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 45526 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 | 2026-06-05 |
Artificial intelligence-assisted urine cytology based on the Paris System for Reporting Urothelial Carcinoma
2026-Jun, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.70120
PMID:42223163
|
研究论文 | 开发并验证基于巴黎报告系统的AI辅助尿液细胞学系统用于尿路上皮癌检测 | 首次将深度学习细胞检测分割与支持向量机分类整合，模拟细胞病理学家工作流程，并基于巴黎系统进行分级 | 研究样本量有限，且AI与病理学的一致性主要体现在相邻级别间，可能存在系统性偏差 | 开发并验证基于AI的尿液细胞学系统，用于临床和筛查场景中尿路上皮癌检测 | 回顾性临床病例及前瞻性健康筛查样本的尿液细胞学标本 | 计算机视觉, 数字病理学 | 尿路上皮癌 | 液基细胞学, 数字化成像 | CNN, SVM | 图像 | 328例回顾性临床病例和1489例前瞻性健康筛查样本，共269张标注训练玻片（56710个细胞） | PyTorch, Scikit-learn | 深度学习细胞检测与分割网络, SVM | 加权κ值, 患病率校正偏差校正κ值, 阴性预测值, 阴性一致性百分比, 错误遗漏率 | NA |
| 1022 | 2026-06-05 |
Deep learning the TF regulatory code for gene expression
2026-Jun-01, Genome research
IF:6.2Q1
DOI:10.1101/gr.281425.125
PMID:42140663
|
研究论文 | 提出深度学习模型DeepTF，从转录因子序列预测基因表达，揭示转录因子调控代码 | 首次系统研究转录因子调控代码，提出DeepTF模型从转录因子序列预测基因表达，并捕获转录因子调控语法 | 仅分析了13种转录因子的结合谱，未涵盖所有重要转录因子；跨细胞系验证AUROC>0.90表明迁移性良好但仍有提升空间 | 探索转录因子调控代码并建立基因表达预测模型 | 转录因子结合谱与基因表达关联 | 机器学习 | NA | 转录因子结合谱分析 | 深度学习模型 | 转录因子结合序列 | 13种转录因子的结合谱数据 | NA | DeepTF | AUROC | NA |
| 1023 | 2026-06-05 |
Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography
2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society
IF:5.0Q1
DOI:10.1111/den.70171
PMID:42227807
|
综述 | 该文章综述了人工智能在基于超声内镜的胰腺疾病诊断中的应用 | 系统回顾了超声内镜人工智能在胰腺疾病诊断中的最新研究，包括深度学习架构和多模态模型的应用 | 研究数据多为单中心、样本量有限、病例标注不一致、诊断标准多样，且仅少数研究进行了充分的外部验证 | 评估基于超声内镜的人工智能在胰腺疾病诊断中的现状、挑战和未来方向 | 胰腺疾病（包括胰腺肿瘤、囊性病变、实质及部位识别） | 计算机视觉 | 胰腺疾病 | 超声内镜 | 深度学习 | 图像 | 共22项研究（1项检测、17项分类、4项囊性病变、4项实质或部位识别） | NA | ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络 | 准确率（0.84-0.94） | NA |
| 1024 | 2026-06-05 |
uBrainSurf: Unified Curvature-Aware Deformation Framework for Lifespan Brain Cortical Surface Reconstruction
2026-Jun, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3672432
PMID:41805509
|
研究论文 | 提出了一种统一的曲率感知变形框架uBrainSurf，用于全生命周期大脑皮层表面重建 | 引入辅助曲率预测分支提供解剖先验，以及曲率驱动的损失函数确保重建表面直接适用于下游分析 | NA | 实现跨全生命周期的大脑皮层表面精确且自动化的重建 | 大脑皮层表面的白质和软膜表面重建 | 计算机视觉 | 神经疾病 | NA | NA | MRI图像 | 2132名受试者，年龄范围0-100岁 | PyTorch | NA | NA | NA |
| 1025 | 2026-06-05 |
Harnessing artificial intelligence in healthcare: Advancing diagnosis, treatment, and patient-centered care
2026-Jun, Journal of the National Medical Association
IF:2.5Q1
DOI:10.1016/j.jnma.2026.02.007
PMID:41833484
|
综述 | 该文章综述了人工智能在医疗健康中的应用，涵盖诊断、治疗、患者监控和医疗系统管理，讨论了其带来的改进和挑战 | 系统性地整合了AI在临床实践中的多种应用，包括深度学习诊断工具、虚拟健康助手及具体案例（如NVIDIA Clara和MyBreastAI Suite），并深入分析了从技术到伦理的全面障碍 | 依赖于同行评审文献和案例研究，可能遗漏最新实践；未提供定量分析或比较不同AI方法的性能 | 评估AI在医疗中的整合方式及其对健康结果、可及性和质量的影响，同时识别实施中的关键障碍 | AI驱动的诊断工具、药物发现过程、医疗管理系统和远程医疗应用 | 自然语言处理 | NA | NA | 深度学习,人工神经网络 | 文本,图像 | NA | NA | NA | NA | NA |
| 1026 | 2026-06-05 |
Flexible Pressure Sensor With Multi-Stage Microdome Structure Enabling Ultra-Wide Linear Range and High Sensitivity for Wearable Applications
2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.74927
PMID:41858275
|
研究论文 | 提出基于MXene的多级微穹顶结构柔性压阻传感器，实现超高线性范围和灵敏度，用于可穿戴应用 | 多级微穹顶结构通过分级压缩和逐步接触特性，同时实现高灵敏度和宽压力检测范围，突破传统传感器性能权衡限制 | 具体限制未在摘要中明确说明 | 解决柔性压阻传感器在高灵敏度和宽压力检测范围之间的权衡问题 | MXene基柔性压阻传感器与深度学习算法结合的可穿戴系统 | 可穿戴传感 | NA | MXene材料制备 | 深度学习算法（用于模式识别） | 压力信号 | 手掌和脚掌形状的传感器阵列（具体样本数未提及） | NA | NA | 灵敏度 (11.57 kPa⁻¹)、检测范围（高达2500 kPa）、识别准确率（超过95%） | NA |
| 1027 | 2026-06-05 |
BigOrthoATD.Net: A scalable and adaptable distributed deep learning framework for multi-class orthopedic classification across imaging modalities in low-resourced settings
2026-Jun-01, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109190
PMID:42235476
|
研究论文 | 提出一个统一、无服务器且去中心化的深度学习框架BigOrthoATD.Net，用于多模态骨科图像分类，在资源受限环境下具有可扩展性和适应性 | 同时解决了多模态数据处理、新任务适应、分布式数据集管理及有限计算资源限制的问题，实现隐私保护的知识融合和多模态整合，支持渐进式扩展和持续学习而无需重新训练或性能下降 | 未明确说明局限性，但可能包括框架在真实临床环境中的部署复杂性或对其他模态图像的泛化能力 | 开发一个可扩展、适配性强的去中心化深度学习框架，用于低资源环境下多模态骨科图像的多类分类 | 骨科图像分类任务中的X光和CT影像数据 | 计算机视觉, 机器学习 | 骨科疾病 | NA | 深度学习框架 | 图像 | 13个模拟去中心化节点，覆盖50个骨科类别 | 无服务器、去中心化学习框架 | BigOrthoATD.Net | 准确率 | 低资源环境（未指定具体GPU类型或云平台） |
| 1028 | 2026-06-05 |
Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review
2026-Jun, European journal of neurology
IF:4.5Q1
DOI:10.1111/ene.70661
PMID:42237746
|
综述 | 系统回顾了机器学习在中枢性嗜睡障碍诊断与鉴别诊断中的应用 | 首次系统性地评估了机器学习在区分中枢性嗜睡障碍亚型中的表现，揭示了无监督学习在发现异质性表型和诊断标签局限性方面的潜力 | 大部分研究因使用刚性诊断标签而限制了临床相关性；深度学习存在黑箱性质且数据需求高；对非发作性睡病1型亚型的泛化能力有限 | 系统评估当前机器学习在中枢性嗜睡障碍诊断和鉴别诊断中的应用、局限性并指出未来方向 | 成人中枢性嗜睡障碍患者 | 机器学习 | 中枢性嗜睡障碍（包括发作性睡病1型及其他亚型） | 神经影像学（fMRI, PET）、睡眠评估（MSLT, 多导睡眠图）、标准化问卷 | 监督学习、无监督学习、深度学习 | 脑影像数据、睡眠多导图数据、人口统计学数据、问卷数据 | 41项研究（37篇同行评审文章和4篇预印本） | NA | NA | 准确率 | NA |
| 1029 | 2026-06-05 |
Handheld hyperspectral imaging dataset of annual sowthistle and little mallow under abiotic stress for machine learning
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112858
PMID:42239812
|
研究论文 | 提供两种杂草（一年生苦苣菜和小锦葵）在不同非生物胁迫下的手持高光谱成像数据集，用于支持机器学习模型开发 | 首次构建针对两种特定杂草（一年生苦苣菜和小锦葵）在五种非生物胁迫条件下的高光谱成像公开数据集，包含原始与预处理数据，可促进精准杂草管理的深度学习模型开发 | NA | 通过高光谱成像数据支持机器学习模型开发，实现精准杂草管理中的胁迫分类 | 一年生苦苣菜和小锦葵植物在五种生长条件（标准、干旱、过度浇水、过量施肥、无施肥）下的高光谱特征 | 机器学习 | NA | 高光谱成像（HSI，400-1000 nm） | NA | 高光谱图像数据立方体 | NA | MATLAB, Wolfram语言 | NA | NA | NA |
| 1030 | 2026-06-05 |
A multi-stage, pixel-level annotated apple dataset for precision agriculture research
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112856
PMID:42239800
|
研究论文 | 提出了一个包含1406张RGB图像、覆盖苹果三个生长期（未成熟、半成熟、成熟）的多阶段像素级标注数据集，用于精准农业研究 | 提供了像素级实例分割掩码的标准化标注，覆盖从绿色到红色的过渡成熟阶段，填补了该领域训练数据的空白 | 未提及 | 支持水果检测、分割和生长期分类，推动精准农业中计算机视觉模型的开发 | 苹果果实 | 计算机视觉 | NA | RGB图像采集 | NA | 图像 | 1406张RGB图像，2574个标注的苹果实例 | NA | NA | NA | NA |
| 1031 | 2026-06-05 |
Frequency difference multi-branch multi-task learning for underwater source localization in mismatched environments
2026-Jun-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0043948
PMID:42240626
|
研究论文 | 提出一种基于频差的多分支多任务学习方法，用于解决水下声源定位中模型不匹配问题 | 结合频差处理和多分支特征融合，降低阵列倾斜和声速剖面不匹配的影响，提高定位精度 | 训练数据仅基于非倾斜阵列和平均声速剖面的模拟数据，在极端不匹配环境下的泛化能力可能有限 | 研究水下声源在模型不匹配环境下的距离和深度估计方法 | 水下声源定位问题中的阵列倾斜和声速剖面不匹配现象 | 机器学习 | NA | 频差处理 | 多分支多任务学习网络 | 模拟数据与实验数据 | NA | NA | 多分支多任务网络 | 定位准确率 | NA |
| 1032 | 2026-06-05 |
Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors
2026-May-30, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.6c00537
PMID:42216908
|
研究论文 | 提出一种AI引导的基于反应的先导化合物优化策略（CSAR），并成功发现强效ALDH3A1抑制剂 | 结合顺序反应枚举、药效团引导对接和预测建模，实现可扩展的SAR扩展，并在ALDH3A1抑制剂优化中实现约1000倍效力提升 | NA | 加速药物发现中的先导化合物优化过程 | ALDH3A1抑制剂 | 机器学习 | 癌症, 神经退行性疾病 | 反应枚举、药效团对接、深度学习预测建模 | 深度学习模型 | 分子结构数据 | 约250,000个虚拟类似物，150个合成化合物 | NA | NA | 生化效力（IC50）、细胞活性（EC50） | NA |
| 1033 | 2026-06-05 |
Artificial intelligence based techniques for brain tumor analysis: A systematic review
2026-May-30, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103460
PMID:42235350
|
综述 | 对基于人工智能的脑肿瘤分析技术进行系统性综述 | 明确了现有文献中弱监督脑肿瘤分割的研究空白，并强调了可解释人工智能在脑肿瘤分析中的重要性 | 仅纳入IEEE Xplore和ACM两个数据库的论文，可能遗漏其他来源的重要研究；未涉及AI方法在临床实践中的全面应用 | 系统回顾基于人工智能的脑肿瘤分析技术，包括常用方法、数据集、特征、评估指标和可解释人工智能方法 | 脑肿瘤分析技术相关的学术论文 | 机器学习 | 脑肿瘤 | NA | 深度学习 | NA | 3950篇初始论文，最终筛选101篇 | NA | NA | NA | NA |
| 1034 | 2026-06-05 |
Prediction of nutritional quality characteristics of faba bean based on deep learning method
2026-May-30, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.128164
PMID:42235452
|
研究论文 | 基于近红外光谱与深度学习，建立蚕豆中淀粉、蛋白质、水分和膳食纤维四种营养成分快速、无损、定量预测方法 | 首次系统比较组合光谱预处理方法，并验证CARS特征选择算法与MLP模型在蚕豆多组分检测中优于传统机器学习方法 | 未提及模型在多种品种或环境下的泛化能力验证，且仅基于近红外光谱，缺乏其他技术对比 | 开发一种快速、无损的蚕豆营养品质检测方法，为农产品质量评估提供可靠框架 | 蚕豆样本 | 机器学习 | NA | 近红外光谱 | 多层感知机 | 光谱数据 | 未明确提及样本数量 | NA | MLP | 相关系数R | NA |
| 1035 | 2026-06-05 |
Explainable artificial intelligence in prostate cancer treatment recommendation: A decision support system for oncological expert panels
2026-May-30, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2026.116849
PMID:42235465
|
研究论文 | 开发并评估了一个可解释人工智能系统，用于复制多学科癌症会议对前列腺癌的治疗决策 | 首次在大规模多目标框架中生成与MCC一致的前列腺癌治疗建议，并纳入最多临床输入和治疗输出参数的可解释AI系统 | 抗癌药物类别性能较低，可能因样本量较小；结果需要前瞻性验证 | 开发可解释AI系统以支持多学科肿瘤专家组的治疗决策 | 2015-2022年间经组织学确诊的前列腺癌患者的MCC病例 | 机器学习 | 前列腺癌 | NA | 机器学习与深度学习算法 | 结构化临床数据 | 5478例MCC病例 | NA | 层次化建模框架 | F1分数 | NA |
| 1036 | 2026-06-05 |
Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning
2026-May-29, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00556
PMID:42214058
|
研究论文 | 介绍T5pKa，一个基于序列的深度学习模型，用于统一预测小分子的pKa和质子化状态 | 将化学语言建模与多任务学习结合，使用单个序列到序列模型同时枚举微态并预测微观pKa值 | 对长序列分子的处理能力和训练数据对特定化学类型的覆盖有限 | 开发统一的序列深度学习方法，提升小分子pKa预测的准确性并简化流程 | 小分子的微观pKa值和质子化/去质子化状态 | 自然语言处理， 机器学习 | NA | 深度学习， 语言建模， 序列到序列学习 | Transformer | 文本 | 9000个实验微观pKa数据点，带有电离状态注释 | PyTorch | T5Chem， T5pKa | 与已有pKa预测工具和已发表模型比较的性能指标 | NA |
| 1037 | 2026-06-05 |
SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins
2026-May-29, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00363
PMID:42214054
|
研究论文 | 提出SSPSPredictor，一种融合蛋白质语言模型ESM-2和图神经网络GVP的多模态深度学习模型，用于预测相分离蛋白 | 首次将序列信息（ESM-2）与结构信息（GVP）融合，实现相分离蛋白高精度预测，且无需监督训练即可识别驱动区域 | NA | 开发高效准确的相分离蛋白预测工具，揭示其与疾病的关联 | 相分离蛋白（PSPs）及其驱动区域 | 机器学习 | NA | 蛋白质语言模型（ESM-2）、图神经网络（GVP） | 深度学习模型 | 蛋白质序列和结构数据 | 人类蛋白质组 | PyTorch | ESM-2, GVP | 平衡性能（准确率、召回率、F1分数等） | NA |
| 1038 | 2026-06-05 |
Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis
2026-May-29, Journal of ethnopharmacology
IF:4.8Q1
DOI:10.1016/j.jep.2026.121939
PMID:42217588
|
研究论文 | 整合网络药理学、深度学习和分子生物学方法，揭示柑橘花提取物改善糖尿病性骨质疏松症的功效与机制 | 首次结合网络药理学、深度学习、分子对接和分子动力学模拟，系统预测柑橘花提取物中的关键成分及其对糖尿病性骨质疏松症的潜在作用机制，并通过体内实验验证了PI3K/AKT和Wnt-3a/β-catenin通路的协同激活 | 未提及明确的局限性信息 | 探索柑橘花乙醇提取物对糖尿病性骨质疏松症的保护作用及其机制 | 柑橘花乙醇提取物及其中44种化合物 | 机器学习 | 糖尿病性骨质疏松症 | HPLC/MS、网络药理学、深度学习、分子对接、分子动力学模拟 | NA | NA | 高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠模型 | NA | NA | NA | NA |
| 1039 | 2026-06-05 |
Letter to the Editor: Traditional medical image interpretation and deep learning-based image analysis in predicting risk in patients with spontaneous intracerebral hemorrhage
2026-May-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v18.i5.118969
PMID:42238230
|
评论 | 讨论传统医学影像解读与基于深度学习的影像分析在预测自发性脑出血患者风险中的优缺点 | 提出将传统影像解读与深度学习模型相结合的混合评估系统，以实现更精准的早期干预策略 | 深度学习模型对数据要求高且复杂，阻碍其广泛应用；传统影像解读存在主观性和局限性 | 探讨传统影像解读与深度学习模型在预测自发性脑出血后血肿扩大和死亡风险中的比较与结合潜力 | 自发性脑出血患者 | 计算机视觉 | 脑血管疾病 | 计算机断层扫描（CT），磁共振成像（MRI），深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 预测准确性 | NA |
| 1040 | 2026-06-05 |
Artificial intelligence in allergen immunotherapy: toward a proactive and personalized management of allergic diseases
2026-May-26, Current opinion in allergy and clinical immunology
IF:3.0Q3
DOI:10.1097/ACI.0000000000001172
PMID:42235032
|
综述 | 探讨人工智能在过敏原免疫治疗中的应用，旨在实现过敏性疾病的前瞻性和个性化管理 | 总结了机器学习在患者分层、治疗依从性预测、实时监测及联邦学习在保护数据隐私方面的创新应用，同时指出了生成式AI在临床记录合成中的可靠性局限 | 生成式AI在直接用于患者时可靠性不足，且AI作为决策辅助工具仍需专家监督以确保患者安全 | 研究将人工智能整合到过敏原免疫治疗管理中，以提高精准医学效率和诊断准确性，并预测治疗结果 | 免疫球蛋白E介导的过敏性疾病患者及其过敏原免疫治疗管理 | 机器学习 | 过敏性疾病 | NA | 长短期记忆递归神经网络、随机潜变量actor-critic模型、深度学习、联邦学习、生成式AI | 组学数据、分子致敏谱数据、可穿戴传感器数据、环境参数数据 | NA | NA | 长短期记忆递归神经网络、随机潜变量actor-critic | NA | NA |