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 42996 篇文献，本页显示第 4621 - 4640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4621 | 2026-02-12 |
Risk prediction in IgA nephropathy: from conventional models to machine learning, deep learning, and precision nephrology
2026-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2026.2613606
PMID:41656155
|
综述 | 本文全面回顾了IgA肾病风险预测模型的演变，从传统模型到机器学习和深度学习，并探讨了精准肾脏病学中的应用前景 | 系统总结了从传统评分系统到基于机器学习和深度学习的预测模型的发展，并强调了可解释AI、动态时间序列建模和多模态预测等新兴趋势 | 传统模型依赖静态基线参数，可能无法充分反映疾病动态轨迹，限制了实时临床管理的实用性 | 回顾IgA肾病风险预测模型的演变，评估其优缺点，并讨论临床转化考虑因素 | IgA肾病患者的风险预测模型 | 精准肾脏病学 | IgA肾病 | 多组学数据、连续临床测量、数字病理特征 | 机器学习, 深度学习 | 临床数据、病理数据、多组学数据 | NA | NA | NA | 预测精度 | NA |
| 4622 | 2026-02-12 |
Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100732
PMID:41657758
|
研究论文 | 本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化 | 首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量 | 研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型 | 评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程 | 94名儿科神经母细胞瘤患者 | 数字病理学 | 神经母细胞瘤 | 双能CT, 深度学习图像重建 | 深度学习 | CT图像 | 94名儿科患者（年龄4.92±3.45岁，范围0-17岁） | NA | NA | CT值, 对比噪声比, 边缘上升斜率, 图像质量评分 | NA |
| 4623 | 2026-02-12 |
ConcreteCARB: A comprehensive image dataset of concrete carbonation for computer vision tasks
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112493
PMID:41657407
|
研究论文 | 本文介绍了ConcreteCARB数据集，这是一个包含903张高分辨率混凝土表面图像的综合数据集，用于支持计算机视觉在土木工程中的应用 | 提供了首个专门针对混凝土碳化检测的全面图像数据集，包含不同混合设计和添加剂条件下的样本，支持AI在结构健康监测中的创新应用 | 数据集仅包含实验室控制条件下收集的图像，可能无法完全代表现场实际环境中的碳化情况 | 开发用于混凝土碳化损伤评估的自动检测、分类和分割模型 | 混凝土棱柱体样本，具有不同水灰比和添加剂（如工业硅废料和仙人掌天然掺合料） | 计算机视觉 | NA | 酚酞测试 | NA | 图像 | 903张高分辨率图像 | NA | NA | NA | NA |
| 4624 | 2026-02-12 |
Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review
2026-Mar, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.70110
PMID:41199593
|
综述 | 本文是一篇关于人工智能在痤疮诊断与管理中应用的范围综述，旨在评估和概述相关AI工具的类型、应用、性能以及模型训练中皮肤多样性数据的现状 | 首次系统性地综述了AI在痤疮领域的应用全景，特别关注了模型训练数据中皮肤多样性（肤色）的代表性问题，并比较了不同AI模型（集成模型、深度学习、大语言模型、经典机器学习）在痤疮诊断中的性能 | 作为一篇范围综述，它主要进行描述性总结和现状分析，而非对AI工具的有效性进行严格的荟萃分析或质量评估；同时，纳入研究的异质性可能影响结论的普适性 | 评估并概述人工智能在痤疮诊断与管理中的研究现状，包括工具类型、应用领域、性能表现以及模型训练数据的多样性 | 已发表的关于AI应用于痤疮的研究文献 | 数字病理学 | 痤疮 | NA | 深度学习, 经典机器学习, 集成模型, 大语言模型 | 图像, 文本 | 共纳入105篇研究文章进行分析 | NA | NA | 准确率 | NA |
| 4625 | 2026-02-12 |
SLPM: a lightweight deep learning model for end-to-end paper ECG digitization
2026-Feb-11, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae3fe5
PMID:41616494
|
研究论文 | 提出一种轻量级端到端深度学习模型SLPM，用于从纸质心电图图像中直接数字化时间序列信号 | 采用分类-回归联合学习框架直接预测信号点的存在与垂直坐标，并集成了分层挤压-激励双向长短期记忆特征增强机制，以改善信号预测的连续性和稳定性 | NA | 解决纸质心电图数字化过程中的分割误差、噪声干扰和泛化能力差等问题 | 纸质心电图图像 | 计算机视觉 | 心血管疾病 | NA | 深度学习模型 | 图像 | 基于PTB-XL数据集衍生的单导联数据集PaperECG_Clean和PaperECG_Enhanced，以及12导联数据集PaperECG_12l | NA | 分层挤压-激励双向长短期记忆 | 皮尔逊相关系数, 信噪比 | NA |
| 4626 | 2026-02-12 |
Design Glycosyltransferases with High Glycosyl Transfer Efficiency to Efficiently Produce Isoquercetin from Quercetin
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c15833
PMID:41631425
|
研究论文 | 本研究通过虚拟筛选、分子对接和实验验证，设计出具有高糖基转移效率的糖基转移酶，以高效从槲皮素生产异槲皮素 | 结合深度学习的kcat预测、分子对接和系统发育分析，成功设计出活性比野生型提高103倍的糖基转移酶变体PCAA，并耦合蔗糖合酶实现UDP-葡萄糖再生，提高了异槲皮素的生产效率和转化率 | 未明确说明实验规模、酶稳定性或长期生产中的潜在限制 | 克服异槲皮素生物合成中的主要瓶颈，为食品工业应用提供实用策略 | 糖基转移酶（GTs）、槲皮素、异槲皮素 | 生物信息学 | NA | 虚拟筛选、分子对接、深度学习的kcat预测、蛋白BLAST、系统发育分析 | 深度学习模型 | 蛋白质序列、酶活性数据 | 约1000个同源序列 | NA | NA | 酶活性倍数提高、转化率 | NA |
| 4627 | 2026-02-12 |
Discovery of High-Affinity Glutamine-Derived Peptides from Wheat Gliadin Targeting CaSR: a Computational Approach Integrating Deep Learning and Molecular Dynamics
2026-Feb-11, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c14216
PMID:41631493
|
研究论文 | 本研究通过整合深度学习、虚拟筛选和分子模拟，开发了Peptide_MDI智能筛选平台，从小麦麦醇溶蛋白中鉴定出高亲和力靶向钙敏感受体(CaSR)的肽段RLSYQFPFYP，并验证其促进肠道稳态的生物学功能 | 首次将深度学习与分子动力学模拟结合，构建了可扩展的智能肽筛选平台Peptide_MDI，实现了从大量候选肽中高效发现纳米级亲和力的CaSR靶向肽 | 研究主要基于计算模拟和体外实验，缺乏体内动物模型验证；候选肽库仅限于小麦麦醇溶蛋白来源，未涵盖其他蛋白来源 | 开发智能筛选平台以发现靶向钙敏感受体(CaSR)的高亲和力肽段，用于促进肠道稳态和设计新型肽疗法 | 从小麦麦醇溶蛋白衍生的2798个候选肽段，重点关注其与CaSR的相互作用及生物学功能 | 计算生物学 | 肠道疾病 | 深度学习, 虚拟筛选, 分子动力学模拟 | 深度学习模型 | 肽序列数据, 分子结构数据 | 2798个候选肽段 | Nextflow | NA | 解离常数(Kd) | NA |
| 4628 | 2026-02-12 |
A lightweight depthwise separable convolution and channel attention based GRU network for multichannel EEG seizure detection
2026-Feb-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae4106
PMID:41632979
|
研究论文 | 本文提出了一种基于轻量级深度可分离卷积和通道注意力的GRU网络，用于多通道EEG癫痫发作检测 | 结合了残差深度可分离卷积块进行高效空间特征提取，并引入了通道注意力机制以突出关键信息，同时利用GRU层建模时间依赖性，实现了轻量级且高效的端到端癫痫发作检测 | 仅使用了CHB-MIT数据集进行评估，未在其他数据集上验证模型的泛化能力 | 开发一种快速、准确且非侵入性的癫痫发作自动检测框架，以改善癫痫的诊断和管理 | 多通道原始EEG信号 | 机器学习 | 癫痫 | 脑电图（EEG） | GRU, CNN | 信号数据 | CHB-MIT数据集，使用留一患者交叉验证（LOPOCV）方法 | NA | 残差深度可分离卷积（RDSC）块, GRU | 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 4629 | 2026-02-12 |
Deep learning-enhanced, accelerated cartilage T2 mapping: role in diagnosing early OA and challenges for clinical application
2026-Feb-11, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05163-w
PMID:41670646
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4630 | 2026-02-12 |
Non-contact acoustic screening for sleep apnea: a subject-aware deep learning approach
2026-Feb-11, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-026-03594-2
PMID:41670793
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4631 | 2026-02-12 |
Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome
2026-Feb-11, La Radiologia medica
DOI:10.1007/s11547-026-02188-y
PMID:41670888
|
研究论文 | 本研究评估了深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能，比较了Faster R-CNN与STL-CNN，并探索了结合1D-CNN进行分类的效用 | 结合动态超声运动指标与深度学习进行临床诊断，首次比较Faster R-CNN与STL-CNN在肩部解剖标志定位中的性能，并利用1D-CNN基于vAHD指标实现高精度SIS分类 | 当前工作流程需要离线视频分析，未来需关注实时实施和改善模型泛化能力 | 评估深度学习模型在动态肩部超声中对肩峰下撞击综合征的诊断性能 | 59名SIS患者和59名对照者 | 计算机视觉 | 肩峰下撞击综合征 | 动态肩部超声成像 | CNN | 视频 | 118名参与者（59名患者和59名对照者） | NA | Faster R-CNN, STL-CNN, 1D-CNN | 准确率, 平均距离误差 | NA |
| 4632 | 2026-02-12 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Feb-11, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 本研究评估了在真实世界场景中，用于甲状腺结节ACR TI-RADS分类的人工智能软件通过深度学习后的学习曲线和性能提升 | 在真实临床环境中，通过软件更新前后的两阶段对比，量化评估了AI在甲状腺超声TI-RADS分类中的学习曲线和具体改进点，特别是对微钙化等疑难特征的识别能力提升 | AI在复杂或不典型病例（如自身免疫性甲状腺炎、未下降的胸腺、出血性囊肿）中仍存在误判，尚不能完全替代经验丰富的临床医生 | 评估用于甲状腺超声TI-RADS分类的人工智能软件在深度学习训练后的性能提升和学习曲线 | 甲状腺结节患者及其超声图像 | 数字病理学 | 甲状腺疾病 | 3D超声成像，ACR TI-RADS分类 | 深度学习模型 | 超声图像 | 第一阶段：110名患者，176个结节；第二阶段：133名患者，228个结节；更新后重新评估初始110名患者 | NA | NA | 分类一致性百分比（AI与评估者之间） | NA |
| 4633 | 2026-02-12 |
Teravoxel Microscopy Image Analysis for Neurological Diseases
2026-Feb-10, Annual review of biomedical engineering
IF:12.8Q1
|
综述 | 本文综述了光片荧光显微镜（LSFM）在神经疾病研究中的应用，以及深度学习等计算方法在分析大规模三维脑图像中的作用 | 整合了人工智能技术以识别疾病相关的细胞特征和形态标记，并提出了针对数据驱动LSFM图像分析领域挑战的潜在解决方案 | 分析流程针对不同动物模型和脑结构设计各异，导致可行性和兼容性方面的挑战 | 探讨LSFM技术在神经疾病病理生理机制研究中的应用，并分析当前分析流程的挑战与解决方案 | 完整的三维脑结构图像，特别是与神经炎症和神经退行性疾病相关的细胞特征 | 数字病理学 | 神经退行性疾病 | 光片荧光显微镜（LSFM），组织透明化方法 | 深度学习 | 三维显微镜图像 | NA | NA | NA | NA | NA |
| 4634 | 2026-02-12 |
Unsupervised Disentanglement of Brain Heterogeneity for Identifying Subtypes of Alzheimer's Disease
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3663181
PMID:41666058
|
研究论文 | 提出了一种名为3D-DisAD的无监督深度学习框架，用于从阿尔茨海默病患者的脑部MRI中分离出疾病特异性神经解剖学变异，并据此识别疾病亚型 | 提出了一种结合对比解缠网络和基于扩散的生成建模的无监督框架，能够将AD特异性变异与混杂因素（如遗传和环境因素）分离，从而识别出更具临床解释性的疾病亚型 | 研究依赖于公开数据集，可能无法涵盖所有AD人群的异质性；方法主要基于神经解剖学特征，未整合多模态数据（如PET、CSF） | 解决阿尔茨海默病神经解剖学异质性对精准诊断和治疗的阻碍，识别具有同质脑表型的疾病亚型 | 阿尔茨海默病患者和健康对照的脑部MRI数据 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 3D图像 | 四个公开数据集 | PyTorch | 对比解缠网络, 基于扩散的生成模型 | 与临床和生物学特征的相关性分析, 亚型在生物标志物、认知轨迹和遗传特征上的差异 | NA |
| 4635 | 2026-02-12 |
Stress Detection Using Heart Rate Variability and Respiratory Signals Derived From a Single-Lead ECG
2026-Feb-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3658304
PMID:41666060
|
研究论文 | 本文提出了一种结合特征提取与机器学习的混合方法，仅使用单导联心电图信号进行压力检测 | 提出了一种基于单导联心电图的混合方法，通过提取心率变异性和呼吸信号特征，显著提高了分类准确率和计算效率 | 研究仅使用了ES3项目数据库，未在其他数据集上进行验证；实时可穿戴设备应用的硬件限制未完全解决 | 开发一种适用于可穿戴设备的实时压力检测方法 | 单导联心电图信号及其衍生的心率变异性和呼吸信号 | 机器学习 | NA | 单导联心电图信号分析 | XGBoost | 心电图信号 | ES3项目数据库（具体样本数量未在摘要中说明） | NA | XGBoost | 分类准确率，计算效率，推理时间 | NA |
| 4636 | 2026-02-12 |
MMCL: A Multi-modal Contrastive Learning Framework for Molecular Property Prediction
2026-Feb-10, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3663206
PMID:41666076
|
研究论文 | 本文提出了一种名为MMCL的多模态对比学习框架，用于分子属性预测，通过利用分子的不同视图学习相似分子间的共同特征，并显式地将功能基团表示为分子图中的节点，以促进模型学习与分子属性相关的特征 | 提出了一种多模态对比学习框架，整合分子的不同表示以增加信息多样性，并首次将功能基团显式地作为分子图中的节点进行建模，以增强模型对分子属性的捕捉能力 | 未在摘要中明确提及 | 通过深度学习提高分子属性预测的准确性，以促进药物发现过程 | 分子及其属性 | 机器学习 | NA | 多模态对比学习 | 深度学习 | 分子图 | 基准数据集 | NA | NA | NA | NA |
| 4637 | 2026-02-12 |
Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection
2026-Feb-10, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721261419673
PMID:41666118
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析，评估了机器学习在视网膜脱离检测中的诊断准确性 | 首次对机器学习在视网膜脱离检测中的应用进行全面的诊断测试准确性荟萃分析，并比较了不同机器学习技术、成像模态和验证方法的性能差异 | 研究存在显著的异质性（I>90%），且患者选择和数据质量偏差可能影响模型泛化能力 | 评估机器学习在视网膜脱离检测中的诊断准确性，并探讨其临床应用的潜力与挑战 | 视网膜脱离检测的机器学习模型 | 医学影像分析 | 视网膜脱离 | 机器学习，深度学习 | 深度学习模型，机器学习模型 | 医学影像（如眼底成像） | 基于20项研究中的69个模型进行分析 | NA | NA | 灵敏度，特异性，曲线下面积 | NA |
| 4638 | 2026-02-12 |
Rapid and interpretable protein contact map prediction using a pattern-matching strategy
2026-Feb-10, Physical biology
IF:2.0Q3
DOI:10.1088/1478-3975/ae443c
PMID:41666568
|
研究论文 | 本文提出了一种基于模板的模式匹配方法，用于快速预测蛋白质接触图 | 该方法通过识别同源实验结构中的保守结构基序来预测接触图，仅需少量结构模板（50-500个），并在标准硬件上运行，无需GPU或高性能计算集群 | 方法依赖于结构模板的可用性，可能对缺乏同源结构的蛋白质预测效果有限 | 开发一种计算高效且可解释的蛋白质接触图预测方法 | 蛋白质序列及其接触图 | 生物信息学 | NA | 模式匹配、序列比对 | 模式匹配策略 | 蛋白质序列、结构模板 | 25个特征明确的蛋白质结构域和7,599个注释较差的序列 | NA | NA | 相关性、接触覆盖率、F1分数、准确率 | 标准硬件（无需GPU或高性能计算集群） |
| 4639 | 2026-02-12 |
Interpretable and generative deep learning models explicate phase separating intrinsically disordered motifs
2026-Feb-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69252-z
PMID:41667449
|
研究论文 | 本研究开发了一个名为PhaSeMotif的深度学习框架，用于可解释且精确地预测蛋白质内在无序区域中驱动相分离的关键基序 | 结合了基序预测、生成和验证，提供了一个开源工具包，并整合生成模型以创建保留关键组成特征的验证就绪基序 | NA | 系统识别调控蛋白质相分离的序列基序及其组成决定因素 | 蛋白质内在无序区域中的相分离驱动基序 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 4640 | 2026-02-12 |
Sjögren's syndrome-focusassist: lymphocytic focus assessment in Sjögren's syndrome: a deep learning and spatial analysis approach
2026-Feb-10, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-026-01756-0
PMID:41668096
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |