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 42805 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2026-02-10 |
Comment Letter on "CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images"
2026-Feb-09, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001897
PMID:41661174
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1042 | 2026-03-21 |
A dataset collected in real-world industrial control systems for network attack detection
2026-Feb-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06738-x
PMID:41663466
|
研究论文 | 本文介绍了一个在真实工业控制系统中收集的网络攻击检测数据集ICS-NAD，用于支持入侵检测研究 | 提出了首个在真实工业控制场景中收集、包含多种攻击类型和样本模式的高质量数据集，弥补了现有数据集在范围、多样性和真实性方面的不足 | 数据集仅基于三种知名ICS品牌收集，可能无法完全覆盖所有工业控制系统类型 | 为工业控制系统网络攻击检测研究提供高质量的数据支持 | 工业控制系统的网络流量数据，包括攻击和正常流量 | 机器学习 | NA | 网络流量采集（PCAP格式）、特征提取 | 机器学习分类模型、深度学习分类模型 | 网络流量数据（PCAP格式）、特征数据（CSV格式） | 245.96 GB数据文件，包含原始流量和提取的特征 | NA | NA | NA | NA |
| 1043 | 2026-02-11 |
Noninvasive preoperative risk stratification of prostate cancer via a foundational model based deep learning with PSMA PET/CT
2026-Feb-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-026-15715-x
PMID:41663975
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1044 | 2026-03-21 |
Atomic resolution ensembles of intrinsically disordered proteins with Alphafold
2026-02-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69172-y
PMID:41644540
|
研究论文 | 本文介绍了一种名为bAIes的贝叶斯框架，该框架整合了AlphaFold2预测与物理化学分子力学力场，用于生成内在无序蛋白质的原子分辨率结构集合 | 提出了一种结合深度学习预测与分子力学力场的新方法，以高效生成内在无序蛋白质的原子分辨率结构集合，相比现有方法在计算成本和准确性上具有优势 | 未明确提及具体局限性，但可能涉及对特定蛋白质系统或实验数据的依赖性 | 开发一种准确且高效的方法，用于生成内在无序蛋白质的原子分辨率结构集合 | 内在无序蛋白质 | 机器学习 | NA | AlphaFold2预测，分子力学力场 | 深度学习模型 | 蛋白质结构数据，实验数据 | NA | AlphaFold2 | AlphaFold2 | 与实验数据匹配的准确性 | NA |
| 1045 | 2026-03-21 |
Automated diagnostic of cervical spondylosis on multimodal medical images with a multi-task deep learning model
2026-02-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69023-w
PMID:41644944
|
研究论文 | 本文提出了一种用于颈椎病自动诊断的级联集成深度学习框架，整合了椎体检测和退行性诊断任务 | 采用级联架构集成椎体检测与退行性诊断，并通过多任务学习联合训练退行性指标集合，提高了对距离和位置指标的敏感性 | 未明确提及模型在泛化性、数据多样性或临床验证方面的具体限制 | 开发自动化诊断工具以辅助颈椎病的早期检测，缓解医疗资源不均问题 | 颈椎病患者的多模态医学图像 | 计算机视觉 | 颈椎病 | 多模态医学成像 | 深度学习模型 | 图像 | NA | NA | 级联集成框架 | 诊断速度 | NA |
| 1046 | 2026-03-21 |
AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease
2026-02-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68956-6
PMID:41629312
|
研究论文 | 本研究开发了一个基于AI的多组学分析框架CardiOmicScore，用于预测六种常见心血管疾病的个性化风险 | 提出了一个多任务深度学习框架CardiOmicScore，整合蛋白质组学和代谢组学数据，生成疾病特异性风险评分，显著提升了心血管疾病的早期预测能力 | 需要进一步的外部验证来确认识别出的蛋白质和代谢物作为生物标志物的有效性 | 通过多组学分析提高心血管疾病的个性化风险预测 | 六种最常见的心血管疾病 | 机器学习 | 心血管疾病 | 蛋白质组学, 代谢组学 | 深度学习 | 蛋白质数据, 代谢物数据, 临床数据 | 基于UK Biobank数据库，涉及2920种蛋白质和168种代谢物 | NA | 多任务深度学习框架 | C-index | NA |
| 1047 | 2026-03-21 |
MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs
2026-Jan-29, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2026.01.012
PMID:41856821
|
研究论文 | 本研究提出了一种基于Transformer的深度学习分割模型MorphMaskFormer，用于从全景X光片中自动估计多类Demirjian牙龄发育阶段 | 在经典的UNet架构基础上，引入了受Mask2Former启发的轻量级Transformer注意力模块，实现了牙齿/背景的二元分割和A-H阶段的多类分割 | 研究样本量相对有限（888张全景X光片），且部分发育阶段（如B、C、E、F、G）的准确性未在摘要中详细说明 | 开发一种先进的深度学习模型，以提高法医和临床应用中牙龄估计的准确性和客观性 | 7至30岁个体的888张全景X光片及基于Demirjian A-H分期系统的牙齿发育阶段 | 计算机视觉 | NA | 全景X光成像 | CNN, Transformer | 图像 | 888张全景X光片 | NA | UNet, ResUNet, DeepLabV3+, PSPNet, SegNet, MorphMaskFormer | IoU, Dice系数, 精确率, 召回率, 推理时间, 组件准确率 | NA |
| 1048 | 2026-03-21 |
Identification of neural crest and melanoma cancer cell invasion and migration genes using high-throughput screening and deep attention networks
2026-Jan, Developmental dynamics : an official publication of the American Association of Anatomists
IF:2.0Q3
DOI:10.1002/dvdy.70059
PMID:40637615
|
研究论文 | 本研究通过高通量siRNA筛选和深度学习分析，识别了神经嵴和黑色素瘤癌细胞侵袭与迁移的关键基因 | 结合高通量筛选与深度学习网络，从45个基因中精确定位影响黑色素瘤细胞迁移和侵袭的关键基因子集，并揭示了细胞间相互作用的显著变化 | 研究主要基于体外细胞系模型，体内功能分析和潜在协同作用需进一步探索 | 识别神经嵴和黑色素瘤癌细胞侵袭与迁移的关键基因 | 神经嵴细胞和c8161黑色素瘤细胞系 | 机器学习 | 黑色素瘤 | 高通量siRNA筛选，深度学习分析 | 深度学习注意力网络 | 细胞行为数据 | c8161黑色素瘤细胞系 | NA | 深度注意力网络 | NA | NA |
| 1049 | 2026-03-21 |
Differentiating cytology of pancreatic ductal adenocarcinoma and pancreatic neuroendocrine tumors by EUS-FNA through hyperspectral imaging technology combined with artificial intelligence
2026, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848251414188
PMID:41541641
|
研究论文 | 本研究开发了一种基于高光谱成像技术和卷积神经网络的模型，用于辅助诊断胰腺导管腺癌和胰腺神经内分泌肿瘤的液基细胞学标本 | 首次将高光谱成像技术与深度学习结合，用于胰腺癌亚型的细胞学鉴别诊断，并利用属性引导因子可视化技术解释模型决策过程 | 样本量较小（仅59例患者），模型性能需在更大规模数据集中进一步验证 | 开发人工智能辅助诊断工具，提高胰腺癌亚型鉴别的准确性和效率 | 通过内镜超声引导细针穿刺获取的胰腺导管腺癌和胰腺神经内分泌肿瘤液基细胞学标本 | 数字病理学 | 胰腺癌 | 高光谱成像，内镜超声引导细针穿刺，液基细胞学 | CNN | 高光谱图像 | 59例患者的2014张高光谱图像 | PyTorch | 改进的ResNet18 | 灵敏度，特异度，准确率，AUC | NA |
| 1050 | 2026-03-21 |
Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings
2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2026.3672775
PMID:41811718
|
研究论文 | 本研究提出了一种基于多通道表面肌电信号和近红外光谱同步记录融合信息的下背部肌肉疲劳识别新框架 | 开发了集成60通道表面肌电电极和近红外光谱探针的混合生理传感器阵列，以及用于融合分析多模态信息的双流卷积混合注意力网络 | 未明确说明样本量、受试者特征及数据采集的具体环境条件 | 实现下背部肌肉疲劳的精确和细粒度识别，以预防腰痛和降低职业损伤风险 | 下背部肌肉疲劳状态 | 生物医学信号处理 | 肌肉骨骼疾病 | 表面肌电信号、近红外光谱 | 深度学习 | 多模态生理信号 | NA | NA | 双流卷积混合注意力网络 | 分类准确率 | NA |
| 1051 | 2026-03-21 |
ABC-YOLO: Automated skin burn depth classification using YOLO architectures
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344042
PMID:41849304
|
研究论文 | 本研究对基于YOLO的深度学习架构进行对比分析，用于皮肤烧伤深度的自动分类 | 通过整合专有数据集与大型公共数据集，构建了一个稳健的多源数据集，并首次将最新的YOLOv11x-seg架构应用于皮肤烧伤深度分类，展示了其在临床决策支持中的潜力 | 研究主要基于图像数据，未涉及其他临床参数（如患者年龄、烧伤原因等）的整合分析 | 开发并评估用于皮肤烧伤深度自动分类的深度学习模型，以辅助临床治疗决策 | 皮肤烧伤图像 | 计算机视觉 | 皮肤烧伤 | 医学图像分析 | YOLO | 图像 | 358张来自Karadeniz Technical University Farabi Hospital的回顾性图像，结合Roboflow Universe和Kaggle的两个大型公共数据集 | NA | YOLOv8-seg, YOLOv11-seg (包含medium, large, extra-large不同架构尺寸) | 精确率, 召回率, F1分数, mAP@0.5 | NA |
| 1052 | 2026-03-21 |
Artificial intelligence in Brazilian public health: potential, challenges, and ethical implications for the Brazilian Unified Health System
2026, Revista brasileira de epidemiologia = Brazilian journal of epidemiology
DOI:10.1590/1980-549720260006
PMID:41849541
|
综述 | 本文批判性地分析了人工智能在巴西公共卫生领域的潜力、挑战及伦理影响，重点关注其与统一卫生系统的整合 | 将人工智能核心概念与公共卫生的政治认识论反思相结合，在统一卫生系统背景下探讨机器学习、深度学习、自然语言处理和大语言模型的应用 | 这是一篇理论分析性论文，基于文献综述，未涉及实证研究或具体技术实施 | 分析人工智能融入巴西公共卫生的潜力、挑战及伦理影响，以统一卫生系统原则为指导 | 巴西统一卫生系统及公共卫生领域 | 自然语言处理 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1053 | 2026-03-21 |
Cross-dataset adaptation of voxel-level deep radiomics for predicting survival in inoperable locally advanced NSCLC treated with immunotherapy
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1787518
PMID:41853289
|
研究论文 | 本研究开发了一种结合体素级深度放射组学和知识迁移策略的预后框架，用于预测接受免疫治疗的不可手术局部晚期非小细胞肺癌患者的总生存期 | 提出了一种新颖的预后框架，通过整合预处理影像的体素级深度放射组学特征与跨数据集迁移学习策略，以解决免疫治疗数据集有限的问题，并利用Vision-Mamba深度学习模型进行双输入协同训练 | 研究依赖于手动勾画的肿瘤区域，可能引入人为偏差；且免疫治疗数据集规模有限，可能影响模型的泛化能力 | 开发一个能够准确预测不可手术局部晚期非小细胞肺癌患者在接受免疫治疗后总生存期的预后模型 | 526名不可手术局部晚期非小细胞肺癌患者，包括非免疫治疗数据集（RTOG 0617临床试验）和免疫治疗数据集 | 数字病理学 | 肺癌 | CT影像分析，深度放射组学 | 深度学习模型 | 医学影像（CT图像） | 526名患者 | NA | Vision-Mamba | 一致性指数（C-index），时间依赖性受试者工作特征曲线下面积，Kaplan-Meier生存分析，校准曲线，决策曲线分析 | NA |
| 1054 | 2026-03-21 |
AI-powered mapping of tumor immunity for optimized mRNA vaccine engineering
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1766201
PMID:41853314
|
综述 | 本文综述了人工智能（AI）在优化mRNA癌症疫苗设计中的应用，包括新抗原预测、mRNA序列优化和递送系统建模 | 系统性地整合了机器学习与深度学习方法来增强新抗原预测的准确性，并利用AI优化mRNA序列和脂质纳米颗粒（LNP）配方，以克服肿瘤异质性和免疫逃逸机制 | 本文是一篇综述，未提出新的实验数据或模型，主要挑战在于如何将AI预测与实验验证有效结合，以及应对高度异质性肿瘤的复杂性 | 为开发具有更高免疫原性和疗效的个性化mRNA癌症疫苗提供AI驱动的计算框架和实用指南 | mRNA癌症疫苗的设计、优化与评估 | 生物信息学 | 癌症 | 机器学习，深度学习 | NA | 序列数据，结构数据 | NA | NA | NA | NA | NA |
| 1055 | 2026-03-21 |
A hybrid deep learning and residual connection-based architecture for intrusion detection in autonomous vehicles
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338079
PMID:41855218
|
研究论文 | 本文提出了一种基于混合深度学习和残差连接的架构，用于自动驾驶车辆中的入侵检测 | 提出了一种结合卷积层和LSTM层的混合深度学习模型，并引入残差连接以增强梯度流和训练稳定性，同时使用LIME技术提供模型决策的可解释性 | 仅评估了四种常见攻击类型（RPM欺骗、齿轮欺骗、模糊攻击和拒绝服务攻击），未涵盖所有可能的攻击场景 | 开发一种高效、可解释的入侵检测系统，以保护自动驾驶车辆免受网络攻击 | 自动驾驶车辆（CAVs）的控制器局域网（CAN）总线消息 | 机器学习 | NA | 深度学习 | CNN, LSTM | 网络消息数据（CAN总线消息） | NA | NA | 混合CNN-LSTM架构（含残差连接） | 准确率 | NA |
| 1056 | 2026-03-21 |
Effects of similarity networks in graph-based multi-omics classification
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344754
PMID:41855231
|
研究论文 | 本文系统评估了六种相似性网络构建策略在基于图的多组学疾病分类中的效果 | 首次系统比较了包括余弦相似性、余弦距离、RBF度量及混合方法在内的多种相似性网络构建策略，并发现简单余弦相似性在性能上优于更复杂技术 | 研究仅基于两个基准数据集（BRCA和ROSMAP），可能未涵盖所有疾病类型或数据特性 | 评估不同相似性网络构建策略对多组学疾病分类性能的影响 | 乳腺癌（BRCA）和阿尔茨海默病（ROSMAP）的多组学数据 | 机器学习 | 乳腺癌, 阿尔茨海默病 | 多组学整合 | GCN, VCDN | 多组学数据 | NA | NA | 图卷积网络, 视图相关发现网络 | 准确率, F1分数, AUC | NA |
| 1057 | 2026-03-21 |
Facilitating Precision Medicine in HCC Patients by Deep Learning-Directed lncRNAs Classification and Ascertaining Causal Markers
2025-12, The journal of gene medicine
IF:3.2Q2
DOI:10.1002/jgm.70066
PMID:41405166
|
研究论文 | 本研究利用深度学习框架对肝细胞癌患者的lncRNA进行分类，以识别新的生物标志物，推动精准医疗 | 构建了一个分层复合深度学习框架，结合可解释AI技术（SHAP分析）来识别与HCC病理分期相关的关键lncRNA生物标志物 | 模型3在区分晚期HCC分期时性能较低（AU-ROC=0.774），表明lncRNA在晚期阶段关联紧密，数据存在固有挑战 | 通过人工智能技术识别新的lncRNA生物标志物，以促进肝细胞癌的精准医疗 | 肝细胞癌患者及其lncRNA表达数据 | 机器学习 | 肝细胞癌 | RNA-seq | DNN | 基因表达数据 | 来自癌症基因组图谱的肝细胞癌患者数据 | NA | 深度神经网络 | AU-ROC | NA |
| 1058 | 2026-03-21 |
STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3605968
PMID:40907046
|
研究论文 | 本研究提出了一种名为STAD-CoAtt的时空图卷积网络方法，用于整合阿尔茨海默病特异性基因调控网络的动态图特征，以评估神经病理学阶段和认知功能障碍 | 提出了一种结合共注意力网络和非线性流形对齐融合块的ST-GCN架构，首次将动态演化的AD特异性基因调控网络图特征与时空特征进行整合，以构建单核RNA测序数据的联合潜在表示 | 方法仅在ROSMAP和GSE平台的基准数据集上进行了验证，尚未在其他独立队列或不同神经退行性疾病中进行广泛测试 | 开发一种深度学习模型，通过整合时空图特征来更准确地评估阿尔茨海默病的神经病理学阶段和认知功能障碍 | 人类脑组织样本的单核RNA测序数据，特别是与阿尔茨海默病和痴呆相关的数据 | 生物信息学, 机器学习 | 阿尔茨海默病, 痴呆 | 单核RNA测序 | 图卷积网络, 注意力机制 | 基因表达数据, 图数据 | 来自ROSMAP和GSE平台的两个基准RNA测序数据集 | NA | ST-GCN, 共注意力网络 | 分类性能指标 | NA |
| 1059 | 2026-03-21 |
DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3602433
PMID:40880325
|
研究论文 | 本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂 | 开发了一种基于可解释深度学习的框架，仅使用SMILES符号即可准确识别HDAC3抑制剂，并通过特征融合和SHAP算法提高预测性能和可解释性 | NA | 加速发现高选择性的HDAC3抑制剂 | HDAC3抑制剂 | 机器学习 | NA | SMILES符号表示 | CNN | SMILES符号 | NA | NA | 1D-CNN | 准确率, MCC, AUC, F1分数 | NA |
| 1060 | 2026-03-21 |
Artificial intelligence-based approaches for sleep-related breathing events identification using EEG and ECG signals
2025-09-01, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03442-9
PMID:40888857
|
研究论文 | 本研究提出了一种基于EEG和ECG信号的人工智能方法，用于识别睡眠相关呼吸事件，包括阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停和低通气 | 采用多模态方法结合EEG和ECG信号，并引入稳健的集成学习模型与深度学习模型进行性能比较，提高了家庭睡眠测试中事件分类的准确性 | 研究仅基于201个PSG数据，样本量相对有限，且未详细讨论模型在更广泛人群或不同设备上的泛化能力 | 开发一种基于AI的方法，利用EEG和ECG信号识别睡眠相关呼吸事件，以替代传统耗时、不适且昂贵的多导睡眠图诊断 | 睡眠呼吸暂停（阻塞性和中枢性）和低通气事件 | 机器学习 | 睡眠呼吸障碍 | 小波变换 | 集成学习模型,深度学习模型 | EEG信号,ECG信号 | 201个多导睡眠图数据 | NA | NA | 准确率,灵敏度,特异性 | NA |