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 45510 篇文献，本页显示第 1221 - 1240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2026-06-04 |
AIRC-LABDEN: A multi-modal dataset for dental plaque diagnosis of patients with fixed labial orthodontic appliances
2026-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112833
PMID:42232201
|
研究论文 | 介绍AIRC-LABDEN数据集，用于通过深度学习检测和量化固定唇侧矫治器患者的牙菌斑 | 首个专门针对佩戴正畸托槽患者的多模态牙科数据集，整合了高分辨率口腔图像与临床记录 | 未提及具体限制 | 促进多模态牙菌斑检测系统的开发，改善正畸患者的口腔护理 | 固定唇侧矫治器患者的牙菌斑 | 计算机视觉 | 口腔疾病（牙菌斑） | NA | 深度学习 | 图像、临床记录 | 148名患者的10450张高分辨率口腔内图像 | NA | NA | NA | NA |
| 1222 | 2026-06-04 |
Ultralightweight progressive feature disentanglement and recomposition network for hyperspectral image classification
2026-May-30, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109200
PMID:42229391
|
研究论文 | 提出一种超轻量级渐进式特征解耦与重组网络（ULite-FDRNet），用于高光谱图像分类，在表示能力、参数效率和分类性能之间实现优越平衡 | 首次提出统一的特征解耦与重组（FDR）范式，通过FDRConv2D/3D、轴向多尺度FDR 3D卷积（ScaleFDR3D）和三轴协同FDR注意力模块（TriSFDR）实现从浅层到多尺度再到全局的渐进式特征学习，大幅降低参数量和推理延迟 | 未提及在噪声或标注不完整情况下的鲁棒性，以及对于更大规模高光谱数据集的扩展性 | 解决现有深度学习高光谱图像分类方法参数量过大、推理延迟高的问题，实现资源受限场景下的高效部署 | 高光谱图像 | 计算机视觉 | 不适用 | 高光谱成像 | 卷积神经网络（CNN） | 图像 | 四个HSI基准数据集 | PyTorch | FDRConv2D/3D, ScaleFDR3D, TriSFDR | 总体分类精度（OA） | NA |
| 1223 | 2026-06-04 |
A bibliometric analysis of artificial intelligence in anatomy education: Current situation, hot spots, and global trends
2026-May-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000049128
PMID:42216413
|
文献综述 | 通过文献计量分析揭示人工智能在解剖学教育中的研究现状、热点与全球趋势 | 首次系统性地通过文献计量方法分析人工智能在解剖学教育中的发展脉络和主题演变 | 仅基于Web of Science数据库的英文文献，可能存在语言和数据库偏倚 | 识别人工智能在解剖学教育领域的研究热点与趋势，为未来研究方向提供基础 | Web of Science数据库中2005至2024年间发表的184篇相关英文出版物 | 自然语言处理 | NA | NA | 大型语言模型 | 文献元数据 | 184篇论文 | R, VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 1224 | 2026-06-04 |
DPC: Dynamic purification chain for adaptive adversarial defense
2026-May-29, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.109189
PMID:42229394
|
研究论文 | 提出了动态净化链（DPC）方法，通过动态组合像素和几何变换并利用反馈算法避免过度净化，以防御强大的自适应对抗攻击 | 提出动态构建像素与几何变换组合的净化链，并引入反馈算法动态调整链结构以平衡攻击抑制与数据保真度 | 未提及在更大规模或更复杂数据集上的泛化能力评估，也未讨论实时应用中的计算开销 | 开发针对强自适应对抗攻击的鲁棒防御方法 | 深度神经网络的对抗攻击防御 | 计算机视觉, 机器学习 | NA | 对抗净化 | NA | 图像 | CIFAR-10（60000张）、CIFAR-100（60000张）、Imagenette（9469张）图像 | NA | NA | 准确率 | NA |
| 1225 | 2026-06-04 |
Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes
2026-May-27, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.07.717039
PMID:41993329
|
研究论文 | 通过进化迁移学习框架STEAM，利用跨物种的增强子直系同源关系，实现哺乳动物细胞类型特异性增强子的全基因组推断 | 提出进化迁移学习概念，利用调控因子（慢）与增强子（快）的进化速率差异，结合241种哺乳动物基因组（Zoonomia）的同源信息，构建STEAM模型显著提升跨物种泛化能力 | 进化感知模型在跨物种泛化时失效；进化增强模型虽提升泛化但引入更大标签噪声；仅关注增强子预测未涉及启动子等其它调控元件 | 开发可跨物种泛化的深度学习模型，实现哺乳动物发育过程中细胞类型特异性远端增强子的全基因组预测 | 小鼠胚胎（E10至出生）的3.9百万个细胞核，涵盖36个细胞类别和140个细胞类型，及241种哺乳动物基因组 | 计算机视觉, 自然语言处理, 机器学习 | 无特定疾病 | 单细胞ATAC-seq（scATAC-seq）、组合索引、深度学习、比较基因组学 | 多输出深度学习模型（CREsted、STEAM） | 染色质开放性数据（单细胞ATAC-seq）、基因组序列、增强子直系同源关系 | 3.9百万个细胞核（来自36个胚胎）、241种哺乳动物基因组 | NA | 多输出深度学习模型（具体架构未明确）、STEAM（基于同源监督的迁移学习模型） | 模型性能（具体指标未明确）、跨物种泛化能力 | NA |
| 1226 | 2026-06-04 |
Conditionally Site-Independent Neural Evolution of Antibody Sequences
2026-May-26, ArXiv
PMID:41822160
|
研究论文 | 提出CoSiNE模型，利用深度神经网络参数化的连续时间马尔可夫链，弥合深度学习与系统发育模型在抗体序列进化分析中的差距 | 首次将深度神经网络与连续时间马尔可夫链结合，实现对抗体序列进化过程中上位效应的显式建模，并理论证明其突变过程的一阶近似误差边界；提出Guided Gillespie采样方案，实现推理时对抗体结合亲和力的定向优化 | NA | 建立能够同时捕捉抗体序列进化动态和上位相互作用的计算方法，提升零样本变异效应预测和抗体结合亲和力优化能力 | 抗体序列的进化动力学过程 | 机器学习 | NA | 深度神经网络、连续时间马尔可夫链 | 混合模型 | 序列数据 | NA | NA | CoSiNE | 零样本变异效应预测准确性 | NA |
| 1227 | 2026-06-04 |
Imaging Features of Herpetic Interstitial Keratitis by Anterior Segment Optical Coherence Tomography
2026-May-26, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004196
PMID:42228428
|
研究论文 | 利用前段光学相干断层扫描（AS-OCT）分析疱疹性间质性角膜炎（HIK）的影像特征 | 首次系统描述活动性HIK在AS-OCT上的特征，包括前基质高反射、模糊边界和凸形后轮廓，并发现上皮厚度在HIK与基质瘢痕中的差异 | 样本量小（仅27例）；缺乏深度学习算法验证；未包含非活动期病例对照 | 探索AS-OCT在鉴别活动性HIK与既往基质瘢痕中的临床应用价值 | 活动性HIK患者（HSV或VZV感染）及基质瘢痕患者 | 数字病理学 | 感染性角膜炎 | 前段光学相干断层扫描（AS-OCT） | NA | 图像 | 27例活动性HIK（17例HSV，10例VZV）和9例基质瘢痕 | NA | NA | 与裂隙灯诊断的符合率 | NA |
| 1228 | 2026-06-04 |
Hypergraph-Based Dual-Channel Improved Variational Autoencoder with Cross-Attention for Compound-Protein Interactions Identification
2026-May-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00027
PMID:42077155
|
研究论文 | 提出一种基于超图的双通道改进变分自编码器与多头交叉注意力机制，用于识别化合物-蛋白质相互作用 | 创新性地构建了双通道超图（化合物/蛋白质互为超边和节点），并整合改进变分自编码器与多头交叉注意力机制，以同时提取节点特征和超图拓扑信息 | 未明确讨论模型在极度不平衡数据或大规模蛋白质组上的扩展性及过拟合风险 | 开发一种理论计算方法，准确识别化合物-蛋白质相互作用，辅助早期药物发现和药物重定位 | 化合物-蛋白质相互作用（CPI） | 机器学习 | NA | 计算机模拟 | 改进的变分自编码器(VAE)、深度神经网络(DNN)、多头交叉注意力机制 | 表格数据（化合物-蛋白质相互作用数据） | 基准数据集，采用5折交叉验证；另外使用DrugBank、GPCR、KIBA和Human数据集 | NA | 改进的变分自编码器、多头交叉注意力、深度神经网络 | 准确率、敏感度、特异性、精确率、马修斯相关系数、ROC曲线下面积、精确率-召回率曲线下面积 | NA |
| 1229 | 2026-06-04 |
Emerging applications of traditional and generative artificial intelligence in Liver Transplantation
2026-May-25, Liver transplantation : official publication of the American Association for the Study of Liver Diseases and the International Liver Transplantation Society
IF:4.7Q1
DOI:10.1097/LVT.0000000000000914
PMID:42190268
|
综述 | 这篇综述系统总结了传统人工智能和生成式人工智能在肝移植全流程中的新兴应用，涵盖患者选择、供受者匹配、术中管理和术后护理等环节 | 首次系统整合了自2023年以来生成式AI和大语言模型在肝移植中的扩展应用，包括从结构化数据到非结构化数据的多模态推理和临床信息提取 | 实际临床应用仍受限于本地验证、工作流程集成和基础设施需求等挑战 | 综述AI在肝移植患者全流程中的最新发展，从慢性肝病管理到长期术后结局 | 肝移植患者、供受者匹配、移植物存活、术后并发症等 | 机器学习 | 肝移植相关疾病 | NA | 传统机器学习（随机森林、梯度提升）、深度学习（CNN、RNN）、生成式AI（LLM） | 结构化临床数据集、非结构化数据、影像数据、组学数据 | NA | NA | 随机森林、梯度提升、神经网络、循环架构、多任务框架 | NA | NA |
| 1230 | 2026-06-04 |
Non-invasive predictive model for incidental gallbladder carcinoma based on multimodal features: Integrating clinical data, MRI radiomics, and deep transfer learning features
2026-May-22, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2026.102826
PMID:42172792
|
研究论文 | 基于临床数据、MRI影像组学和深度学习迁移学习特征，开发一种无创预测偶发性胆囊癌的多模态模型 | 首次整合临床特征、MRI影像组学与深度学习迁移学习特征构建多模态预测模型，并证明其性能优于单一模态模型 | NA | 构建无创预测偶发性胆囊癌的模型，辅助术前风险分层 | 偶发性胆囊癌患者和良性胆囊疾病患者 | 机器学习 | 胆囊癌 | MRI，深度学习迁移学习 | 多模态深度学习模型 | 临床数据、MRI影像 | 299例良性胆囊疾病患者和106例偶发性胆囊癌患者，共405例 | NA | NA | AUC | NA |
| 1231 | 2026-06-04 |
Deep-learning endomicroscope with large field-of-view and depth-of-field for real-time in vivo imaging of epithelial cancer hallmarks
2026-May-19, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2602705123
PMID:42113975
|
研究论文 | 提出一种名为PrecisionView的深度学习内窥显微镜，通过整合深度学习优化的相位掩模和实时重建，实现了20毫米视野和500微米景深，用于上皮癌标志物的活体实时成像 | 首次将深度学习优化的相位掩模和实时重建集成到紧凑型内窥显微镜中，突破了传统活体显微镜在分辨率、视野和景深之间的固有权衡，实现了视野和景深的大幅提升（分别增加约5倍和8倍） | NA | 开发一种能够实现大视野、大景深且高分辨率的活体内窥显微镜，用于早期检测上皮癌前病变 | 健康志愿者的口腔和具有癌前病变的宫颈标本 | 计算机视觉 | 上皮癌 | 活体显微镜 | 深度学习模型 | 图像 | 健康志愿者口腔和癌前病变宫颈标本 | NA | NA | 视野、景深、分辨率 | NA |
| 1232 | 2026-06-04 |
PL-PatchSurfer3: improved structure-based virtual screening for structure variation using 3D Zernike descriptors
2026-May-14, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-026-01224-3
PMID:42135840
|
研究论文 | 提出了一种改进的基于表面斑块的虚拟筛选方法PL-PatchSurfer3，利用3D Zernike描述符稳健处理受体结构变异 | 引入了氢键互补性的精确定义和可见性（捕捉局部曲率）两个关键改进，对全息、未结合、建模及AlphaFold预测的受体结构均表现稳健 | NA | 提高基于结构的虚拟筛选对受体结构变异的鲁棒性和筛选性能 | 受体和药物分子的结合位点表面斑块 | 分子计算 | NA | NA | NA | 分子结构数据 | NA | NA | NA | NA | NA |
| 1233 | 2026-06-04 |
Immune Spatial Organization Predicts Distant Metastasis Risk in Aggressive Localized Prostate Cancer
2026-May-11, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-25-4900
PMID:42113020
|
研究论文 | 提出一种基于免疫微环境空间组织的可解释计算病理学生物标志物，用于预测侵袭性局限性前列腺癌的远处转移风险 | 首次提出免疫空间聚类作为可解释的计算病理学生物标志物，并揭示高级别前列腺癌的独特免疫特征与远处转移风险的关联 | 研究基于回顾性队列，且样本量有限（总n=816），需进一步在前瞻性队列中验证 | 开发一种可解释的、基于免疫微环境计算病理学的生物标志物，以改进前列腺癌风险分层 | M0期前列腺癌患者（三个队列：发现队列和验证队列共n=490，TCGA队列n=326） | 数字病理学 | 前列腺癌 | H&E染色全切片成像、深度学习（CellViT）、DBSCAN聚类、CIBERSORTx免疫细胞去卷积、TRUST4免疫受体库重建 | CNN（CellViT） | 图像（H&E染色WSI）、基因表达数据（批量测序） | 816例前列腺癌患者（发现队列n=490，验证队列n=326） | CellViT, CIBERSORTx, TRUST4 | CellViT（基于U-Net的细胞级ViT模型） | 调整风险比、95%置信区间、交互作用P值 | NA |
| 1234 | 2026-06-04 |
Deep learning-assisted versus manual reading in routine cervical cytopathology: a multicentre randomised crossover trial
2026-May-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02703-5
PMID:42086920
|
临床试验 | 该项多中心交叉随机试验评估了深度学习系统在常规宫颈细胞学检查中相较于人工读片的诊断效果，结果显示深度学习能显著提高敏感性和效率而不牺牲特异性 | 首次通过多中心随机交叉试验评估深度学习在宫颈细胞学中对非专家病理学家的辅助效果，超越仅关注准确性的先验工作，同时验证了灵敏度和工作效率的提升 | 仅包含非专家病理学家，未评估对专家病理学家的效果；试验设计可能受洗脱期影响；样本量有限，需更大规模验证 | 评估深度学习系统在常规宫颈细胞学检查中对诊断准确性和效率的临床效用 | 1920名18岁及以上接受液基细胞学宫颈癌筛查的女性 | 数字病理学 | 宫颈癌 | 液基细胞学 | 深度学习模型 | 宫颈细胞学数字化图像 | 1920名女性患者的宫颈细胞学涂片 | NA | NA | 敏感性, 特异性, 读片时间 | NA |
| 1235 | 2026-06-04 |
Autodidactic dense anatomical models
2026-May-05, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.104117
PMID:42229212
|
研究论文 | 提出一种自监督学习框架Adam-v2，通过显式编码医学图像中的部分-整体层级结构来提升解剖学理解能力 | 首次在自监督学习中通过三个分支（可定位性、可组合性、可分解性）显式学习医学图像的解剖层级结构，并展现出零样本解剖理解等新兴特性 | 未明确讨论计算资源需求及在大规模数据集上的扩展性 | 解决深度学习模型未能显式编码医学图像中固有解剖层级结构的问题 | 医学图像中的解剖结构及其多层级关系 | 计算机视觉 | NA | NA | 自监督学习框架 | 医学图像 | NA | PyTorch | NA | 少样本学习性能、全迁移学习性能、新颖性和异常检测性能 | NA |
| 1236 | 2026-06-04 |
Neuron Segment Connectivity Prediction With Multimodal Features for Connectomics
2026-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3658169
PMID:41587252
|
研究论文 | 提出一种利用多模态特征进行神经元片段连接预测的自动校对流水线，用于连接组学分析 | 创新性地融合全局三维形态特征和高分辨率局部图像上下文，通过提议式图像特征采样提高多模态交叉注意力效率，构建模拟人工校对的自动合并流水线 | NA | 解决大规模电子显微镜数据中神经元重建的过度分割问题，实现自动化神经元片段合并 | 大规模电子显微镜数据集中的神经元片段 | 计算机视觉 | NA | 电子显微镜成像 | 深度学习网络 | 图像 | NA | PyTorch | 连接点检测网络、连接性预测网络 | NA | NA |
| 1237 | 2026-06-04 |
Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction
2026-May, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103936
PMID:41604895
|
研究论文 | 提出一种基于知识引导的多几何窗口变换器用于心脏电影 MRI 重建，以加速成像并提升图像质量 | 提出 KGMgT 网络，创新性地采用自适应时空注意力机制推断相邻心脏帧的运动轨迹并结合 Transformer 驱动的动态特征聚合建立长距离依赖，实现全局信息整合 | NA | 开发一种高效的深度学习网络用于心脏电影 MRI 快速重建，辅助临床诊断和决策 | 心脏电影 MRI 重建任务中的图像序列 | 计算机视觉 | 心血管疾病 | MRI | Transformer | 图像 | NA | NA | KGMgT（多几何窗口 Transformer） | NA | NA |
| 1238 | 2026-06-04 |
Data-related Ablation for Reinforcing Deep Learning in Explaining Complex Phenomena
2026-May, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065726500061
PMID:41612853
|
研究论文 | 提出一种数据消融方法，用于评估深度学习模型是否真正学习了相关模式，而非依赖数据中的偏差 | 提出数据相关消融框架，作为传统架构消融的补充，通过分析模型在移除关键特征后的表现来区分稳健学习与偶然特征依赖 | 未明确说明局限性，但可能受限于案例研究的特定领域（脑电图信号的情绪识别与运动执行） | 开发一种评估深度学习模型可靠性和泛化能力的方法，确保模型真正捕捉目标现象而非数据偏差 | 深度学习模型对复杂现象的解释能力，特别是脑电图信号中的情绪识别与运动执行任务 | 机器学习 | NA | NA | 深度学习模型 | 脑电图信号 | 未明确说明样本量，涉及脑电图信号的情绪识别与运动执行数据集 | NA | NA | 模型准确率 | NA |
| 1239 | 2026-06-04 |
The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema
2026-May-01, Indian journal of ophthalmology
IF:2.1Q2
DOI:10.4103/IJO.IJO_3152_25
PMID:42060353
|
综述 | 探讨人工智能在优化糖尿病黄斑水肿治疗与患者选择中的作用 | 将人工智能与多模态数据（眼底图像、OCT、临床生化数据）结合，实现个性化风险分层和预后支持，超越传统方案驱动的治疗模式 | 存在泛化性、透明度、工作流整合和伦理部署等方面的系统性问题 | 评估人工智能技术如何通过分析多模态数据预测治疗反应和注射负担，优化抗VEGF治疗的个体化决策 | 糖尿病黄斑水肿（DME）患者及其治疗相关数据（眼底图像、OCT、临床生化数据） | 机器学习 | 糖尿病黄斑水肿 | 眼底成像、光学相干断层扫描（OCT） | CNN, GAN, 集成方法 | 图像、文本、数值 | 未提供 | NA | 卷积神经网络、生成对抗网络、集成方法 | 准确率 | NA |
| 1240 | 2026-06-04 |
Deep Learning for Diagnosis of Disc Herniation in Small Animals: A CNN-Based Approach Using CT Imaging
2026-May, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.70161
PMID:42170695
|
研究论文 | 基于深度学习的卷积神经网络模型用于小动物CT图像中的椎间盘突出诊断 | 结合U-Net分割和VGG16分类的迁移学习方法，并采用合成掩膜生成和对比度增强技术提高诊断准确性 | 数据集规模有限，未来需扩展数据集并优化模型以增强临床适用性 | 开发自动化的椎间盘突出检测模型，提升小动物脊柱疾病的诊断效率和准确性 | 小动物（犬猫）的椎间盘突出病变 | 计算机视觉 | 椎间盘疾病 | CT成像 | 卷积神经网络 | CT图像 | 1651张标注CT图像（来自64602次扫描） | PyTorch, Keras | U-Net, VGG16 | 分类准确率 | NA |