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 49915 篇文献，本页显示第 8981 - 9000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8981 | 2026-06-06 |
Deep learning in image forgery: A systematic review for risk of bias (RoB)
2026-Jun-04, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70371
PMID:42244086
|
综述 | 系统综述了深度学习在图像伪造检测中的偏倚风险 | 首次系统评估AI在图像伪造检测中的偏倚风险，并引入AP(AI)Bias模型与PROBAST和ROBINS-I工具进行对比基准测试 | 仅筛选出35篇相关研究，且多数研究未能满足预定义的偏倚风险阈值，三种评估方法的一致性较低 | 识别和量化基于AI的图像伪造检测研究中存在的偏倚风险 | 图像伪造（IF）检测中的AI研究 | 计算机视觉 | 不适用 | 深度学习 | 不适用 | 图像 | 35篇相关AI研究 | 不适用 | 不适用 | 平均评分、偏倚分类比例 | 不适用 |
| 8982 | 2026-06-06 |
A novel deep learning network for small bowel ulcerative lesion detection and differential diagnosis on double-balloon endoscopy images
2026-Jun-04, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae7805
PMID:42246080
|
研究论文 | 提出一种新型级联网络Cascade-E-Yolov7，用于双气囊内镜图像中小肠溃疡性病变的检测与鉴别诊断 | 首次将EfficientNet-B1与ESFC-Yolov7结合构建级联网络，实现小肠溃疡性疾病的分类与精确定位 | 单中心回顾性研究，样本量有限，未进行外部验证 | 开发基于双气囊内镜图像的人工智能模型，用于小肠溃疡性疾病准确识别与分类 | 283名患者的1791张双气囊内镜图像，涵盖克罗恩病、CMUSE、肠结核、非特异性溃疡和原发性小肠淋巴瘤五种疾病 | 机器学习, 计算机视觉 | 小肠溃疡性疾病 | 内镜图像分析 | 级联网络 | 图像 | 283名患者，1791张双气囊内镜图像 | PyTorch | EfficientNet-B1, ESFC-Yolov7 | 准确率, AUC, mAP@0.5, 精确率, 召回率 | NA |
| 8983 | 2026-06-06 |
Mamba2SVN: a Mamba2 and reconstruction-cooperative sensitivity refinement-based variational network for parallel MRI reconstruction
2026-Jun-04, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae788b
PMID:42246132
|
研究论文 | 提出一种结合Mamba2与重建协同灵敏度细化的变分网络Mamba2SVN，用于并行MRI重建 | 首次将Mamba2模块融入变分网络，设计跨迭代特征融合机制和重建协同灵敏度细化模块，减少对自动校准信号大小的依赖 | 未明确提及限制，但可能依赖特定数据集和采样模式，泛化性需进一步验证 | 加速MRI采集过程，提高并行MRI重建的准确性和鲁棒性 | 多线圈膝关节、脑部和心脏MRI数据集 | 计算机视觉 | NA | MRI | Mamba2 | MRI图像 | 多线圈膝关节、脑部和心脏数据集（未说明具体样本数） | NA | Mamba2, U-Net | NA | NA |
| 8984 | 2026-06-06 |
Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection
2026-Jun-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9140
PMID:42209146
|
研究论文 | 评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量 | 首次验证深度学习加速的3D FLAIR序列在检测多发性硬化病变中的可靠性，并评估不同头线圈配置的影响 | 亚阈值病变（<3mm）在20通道线圈扫描中有漏检情况，主观图像质量评分略低于参考序列 | 验证深度学习重建的3D FLAIR序列在多发性硬化病变检测中的诊断效能和图像质量 | 脱髓鞘病变检测 | 数字病理学 | 多发性硬化 | MRI | 深度学习重建模型 | 磁共振图像 | 76例多发性硬化患者 | NA | 深度学习重建架构 | 信噪比，对比噪声比，5点李克特量表评分 | NA |
| 8985 | 2026-06-06 |
Genome-wide modelling of plant transcription factor binding captures regulatory variants associated with phenotypic traits
2026-Jun-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73634-8
PMID:42236716
|
研究论文 | 通过可解释的多标签深度学习模型，从全基因组水平捕捉转录因子结合，识别与表型性状相关的调控变异 | 首次利用可解释的多标签深度学习模型整合全基因组DNA结合数据、GWAS数据和实验验证，系统揭示顺式调控元件序列、上下文和语法对转录因子占据的影响，并应用于远缘作物的条件响应性结合位点分析 | 模型训练基于拟南芥数据，可能限制对远缘物种的适应性；未详细说明模型在不同条件下的泛化能力和计算效率 | 从全基因组层面理解遗传变异如何通过顺式调控元件与转录因子相互作用影响基因调控和表型 | 拟南芥（A. thaliana）和玉米（Z. mays）的转录因子结合位点、顺式调控元件及与表型相关的调控变异 | 机器学习 | NA | DNA结合分析（DNase-seq、ChIP-seq等） | 多标签深度学习模型 | DNA序列数据和基因型数据 | NA | NA | NA | NA | NA |
| 8986 | 2026-06-06 |
A multiscale attention network for mixed artifact suppression in AFM images
2026-Jun-03, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2026.104061
PMID:42241863
|
研究论文 | 提出一种多尺度注意力网络MS-HINet-CBAM，用于抑制原子力显微镜图像中的混合噪声，包括方向性线条伪影和随机疤痕 | 设计了一个结合多尺度模块和卷积块注意力模块的多阶段降噪框架，能够捕捉混合噪声的长程空间相关性并自适应优先处理真实地形特征 | 未提及在极端噪声水平或动态扫描条件下的表现，以及模型对真实AFM图像中未见噪声类型的泛化能力 | 开发用于AFM图像混合伪影抑制的鲁棒降噪方法，以保留表面真实形貌细节 | 原子力显微镜图像中的混合伪影（方向性线条伪影和随机疤痕）及真实地形特征 | 计算机视觉 | NA | 原子力显微镜成像 | 卷积神经网络 | 图像 | 在多种模拟混合噪声场景及真实AFM图像（有机分子和细菌细胞样本）上评估 | PyTorch | MS-HINet-CBAM（多尺度模块 + CBAM注意力模块） | 视觉保真度、均方根粗糙度 | NA |
| 8987 | 2026-06-06 |
Chest Radiograph-Derived Age Acceleration as an Early Marker of Pulmonary Dysfunction in Middle-Aged Asians
2026-Jun-03, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2026.05.033
PMID:42242547
|
研究论文 | 基于胸部X光片的加速衰老作为亚洲中年人肺功能障碍的早期标志 | 首次将深度学习驱动的胸部X光片年龄加速作为肺功能障碍的前兆标志，建立了加速衰老与PRISm和OLD之间的横断面和纵向关联 | 基于韩国健康检查参与者，结果可能不适用于其他种族或不同医疗环境的人群 | 评估基于胸部X光片的加速衰老是否与肺功能障碍（PRISm和OLD）的患病率和发生率相关 | 2006年至2019年间接受健康检查的韩国成年人 | 计算机视觉 | 肺部疾病 | 胸部X光片深度学习分析 | 深度学习模型 | 图像、临床数据 | 横断面分析231,278名参与者，纵向分析104,158名参与者 | NA | NA | OR、HR及95%置信区间 | NA |
| 8988 | 2026-06-06 |
Update on the structure-Function relationship in glaucoma
2026-Jun-03, Survey of ophthalmology
IF:5.1Q1
|
综述 | 总结青光眼结构-功能关系的最新知识，重点介绍影像学、分析方法和人工智能驱动建模的进展 | 强调人工智能方法在预测视野缺损和改进临床解释中的作用，并介绍解剖补偿映射、多模态融合和深度学习等新兴框架 | 数据质量、近视相关解剖变异和跨设备协调仍是关键限制因素 | 更新青光眼结构-功能关系的知识，推动动态个性化生物标志物的开发 | 青光眼患者的视网膜结构和视觉功能之间的关系 | 机器学习 | 青光眼 | 光学相干断层扫描(OCT), OCT血管成像(OCTA), 标准自动视野计(SAP) | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 8989 | 2026-06-06 |
Data driven prediction of bat flight kinematics and trajectory
2026-Jun-02, Bioinspiration & biomimetics
IF:3.1Q2
DOI:10.1088/1748-3190/ae66bf
PMID:42055078
|
研究论文 | 利用数据驱动方法预测蝙蝠飞行的运动学和轨迹，通过本征正交分解和深度学习架构分析不同飞行模式下的维度复杂性 | 首次量化蝙蝠不同复杂飞行动作的维度复杂性，并提出深度学习架构实现翼运动与飞行轨迹的双向预测 | 未提及 | 预测蝙蝠飞行轨迹并实现翼运动与轨迹间的双向映射 | 大圆叶蝠的三种飞行模式（直线飞行、上升右转、U型转弯） | 自然语言处理 | NA | 本征正交分解 | 深度学习架构 | 运动学数据（翼运动与轨迹） | 三种飞行模式（直线飞行、上升右转、U型转弯）各包含多次扑翼周期 | NA | 深度学习架构（具体架构未明确） | NA | NA |
| 8990 | 2026-06-06 |
Robust deepfake video detection using spatio-temporal features and dynamic difference learning
2026-Jun-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-53545-w
PMID:42230680
|
研究论文 | 提出一种结合时空特征与动态差异学习的深度伪造视频检测框架 | 引入动态差异模块（DDM）强调面部运动中的突变和非自然变化，增强对时空不一致性的捕获能力 | 未提及在低质量或高压缩视频上的泛化表现，且可能受限于人脸关键点检测的精度 | 提升深度伪造视频检测的鲁棒性与泛化能力 | 深度伪造视频中的时空不一致性特征 | 计算机视觉, 机器学习 | NA | 人脸关键点检测 | Transformer, CNN, LSTM | 视频 | 三个基准数据集：FaceForensics++ (FF++)、UADFV、DFDC | NA | Transformer编码器, CNN, LSTM | 精确率, 召回率, F1分数, 准确率 | NA |
| 8991 | 2026-06-06 |
CardioMorphNet: Cardiac motion prediction using a shape-guided Bayesian recurrent deep network
2026-Jun-02, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104149
PMID:42242080
|
研究论文 | 提出CardioMorphNet，一种基于形状引导的贝叶斯循环深度网络，用于从心脏电影MRI图像中精确估计心脏运动 | 使用循环变分自编码器建模时空依赖，通过贝叶斯框架推导损失函数，引导网络聚焦解剖区域，无需强度图像配准损失 | 仅基于UK Biobank和M&M数据集验证，且未提及对异常心脏节律或低质量图像的适用性 | 实现准确的心脏运动估计，改善心脏功能评估和异常检测 | 心脏电影MRI短轴图像中的心脏运动场和不确定性图 | 计算机视觉 | 心血管疾病 | 心脏电影MRI（cine CMR） | 变分自编码器、贝叶斯循环神经网络 | 图像（3D短轴MRI序列） | UK Biobank和M&M数据集，具体数量未提及 | NA | 循环变分自编码器、贝叶斯循环神经网络 | 掩膜形状对比（warped mask vs ground-truth）、不确定性值、临床指标准确性 | NA |
| 8992 | 2026-06-06 |
GIN-transformer based pairwise graph contrastive learning framework
2026-Jun, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108621
PMID:41576557
|
研究论文 | 提出一种基于GIN-Transformer的成对图对比学习框架，用于rs-fMRI数据的神经精神疾病诊断 | 集成图同构网络和Transformer实现多尺度特征提取，通过无监督对比学习减少对标注数据的依赖 | NA | 利用无监督图对比学习方法解决神经精神疾病诊断中的数据稀缺问题 | 静息态功能磁共振成像（rs-fMRI）数据 | 机器学习 | 孤独症谱系障碍、重度抑郁症 | rs-fMRI | GIN、Transformer | 时间序列影像 | 两个公开数据集（具体数量NA） | PyTorch | GIN-Transformer | 准确率、泛化能力 | NA |
| 8993 | 2026-06-06 |
Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network
2026-Jun, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于坐标卷积神经网络的单细胞RNA测序自动细胞类型识别方法 | 通过引入坐标信息作为额外通道增强空间感知，并采用双三次插值上采样层改进CNN对数据平移变化的适应性 | 未提及具体局限性 | 提升单细胞RNA测序数据中自动细胞类型识别的准确性 | 单细胞RNA测序数据中的细胞类型 | 机器学习 | NA | scRNA-seq | CNN | 基因表达数据 | 五个公共scRNA-seq基准数据集 | NA | CoordConv | 准确率 | NA |
| 8994 | 2026-06-04 |
Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support
2026-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12316-3
PMID:41586845
|
研究论文 | 开发了一种自动深度学习流水线，用于颅内出血的CT检测、分割和定位，并结合GPT-4o增强临床决策支持 | 首次将半监督学习用于ICH检测，结合GPT-4o大型语言模型生成临床决策支持，实现从影像分析到治疗建议的端到端自动化 | 未明确提及外部验证的局限性，但依赖公开数据集可能限制泛化性，且临床建议需神经外科医生评估 | 提高颅内出血的CT评估效率与准确性，减少诊断延迟，并辅助临床决策 | 颅内出血患者CT影像 | 计算机视觉, 自然语言处理, 数字病理学 | 颅内出血 | CT成像, 半监督学习, GPT-4o大型语言模型 | 深度学习模型（检测、分割、定位模型） | 图像（CT扫描） | 检测模型：21,784张标记和3,528张未标记CT扫描；分割模型：1,226张扫描；脑积水与中线偏移模型：507张扫描；外部验证：491例患者（CQ500数据集） | PyTorch | 检测模型：YOLOv5, 分割模型：U-Net, 定位模型：标准脑区配准 | AUC, Dice系数, 一致性相关系数（CCC）, Cohen's Kappa系数 | NA |
| 8995 | 2026-06-06 |
Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI
2026-Jun, Auris, nasus, larynx
DOI:10.1016/j.anl.2026.02.012
PMID:41865703
|
研究论文 | 基于深度学习的计算机辅助诊断系统在MRI上提高腮腺肿瘤良恶性鉴别准确率 | 首次验证深度学习辅助诊断在腮腺肿瘤MRI评估中能提升不同经验水平放射科医生的诊断性能，并揭示其对中高级别和晚期肿瘤的显著价值 | 未在低级别或pT1期肿瘤中观察到显著改善效果，需进一步验证模型对早期肿瘤的适用性 | 评估深度学习辅助诊断系统在MRI上区分腮腺肿瘤良恶性的临床增量价值 | 腮腺肿瘤患者（2000-2022年手术，170例组织学确诊，134例用于读者研究） | 计算机视觉, 数字病理学 | 腮腺肿瘤 | MRI | CNN | 图像 | 170例组织学确认的腮腺肿瘤病例（训练），134例用于读者研究 | NA | EfficientNet | 准确率, AUC, 灵敏度, 特异性 | NA |
| 8996 | 2026-06-06 |
Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning
2026-Jun, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70291
PMID:41654995
|
研究论文 | 提出一个基于深度学习的神经网络模型，利用JPRESS时域数据直接映射到神经递质浓度和平均横向弛豫时间(T2)，并对相位偏移、频率偏移和线型变化具有不变性 | 通过WaveNet和门控循环单元的联合架构生成TE特异性表示并整合为统一的JPRESS表示，模型对相位、频率和线型变化具有不变性，无需先验知识即可自动定量代谢物浓度和T2值，并能检测低浓度神经递质如GABA | 仅使用计算机合成数据训练，未提及在真实临床数据上的验证，可能面临体内数据复杂性和噪声的挑战 | 利用深度学习从JPRESS数据中无创定量神经化学物质的浓度和T2值 | JPRESS时域数据中的神经化学物质信号，包括GABA等低浓度代谢物 | 机器学习 | NA | JPRESS磁共振波谱 | 混合神经网络，结合WaveNet和门控循环单元 | JPRESS时域数据 | NA | NA | WaveNet, 门控循环单元 | NA | NA |
| 8997 | 2026-06-06 |
HKD-CPI: high-order knowledge distillation enhanced inductive compound-protein interaction prediction
2026-Jun-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag290
PMID:42179166
|
研究论文 | 提出了一种基于高阶知识蒸馏的归纳式化合物-蛋白质相互作用预测框架HKD-CPI | 引入分子图标记化机制，将化合物分子图特征与序列预训练大语言模型的标记嵌入对齐；构建基于超图的表示来建模功能相似生物分子间的高阶关系；采用知识蒸馏策略将高阶交互知识从超图迁移至轻量学生模型 | 未明确说明 | 提高对未见化合物-蛋白质对的泛化能力，加速药物发现 | 化合物与蛋白质的相互作用 | 机器学习, 自然语言处理 | NA | 知识蒸馏, 分子图标记化, 超图表示 | 大语言模型, 轻量学生模型 | 分子图, 序列数据 | 五个基准数据集 | NA | 超图构建模型, 知识蒸馏模型 | AUROC, AUPRC | NA |
| 8998 | 2026-06-06 |
FSSM-DDI: Fusion State Space Model for predicting drug-drug interaction using social-media and drug descriptions
2026-Jun-01, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-026-02648-x
PMID:42226246
|
研究论文 | 提出融合状态空间模型FSSM，利用社交媒体和药物描述预测药物相互作用 | 首次将选择性状态空间模型与基于交互的选择性过滤模块结合，实现高效长距离依赖建模和冗余信息滤除 | 在DDIExtraction-2013语料库上F1得分仅为75.23%，性能提升有限且未在更大规模数据集验证 | 开发高效药物相互作用预测方法，平衡预测性能与计算效率 | 药物相互作用预测任务，涉及社交媒体数据和药物描述文本 | 自然语言处理 | NA | NA | 状态空间模型 | 文本 | DDIExtraction-2013语料库 | NA | FSSM融合状态空间模型，包含选择性SSM和ISF模块 | F1-score | NA |
| 8999 | 2026-06-06 |
RIMGOGraph: integrating AlphaFold-derived residue interaction graphs and protein language embeddings for structure-informed protein function prediction
2026-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.152509
PMID:42119874
|
研究论文 | 提出RIMGOGraph框架，结合AlphaFold预测的残基相互作用图和ESM-2蛋白质语言嵌入，进行结构信息驱动的蛋白质功能预测 | 首次将AlphaFold预测的结构拓扑与预训练蛋白质语言模型的序列嵌入通过图神经网络和协同注意力融合模块进行多模态集成 | 目前仅基于人类蛋白质数据集验证，缺乏多物种训练和低同源性基准测试，未来需扩展更多生物学模态 | 开发可扩展的结构引导蛋白质功能预测框架，解决序列与结构信息有效融合的开放问题 | 人类蛋白质及其基因本体论（GO）功能注释 | 机器学习 | NA | AlphaFold预测结构 | 图神经网络 | 蛋白质序列与结构数据 | 已标注GO功能的人类蛋白质数据集 | PyTorch | 图神经网络（GNN）、协同注意力融合模块 | Fmax, AUC, AUPR | NA |
| 9000 | 2026-06-06 |
RLSFmode: A deep learning approach for predicting RNA-small molecule binding modes via molecular surface modeling
2026-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2026.152711
PMID:42190788
|
研究论文 | 开发了基于分子表面建模的深度学习方法RLSFmode，用于预测RNA与小分子的结合模式 | 通过结合RNA-配体表面指纹、序列信息和能量评分函数，实现了结合模式的完整预测，包括姿态识别和亲和力估计 | RNA结合口袋的复杂性和结构数据的稀缺性给模型开发带来挑战 | 预测RNA与小分子的结合模式，辅助基于结构的合理药物设计 | RNA与小分子结合模式 | 机器学习 | NA | NA | 深度学习模型 | 分子结构数据 | NA | NA | NA | NA | NA |