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 49867 篇文献，本页显示第 6101 - 6120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6101 | 2026-06-19 |
Response to Letter Regarding Article, "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke"
2026-Sep-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126061
PMID:42308674
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6102 | 2026-07-01 |
Comment on "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke"
2026-Sep-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2026.126062
PMID:42372352
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6103 | 2026-07-10 |
Deep learning for predicting the spatiotemporal dynamics of chlorine in water distribution pipes
2026-Sep-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2026.126265
PMID:42269465
|
研究论文 | 比较不同深度学习模型作为计算高效的替代方法，用于求解控制配水管道中氯时空动态的对流反应偏微分方程 | 首次系统比较了多种深度学习模型（FNN、CNN、LSTM、ConvLSTM）作为传统数值求解器的替代方案，并发现ConvLSTM模型在准确性和泛化能力上最优 | 模型在空间和时间域上的泛化能力有限，尤其是FNN、CNN和LSTM模型表现不佳 | 开发计算高效的深度学习模型，用于实时监测或数字控制配水管网中的氯剂量 | 配水管道中余氯的时空动态变化 | 机器学习 | NA | NA | 前馈神经网络、卷积神经网络、长短期记忆网络、卷积长短期记忆网络 | 数值模拟数据 | NA | NA | FNN、CNN、LSTM、ConvLSTM | 准确性、泛化能力 | NA |
| 6104 | 2026-07-10 |
Large Language Models in Preclinical Spine Research: A Scoping Review and Expert Perspective on Evidence-Aware Experimental Workflows
2026-Sep, JOR spine
IF:3.4Q1
DOI:10.1002/jsp2.70203
PMID:42422043
|
综述 | 本综述评估了大型语言模型在临床前脊柱研究中的应用现状、证据缺口和负责任整合的机会 | 首次系统量化了脊柱研究中LLM/AI应用的前临床证据缺口，并提出了基于证据意识的实验工作流整合框架 | 仅纳入2020年1月至2026年1月发表的文献，可能遗漏早期或近期研究；分析侧重于临床前场景，可能忽略相关领域的方法学进展 | 映射脊柱研究中AI/LLM的当前应用，量化临床前证据缺口，识别负责任整合的机会 | 脊柱相关研究中的LLM、AI、聊天机器人或高级自然语言处理应用 | 自然语言处理 | 脊柱疾病 | NA | NA | 文本 | 792篇记录，166项符合纳入标准的研究 | NA | NA | NA | NA |
| 6105 | 2026-07-10 |
Advancing forward osmosis predictions: A deep learning-based surrogate modeling approach
2026-Aug-30, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70714
PMID:42117887
|
研究论文 | 提出一种基于深度学习的替代模型，用于快速准确预测不同操作条件下的正向渗透性能 | 首次将深度神经网络替代模型应用于正向渗透性能预测，在保持高准确性的同时大幅缩短计算时间，并通过SHAP分析解释模型捕获的物理关系 | 模型性能强烈依赖数据集大小，小数据集下DNN模型不如随机森林模型有效 | 开发快速准确的正向渗透性能预测方法，用于食品制造中的过程优化 | 正向渗透系统的性能预测，包括水通量等关键参数 | 机器学习 | NA | 正向渗透 | 深度神经网络 | 数值模拟数据 | 1563个数据点以上用于训练 | NA | 决策树, 随机森林, 支持向量机, 深度神经网络 | 归一化均方根误差 (NRMSE) | NA |
| 6106 | 2026-07-10 |
Semi-Supervised Deep Learning-Based Model for Segmentation of Breast Arterial Calcification on Screening Mammograms
2026-Aug, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251400538
PMID:41459704
|
research paper | 提出一种基于半监督深度学习模型的乳腺动脉钙化分割方法，用于在筛查性乳腺摄影中自动评估钙化严重程度，并提升跨系统泛化能力 | 创新点在于采用渐进式伪标记的半监督学习策略，利用6000张未标注图像增强模型鲁棒性，并将分割结果与放射科医生基于加拿大乳腺影像学会指南的评估进行基准对比 | 研究中未明确提及局限性，但可能依赖标注数据质量且半监督伪标记可能导致误差传播 | 实现乳腺动脉钙化严重程度的自动化分级，提高跨系统通用性，并与临床共识保持一致 | 来自7个供应商的2560张标注筛查性乳腺摄影图像及6000张未标注乳腺摄影图像 | computer vision | cardiovascular disease | NA | U-Net | image | 共8560张筛查性乳腺摄影图像，其中2560张标注，6000张未标注 | NA | U-Net | Jaccard相似系数, 准确率, 精确率, F1分数, 召回率, 敏感性, 特异性, AUC, 加权κ统计量 | NA |
| 6107 | 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） |
| 6108 | 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 |
| 6109 | 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 |
| 6110 | 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 |
| 6111 | 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 |
| 6112 | 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 |
| 6113 | 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 |
| 6114 | 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 |
| 6115 | 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 |
| 6116 | 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 |
| 6117 | 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 |
| 6118 | 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 |
| 6119 | 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 |
| 6120 | 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 |