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 45593 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2026-06-05 |
Harnessing Artificial Intelligence for Regeneration of Endometrium in Asherman's Syndrome
2026-Jun-04, Tissue engineering and regenerative medicine
IF:4.4Q2
DOI:10.1007/s13770-026-00810-8
PMID:42240941
|
综述 | 本文综述了用于治疗阿舍曼综合征的子宫内膜再生策略，并探讨了人工智能在预测、分类和识别宫腔粘连中的作用 | 整合人工智能（包括机器学习和深度学习算法）预测、分类和识别宫腔粘连，并探讨其在改善生物材料性能、增强干细胞活性和优化诊断治疗策略中的作用 | 未提及具体局限性 | 批判性评估治疗阿舍曼综合征的不同治疗策略及相关问题，并探索人工智能在子宫内膜再生中的应用 | 阿舍曼综合征（宫腔粘连）及其治疗策略 | 机器学习 | 妇科疾病 | NA | 机器学习、深度学习算法 | NA | NA | NA | NA | NA | NA |
| 1082 | 2026-06-05 |
Comment on "Automatic radiation-free evaluation of Cobb angle for spinal curvature based on fringe projection profilometry and deep learning technology"
2026-Jun-04, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-026-01386-y
PMID:42240947
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1083 | 2026-06-05 |
Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial
2026-Jun-04, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2026.1609
PMID:42240998
|
临床研究 | 开发并验证了基于智能手机的主动自筛系统，用于普通人群的眼表恶性肿瘤筛查 | 首次将智能手机成像、人工智能诊断与多媒体精准传播整合，构建了面向罕见眼表恶性肿瘤的人群级闭环移动健康筛查模式 | NA | 开发并验证一个基于智能手机、媒体辅助的人工智能系统，用于普通人群体主动自筛眼表恶性肿瘤 | 眼表恶性肿瘤（恶性和良性病变） | 计算机视觉, 机器学习 | 眼表恶性肿瘤 | 深度学习, 智能手机成像 | 深度学习模型 | 图像（智能手机拍摄图像、裂隙灯图像） | 256053 名受众，其中 614 名完成了家庭自筛 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 1084 | 2026-06-05 |
De Novo Design of Miniature and Efficient Metallo-Ketoreductases
2026-Jun-03, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.6c00732
PMID:42160334
|
研究论文 | 利用深度学习指导的工作流程，从理论活性位点设计微型金属酮还原酶，实现酮类的不对称还原 | 首次通过深度学习设计出仅含130个残基的微型金属酮还原酶，实现非生物氢化物转移机制催化的酮不对称还原，并展现出高催化性能、高热稳定性和有机溶剂耐受性 | 未提及局限性 | 设计能够催化非生物转化的酶，拓展合成生物催化前沿 | 金属酮还原酶的从头设计 | 机器学习 | NA | 深度学习 | NA | 蛋白质序列数据 | NA | NA | NA | 转化数 (TON)、对映体过量 (e.e.)、底物范围、区域选择性 | NA |
| 1085 | 2026-06-05 |
A Deep Learning Perspective on Preoperative Ultrasound and Intraoperative Discordance in Transcervical Fibroid Ablation
2026-Jun-03, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70325
PMID:42234588
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1086 | 2026-06-05 |
A Deep Learning-Based Multimodal Nomogram for HLHS Risk Assessment: Practical Considerations
2026-Jun-03, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70323
PMID:42234603
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1087 | 2026-06-05 |
GMC-Bind: A Multimodal Framework for RNA-Protein Binding Site Prediction with Bidirectional Cross-Attentional Fusion
2026-Jun-03, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3700035
PMID:42235009
|
研究论文 | 提出了一种结合多尺度窗口卷积、图注意力和双向交叉注意力机制的多模态框架GMC-Bind，用于RNA-蛋白质结合位点预测 | 通过双向交叉注意力机制实现局部序列特征与全局结构依赖的高效协同建模，并创新性地融合了多尺度卷积提取可变长度基序特征与图注意力编码RNA二级结构空间拓扑 | 未在更广泛数据集验证，且框架复杂度可能增加计算开销 | 提高RNA-蛋白质结合位点预测的准确性，以深入理解基因调控和疾病机制 | RNA-蛋白质结合位点 | 机器学习 | NA | 深度学习 | 多模态混合模型（CNN+GNN+交叉注意力） | 序列和结构数据 | RBP-24数据集（24个子数据集） | PyTorch | 多尺度卷积、图注意力网络、双向交叉注意力机制 | AUC | NA |
| 1088 | 2026-06-05 |
TRIDENT: A multi-task, triple-branch deep learning framework for EEG-based recognition, severity estimation, and future high-anger prediction in an on-road Wizard-of-Oz paradigm
2026-Jun-03, Accident; analysis and prevention
DOI:10.1016/j.aap.2026.108613
PMID:42235288
|
研究论文 | 提出一个基于EEG的多任务深度学习框架TRIDENT，用于驾驶愤怒状态的识别、严重程度评估及未来高愤怒预测 | 首次在真实道路Wizard-of-Oz范式中利用EEG信号进行连续驾驶愤怒状态多任务学习，包含四类愤怒状态识别、连续严重程度估计和未来高愤怒预测三重任务，并整合多尺度时间卷积、脑网络表征与序列建模 | 样本量较小（24名参与者），脑电图特征可能受个体差异影响，未来需在更大样本和真实驾驶条件下验证 | 通过生理信号（EEG）在受控道路冲突暴露下连续建模驾驶愤怒相关的情绪状态 | 24名持证驾驶员在Wizard-of-Oz范式下经历脚本化交通冲突时采集的32通道EEG信号、自我报告及情境信息 | 机器学习 | NA | EEG, Wizard-of-Oz范式 | 多任务深度学习模型 | EEG信号, 自我报告数据, 情境信息 | 24名参与者 | PyTorch | TRIDENT (多尺度时间卷积、脑网络表示、序列建模组件) | 准确率 | NA |
| 1089 | 2026-06-05 |
Domain-specific adaptation for MR image synthesis with text-guided diffusion
2026-Jun-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae7797
PMID:42235582
|
研究论文 | 提出一种基于文本引导扩散模型的域特定适配方法，用于在小规模数据集上合成高真实感的医学MR图像 | 采用分区并行文本引导潜扩散模型，结合分割掩膜和Voronoi-灰度自适应划分，实现局部纹理保留和域特定微调 | 未提及模型在不同模态或更大规模数据集上的泛化能力，以及计算资源的详细需求 | 解决医学图像数据稀缺问题，通过合成具有病理纹理特征的MR图像提升下游分割任务性能 | 脑胶质瘤MRI数据中的病变和健康区域 | 计算机视觉 | 脑胶质瘤 | MRI | 潜扩散模型 | 图像 | 未明确说明样本数量，但基于脑胶质瘤MRI数据 | NA | 潜扩散模型 | FID, SSIM, 放射组学特征分布分析, 盲测视觉图灵测试敏感性, Dice系数 | NA |
| 1090 | 2026-06-05 |
Deep Learning Reconstruction in MRI: Unlocking Efficiency, Enhancing Image Quality, and Navigating Practical Limits
2026-Jun-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9404
PMID:42235965
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1091 | 2026-06-05 |
Diabetes Management Through Glucose Dynamics Analysis Network: A Novel Approach for Accurate Blood Glucose Level Forecasting
2026-Jun-03, Diabetes, obesity & metabolism
DOI:10.1111/dom.70930
PMID:42236259
|
研究论文 | 提出一种名为葡萄糖动力学分析网络的新型混合框架，用于准确预测血糖水平 | 结合样条插值、扩张卷积残差网络、Adamax优化和双向长短期记忆网络的混合框架，有效处理缺失值、提取时空特征并优化超参数 | 需进一步进行硬件级验证和计算效率分析才能部署到实时和可穿戴糖尿病监测系统 | 提高血糖水平预测的准确性，以改进胰岛素给药决策支持系统 | 1型糖尿病患者的血糖水平 | 机器学习 | 糖尿病 | NA | 双向长短期记忆网络, 扩张卷积残差网络 | 时间序列数据 | OhioT1DM数据集 | Adamax | DilaConv-ResNet, BiLSTM | 均方根误差, 平均绝对误差, R方, 均方误差 | NA |
| 1092 | 2026-06-05 |
Association of Deep Learning-Derived Temporalis Sarcopenia with Mortality in Acute Ischemic Stroke
2026-Jun-03, The journals of gerontology. Series A, Biological sciences and medical sciences
DOI:10.1093/gerona/glag149
PMID:42236280
|
research paper | 研究深度学习从CT扫描中提取颞肌体积和密度评估急性缺血性脑卒中患者肌少症与死亡率的关系 | 首次利用深度学习模型自动从CT扫描中量化颞肌体积和密度，用于评估急性缺血性脑卒中患者的肌少症，并证明其对死亡率的增量预测价值 | 单中心回顾性研究，可能受选择偏倚影响；肌少症阈值基于50名健康成人推导，需进一步验证 | 评估深度学习衍生颞肌肌少症指标对急性缺血性脑卒中患者死亡率和住院时间的增量预测价值 | 2014至2023年连续收治的急性缺血性脑卒中患者 | machine learning | 急性缺血性脑卒中 | CT扫描 | 深度学习模型 | 影像数据 | 2285名患者（1151名女性，平均年龄74.7岁）及50名健康成人对照 | NA | NA | 校正比值比及95%置信区间 | NA |
| 1093 | 2026-06-05 |
Deep Learning Analysis of Prenatal Ultrasound for Identification of Ventriculomegaly
2026-Jun-03, Ultrasound in medicine & biology
|
研究论文 | 开发和评估基于深度学习的产前超声图像脑室增大检测模型 | 利用超声数据预训练的自监督基础模型USF-MAE进行微调，在产前超声图像中检测脑室增大，模型具有可解释性 | 未提及具体局限性 | 开发并评估用于产前超声图像中检测脑室增大的深度学习模型 | 胎儿脑超声图像 | 计算机视觉 | 脑室增大 | 超声成像 | Vision Transformer | 超声图像 | 预训练使用超过37万张超声图像，微调使用胎儿脑图像数据集 | PyTorch | USF-MAE, VGG-19, ResNet-50, ViT-B/16, MoCo v3 | 准确率, 精确率, 召回率, 特异度, F1分数, AUC-ROC, AUC-PR | NA |
| 1094 | 2026-06-05 |
Genetic architecture of white matter microstructure captured by unsupervised deep representation learning of fractional anisotropy maps
2026-Jun-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73996-z
PMID:42236496
|
研究论文 | 提出一种无监督深度表示学习框架UDR-WM，利用全脑分数各向异性（FA）图捕捉白质微结构的遗传结构 | 无需先验解剖假设，从体素级FA图学习无监督深度成像表型（UDIP-FA），相比传统ROI方法更敏感地检测衰老效应和SNP遗传力 | NA | 研究白质微结构的遗传基础及其与脑疾病、认知功能的关联 | 白质微结构的遗传结构 | 机器学习 | 脑疾病 | 扩散磁共振成像 | 深度学习 | 图像 | NA | NA | UDR-WM | NA | NA |
| 1095 | 2026-06-05 |
Quantifying agricultural resilience under climate variability: a data-driven climate resilience index for European cereal systems
2026-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54921-2
PMID:42236573
|
研究论文 | 提出一种数据驱动的气候韧性指数，用于评估欧洲谷物系统在气候变异性下的农业韧性 | 将长期生产力趋势与短期气候波动分离，利用机器学习与深度学习模型（包括TCN-LSTM混合架构）构建多维度的气候韧性指数，并通过主成分分析整合气候暴露指标 | 未明确提及具体研究限制 | 量化欧洲谷物系统在气候变异性下的农业韧性，建立综合的多维度评估框架 | 欧洲谷物系统，包括不同国家的产量时间序列数据 | 机器学习 | 不适用 | 气候指数分析、产量时间序列分解 | 随机森林、CatBoost、CNN、LSTM、TCN、TCN-LSTM混合模型 | 产量时间序列数据、气候极端指数数据 | 未明确说明具体样本数量，但涉及多个欧洲国家 | 未明确说明 | TCN-LSTM混合模型、LSTM、TCN、CNN、随机森林、CatBoost | R²（决定系数） | NA |
| 1096 | 2026-06-05 |
Interpretable graph deep learning framework for drug synergy prediction by integrating functional and clinical similarities
2026-Jun-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02830-z
PMID:42236581
|
研究论文 | 提出一个名为DSimSynergy的图深度学习框架，用于预测药物协同作用 | 通过整合生物过程与临床应用的药物相似性网络，结合图注意力机制处理分子指纹和基因表达，实现高精度预测并具备可解释性 | 未提及具体限制 | 开发高效的药物协同预测模型，降低实验成本并揭示协同作用的生物机制 | 药物组合协同效应预测及分子机制挖掘 | 机器学习 | 肿瘤 | NA | 图深度学习 | 药物分子指纹、细胞系基因表达、药物相似性网络 | 多个独立数据集 | NA | 图卷积网络、图注意力网络 | 预测准确性 | NA |
| 1097 | 2026-06-05 |
A multimodal deep learning model predicting hyperprogressive disease for PD-1 blockade in advanced hepatocellular carcinoma
2026-Jun-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02834-9
PMID:42236582
|
研究论文 | 开发了一种基于Transformer的多模态深度学习模型HOPE，用于预测晚期肝细胞癌患者接受PD-1抑制剂治疗后出现超进展疾病的风险 | 首次构建融合动脉期和门静脉期CT影像与结构化临床因素的多模态Transformer模型，用于PD-1抑制剂治疗前的超进展疾病风险分层 | 回顾性研究设计可能引入选择偏倚，外部验证集AUC较低（0.687）表明模型泛化性有待提升 | 开发并验证一种可靠的预处理工具，用于识别晚期肝细胞癌患者接受PD-1抑制剂治疗后发生超进展疾病的高风险人群 | 接受PD-1抑制剂为基础三联疗法的晚期肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | CT影像 | Transformer | 影像和临床结构化数据 | 665例晚期肝细胞癌患者 | NA | Transformer | AUROC | NA |
| 1098 | 2026-06-05 |
LG-Transformer: learned-graph transformer framework enabling diverse physicochemical properties prediction toward fuel design
2026-Jun-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-73853-z
PMID:42236708
|
研究论文 | 提出一种基于学习图特征融合的Transformer框架（LG-Transformer），结合对比学习构建分子间关系图，实现燃料多种理化性质预测 | 通过对比学习构建基于拓扑描述符和性质相似性的分子间关系图，利用Transformer层进行性质感知的特征传播，突破传统图神经网络仅关注分子内信息的局限 | 未提及模型在更大分子库或实际发动机测试中的验证结果，且数据库的覆盖范围可能影响泛化能力 | 实现高精度、可解释的燃料理化性质预测，加速绿色燃料设计 | 1850种不同化学类别的燃料分子及17种与发动机性能相关的理化性质 | 机器学习 | NA | 对比学习、图神经网络、Transformer | Transformer（Graph-based） | 分子结构数据、理化性质数据 | 1850种燃料分子，涵盖26个化学类别 | PyTorch | LG-Transformer（学习图特征融合Transformer） | 相关系数R（平均0.900） | NA |
| 1099 | 2026-06-05 |
River depths and widths dataset for the territory of Poland
2026-Jun-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07537-0
PMID:42236741
|
研究论文 | 介绍一个高分辨率河流宽度与深度数据集，用于波兰境内 | 首次为波兰地区提供高分辨率、基于实地测量的河流宽度与深度数据集，具有严格质量控制并与公开数据集验证 | 未明确说明局限性 | 提供用于遥感及机器学习训练与验证的高质量河流参数参考数据集 | 波兰246条河流的宽度、深度、水位及中心点坐标 | 机器学习 | NA | 现场大地测量断面测量 | 深度学习 | 数值数据 | 20782条记录，源自246条河流的断面测量 | NA | NA | 相关系数(R=0.93), 均方根误差(RMSE=35.1米), 中位数距离(1.8米) | NA |
| 1100 | 2026-06-05 |
Cross-modal latent alignment enables efficient compression of wearable sEMG and accelerometer signals
2026-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-52577-6
PMID:42236780
|
研究论文 | 提出一种跨模态潜在对齐框架，用于高效压缩可穿戴设备采集的表面肌电信号和加速度计信号 | 首次引入跨模态潜在对齐机制，通过帧级对应和时间动态一致性在训练时对齐两种模态的潜在表示，且对齐模块在推理时完全移除，不增加额外计算开销 | 未提及在更复杂传感器组合或真实临床噪声环境下的性能评估 | 实现带宽受限可穿戴设备中多模态生物信号的高效压缩，同时保持任务相关特征 | 表面肌电信号和加速度计信号 | 机器学习 | NA | NA | 自动编码器 | 时序信号 | 两个Ninapro数据集（具体样本数量未说明） | NA | 五种骨干架构（未具体列出，如ResNet、VGG、Transformer等，但提及为骨干无关） | 相关系数，信噪比（SNR），准确率 | NA |