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 1560 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 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 |
| 1042 | 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 |
| 1043 | 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 |
| 1044 | 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 |
| 1045 | 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 |
| 1046 | 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 |
| 1047 | 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 |
| 1048 | 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 |
| 1049 | 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 |
| 1050 | 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 |
| 1051 | 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 |
| 1052 | 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 |
| 1053 | 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 |
| 1054 | 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 |
| 1055 | 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 |
| 1056 | 2026-03-15 |
Recent developments in pharmacophore-based modeling of Ca2+/Calmodulin-dependent protein kinase II delta (CaMkIIδ) inhibitors for heart failure therapy
2026-Mar-13, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2643408
PMID:41824031
|
综述 | 本文综述了基于药效团建模的计算方法在发现CaMKIIδ抑制剂用于心力衰竭治疗中的最新进展 | 强调了药效团建模在CaMKIIδ抑制剂发现中的应用，并探讨了机器学习辅助发现和药物重定向策略，如将ruxolitinib和hesperadin等已批准药物鉴定为CaMKIIδ抑制剂 | 药效团驱动的CaMKIIδ建模仍未被充分利用，需要整合AI/深度学习、异构体选择性过滤器、状态及翻译后修饰特异性靶向以及严格的实验验证 | 综述用于发现CaMKIIδ抑制剂的计算方法，特别是药效团建模，以支持心力衰竭治疗 | 钙/钙调蛋白依赖性蛋白激酶II delta (CaMKIIδ) 及其抑制剂 | 计算药物发现 | 心力衰竭 | 药效团建模，分子对接，QSAR，虚拟筛选，机器学习 | NA | 化学结构数据，文献数据 | NA | NA | NA | NA | NA |
| 1057 | 2026-03-15 |
Loop of N2-polarized neutrophils and exhausted CD8 + T cells induces immunotherapy resistance in NSCLC
2026-Mar-13, Molecular and cellular biochemistry
IF:3.5Q3
DOI:10.1007/s11010-025-05457-y
PMID:41824204
|
研究论文 | 本研究通过整合单细胞RNA测序数据，揭示了非小细胞肺癌中N2极化中性粒细胞与耗竭CD8⁺ T细胞之间形成正反馈环路导致免疫治疗耐药的机制，并基于此构建了深度学习预测模型 | 首次发现N2中性粒细胞与耗竭CD8⁺ T细胞通过ICAM1-整合素和CCL5-CCR1轴形成自我维持的免疫抑制环路，并基于该分子环路构建了可预测免疫治疗反应的深度学习模型 | 研究主要基于计算分析，需要进一步实验验证分子机制；模型在更多癌症类型中的普适性仍需验证 | 揭示非小细胞肺癌免疫治疗耐药的细胞互作机制，并开发预后分层和免疫治疗反应预测模型 | 非小细胞肺癌肿瘤免疫微环境中的N2极化中性粒细胞和耗竭CD8⁺ T细胞 | 计算生物学 | 肺癌 | 单细胞RNA测序, 批量RNA测序 | 深度神经网络 | 基因表达数据 | 大规模单细胞RNA测序数据集和多个批量RNA测序队列 | NA | 深度神经网络 | 预测准确性 | NA |
| 1058 | 2026-03-15 |
VFIR: Vector Fields Implicit Representation for Surface Reconstruction from Point Clouds
2026-Mar-13, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3674088
PMID:41824347
|
研究论文 | 本文提出了一种名为VFIR的新方法，利用神经隐式函数学习向量场，用于从点云进行表面重建 | 提出了基于向量场的隐式表示方法，克服了SDF仅适用于水密模型和UDF在表面边界不可微的局限性，并引入了渐进学习策略和优化的三状态行进立方体算法 | 未明确说明方法对噪声点云或极端稀疏点云的鲁棒性，也未讨论计算复杂度与实时应用的可行性 | 从点云进行高精度、鲁棒的3D表面重建 | 3D点云数据 | 计算机视觉 | NA | 神经隐式函数，向量场表示 | 神经隐式函数模型 | 点云 | NA | NA | NA | 准确性，鲁棒性，泛化能力 | NA |
| 1059 | 2026-03-15 |
Cattle lameness detection using depth image and deep learning
2026-Mar-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40780-4
PMID:41826368
|
研究论文 | 本文开发了一个基于深度图像和深度学习的端到端框架，用于对牛只跛行进行全天候监测与评分 | 提出了一个集成了实例分割、多目标跟踪和时空分类的完整端到端深度学习框架，并引入了新的跟踪算法PTAV3，用于农业场景下牛只跛行的实时、自动化、客观监测 | NA | 开发一个自动化、客观的牛只跛行监测与评分系统，以解决动物福利和经济问题 | 牛只 | 计算机视觉 | NA | 深度成像 | CNN, LSTM | 深度图像 | NA | NA | Mask R-CNN, YOLOv8m-seg, YOLOv11m-seg, EfficientNet-B1至B7, LSTM | BBox AP@50, Mask AP@50, FPS, 准确率, F1分数 | NA |
| 1060 | 2026-03-15 |
Exploration of Deep Learning Methods for Synthetic T2-Weighted Pelvic MRI Generation from CT Scans: A Technical Feasibility Study
2026-Mar-13, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01900-8
PMID:41826596
|
研究论文 | 本研究探索了使用深度学习算法从盆腔CT扫描生成合成T2加权MRI的技术可行性 | 首次系统性地在腹盆腔成像中比较了多种先进的条件生成对抗网络架构（如ESAUNet、ResViT和Cascaded Gaze）用于CT到T2加权MRI的合成任务 | 合成图像在精细细节方面评分较低，且研究样本量相对有限（总训练集n=90，独立测试集n=19） | 开发和比较深度学习算法，以从盆腔CT生成合成T2加权MRI，并评估其技术可行性和性能 | 盆腔CT扫描和对应的T2加权MRI图像 | 计算机视觉 | NA | CT扫描，MRI成像 | GAN | 图像 | 多中心队列（n=90，包括SynthRad2023数据集60例和内部数据集30例），独立测试使用Gold Atlas男性队列（n=19） | NA | efficient Self-Attention UNet (ESAUNet), Residual Vision Transformer (ResViT), Cascaded Gaze | PSNR, SSIM, MAE | NA |