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 45062 篇文献，本页显示第 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2026-05-26 |
Classification of serum protein and immunofixation electrophoresis images by computer vision-based deep learning models: A single- and dual-modality study
2026-May-13, Annals of clinical biochemistry
IF:2.1Q3
DOI:10.1177/00045632261454299
PMID:42126005
|
研究论文 | 基于深度学习的血清蛋白电泳和免疫固定电泳图像自动分类研究 | 首次采用双模态（SPE和IFE）融合方法，利用迁移学习构建MobileNetV2模型进行电泳图像分类，并通过Grad-CAM进行模型可解释性分析 | 单中心回顾性数据，样本量有限（1919例），需在更大规模多中心队列中验证 | 开发深度学习模型自动将血清蛋白电泳和免疫固定电泳图像分类为肿瘤、非肿瘤和健康三类，并比较单模态与双模态方法的预测性能 | 同时接受SPE和IFE检查的1919例患者 | 计算机视觉 | 肿瘤 | 血清蛋白电泳，免疫固定电泳，迁移学习 | CNN（卷积神经网络） | 图像 | 1919例患者的SPE和IFE图像对 | NA | MobileNetV2 | 准确率，精确率，召回率，特异度，F1分数，ROC-AUC | NA |
| 1282 | 2026-05-26 |
Estimation of Physiological Metrics from Resting ECGs Using Deep Learning in the UK Biobank, Including submaximal exercise derived V̇O 2 max, Body Fat Percentage, and Grip Strength
2026-May-13, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.05.09.26352818
PMID:42180363
|
研究论文 | 利用深度学习从静息心电图估算生理指标，包括次极量运动衍生的最大摄氧量、体脂百分比和握力 | 使用基于患者对比学习表征（PCLR）的AI工具从静息12导联心电图提取320个特征，实现跨队列生理指标估算，并改进基础预测模型 | 模型在跨队列迁移性方面仍存在挑战，且依赖静息心电图数据而非动态运动数据 | 探索从静息心电图估算生理指标的潜力，利用英国生物银行数据开发群体特异性模型 | 英国生物银行（UK Biobank）中的大样本人群，包括次极量运动衍生的最大摄氧量（n=8,540）及其他生理指标（样本量高达n=78,265） | 机器学习 | 心血管疾病 | 心电图（ECG） | 患者对比学习表征（PCLR）模型 | 静息12导联心电图数据 | 次极量运动测试样本8,540例，其他生理指标样本最多78,265例，训练集与测试集以80%:20%比例划分 | NA | PCLR（患者对比学习表征） | 皮尔逊相关系数（r） | NA |
| 1283 | 2026-05-26 |
Deep learning and attention mechanisms to identify key genes and their implications for the origin of insect wings
2026-May-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49441-y
PMID:42091620
|
研究论文 | 构建基于双向长短期记忆网络和注意力机制的深度学习模型DeepWG，从119个物种的蛋白质序列中识别昆虫翅膀关键基因，并为昆虫翅膀起源提供分子证据 | 首次将深度学习与注意力机制结合应用于昆虫翅膀关键基因的识别，并基于识别结果支持气管鳃学说 | 未明确说明模型在不同物种或进化分支上的泛化能力，也未提及除蛋白质序列外的其他数据类型可能带来的额外信息 | 利用深度学习模型识别昆虫翅膀关键基因并探讨其与昆虫翅膀起源的关系 | 119个物种的蛋白质序列，涵盖昆虫、软甲纲和螯肢纲等节肢动物 | 机器学习 | NA | 蛋白质序列分析 | 双向长短期记忆网络 (BiLSTM)，注意力机制 (AM) | 蛋白质序列 | 119个物种的蛋白质序列 | NA | BiLSTM, 注意力机制 | 准确率 (Accuracy) | NA |
| 1284 | 2026-05-26 |
Treemble: a graphical tool to generate Newick strings from phylogenetic tree images
2026-May-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag197
PMID:42018742
|
研究论文 | Treemble是一款从系统发育树图像生成Newick字符串的图形工具 | 结合深度学习节点检测与用户点击交互，实现从树图到Newick格式的半自动化转换，支持矩形和圆形树 | NA | 开发能从系统发育树图像自动生成机器可读Newick字符串的工具 | 系统发育树图像 | 机器学学 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | NA | NA | NA |
| 1285 | 2026-05-26 |
AI-Based Models for Risk Prediction in MASLD: A Systematic Review
2026-May, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-025-09499-6
PMID:41231418
|
综述 | 系统评估基于AI的模型在代谢功能障碍相关脂肪性肝病（MASLD）风险预测与患者分层中的效果 | 首次系统综述AI模型在MASLD风险预测中的应用，填补了识别临床显著疾病（如≥F2纤维化、MASH）风险患者的文献空白 | 数据多样性不足以及模型可解释性有限 | 评估AI预测模型在MASLD患者风险分层和临床管理中的效能 | MASLD患者及AI预测模型 | 机器学习 | 代谢功能障碍相关脂肪性肝病 | NA | 机器学习与深度学习模型 | 临床特征数据（年龄、BMI、肝酶等）和多模态数据（临床+弹性成像/影像） | 26项研究（2014-2025年），来自欧洲、美国、亚洲和南美洲 | NA | NA | AUROC | NA |
| 1286 | 2025-12-25 |
Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning?
2026-May, La Radiologia medica
DOI:10.1007/s11547-025-02151-3
PMID:41441965
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1287 | 2026-05-26 |
Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome
2026-May, La Radiologia medica
DOI:10.1007/s11547-026-02188-y
PMID:41670888
|
研究论文 | 本研究探讨了深度学习模型在动态肩关节超声中诊断肩峰下撞击综合征的性能，比较了Faster R-CNN与STL-CNN，并用1D-CNN进行SIS分类 | 首次将动态超声运动指标与深度学习相结合，利用Faster R-CNN自动定位解剖标志并配合1D-CNN进行SIS分类，其中垂直肩峰肱骨距离（vAHD）表现出更优的鉴别能力 | 当前工作流需要离线视频分析，未来需实现实时处理并提高泛化能力 | 评估深度学习模型在动态肩关节超声中预测肩峰下撞击综合征的诊断性能 | 肩峰下撞击综合征患者和健康对照者 | 计算机视觉 | 肩峰下撞击综合征 | 动态超声 | Faster R-CNN、STL-CNN、1D-CNN | 超声视频 | 118名参与者（59名SIS患者和59名对照者） | NA | Faster R-CNN、自迁移学习卷积神经网络、一维卷积神经网络 | 准确率、平均距离误差 | NA |
| 1288 | 2026-05-26 |
Construction of a classification model for liver fibrosis in MAFLD based on multiparametric MRI radiomics and machine learning: A rat study
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70476
PMID:42178484
|
研究论文 | 基于多参数MRI影像组学和机器学习构建MAFLD肝纤维化分类模型的大鼠研究 | 首次在大鼠模型中整合多参数MRI影像组学特征与多种机器学习算法（包括逻辑回归、决策树、支持向量机、随机森林、LightGBM和AdaBoost）来构建肝纤维化分期分类模型，并采用混合模型结合深度学习和常规特征，通过SHAP分析增强模型可解释性 | 研究基于大鼠模型，结论在人类患者中的验证仍需进一步研究 | 开发并验证基于多参数MRI影像组学和机器学习的肝纤维化严重程度分期分类模型 | 160只雄性Sprague-Dawley大鼠的肝纤维化不同严重程度分期，包括健康对照组 | 机器学习 | 代谢功能障碍相关脂肪肝病肝纤维化 | 多参数MRI（T2压脂序列和IDEAL-IQ序列）影像组学 | 逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN | MRI影像 | 160只雄性Sprague-Dawley大鼠 | NA | 逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN | AUC、决策曲线分析、净重新分类改善、校准曲线、准确率 | NA |
| 1289 | 2026-05-26 |
Validation of a deep learning model for bone fragility detection from conventional radiographs: an international cohort study
2026-May, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2026.103974
PMID:42180399
|
research paper | 验证了一种基于深度学习模型从常规X光片中检测骨脆性的方法，该模型结合骨密度和骨小梁评分，在国际多中心队列中进行了性能评估 | 首次将骨小梁评分与骨密度结合用于骨脆性评估，直接从标准X光片中识别高风险骨折个体，并在多民族人群中进行外部验证 | 高特异性对应较低敏感性，可能遗漏部分真阳性病例；样本性别分布不均，且部分参与者已有骨密度评估，未来需在更平衡的队列和没有金标准检查的人群中验证 | 评估一种基于人工智能的工具从标准X光片中直接估计骨脆性，以识别骨折风险最高的个体 | 来自欧洲和美国五个临床中心的成年患者(≥20岁)的18858对常规X光片和腰椎双能X线吸收法扫描 | machine learning | 骨质疏松症 | X光片 | 深度学习模型 | 图像 | 18858对图像(来自11138名参与者)，分为训练组(n=10692)、内部验证组和外部验证组(n=7079) | NA | NA | 准确率、敏感性、特异性、AUC、精确度 | NA |
| 1290 | 2026-05-26 |
DeepICER: A deep learning framework for predicting compound-induced gene expression profiles
2026-May, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2026.01.046
PMID:42180546
|
研究论文 | 提出一个深度学习框架DeepICER，用于预测化合物诱导的基因表达谱 | 利用双线性注意力机制捕获剂量、持续时间与基础基因表达之间的相互作用，首次实现任意剂量和持续时间下基因表达谱的精确预测 | 未明确讨论模型对复杂生物环境的泛化能力及计算资源需求 | 开发可预测药物诱导基因表达谱的深度学习模型，以促进药物重定位和加速药物发现 | 化合物、基因表达谱、细胞系（A549细胞） | 机器学习 | 肺癌 | NA | 双线性注意力机制神经网络 | 基因表达数据 | NA | NA | DeepICER（双线性注意力机制） | 预测性能提升45.1% | NA |
| 1291 | 2026-05-26 |
DrugPTM-Bench: A Large-Scale Dataset for Predictive Modeling of Drug-Induced Cell Type-Specific Protein Post-Translational Modifications
2026-Apr-30, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.27.721113
PMID:42094496
|
研究论文 | 提出了DrugPTM-Bench，一个大规模基准数据集，用于预测药物诱导的细胞类型特异性蛋白质翻译后修饰 | 首次构建了包含药物、剂量、处理时间、细胞背景和修饰位点等多维数据的标准化药物扰动PTM基准数据集 | 现有方法在蛋白不重叠的分布外设置中难以识别少数调控类别，标准重平衡策略以降低精确度和F1得分为代价提升召回率 | 建立用于预测药物诱导PTM调控的严谨框架，阐明药物作用机制和信号动态 | 7种癌细胞系、27种药物、11167种蛋白质的剂量依赖性PTM测量数据 | 机器学习 | 癌症 | 质谱分析 | 机器学习和深度学习模型 | 蛋白质组学数据 | 涉及7种癌细胞系、27种药物、11167种蛋白质，包含99.5%磷酸化事件、6个时间点、16个剂量水平 | NA | NA | 召回率、精确度、F1得分 | NA |
| 1292 | 2026-05-26 |
Development and validation of a multi-task deep learning model integrating PET-CT radiomics, clinical variables, and EBV DNA for prognostic prediction in locally advanced nasopharyngeal carcinoma
2026-Apr-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-2025-1-2705
PMID:42180916
|
研究论文 | 开发并验证了一种多任务深度学习模型，整合PET-CT影像、临床变量和EBV DNA，用于局部晚期鼻咽癌的预后预测 | 首次将PET-CT双通道三维卷积神经网络、临床变量和EBV DNA整合到一个多任务深度学习框架中，同时预测总生存期和无进展生存期，并通过注意力机制实现多模态特征融合，显著优于传统分期系统和单任务模型 | 单中心回顾性设计，样本量有限（200例），缺乏前瞻性外部验证，需在独立多中心队列中验证后方可临床应用 | 开发一个整合多模态数据的深度学习模型，提高局部晚期鼻咽癌患者的预后预测准确性 | 200例局部晚期鼻咽癌患者（AJCC第8版III-IVA期），年龄18-75岁，WHO II/III型组织学，ECOG评分0-1，接受同步放化疗 | 计算机视觉， 机器学习 | 鼻咽癌 | PET-CT成像， 18F-FDG正电子发射断层扫描， 标准化摄取值归一化 | 多任务深度学习模型， 三维卷积神经网络 | 医学图像（PET和CT）， 临床变量， EBV DNA水平 | 200例患者（训练集140例，内部验证集60例） | PyTorch | 双通道三维卷积神经网络， 注意力机制 | 一致性指数（C-index）， 3年总生存率， 3年无进展生存率 | 提及梯度加权类激活映射（Grad-CAM）用于可视化，未明确说明GPU类型或云平台 |
| 1293 | 2026-05-26 |
Tongue Image Analysis and Clinical Data Fusion: A Novel Approach for Non-invasive Diagnosis of Metabolic Dysfunction-associated Fatty Liver Disease
2026-Apr-28, Journal of clinical and translational hepatology
IF:3.1Q2
DOI:10.14218/JCTH.2025.00631
PMID:42181845
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1294 | 2026-05-26 |
Development and validation of a deep learning radiomics model for predicting adjacent segment degeneration following anterior cervical discectomy and fusion
2026-Apr-15, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-026-09939-5
PMID:41984178
|
研究论文 | 开发并验证一种深度学习影像组学模型，用于预测前路颈椎间盘切除融合术后相邻节段退变 | 首次将影像组学应用于ACDF术后ASDeg筛查，通过整合影像组学特征和临床风险因素，利用机器学习算法构建预测模型，并比较多种算法的性能 | 研究为单中心回顾性设计，结果需要多中心外部验证进一步确认 | 开发并验证一种整合影像组学特征和临床风险因素的预测模型，实现ACDF术后ASDeg的准确筛查 | 2019年1月1日至2023年12月31日期间在我院接受ACDF手术的颈椎病患者 | 机器学习 | 颈椎病 | MRI T2加权成像 | 决策树、逻辑回归、支持向量机、XGBoost | 图像 | 90名ASDeg患者和104名非ASDeg患者，共194名，按7:3随机分为训练队列和测试队列 | NA | NA | AUC、校准曲线 | NA |
| 1295 | 2026-05-26 |
Quantum dot-DNA microsphere aptamer biosensor with AI-assisted structural modeling for rapid detection of the lung cancer biomarker USE1
2026-Apr-14, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-026-04384-4
PMID:41981644
|
研究论文 | 开发了一种AI辅助的适配体生物传感平台，用于无抗体检测肺癌生物标志物USE1 | 将AI辅助适配体结构建模与量子点增强的DNA纳米结构相结合，构建无需抗体的生物传感平台 | 尚未在更大规模的临床样本中进行验证，且该平台的长期稳定性和可重复性有待进一步评估 | 开发一种快速、准确、低成本的肺癌诊断方法 | 肺癌生物标志物USE1 | 数字病理学 | 肺癌 | SELEX, 滚环扩增, 量子点标记 | AlphaFold3 | 图像 | 30对组织样本 | NA | AlphaFold3 | AUC, 敏感性, 特异性 | NA |
| 1296 | 2026-04-12 |
Hybrid feature selection for IoMT based intrusion detection system for integrating mutual information filtering with deep learning based accelerated metaheuristic optimization
2026-Apr-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47264-5
PMID:41963437
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1297 | 2026-04-05 |
Hybrid deep learning techniques for adaptive routing and congestion control in urban VANET for wireless mobile networking
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33193-2
PMID:41932949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1298 | 2026-05-26 |
Predicting repurchase behavior and optimizing marketing for e-commerce users with genetic algorithms and deep learning
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45903-5
PMID:41933056
|
研究论文 | 提出一种结合深度学习与遗传算法的框架，用于预测电商用户复购行为并优化精准营销 | 将动态遗传算法与增强型朴素记忆网络结合，同时实现复购预测与营销干预优化 | 未讨论模型在跨平台或长周期数据上的泛化能力，且对营销优化效果缺乏长期追踪验证 | 提升电商用户复购预测精度并优化个性化营销策略 | 电商平台用户及其实时购买行为数据 | 机器学习 | NA | NA | 深度学习、遗传算法 | 结构化行为数据 | 真实世界电商数据集（未明确样本量） | Python | 增强型朴素记忆网络（EVMN）、动态遗传算法（DGA） | F1分数、AUC-ROC、召回率、精确率、准确率 | 未明确 |
| 1299 | 2026-05-26 |
A unified GRU model for cryptocurrency price prediction and harsh price movement detection using enhanced sentiment analysis
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46271-w
PMID:41933101
|
研究论文 | 提出一种统一的GRU模型，通过增强情感分析预测加密货币价格并检测剧烈价格波动 | 重点研究情感信号构建、聚合和与价格动态对齐的方式，提出基于PCA的聚合、衰减加权方案和K-means聚类标签方法，显著提升了极端价格变动类别的预测性能 | 未明确提及，但可能包括模型仅基于短期数据（2021年4月至8月）以及情感数据噪声的局限性 | 研究情感表示和价格变动标签对短期比特币价格波动分类的影响，构建稳健的情感驱动金融模型 | 比特币短期价格波动分类 | 机器学习, 自然语言处理 | NA | 情感分析, PCA分析, K-means聚类 | GRU, TCN, LightGBM, 多项逻辑回归 | 文本（推文数据） | 超过110万条比特币相关推文（2021年4月至8月） | NA | RoBERTa, GRU, TCN | 准确率、精确率、召回率、F1分数 | NA |
| 1300 | 2026-05-26 |
Multimodal deep learning for international investment arbitration outcome prediction and bilateral investment agreement negotiation strategy optimization
2026-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47149-7
PMID:41933170
|
研究论文 | 提出一种多模态深度学习框架，融合文本、数值和视觉数据预测国际投资仲裁结果 | 采用注意力融合架构，通过专用编码器捕捉法律文件、宏观经济指标和视觉证据之间的复杂跨模态依赖关系，显著优于单模态和传统机器学习方法 | 未明确讨论预测模型在实际应用中可能引发的公平性、透明度和可及性等规范性问题 | 开发稳健的仲裁结果预测工具，为投资者、东道国和法律顾问提供战略决策依据 | 国际投资仲裁案件中的投资者与国家争端解决机制 | 机器学习 | NA | 多模态深度学习的注意力融合架构 | 注意力机制融合的多模态深度学习模型 | 文本（法律文件）、数值（宏观经济指标）、视觉（证据图像） | 1,247个仲裁案例，来自主要国际仲裁机构 | NA | 注意力融合架构、专用编码器 | 准确率 | NA |