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 43911 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2026-04-24 |
MSCMF-DTB: a multi-scale cross-modal fusion framework for drug-target binding prediction
2026-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44048-9
PMID:41820521
|
研究论文 | 提出一种多尺度跨模态融合框架MSCMF-DTB，用于药物-靶点结合预测，包括相互作用分类和亲和力回归任务 | 首次将DenseGCN分子图编码、TAPE-BERT蛋白质嵌入、多尺度1D CNN、跨模态交叉注意力机制与张量网络高阶特征交互相结合，构建端到端深度学习框架 | 文中未明确提及局限性与未来改进方向 | 解决药物发现中药物-靶点结合预测的挑战，实现高精度分类与回归预测 | 药物分子（拓扑结构、化学子结构）与蛋白质序列 | 机器学习 | NA | 分子图生成（RDKit）、蛋白质嵌入（TAPE-BERT） | 深度学习框架（DenseGCN、CNN、MLP） | 分子图、蛋白质序列、化合物指纹 | 多个数据集：Human, C. elegans, GPCR, BioSNAP, DrugBank（DTI任务）; DAVIS, KIBA（DTA任务） | PyTorch, RDKit | DenseGCN, 多尺度1D CNN, 交叉注意力, 张量网络, MLP | AUC, Recall, MSE, Concordance Index, r² | NA |
| 962 | 2026-04-24 |
Development of head-to-head and longitudinal CycleGAN algorithm for MRI harmonization: validation in follow-up MRI evaluation in patients with brain metastasis
2026-Mar-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43755-7
PMID:41813851
|
research paper | 开发一种基于CycleGAN的头对头和纵向MRI协调算法，并在脑转移患者随访MRI评估中验证其效用 | 首次聚焦于使用CycleGAN技术减少脑转移患者在不同扫描仪间纵向随访MRI变异性，并验证其临床实用性 | 未在摘要中明确提及局限性 | 开发并验证基于CycleGAN的深度学习算法，用于MRI协调，减少不同扫描仪间差异，提高脑转移随访MRI评估的准确性 | 脑转移患者，其随访MRI使用不同扫描仪获取 | machine learning | brain metastasis | MRI | CycleGAN | image | 未在摘要中明确提及样本数量 | NA | CycleGAN | 图像相似度评分, 对比噪声比(CNR), 诊断置信度 | NA |
| 963 | 2026-04-24 |
From Physical Replacement to Biological Symbiosis: Evolutionary Paradigms and Future Prospects of Auditory Reconstruction Brain-Computer Interfaces
2026-Mar-11, Micromachines
IF:3.0Q2
DOI:10.3390/mi17030343
PMID:41900229
|
综述 | 该文回顾了听觉脑机接口从物理替代到生物共生的进化范式，并探讨了未来发展方向 | 系统整合了听觉重建从物理替代到生物共生的转变，并评估了高分辨率调制技术及AI辅助意图感知的未来潜力 | 未提供具体的实验验证或定量性能比较，主要基于现有文献的综述和未来展望 | 批判性分析听觉脑机接口的进化范式，并展望高保真神经假体的未来发展 | 听觉脑机接口在耳蜗、脑干和皮层水平的生理障碍及新兴技术方法 | 生物医学工程、人工智能 | 神经性听力损失 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 964 | 2026-04-24 |
A lightweight CNN for enhanced non-small cell lung cancer classification using CT scan image
2026-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41401-w
PMID:41807468
|
研究论文 | 提出一种轻量级卷积神经网络MiniConvNet，用于CT图像中非小细胞肺癌及其亚型的检测和分类 | 设计了一种轻量级CNN架构MiniConvNet，在保持较小模型尺寸和较快推理速度的同时，在非小细胞肺癌亚型分类上达到与大型网络相当的性能，并验证了其在组织病理学数据集上的跨模态泛化能力 | 未提及具体局限性，但可能受限于仅使用两个公开数据集，且轻量设计可能在高复杂度任务上存在性能上限 | 开发一个高效、可部署的轻量级CNN模型，用于非小细胞肺癌的自动检测和亚型分类，特别是面向资源受限的临床环境 | 非小细胞肺癌及其亚型（腺癌、鳞状细胞癌、大细胞癌） | 计算机视觉 | 肺癌 | CT扫描图像分析 | 卷积神经网络（CNN） | 图像 | NA | NA | MiniConvNet, ResNet50, VGG16, VGG19, Inception V3, MobileNetV3Small, EfficientNetV2B0, ConvNeXtTiny | 分类准确率、模型大小、推理速度 | NA |
| 965 | 2026-04-24 |
An intrusion detection model for electric vehicle supply equipment based on multi-task learning and probability transfer mechanism
2026-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42331-3
PMID:41807500
|
研究论文 | 结合多任务学习架构提出一种电动汽车供电设备入侵检测模型，用于分析恶意入侵行为并缩短检测时间 | 首次将多任务学习架构与概率转移机制相结合应用于电动汽车供电设备入侵检测，通过概率转移机制提升多任务间的预测性能，检测准确率提升最高27.29%，检测时间缩短43.24% | 标题和摘要未说明明确限制 | 构建更有效的电动汽车供电设备入侵检测方法，解决现有方法误报率高、检测时间长、精度低的问题 | 电动汽车供电设备（EVSE）的恶意入侵行为 | 机器学习 | NA | NA | 多任务学习 | 网络流量数据 | NA | NA | EVSEMTLIDS | 检测准确率，检测时间 | NA |
| 966 | 2026-04-24 |
Assessing the environmental costs of multi-scale recurrent neural networks for sustainable extreme rainfall nowcasting
2026-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43029-2
PMID:41807644
|
研究论文 | 评估多尺度循环神经网络在极端降雨临近预报中的环境成本，旨在实现可持续预报 | 首次在实际天气雷达数据（TAASRAD19和里约热内卢数据集）上评估MS-RNN框架的计算效率与预测准确性，并关注可持续性指标（能耗、碳排放、用水量） | 可持续性指标（如能耗、碳排放、用水量）在当前文献中极少计算，本文也未在这些方面进行实际量化 | 提高极端降雨临近预报的计算效率与预测准确性，支持资源有限地区的可持续AI解决方案 | 极端降雨事件的实时预报 | 机器学习 | 不适用 | 不适用，使用天气雷达数据 | 循环神经网络 | 图像（天气雷达数据） | 使用TAASRAD19和里约热内卢数据集，具体样本量未提及 | 不适用 | MS-RNN | 计算效率、预测准确性 | 未具体说明 |
| 967 | 2026-04-24 |
A meta learning and task adaptive approach for drug target affinity prediction
2026-Mar-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70554-5
PMID:41807414
|
研究论文 | 提出一种基于元学习框架的自适应任务模块AdaMBind，用于药物-靶标亲和力预测，尤其在低数据场景下表现优异 | 采用动态“从易到难”任务调度机制提升训练效率和鲁棒性，在少样本条件下实现高亲和力化合物筛选 | NA | 解决药物-靶标亲和力预测中训练数据有限和泛化能力差的问题 | 药物-靶标亲和力预测模型、少样本学习场景下的化合物筛选 | 机器学习 | 急性髓系白血病 | NA | 元学习框架 | NA | 三个基准数据集 | NA | AdaMBind | 亲和力预测性能、虚拟筛选性能 | NA |
| 968 | 2026-04-24 |
A multimodal retinal image dataset for diabetic retinopathy detection using foundation models
2026-Mar-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07005-9
PMID:41807442
|
研究论文 | 引入一个包含三种视网膜成像模态的多模态数据集，用于糖尿病视网膜病变检测，并基准测试了多种基础模型和大型视觉语言模型 | 数据集规模空前且模态多样，提供详细的病灶级注释和严重程度分级，弥补了现有公共数据集在覆盖范围和精细注释方面的不足 | 仅基于该数据集进行基准测试，未探讨模型在实际临床环境中的部署或实时性能 | 构建一个多模态视网膜图像数据集，以推动AI在糖尿病视网膜病变诊断中的可靠性和临床实用性 | 糖尿病视网膜病变和糖尿病性黄斑水肿 | 计算机视觉, 数字病理学 | 糖尿病视网膜病变, 糖尿病性黄斑水肿 | 彩色眼底摄影（CFP）, 光学相干断层扫描（OCT）, 超广角眼底成像（UWF） | 眼底基础模型, 大型视觉语言模型 | 图像 | 大规模多模态数据，具体样本数量未提及 | NA | NA | NA | NA |
| 969 | 2026-04-24 |
A foundation model for multi-task cross-distribution restoration of fluorescence microscopy images
2026-Mar-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70307-4
PMID:41807447
|
研究论文 | 提出一个名为FluoResFM的基础模型，用于荧光显微镜图像的多任务跨分布复原 | 利用文本先验信息适应特定任务和数据分布；通过单样本微调即可获得与常规模型在成百上千样本上训练相当的性能 | 未明确提及，可能包括对极端噪声的适应性或计算资源需求 | 开发一个统一的通用基础模型，解决荧光显微镜图像复原中的多种任务及跨分布泛化问题 | 荧光显微镜图像（覆盖图像去噪、反卷积、超分辨率三大任务及20余种生物结构） | 计算机视觉 | NA | 荧光显微镜成像 | 基础模型（FluoResFM） | 图像 | 覆盖3个任务（去噪、反卷积、超分辨率）和20多种生物结构的数据集 | NA | FluoResFM | 复原性能（具体未明确指标），分割模型增强性能（如细胞/细胞器分割q） | NA |
| 970 | 2026-04-24 |
SYN-OCT:A synthetic dataset of ocular optical coherence tomography images from healthy and glaucoma eyes
2026-Mar-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06946-5
PMID:41807485
|
研究论文 | 介绍一个名为SYN-OCT的合成数据集，包含来自健康眼和青光眼眼的20万张光学相干断层扫描（OCT）图像 | 提供了大规模、公开可用的合成OCT图像数据集，可用于青光眼分析，且通过自动分割验证了合成数据与真实数据结构的可比性 | 未提及具体局限性，但可能受限于真实训练数据的质量和代表性 | 支持青光眼分析与检测的深度学习应用开发，以及医学图像合成生成及其可用性的研究 | 来自健康眼和青光眼眼的光学相干断层扫描（OCT）图像 | 计算机视觉 | 青光眼 | OCT成像 | 生成图像模型 | 图像 | 20万张横截面环视乳头OCT图像（10万张来自青光眼模型，10万张来自健康眼模型） | NA | 生成图像模型（未指定具体架构） | 自动分割方法（用于验证结构可比性） | NA |
| 971 | 2026-04-24 |
Deep learning for predicting stem cell efficiency for use in beta cell differentiation
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42830-3
PMID:41803201
|
研究论文 | 提出基于图像深度学习模型，预测干细胞克隆效率，用于β细胞分化指导 | 利用无标记相位差成像与深度学习（EfficientNet-V2-S）相结合，实现分化的早期预测（53小时），克隆级准确率达96.7%，并通过层相关性传播和傅立叶分析解释模型特征 | 本研究仅为概念验证，且未提及模型在更大样本或不同干细胞系上的泛化能力 | 开发基于图像的深度学习模型，早期预测干细胞克隆在β细胞分化中的效率，以降低细胞生产成本 | 患者来源的干细胞克隆（高效与低效克隆） | 计算机视觉, 数字病理学 | 糖尿病 | 相位差成像 | 卷积神经网络（EfficientNet-V2-S） | 图像（相位差成像） | 干细胞克隆样本（具体数量未给出） | NA | EfficientNet-V2-S | 准确率（96.7%） | NA |
| 972 | 2026-04-24 |
Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network
2026-Mar-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42474-3
PMID:41803397
|
研究论文 | 提出一种基于深度光谱多层卷积神经网络的HTTP TRACE泛洪攻击检测方法，用于提升无线传感器网络的安全性 | 引入增强型深度光谱多层卷积神经网络（EDSMCNN），结合蜘蛛算法优化特征选择及Lattice服务率访问值（LSRAV）来预测TRACE攻击流量，显著提升CPU性能并降低计算时间 | 未提及在实际WSN部署中的能耗与实时性限制，且数据集来源单一，可能影响泛化能力 | 解决无线传感器网络中HTTP TRACE泛洪攻击的检测问题，提高系统对多种URL请求的处理效率和攻击预测准确性 | 无线传感器网络中的HTTP TRACE泛洪攻击流量及传感器节点 | 计算机视觉, 机器学习, 网络安全 | NA | NA | 卷积神经网络（CNN） | 网络流量数据 | NA | NA | 增强型深度光谱多层卷积神经网络（EDSMCNN） | CPU性能, 计算时间 | NA |
| 973 | 2026-04-24 |
Adaptive Logit Fusion for Mitigating Class Imbalance in Multi-Category Sperm Morphology Assessment
2026-Mar-09, Life (Basel, Switzerland)
DOI:10.3390/life16030438
PMID:41900957
|
研究论文 | 提出一种基于深度学习的集成方法，用于对精子细胞进行18类形态学分类，包括1类正常和17类异常 | 通过自适应逻辑融合策略结合EfficientNetV2-S和ResNet50V2两种架构，并优化融合权重以最大化召回率、精确率和F1分数，有效缓解了类别不平衡问题 | 视觉特征不明显的缺陷类型分类性能较低 | 提高多类别精子形态评估中类别不平衡下的分类性能 | 精子细胞，涵盖1个正常和17个异常形态类别 | 计算机视觉 | 男性不育症 | 深度学习 | 卷积神经网络集成模型 | 图像 | 未明确说明样本数量 | TensorFlow, Keras | EfficientNetV2-S, ResNet50V2 | 准确率, 召回率, 精确率, F1分数 | 自动混合精度训练，未明确GPU类型 |
| 974 | 2026-04-24 |
BIBSNet: A deep learning baby image brain segmentation network for MRI scans
2026-Mar-09, Developmental cognitive neuroscience
IF:4.6Q1
DOI:10.1016/j.dcn.2026.101706
PMID:42013743
|
研究论文 | 提出一个名为BIBSNet的深度学习神经网络，用于婴儿磁共振图像的脑组织分割，该模型利用数据增强和大量手动标注图像，具有鲁棒性和泛化能力 | 首次提出开源的婴儿脑分割神经网络BIBSNet，结合真实图像和SynthSeg生成的合成图像进行训练，分割速度比联合标签融合快600倍，可输出与FreeSurfer兼容的分割标签 | 在6-8个月大的婴儿中，iBeat的皮层分割性能显著优于BIBSNet，且BIBSNet未专门针对皮层分割进行优化 | 开发一个鲁棒且泛化能力强的婴儿脑组织分割模型，用于研究典型和非典型的脑发育过程 | 从0到8个月大的婴儿脑组织，包括灰质和白质区域 | 计算机视觉 | 未指定 | 磁共振成像 | 卷积神经网络 | 图像 | 90名0-8个月大的参与者，中位年龄4.6个月 | PyTorch | U-Net | Dice相似系数 | 未指定 |
| 975 | 2026-04-24 |
Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme
2026-Mar-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02507-7
PMID:41795013
|
研究论文 | 在英国国家筛查项目中，评估多种乳腺癌风险预测算法在不同乳腺摄影系统中的表现 | 首次在完整的国家筛查数据上对四种深度学习算法（Mirai、iCAD、Transpara、Google）进行对比验证，并探讨不同乳腺摄影系统（Philips、GE）对算法性能的影响 | 仅基于英国两个筛查站点和五年随访数据，可能无法推广到其他人群或设备系统；未进行前瞻性测试或算法微调 | 比较并评估不同深度学习风险预测算法在乳腺癌筛查中的判别能力和泛化性能 | 英国NHS乳腺癌筛查项目中的112,621张阴性乳腺摄影图像和1225例未来癌症病例 | 计算机视觉 | 乳腺癌 | 乳腺摄影成像 | 深度学习 | 图像 | 112,621张阴性乳腺摄影图像，来自1225例未来癌症和对照组 | NA | Mirai、iCAD、Transpara、Google | AUC | NA |
| 976 | 2026-04-24 |
Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency
2026-Mar-07, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02475-y
PMID:41794927
|
研究论文 | 提出一种集成数据级和网络级一致性的半监督学习框架，以有限标注数据高效分割心脏MRI多结构，用于心血管评估 | 通过整合数据级和网络级一致性构建互集成框架，有效利用有限标注和大量未标注数据，提升心脏MRI多结构分割性能 | NA | 解决心脏MRI分割中标注数据稀缺问题，实现高精度多结构分割 | 心脏MRI中的多个解剖结构 | 计算机视觉 | 心血管疾病 | 心脏MRI | 半监督学习网络 | 图像 | 有限标注数据和大量未标注数据 | NA | 互集成框架 | 分割性能指标（具体未提及） | NA |
| 977 | 2026-04-24 |
EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions
2026-Mar-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.06.704509
PMID:41867859
|
研究论文 | EpiExpr是一个灵活的深度学习框架，利用一维表观遗传数据和三维染色质相互作用预测基因表达 | 整合一维表观遗传图谱和三维染色质相互作用进行基因表达预测，无需序列嵌入即可达到与基于DNA序列的transformer模型相当的性能 | NA | 从表观基因组图谱解码基因表达，捕获远端调控效应 | GM12878和K562细胞 | 机器学习 | NA | CRISPRi-FlowFISH | 残差卷积网络、图神经网络、图注意力模型、图变换器模型 | 表观遗传图谱、染色质相互作用数据 | 两种细胞系（GM12878和K562） | PyTorch | ResNet, GNN, GAT, Graph Transformer | 预测精度、AUC | NA |
| 978 | 2026-04-24 |
Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi
2026-Mar-06, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms14030591
PMID:41900351
|
综述 | 本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用 | 结合机器学习、深度学习及基于transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习）实现从头多目标肽设计和病原导向优化 | 尚未有完全由AI设计的抗菌肽获得监管批准，临床转化仍受毒性、稳定性和生产限制 | 评估人工智能在加速下一代抗多重耐药病原体的抗菌肽临床转化中的潜力 | 抗菌肽、ESKAPE病原体、多重耐药真菌 | 机器学习 | 抗微生物耐药性感染 | NA | 机器学习、深度学习、transformer、变分自编码器、扩散模型、强化学习 | 序列数据 | NA | NA | transformer, 变分自编码器, 扩散模型 | NA | NA |
| 979 | 2026-04-24 |
AI-Driven Drug Discovery: Focus on Targets for Solid Tumors
2026-Mar-06, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics18030329
PMID:41900815
|
综述 | 探讨人工智能在实体肿瘤药物靶点发现中的应用进展与挑战 | 系统总结了近三年特别是大语言模型在肿瘤药物发现中的应用，并聚焦于AI辅助靶点识别的最新进展 | 未提及具体实验验证或定量性能比较，且侧重于综述性分析而非技术方法创新 | 综述AI在实体肿瘤药物靶点发现中的应用现状及未来方向 | 实体肿瘤及其药物靶点 | 机器学习 | 实体肿瘤 | NA | 大语言模型 | 多组学生物数据、真实世界证据 | NA | NA | NA | NA | NA |
| 980 | 2026-04-24 |
Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer
2026-Mar-06, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01331-2
PMID:41792227
|
研究论文 | 通过整合影像组学、深度学习、转录组学和代谢组学，开发了一种预后风险分层模型，并揭示结直肠癌的潜在生物学机制 | 首次系统评估十种机器学习算法在117种组合中的表现，构建深度学习影像组学模型，并整合多组学数据揭示预后风险分层的生物学基础 | 仅使用静脉期CT图像，未涉及多模态影像数据；研究基于回顾性数据，需前瞻性验证 | 开发结合影像组学和深度学习的预后风险分层模型，并探索其背后的生物学机制 | 结直肠癌患者 | 机器学习, 数字病理学 | 结直肠癌 | CT影像, 转录组测序, 代谢组学分析 | 深度学习, 机器学习 | 影像, 转录组数据, 代谢组数据 | 来自四个中心的1183名患者的静脉期CT图像，以及一个独立公共队列的417名样本 | NA | 深度学习影像组学模型 | 预后风险分层（高风险与低风险组的生存差异） | NA |