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 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2026-03-29 |
Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning
2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127682
PMID:41797157
|
研究论文 | 本研究提出了一种结合近红外光谱、定制柔性透射托盘和深度学习分类的集成方法，用于在线检测苹果霉心病 | 开发了柔性透射托盘以稳定水果位置、减少环境光干扰并引导近红外光穿透果核，结合SCARS-SPA波长选择策略和CNN-LSTM混合架构，实现了高精度、高通量的早期霉心病检测 | 未明确提及样本规模外的具体局限性，如对不同苹果品种或环境条件的泛化能力 | 实现苹果霉心病的早期、准确和高通量检测，以减少采后损失并改善供应链质量控制 | 苹果（健康、轻度感染和重度感染的霉心病样本） | 机器学习 | 苹果霉心病 | 近红外光谱技术 | BP, CNN, LSTM, CNN-LSTM | 光谱数据 | 未明确指定具体样本数量 | 未明确指定 | CNN-LSTM | 分类准确率 | 未明确指定 |
| 522 | 2026-03-29 |
Dual-channel self-supervised multi-task learning for spectral detection of soluble solids content and firmness in Korla fragrant pears
2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127684
PMID:41797164
|
研究论文 | 本研究提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，用于库尔勒香梨的可溶性固形物含量和硬度的光谱检测 | 提出了一种结合多源光谱数据、自监督学习和多任务学习的深度学习框架，以降低水果品质检测中标记数据的成本，并提高小样本情况下的预测性能 | NA | 提高库尔勒香梨可溶性固形物含量和硬度的光谱检测性能，并降低对标记数据的依赖 | 库尔勒香梨 | 机器学习 | NA | 可见光/近红外和近红外光谱数据采集 | CNN | 光谱数据 | 仅使用700个样本进行训练 | NA | 卷积神经网络 | 预测相关系数, 均方根误差 | NA |
| 523 | 2026-03-29 |
Development and validation of a deep learning markerless system for lower-limb kinematics in hip and knee osteoarthritis population
2026-May, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2026.113238
PMID:41793837
|
研究论文 | 本研究开发并验证了一种用于髋膝骨关节炎患者下肢运动学的四摄像头无标记系统 | 使用患者数据集开发无标记系统，而非健康人群数据，提高了在患者群体中的泛化能力 | 横断面和额状面的关节角度波形ICC较低（分别为0.50和0.34），表明在这些平面上的预测精度有待提升 | 开发并验证适用于骨关节炎患者的下肢运动学无标记测量系统 | 髋或膝骨关节炎患者 | 计算机视觉 | 骨关节炎 | 深度学习 | NA | 视频 | 150名患者（训练集120人，测试集30人） | NA | NA | 均方根误差, 组内相关系数 | NA |
| 524 | 2026-03-29 |
Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis
2026-Apr-14, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2025017224
PMID:41512166
|
研究论文 | 本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并探索了其作为治疗靶点的潜力 | 通过多组学分析和几何深度学习模型，首次发现G-CSF通过上调C/EBPα驱动CD14过表达，从而促进中性粒细胞炎症和NETosis，并验证了靶向CD14的治疗效果 | 研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证 | 探究深静脉血栓形成早期中性粒细胞激活的机制，并寻找新的治疗靶点 | 骨髓中性粒细胞、小鼠DVT模型、人类原代中性粒细胞 | 机器学习 | 心血管疾病 | RNA测序、蛋白质组学、流式细胞术、染色质免疫沉淀 | 几何深度学习模型 | 多组学数据（RNA、蛋白质）、流式细胞数据 | NA | NA | DeepPBS | NA | NA |
| 525 | 2026-03-29 |
Graph-based deep learning approach for high-throughput protein-DNA interaction scoring
2026-Apr, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01688-3
PMID:41326808
|
研究论文 | 本文提出了一种名为PDIScore的新型深度学习评分函数，用于高通量蛋白质-DNA相互作用预测 | 开发了首个结合全面图表示、可扩展GraphGPS架构与BigBird线性全局注意力机制以及混合密度网络来建模残基-核苷酸距离分布的深度学习评分函数 | 模型训练依赖于自收集的约7000个蛋白质-核酸复合物结构数据集，数据规模和多样性可能存在限制 | 开发可靠的蛋白质-DNA相互作用评分函数以理解生物过程和促进药物设计 | 蛋白质-DNA相互作用复合物 | 计算生物学 | NA | 深度学习 | 图神经网络 | 蛋白质-核酸复合物结构数据 | 约7000个蛋白质-核酸复合物结构 | PyTorch | GraphGPS, BigBird, Mixture Density Networks | EF, AUROC, 对接成功率, PCC | NA |
| 526 | 2026-03-29 |
Bioactive peptide matrikines: discovery approaches for skin rejuvenation
2026-Apr-01, American journal of physiology. Cell physiology
DOI:10.1152/ajpcell.00881.2025
PMID:41770626
|
综述 | 本文综述了用于皮肤再生的生物活性肽matrikines的发现策略演变，并介绍了一种结合计算机预测与体内外验证的新型发现流程 | 提出了一种从计算机预测到体内验证的集成发现流程，并鉴定出两种具有协同作用的四肽（pal-GPKG和pal-LSVD），能增强老化皮肤的细胞外基质再生 | 作为一篇综述文章，主要总结了现有发现策略，未报告新的原始实验数据或进行直接的模型性能比较 | 探索和总结用于皮肤再生和抗衰老的生物活性肽matrikines的发现方法 | 生物活性肽matrikines及其在皮肤细胞外基质再生中的作用 | 计算生物学, 生物信息学 | 皮肤老化 | 蛋白酶切割预测, 蛋白质序列基序筛选, 分子对接, 机器学习算法, 深度学习, 三维皮肤模型 | 机器学习算法, 深度学习模型 | 蛋白质序列数据, 分子结构数据 | NA | NA | NA | NA | NA |
| 527 | 2026-03-29 |
Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle?
2026-Mar-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention
IF:2.5Q2
DOI:10.1136/ip-2023-045129
PMID:39832883
|
研究论文 | 本研究开发并评估了一种基于计算机视觉的框架，用于自动检测橄榄球联赛中头对头撞击事件 | 首次将计算机视觉框架应用于橄榄球运动中的头对头撞击检测，结合了目标检测算法和三维卷积神经网络 | 框架在标准清晰度和高清视频中的敏感度分别为68%和65%，仍有提升空间，且未实时验证临床评估效用 | 开发自动化工具以识别橄榄球比赛中的头对头撞击，降低脑震荡风险 | 职业橄榄球联赛中的铲球事件视频片段 | 计算机视觉 | 脑震荡 | 视频分析 | CNN | 视频 | 训练集341个视频片段，测试集670个视频片段（包括标准清晰度和高清视频） | NA | 三维卷积神经网络 | 敏感度, 特异度, 阳性预测值 | NA |
| 528 | 2026-03-29 |
Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring
2026-Mar-26, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf026
PMID:41236179
|
综述 | 本文综述了深度学习和目标检测方法在人类口腔细胞微核及细胞组学检测中用于细胞类型评分的研究进展 | 探讨了将人工智能技术整合到口腔微核细胞组学检测中，以克服现有分析限制、提高可重复性和消除观察者偏见的未开发潜力 | 人工智能在口腔微核细胞组学检测中的应用仍处于探索阶段，面临样本变异性、混杂因素和多细胞遗传学终点评分复杂性等独特挑战 | 评估人工智能在人类生物监测中用于自动化微核检测的潜力，以提高基因毒性评估的可靠性和可扩展性 | 人类口腔细胞微核及细胞组学检测样本 | 计算机视觉 | NA | 微核检测 | 深度学习, 目标检测 | 图像 | NA | NA | NA | 准确性, 可重复性, 吞吐量 | NA |
| 529 | 2026-03-29 |
Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning
2026-Mar-07, ArXiv
PMID:41479458
|
研究论文 | 本研究提出了一种基于多头选择性状态空间模型和轻量级通道多层感知器的高效MRI超分辨率框架，旨在提升图像分辨率的同时保持低计算开销 | 提出了一种结合多头选择性状态空间模型、深度卷积和门控通道混合的MambaFormer块，并采用混合扫描策略来捕获长程依赖关系，在保持高精度的同时显著降低了模型参数和计算量 | 研究仅在脑部和前列腺两个特定MRI数据集上进行验证，未涵盖更多解剖部位或成像模态，且临床实际工作流集成效果有待进一步评估 | 开发一种高效且准确的深度学习框架，用于MRI超分辨率，以在临床工作流中实现高保真图像重建 | 7T脑部T1 MP2RAGE图像（142名受试者）和1.5T前列腺T2加权MRI图像（334名受试者） | 计算机视觉 | NA | MRI | 基于Mamba的状态空间模型 | 医学图像 | 脑部数据集142名受试者，前列腺数据集334名受试者 | NA | MambaFormer, 多头选择性状态空间模型, 轻量级通道多层感知器 | 结构相似性, 峰值信噪比, 学习感知图像块相似度, 梯度幅度相似性偏差 | NA |
| 530 | 2026-03-29 |
Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies
2026-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70189
PMID:41348934
|
综述 | 本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域 | 综合分析了AI在前列腺MRI中多个应用领域的进展，包括FDA批准的临床工具、PI-CAI国际读者研究提供的非劣效性证据，以及将MRI特征扩展到预后建模 | 分流、质量控制和预后应用仍处于早期开发阶段，需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流试验 | 探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台用于早期检测和人群级前列腺癌管理 | 前列腺MRI图像及其在癌症检测、风险分层和预后评估中的应用 | 数字病理学 | 前列腺癌 | MRI | 深度学习 | 图像 | NA | NA | NA | 非劣效性 | NA |
| 531 | 2026-03-29 |
Regulatory grammar in human promoters uncovered by MPRA-based deep learning
2026-Mar, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-10093-z
PMID:41639451
|
研究论文 | 本研究提出了一种基于MPRA数据的深度学习模型PARM，用于从DNA序列预测人类启动子活性并揭示其调控语法 | 开发了轻量级细胞类型特异性深度学习模型PARM，仅从DNA序列即可可靠预测全基因组自主启动子活性，并能设计纯合成强启动子 | 未明确说明模型在不同细胞类型间的泛化能力及对非编码变异的解释局限性 | 构建从调控元件序列准确预测全基因组基因表达的计算模型 | 人类启动子序列 | 计算生物学 | NA | 大规模平行报告基因检测（MPRA） | 深度学习模型 | DNA序列数据 | NA | NA | PARM | NA | NA |
| 532 | 2026-03-29 |
NeuroMDAVIS: Visualization of Single-Cell Multi-Omics Data under Deep Learning Framework
2026-Mar, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666261423965
PMID:41744270
|
研究论文 | 本文提出了一种名为NeuroMDAVIS的新型无监督深度神经网络模型，用于单细胞多组学数据的联合可视化 | NeuroMDAVIS是首个为多模态生物数据集提供联合可视化能力的模型，能够同时捕获模态特定信息和跨模态共同信息 | 未在摘要中明确提及 | 解决单细胞多组学数据的高维可视化挑战，实现数据的降维和联合可视化 | 单细胞多组学数据 | 机器学习 | NA | 单细胞技术 | 深度神经网络 | 多组学数据 | NA | NA | NA | 准确率, 精确率, 召回率, F1分数, 聚类有效性指数 | NA |
| 533 | 2026-03-29 |
DP-OTG: A Feature-Free Deep Learning Model for Accurate Prediction of Human O-Linked Threonine Glycosylation Sites
2026-Mar, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666261424278
PMID:41762162
|
研究论文 | 本研究提出了一种名为DP-OTG的免特征深度学习模型，用于准确预测人类蛋白质O-连接苏氨酸糖基化位点 | 提出了一种免特征、端到端的深度学习框架，无需手动特征工程，通过混合架构自动从原始蛋白质序列中学习序列模式 | 未明确说明模型在跨物种预测或处理极低丰度糖基化位点方面的泛化能力 | 开发一种高效的计算工具来预测人类蛋白质O-连接苏氨酸糖基化位点，以替代昂贵且耗时的实验检测方法 | 人类蛋白质序列及其O-连接苏氨酸糖基化位点 | 生物信息学 | 癌症, 神经系统疾病 | 深度学习 | CNN, BiLSTM | 蛋白质序列（文本数据） | 未明确说明具体样本数量，但使用了平衡和不平衡测试集进行验证 | 未明确说明，但代码已开源 | 多核卷积神经网络, 双向长短期记忆网络, 可训练嵌入层 | 准确率, 马修斯相关系数 | 未明确说明 |
| 534 | 2026-03-29 |
Artificial intelligence in preterm birth prediction: a narrative review of current approaches and clinical applicability
2026-Mar, Obstetrics & gynecology science
IF:2.0Q2
DOI:10.5468/ogs.26043
PMID:41775248
|
综述 | 本文是一篇关于人工智能在早产预测中应用现状、方法学质量及临床适用性的叙述性综述 | 系统性地评估了不同数据模态下AI预测早产的方法学质量和临床适用性，并指出了当前研究在方法学严谨性上的普遍不足 | 综述本身不产生新数据，且指出纳入的研究普遍存在样本量不足、缺乏外部验证、未报告校准指标以及高偏倚风险等局限性 | 评估人工智能在早产预测领域的应用现状、方法学质量及临床适用性 | 用于预测自发性早产的机器学习模型及相关研究 | 机器学习 | 早产 | 电子健康记录分析、超声图像分析、宫颈纹理和影像组学特征提取、弹性成像参数、多组学整合 | 深度学习, Transformer | 电子健康记录, 超声图像, 多组学数据 | NA | NA | Transformer | 受试者工作特征曲线下面积 | NA |
| 535 | 2026-03-29 |
Refined trajectory smoothing and deep learning classification of human sperm motility
2026-Mar-01, Human reproduction (Oxford, England)
DOI:10.1093/humrep/deag005
PMID:41633817
|
研究论文 | 本研究提出了一种通过频域平滑改进精子运动轨迹参数提取的方法，并利用深度学习模型对原始轨迹数据进行分类，以准确区分精子的运动模式 | 引入了离散余弦变换（DCT）平滑来优化平均路径估计，提出了路径平均宽度（PAW）新指标量化侧向头部位移，并采用InceptionTime模型集成对精子轨迹进行分类 | 模型仅在低粘度培养基中记录的精子轨迹上训练，缺乏在高粘度环境（如ICSI精子选择所用介质）中的数据验证；且训练数据来自单中心（5个个体，共790条轨迹），需多中心独立验证以确认泛化能力 | 改进精子运动轨迹的参数提取精度，并开发基于深度学习的精子运动模式分类方法 | 人类精子运动轨迹 | 计算机视觉 | NA | 轨迹记录（60帧/秒） | 集成学习, InceptionTime | 轨迹坐标序列（x, y） | 2326条精子轨迹（1931条渐进运动，395条超激活运动），来自5个个体样本 | NA | InceptionTime | 准确率 | NA |
| 536 | 2026-03-29 |
Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning
2026-Feb-25, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syaf060
PMID:40899780
|
研究论文 | 本文提出了一种新的集成神经网络方法，用于从系统发育树中估计物种多样化参数 | 利用多种神经网络（密集神经网络、图神经网络和长短期记忆循环网络）的集成方法，同时从系统发育树的图表示、分支时间和汇总统计中学习，提高了参数估计的效率和准确性 | 与最大似然估计方法类似，该方法在延展的出生-死亡过程下仍无法精确恢复参数 | 估计物种多样化参数，包括物种形成和灭绝速率 | 时间校准的系统发育树 | 机器学习 | NA | 深度学习 | DNN, GNN, LSTM | 图数据、时间序列数据、汇总统计数据 | NA | NA | 密集神经网络、图神经网络、长短期记忆循环网络 | 估计速度、偏差、对树大小的敏感性 | NA |
| 537 | 2026-03-29 |
Deep models of protein evolution in time generate realistic evolutionary trajectories and functional proteins
2026-Feb-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.19.706898
PMID:41757065
|
研究论文 | 本文介绍了一种名为PEINT的深度学习框架，用于模拟蛋白质序列随时间演变的过程，并生成具有功能性的蛋白质 | PEINT框架突破了传统模型中位点独立演化的简化假设，能够学习位点间复杂相互作用，直接从原始序列学习插入缺失动态，并准确模拟自然进化特征 | NA | 开发一个能够模拟蛋白质真实进化轨迹并生成功能性蛋白质的深度学习模型 | 蛋白质序列及其进化过程 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据 | 数百万个跨越不同折叠家族的蛋白质序列 | NA | NA | NA | NA |
| 538 | 2026-02-25 |
An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA)
2026-Feb-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38045-1
PMID:41714716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 539 | 2026-03-29 |
Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation
2026-Feb-19, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04154-2
PMID:41709202
|
综述 | 本文探讨了人工智能如何指导个性化纳米增强干细胞疗法，以应对神经退行性疾病的治疗挑战 | 提出了一个整合患者特异性数据、AI驱动设计和实时监测的闭环系统，旨在推进神经退行性疾病的真正个性化医疗 | NA | 探索机器学习和深度学习如何解决干细胞疗法及纳米增强干细胞疗法中的当前挑战，并提供一个整合AI的系统性框架 | 神经退行性疾病 | 机器学习 | 神经退行性疾病 | NA | 机器学习, 深度学习 | NA | NA | NA | NA | NA | NA |
| 540 | 2026-03-29 |
AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support
2026-Feb-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07849-0
PMID:41715150
|
综述 | 本文综述了人工智能如何通过机器学习和大型语言模型重塑CRISPR筛选，优化实验设计和分析流程 | 将人工智能整合到CRISPR筛选的整个实验生命周期中，引入预测性、适应性和系统级智能，将静态分析流程转变为智能实验系统 | NA | 探讨人工智能在优化CRISPR基因编辑筛选中的应用 | CRISPR筛选实验 | 机器学习 | NA | CRISPR基因编辑 | 机器学习, 深度学习, 大型语言模型 | NA | NA | NA | NA | NA | NA |