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 42795 篇文献，本页显示第 1961 - 1980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1961 | 2026-03-10 |
Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks
2026-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2026.109428
PMID:41740248
|
研究论文 | 本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描图像中的副颏孔，并比较了两种卷积神经网络架构的检测准确性和临床可靠性 | 首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型的可解释性和临床相关性 | 研究仅基于700个具有副颏孔的CBCT扫描和700个正常对照，样本量相对有限，且未在外部数据集上进行验证 | 开发并评估一种基于深度学习的自动检测系统，用于识别锥形束计算机断层扫描图像中的副颏孔，以提高诊断准确性和临床决策效率 | 锥形束计算机断层扫描图像中的副颏孔 | 计算机视觉 | NA | 锥形束计算机断层扫描 | CNN | 图像 | 1400个CBCT扫描（700个具有副颏孔，700个正常对照） | NA | 自定义轻量CNN, ResNet-50 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1962 | 2026-03-10 |
An attention-driven framework for drug repurposing against human metapneumovirus: Integrating predictive modeling with docking validation
2026-Apr, Antiviral research
IF:4.5Q1
DOI:10.1016/j.antiviral.2026.106366
PMID:41763407
|
研究论文 | 本研究提出了一种基于注意力机制的框架，用于预测针对人类偏肺病毒（HMPV）的药物再利用候选物，并通过对接验证进行强化 | 引入了基于注意力机制的机器学习与深度学习方法，结合对接研究，以预测现有药物对HMPV的再利用潜力 | 当样本数量较少时，注意力方法的性能可能受限；预测结果需进一步实验室验证 | 通过计算药物再利用策略，发现针对人类偏肺病毒（HMPV）的潜在治疗药物 | 人类偏肺病毒（HMPV）及其潜在药物候选物，如tilorone和oseltamivir | 机器学习 | 呼吸道病毒感染 | 计算药物再利用，对接研究 | 注意力机制模型 | 药物数据集 | NA | NA | 注意力架构 | NA | NA |
| 1963 | 2026-03-10 |
Developing Evolving Adaptability in Biological Intelligence: A Novel Biologically-Inspired Continual Learning Model for Video Saliency Prediction
2026-Apr, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3643517
PMID:41385441
|
研究论文 | 本文提出了一种受生物启发的持续学习模型，用于视频显著性预测，旨在平衡记忆稳定性与学习可塑性 | 受海马体和果蝇γMB系统启发，设计了视觉显著性记忆库模块和主动遗忘策略，以显式存储旧任务特征并增强对新任务的适应能力 | 未明确说明模型在极端动态场景或大规模任务增量设置下的性能边界 | 解决视频显著性预测任务中的灾难性遗忘问题，并实现记忆稳定性与学习可塑性的更好平衡 | 动态场景中的人类注意力预测 | 计算机视觉 | NA | 持续学习 | 生物启发持续学习模型 | 视频 | 多个基准数据集（未指定具体数量） | NA | BICL（生物启发持续学习模型） | NA | NA |
| 1964 | 2026-03-10 |
IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02548
PMID:41701342
|
研究论文 | 本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段在液相色谱中的保留时间 | 首次将受常微分方程状态演化控制的液态神经网络应用于肽段保留时间预测，并结合了改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性 | 未明确提及模型在不同实验室或色谱系统间的泛化能力，也未讨论对非标准或修饰肽段的预测性能 | 提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性 | 肽段序列及其在反相色谱、强阳离子交换色谱和亲水相互作用色谱中的保留时间 | 机器学习 | NA | 液相色谱-串联质谱 | 液态神经网络 | 序列数据 | NA | NA | ESM-2, ProtT5, 液态神经网络 | R², 平均绝对误差 | NA |
| 1965 | 2026-03-10 |
Polypharmacology Browser PPB3: A Web-Based Deep Learning Tool for Target Prediction Using ChEMBL Data
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.6c00299
PMID:41721463
|
研究论文 | 本文介绍了一个基于深度学习的网络工具PPB3，用于预测药物分子的多药理学靶点 | 使用了比先前模型更大的数据集，包含多种靶点类型，并基于ChEMBL 34数据训练深度神经网络 | NA | 开发一个基于网络的工具，用于预测药物分子的多药理学靶点 | 药物分子及其与生物靶点的相互作用 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 二进制子结构指纹 | 1,187,089个分子与7,546个靶点之间的2,496,555次相互作用 | NA | NA | 召回率, 精确度 | NA |
| 1966 | 2026-03-10 |
PeptideNet: An Integrative Deep Learning Framework for Predicting Diverse Bioactive Peptides Using Protein Language Model Embeddings
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02885
PMID:41731742
|
研究论文 | 本研究提出了一种名为PeptideNet的集成深度学习框架，用于预测多种生物活性肽 | 整合了大型蛋白质语言模型嵌入（如ESM1、ESM2和ProtBert）与物理化学描述符，并开发了结合CNN和BiGRU的混合深度学习模型，以捕获局部序列基序和长程依赖关系 | NA | 加速肽类治疗药物的发现和设计 | 生物活性肽，包括抗病毒、抗菌、抗氧化、抗细胞穿透和抗溶血肽 | 自然语言处理 | NA | 蛋白质语言模型嵌入（ESM1、ESM2、ProtBert）、物理化学描述符 | CNN, BiGRU | 序列数据 | NA | NA | PeptideNet（集成CNN和BiGRU的混合架构） | 准确度 | NA |
| 1967 | 2026-03-10 |
Machine Learning-Assisted Local-to-Global Optimization Strategy for Accelerated Molecular Cluster Structure Prediction
2026-Mar-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02782
PMID:41733999
|
研究论文 | 本文提出了一种机器学习辅助的局部到全局优化策略（LOGOS），用于加速分子簇结构的预测 | 利用深度学习识别局部模式，在分子静电势地形特征空间中预测新的结合位点，实现分层优化 | 仅针对原型（CO）且规模小于30的簇进行了基准测试，未涉及更大或更复杂的分子系统 | 加速分子簇在势能面上的稳定结构预测 | 分子簇结构，特别是原型（CO）的基态簇 | 机器学习 | NA | 分子静电势（MESP）地形分析 | 深度学习 | 分子结构数据 | 原型（CO）簇，规模小于30 | NA | NA | 与文献报道的最小能量结构进行对比验证 | NA |
| 1968 | 2026-03-10 |
Upconversion optical entropy encoding for infrared complex-amplitude imaging
2026-Mar-09, Light, science & applications
DOI:10.1038/s41377-026-02215-7
PMID:41796141
|
研究论文 | 本文提出了一种基于上转换光学熵编码的红外复振幅成像系统，实现了视频速率的高保真成像 | 结合相干与非相干方法的优势，利用无序光子结构中的光散射与镧系元素上转换光致发光的协同作用，通过深度学习网络实现单次可见光快照捕获并重构红外光场信息 | NA | 开发一种实时、高灵敏度的红外复振幅成像系统，以捕获红外场景的完整相位和振幅信息 | 红外光场信息，包括自然场景图像和自动驾驶中的限速标志图像 | 计算机视觉 | NA | 上转换光学熵编码，深度学习网络 | 深度学习网络 | 图像 | NA | NA | NA | 视频速率（25 fps），高保真8位灰度调制，功率检测限（0.2 nW μm） | NA |
| 1969 | 2026-03-10 |
ESR Innovation in Focus: Deep learning in MR image reconstruction
2026-Mar-09, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12427-5
PMID:41796228
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1970 | 2026-03-10 |
Clinical evaluation of a motion correction software based on partial angle reconstruction in coronary CT angiography
2026-Mar-09, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03678-w
PMID:41796268
|
研究论文 | 本研究评估了一种基于部分角度重建的深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影的效果 | 提出了一种基于部分角度重建的深度学习运动校正软件，专门针对心率增快的冠状动脉CT血管造影患者进行运动伪影校正 | 本研究为单中心回顾性研究，样本量较小（62例患者），且仅针对心率>70 bpm的患者，可能无法推广到所有人群 | 评估深度学习运动校正软件在冠状动脉CT血管造影中减少运动伪影、提高图像质量的临床效果 | 心率>70 bpm的冠状动脉CT血管造影患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 62例患者（35例女性），平均心率81.9±13.1 bpm | NA | NA | 5点Likert量表评分，卡方检验，Gwet一致性系数 | NA |
| 1971 | 2026-03-10 |
An adaptive weight self-distillation deep learning framework for phenotype prediction from longitudinal gut microbiome data
2026-Mar-09, BMC microbiology
IF:4.0Q2
DOI:10.1186/s12866-026-04922-y
PMID:41796297
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1972 | 2026-03-10 |
Automatic estimation of single-tooth width from standardized two-dimensional occlusal photographs using deep learning
2026-Mar-09, Head & face medicine
IF:2.4Q2
DOI:10.1186/s13005-026-00605-1
PMID:41796356
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1973 | 2026-03-10 |
Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories
2026-Mar-09, Annals of laboratory medicine
IF:4.0Q1
DOI:10.3343/alm.2025.0509
PMID:41797408
|
研究论文 | 本文开发并评估了一种基于人工智能的两步模型，用于临床实验室中血清质量的自动化评估 | 提出了一种新颖的自研人工智能方法，采用两步深度学习YOLOv5-ResNet-50架构模型，并在真实实验室条件下探索其性能 | NA | 增强临床实验室的分析前质量控制，为受溶血、黄疸或脂血影响的样本提供风险警报，确保患者检测结果的准确性 | 血清样本 | 计算机视觉 | NA | 血清指数测试与手动评估结合 | 深度学习 | 图像 | 主要数据集包含21,000个血清样本（训练集80%，验证集20%），独立测试数据集包含21,000个样本 | NA | YOLOv5, ResNet-50 | 准确率 | 集成到罗氏Cobas c 701模块中进行预处理 |
| 1974 | 2026-03-10 |
Harnessing the Power of artificial intelligence for clinical trials in cancer
2026-Mar-09, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2026.2642221
PMID:41797434
|
综述 | 本文综述了人工智能在癌症临床试验全生命周期中的应用、挑战与未来展望 | 系统总结了AI（包括基础机器学习、深度学习及大语言模型）如何作为催化剂，提升临床试验效率、包容性和数据驱动性，并探讨了Trial Pathfinder、TrialGPT、PRISM等工具在模拟试验标准、加速患者匹配和提高资格准确性方面的能力 | 未涉及具体临床试验数据或模型性能的定量分析，主要基于现有工具和框架的定性讨论 | 探讨人工智能在癌症临床试验中的应用潜力与挑战，以推动更高效、包容和数据驱动的研究 | 癌症临床试验的全生命周期，包括设计、招募、数据管理和结果评估 | 机器学习 | 癌症 | 数字病理学、影像学、基因组测序 | 机器学习, 深度学习, 大语言模型 | 图像, 文本, 基因组数据 | NA | NA | NA | NA | NA |
| 1975 | 2026-03-10 |
Benchmarking a deep learning model against healthcare practitioners for hip fracture detection in the emergency department
2026-Mar-09, Singapore medical journal
IF:1.7Q2
|
研究论文 | 本研究旨在验证一个用于急诊科骨盆X光片中髋部骨折自动检测的深度学习模型，并将其性能与急诊科初级医生和放射技师进行基准比较 | 首次将深度学习模型在髋部骨折检测中的性能与急诊科医疗从业者（包括放射技师和初级医生）进行直接对比，并评估了模型输出对医生诊断决策的辅助效果 | 深度学习模型在原始高分辨率图像上的性能低于放射技师，且未整合多模态临床数据，限制了其临床应用的直接部署 | 验证深度学习模型在急诊科髋部骨折自动检测中的有效性，并评估其相对于医疗从业者的诊断性能 | 骨盆X光片中的髋部骨折 | 计算机视觉 | 髋部骨折 | X光成像 | CNN | 图像 | 600张正面骨盆X光片 | NA | DenseNet-121 | AUROC, AUPRC, 灵敏度, 特异性, 阳性预测值, 阴性预测值 | NA |
| 1976 | 2026-03-10 |
De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning
2026-Mar-09, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202515835
PMID:41801219
|
研究论文 | 本文提出了一种基于多模态深度学习的抗菌肽设计方法，通过整合三维结构特征和物种特异性抗菌活性，实现多机制抗菌肽的从头设计 | 首次将三维结构特征、微生物物种特异性抗菌活性和作用机制整合到AI驱动的抗菌肽发现中，并开发了创新的三维体素着色方法来增强结构表征 | 未明确说明数据库覆盖的抗菌肽多样性是否足够广泛，且体内实验的样本规模和长期毒性评估可能有限 | 开发一种AI驱动的抗菌肽设计方法，以对抗多重耐药微生物 | 抗菌肽（AMPs）及其对多重耐药微生物的抗菌活性 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 序列、三维结构、抗菌特性数据 | 12,914个抗菌肽 | NA | NA | NA | NA |
| 1977 | 2026-03-10 |
Deep learning-enhanced shoreline dynamics and vulnerability assessment in Niger Delta area of Nigeria
2026-Mar-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-39405-7
PMID:41796127
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1978 | 2026-03-10 |
BigEye: a clinically interpretable deep learning framework for diabetic retinopathy detection and stage prediction
2026-Mar-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43573-x
PMID:41796249
|
研究论文 | 本文提出了一个名为BigEye的临床可解释深度学习框架，用于糖尿病视网膜病变的检测和分期预测 | 提出了一种新颖的框架，利用提取的病灶特征来预测ICDR分期，并通过SHAP值分析展示了模型预测与临床分期标准的高度一致性，增强了结果的可解释性 | 未明确提及研究的局限性 | 开发一个能够识别相关视网膜病灶并提供可解释结果的深度学习模型，以应对未来糖尿病视网膜病变病例的预期增长 | 糖尿病视网膜病变 | 数字病理 | 糖尿病视网膜病变 | 眼底照相 | CNN | 图像 | 来自当地医院和公共数据集的眼底图像，标注有分割掩码和DR分期 | NA | DeepLabV3+ | 精确度, 召回率, F1分数, ROC-AUC, 准确度 | NA |
| 1979 | 2026-03-10 |
Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain
2026-Mar-08, Human gene therapy
IF:3.9Q2
DOI:10.1177/10430342261427733
PMID:41797378
|
研究论文 | 本研究比较了AAV-TT和AAV9在非人灵长类动物大脑中的生物分布和神经元转导效率 | 首次在成年非人灵长类动物大脑中直接比较AAV-TT和AAV9的分布和转导效率，展示了AAV-TT在神经退行性疾病建模和治疗中的潜力 | 研究仅涉及四只非人灵长类动物，样本量较小，且仅观察了注射后四周的短期效果 | 评估AAV-TT在非人灵长类动物大脑中的临床潜力，并与AAV9进行比较 | 非人灵长类动物（具体为年轻成年个体）的大脑 | 数字病理学 | 神经退行性疾病 | 腺相关病毒（AAV）载体递送、绿色荧光蛋白（GFP）表达、深度学习图像分析 | 深度学习 | 图像 | 四只非人灵长类动物（两只接受AAV-TT-GFP，两只接受AAV9-GFP） | Aiforia | NA | GFP+神经元数量量化 | NA |
| 1980 | 2026-03-10 |
Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework
2026-Mar-08, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70137
PMID:41797365
|
研究论文 | 本文提出了一种新颖的深度学习框架，用于实现多模态细胞显微图像的准确高效分割，无需手动参数调整或算法切换 | 通过加权双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）机制，解决了多模态细胞显微图像分割中的漏检、图像退化和特征利用不足等问题 | NA | 提高多模态细胞显微图像的分割精度，以支持高内涵成像与分析（HCIA）技术的精确结果 | 多模态细胞显微图像 | 计算机视觉 | NA | 显微成像 | 深度学习框架 | 图像 | NA | NA | 加权双向特征金字塔网络（BiFPN），频率感知特征融合（FreqFusion），混合局部通道注意力（MLCA） | 平均精度，细胞检测率，分割速度（FPS） | NA |