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 49768 篇文献，本页显示第 1141 - 1160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2026-09-23 |
NeuroPupil: A generalization-first framework for scalable and biologically informative cross-species pupillometry
2026-May-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.14.725098
PMID:42239082
|
研究论文 | 该文章提出了NeuroPupil，一个用于高通量、跨物种瞳孔测量的深度学习框架，强调跨受试者、行为情境和成像条件的稳健泛化能力 | 提出了一种以泛化为先的深度学习框架，通过系统基准测试发现多受试者混合训练结合优化的U-Net架构是实现可靠且可迁移瞳孔追踪性能的关键决定因素 | 摘要中未明确提及该研究的局限性 | 开发一个可扩展、可泛化且具有生物学信息量的跨物种瞳孔测量框架，以促进瞳孔测量在系统和转化神经科学中的应用 | 小鼠和人类的瞳孔成像数据 | 计算机视觉 | NA | 定量瞳孔测量、深度学习 | CNN | 图像 | NA | NA | U-Net | 准确率、计算效率 | NA |
| 1142 | 2026-09-23 |
DamageFormer: a damage-aware multimodal deep learning framework for DNA lesion identification from nanopore sequencing
2026-May-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.14.725245
PMID:42239454
|
研究论文 | 本文提出了DamageFormer，一个多模态深度学习框架，用于从纳米孔测序数据中检测和定位DNA损伤 | 首次将损伤感知的基因组基础模型LesionBERT与神经信号模型通过自适应门控机制结合，实现序列上下文与纳米孔信号证据的动态加权融合，并采用预测、定位和对比对齐损失的联合目标函数训练 | 未明确说明 | 实现从纳米孔测序数据中对DNA损伤的准确检测与核苷酸分辨率定位 | 氧化性DNA损伤基准数据集中的DNA损伤位点 | 机器学习 | 癌症 | 纳米孔测序 | 深度学习, Transformer, 多模态融合模型 | 序列数据, 信号数据 | NA | NA | LesionBERT, DNABERT-2, 自适应门控机制 | AUROC, 平均绝对定位误差 | NA |
| 1143 | 2026-09-23 |
Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization
2026-May-14, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724354
PMID:42182259
|
研究论文 | 该研究开发了一个整合深度学习框架，将等位基因特异性增强子预测与转录因子中心基因表达变化及药物诱导转录谱联系起来，以优先考虑候选治疗药物 | 开发了一个整合深度学习框架，将非编码遗传变异与治疗候选药物联系起来，克服了大多数计算方法无法建模非编码遗传变异的局限 | 仅以乳腺癌作为概念验证，需要在更多疾病类型中验证框架的通用性 | 加速治疗发现，将非编码基因组变异转化为药理学相关的治疗假设 | 乳腺癌、非编码遗传变异、增强子、转录因子、药物化合物 | 机器学习 | 乳腺癌 | 深度学习、GWAS、药物重定位 | CNN | 基因组序列、基因表达谱、图像 | 7个细胞系、63个候选化合物、18个已批准药物、8个核心乳腺癌通路 | NA | NA | NA | NA |
| 1144 | 2026-09-23 |
Functional brain growth trajectories across the first decade of life from a single longitudinal cohort
2026-May-14, Research square
DOI:10.21203/rs.3.rs-9557891/v1
PMID:42183358
|
研究论文 | 该研究基于633名儿童从出生到10岁的1436次静息态fMRI扫描，构建了功能性脑连接成熟、网络拓扑和大规模功能梯度的规范性生长轨迹 | 首次建立了从出生到10岁功能性脑发育的规范性参考曲线，揭示了网络从初级到跨模态系统的层级非线性发展模式，并证明早期功能连接测量对后期社会情感和认知结果具有预测价值 | 仅基于单一纵向队列，样本可能缺乏多样性，需要更多独立队列验证发现的普遍性 | 定义关键脑功能连接特性的规范性纵向轨迹，并评估早期功能连接测量的预后价值 | 633名从出生到10岁随访的儿童 | 神经影像学 | 神经发育障碍 | 静息态fMRI | 深度学习 | 图像 | 1436次静息态fMRI扫描，来自633名儿童 | NA | NA | NA | NA |
| 1145 | 2026-09-23 |
Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion
2026-May-13, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.11.724187
PMID:42182379
|
研究论文 | 该文章提出了一种在Boltz-2中实现的扭曲扩散采样器，通过贝叶斯似然条件化扩散分布，预测机械生物分子的拉伸构象，无需额外训练神经网络 | 将寻找替代分子构象重新表述为从条件扩散分布中采样，使用任意贝叶斯似然进行条件化；在Boltz-2中实现扭曲扩散采样器；无需额外训练神经网络；实现了导向分子动力学的扩散类比 | 未明确提及局限性，但可能受限于扩散模型的采样效率和条件似然的准确性 | 预测功能相关但实验代表性不足的分子构象，特别是机械生物分子的拉伸状态 | DNA片段、肌联蛋白、内耳原钙黏蛋白-15、MscL离子通道 | 机器学习 | NA | 扩散模型、贝叶斯条件化、扭曲扩散采样 | 扩散模型 | 分子结构数据 | NA | NA | Boltz-2 | NA | NA |
| 1146 | 2026-09-23 |
Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows
2026-May-11, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723039
PMID:42146611
|
研究论文 | 该论文提出了一种潜在对齐多视图归一化流（LAMNr）方法，用于深度计算解剖学，并在多模态医学影像数据上验证了其效果。 | 创新点在于通过潜在对齐约束学习共享潜在子空间，实现了跨视图的精确条件建模和潜在空间操作，并提供了与ANTsX生态集成的开源PyTorch实现。 | 摘要中未明确提及研究的局限性。 | 研究目的是利用归一化流进行深度计算解剖学建模，实现多模态数据共享潜在空间的表示和解剖学概念的计算。 | 研究对象包括影像衍生表型（IDPs）和多模态MRI数据。 | 医学图像分析 | NA | 多模态MRI | 归一化流 | 图像 | NA | PyTorch | 归一化流 | NA | NA |
| 1147 | 2026-09-23 |
Deep Learning Optimisation Strategies for Uveal Melanoma Detection Using Ultra-Widefield Photography
2026-May-11, Research square
DOI:10.21203/rs.3.rs-9441188/v1
PMID:42183368
|
研究论文 | 本研究评估了使用超广角眼底摄影进行葡萄膜黑色素瘤检测的深度学习数据优化策略 | 引入健康视网膜对照作为额外类别，显著提升模型性能至AUC 0.987 | 回顾性研究、样本量有限（864张图像）、单一中心数据 | 评估以数据为中心的优化策略对葡萄膜黑色素瘤深度学习分类性能的影响 | 784名患者的864张超广角眼底照片 | 计算机视觉 | 葡萄膜黑色素瘤 | 超广角眼底摄影 | CNN | 图像 | 784名患者的864张图像 | NA | NA | AUC, F1分数, 精确率, 召回率, 期望校准误差 | NA |
| 1148 | 2026-09-23 |
Reduction techniques for survival analysis
2026-May-10, Lifetime data analysis
IF:1.2Q2
DOI:10.1007/s10985-026-09714-0
PMID:42203896
|
综述 | 本文讨论了生存分析中的归约技术，即将生存任务转化为常见回归或分类任务的方法，并提供了实现、示例和基准分析 | 系统性地概述了不同的归约技术，提供了原则性实现，使其可直接用于标准机器学习工作流，并进行了基准分析 | 未明确提及具体限制，但作为综述可能缺乏新颖的实验验证或对特定方法的深入理论分析 | 探讨归约技术在生存分析中的应用，以促进基于机器学习的生存分析 | 生存分析任务和归约技术 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | 预测性能 | NA |
| 1149 | 2026-09-23 |
Cortical reconstruction and anatomical parcellation of high-resolution multi-modal postmortem ex vivo MRI of the human infant brain
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.07.722301
PMID:42146518
|
研究论文 | 该研究介绍了一个独特的产后婴儿高分辨率多模态MRI数据集，并提出了一个统一的计算框架，用于体积分割和皮层表面重建及解剖分区，通过合成数据生成引擎解决域偏移问题 | 首个产后婴儿高分辨率多模态MRI数据集；开发了产后特异性合成数据生成引擎，明确模拟固定引起的成像特征；结合深度学习体积分割与基于表面的皮层重建，在高分辨率原始空间中进行解剖分区 | 摘要中未明确提及 | 开发稳健的计算工具，用于产后婴儿大脑的自动解剖分割和皮层表面重建，并建立形态测量与潜在病理之间的联系 | 产后婴儿大脑的高分辨率多模态离体MRI数据 | 医学图像分析，神经影像学 | NA | 高分辨率多模态离体MRI，深度学习体积分割，基于表面的皮层重建 | 深度学习模型 | 多模态MRI图像 | NA | NA | NA | 解剖一致性，分割性能 | NA |
| 1150 | 2026-09-23 |
A Deep Learning Framework for Spatiotemporal Modeling of Visual Task fMRI
2026-May-09, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722117
PMID:42146685
|
研究论文 | 提出了一种深度学习框架STREAM，用于任务态fMRI的时空建模，学习神经转换函数以表征有效连接和全脑信息流 | 提出了STREAM框架，学习任务态fMRI中的神经转换函数来表征有效连接和全脑信息流，揭示了传统激活区域主要由传入信号驱动，默认模式网络作为高层调控枢纽具有广泛传出影响，以及类别特异性通信源于关键枢纽间信号模式的动态重构而非静态通路 | NA | 表征认知任务中分布式脑区的动态协调，揭示驱动局部激活的底层信息流 | 1074名参与者的视觉类别处理任务态fMRI数据 | 计算机视觉, 机器学习 | NA | 任务态fMRI | 深度学习 | 图像 | 1074名参与者 | NA | NA | NA | NA |
| 1151 | 2026-09-23 |
CT Attenuation Map-Derived Body Composition Is Associated with Cardiorespiratory Fitness in Multicenter External Validation
2026-May-08, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.07.26352573
PMID:42145618
|
研究论文 | 该研究利用深度学习从CT衰减图中量化身体成分，开发了一种身体成分“健康”评分，并在多中心外部人群中验证其与心肺适能和全因死亡率的关系 | 首次提出基于CT衰减图衍生的综合身体成分“健康”评分，并通过深度学习自动量化身体成分，在外部SPECT和PET人群中验证了该评分对良好运动能力和心血管死亡的预测价值，将常规CT数据转化为心肺适能的替代标志物 | 研究为回顾性设计，运动能力定义基于Bruce方案完成时间，可能无法完全反映真实心肺适能；外部验证人群的种族和地域多样性有限；未与直接心肺运动试验的金标准进行头对头比较 | 开发并验证一种基于CT身体成分分析的“健康”评分，用于在无法进行运动测试的患者中评估心肺适能 | 来自四个SPECT中心和十二个PET中心的总共36471名患者，中位年龄67岁（四分位距58-74） | 医学图像分析 | 心血管疾病 | SPECT、PET、CT衰减图、深度学习 | CNN | 图像 | 36471名患者（来自四个SPECT中心和十二个PET中心） | NA | NA | AUC、95%置信区间、调整风险比 | NA |
| 1152 | 2026-09-23 |
AI-enabled virtual immunopeptidomics links quantitative neoantigen presentation to immunogenicity
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.722287
PMID:42146452
|
研究论文 | 本研究开发了epiVIP深度学习框架，通过基因表达数据预测HLA-I肽的丰度，揭示新抗原丰度与非自身性在决定免疫原性中的补偿关系 | 首次开发了基于深度学习的epiVIP框架，能够利用广泛可用的(sc)RNA-seq数据预测单个HLA-I肽的丰度，将虚拟免疫肽组学与定量新抗原呈递联系起来；揭示了丰度与非自身性在决定抗原性中的补偿关系，为TCR亲和力理论提供了定量支持 | 摘要中未明确提及研究局限性 | 建立AI驱动的虚拟免疫肽组学方法，将定量新抗原呈递与免疫原性联系起来，改善癌症免疫治疗 | HLA-I肽、新抗原、肿瘤样本、患者生存数据、新抗原疫苗队列和免疫检查点阻断队列 | 机器学习 | 癌症 | (sc)RNA-seq、免疫肽组学、T细胞功能实验 | 深度学习 | 基因表达谱、肽序列数据、临床数据 | 170万免疫肽与基因表达谱配对数据，来自临床数据集的33,711个新抗原 | NA | epiVIP | NA | NA |
| 1153 | 2026-09-23 |
Generating synthetic tau-PET scans in Alzheimer's disease from MRI, blood biomarkers and demographics with deep learning
2026-May-07, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.06.26352540
PMID:42145644
|
研究论文 | 该研究开发了一种深度学习模型，利用结构MRI、人口统计学信息和血液生物标志物生成合成的tau-PET扫描，用于阿尔茨海默病中的tau病理评估 | 首次使用深度学习从易获取的MRI、人口统计学和血液生物标志物生成合成tau-PET扫描，并验证其能够捕捉具有临床意义的预后信息 | 未明确说明模型的泛化能力、外部验证的充分性以及在不同人群中的适用性；合成扫描的临床实用性仍需进一步前瞻性验证 | 开发一种深度学习模型，从更易获取的数据（MRI、人口统计学、血液生物标志物）合成tau-PET扫描，以解决tau-PET成本高和可及性受限的问题 | 5,191名来自13个队列的参与者，涵盖阿尔茨海默病连续谱或其他神经系统疾病 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像，tau正电子发射断层扫描，血液生物标志物 | 深度学习 | 图像，表格数据 | 5,191名参与者（平均年龄70岁，51%为女性），来自13个队列 | NA | 3D U-Net with residual and attention units | 相关系数R，风险比HR，p值 | NA |
| 1154 | 2026-09-23 |
Real-time AI integration for MR to detect artifacts and guide pulse sequence adaptations
2026-May-07, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.04.722724
PMID:42146385
|
研究论文 | 本文介绍了一种名为PEREGRINE的AI集成MR脉冲序列，能够实时检测体素外伪影并更新梯度方案以减少伪影 | 首次提出了一种AI集成的MR脉冲序列，能够在实时（TR内）检测OOV伪影并前瞻性地更新梯度方案 | AI-on和AI-off会话之间的OOV分数没有显著差异，因为AI-on扫描在更好和更差的梯度排列之间循环，但通过选择持续在特定梯度排列上的瞬态，AI-on扫描的OOV分数显著低于AI-off扫描 | 开发一种AI集成的MR脉冲序列，实时检测OOV伪影并通过更新梯度方案来减少伪影 | 健康志愿者的前额叶皮层 | 医学影像 | NA | 编辑磁共振波谱（MRS） | 卷积自编码器 | 时域和频域MR数据 | 健康志愿者（具体数量未提及） | NA | 卷积自编码器 | OOV分数，拟合质量数（FQN） | NA |
| 1155 | 2026-09-23 |
Reactivation of a TAL1 progenitor cell enhancer region by non-coding somatic variants in T-lineage acute lymphoblastic leukemia
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722504
PMID:42146694
|
研究论文 | 该研究揭示了T细胞急性淋巴细胞白血病中，非编码体细胞变异通过重新激活TAL1祖细胞增强子区域驱动白血病发生的机制 | 发现了位于TAL1下游29kb基因间区的体细胞变异（包括复杂indel和内部串联重复）可创建MYB转录因子结合位点，招募TAL1核心调控回路转录因子MYB、GATA3和RUNX1，激活增强子活性，并从经典TAL1转录本外显子4内的启动子启动转录，产生通常由造血干细胞表达的短异构体；同时发现AlphaGenome深度学习模型无法预测该异构体表达和增强子活性 | 序列到功能的深度学习AI模型AlphaGenome无法预测所观察到的异构体表达和增强子活性，强调了实验验证的必要性；样本仅涉及约6%的TAL1表达型T-ALL病例 | 研究TAL1下游基因间区体细胞非编码变异介导的调控机制及其在T细胞急性淋巴细胞白血病发生中的作用 | T细胞急性淋巴细胞白血病（T-ALL）患者样本中的TAL1表达型病例 | 数字病理学 | 白血病 | ChIP-seq、深度学习序列到功能预测 | 深度学习人工智能模型 | 基因组序列、ChIP-seq数据 | 约6%的TAL1表达型T-ALL病例 | NA | AlphaGenome | NA | NA |
| 1156 | 2026-09-23 |
Whole-body 3D kinematics of freely behaving Drosophila
2026-May-04, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.03.722293
PMID:42146626
|
研究论文 | 本研究开发了一套无标记全身3D姿态估计流程，用于自由活动果蝇的陆地行为分析 | 结合七台同步高速相机与混合2D/3D深度学习模型，追踪50个关键点并通过逆运动学优化生成解剖学可行的运动轨迹，首次揭示果蝇在整个速度范围内进行地面奔跑而无离散步态转换，并发现求偶雄性协调双翅鸣唱及调节俯仰角追踪雌性垂直位置 | 未明确提及 | 实现自由活动果蝇的全身3D运动学精确测量，以理解神经系统如何产生协调运动 | 自由活动的果蝇 | 计算机视觉 | NA | 无标记3D姿态估计、高速摄像、深度学习、逆运动学 | 混合2D/3D深度学习模型 | 视频 | 未明确提及 | NA | NA | NA | NA |
| 1157 | 2026-09-23 |
Regulatory risk loci link disrupted androgen response to the pathophysiology of polycystic ovary syndrome
2026-May, Journal of the Endocrine Society
IF:3.0Q2
DOI:10.1210/jendso/bvag083
PMID:41994484
|
研究论文 | 该研究整合分子和表观基因组注释，并利用深度学习框架预测多囊卵巢综合征（PCOS）风险变异对细胞类型特异性调控的影响，揭示雄激素响应失调在PCOS病理生理中的作用 | 采用深度学习模型预测PCOS风险变异的细胞类型特异性调控效应，发现约20%风险变异具有增强子破坏活性，并揭示这些变异通过影响雄激素介导信号传导参与PCOS高雄激素血症的分子机制 | 未明确说明模型在独立数据集上的泛化能力，且风险变异的功能验证主要依赖报告基因实验，缺乏体内实验验证 | 解析PCOS易感位点如何在不同表型中驱动分子机制，特别是风险变异对基因调控的影响及其与疾病病理生理的关联 | 多囊卵巢综合征（PCOS）风险变异及其在不同细胞类型（脑、内分泌细胞、胎儿脑、胰腺、脂肪细胞、内皮细胞等）中的调控效应 | 机器学习 | 多囊卵巢综合征 | 表观基因组注释、深度学习预测、报告基因实验 | 深度学习 | 基因组、表观基因组、变异数据 | NA | NA | 深度学习框架 | 与报告基因实验数据的一致性 | NA |
| 1158 | 2026-09-23 |
Estimating band importance for environmental sound recognition using deep learninga)
2026-May-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0043736
PMID:42065403
|
研究论文 | 利用深度学习建模环境声音识别，估计频率带重要性函数 | 首次使用深度学习在竞争语音中建模环境声音识别，并比较人类训练模型与真实训练模型的频带重要性模式 | 研究仅涉及46名听众和25种日常声音，样本规模有限，且未考虑其他类型的掩蔽声 | 估计环境声音识别中支持识别的频率区域重要性 | 环境声音识别任务中的频率带重要性函数 | 机器学习 | NA | 深度学习建模 | 深度学习模型 | 音频信号和听众响应数据 | 46名听众，25种日常声音，多种目标-掩蔽比 | NA | NA | 识别准确率 | NA |
| 1159 | 2026-09-23 |
Mobile-based deep learning approach for the early diagnosis of canine skin and eye diseases using mobileNetV2
2026-May, Open veterinary journal
IF:0.9Q3
DOI:10.5455/OVJ.2026.v16.i5.20
PMID:42375429
|
研究论文 | 该研究开发了一种基于MobileNetV2的移动端深度学习方法，用于犬类皮肤和眼部疾病的早期诊断 | 将MobileNetV2架构集成到移动应用中，实现犬类皮肤和眼部疾病的实时分类，并在准确性和效率上优于InceptionV3和ResNet50 | 未明确提及样本量、数据多样性、模型泛化能力以及实际部署中的性能限制 | 开发一种移动端深度学习方案，用于犬类皮肤和眼部疾病的早期诊断，特别是在资源有限的环境中 | 犬类皮肤和眼部疾病图像 | 计算机视觉 | 犬类皮肤和眼部疾病 | 深度学习 | CNN | 图像 | NA | NA | MobileNetV2, InceptionV3, ResNet50 | 准确率 | NA |
| 1160 | 2026-09-23 |
Deep Learning-Based Analysis of Gene Expression Data and Gene-Related Information in Pediatric Surgical Oncology: A Scoping Review
2026-May, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71976
PMID:42169622
|
综述 | 本文是一篇范围综述，系统检索并总结了将深度学习应用于儿童颅外实体瘤基因表达及相关数据的研究现状 | 首次针对儿童外科肿瘤学领域深度学习与基因表达数据结合的应用进行范围综述，系统梳理了研究现状、技术路线及差距 | 仅纳入9项研究，数据集规模小，外部验证罕见，方法学不一致，缺乏前瞻性验证 | 明确深度学习在儿童外科肿瘤学中基因表达及基因相关信息分析的研究现状 | 儿童颅外实体瘤（以神经母细胞瘤为主）的基因表达数据和基因相关信息 | 数字病理学, 机器学习 | 儿童肿瘤, 神经母细胞瘤 | NA | 深度学习模型 | 基因表达数据, 文本 | 9篇符合纳入标准的研究 | NA | NA | NA | NA |