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 50073 篇文献，本页显示第 14061 - 14080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14061 | 2026-03-09 |
BioLM-NET: an interpretable deep learning model combining prior biological knowledge and contextual LLM gene embeddings on multi-omics data to predict disease
2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
DOI:10.1142/9789819824755_0047
PMID:41758175
|
研究论文 | 本文提出了一种结合先验生物学知识和上下文LLM基因嵌入的深度学习模型BioLM-NET，用于多组学数据预测疾病 | BioLM-NET首次融合了蛋白质-蛋白质相互作用(PPI)和蛋白质-DNA相互作用(PDI)先验知识，并引入基于注意力的通路层整合预训练大语言模型生成的上下文特异性基因嵌入 | 未明确说明模型的计算复杂度、训练时间或在小样本数据集上的泛化能力 | 开发一个可解释的深度学习模型，利用多组学数据和生物学先验知识预测疾病类型 | 结直肠癌单细胞数据、TCGA乳腺癌、胶质母细胞瘤、结肠癌数据以及ROSMAP阿尔茨海默病数据 | 机器学习 | 结直肠癌, 乳腺癌, 胶质母细胞瘤, 阿尔茨海默病 | 单细胞基因表达测序, DNA甲基化测序 | 深度学习, 注意力机制 | 基因表达数据, DNA甲基化数据 | scTrioseq2平台结直肠癌单细胞数据、TCGA-BRCA、TCGA-GBM、TCGA-COAD数据集及ROSMAP阿尔茨海默病数据 | NA | BioLM-NET, P-NET, PASNet, Dense neural network | 统计显著性 | NA |
| 14062 | 2026-03-09 |
Deep Learning-based Classification of Patients with Postural Orthostatic Tachycardia Syndrome using Wearable ECG and Accelerometer Data
2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
DOI:10.1142/9789819824755_0050
PMID:41758178
|
研究论文 | 本研究利用可穿戴设备收集的ECG和加速度计数据，通过深度学习模型对体位性心动过速综合征患者进行分类 | 首次使用可穿戴设备在日常生活场景中连续收集生理数据，并基于深度学习模型对POTS患者进行分类，克服了传统临床测试的限制 | 样本量较小（66名患者和20名对照），未来需要在更大、更多样化的临床条件下进行验证 | 开发一种基于可穿戴设备和深度学习的POTS诊断辅助工具 | 体位性心动过速综合征患者和健康对照者 | 机器学习 | 心血管疾病 | 可穿戴设备数据采集（ECG和加速度计） | 深度学习模型 | ECG信号和加速度计数据 | 66名POTS患者和20名健康对照者 | NA | NA | NA | NA |
| 14063 | 2026-03-09 |
Hybrid lightweight vision transformers with attention mechanism for feature extraction and classification of product designs
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343510
PMID:41774737
|
研究论文 | 本研究提出了一种名为LeViT的混合轻量级视觉Transformer架构，用于产品包装设计的特征提取与分类 | 提出了一种结合卷积神经网络与视觉Transformer的混合架构，能够同时学习局部视觉细节和全局上下文特征，在保持计算效率的同时改进了特征表示 | 未在摘要中明确说明 | 解决传统深度学习模型在复杂视觉任务（如包装分类）中难以捕捉长距离关系和全局视觉上下文的问题 | 产品包装设计图像 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | 未在摘要中明确说明 | NA | LeViT, ResNet-50, RegNet, ConvNeXt | 分类准确率 | 未在摘要中明确说明 |
| 14064 | 2026-03-09 |
Scalable and objective wound infection screening from clinical images using deep learning
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1772514
PMID:41778136
|
研究论文 | 本研究开发并评估了一种基于深度学习的框架，用于从临床伤口图像中自动检测伤口感染，旨在提高诊断一致性并支持公共卫生导向的伤口管理 | 首次将Swin Transformer架构应用于临床伤口图像进行感染检测，相比传统卷积神经网络表现出更优性能，并展示了在资源有限或非专科临床环境中的可扩展性和客观性 | 研究未明确提及数据集的多样性限制（如伤口类型、肤色或光照条件的变化），也未讨论模型在不同医疗设备或拍摄条件下的泛化能力 | 开发一种可扩展、客观的伤口感染筛查工具，以改善诊断一致性并支持公共卫生管理 | 临床伤口图像 | 计算机视觉 | 伤口感染 | 深度学习 | Swin Transformer, CNN | 图像 | 4000张多样化的临床伤口图像 | NA | Swin Transformer, 传统卷积神经网络 | 准确率, AUC, F1分数 | NA |
| 14065 | 2026-03-09 |
Enhancing InceptionResNet to Diagnose COVID-19 from Medical Images
2026, Current medicinal chemistry
IF:3.5Q2
|
研究论文 | 本研究提出了一种改进的InceptionResNet模型（Enhanced InceptionResNet），用于从胸部X光图像中诊断COVID-19 | 改进了InceptionResNet模型，通过引入深度可分离卷积来增强特征提取效率并减少计算资源消耗 | 计算需求较高，且在区分正常与肺炎病例方面仍有提升空间 | 开发一种高效的深度学习模型，用于从医学图像中诊断COVID-19 | 胸部X光图像 | 计算机视觉 | COVID-19 | X光成像 | CNN | 图像 | 2600张X光图像 | NA | ResNet, InceptionResNet, Enhanced InceptionResNet | 准确率, 召回率, 精确率, F1分数, ROC-AUC, 损失值, 混淆矩阵分析 | NA |
| 14066 | 2026-03-09 |
MLGT: A multimodal graph attention network for virtual screening of anti-Uveitis drugs
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343159
PMID:41785238
|
研究论文 | 本文提出了一种名为MLGT的多模态图注意力网络，用于抗葡萄膜炎药物的虚拟筛选 | 提出了一种基于GATv2的新型图注意力网络，首次在统一深度学习框架中协同整合分子图拓扑、键属性和物理化学描述符，并采用动态注意力机制捕获非局部原子相互作用以及双流融合模块结合图嵌入与分子描述符 | 未明确说明模型在其他疾病或更大规模数据集上的泛化能力，以及计算资源的具体需求 | 开发一种高效的计算工具，用于靶向葡萄膜炎药物的虚拟筛选，并为复杂疾病的精准药物发现建立可扩展的AI驱动范式 | 葡萄膜炎相关化合物 | 机器学习 | 葡萄膜炎 | 虚拟筛选 | 图注意力网络 | 分子图, 物理化学描述符 | 来自ChEMBL的严格策划的葡萄膜炎相关化合物数据集 | NA | GATv2 | 准确率, F1分数, 召回率, AUC-ROC | NA |
| 14067 | 2026-03-09 |
Investigating the correlation between candidate teachers' acceptance of generative artificial intelligence and artificial intelligence literacy across various disciplines
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342853
PMID:41785261
|
研究论文 | 本研究采用解释性顺序混合方法，调查了不同学科准教师的生成式人工智能接受度与人工智能素养水平之间的相关性及其影响因素 | 首次在准教师群体中系统探讨生成式人工智能接受度与人工智能素养的跨学科比较，并整合定量与定性数据揭示影响因素 | 样本仅来自单一国家或地区的准教师，可能限制结果的普适性；自我报告数据可能存在偏差 | 探究准教师的生成式人工智能接受度与人工智能素养的关系及影响因素 | 723名准教师（定量）和48名准教师（定性） | 自然语言处理 | NA | 问卷调查、半结构化访谈 | NA | 问卷数据、访谈文本 | 723名准教师（定量）、48名准教师（定性） | NA | NA | NA | NA |
| 14068 | 2026-03-09 |
Integrated microwave cavity perturbation sensor for nondestructive estimation of moisture content of grains: A case study on wheat and chickpea
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343435
PMID:41785294
|
研究论文 | 本研究提出了一种低成本、集成式微波腔微扰传感器，用于无损估计小麦和鹰嘴豆的水分含量 | 开发了一种不依赖昂贵矢量网络分析仪的自定义电路系统，并推导出与密度无关的水分含量函数M(Ψ) | 研究仅针对小麦和鹰嘴豆两种谷物进行验证，未涵盖其他谷物种类 | 开发一种用于谷物水分含量无损估计的快速、精确且经济有效的实时监测系统 | 小麦和鹰嘴豆谷物 | 机器学习 | NA | 微波腔微扰传感技术 | Bagging, k-NN, REPTree, 深度学习模型 | 介电特性指标数据 | 未明确说明具体样本数量 | NA | NA | 相关系数(R), 均方根误差(RMSE), 准确率 | NA |
| 14069 | 2026-03-09 |
PAH-former: Transfer learning for efficient discovery of pulmonary arterial hypertension-associated genes
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344084
PMID:41790620
|
研究论文 | 本研究开发了一个名为PAH-former的迁移学习平台，用于从有限的公开单细胞RNA测序数据中高效发现与肺动脉高压相关的基因 | 通过微调Geneformer深度学习模型，创建了专门针对肺动脉高压的PAH-former模型，并利用其进行计算机扰动分析来识别和排序候选基因，为从有限数据中发现疾病相关基因提供了一种新策略 | 研究依赖于公开可用的有限患者样本数据，且体外验证仅在人类肺动脉内皮细胞中进行，未涉及其他细胞类型或体内模型 | 高效识别肺动脉高压的新型功能相关疾病关联基因，以发现新的治疗靶点 | 肺动脉高压患者的单细胞RNA测序数据，以及人类肺动脉内皮细胞 | 机器学习 | 肺动脉高压 | 单细胞RNA测序，RNA干扰介导的敲低 | 深度学习模型 | 基因表达数据 | 未明确说明具体样本数量，但提及数据来源于公开的肺动脉高压患者单细胞RNA测序数据 | NA | Geneformer | NA | NA |
| 14070 | 2026-03-09 |
[Research progress in RNA secondary structure prediction methods]
2025-Dec-26, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.250791
PMID:41755596
|
综述 | 本文综述了RNA二级结构预测的主要计算方法，比较了各类算法的优缺点，并讨论了相关技术在生物医学领域的应用及未来发展方向 | 系统比较了基于能量、多序列、传统机器学习、深度学习以及基于三级结构的RNA二级结构预测方法，并特别关注了在RNA结合蛋白位点识别中的应用 | NA | 回顾RNA二级结构预测方法的研究进展，为相关研究提供重要参考 | RNA二级结构预测方法 | 计算生物学 | NA | 能量方法、多序列方法、传统机器学习、深度学习、基于三级结构的预测方法 | NA | NA | NA | NA | NA | NA | NA |
| 14071 | 2025-03-11 |
A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response
2025-Jun, The American journal of pathology
DOI:10.1016/j.ajpath.2025.02.002
PMID:40056973
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14072 | 2026-03-07 |
Comparing deep learning and classical regression approaches for predicting healthcare expenditure and spending: a systematic review
2026-Dec, Journal of medical economics
IF:2.9Q1
DOI:10.1080/13696998.2026.2630598
PMID:41779998
|
系统综述 | 本研究系统比较了深度学习架构与传统回归及树模型在个体层面医疗成本预测中的表现，特别关注不同数据背景下的性能差异 | 提出了复杂性-性能假说，并系统评估了深度学习在序列丰富的纵向成本预测中的优势，同时明确了传统方法在低维横截面数据中的稳健性 | 证据基于少量（8项）异质性研究，外部或时间验证有限，预测周期短，且对校准、经济可解释性和公平性的评估稀疏，需谨慎解读 | 比较深度学习与传统回归及树模型在医疗支出预测中的性能差异 | 使用真实世界个体层面数据（如理赔、电子健康记录或注册数据）预测成本相关结果的研究 | 机器学习 | NA | NA | LSTM, CNN-LSTM, 回归模型, 树模型 | 结构化数据, 时间序列数据 | NA | NA | LSTM, CNN-LSTM | RMSE, MAE, R2, AUROC | NA |
| 14073 | 2026-03-07 |
Incremental learning approach for semantic segmentation of skin histology images
2026-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31553-6
PMID:41786800
|
研究论文 | 本研究提出了一种增量学习框架，用于增强基于Transformer的深度学习模型在皮肤癌及相关组织结构分割中的泛化能力和鲁棒性 | 采用受生物学启发的增量学习策略，允许模型逐步整合新数据，同时减少灾难性遗忘，并通过集成多个损失函数来适应不同放大倍数级别 | 未明确说明模型在完全未见过的数据分布上的性能表现，且未讨论计算成本或实时应用可行性 | 提升深度学习模型在皮肤癌诊断中的临床实用性，通过增强其对新场景的适应性和可靠性 | 皮肤癌及相关组织结构的图像分割 | 数字病理学 | 皮肤癌 | NA | Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 14074 | 2026-03-07 |
Handwriting to Digital Text Translation Using a Self-Powered Triboelectricity-Induced Piezoelectric Writing Pad through a Deep Learning Algorithm
2026-Mar-06, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c22477
PMID:41789810
|
研究论文 | 本文介绍了一种基于摩擦电诱导压电的书写垫，结合深度学习算法，用于将手写输入转换为数字文本 | 开发了一种自供电的摩擦电诱导压电书写垫，结合深度学习算法实现高精度手写字母识别 | 仅针对四个英文字母进行了测试，样本量较小，且未涉及更复杂的手写体或连续文本 | 研究手写字母到数字文本的转换技术，提升人机交互效率 | 手写英文字母信号 | 机器学习和人机交互 | NA | 摩擦电诱导压电传感和深度学习 | CNN | 时间序列信号和频谱图 | 三名个体手写的四个英文字母信号 | NA | CNN | 分类准确率 | NA |
| 14075 | 2026-03-07 |
HighRelax: Physics-Based Refinement of Deep Learning Protein Predictions with Noncanonical Amino Acids
2026-Mar-06, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01807
PMID:41789985
|
研究论文 | 本文提出了一种名为HighRelax的物理优化方法，用于改进包含非经典氨基酸的深度学习蛋白质结构预测结果 | 扩展了AMBER力场以覆盖139种非经典氨基酸，并开发了与AlphaFold3等先进模型兼容的增强型Amber-relax协议，能够处理含非经典氨基酸和环肽的复杂系统 | 未明确说明方法对特定类型非经典氨基酸或极端结构情况的适用性限制 | 解决非经典氨基酸在蛋白质结构预测中产生的立体冲突、手性违规和几何扭曲问题 | 包含非经典氨基酸的蛋白质和肽类结构 | 计算生物学 | NA | 分子动力学模拟，力场参数化 | 物理优化方法 | 3D蛋白质结构 | NA | AMBER | HighRelax（基于Amber-relax的增强协议） | 立体冲突减少，手性恢复，结构质量改善 | NA |
| 14076 | 2026-03-07 |
Improving MRI-based differentiation of brain metastasis, glioblastoma, and primary CNS lymphoma using deep learning
2026-Mar-06, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03960-7
PMID:41790161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14077 | 2026-03-07 |
Deep learning-based vessel segmentation in non-contrast black-blood MRI for treated aneurysm follow-up: a comparative study with TOF-MRA and DSA
2026-Mar-06, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03936-7
PMID:41790163
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14078 | 2026-03-07 |
Deep learning-based prediction of 24-2 visual field from fundus photographs in glaucoma
2026-Mar-06, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-026-07141-3
PMID:41790193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14079 | 2026-03-07 |
SpatioFreq: A Deep Learning Framework for Decoding Cellular and Tissue Landscapes Across Organisms Using Spatial Transcriptomics
2026-Mar-06, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00811-6
PMID:41790387
|
研究论文 | 本文提出了一种名为SpatioFreq的深度学习框架，用于通过空间转录组学解码生物体中的细胞和组织景观 | SpatioFreq引入了频率域特征提取和图形自监督对比学习，以捕获空间数据中的细微结构和动态模式，从而提高了空间聚类和细胞类型解卷积的准确性 | 未在摘要中明确提及 | 提高空间转录组学分析的准确性和效率，以揭示细胞在组织内的空间组织和细胞类型分布 | 空间转录组学数据，包括来自不同生物体的细胞和组织样本 | 空间转录组学 | 乳腺癌 | 空间转录组学 | 深度学习 | 空间转录组学数据 | 多个数据集，包括DCIS乳腺癌数据集 | NA | NA | 准确性，效率 | NA |
| 14080 | 2026-03-07 |
Integrating multimodal intelligence in heart failure: AI-driven risk prediction, precision diagnosis, phenotyping, personalized treatment, and prognosis
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000004000
PMID:41782204
|
综述 | 本文系统总结了人工智能在心力衰竭管理中多领域应用的最新进展，并讨论了临床实施的关键挑战与未来方向 | 整合多模态数据（如电子健康记录和医学影像）的AI模型，为心力衰竭的风险预测、表型分型、诊断、治疗和预后提供了新见解 | 模型选择、泛化能力、可解释性以及在真实世界环境中可靠性有限等挑战，阻碍了AI在临床实践中的可靠实施 | 探讨人工智能技术在心力衰竭管理中的应用，以改善患者生活质量 | 心力衰竭患者 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习, 大语言模型 | 电子健康记录, 医学影像 | NA | NA | NA | NA | NA |