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 43911 篇文献，本页显示第 1301 - 1320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1301 | 2026-04-19 |
GINClus: RNA structural motif clustering using graph isomorphism network
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf050
PMID:40290315
|
研究论文 | 本文提出了一种名为GINClus的RNA结构基序聚类工具，利用图同构网络结合聚类算法，基于碱基相互作用和三维结构相似性对RNA基序候选进行聚类 | 首次将图同构网络（GIN）模型应用于RNA结构基序的聚类任务，结合半监督深度学习与k-means和层次凝聚聚类，实现了对RNA环区域的高精度聚类，并成功识别出新的基例和家族 | 未明确提及模型在未知或高度变异RNA结构上的泛化能力，以及计算效率在处理大规模数据集时的表现 | 开发一种自动化工具，用于聚类RNA结构基序，以辅助RNA结构和功能的理解，特别是发现新的RNA结构基序家族 | RNA结构基序候选（RNA环区域），包括已知的内部环和发夹环基序，以及潜在的未知基序 | 生物信息学 | NA | RNA三维结构分析，图表示学习 | 图同构网络（GIN） | 图数据（基于RNA碱基相互作用和三维结构转换） | 未明确指定具体样本数量，但涉及已知内部环和发夹环基序的聚类，并发现了927个新基例和12个新家族 | 未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架 | 图同构网络（GIN） | 聚类准确率（已知内部环基序为87.88%，已知发夹环基序为97.69%） | NA |
| 1302 | 2026-04-19 |
A deep learning strategy to identify cell types across species from high-density extracellular recordings
2025-Apr-17, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.01.041
PMID:40023155
|
研究论文 | 本文提出了一种基于深度学习的策略，用于从高密度细胞外记录中跨物种识别细胞类型 | 结合光遗传学和药理学，构建了经过筛选的地面真实电生理特性库，并训练了一个半监督深度学习分类器，能够在不同探针、实验室、功能区域和物种间准确预测细胞类型 | NA | 识别细胞类型并揭示具有不同功能、分子和解剖特性的神经元在行为中的计算作用 | 小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维 | 机器学习 | NA | 光遗传学、药理学、高密度探针记录 | 深度学习分类器 | 细胞外记录（波形、放电统计、神经元层信息） | NA | NA | NA | 准确率 | NA |
| 1303 | 2026-04-19 |
Application of Machine Learning to Osteoporosis and Osteopenia Screening Using Hand Radiographs
2025-01, The Journal of hand surgery
DOI:10.1016/j.jhsa.2024.09.008
PMID:39556066
|
研究论文 | 本研究开发并验证了一种基于手部X光片的人工智能算法，用于筛查骨质疏松和骨质减少 | 利用标准手部X光片替代专业DXA扫描进行骨质疏松和骨质减少的自动化筛查，提高了筛查的可及性和成本效益 | 样本量相对有限，骨质疏松类别图像数量较少，且依赖于DXA扫描作为参考标准，可能存在人类误差 | 开发并验证一种人工智能算法，用于通过手部X光片筛查骨质疏松和骨质减少 | 手部X光片图像 | 医学影像分析 | 骨质疏松 | 手部X光成像 | 深度学习 | 图像 | 1424张手部X光片图像（正常687张，骨质减少607张，骨质疏松130张） | ResNet-50 | ResNet-50 | 灵敏度, 特异度, 准确率, AUC | NA |
| 1304 | 2026-04-19 |
The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research
2025, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文综述了人工智能在心血管疾病风险预测中的当前应用、优势及未来研究方向 | 系统总结了AI在提升心血管风险预测准确性、效率及可及性方面的最新进展，并强调了其在个性化治疗和临床决策支持中的潜力 | AI在心血管风险评估中的广泛采用仍面临挑战，主要由于医疗专业人员缺乏相关教育和接受度 | 探讨人工智能在心血管疾病风险预测中的变革性作用，以改善患者预后并减轻全球疾病负担 | 心血管疾病风险预测模型及AI驱动工具 | 机器学习 | 心血管疾病 | 电子健康记录分析、心电图分析 | 机器学习算法、深度学习 | 电子健康记录、心电图数据 | NA | NA | NA | 准确率 | NA |
| 1305 | 2026-04-19 |
Histopathological image analysis and enhanced diagnostic accuracy explainability for oral cancer detection
2025, Polish journal of pathology : official journal of the Polish Society of Pathologists
IF:0.7Q4
DOI:10.5114/pjp.2025.153973
PMID:40977550
|
研究论文 | 本研究提出了一种用于口腔癌分类的深度学习模型，通过颜色归一化、特征选择和可解释性增强，提高了诊断准确性和决策透明度 | 结合Vahadane归一化、加权Fisher评分特征选择和可解释人工智能技术，改进U-Net分类器以处理类不平衡问题并提升模型可解释性 | 未明确说明模型在外部验证集上的泛化性能或临床部署的具体挑战 | 开发一种准确、可解释的口腔癌组织病理学图像分类方法，以支持早期精准检测 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 组织病理学图像分析 | 深度学习 | 图像 | NA | NA | U-Net, DenseNet201, VGG10 | 准确率, 精确度, 可靠性 | NA |
| 1306 | 2026-04-19 |
Identifying Key Residues in Lysine Decarboxylase for Soluble Expression Using Consensus Design Soluble Mutant Screening (ConsenSing)
2023-05-19, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.2c00670
PMID:37071041
|
研究论文 | 本文提出了一种结合计算预测与实验筛选的混合方法，用于识别提高蛋白质溶解度的关键残基 | 开发了ConsenSing方法，通过共识序列预测热点残基，并利用分裂GFP报告系统快速验证突变体，从而有效提高蛋白质溶解度 | 方法可能不适用于所有蛋白质，且预测与实验结果之间仍可能存在不一致 | 提高目标蛋白质的溶解度，通过识别关键残基突变来优化蛋白质表达 | 赖氨酸脱羧酶（LdcC） | 蛋白质工程 | NA | 序列分析、分裂GFP报告系统、Darwin组装 | 深度学习 | 蛋白质序列 | NA | NA | NA | 溶解度增加 | NA |
| 1307 | 2026-04-18 |
Utility of breath-hold half-Fourier single-shot turbo spin-echo with deep learning-based reconstruction for acquiring fat-suppressed T2-weighted images of the pancreas
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100740
PMID:41994324
|
研究论文 | 本研究评估了三种磁共振成像技术在获取胰腺脂肪抑制T2加权图像方面的性能，包括采集时间和图像质量 | 首次比较了传统呼吸门控TSE、基于深度学习的呼吸屏气TSE以及基于深度学习的呼吸屏气半傅里叶单次激发TSE在胰腺成像中的效果，并引入了深度学习重建技术 | 研究样本量相对较小（87名患者），且仅针对胰腺疾病疑似患者，可能无法推广到所有人群 | 确定获取胰腺脂肪抑制T2加权图像的最佳技术，以优化采集时间和图像质量 | 疑似胰腺疾病患者及胰腺内大于5毫米的局灶性病变 | 医学影像 | 胰腺疾病 | 磁共振成像（MRI），包括脂肪抑制T2加权成像 | 深度学习重建模型 | 医学影像（磁共振图像） | 87名患者，其中64个胰腺局灶性病变 | NA | NA | 图像质量评分（5点量表）、信噪比（SNR）、对比噪声比（CNR） | 3-T磁共振扫描仪 |
| 1308 | 2025-12-19 |
Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening
2026-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12228-2
PMID:41410706
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1309 | 2026-04-18 |
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 | 本研究通过整合分子和表观基因组注释，并应用深度学习框架，预测了多囊卵巢综合征风险变异在细胞类型特异性调控中的作用，揭示了其与雄激素信号通路及疾病病理生理学的关联 | 首次将深度学习模型与表观基因组数据整合，以预测PCOS风险变异在特定细胞类型中的调控效应，并揭示了这些变异如何通过破坏雄激素介导的信号通路影响疾病表型 | 研究主要基于计算预测和体外实验数据，缺乏体内功能验证；样本类型和数量可能限制了对所有相关细胞类型的全面覆盖 | 解析多囊卵巢综合征遗传易感位点如何通过调控机制驱动疾病表型，特别是与雄激素信号相关的病理生理过程 | 多囊卵巢综合征的风险遗传变异及其在脑和内分泌细胞类型中的调控效应 | 机器学习 | 多囊卵巢综合征 | 表观基因组注释、深度学习框架、报告基因检测 | 深度学习模型 | 分子和表观基因组数据 | NA | NA | NA | 与报告基因检测数据的一致性 | NA |
| 1310 | 2026-04-18 |
Conserved and divergent gene regulatory networks for crop drought resistance
2026-Apr-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-72169-2
PMID:41991527
|
研究论文 | 本研究利用基于图的深度学习框架，构建了主要禾本科作物在干旱响应中的大规模基因调控网络，揭示了作物抗旱性的保守与分化机制 | 首次采用创新的基于图的深度学习框架，跨转录组、蛋白质组和代谢组层面整合超过5000个批量RNA-seq数据集，构建了大规模、跨物种的干旱响应基因调控网络，并提出了抗旱性受网络拓扑结构而非少数关键基因系统约束的新假说 | 研究主要基于公共数据库的批量RNA-seq数据，可能缺乏单细胞分辨率；对Fabaceae和Solanaceae作物的验证相对有限；网络推断依赖于计算模型，需后续实验验证 | 揭示作物抗旱性的保守与分化遗传机制，理解基因调控网络在气候适应中的进化动态 | 禾本科作物（如水稻、小麦、玉米、高粱），并扩展至豆科和茄科作物 | 计算生物学 | NA | 批量RNA-seq，基因调控网络分析 | 图神经网络 | 转录组数据 | 整合超过5000个批量RNA-seq数据集，涉及130,000个基因间的330万次相互作用 | 基于图的深度学习框架 | NA | NA | NA |
| 1311 | 2026-04-18 |
Cogninet: an explainable deep learning model for multi-class MRI-based Alzheimer's disease staging
2026-Apr-17, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03617-z
PMID:41991821
|
研究论文 | 本文提出了一种名为CogniNet的新型可解释深度学习模型，用于基于MRI的多阶段阿尔茨海默病分期 | 结合VGGNet19的架构深度与DenseNet201的特征复用和梯度效率优势，设计了一种新的CNN架构，并利用Grad-CAM生成类别特异性注意力图以提高模型可解释性 | 未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证 | 解决现有研究中依赖二分类、缺乏模型可解释性以及较少考虑临床可用性等关键限制 | 阿尔茨海默病的多阶段分类 | 数字病理学 | 阿尔茨海默病 | 磁共振成像 | CNN | 图像 | 3200个未见过的轴向MRI切片 | NA | VGGNet19, DenseNet201 | 准确率, 灵敏度 | NA |
| 1312 | 2026-04-18 |
Application of an open-source AI tool for quantitative quality control in whole slide images of prostate needle core biopsies - a retrospective study
2026-Apr-17, Journal of histotechnology
IF:0.6Q4
DOI:10.1080/01478885.2026.2657106
PMID:41994924
|
研究论文 | 本研究回顾性评估了开源AI工具PathProfiler在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性与价值 | 首次在前列腺活检WSI质量控制的临床工作流程中，系统性地应用并评估了基于深度学习的开源工具PathProfiler，实现了对图像可用性、聚焦质量和H&E染色质量的自动化、定量化评分 | 研究为单中心回顾性分析，样本量有限（226例）；算法将前列腺外组织识别为“其他伪影”可能导致评分偏差；未与病理学家的主观质量评估进行直接比较验证 | 评估PathProfiler软件在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性及其对诊断流程的辅助价值 | 前列腺穿刺活检的H&E染色全切片图像 | 数字病理学 | 前列腺癌 | H&E染色，全切片成像 | 深度学习 | 图像 | 226张来自前列腺穿刺活检的H&E全切片图像 | NA | NA | 可用性评分，聚焦评分，H&E质量评分 | NA |
| 1313 | 2026-04-18 |
DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images
2026-Apr-17, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1177/15578666261441311
PMID:41995104
|
研究论文 | 本文提出了一种名为DANCE的方法，通过混沌增强万花筒图像将蛋白质序列转化为图像，并利用深度学习视觉模型进行分类，以探索T细胞受体序列与癌症靶细胞之间的关系 | 结合混沌游戏表示与万花筒图像生成技术，为蛋白质序列提供了一种新颖的可视化方法，并通过深度学习模型分析其视觉模式与蛋白质特性之间的关联 | 未明确提及方法在处理极短蛋白质序列时的具体性能限制或与其他嵌入方法的比较 | 开发一种基于图像的蛋白质序列表示方法，以改善T细胞受体序列的分类和分析 | T细胞受体蛋白序列 | 计算机视觉 | 癌症 | 混沌游戏表示 | 深度学习视觉模型 | 图像 | NA | NA | NA | NA | NA |
| 1314 | 2026-04-18 |
Plant invasion reduces density-dependent pollination but not florivory
2026-Apr-16, Oecologia
IF:2.3Q2
DOI:10.1007/s00442-026-05881-x
PMID:41989621
|
研究论文 | 本研究利用消费级无人机和深度学习技术，评估了植物入侵对多营养级群落动态的影响，特别是对传粉和植食作用的效应 | 结合无人机和深度学习自动化监测生态指标，揭示了入侵植物通过降低花卉密度减少传粉服务，而植食作用则不受密度直接影响 | 研究仅针对特定入侵植物和本地植物物种，结果可能无法推广到其他生态系统或入侵情景 | 探究植物入侵对多营养级群落动态和共存的影响，特别是传粉和植食作用的相互作用 | 入侵植物狗绞藤（Vincetoxicum rossicum）和本地植物新英格兰紫菀（Symphyotrichum novae-angliae），以及其传粉者和专食性象鼻虫（Anthonomus rufipes） | 生态学 | NA | 无人机航拍，深度学习 | 深度学习模型 | 图像 | 在加拿大安大略省红河国家城市公园的入侵草甸中进行观测 | NA | NA | NA | 消费级无人机 |
| 1315 | 2026-04-18 |
Mamba-ACP: a Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction
2026-Apr-16, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3684898
PMID:41989903
|
研究论文 | 本文提出了一种名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了基于Transformer的进化尺度建模嵌入、手工特征和Mamba序列建模架构 | 创新点在于首次将Transformer的ESM-2嵌入、手工特征（AAindex、BLOSUM62）与Mamba序列建模架构相结合，以捕获肽的进化和理化特性，从而提升预测性能 | 未明确提及具体局限性，但可能涉及模型对特定数据集的依赖或泛化能力的进一步验证 | 研究目的是开发一个准确、可扩展且可泛化的抗癌肽预测模型，以克服抗癌肽在临床转化中的生物挑战 | 研究对象是抗癌肽（ACPs），即一类选择性破坏癌细胞而不伤害健康组织的治疗剂 | 自然语言处理 | 癌症 | 深度学习、进化尺度建模（ESM-2）、主成分分析（PCA） | Transformer, Mamba | 序列数据（肽序列） | 使用两个基准数据集（Set 1和Set 2），具体样本数量未明确提及 | 未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架 | ESM-2, Mamba | 准确率, AUC | 未明确提及 |
| 1316 | 2026-04-18 |
Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network
2026-Apr-16, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae60df
PMID:41990791
|
研究论文 | 本文提出了一种基于双融合多周期卷积神经网络的模型，用于从CPAP气流信号中自动进行睡眠分期 | 引入了一种新颖的双融合多周期卷积神经网络架构，利用多个周期特定的卷积核和双融合机制，共同编码CPAP气流信号中的短程和长程时间依赖性，克服了传统固定尺度模型的限制 | 未明确提及具体局限性 | 利用CPAP设备记录的气流信号进行自动睡眠分期，以扩展CPAP设备在被动睡眠动态监测中的应用 | CPAP气流信号 | 机器学习 | 阻塞性睡眠呼吸暂停低通气综合征 | CPAP气流信号分析 | CNN | 信号数据 | NA | NA | 双融合多周期卷积神经网络 | 准确率, Cohen's κ | NA |
| 1317 | 2026-04-18 |
Comparative assessment of diagnostic agreement between artificial intelligence and general practitioners in diabetic retinopathy screening using non-mydriatic fundus photography
2026-Apr-16, Primary care diabetes
IF:2.6Q1
DOI:10.1016/j.pcd.2026.04.007
PMID:41991402
|
研究论文 | 本研究评估了人工智能系统与全科医生在糖尿病视网膜病变筛查中使用非散瞳眼底摄影的诊断一致性 | 首次在初级保健环境中，将基于深度学习的AI系统（EyeArt v3.0.0）与全科医生进行直接比较，使用眼科医生评估作为参考标准，并展示了AI在诊断一致性、敏感性和特异性方面的优越性 | 研究仅限于可分级图像，且参考标准仅基于单一眼科医生的评估，未在未筛选的筛查人群中进行大规模验证 | 评估AI系统与全科医生在糖尿病视网膜病变筛查中的诊断一致性，以眼科医生评估为参考标准 | 500名2型糖尿病初级保健患者 | 计算机视觉 | 糖尿病视网膜病变 | 非散瞳眼底摄影 | 深度学习 | 图像 | 500名患者，每眼拍摄两张45°非散瞳眼底照片 | NA | NA | Cohen's kappa, Cramer's V, 敏感性, 特异性, 预测值, 似然比, 总体准确率 | NA |
| 1318 | 2026-04-18 |
Automated deep learning for real-time focal liver lesions detection in ultrasound videos a multicenter study
2026-Apr-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02629-y
PMID:41991627
|
研究论文 | 本研究开发了一种基于深度学习的自动化模型Auto-DFLLs，用于实时检测超声视频中的局灶性肝脏病变 | 首次提出基于ResNet和FPN架构的自动化深度学习模型，用于实时检测超声视频中的局灶性肝脏病变，并在多中心研究中验证其能显著提升不同经验水平超声医师的检测性能 | NA | 开发并验证一种自动化深度学习模型，以降低超声检测局灶性肝脏病变对操作者经验的依赖性 | 超声视频中的局灶性肝脏病变 | 计算机视觉 | 肝脏疾病 | 超声成像 | CNN | 视频 | 来自三家医院的5258个前瞻性收集的超声视频 | NA | ResNet, FPN | AP50, Pr70, FP70, AFROC-AUC | NA |
| 1319 | 2026-04-18 |
LGGC-Net: a local-global graph and color attention-based lightweight CNN for skin cancer classification
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48724-8
PMID:41991637
|
研究论文 | 本研究提出了一种名为LGGC-Net的轻量级CNN模型，通过结合局部-全局图与颜色注意力机制来提升皮肤癌分类性能，同时保持计算效率 | 提出了LGGC（局部、全局图和颜色）注意力机制，并将其集成到轻量级CNN中，以增强判别性特征学习，在保持高精度的同时大幅减少模型参数量 | 模型在未见过的HAM10000数据集上的多分类准确率为76.1%，仍有提升空间；研究未详细说明在更多样化临床环境中的泛化能力 | 开发一种可临床部署、轻量、鲁棒且可解释的AI系统，用于皮肤癌分类 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | NA | CNN | 图像 | 使用了外部图像集和HAM10000数据集，具体样本数量未在摘要中明确说明 | NA | LGGC-Net | 准确率, AUC | NA |
| 1320 | 2026-04-18 |
Class-adaptive oracle-free metamorphic test case prioritization framework for vision-based deep neural networks
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-49010-3
PMID:41991724
|
研究论文 | 提出了一种面向视觉深度神经网络的无预言机类自适应蜕变测试用例优先级排序框架 | 首次将类别依赖的模型行为变化与预测不确定性和可解释性漂移的互补作用相结合，通过多目标贝叶斯优化进行集成，实现了动态的、类自适应的测试用例优先级排序 | 实验仅在三个公开数据集和三种网络架构上进行验证，未涉及更复杂的现实世界场景或更大规模的模型 | 为安全关键的视觉应用开发一种鲁棒且可扩展的深度神经网络验证策略 | 视觉深度神经网络系统 | 计算机视觉 | NA | 蜕变测试 | 深度神经网络 | 图像 | CIFAR-10、Fashion-MNIST和ISIC2019数据集 | NA | ResNet-18, ResNet-50, ConvNeXt-Base | 统计显著性改进 | NA |