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 44618 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2026-05-17 |
Post-translational modifications of proteins in cardiovascular diseases examined by proteomic approaches
2025-01, The FEBS journal
DOI:10.1111/febs.17108
PMID:38440918
|
综述 | 总结基于质谱的蛋白质组学方法在心血管疾病蛋白质翻译后修饰研究中的应用 | 概述了基于质谱的蛋白质组学方法在心血管疾病PTM研究中的最新进展，包括机器学习与深度学习在PTM位点预测中的应用 | 未详细讨论特定PTM类型的功能机制或临床转化挑战 | 综述基于质谱的蛋白质组学在心血管疾病PTM研究中的方法与应用 | 心血管疾病相关的蛋白质翻译后修饰（PTM） | 蛋白质组学 | 心血管疾病 | 质谱（MS） | 机器学习、深度学习 | 蛋白质组学数据 | NA | NA | NA | NA | NA |
| 1022 | 2025-05-03 |
The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0)
2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.268292
PMID:39362762
|
研究论文 | 介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果 | 扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化 | 仅8.4%的患者有侵入性冠状动脉造影相关数据 | 评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果 | 45,252名患者的心肌灌注成像数据 | 数字病理学 | 心血管疾病 | SPECT, CT衰减校正成像, 深度学习 | 深度学习 | 图像 | 45,252名患者来自13个中心 | NA | NA | NA | NA |
| 1023 | 2026-05-17 |
Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia
2024-10, Tissue engineering. Part A
DOI:10.1089/ten.TEA.2024.0096
PMID:39041628
|
综述 | 综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物 | 系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展 | NA | 强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展 | 口腔鳞状细胞癌和口腔上皮不典型增生 | 数字病理学 | 口腔癌 | 多重免疫组化、表观基因组学 | 深度学习 | 图像 | NA | NA | 神经网络 | NA | NA |
| 1024 | 2026-05-17 |
Research progress on prediction of RNA-protein binding sites in the past five years
2024-08, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115535
PMID:38643894
|
综述 | 综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展 | 系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略 | 现有计算方法存在局限性，未来发展方向有待探索 | 总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向 | RNA-蛋白质结合位点预测方法 | 机器学习 | NA | 传统机器学习、深度学习 | CNN、LSTM | 序列数据 | NA | NA | DeepRKE, RDense, DeepDW | NA | NA |
| 1025 | 2026-05-17 |
MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction
2024-07, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115491
PMID:38460901
|
研究论文 | 提出了一种新型多模态双分支轻量级深度学习模型，用于多功能生物活性肽预测 | 首次在不增加参数的情况下利用多尺度膨胀卷积提取肽序列特征，并设计了双分支结构分别捕获肽序列和结构特性的互补信息 | 未提及具体局限性 | 准确检测多功能的复杂和多样化生物活性肽 | 多功能生物活性肽 | 机器学习 | NA | NA | 深度学习 | 序列和结构数据 | NA | NA | 多尺度膨胀卷积, Bi-LSTM, 多层卷积 | 覆盖率, 精确度, 准确率 | NA |
| 1026 | 2026-05-17 |
PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures
2024-07, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115510
PMID:38513769
|
研究论文 | 提出一种集成深度学习架构PhosAF，利用AlphaFold2预测的蛋白结构来预测人类蛋白磷酸化位点 | 首次将AlphaFold2预测的蛋白结构信息与序列信息集成用于磷酸化位点预测，并提出通过蛋白二级结构构建可靠负样本的新策略 | NA | 提高磷酸化位点预测的准确性，特别是通过利用蛋白空间结构信息 | 人类蛋白质磷酸化位点 | 机器学习 | NA | NA | CNN, 多头注意力机制, 深度神经网络 | 蛋白质序列数据和结构数据 | NA | PyTorch | CMA-Net, MFC-Net | 精确率, 召回率, F1分数, AUC | NA |
| 1027 | 2026-05-17 |
Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study
2023-12, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.29611
PMID:37964373
|
研究论文 | 利用ENIGMA-PD全球工作组的大样本MRI数据，量化帕金森病患者不同Hoehn-Yahr分期的小脑各小叶体积变化 | 首次在大型多中心样本中揭示帕金森病前叶（运动）和后叶（非运动）小脑区域的分离变化，即疾病早期前叶体积增大、晚期后叶体积缩小 | NA | 探究帕金森病不同疾病分期中小脑区域体积的差异及其与运动和非运动功能的关系 | 帕金森病患者 | 医学影像分析 | 帕金森病 | 磁共振成像 | 深度学习 | 三维T1加权结构MRI图像 | 2487名帕金森病患者和1212名年龄性别匹配的对照组，来自22个中心 | NA | NA | Cohen's d效应量 | NA |
| 1028 | 2026-05-17 |
At-home wireless sleep monitoring patches for the clinical assessment of sleep quality and sleep apnea
2023-05-24, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adg9671
PMID:37224243
|
研究论文 | 本文报告了一种家用无线睡眠监测贴片系统，用于临床评估睡眠质量和睡眠呼吸暂停 | 开发了集成机器学习的无线可穿戴电子设备，实现家庭自然睡眠环境下的睡眠质量评估和睡眠呼吸暂停检测，相比传统多导睡眠监测系统更便携、低负担 | NA | 开发一种家用、便携的无线睡眠监测系统，用于评估睡眠质量和检测睡眠呼吸暂停 | 睡眠障碍患者和健康对照者 | 机器学习 | 睡眠呼吸暂停 | 机器学习 | 深度学习 | 脑电、眼电、肌电信号 | NA | NA | NA | 准确率 | NA |
| 1029 | 2026-05-17 |
Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0284167
PMID:37023117
|
研究论文 | 利用深度学习算法分析心率变异性与皮层唤醒的耦合关系 | 首次在种族多样人群中研究皮层唤醒与心率变异性的瞬时关联，并使用自动化深度学习工具从心电信号中标注唤醒事件 | 未在标题和摘要中明确说明 | 探究皮层唤醒与心率变异性之间的瞬时关联，以及其在性别和睡眠阶段中的差异 | 来自多种族动脉粥样硬化研究数据集的1069名受试者的整夜心电信号 | 机器学习 | 睡眠呼吸障碍相关心血管功能障碍 | 心电信号分析、多导睡眠监测 | 深度学习算法（用于标注唤醒事件） | 心电信号 | 1069名受试者的整夜心电信号 | NA | NA | NA | NA |
| 1030 | 2026-05-17 |
Image Quality Classification for Automated Visual Evaluation of Cervical Precancer
2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore)
DOI:10.1007/978-3-031-16760-7_20
PMID:36315110
|
研究论文 | 提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类 | 集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能 | 未提及具体局限性 | 提升宫颈癌前病变自动视觉评估的图像质量分类性能 | 宫颈癌前病变筛查中的宫颈图像 | 计算机视觉 | 宫颈癌 | NA | 深度学习集成框架 | 图像 | 来自全球不同机构、设备和地区的14,183名患者的87,420张图像 | NA | 集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络） | 准确率 | NA |
| 1031 | 2026-05-17 |
Improved 3D tumour definition and quantification of uptake in simulated lung tumours using deep learning
2022-04-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac65d6
PMID:35395657
|
研究论文 | 提出一种深度学习方法来改善肺肿瘤PET成像中的放射性示踪剂摄取量化和肿瘤形状定义 | 使用模拟肿瘤生成真实PET原始数据，训练3D卷积神经网络以恢复肿瘤形状和改进摄取估计，且模型对采用不同点扩散函数的重建PET数据具有泛化能力 | NA | 提高肺肿瘤放射性示踪剂摄取的量化准确性和肿瘤形状定义 | 模拟肺肿瘤及其在PET图像中的放射性示踪剂分布 | 数字病理学 | 肺癌 | PET成像 | 3D卷积神经网络 | 图像 | 模拟肿瘤，具有不同大小和活性分布，放置于拟人模型左肺 | NA | 3D卷积神经网络 | 肿瘤最大和中等活性估计 | NA |
| 1032 | 2026-05-17 |
Retinal optical coherence tomography image enhancement via deep learning
2018-Dec-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.9.006205
PMID:31065423
|
研究论文 | 引入基于深度学习的视网膜光学相干断层扫描图像增强方法，有效降低散斑噪声并提高图像质量 | 提出两种网络版本（基于均方误差的CNN和基于Wasserstein距离与感知相似性的GAN），满足不同用户需求，并在定量和定性指标上取得优异效果 | 训练数据仅来自健康眼睛，对青光眼等病变眼睛的泛化能力有待进一步验证 | 开发一种基于深度学习的视网膜OCT图像去噪方法，改善图像质量并辅助层分割 | OCT图像，包括健康眼睛和青光眼眼睛的横截面 | 计算机视觉 | 青光眼 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN）和生成对抗网络（GAN） | 图像 | NA | PyTorch | CNN和GAN（含Wasserstein距离与感知相似性） | PSNR, SSIM, 准确率, 清晰度, 个人偏好 | NA |
| 1033 | 2026-05-16 |
Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT
2026-06, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05253-8
PMID:41251734
|
研究论文 | 验证基于深度学习的模型在全剂量和模拟低剂量CT上对淋巴结检测和分割的性能 | 在低剂量CT图像质量下降的情况下，通过使用全剂量和低剂量CT训练的模型提高淋巴结分割性能 | 图像质量下降影响了低剂量CT上的淋巴结勾画 | 评估全自动深度学习模型在全剂量和低剂量CT上检测和分割淋巴结的性能 | 淋巴结 | 计算机视觉 | NA | CT | 3D nnU-Net | 图像 | 151名患者的15341个淋巴结（内部）和120个CT（外部） | NA | 3D nnU-Net | 精确率、灵敏度、Dice相似系数、豪斯多夫距离 | NA |
| 1034 | 2026-05-16 |
Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI
2026-06, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05317-9
PMID:41291295
|
综述 | 系统综述了物理感知人工智能在MASLD量化生物标志物成像中的应用，涵盖超声、CT和MRI的深度学习和影像组学方法 | 首次聚焦物理感知AI在MASLD/MASH多模态成像中的应用，强调物理先验与AI结合的自动化定量映射方法比较 | 缺少标准化纵向评估流程和多厂商数据统一化验证，MASLD特异性纤维化验证不足 | 评估物理感知AI在MASLD/MASH医学成像中用于定量生物标志物映射的研究现状和部署准备度 | 代谢功能障碍相关脂肪性肝病及其进展形式MASH的医学影像数据 | 数字病理学 | 肝病 | MRI, CT, 超声 | 深度学习, 影像组学 | 影像 | 33项研究纳入分析 | NA | 领域自适应技术 | 性能指标 | NA |
| 1035 | 2026-05-16 |
Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs
2026-Jun, Dental traumatology : official publication of International Association for Dental Traumatology
IF:2.3Q2
DOI:10.1111/edt.70034
PMID:41305998
|
研究论文 | 比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能 | 首次系统比较YOLOv8、YOLOv11和YOLOv12三种最新YOLO模型在牙科创伤分割任务上的表现，发现YOLOv12在硬组织和软组织损伤检测中均表现最佳 | 人工智能尚未在牙科创伤学中达到完美性能，仍需与专家牙医合作开发以更好地支持临床决策 | 比较基于人工智能的深度卷积神经网络（YOLOv8、YOLOv11和YOLOv12）在儿童全景X光片上分割牙科损伤的性能 | 6-13岁有牙科创伤的儿科患者的全景X光片 | 计算机视觉 | 牙科创伤 | 全景X光成像 | YOLOv8, YOLOv11, YOLOv12 | 图像 | 来自加济安泰普大学牙科学院儿科患者的全景X光片 | CranioCatch | YOLOv8, YOLOv11, YOLOv12 | AUC, 多类F1分数 | NA |
| 1036 | 2026-05-16 |
Artificial intelligence for personalized multiple micronutrient supplementation in maternal health
2026-Jun, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
DOI:10.1002/ijgo.70911
PMID:41755349
|
综述文章 | 探讨人工智能在孕产妇个性化多种微量营养素补充中的应用框架 | 提出“营养数字孪生”概念，结合多模态数据（电子健康记录、可穿戴设备、基因组标记等）和深度学习/自然语言处理模型，实现个性化营养补充方案的分层与模拟 | 当前仍处于概念模型阶段，需解决数据代表性、伦理规范、推荐可信度及公平性等关键问题 | 设计基于AI的个性化多种微量营养素补充策略，以改善孕产妇及后代健康结局 | 孕产妇人群，特别是存在营养不良、微量营养素缺乏及不良妊娠结局风险的个体 | 机器学习, 自然语言处理, 数字病理学 | 孕产妇营养不良、微量营养素缺乏及相关妊娠并发症 | NA | 深度学习模型、自然语言处理模型 | 多模态数据（电子健康记录、可穿戴设备输出、营养与生育应用日志、基因组标记、社会人口学信息） | NA | NA | NA | NA | NA |
| 1037 | 2026-05-16 |
Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset
2026-Jun, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology
IF:2.0Q2
DOI:10.1016/j.jelekin.2026.103132
PMID:41818939
|
研究论文 | 本研究验证了使用深度学习模型从表面肌电信号中区分肌筋膜触发点的概念 | 首次证明表面肌电信号单独包含可用于区分肌筋膜触发点的判别信息，并在小样本数据上使用1D卷积神经网络实现高分类性能 | 样本量小（9名健康对照和13名患者），且未进行大规模验证 | 探究表面肌电信号是否包含判别信息以识别肌筋膜触发点 | 健康对照者和肌筋膜疼痛患者的上斜方肌表面肌电信号 | 机器学习 | 肌筋膜疼痛综合征 | 表面肌电信号（sEMG） | 1D卷积神经网络（1D CNN） | 生物信号数据（表面肌电信号） | 22名受试者（9名健康对照和13名患者），共279个收缩段（140个干预前和139个干预后） | NA | 1D卷积神经网络 | ROC-AUC, 准确率 | NA |
| 1038 | 2026-05-16 |
Advances in In silico predictive models for DDI prediction: Implications and practical applications in drug discovery
2026-Jun, Drug metabolism and pharmacokinetics
IF:2.7Q2
DOI:10.1016/j.dmpk.2026.101532
PMID:41962322
|
综述 | 综述了利用机器学习和人工智能预测药物-药物相互作用的最新进展及其在药物发现中的应用 | 全面总结了基于深度学习的DDI预测算法，并提供了将计算工具整合到现代药物发现工作流中的专家意见 | NA | 评估和讨论不同DDI类别的计算预测方法及其在药物开发中的实际应用 | 药物-药物相互作用(DDI)的计算预测模型 | 机器学习 | NA | NA | 深度学习 | 文本, 分子结构数据 | NA | NA | NA | NA | NA |
| 1039 | 2026-05-16 |
Advancement of an (in vitro/ex vivo) hybrid model framework to forecast polyviral lung disease outcomes
2026-Jun, Journal of investigative medicine : the official publication of the American Federation for Clinical Research
IF:2.5Q3
DOI:10.1177/10815589251382266
PMID:40947513
|
研究论文 | 开发一种（体外/离体）混合模型框架来预测多病毒性肺部疾病的结果 | 提出了一个结合体外和离体模型的混合框架，用于预测多病毒性肺部感染的结果 | 未来研究需要通过整合深度学习和人工智能等先进计算技术来改善预测准确性和可扩展性 | 推进一个（体外/离体）混合模型框架的发展和应用，以预测多病毒性肺部疾病结果 | 多病毒性肺部感染结果 | 机器学习 | 多病毒性肺部疾病 | NA | VGG16、CBRACDC、随机生存森林 | 图像 | NA | Python | VGG16、CBRACDC、随机生存森林 | 最小成本值 | NA |
| 1040 | 2026-05-16 |
Deep Learning Reconstruction on Quantitative Analysis in Brain Tumors With Diffusion-Weighted Imaging and Dynamic Susceptibility Contrast Imaging
2026-Jun, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70286
PMID:41793218
|
研究论文 | 评估深度学习重建对脑肿瘤患者弥散加权成像和动态磁敏感对比成像定量参数的影响 | 首次系统评估深度学习重建技术在脑肿瘤成像中对DWI和DSC定量生理参数的影响，证明DLR能有效降噪同时保持定量准确性 | 未说明 | 评估深度学习重建对脑肿瘤患者DWI和DSC衍生定量参数的影响 | 62名脑转移瘤放疗后患者（33名男性）的DWI和DSC图像 | 机器学习 | 脑肿瘤 | MRI, DWI, DSC灌注成像 | 深度学习重建 | 图像 | 62名患者 | NA | NA | 变异系数，重复性系数，一致性相关系数，信噪比，均方根误差，平均绝对误差 | NA |