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 1529 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2026-03-16 |
Evolutionary-Based Deep Learning Network Model using Adaptive Mixing Differential Evolution and Application in Acute Pulmonary Embolism
2026-Mar-12, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.03.009
PMID:41831678
|
研究论文 | 本文提出了一种基于进化计算的深度学习网络模型EDLAlexNet，用于急性肺栓塞的预测和分析 | 提出了一种结合Q学习和对立学习的自适应混合差分进化算法MIXDE，并将其集成到AlexNet模型中，用于急性肺栓塞的预测 | NA | 开发一种高效、准确的工具，用于急性肺栓塞的预测和分析，以克服现有评估方法的复杂性、耗时性和侵入性等局限 | 中低风险和高风险的急性肺栓塞患者 | 机器学习 | 急性肺栓塞 | NA | CNN | 血液生化指标、生命体征、临床参数和临床特征 | NA | NA | AlexNet | 准确率, 特异性, 敏感性, AUC | NA |
| 862 | 2026-03-16 |
Molecular Design with Artificial Intelligence: Progress and Perspectives for Small Molecules
2026-Mar-11, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.5c00689
PMID:41764645
|
综述 | 本文回顾了人工智能在分子设计领域的发展路径，并探讨了AI对化学的实际影响 | 整合了生成式人工智能（如变分自编码器、大语言模型和扩散模型）于化学分子设计，推动了该领域的爆炸性发展 | 讨论了AI生成分子合成相关的可能性和问题，但未具体说明技术或应用限制 | 探讨人工智能在化学分子设计中的进展与前景 | 小分子 | 机器学习 | NA | NA | 变分自编码器, 大语言模型, 扩散模型 | NA | NA | NA | NA | NA | NA |
| 863 | 2026-03-16 |
Deep Learning Assisted Proton Pure Shift NMR Spectroscopy
2026-Mar-11, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c22860
PMID:41770844
|
研究论文 | 本文提出了一种基于深度学习的质子纯位移核磁共振光谱方法，用于将自旋回波调制的氢核磁共振光谱转换为高灵敏度、高分辨率的单峰光谱 | 利用深度学习将复杂重叠的多重峰模式转换为虚拟同核去耦纯位移光谱，并预测转换不确定性以实现定量分析 | 未明确说明方法在特定低灵敏度样品或可交换质子系统中的具体应用限制 | 开发一种深度学习辅助的核磁共振光谱分析技术，以改善复杂有机化合物光谱的解析能力 | 复杂有机化合物，包括天然产物和药物类有机分子 | 机器学习 | NA | 核磁共振光谱学，质子纯位移光谱 | 深度学习 | 核磁共振光谱数据 | NA | NA | NA | NA | NA |
| 864 | 2026-03-16 |
Untangling biological complexity: A deep learning approach to separating multiple signals in single-cell data
2026-Mar-11, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2026.101188
PMID:41819074
|
研究论文 | 本文介绍了一种名为CellUntangler的深度学习模型，用于从单细胞RNA测序数据中捕获和过滤多个生物信号 | 开发了基于深度学习的CellUntangler模型，能够有效分离单细胞数据中的多个生物信号 | NA | 从单细胞RNA测序数据中分离多个生物信号 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 865 | 2026-03-16 |
Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study
2026-Mar-10, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/84261
PMID:41806366
|
研究论文 | 本研究提出了一种创新的框架，将人群层面的共病模式识别与个体层面的预测建模相结合，用于前瞻性预测个体未来的共病模式 | 提出了一种新颖的深度学习模型CLA-Net，它结合了GRU和Transformer架构的优势，并引入了双时间定向交叉注意力机制，以同时捕捉时间依赖性和复杂的特征交互 | 未明确说明研究数据的来源、时间跨度或潜在的样本偏差，也未讨论模型在外部验证或不同人群中的泛化能力 | 将共病研究从描述性分析推进到前瞻性的共病模式预测，以支持个性化的预防和管理 | 纵向健康随访数据中的个体 | 机器学习 | 共病 | 潜在转变分析，深度学习 | GRU, Transformer | 纵向健康随访数据 | NA | NA | CLA-Net | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 866 | 2026-03-16 |
Computer-aided diagnosis of papillary thyroid carcinoma based on deep learning technology
2026-Mar-10, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105235
PMID:41819301
|
综述 | 本文系统评估了深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用，包括影像学和病理学分析，并探讨了未来发展方向 | 系统性地综述了深度学习在PTC诊断中的多模态应用（超声、CT、MRI、H&E染色病理切片），并前瞻性地提出了结合影像组学与分子生物标志物的混合模型以及可解释AI框架的发展方向 | 存在数据集异质性、模型可解释性限制以及影像标准化挑战等局限性 | 评估深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用现状与未来方向，以优化临床决策 | 甲状腺乳头状癌（PTC）的影像学（超声、CT、MRI）和病理学（H&E染色切片）数据 | 数字病理学 | 甲状腺癌 | 深度学习，影像组学分析 | 深度学习模型 | 图像（超声、CT、MRI影像，H&E染色病理切片） | NA | NA | NA | 准确性 | NA |
| 867 | 2026-03-16 |
Classification of functional near-infrared spectroscopy (fNIRS) signals in schizophrenia and bipolar disorder using deep learning methods
2026-Mar-10, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2026.117084
PMID:41831295
|
研究论文 | 本研究利用功能近红外光谱（fNIRS）结合言语流畅性任务（VFT），通过深度学习方法和可解释性分析，对精神分裂症（SCZ）和双相情感障碍（BD）患者进行功能分类和鉴别诊断 | 首次将深度学习与可解释性方法结合应用于fNIRS信号，以区分SCZ和BD，并识别关键神经影像生物标志物（如lOFC） | 样本量相对较小（共169名参与者），且仅基于fNIRS和VFT任务，可能未涵盖其他认知或生理指标 | 评估fNIRS作为临床诊断工具的可靠性，并探索其在认知任务中对SCZ和BD进行鉴别诊断的潜力 | 精神分裂症患者、双相情感障碍患者和健康对照者 | 机器学习 | 精神分裂症, 双相情感障碍 | 功能近红外光谱（fNIRS）, 言语流畅性任务（VFT） | 深度学习 | fNIRS信号（氧合血红蛋白浓度变化） | 50名SCZ患者、67名BD患者和52名健康对照者（共169名） | NA | NA | 分类准确率, AUC | NA |
| 868 | 2026-03-16 |
MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits
2026-Mar-09, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101620
PMID:41267404
|
研究论文 | 提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测 | 将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性，能够捕获上位性和基因-环境互作 | 未明确提及 | 提升多环境下农艺性状基因组预测的准确性和可解释性 | 水稻、小麦和玉米的农艺性状 | 机器学习 | NA | 基因组预测 | 深度神经网络 | 基因组数据 | 三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状 | NA | MeNet | NA | NA |
| 869 | 2026-03-16 |
DisNet : Learning interpretable depression representations in speech
2026-Mar-09, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108820
PMID:41831358
|
研究论文 | 本文提出了一种可解释的抑郁症筛查网络DisNet，用于从语音中学习可解释的抑郁症表征 | 提出了包含可学习频域滤波器组模块和分层语音表征提取模块的端到端可解释网络，并采用自监督学习策略增强特征可解释性 | 未明确说明模型在跨数据集泛化能力方面的具体限制 | 开发可解释的语音抑郁症检测方法 | 语音信号 | 自然语言处理 | 抑郁症 | 语音分析 | 深度学习网络 | 语音 | AMHS-corpus数据集（具体数量未说明）及公开数据集DAIC-woz、CMDC、EATD-corpus | 未明确说明 | DisNet（包含LFB和HRE模块） | F1分数 | NA |
| 870 | 2026-03-16 |
Last-layer committee machines for uncertainty estimations of benthic imagery
2026-Mar-06, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108819
PMID:41830872
|
研究论文 | 本研究提出了一种基于最后一层委员会机器的框架，用于改善海底栖息地图像分类中的不确定性估计，以减少模型参数并提升标注可靠性 | 提出了一种单最后一层委员会机器方法，能在保持性能的同时将网络参数减少超过95%，相比贝叶斯神经网络、蒙特卡洛dropout和深度集成等计算成本更高的策略 | 方法仅在BenthicNet数据集的两个挑战性子数据集上进行了测试，未在其他海洋图像数据集或更广泛的应用场景中验证 | 改善海底栖息地图像自动标注的可靠性，通过不确定性估计识别模糊、错误标注或分布外样本 | 海底栖息地图像，包括海底及其相关生物、栖息地和地质特征的图像 | 计算机视觉 | NA | 深度学习 | 贝叶斯神经网络, 蒙特卡洛dropout, 委员会机器 | 图像 | NA | NA | NA | NA | NA |
| 871 | 2026-03-16 |
Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy
2026-Mar-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c24539
PMID:41783971
|
研究论文 | 本研究合成了一种具有高机械强度、优异传感性能、自愈能力及监测治疗功能的多功能导电水凝胶，用于智能健康监测和光热治疗 | 通过简便的一锅法合成了PDA@Ag/PAA/PSBMA/FK共晶水凝胶，该材料集成了宽传感范围、低温耐受性、自主自愈特性，并结合深度学习算法实现了实时监测与按需光热治疗的闭环平台 | 未明确说明水凝胶的长期生物相容性、大规模生产成本以及临床转化面临的挑战 | 开发集成监测与治疗功能的多功能可穿戴表皮传感器 | PDA@Ag/PAA/PSBMA/FK共晶水凝胶及其构建的传感器 | 可穿戴医疗系统 | NA | 一锅合成法、光热治疗 | 深度学习算法 | 运动信号、关节活动数据 | NA | NA | NA | 传感范围（2%-1000%）、拉伸性（1900%）、离子电导率（0.17 S·m） | NA |
| 872 | 2026-03-16 |
Treehopper-Inspired Passive Electroluminescent Vector Electric Field Sensor with Deep Learning-Enabled High-Precision Reconstruction
2026-Mar-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c25790
PMID:41784229
|
研究论文 | 本研究受树蝉生物电传感机制启发，设计并实现了一种基于仿生介电异质结构的被动电致发光矢量电场传感器，并利用深度学习方案从光谱中重建完整的矢量场信息 | 提出了一种无需外部电源、基于仿生介电异质结构的被动电致发光矢量电场传感器，并结合共享权重一维卷积神经网络进行高精度矢量信息重建 | NA | 实现复杂电磁环境中被动、高精度、矢量分辨的电场传感 | 矢量电场 | 机器学习 | NA | 电致发光 | CNN | 光谱数据 | NA | NA | 共享权重一维卷积神经网络 | 平均绝对误差, 平均相对误差, 平均绝对角度误差 | NA |
| 873 | 2026-03-16 |
Deep Learning-Enabled Multi-Omics Integration: A New Frontier in Precise Drug Target Discovery
2026-Mar-02, Biology
DOI:10.3390/biology15050410
PMID:41823837
|
综述 | 本文系统综述了深度学习驱动的多组学整合在药物靶点发现领域的最新进展、挑战与未来机遇 | 系统性地总结了深度学习整合多组学数据用于药物靶点发现这一新兴前沿领域，并探讨了生成式AI、大型多模态模型等新兴技术带来的机遇 | 文中提及了该领域面临的持续挑战，包括数据稀疏性、模型可解释性、靶点成药性及验证障碍 | 推动精准药物靶点发现，以应对药物研发成本上升和高失败率的问题 | 多组学数据（如基因组学、转录组学、蛋白质组学等） | 机器学习 | NA | 多组学整合 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 874 | 2026-03-16 |
Applications of artificial intelligence in bovine reproductive assessment: focus on oocytes and blastocysts
2026-Mar, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03772-3
PMID:41396246
|
综述 | 本文综述了人工智能在牛卵母细胞和囊胚质量评估中的应用，探讨其如何提高辅助生殖技术的效率和准确性 | 将人工智能，特别是计算机视觉和深度学习，引入牛生殖评估领域，以自动化、标准化传统上主观且耗时的手动评估过程 | NA | 探讨人工智能在牛生殖生物学中卵母细胞和囊胚质量评估的应用潜力，以支持辅助生殖技术和遗传改良策略 | 牛的卵母细胞和囊胚 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 875 | 2026-03-16 |
DECODE: deep learning-based common deconvolution framework for various omics data
2026-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-026-03007-y
PMID:41772096
|
研究论文 | 本文提出了一种名为DECODE的通用去卷积框架，适用于转录组、蛋白质组和代谢组数据，能够在细胞水平上整合多组学组织数据集 | DECODE填补了代谢组学去卷积的空白，并在多种组学数据上显著优于现有方法，同时在高不完整单细胞参考数据场景下表现出高鲁棒性 | NA | 开发一个通用的去卷积框架，用于从组织水平数据估计细胞类型和细胞状态的丰度 | 转录组、蛋白质组和代谢组数据，以及来自不同队列的多组学组织数据集 | 机器学习 | NA | 转录组学、蛋白质组学、代谢组学 | 深度学习 | 组学数据 | NA | NA | NA | NA | NA |
| 876 | 2026-03-16 |
KANPM-DTA: improving drug-target affinity prediction with Kolmogorov-Arnold networks and pretrained models
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag112
PMID:41818722
|
研究论文 | 本文提出了一种名为KANPM-DTA的深度学习框架，用于改进药物-靶点亲和力预测 | 引入了ESM引导的蛋白质图构建策略以整合进化和结构信息，采用门控融合机制整合药物-蛋白质图特征，使用线性注意力捕获跨模态依赖关系，并利用Kolmogorov-Arnold网络进行最终亲和力预测，以提供更强的非线性逼近和更好的可解释性 | 需要湿实验验证来评估结果的适用性 | 提高药物-靶点亲和力预测的准确性和可靠性，以促进药物发现和再利用 | 药物-靶点对 | 机器学习 | NA | 深度学习 | Kolmogorov-Arnold网络, 图神经网络 | 蛋白质序列, 药物分子结构, 亲和力数据 | 在Davis、KIBA、Metz和BindingDB等多个基准数据集上进行了综合实验 | NA | KANPM-DTA (包含ESM引导的蛋白质图构建、门控融合机制、线性注意力模块和Kolmogorov-Arnold网络) | 均方误差, 一致性指数, $r_{m}^{2}$ | NA |
| 877 | 2026-03-15 |
Three-dimensional neural network driving self-interference digital holography enables high-fidelity, non-scanning volumetric fluorescence microscopy
2026-Mar-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.587822
PMID:41824690
|
研究论文 | 本文提出了一种深度学习驱动的计算方法，通过三维神经网络改进自干涉数字全息术，实现高保真、非扫描的体荧光显微镜成像 | 利用三维深度神经网络模型，同时抑制离焦噪声、提高空间分辨率和信噪比，无需机械或光电扫描即可实现三维非扫描体荧光显微镜成像 | NA | 克服自干涉数字全息术在轴向成像性能上的限制，实现高时空分辨率的三维成像 | 细胞结构动态和高速流场的三维行为 | 计算机视觉 | NA | 自干涉数字全息术 | CNN | 图像 | NA | NA | 三维深度神经网络 | 空间分辨率, 信噪比 | NA |
| 878 | 2026-03-15 |
A hybrid deep learning approach with temporal awareness for intelligent intrusion detection in 6G-enabled IIoT networks
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43058-x
PMID:41826618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 879 | 2026-03-15 |
Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023355
PMID:40480824
|
研究论文 | 本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域 | 通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性 | 本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚 | 提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划 | 接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT灌注成像 | Swin Transformer | 图像 | 221例急性缺血性卒中患者 | NA | Swin Transformer | Dice系数, IoU | NA |
| 880 | 2026-03-15 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2026-Mar-13, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响 | 提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性 | 研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况 | 提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性 | 接受血流导向装置治疗的颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | 定量血管造影 | 深度神经网络 | 血管造影图像 | 458名患者 | NA | 深度神经网络 | AUROC, 准确率, 敏感性, 特异性 | NA |