的敏感性及在更大数据集上的泛化性 | 解决现有深度学习和扩散方法在分子对接中物理有效性不足和推理效率低下的问题 | 分子对接中的配体-蛋白质复合物 | 机器学习 | NA | 流匹配 | 等变流匹配模型 | 分子结构数据 | PoseBusters和DeepDockingDare基准测试中的样本 | PyTorch | 等变流匹配网络 | PoseBusters指标、对接精度、物理真实性 | NA |
| 4276 | 2026-07-10 |
Machine learning models predicting extubation success in mechanically ventilated patients: a systematic review and meta-analysis
2026-Jul-09, Intensive care medicine experimental
IF:2.8Q2
DOI:10.1186/s40635-026-00934-0
PMID:42424011
|
系统综述与荟萃分析 | 系统评估机器学习模型预测机械通气患者拔管成功的性能及临床就绪度 | 首次对机器学习模型预测拔管结局进行系统性荟萃分析，并基于改良QUADAS-C工具评估偏倚风险 | 高异质性（预测变量选择及模型设计差异大）、仅两项研究报告外部验证AUC、缺乏前瞻性验证 | 评估机器学习模型预测机械通气成人患者拔管成功的性能与临床适用性 | 接受计划拔管的机械通气危重症成年患者 | 机器学习 | 重症监护相关疾病 | NA | 经典机器学习模型与深度学习模型 | 临床数据 | 14项研究共34,322例患者（47个模型纳入荟萃分析） | NA | NA | 受试者工作特征曲线下面积（AUC） | NA |
| 4277 | 2026-07-10 |
End-to-end molecular structure elucidation from multimodal NMR spectra images using vision transformers
2026-Jul-08, Chemical science
IF:7.6Q1
DOI:10.1039/d6sc02352e
PMID:42205809
|
研究论文 | 提出NMRViT，一种基于视觉Transformer的框架，直接从原始NMR波谱信号（一维H、C和二维HSQC）进行端到端分子结构解析 | 首次将视觉Transformer直接用于原始NMR波谱信号，并实现了HSQC谱的结构预测基准；引入基于化学位移的后处理策略提升候选结构排序 | 模拟实验数据与真实数据之间存在领域差距；仅需少量实验样本微调即可缩小差距，但尚未完全消除 | 开发基于原始NMR波谱图像的直接分子结构解析方法，减少对专家经验和文本标注的依赖 | NMR波谱图像（一维H、C谱和二维HSQC谱）以及对应的有机分子结构 | 计算机视觉 | NA | 核磁共振波谱（NMR） | 视觉Transformer（Vision Transformer） | 图像（NMR波谱图像） | 大规模模拟数据集及两个实验基准数据集（含一维和二维NMR谱） | PyTorch | Vision Transformer（ViT） | 准确率、候选结构排序性能指标 | NA |
| 4278 | 2026-07-10 |
Topology-aware segmentation for tubular structure in 3D microscopy
2026-Jul-08, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae8216
PMID:42341831
|
研究论文 | 提出一种拓扑感知的3D管状结构分割框架，用于提高显微图像中血管和神经网络的连接完整性与形态一致性 | 将局部半径估计直接整合到连通性约束中实现半径感知拓扑，并引入自适应拓扑误差调制机制强化对关键拓扑错误的监督 | 未提及方法的计算效率或在大规模数据集上的扩展性，可能受限于特定显微模态的成像参数 | 解决3D显微图像中微血管和神经突等管状结构分割时的连接断裂、伪连接和末端缺失问题 | 电镜血管、光学显微血管和荧光标记神经纤维等三类公开3D显微数据集 | 计算机视觉 | NA | 3D显微成像 | CNN | 3D体图像 | 三个公开数据集：SELMA3D、Mini-vessel和FISBe，具体样本数量未提及 | PyTorch | NA | Dice系数, clDice分数 | NA |
| 4279 | 2026-07-10 |
Transformer-Based Deep Learning Model for Predicting Hemoglobin Response to Mircera® in Hemodialysis Patients
2026-Jul-08, Blood purification
IF:2.2Q2
DOI:10.1159/000552078
PMID:42418351
|
研究论文 | 开发了一个基于Transformer的深度学习模型，用于预测血液透析患者对Mircera®治疗的血红蛋白反应 | 首次应用Transformer架构预测血液透析患者个体化血红蛋白反应，并引入药代动力学特征以捕捉延迟促红细胞生成效应 | 模型依赖序列化的临床数据且药物治疗方案固定，实际应用中的不确定性和长期预测准确性需进一步验证 | 实现基于机器学习的个体化促红细胞生成素（ESA）剂量调整，以提高血红蛋白目标的达标率 | 血液透析患者中接受静脉注射Mircera®和铁剂治疗的成年患者 | 机器学习 | 肾脏疾病（血液透析相关贫血） | 药物剂量、实验室检测和临床数据的结构化处理 | Transformer | 结构化事件数据（包括血红蛋白、Mircera®和铁剂剂量、透析参数） | 728名血液透析患者，平均年龄63±14岁，共涵盖114±56 mg/周铁剂和149±92 µg/月Mircera®的治疗记录 | PyTorch | Transformer | 平均绝对百分比误差（MAPE） | NA |
| 4280 | 2026-07-10 |
AI derived Whole-Body MRI metrics in multiple myeloma patients reveal unique insights into body composition and outcomes
2026-Jul-08, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2026020852
PMID:42418394
|
research paper | 本论文开发了一种基于AI的管道，用于从多发性骨髓瘤患者的全身MRI中自动提取身体成分指标，并揭示这些指标与治疗结果之间的关联 | 首次开发了基于AI的管道，从多发性骨髓瘤患者常规临床全身MRI中自动定量非病变组织的影像表型，实现身体成分的无创评估 | NA | 利用AI技术从全身MRI中量化身体成分，并评估其作为多发性骨髓瘤患者风险分层和预后生物标志物的潜力 | 多发性骨髓瘤患者 | computer vision, digital pathology | 多发性骨髓瘤 | MRI | 深度学习模型 | image | NA | NA | 深度学习管道 | concordance-index | NA |