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 1451 篇文献，本页显示第 1061 - 1080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2026-02-16 |
Beyond handcrafted radiomics in oncologic imaging: Innovations in deep, explainable, multi-site and multi-omics radiomics approaches
2026-Feb-13, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2026.02.001
PMID:41690886
|
综述 | 本文综述了肿瘤影像组学领域从手工特征提取向深度、可解释、多病灶及多组学整合方法演进的主要概念、创新及挑战 | 系统阐述了影像组学从传统手工特征向深度学习、多病灶整合、多中心协调及多组学融合的范式转变，并强调了可解释人工智能方法在提升临床可信度中的互补作用 | 指出领域仍面临混杂因素、公共数据集有限、多中心变异性、报告不一致以及缺乏前瞻性临床试验等关键挑战 | 定义并阐明肿瘤影像组学领域的主要方法学和概念演进，总结当前创新方向，并识别临床转化前需解决的挑战 | 肿瘤影像组学方法及其在捕捉肿瘤表型、微环境和生物学特征中的应用 | 医学影像分析 | 肿瘤 | 影像组学，多组学整合（基因组学、转录组学、免疫组学） | CNN, 自编码器, 视觉Transformer, 掩码图像建模 | 医学影像，基因组数据，转录组数据，免疫组数据，临床数据 | NA | NA | 卷积神经网络，自编码器，视觉Transformer，掩码图像建模，基于注意力的多实例学习 | NA | NA |
| 1062 | 2026-02-16 |
A deep residual 1D-CNN with self-attention for fraud transaction detection in virtual economies
2026-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37032-w
PMID:41673112
|
研究论文 | 本文提出了一种结合残差连接和自注意力机制的一维卷积神经网络模型，用于元宇宙金融交易的实时异常检测和风险分类 | 首次将残差连接和自注意力机制集成到1D-CNN中，专门针对元宇宙交易数据进行优化，并通过引入受控噪声的消融研究验证模型鲁棒性 | 完美性能评分可能源于数据过于干净或可预测，模型在现实世界不确定性和不完美数据中的表现仍需进一步验证 | 开发适用于元宇宙金融交易的实时欺诈检测和风险分类系统 | 元宇宙虚拟经济中的金融交易数据 | 机器学习 | NA | NA | CNN | 交易数据 | Kaggle元宇宙金融基准数据集和信用卡欺诈检测数据集 | NA | 1D-CNN with residual connections and self-attention mechanism | 准确率, 灵敏度, 特异性, ROC曲线 | NA |
| 1063 | 2026-02-16 |
Artificial Intelligence for Exosomal Biomarker Discovery for Cardiovascular Diseases: Multi-Omics Integration, Reproducibility, and Translational Prospects
2026-Feb-05, Cells
IF:5.1Q2
DOI:10.3390/cells15030304
PMID:41677667
|
综述 | 本文综述了人工智能在心血管疾病外泌体生物标志物发现中的应用，重点探讨了多组学整合、可重复性及转化前景 | 通过综合评估AI方法（如集成学习和图神经网络）在外泌体生物标志物发现中的应用，并建立可重复性和转化准备度的明确标准，为外泌体诊断从探索性研究向临床实施提供了实用框架 | 现有研究多为探索性，基于小样本队列（<50例）且外部验证有限，模型可解释性面临挑战 | 推动外泌体生物标志物在心血管疾病诊断中的临床转化 | 外泌体及其他细胞外囊泡（EVs）携带的microRNA、蛋白质和脂质 | 机器学习 | 心血管疾病 | 多组学整合分析 | 集成方法（如随机森林、梯度提升）、图神经网络（GNNs）、进化神经网络 | 多组学数据（如microRNA、蛋白质、脂质）及临床元数据 | 小样本队列（通常<50例） | NA | 随机森林, 梯度提升, 图神经网络 | AUC（0.80-0.92） | NA |
| 1064 | 2026-02-16 |
Inferring Gene Regulatory Networks From Single-Cell RNA Sequencing Data by Dual-Role Graph Contrastive Learning
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518277
PMID:41317402
|
研究论文 | 提出了一种名为RegGAIN的新型深度学习模型，用于从单细胞转录组数据推断基因调控网络 | 采用自监督对比学习最大化基因嵌入在扰动图视图间的一致性，并利用独立编码器同时学习每个基因的双重角色表示，以刻画调控方向性并捕获调控因子驱动和目标驱动的不同模式 | 未明确说明模型对数据稀疏性和噪声的具体处理能力限制，也未提及计算复杂度或可扩展性方面的局限 | 从单细胞RNA测序数据中准确、稳健地推断基因调控网络，以阐明细胞身份、发育和疾病的调控机制 | 基因调控网络 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
| 1065 | 2026-02-16 |
CACLENS: A Multitask Deep Learning System for Enzyme Discovery
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518063
PMID:41360755
|
研究论文 | 本文介绍了一种名为CACLENS的多任务深度学习系统，用于酶发现，通过整合定制门控控制、对比学习和交叉注意力机制，实现反应类型分类、EC编号预测和反应可行性评估 | CACLENS引入了跨注意力和对比学习机制，结合多任务预测能力，提升了功能性酶的高性能筛选效率，相比现有模型具有更少的计算资源需求 | NA | 开发一个多任务深度学习框架，以高效筛选生物合成和生物降解过程中的工业酶 | 酶的结构、功能和性质，特别是针对玉米赤霉烯酮（ZEN）的降解酶 | 机器学习 | NA | 深度学习 | 深度学习框架 | NA | NA | NA | CACLENS（基于跨注意力和对比学习） | NA | 较少的计算资源 |
| 1066 | 2026-02-16 |
Engaging Artificial Intelligence (AI)-based chatbots in digital health: A systematic review
2026-Feb, PLOS digital health
DOI:10.1371/journal.pdig.0001201
PMID:41678558
|
系统综述 | 本文对数字健康领域基于人工智能的聊天机器人进行了系统综述，重点关注其应用和评估 | 系统性地识别了基于AI聊天机器人的四个主要研究领域：文本质量、临床疗效、用户参与度和安全性，并指出了当前研究中随机对照试验和理论框架的缺乏 | 综述指出当前研究缺乏随机对照试验，且在评估性能时理论框架的使用有限 | 评估基于人工智能的聊天机器人在数字健康领域的应用和效果 | 基于人工智能的聊天机器人 | 数字病理学 | NA | NA | 深度学习架构 | 文本 | 348篇文章，其中20篇被分析 | NA | NA | NA | NA |
| 1067 | 2026-02-16 |
Deep learning-based classification of superficial femoral arterial lesions: a pilot study
2026-Feb, Annals of surgical treatment and research
IF:1.2Q3
DOI:10.4174/astr.2026.110.2.92
PMID:41684626
|
研究论文 | 本研究评估了使用目标检测算法在平面重建的下肢CT血管造影图像中检测外周动脉病变的可行性 | 首次将一阶段（YOLOv5）和两阶段（Faster R-CNN）目标检测算法应用于下肢CT血管造影图像中的支架、狭窄和闭塞病变分类 | 狭窄病变漏检率高，动脉分叉处的闭塞常未被检测到，支架边缘被误分类为闭塞，部分YOLOv5模型在超过75个周期后出现过拟合 | 开发用于外周动脉疾病临床决策支持工具的初步步骤 | 外周动脉疾病患者的平面重建下肢CT血管造影图像 | 计算机视觉 | 外周动脉疾病 | CT血管造影 | CNN | 图像 | 1,241张对比增强下肢CT图像 | NA | YOLOv5, Faster R-CNN | 平均精度均值（mAP@.5）, 精确率-召回率曲线 | NA |
| 1068 | 2026-02-16 |
Harnessing deep learning to accelerate the development of antibodies and aptamers
2026-Feb, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2025.12.017
PMID:41685150
|
综述 | 本文综述了人工智能在加速抗体和RNA适配体开发中的应用及其在分子治疗领域的进展 | 利用AI技术整合序列和结构数据，显著降低实验成本并缩短开发时间，为针对病毒和癌症等挑战性抗原的抗体及适配体设计提供可扩展、高定制化的解决方案 | NA | 探讨AI如何优化抗体和RNA适配体的结构预测、结合亲和力、特异性及稳定性，以推动精准医疗发展 | 抗体和RNA适配体 | 机器学习 | 癌症，自身免疫性疾病，病毒感染 | 深度学习 | NA | 序列数据，结构数据 | NA | NA | NA | NA | NA |
| 1069 | 2026-02-15 |
[Development of a deep learning model for predicting adverse cardiovascular events in patients with acute coronary syndrome based on retinal fundus images]
2026-Feb-24, Zhonghua xin xue guan bing za zhi
|
研究论文 | 本研究开发并验证了一种基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 首次利用视网膜眼底图像结合深度学习模型（Inception-Resnet-V2）预测ACS患者的MACCE风险，并展示了模型的临床可解释性 | 模型在外部验证队列中的AUC为0.644，性能有待进一步提升，且研究为观察性设计，需前瞻性验证 | 开发并验证一个基于视网膜眼底图像的深度学习模型，用于预测急性冠脉综合征患者长期不良心血管事件的风险 | 急性冠脉综合征患者 | 计算机视觉 | 心血管疾病 | 视网膜眼底成像 | 深度学习 | 图像 | 4703名ACS患者（开发集1521人，外部验证集3182人） | NA | Inception-Resnet-V2 | AUC | NA |
| 1070 | 2026-02-15 |
Deep learning-assisted double strong coupling between multi-order anapoles and excitons
2026-Feb-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.584009
PMID:41686938
|
研究论文 | 本研究利用深度学习辅助设计了一种三层堆叠混合系统，实现了多阶anapole模式与激子之间的双重强耦合 | 首次通过深度学习构建神经网络来设计能同时激发一阶和二阶anapole并分别与不同材料激子实现强耦合的混合系统，实现了双重强耦合行为 | 目前仅为理论研究，尚未进行实验验证；系统设计基于特定材料组合 | 探索多阶anapole模式与多个激子之间的强耦合相互作用 | Si纳米盘、MoSe纳米盘、MoTe纳米盘构成的三层堆叠混合系统 | 机器学习 | NA | 深度学习 | 神经网络 | 理论计算数据 | NA | NA | NA | 拉比分裂能量（100.6 meV, 118.2 meV） | NA |
| 1071 | 2026-02-15 |
Medical students' mental health, quality of life, motivation, and learning approaches before, during and after COVID-19: findings from a 4-wave repeated cross-sectional survey
2026-Feb-13, Psychology, health & medicine
DOI:10.1080/13548506.2026.2623309
PMID:41686536
|
研究论文 | 本研究通过四波重复横断面调查，探讨了医学生在COVID-19疫情前、期间及后心理健康、生活质量、学术动机和学习方式的变化 | 首次在医学生中纵向比较COVID-19疫情前、期间及后的心理与学术指标变化，并揭示了学习方式通过动机中介影响心理健康的机制 | 采用横断面设计而非纵向追踪同一群体，可能限制因果推断；样本仅来自单一医学院，外部效度有限 | 探究COVID-19疫情对医学生心理健康、生活质量、学术动机和学习方式的影响，并分析动机在学习方式与心理健康间的中介作用 | 医学生 | 医学教育研究 | NA | 问卷调查 | 线性回归模型, 中介模型 | 调查问卷数据 | 1860名医学生（四波独立队列） | NA | NA | NA | NA |
| 1072 | 2026-02-15 |
A customized CNN model for signature authentication-Forensic implications
2026-Feb-13, Medicine, science, and the law
DOI:10.1177/00258024261420542
PMID:41686745
|
研究论文 | 本研究定制了一个基于深度学习的卷积神经网络模型，用于签名认证，并在包含1400个签名图像的数据集上进行了训练、验证和测试 | 通过优化CNN架构和超参数，提出了一种定制化的深度学习模型，在签名认证任务中实现了较高的准确率，优于现有方法 | 模型仅在1400个签名图像的数据集上训练和测试，样本规模相对较小，可能限制其泛化能力 | 开发一个用于签名认证的深度学习模型，以区分真实签名和伪造签名 | 签名图像，包括真实签名和伪造签名 | 计算机视觉 | NA | 深度学习，图像处理 | CNN | 图像 | 1400个签名图像（700个真实签名和700个伪造签名） | NA | 定制化的CNN架构 | 准确率, 精确率, 召回率（敏感性）, F1分数, 特异性 | NA |
| 1073 | 2026-02-15 |
Multi-class eye disease classification using deep learning EfficientNetB0 fusion techniques
2026-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35357-0
PMID:41688503
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1074 | 2026-02-15 |
Artificial Intelligence in Tuberculosis Imaging: A Global Bibliometric Analysis of Research Trends and Collaborations
2026-Feb-12, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2026.103348
PMID:41687417
|
文献计量分析 | 本文通过文献计量分析，全面描绘了人工智能在结核病影像学领域的研究趋势、合作网络、技术演进和新兴热点 | 首次对人工智能驱动的结核病影像学领域进行了全面的文献计量分析，系统梳理了其出版趋势、国际合作、成像模态和技术发展历程 | 分析仅基于Web of Science和Scopus数据库的英文文献，可能遗漏其他语言或数据库的相关研究 | 旨在通过文献计量分析，揭示人工智能在结核病影像学领域的研究格局、发展趋势和未来方向 | 2000年至2025年7月期间发表的关于人工智能在结核病影像学应用的英文文章和综述 | 医学影像分析 | 结核病 | 文献计量分析 | NA | 文献元数据 | 556篇出版物 | CiteSpace, VOSviewer | NA | NA | NA |
| 1075 | 2026-02-15 |
Automatic field-of-view planning for magnetic resonance shoulder imaging using Deep Learning
2026-Feb-12, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2026.102197
PMID:41687427
|
研究论文 | 本研究提出了一种基于深度学习的自动化方法，用于磁共振肩部成像中斜冠状面和斜矢状面视野的规划 | 首次将深度学习应用于肩部MRI斜平面视野的自动化规划，解决了该领域此前未充分探索的问题 | 研究为回顾性多中心设计，未来需要前瞻性验证以确认临床效果 | 开发自动化视野规划方法以减少人工依赖性、提高肩部MRI扫描的一致性和效率 | 肩部磁共振成像 | 计算机视觉 | NA | 磁共振成像 | YOLO | 图像 | 575例肩部MRI检查，来自四个中心 | NA | YOLOv11-OBB (n, s, m, l, x 变体) | 平均绝对切片差异, 交并比, 平均绝对角度差异 | NA |
| 1076 | 2026-02-15 |
Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations
2026-Feb-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001333
PMID:41462401
|
研究论文 | 本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较 | 首次将深度学习模型应用于膝关节X光片上检测桶柄状半月板撕裂，并通过生成结合前后位和侧位视图的复合图像输入，实现了比骨科医生更高的诊断性能 | 研究样本主要来自单一机构，外部医院数据较少，可能影响模型的泛化能力；未详细说明模型的具体架构和训练细节 | 评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性 | 膝关节X光片（包括前后位和侧位视图） | 计算机视觉 | 骨科疾病 | X光成像 | CNN | 图像 | 共496名患者（来自本机构的406名患者和外部医院的90名患者）的膝关节X光片 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 精确率, F1分数 | NA |
| 1077 | 2026-02-15 |
LamNet: an alchemical-path-aware graph neural network to accelerate binding free energy calculations for drug discovery and beyond
2026-Feb, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf559
PMID:41675646
|
研究论文 | 本文提出了一种名为LamNet的图神经网络，用于加速药物发现中的蛋白质-配体结合自由能计算 | 将端点分子状态和连接它们的炼金术路径（由λ参数化）整合到一个物理信息表示学习框架中，明确地沿着选定的热力学变换路径对自由能变化进行建模，并优化λ调度以改进传统AFEM的收敛性 | 未在摘要中明确说明 | 加速药物发现中蛋白质-配体结合自由能的准确预测 | 蛋白质-配体结合 | 机器学习 | NA | 分子动力学模拟 | 图神经网络 | 分子结构数据 | 463个配体，16种蛋白质 | NA | LamNet | 相对结合自由能，绝对结合自由能 | NA |
| 1078 | 2026-02-14 |
NanoLoop: A Deep Learning Framework Leveraging Nanopore Sequencing for Chromatin Loop Prediction
2026-Feb-13, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202517692
PMID:41684299
|
研究论文 | 本文介绍了NanoLoop，一个利用纳米孔测序数据进行全基因组染色质环预测的深度学习框架 | 首次提出利用纳米孔测序数据预测染色质环的算法框架，并发现了四种影响组蛋白修饰水平的环锚点甲基化模式 | NA | 预测全基因组染色质相互作用，研究DNA甲基化与三维基因组组织之间的潜在联系 | 人类淋巴母细胞系 | 机器学习 | NA | 纳米孔测序 | 深度学习 | 测序数据 | 四个人类淋巴母细胞系 | NA | NA | NA | NA |
| 1079 | 2026-02-14 |
Predicting cardiovascular events from routine mammograms using machine learning
2026-Feb-12, Heart (British Cardiac Society)
DOI:10.1136/heartjnl-2025-325705
PMID:40957672
|
研究论文 | 本研究开发并测试了一种基于常规乳腺X光检查图像的深度学习算法，用于预测女性心血管事件风险 | 利用深度学习模型（基于DeepSurv架构）从常规乳腺X光检查图像中预测心血管风险，为女性心血管风险筛查提供了新方法 | 研究仅基于乳腺X光检查特征和年龄进行预测，未整合更多临床变量，且模型性能与传统工具相似，未显著超越 | 开发一种基于机器学习的心血管事件预测方法，以改善女性心血管风险评估 | 女性群体，特别是接受筛查乳腺X光检查的中年女性 | 机器学习 | 心血管疾病 | 乳腺X光检查 | 深度学习模型 | 图像 | 49196名女性，中位随访8.8年，其中3392人经历首次主要心血管事件 | NA | DeepSurv | concordance index, Harrells C-statistic | NA |
| 1080 | 2026-02-14 |
Coded Event Focal Stack for Continuous Refocusing in Dynamic Scene
2026-Feb-12, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3664082
PMID:41678483
|
研究论文 | 本文提出了一种名为编码事件焦栈的新方法，通过在调制焦距扫描期间记录的事件流捕获运动和深度信息，以实现动态场景中的连续重聚焦 | 引入编码事件焦栈，结合事件流和调制焦距扫描，能够生成任意焦距下的全时间中间帧，在动态场景中实现优越的重聚焦能力 | 未明确提及具体限制，但可能涉及事件流采集的硬件要求或复杂运动场景下的性能边界 | 解决传统相机在动态场景中因镜头限制导致的聚焦问题，开发连续重聚焦技术 | 动态场景中的运动和深度信息 | 计算机视觉 | NA | 事件流采集、调制焦距扫描 | NA | 事件流、合成和真实世界数据集 | 未明确指定样本数量，但涉及合成和真实世界数据集 | NA | NA | 未明确指定，但可能包括重聚焦准确性和时空一致性指标 | NA |