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 45616 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2026-06-15 |
A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342430
PMID:41729932
|
研究论文 | 该研究提出了一种基于深度学习的儿童友好城市街道评估系统，整合了具体与抽象特征 | 首次将具体特征（如交通安全性）与从街景图像中提取的抽象特征通过深度学习融合起来，用于定量评估儿童友好度，克服了传统方法的主观性强和数据采集困难 | 研究样本仅来自上海，可能限制模型在不同城市或文化背景下的泛化能力 | 开发一个高效、客观的儿童友好城市街道评估系统，用于识别儿童不友好的空间特征 | 上海市的城市街道场景，包括1322个街道样本和6724张街景图像，以及7-12岁儿童的主观感受数据 | 计算机视觉, 机器学习 | 不适用 | 街景图像分析 | 卷积神经网络(CNN), 人工神经网络(ANN) | 图像 | 1322个街道样本和6724张街景图像，以及7-12岁儿童的感知调查数据 | PyTorch | ResNet18, 多层人工神经网络 | 准确率(平均准确率96.91%，总体准确率97.35%) | NA |
| 122 | 2026-06-15 |
ProMMF_Kron: a multimodal deep learning model for immunotherapy response prediction in stomach adenocarcinoma
2026, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2026.1602846
PMID:41743737
|
研究论文 | 开发了一种名为ProMMF_Kron的多模态深度学习模型，用于预测胃腺癌患者的免疫治疗反应 | 采用Kronecker积运算和反向投影模块的双阶段特征融合策略，实现基因表达与病理图像特征的高效交互 | 研究仅基于282例患者的多中心数据集，样本量相对有限 | 为胃腺癌患者开发可靠的免疫治疗反应预测工具 | 胃腺癌患者的分子谱和病理图像数据 | 数字病理学, 机器学习 | 胃腺癌 | NGS, 病理图像分析 | 多模态深度学习 | 基因表达数据, 病理图像 | 282例胃腺癌患者 | PyTorch | 预训练深度卷积神经网络, Kronecker乘积模块, 反向投影模块 | AUC | NA |
| 123 | 2026-06-15 |
Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101150
PMID:41747470
|
综述论文 | 探讨人工智能在癌症光疗与光动力疗法中提升精准度和个性化水平的作用 | 系统总结了人工智能（尤其是深度学习）在肿瘤成像、治疗监控、个性化用药及新型光敏剂研发中的最新应用，并展望了可穿戴设备和集成数据平台的未来方向 | 仍处于早期阶段，缺乏大规模临床验证和标准化数据集支持 | 综合分析人工智能增强光疗和光动力疗法的精准化与个性化潜力 | 光疗、光动力疗法在癌症治疗中的应用及其与人工智能技术的融合 | 计算机视觉、机器学习 | 癌症 | NA | 深度学习 | 图像、文本、患者病史、遗传数据 | NA | NA | NA | 准确率（肿瘤检测90-95%，边缘勾勒85-95%） | NA |
| 124 | 2026-06-15 |
DeepDiff-SHAP: Interpretable deep learning for subgroup-specific causal hypothesis generation using conditional SHAP
2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
DOI:10.1142/9789819824755_0052
PMID:41758180
|
研究论文 | 提出DeepDiff-SHAP框架，结合回归与深度学习进行差异因果推断，通过条件SHAP识别患者亚组间的因果变化 | 首次将条件SHAP与回归及深度学习差异化因果推断结合，以可解释方式检测亚组特异性因果关系的非线性变化 | 依赖数据集规模和质量，可能无法处理高维稀疏数据中的因果发现 | 开发可解释的深度学习框架，用于亚组特异性因果假设生成，推动个性化医疗 | 疾病患者亚组之间的因果差异模式 | 机器学习 | 糖尿病, 败血症 | SHAP可解释性分析, 深度学习 | 深度学习模型, 回归模型 | 结构化表格数据 | CDC糖尿病健康指标数据集、UK Biobank败血症队列（按高血压状态分层） | NA | 深度学习网络 | NA | NA |
| 125 | 2026-06-15 |
Explainable AI for gait speed analysis from multimodal data fusion
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341067
PMID:41758888
|
研究论文 | 提出一种通过多模态数据融合和深度学习进行步速分类的先进框架，并利用层相关传播（LRP）进行优化 | 首次将LRP应用于多模态融合的步速分析模型，以优化特征相关性并验证鲁棒性，同时提出CNN+LSTM混合架构和多流CNN两种新颖网络结构 | NA | 开发高精度且稳健的步速分析工具，通过多模态数据融合和LRP驱动特征优化，克服单传感器限制 | 50名无损伤成年人在不同速度下的步态数据 | 机器学习 | NA | 全身运动捕捉、肌电图、测力板 | CNN, LSTM, 混合CNN+LSTM, 多流CNN, 时序卷积网络, Transformer, 门控循环单元 | 运动捕捉数据、肌电图信号、测力板数据 | 50名无损伤成年人的4个公开数据集 | NA | CNN+LSTM, 多流CNN, TCN, Transformer, GRU, 线性判别分析, 二次判别分析, 支持向量机 | F1分数, ROC曲线, 混淆矩阵, t检验, 扰动分析 | NA |
| 126 | 2026-06-15 |
The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis
2026, Current neuropharmacology
IF:4.8Q1
|
综述 | 对2001年至2023年间药物化学领域人工智能研究的文献进行了综合计量分析 | 首次对药物化学中机器学习研究进行全面的文献计量分析，识别了研究前沿关键词和未来趋势，包括多模态和大语言模型 | 仅分析了2001年至2023年的文献，可能存在时间覆盖范围有限；文献计量方法依赖已发表数据，可能遗漏未发表或非英语研究 | 系统分析人工智能在药物化学中的应用研究，确定发展趋势和研究热点 | 2001年至2023年间发表的药物化学中人工智能研究文献 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 来自92个国家或地区的文献，涉及196个研究机构 | R，CiteSpace，VOSviewer | NA | NA | NA |
| 127 | 2025-12-26 |
A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules
2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00976-9
PMID:41444688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 128 | 2026-06-15 |
Artificial Intelligence in The Diagnosis, Treatment, and Prognostication in Endodontics: A Comprehensive Literature Review
2025-Dec, European endodontic journal
IF:1.6Q3
DOI:10.14744/eej.2025.83788
PMID:41685843
|
综述 | 该文章对人工智能在牙髓病学中的应用进行了全面回顾，重点关注诊断优化、临床决策支持和治疗结果预测 | 系统总结了AI在牙髓病诊断、治疗和预后三大领域的具体应用，并分析了当前应用的局限性和未来改进方向 | 需要大规模数据集、成本高、缺乏自我发展能力 | 综述人工智能在牙髓病学中的诊断、治疗和预后应用，并分析其局限性和改进领域 | 牙髓病学中的人工智能应用研究文献 | 机器学习 | 牙髓病 | NA | 卷积神经网络（CNN）、深度学习模型、神经网络 | 图像（放射影像、锥束计算机断层扫描CBCT） | 51篇文献 | NA | CNN（如Diagnocat）、深度学习模型 | 准确率（大于90%、95.6%） | NA |
| 129 | 2026-06-15 |
ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock
2025-11, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1177/15578100251389910
PMID:41115712
|
研究论文 | 引入了一种名为ImmFinder的多模态全连接神经网络框架，用于整合基因组和转录组数据集来分类免疫基因 | 首次将多模态全连接神经网络用于牲畜免疫基因分类，整合基因组和转录组数据，实现了较高的预测性能 | 依赖现有的牛基因组和转录组数据集训练和评估，可能限制直接推广到其他品种或物种，需要额外的外部验证和实验跟进 | 开发一种自动化的多模态深度学习方法，用于分类牛免疫基因，从而推进功能基因组学研究 | 牛的免疫基因和非免疫基因 | 机器学习 | NA | 基因组测序、转录组测序 | 全连接神经网络 | 基因组和转录组数据 | NA | Python | 全连接神经网络 | 准确率、F1分数、精确率、召回率、AUC-ROC曲线 | NA |
| 130 | 2026-06-15 |
Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14560
PMID:40491217
|
研究论文 | 开发并验证一种用于区域糖尿病视网膜病变筛查的双模态深度学习系统 | 结合眼底照片和OCT扫描的双模态深度学习系统，在多种族社区中检测威胁视力的糖尿病视网膜病变，达到高准确性和特异性 | 7.4%的眼底照片不可分级，可能影响系统在部分患者中的适用性 | 评估深度学习系统在区域糖尿病视网膜病变筛查中的性能和有效性 | 多民族社区的糖尿病患者 | 计算机视觉 | 糖尿病视网膜病变 | NA | 深度学习 | 图像 | 748名糖尿病患者 | NA | NA | 敏感性、特异性、AUC | NA |
| 131 | 2026-06-15 |
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14566
PMID:40515626
|
研究论文 | 横断面和纵向分析视网膜血管特征与青光眼、年龄相关性黄斑变性等眼病的关联 | 首次在大型纵向队列（加拿大老龄化纵向研究）中评估视网膜血管特征与眼病随时间变化的关系，并揭示横断面关联可能源于反向因果 | 依赖自我报告的眼病诊断，可能存在报告偏倚；使用深度学习算法提取血管特征，但未与其他方法对比；纵向随访期仅3年，可能不足以完全揭示因果关系 | 探究视网膜血管特征（如直径和扭曲度）与青光眼及年龄相关性黄斑变性的横断面和纵向关联 | 加拿大老龄化纵向研究中30,097名参与者的基线及3年随访数据 | 机器学习 | 青光眼, 年龄相关性黄斑变性 | 眼底成像 | 深度学习 | 图像, 表格数据 | 30,097名参与者，92%随访率 | NA | QUARTZ（深度学习算法） | 比值比, 置信区间, 贝塔系数 | NA |
| 132 | 2026-06-15 |
Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests
2025-06-10, The journals of gerontology. Series B, Psychological sciences and social sciences
DOI:10.1093/geronb/gbaf065
PMID:40197801
|
研究论文 | 利用基于视觉Transformer的连续评分方法，从时钟绘制测试图像中提升痴呆症分类在多样化人口群体中的准确性 | 开发了一种使用深度学习神经网络生成的连续时钟绘制测试评分，并识别了针对不同人口特征的特定阈值，以提供更包容和适应性的痴呆症分类方法 | 未明确提及具体局限性 | 提升痴呆症分类的准确性和公平性，通过生成连续的时钟绘制测试评分并考虑人口多样性 | 老年人，特别是来自国家健康与老龄化趋势研究的代表性样本 | 计算机视觉 | 老年疾病 | 深度学习 | 视觉Transformer | 图像 | 使用国家健康与老龄化趋势研究的全国代表性样本 | NA | 视觉Transformer | 曲线下面积、灵敏度、特异度 | NA |
| 133 | 2026-06-15 |
New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals
2025-Apr-08, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.035
PMID:40175013
|
研究论文 | 利用深度学习模型从60,000名个体的速度编码MRI数据中定义轻度主动脉瓣狭窄的新阈值 | 通过大规模人群研究提出基于MRI的轻度主动脉瓣狭窄新诊断阈值，并验证其与不良结局的关联 | 未提及具体局限性 | 研究无临床指征下主动脉瓣功能测量的流行病学，并定义正常与异常血流动力学的界限 | 主动脉瓣功能（面积、峰值速度、平均梯度） | 机器学习 | 主动脉瓣狭窄 | 速度编码心脏磁共振成像 | 深度学习模型 | 图像（MRI） | 62,902名UK Biobank参与者（健康子队列41,859人）；外部验证队列365,870人（NEDA） | NA | NA | 风险比（HR）、P值 | NA |
| 134 | 2026-06-15 |
Radiomics in glioma: emerging trends and challenges
2025-03, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.52306
PMID:39901654
|
综述 | 本文综述了放射组学在胶质瘤中的应用、新兴趋势和挑战 | 整合深度学习算法增强放射组学各组件，并探讨特定肿瘤生境、先进成像技术和多组学数据整合的作用 | 模型可重复性、泛化性、可解释性和多组学数据整合等挑战尚未解决 | 综述放射组学在胶质瘤中的应用和未来方向 | 胶质瘤 | 医学图像分析 | 胶质瘤 | 放射组学，深度学习，扩散加权成像，灌注加权成像，磁共振波谱，磁共振指纹成像，功能MRI，PET | 深度学习模型 | 影像数据，多组学数据（基因组学、转录组学、蛋白质组学、病理组学） | NA | NA | NA | NA | NA |
| 135 | 2026-06-15 |
A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242133
PMID:40067103
|
研究论文 | 该研究利用基于nnU-net的TotalSegmentator算法在非增强胸部CT图像上三维测量全胸椎骨密度，并结合FRAXnb预测椎体骨折 | 首次在常规非增强胸部CT中利用三维深度学习算法全自动测量T1-T10椎体骨密度，相较二维方法降低了测量不确定性，并展示了与骨折风险评估工具结合的增量预测价值 | NA | 评估TotalSegmentator算法在非增强胸部CT上准确测量三维胸椎骨密度及其预测椎体骨折的能力 | T1-T10椎体的三维骨密度测量及其与骨折风险的关联 | 计算机视觉 | 骨质疏松症、椎体骨折 | CT | nnU-net（卷积神经网络） | 图像 | 2956名参与者（其中1304名有随访数据），来自MESA队列 | PyTorch | nnU-net（集成了U-Net架构） | Dice系数、交并比（IoU）、AUC | NA |
| 136 | 2026-06-15 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 本文综述了基础模型在放射学中的应用，探讨其训练方法、能力及评估策略 | 系统性地统一了放射学中基础模型的技术进展与临床需求，强调安全负责任的模型训练 | NA | 解释放射学中基础模型的基本概念与术语，聚焦训练数据需求、模型训练范式、模型能力及评估策略 | 放射学领域的基础模型 | 自然语言处理, 计算机视觉 | NA | NA | 基础模型 | 文本, 图像 | NA | NA | NA | NA | NA |
| 137 | 2026-06-15 |
Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240473
PMID:39964263
|
研究论文 | 基于全国肺筛查试验的纵向数据，分析连续低剂量CT扫描中心外膜脂肪组织变化与死亡率的关系 | 首次在大规模肺癌筛查队列中系统评估EAT变化的纵向轨迹（体积和密度）与全因、心血管及肺癌死亡率的独立关联，并基于深度学习算法自动量化EAT | 研究为回顾性二次分析，可能未完全纳入所有潜在混杂因素；EAT变化分类基于典型范围，其适用性需验证；仅包括肺癌筛查人群，结果推广性受限 | 探究在肺癌筛查人群中，两年间隔的低剂量CT扫描中EAT变化与死亡率之间的关联 | 参与全国肺筛查试验的受试者（共20,661人），通过深度学习自动分割获取EAT体积和密度 | 计算机视觉 | 心血管疾病 | 低剂量CT，深度学习算法 | 深度学习神经网络 | CT影像 | 20,661名参与者（平均年龄61.4岁，男性占59.2%） | NA | NA | 危险比（HR），95%置信区间，P值 | NA |
| 138 | 2026-06-15 |
ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects
2025-01-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01737
PMID:39749659
|
研究论文 | 提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用 | 提出了多视图特征提取模块、多尺度子图融合机制以及基于注意力的多视图特征融合机制 | 未明确提及 | 提高药物组合副作用预测的准确性 | 药物组合及其副作用 | 机器学习 | NA | NA | 深度学习模型 | 文本（SMILES）、三维构象、分子指纹 | 多个公开数据集及自收集数据集 | NA | ComNet | 准确性 | NA |
| 139 | 2026-06-15 |
Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture
2025-01-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02014
PMID:39780656
|
研究论文 | 探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化和模型架构之间的相互作用 | 系统分析了目标定义（生成能 vs 原子化能/焓）、特征化方法选择以及模型架构修改对预测精度的相对重要性，并发现分子级预测优于原子级增量预测 | 未明确说明 | 研究基于图的深度学习模型在热力学性质预测中的关键影响因素，以开发更通用的预测架构 | 五个具有不同元素组成、多样性、电荷状态和大小的数据集 | 机器学习 | NA | 基于图的深度学习 | 图神经网络 | 数值数据（热力学性质） | 五个数据集，具体数量未明确 | NA | 多种图神经网络架构 | 准确度 | NA |
| 140 | 2026-06-15 |
Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions
2025-01-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01732
PMID:39786356
|
研究论文 | 利用XGBoost模型结合色谱条件预测蛋白降解靶向嵌合体（PROTACs）的保留时间 | 首次系统比较多种机器学习算法和深度学习模型预测PROTACs保留时间，并提出优化的XGBoost模型，结合色谱条件描述符显著提升预测精度 | 仅基于文献数据构建数据集，未涉及大规模实验验证；模型对新色谱条件的泛化能力仍需进一步验证 | 开发快速精准的PROTACs保留时间预测方法，辅助化合物注释和药物设计 | PROTACs化合物 | 机器学习 | NA | 液相色谱-质谱联用, XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络, SHAP可解释性分析 | XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络 | 分子指纹和描述符、色谱条件描述符 | 从文献中收集的PROTACs数据集（具体样本数未明确） | NA | XGBoost, 随机森林, K近邻, 支持向量机, 全连接神经网络 | 决定系数R², 均方根误差RMSE | NA |