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 44218 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-05-19 |
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 | 开发了深度学习框架epiVIP，利用广泛可用的(sc)RNA-seq数据预测单个HLA-I肽的丰度，从而连接新抗原的定量呈递与免疫原性 | 首次利用深度学习模型预测肽丰度，并将其与肿瘤反应性和患者生存独立关联，为TCR亲和力理论提供定量支持 | NA | 通过预测新抗原丰度来改进癌症免疫治疗中的新抗原优先排序 | HLA-I肽的丰度及其与免疫原性的关系 | 机器学习 | 癌症 | RNA-seq, scRNA-seq | 深度学习 | 基因表达数据, 免疫肽组学数据 | 170万个免疫肽与基因表达谱配对数据，以及来自临床数据集的33,711个新抗原 | PyTorch | epiVIP | 泛化能力, 肿瘤反应性预测, 患者生存预测 | NA |
| 102 | 2026-05-19 |
Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
2026-May-08, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.723013
PMID:42146619
|
研究论文 | 使用弱监督深度学习模型从常规H&E全切片图像中推断治疗相关的肿瘤微环境表型活性 | 无需资源密集的空间组学数据训练，仅利用常规H&E切片和已有的治疗结果或整体组学数据作为切片级标签，即可评估功能生物学状态 | NA | 开发可扩展工具，从患者层面评估驱动治疗抵抗的肿瘤微环境程序 | 3111例乳腺癌H&E全切片图像及其配对的整体转录组数据 | 数字病理学 | 乳腺癌 | RNA-seq | 深度学习 | 图像 | 3111例乳腺癌H&E全切片图像 | PyTorch | 弱监督深度学习模型 | AUROC, 皮尔逊相关系数 | NA |
| 103 | 2026-05-19 |
Mechanically Robust Hydrogel Strain Sensor Enabled by a Multicross-Linked Electrospun-Fiber Network for Human Motion Recognition and Interactive Control
2026-May-07, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c03309
PMID:42096647
|
研究论文 | 本研究通过多交联静电纺丝纤维网络与双网络交联结构的协同作用，开发了一种兼具高机械性能和优异导电性的水凝胶应变传感器，并应用于手势识别与交互控制 | 首次将双网络交联结构与嵌入静电纺丝纳米纤维协同增强，实现了水凝胶力学性能（弹性模量152 kPa、韧性1.84 MJ/m³）与电导率（2.1 S/m）的同时显著提升，并结合深度学习实现多手势高精度识别及机器人交互控制 | 未提及具体限制 | 开发高性能可穿戴应变传感器，同时具备强机械性能和优异导电性，用于人体运动识别与人机交互 | 多交联静电纺丝纤维增强水凝胶应变传感器 | 机器学习 | NA | 静电纺丝、双网络交联 | 深度学习模型 | 传感器信号 | 五传感器集成于智能手套 | 深度学习框架（未具体说明） | NA | 弹性模量、韧性、电导率、应变灵敏度系数 | NA |
| 104 | 2026-05-19 |
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 | 开发深度学习模型从结构磁共振成像、人口统计学数据和血液生物标志物合成阿尔茨海默病患者的tau-PET扫描 | 首次利用深度学习方法从更易获取的模态（MRI、血液生物标志物和人口统计学数据）生成临床可用的合成tau-PET图像，替代高成本的原位tau-PET成像 | 研究未明确提及局限性，可能包括合成扫描对罕见tau沉积模式的泛化能力不足或对真实数据中噪声的敏感性 | 验证从多模态数据（MRI、血液生物标志物、人口统计学）生成可替代的合成tau-PET扫描的可行性，提供经济高效的AD病理评估方法 | 13个队列的5191名参与者，涵盖阿尔茨海默病连续谱或神经系统疾病患者 | 机器学习, 数字病理 | 阿尔茨海默病 | PET成像, MRI成像, 血液生物标志物检测 | 3D U-Net | 图像（MRI、PET）、数值数据（生物标志物）、人口统计学数据 | 5191名参与者（多中心数据，13个队列） | NA | 3D U-Net（含残差和注意力单元） | 相关系数R（0.77-0.86）、空间相似性R=0.75、风险比（HR=12和45） | NA |
| 105 | 2026-05-19 |
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 | 首次提出AI集成磁共振脉冲序列，实时检测并响应体素外伪影，通过更新梯度方案进行前瞻性校正 | 首次实现AI集成脉冲序列（PEREGRINE）在单次TR内实时检测体素外伪影并动态调整梯度方案，无需后处理 | AI开启扫描在梯度排列切换时可能引入更多伪影，存在“全条件”下与AI关闭无显著差异的局限性 | 开发并验证能够实时检测和校正MRI体素外伪影的AI集成脉冲序列技术 | 健康志愿者前额叶皮层的编辑MRS扫描数据 | 机器学习 | NA | MRI, MRS | 卷积自编码器 | 时域和频域信号 | 健康志愿者（具体数量未注明） | NA | 卷积自编码器（时域和频域双分支） | 体素外伪影评分, 拟合质量评分 | NA |
| 106 | 2026-05-19 |
Tumor cell specific total mRNA expression informed neural networks predicts cancer progression
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.01.722212
PMID:42146375
|
研究论文 | 提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，并评估其在癌症进展预测中的表现 | 首次将结构化特征选择（梯度提升、LASSO、弹性网络）与专门化的神经架构结合，用于预测连续型肿瘤细胞特异性总mRNA表达，无需匹配的DNA和RNA测序数据及计算密集的反卷积流程 | 外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能受限于队列异质性或数据分布差异 | 开发可扩展的多组学数据分析框架，通过预测肿瘤细胞特异性总mRNA表达来推断肿瘤分子表型并预测癌症进展 | 12种TCGA癌症类型（泛癌分析）及外部验证队列（SCAN-B和FUSCC）中的肿瘤样本 | 机器学习 | 多种癌症（如乳腺癌等TCGA涵盖的12种癌症类型） | 多组学数据整合（mRNA表达、DNA甲基化、miRNA、免疫细胞比例） | 深度学习神经网络 | 多组学数据（基因表达、甲基化、miRNA、免疫细胞比例） | 12种TCGA癌症类型（具体样本数未提供），外部验证包括SCAN-B和FUSCC队列 | NA | 结构化特征选择（梯度提升、LASSO、弹性网络）与神经架构结合 | 一致性相关系数（CCC）、相关系数R²、外部验证相关性 | NA |
| 107 | 2026-05-19 |
Deep Learning-Based Structure Modeling of the Treponema pallidum Proteome: Insights into Pathogenesis and Syphilis Vaccine Development
2026-May-06, bioRxiv : the preprint server for biology
DOI:10.64898/2026.05.05.717303
PMID:42146597
|
研究论文 | 利用深度学习对梅毒螺旋体全蛋白质组进行结构建模，分析其功能并识别与致病性和疫苗开发相关的蛋白 | 首次采用AI驱动的结构到功能建模流程，对梅毒螺旋体99%的蛋白质组生成高置信度结构模型，并完成877种蛋白质的结构基础功能注释，包括240个未知功能蛋白 | 未明确描述 | 通过结构建模深入理解梅毒螺旋体的致病机制，并指导梅毒疫苗设计 | 梅毒螺旋体全蛋白质组，包含976种蛋白质 | 机器学习 | 梅毒 | 深度学习结构建模、蛋白质结构比较、B细胞表位预测 | 深度学习模型（未指定具体类型） | 蛋白质序列数据 | 976种梅毒螺旋体蛋白质 | NA | 未指定具体架构 | NA | NA |
| 108 | 2026-05-19 |
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 | 本研究探讨T系急性淋巴细胞白血病中非编码体细胞变异如何通过重建MYB转录因子结合位点激活TAL1祖细胞增强子区域 | 首次发现位于TAL1转录起始位点下游29kb的基因间区体细胞变异（包括复杂插入缺失和内部串联重复）通过创建或包含MYB结合位点，导致增强子活性和短亚型表达，且该过程无法被深度学习AI模型AlphaGenome预测 | 仅关注6%的TAL1表达T-ALL病例，需更大样本验证；功能验证依赖于实验而非纯计算预测，可能限制高通量筛选 | 阐明T系急性淋巴细胞白血病中非编码体细胞变异介导的TAL1调控机制 | T系急性淋巴细胞白血病（T-ALL）患者肿瘤样本 | 机器学习 | T系急性淋巴细胞白血病 | ChIP-seq | 深度学习 | 基因组序列 | 6%的TAL1表达T-ALL病例（具体样本量未明确） | AlphaGenome | AlphaGenome | NA | NA |
| 109 | 2026-05-19 |
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 | 提出了一套无标记、全身三维姿态估计管道，用于记录自由行为果蝇的全身体运动学 | 结合七台高速相机和混合2D/3D深度学习模型，在800帧/秒下追踪50个关键点，并通过逆运动学约束的生物力学模型生成解剖学上可行的运动轨迹 | 仅针对地面行为，未涵盖飞行行为；管道复杂性可能限制推广应用 | 理解神经系统如何生成协调运动，为果蝇运动控制提供机械模型基础 | 自由行为的果蝇（包括求偶中的雄性和雌性） | 计算机视觉 | NA | 高速摄像、深度学习姿态估计、逆运动学建模 | 混合2D/3D深度学习模型 | 图像（高速视频） | 多只果蝇，具体数量未提及 | PyTorch（基于深度学习框架） | 2D/3D混合关键点检测网络、生物力学模型（逆运动学约束） | 运动学轨迹精度、解剖学可行性（具体指标未在摘要中列出） | 七台同步高速相机（800帧/秒），GPU（类型未明确） |
| 110 | 2026-05-19 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2026-May, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过自然多样性筛选、结构引导设计和深度学习结构预测，将紧凑型RNA引导核酸内切酶IscB转化为改进变体NovaIscB，实现体内持久表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质结构域和RNA工程以及基于深度学习的结构预测，对IscB进行设计优化，获得改进变体NovaIscB，其活性相比野生型提高约100倍，且特异性得到改善 | 未在文中提及 | 设计一种紧凑型且增强活性的RNA引导核酸内切酶，用于体内持久基因抑制 | OMEGA家族的RNA引导核酸内切酶IscB及其引导RNA（ωRNA） | 分子生物学, 机器学习 | NA | 蛋白质工程, RNA工程, 深度学习结构预测, 甲基转移酶融合 | 深度学习模型（用于结构预测） | 蛋白质序列和结构数据 | NA | NA | NA | indel活性, 特异性 | NA |
| 111 | 2026-05-19 |
Combining MEA-Net and LAP-Net for Pneumoconiosis Staging Framework
2026-May-01, Journal of occupational and environmental medicine
IF:2.3Q2
DOI:10.1097/JOM.0000000000003618
PMID:41247264
|
研究论文 | 提出结合MEA-Net和LAP-Net的深度学习框架用于尘肺病分期 | 首次将MEA-Net和LAP-Net结合用于尘肺病分期，提高了分级准确性 | 未提及具体局限性 | 改善尘肺病诊断的主观性，提高分期准确性 | 尘肺病患者的胸部X光片 | 计算机视觉，数字病理学 | 尘肺病 | 深度学习 | CNN | 图像 | NA | NA | MEA-Net, LAP-Net | 准确率，精确率，召回率，特异度，F1分数，AUC | NA |
| 112 | 2026-05-19 |
Development and validation of a deep survival model to predict time to seizure from routine electroencephalography
2026-May, Epilepsia
IF:6.6Q1
DOI:10.1002/epi.70101
PMID:41553763
|
research paper | 开发和验证一种利用常规脑电图预测癫痫发作时间的深度生存模型（EEGSurvNet） | 首次利用深度学习从常规脑电图（EEG）中提取预后信息，超越传统可见的癫痫样异常，预测时间至下次癫痫发作的风险 | 研究为回顾性设计，未来需要前瞻性研究验证其临床影响 | 开发并验证一种基于深度学习的生存模型，通过常规脑电图预测个体随时间变化的癫痫发作风险 | 来自三级癫痫中心的994名患者的1014次连续常规脑电图 | machine learning | 癫痫 | EEG | deep survival model, Cox proportional hazards model | 信号 | 1014次常规脑电图（994名患者），其中测试集为135次脑电图（115名患者） | NA | EEGSurvNet | time-dependent AUROC, iAUROC, C-index | NA |
| 113 | 2026-05-19 |
Endothelial cells recruit pro-inflammatory macrophage clusters via App-Cd74 exacerbating ICI-associated myocarditis
2026-05, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2026.111238
PMID:41905617
|
研究论文 | 通过单细胞RNA测序鉴定ICI相关心肌炎中内皮细胞通过App-Cd74信号轴招募促炎性巨噬细胞簇的机制 | 首次发现Cxcl9和Cxcl10共表达的巨噬细胞亚群与ICI心肌炎相关，并揭示App-Cd74信号轴作为潜在治疗靶点，利用深度学习框架scTenifoldXct验证配体-受体互作 | NA | 阐明ICI相关心肌炎的免疫病理机制，为开发靶向治疗策略奠定基础 | 小鼠ICI心肌炎模型的心脏组织中的巨噬细胞亚群和内皮细胞 | 机器学习 | 心肌炎 | 单细胞RNA测序 | 深度学习框架 | 基因表达数据 | NA | scTenifoldXct | NA | NA | NA |
| 114 | 2026-05-19 |
Deep Learning-based Automated Coronary Plaque Quantification: First Demonstration With Ultra-high Resolution Photon-counting Detector CT at Different Temporal Resolutions
2026-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001233
PMID:40843653
|
研究论文 | 评估基于深度学习的新型冠脉斑块量化工具在超高清光子计数探测器CT冠脉造影中的可行性与可重复性，并分析时间分辨率对斑块量化的影响 | 首次在超高清光子计数探测器CT中应用基于深度学习的自动化冠脉斑块量化工具，并系统评估不同时间分辨率对斑块量化的影响 | 单中心回顾性研究，样本量较小（45例患者），且未涉及不同扫描协议或患者群体的泛化性验证 | 评估新型深度学习冠脉斑块量化工具在不同时间分辨率下的可行性与可重复性 | 45例接受临床指示超高清光子计数探测器CT冠脉造影的患者 | 计算机视觉 | 心血管疾病 | 光子计数探测器CT冠脉造影 | 深度学习 | 图像 | 45例患者，135支冠脉（其中119支含动脉粥样硬化斑块） | NA | NA | P值、斑块体积（立方毫米）、直径狭窄程度百分比 | NA |
| 115 | 2026-05-19 |
Cone beam computed tomography reconstruction from truncated projections using prior information and transfer learning
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70488
PMID:42145070
|
研究论文 | 提出了一种基于双域深度学习的锥束CT截断投影重建方法（D3CRT），利用非截断先验信息和投影域迁移学习提高图像质量 | 首次将去噪扩散概率模型（DDPM）应用于投影域缺失数据预测，并通过迁移学习实现物体特异性适应，同时结合投影域和图像域的双域处理流程 | 未提及方法的泛化能力测试、计算效率分析或临床样本验证 | 开发一种从截断投影中高质量重建锥束CT图像的方法，克服视野不足导致的截断伪影 | 小动物活体成像数据（micro-CBCT系统采集的全身体和肺部投影数据） | 计算机视觉, 数字病理学 | NA | 锥束CT成像 | 去噪扩散概率模型（DDPM）, 图像增强网络（IE-Net） | CT投影数据（正弦图）和重建图像 | 小动物活体成像（未明确样本数量） | NA | SG-Net（基于DDPM）, IE-Net（未具体说明架构） | Dice相似系数（DSC）, 结构相似性指数（SSIM）, 均方根误差（RMSE） | NA |
| 116 | 2026-05-19 |
Prediction method for transcription factor binding sites integrating channel and spatial attention mechanisms
2026-May, Yi chuan = Hereditas
DOI:10.16288/j.yczz.25-184
PMID:42145197
|
research paper | 提出一种整合通道与空间注意力机制的深度学习模型，用于预测不同细胞类型中的转录因子结合位点，在51组ChIP-seq数据和13个DNase-seq数据集上实现高精度预测 | 首次将通道注意力与空间注意力机制融合应用于转录因子结合位点预测，在23个转录因子-细胞类型组合上达到0.986的平均AUROC，相比现有先进模型FactorNet、Leopard和DeepGRN具有更优性能 | NA | 提高跨细胞类型预测转录因子结合位点的准确性，为解析基因表达调控网络和相关疾病分子发病机制提供计算框架 | 10个核心转录因子（CTCF、EGR1、FOXA1等）在13个人类细胞系（A549、GM12878、H1-hESC等）中的结合位点 | machine learning | NA | ChIP-seq, DNase-seq | 深度学习模型（注意力机制） | 序列数据 | 51组ChIP-seq数据和13个DNase-seq数据集 | NA | 通道注意力模块、空间注意力模块 | AUROC, AUPRC | NA |
| 117 | 2026-05-19 |
Artificial Intelligence in Pediatric Bronchoscopy: Current Evidence and Future Perspectives
2026-May, Pediatric pulmonology
IF:2.7Q2
DOI:10.1002/ppul.71668
PMID:42145187
|
综述 | 本文总结了人工智能在儿科支气管镜检查中的当前证据并展望了未来应用 | 首次系统综述人工智能在儿科支气管镜中的独特应用，包括视频分析、导航指导和培训工具，并指出了儿科特定数据需求 | 大部分证据来自成人研究，儿科数据多为小规模、单中心数据集，存在偏倚风险，需要更多前瞻性多中心研究 | 评估人工智能在儿科支气管镜中的应用现状和潜在价值 | 儿科支气管镜检查中的AI应用，包括气道解剖识别、异物吸入预测、支气管炎评分等 | 数字病理学, 机器学习 | 儿科呼吸系统疾病 | NA | 深度学习模型 | 视频, 图像 | NA | NA | NA | 准确性, 完整性, 速度 | NA |
| 118 | 2026-05-19 |
Precise delineation of glioma margins in hyperspectral images using cross-channel spectral feature fusion
2026-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.590877
PMID:42145684
|
研究论文 | 提出一种基于跨通道光谱特征融合的高光谱图像胶质瘤边界精确勾画方法 | 设计多分支特征提取网络，结合主分支提取深层语义特征和侧分支保留原始光谱空间信息，通过残差连接实现跨通道互补，有效增强特征判别性、泛化能力和可解释性 | 未提及详细局限性信息 | 解决脑胶质瘤手术中边界勾画的关键挑战，实现肿瘤与正常组织的精确区分 | 脑胶质瘤组织与正常脑组织 | 计算机视觉,数字病理学 | 脑胶质瘤 | 高光谱成像 | 卷积神经网络 | 高光谱图像 | 未明确提及样本数量 | NA | 多分支特征提取网络（主分支含复合卷积单元，侧分支含残差连接） | 准确率,ROC曲线,AUC | NA |
| 119 | 2026-05-19 |
Label-free diagnosis across the thyroid nodule pathology spectrum using deep learning-enabled optical coherence tomography
2026-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.591801
PMID:42145688
|
研究论文 | 开发基于深度学习的框架，利用光学相干断层扫描图像对甲状腺结节病理谱进行诊断分类 | 首次实现无标记、非侵入式深度学习结合OCT对甲状腺结节七类病理（五种癌亚型和两种非癌组织）的高精度分类，并可视化诊断预测为彩色叠加图 | 未提及实时部署或床边诊断的具体临床验证，可能受限于OCT图像获取的深度和组织穿透性 | 评估深度学习结合OCT对甲状腺结节病理诊断的可行性 | 甲状腺结节病理标本（七类：五种甲状腺癌亚型、良性及正常组织） | 数字病理学 | 甲状腺结节（含甲状腺癌） | 光学相干断层扫描 | 深度学习模型（卷积神经网络） | 图像 | 七类病理类别的OCT图像数据集，与组织学匹配用于监督学习 | NA | NA | 准确率，AUC | NA |
| 120 | 2026-05-19 |
WeakMitoSAM: competitive prompt aggregation for point-supervised mitochondria segmentation in electron microscopy images
2026-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.592074
PMID:42145704
|
研究论文 | 提出WeakMitoSAM框架，利用稀疏点标注实现电子显微镜图像中线粒体高精度分割 | 引入竞争性多重提示聚合策略，通过偏置增强Softmax机制解决语义模糊并抑制背景噪声，将稀疏先验转换为高保真伪标签；结合低秩适配技术对Segment Anything模型进行参数高效领域适配 | 未明确讨论局限性，可能包括对大尺度晶格结构适应性和跨数据域泛化能力的局限性 | 解决电子显微镜图像中线粒体分割中密集像素标注瓶颈，实现基于稀疏点标注的高精度弱监督分割 | 线粒体在电子显微镜图像中的超微结构 | 计算机视觉 | NA | 低秩适配（LoRA）、偏置增强Softmax机制 | 弱监督分割模型、Segment Anything Model | 电子显微镜图像 | 四个公共EM数据集 | PyTorch | Segment Anything Model (SAM) | 分割精度、召回率、F1分数、平均交并比（mIoU）、Dice系数 | 未提供具体信息 |