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 49768 篇文献，本页显示第 1641 - 1660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 2026-09-18 |
Robustness of deep learning-based denoising 4DCBCT methods
2026-Sep-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/aea8c6
PMID:42748962
|
研究论文 | 本研究评估了深度学习4DCBCT去噪方法在患者呼吸周期变化下的鲁棒性，并提出了新的评估指标PSG | 提出了一种新的无参考评估指标Power Spectral Gradient (PSG)，用于量化4DCBCT中的视图混叠伪影；系统性地分析了呼吸周期变化对深度学习去噪模型鲁棒性的影响 | 研究仅评估了监督和自监督可扩展深度学习方法，未涵盖其他类型的深度学习模型；PSG指标的普适性需要进一步验证 | 研究当患者呼吸周期变化影响训练数据中的噪声模式时，深度学习4DCBCT去噪方法的鲁棒性和性能 | 328名患者的4D锥形束CT扫描数据 | 计算机视觉 | 肺癌 | 4D锥形束计算机断层扫描(4DCBCT) | 深度学习 | 图像 | 328名患者的4DCBCT扫描数据 | NA | UNet | PSNR, PSG | NA |
| 1642 | 2026-09-18 |
Methodological considerations on opportunistic screening for osteoporosis using chest X-rays and deep learning
2026-Sep-16, Bone
IF:3.5Q2
DOI:10.1016/j.bone.2026.118094
PMID:42749106
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1643 | 2026-09-18 |
Tumor-homing peptides in precision oncology: Mechanisms, design and recent advances
2026-Sep-16, Journal of controlled release : official journal of the Controlled Release Society
IF:10.5Q1
DOI:10.1016/j.jconrel.2026.115360
PMID:42749136
|
综述 | 本文综述了肿瘤归巢肽在精准肿瘤学中的机制、设计及最新进展，涵盖从噬菌体展示到深度学习的设计方法，并分析了其临床转化现状 | 系统总结了肿瘤归巢肽从传统发现到深度学习驱动设计的演变，并深入分析了主要内化途径及临床转化案例 | 未提及具体实验数据或模型性能，缺乏对所述设计方法计算细节的深入讨论 | 探讨肿瘤归巢肽作为药物递送载体的机制、设计策略及临床应用前景 | 肿瘤归巢肽及其在精准肿瘤学中的应用 | 精准肿瘤学 | 胰腺癌 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1644 | 2026-09-18 |
Radiographic Classification of Low-Energy Distal Radius Fracture Status Using Automated Hand Segmentation
2026-Sep-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-02264-9
PMID:42749875
|
研究论文 | 本文提出了一种基于手部X光片的低能量桡骨远端骨折分类框架，通过自动手部分割和深度学习模型实现骨折与非骨折的区分。 | 结合自动手部关键点检测和分割进行预处理，并采用迁移学习微调多种预训练网络架构，实现了高精度的骨折分类。 | 未明确提及，可能包括数据集的泛化能力、样本量限制或临床验证的不足。 | 开发一种自动化的放射学分类框架，利用手和腕部X光片区分低能量桡骨远端骨折与非骨折对照。 | 手和腕部X光片图像。 | 计算机视觉, 医学图像分析 | 桡骨远端骨折, 骨质疏松 | 手部关键点检测, 图像预处理, 迁移学习 | CNN | 图像 | NA | NA | VGG-16, ResNet-18 | 准确率, AUC | NA |
| 1645 | 2026-09-18 |
MMBCFNet: multi modal hybrid deep learning framework for breast cancer detection using MRI, mammography, and ultrasound images
2026-Sep-16, Journal of ultrasound
IF:1.3Q3
DOI:10.1007/s40477-026-01194-0
PMID:42749987
|
研究论文 | 本文提出了一种多模态混合深度学习框架MMBCFNet，结合MRI、乳腺X线和超声图像进行乳腺癌检测 | 提出了一种新颖的多模态深度学习框架，结合模态特定的混合模型和基于注意力的特征融合方法，有效利用多种成像模态的互补信息 | 未提及 | 提高乳腺癌诊断的准确性和患者预后 | 乳腺癌 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN, Transformer | 图像 | 未提及 | 未提及 | 3D DenseNet, Swin Transformer, ResNet, EfficientNet, MobileNetV3, ResNeXt | 准确率, 精确率, 灵敏度, 特异度, MCC | 未提及 |
| 1646 | 2026-09-18 |
Deep Learning-Powered Plasmonic Platform for Decoding Dynamic Protein Aggregation Landscapes in Parkinson's Disease Progression
2026-Sep-16, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.74985
PMID:42750405
|
研究论文 | 本文介绍了一种名为PANDA的等离子体纳米技术系统，结合深度神经网络，用于分析帕金森病患者血清中α-突触核蛋白聚集体的尺寸分布，以实现疾病分期 | 将等离子体纳米技术与深度学习相结合，通过免疫金簇的散射特征解码蛋白质聚集的亚分子结构，并首次揭示了帕金森病进展中“寡聚体到纤维”的病理生理转变 | 未明确提及样本量、计算资源等具体细节，可能受限于血清样本的异质性和临床验证的规模 | 开发一种非侵入性、人工智能增强的分子诊断框架，用于帕金森病的早期诊断和分期 | 人类血清样本中的α-突触核蛋白聚集体 | 数字病理学 | 帕金森病 | 等离子体纳米技术、免疫金聚类、深度神经网络 | 深度神经网络 | 图像/散射信号 | NA | NA | NA | 准确率、相关系数 | NA |
| 1647 | 2026-09-18 |
Multimodal AI and single-cell transcriptomics integrate to construct a histopathological prognostic model for bladder cancer, revealing the RTN3-glycolysis axis in chemoresistance
2026-Sep-15, Experimental hematology & oncology
IF:9.4Q1
DOI:10.1186/s40164-026-00825-w
PMID:42745263
|
研究论文 | 本研究整合单细胞转录组学与多模态人工智能，构建膀胱癌组织病理学预后模型，并揭示RTN3-糖酵解轴在化疗耐药中的作用 | 结合单细胞CNV异质性与常规H&E病理图像构建多模态AI预后模型，首次发现RTN3通过JAK2/STAT3通路调控糖酵解介导吉西他滨耐药 | 摘要中未明确提及研究局限性 | 构建膀胱癌组织病理学预后模型并阐明化疗耐药机制 | 膀胱癌患者单细胞RNA测序数据和H&E染色病理切片 | 数字病理学 | 膀胱癌 | 单细胞RNA测序, inferCNV, 深度学习, 图像分析, 多组学分析, 体外和体内功能实验 | 多模态人工智能模型, 深度学习 | 图像, 文本（基因表达数据） | 6个公共单细胞RNA测序数据集 | NA | NA | 生存预测（具体指标未明确） | NA |
| 1648 | 2026-09-18 |
Optimized efficient channel attention-based ShuffleNet framework for EEG graph-based brain topology modeling in motor imagery tasks
2026-Sep-15, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110910
PMID:42744108
|
研究论文 | 提出了一种基于优化的有效通道注意力ShuffleNet框架，用于运动想象任务中基于EEG图的脑拓扑建模，以提高分类准确率 | 结合了有效通道注意力机制的ShuffleNet轻量级卷积神经网络，并使用自改进红熊猫优化算法对超参数进行微调，同时引入混合加权节点中心性拓扑特征 | 未明确提及 | 提高运动想象信号的分类准确率 | EEG信号、脑区交互图、运动想象任务 | 机器学习 | NA | EEG | CNN | 图、信号 | NA | NA | ShuffleNet、有效通道注意力 | 准确率、平均准确率、中位数准确率、最大准确率 | NA |
| 1649 | 2026-09-18 |
Application of machine learning methods for phenols degradation by Fe-based catalytic Fenton-like process
2026-Sep-15, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2026.125686
PMID:42744176
|
研究论文 | 基于文献数据构建综合数据集，开发机器学习模型预测Fe基催化类Fenton体系中酚类去除效率，并进行可解释性分析 | 构建了包含酚类性质、Fe基催化剂组成与结构、水基质和反应条件的综合数据集；通过分组嵌套交叉验证比较多种机器学习和深度学习模型在不同泛化场景下的预测性能；集成SHAP、PFI和VIF分析揭示关键影响因素 | 未明确说明数据集的规模限制以及模型在未见过的新催化剂体系上的泛化能力 | 开发准确的机器学习预测模型，克服经验模型的局限性，为复杂操作条件下Fe基纳米复合材料在类Fenton体系中的性能预测提供可靠技术支持 | Fe基催化类Fenton体系中酚类污染物的降解 | 机器学习 | NA | NA | LSTM, 随机森林, 极端梯度提升 | 文本, 数值 | NA | NA | 长短期记忆网络, 随机森林, 极端梯度提升 | R（决定系数） | NA |
| 1650 | 2026-09-18 |
Biasing Conformational Sampling in AlphaFold 3 and Boltz-2 via Pair Representation Scaling
2026-Sep-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c02094
PMID:42734519
|
研究论文 | 本文提出了一种名为“配对表示缩放”（pair representation scaling）的推理时方法，通过对扩散式结构预测器（AlphaFold 3和Boltz-2）的潜在配对表示乘以一个标量来偏置构象采样，从而拓宽构象集合并恢复默认推理遗漏的替代状态 | 首次提出无需重新训练、无需辅助模型或第二次前向传播的推理时方法，通过缩放配对表示来偏置基于扩散的结构预测器的构象采样，且方法具有可解释性和低成本 | 未明确讨论缩放方法对单个构象精度的潜在影响，也未验证其在更多类型蛋白质或更大规模数据集上的泛化能力 | 开发一种简单有效的推理时方法，以控制深度学习结构预测器生成的构象集合，使其能够采样到功能相关的替代构象状态 | 86个双态蛋白质靶标，涵盖结构域运动和膜转运蛋白 | 计算生物学、结构生物信息学 | NA | 深度学习蛋白质结构预测、扩散模型采样 | 扩散模型 | 蛋白质序列和结构数据 | 86个双态蛋白质靶标 | NA | AlphaFold 3, Boltz-2 | 替代状态恢复率、预测距离分布与实验观测的吻合度 | NA |
| 1651 | 2026-09-18 |
Targeting BCL-2 through Deep Learning-Based Drug Repurposing: A Multimodal Approach Combining Diffusion-Based Generative Modeling, Neural Relational Inference, and In Vitro Validation
2026-Sep-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c01299
PMID:42734502
|
研究论文 | 该研究提出了一种多模态的BCL-2药物重定位工作流程，结合扩散生成模型进行配体-蛋白复合物生成，并扩展神经关系推断（NRI）框架对蛋白-配体轨迹进行动态相互作用分析，最终通过体外实验验证了Relugolix作为BCL-2抑制剂的活性 | 将扩散生成模型（NeuralPlexer）与扩展的神经关系推断（NRI）框架相结合，用于大规模生成BCL-2-配体复合物结构并进行轨迹层面的动态相互作用分析，首次将NRI应用于蛋白-配体轨迹以量化残基-配体及残基-残基动态耦合，发现Relugolix具有与Venetoclax相似的相互作用模式 | 体外验证仅限于TR-FRET结合实验和LN-18胶质瘤细胞活力检测，缺乏动物体内实验验证；生成的1294个复合物中仅部分进行了深入评估，筛选覆盖范围可能有限；NRI扩展框架在蛋白-配体轨迹上的适用性和泛化能力仍需进一步验证 | 通过深度学习方法进行BCL-2靶向药物重定位，结合生成式建模和动态推断识别可重定位的BCL-2配体，并通过体外实验验证候选药物的BCL-2抑制活性 | 3094种FDA已批准药物与BCL-2蛋白的相互作用，重点关注候选化合物Relugolix与BCL-2的结合，参照抑制剂为Venetoclax | 机器学习, 计算生物学, 药物发现 | 肿瘤, 胶质瘤 | 扩散生成建模, 神经关系推断（NRI）, 分子对接, 分子动力学（MD）模拟, MM/GBSA结合自由能计算, 抗癌QSAR分类, TR-FRET实验, 体外细胞活力检测 | 扩散模型, 图神经网络（NRI） | 分子结构数据, 分子动力学轨迹数据, 图像（复合物结构）, 文本（药物库信息） | 3094种FDA已批准药物，生成1294个结构可接受的BCL-2-配体复合物，体外实验使用LN-18胶质瘤细胞系 | NA | NeuralPlexer（扩散生成模型）, 神经关系推断（NRI） | IC50, 结合自由能（MM/GBSA）, 分子对接评分, QSAR分类性能 | NA |
| 1652 | 2026-09-18 |
Refining the functional dynamics of deoxynivalenol in wheat Fusarium head blight via MALDI-TOF-MSI and deep learning
2026-Sep-13, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.151138
PMID:42748678
|
研究论文 | 该研究建立了基于MALDI-TOF-MSI的工作流程，结合深度学习实现小麦中脱氧雪腐镰刀菌烯醇（DON）的原位可视化，并揭示其在小麦赤霉病中的功能动态 | 首次以1,6-二苯基-1,3,5-己三烯（DPH）作为最佳基质，在负离子模式下实现DON的准确检测；结合深度学习辅助3D成像，全面揭示DON在小麦中的分布模式；解决了DON作为毒力因子在胚芽鞘中的争议，并绘制了其在穗轴中的转运模式 | 摘要中未明确提及研究局限性 | 建立系统性的MALDI-TOF-MSI工作流程，实现小麦中DON的非靶向、组织尺度原位可视化，并阐明DON在小麦赤霉病中的功能动态 | 小麦籽粒及禾谷镰刀菌（Fusarium graminearum）感染的小麦赤霉病组织 | 数字病理学 | 小麦赤霉病 | MALDI-TOF-MSI（基质辅助激光解吸电离飞行时间质谱成像），深度学习辅助3D成像 | 深度学习 | 质谱成像数据，图像 | NA | NA | NA | NA | NA |
| 1653 | 2026-09-18 |
Antibody CDR-H3 loop flexibility: Insights from X-ray crystallography, structural bioinformatics, and the limits of current deep learning methods
2026-Sep-12, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2026.108368
PMID:42731718
|
研究论文 | 结合X射线晶体学、结构生物信息学和深度学习研究抗体CDR-H3环的构象柔性 | 通过实验与计算方法的协同结合，揭示抗FGFR4抗体CDR-H3环的构象变化，并证明深度学习在柔性区域的局限性 | 深度学习在预测柔性区域如CDR-H3环时仍存在困难 | 研究抗体CDR-H3环的构象柔性并评估计算方法 | 抗FGFR4抗体的CDR-H3环 | 结构生物信息学 | NA | X射线晶体学，分子模拟，深度学习 | 深度学习 | 结构数据 | 一个抗体 | NA | NA | NA | NA |
| 1654 | 2026-09-18 |
Spectral CTPA-based multi-modal deep learning model for acute pulmonary embolism detection and segmentation
2026-Sep-12, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.113248
PMID:42748598
|
研究论文 | 开发基于光谱CTPA的多模态深度学习模型，用于急性肺栓塞的自动检测和分割 | 首次将光谱CTPA的CTPA和碘密度图进行多模态融合，用于急性肺栓塞的检测和分割，提高了外周栓塞的召回率 | 患者级检测相比单模态CTPA的优势未达到统计学显著性，需要进一步的前瞻性研究验证 | 开发基于光谱CTPA的多模态深度学习模型，实现急性肺栓塞的自动检测和分割 | 526名接受光谱CTPA检查的参与者（其中126名患有急性肺栓塞） | 医学图像分析 | 肺栓塞 | 光谱CTPA | 多模态深度学习模型 | 图像 | 526名参与者（126名急性肺栓塞患者），分为训练集、验证集、内部测试集和外部测试集 | NA | NA | Dice相似系数, AUC, 召回率 | NA |
| 1655 | 2026-09-18 |
Beyond the field of view: Radiomics and artificial intelligence for organ-specific and systemic disease prediction from localized medical imaging
2026-Sep-12, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2026.103535
PMID:42748665
|
综述 | 本文综述了放射组学和人工智能在局部医学影像中用于器官特异性和全身性疾病预测的最新进展 | 从局部影像中挖掘反映全身性或远处疾病过程的定量影像生物标志物，突破原始视野的限制 | 影像变异性、泛化性有限、混杂因素、可重复性、可解释性、伦理问题以及缺乏前瞻性验证 | 总结放射组学和人工智能在局部医学影像中用于器官特异性和全身性疾病预测的研究进展 | 腹部CT、胸部CT、乳腺X线摄影、脑部MRI和视网膜影像等局部医学影像 | 医学影像人工智能 | 神经系统疾病、肿瘤、心血管代谢疾病、生物衰老 | 放射组学、机器学习、深度学习 | 机器学习和深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |
| 1656 | 2026-09-18 |
Adaptive spatiotemporal deep learning with transfer learning for multi-well concentration prediction in in-situ leaching aquifers
2026-Sep-11, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2026.105116
PMID:42748572
|
研究论文 | 本文提出了一种结合迁移学习的轻量级CNN-LSTM模型，用于多井抽水系统中铀浓度的短期高精度预测 | 提出了一个少于1000个权重的轻量级CNN-LSTM模型，结合迁移学习，仅需120对历史观测数据即可稳健训练；发现自适应微调LSTM层权重比仅更新CNN层权重能更好地预测铀浓度，表明时间动态（如时变抽水速率和渐进铀矿耗竭）在控制系统响应变化中起主导作用 | 模型性能随预测时间增加而下降，当仅依赖预训练权重时；未明确讨论更长预测时间范围或其他地质条件的适用性 | 实现在复杂水文地质条件和有限观测数据下，多井抽水系统动态的短期高精度预测，以支持地下水相关操作的实时管理 | 中国某原位铀浸采矿含水层中的多井抽水系统，包括42口抽水井和20口提取井 | 机器学习 | NA | NA | CNN, LSTM | 时间序列数据 | 120对历史观测数据，来自42口抽水井和20口提取井 | NA | CNN-LSTM | 预测精度 | NA |
| 1657 | 2026-09-18 |
Connecting Preschoolers' Spontaneous Speech Patterns to Future Language Skills: A 3-Year Concurrent and Longitudinal Cohort Study of Canonical Proportion as a Developmental Index
2026-Sep-10, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2026_JSLHR-25-00938
PMID:42560704
|
研究论文 | 本研究通过自动化分析学龄前儿童自然语音录音中的规范音节比例，探究其与未来语言技能的并发及纵向关联 | 首次将深度学习语音分类方法应用于自然场景下儿童语音录音，计算规范音节比例，并验证其作为2至5岁儿童语言发展轨迹指标的可行性 | 规范音节比例仅提供中等程度的预测效力，对元语音技能的关联较弱，且未完全替代传统实验室评估 | 探究自动化分析自然场景下儿童为中心的音频录音能否反映2至5岁儿童语音语言能力的发展轨迹 | 155名学龄前儿童，从2岁追踪至5岁 | 自然语言处理 | NA | 深度学习语音分类 | 深度学习分类模型 | 音频 | 155名学龄前儿童，纵向追踪2至5岁 | NA | NA | NA | NA |
| 1658 | 2026-09-18 |
Leveraging neural network models for drug repurposing: a case study on cardiac hypertrophy
2026-09-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-68286-z
PMID:42722777
|
研究论文 | 本研究基于深度学习的人类转录组机制，通过训练前馈神经网络模型，利用基因表达数据识别现有药物的新治疗潜力，并以心脏肥大为案例进行研究 | 提出了一种基于深度学习人类转录组机制的系统性识别现有药物额外治疗潜力的新方法，能够编码超出已知基因集之外的疾病相关基因，展示了对疾病关联的泛化能力 | 研究仅以心脏肥大一个案例进行验证，模型的普适性和可推广性有待在更多疾病类型中进一步验证 | 探索基于深度学习的人类转录组机制方法，系统性地识别现有药物的新治疗用途，加速药物重定位进程 | 心脏肥大疾病相关的基因表达数据以及DrugBank中的药物化合物 | 机器学习 | 心血管疾病 | 转录组分析，基因表达谱分析，深度学习 | 前馈神经网络 | 基因表达数据（转录组数据） | ARCHS4汇编的人类基因表达数据集，以及干细胞衍生的体外心脏肥大模型（Endothelin-1刺激） | NA | 复合前馈神经网络 | NA | NA |
| 1659 | 2026-09-18 |
Retraction notice to "Deep learning as a bridge between intercultural sensitivity and learning outcomes: A comparative study of English-medium instruction delivery modes in Chinese higher education" [Acta Psychol. 259 (2025) 105410]
2026-09-08, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2026.107774
PMID:42711234
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1660 | 2026-09-18 |
Editorial Commentary: Calling Balls and Strikes: For Artificial Intelligence Models to Accurately Predict Rotator Cuff Retear, We Must Carefully Define the Strike Zone
2026-Sep-06, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1002/arj.70483
PMID:42701888
|
评论 | 本文是一篇关于人工智能模型预测肩袖再撕裂的编辑评论，强调了定义预测标准的重要性。 | 强调了在人工智能模型预测肩袖再撕裂时，需要仔细定义预测标准，并讨论了迁移学习和深度学习在提高预测准确性方面的潜力。 | 未提及具体的实验或数据，主要是一篇观点性评论。 | 探讨人工智能模型在预测肩袖再撕裂中的应用，并强调定义预测标准的重要性。 | 肩袖再撕裂预测。 | 医学影像分析 | 肩袖损伤 | 迁移学习、深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |