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 39754 篇文献，本页显示第 2281 - 2300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2281 | 2026-01-16 |
Forecasting daily total pollen concentrations on a global scale
2024-08, Allergy
IF:12.6Q1
DOI:10.1111/all.16227
PMID:38995241
|
研究论文 | 本研究利用CatBoost和深度学习模型，在全球23个城市预测未来14天的每日总花粉浓度 | 首次在全球尺度上结合CatBoost和深度学习模型进行花粉浓度预测，并分析了环境变量对预测的重要性 | 预测准确性在不同城市间存在显著差异，部分城市如首尔和布里斯班的预测效果较弱 | 开发并改进空气花粉预测模型的准确性 | 全球23个城市的每日总花粉浓度 | 机器学习 | NA | NA | CatBoost, 深度学习 | 时间序列数据 | 23个城市的数据 | NA | NA | R2 | NA |
| 2282 | 2026-01-16 |
Utilizing Siamese 4D-AlzNet and Transfer Learning to Identify Stages of Alzheimer's Disease
2024-05-03, Neuroscience
IF:2.9Q2
|
研究论文 | 提出了一种结合Siamese 4D-AlzNet和迁移学习的方法，用于识别阿尔茨海默病的不同阶段 | 设计了包含四个并行CNN流的Siamese 4D-AlzNet模型，并结合定制化的迁移学习模型（冻结的VGG-19、VGG-16和定制AlexNet），以提升对阿尔茨海默病阶段的分类性能 | 论文未明确讨论模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体细节 | 通过深度学习技术实现阿尔茨海默病不同阶段的自动识别和分类 | 阿尔茨海默病患者及不同认知阶段的个体，包括正常对照、轻度认知障碍、晚期轻度认知障碍和阿尔茨海默病患者 | 计算机视觉 | 阿尔茨海默病 | T1加权MRI成像 | CNN, Siamese网络 | 图像 | 未明确指定样本数量，但涉及四类受试者（正常对照、轻度认知障碍、晚期轻度认知障碍、阿尔茨海默病）的T1加权MRI图像 | 未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架 | Siamese 4D-AlzNet（包含四个并行CNN流），VGG-19, VGG-16, AlexNet | 准确率 | NA |
| 2283 | 2026-01-16 |
Classification Algorithm for fNIRS-based Brain Signals Using Convolutional Neural Network with Spatiotemporal Feature Extraction Mechanism
2024-03-26, Neuroscience
IF:2.9Q2
|
研究论文 | 本文提出了一种基于卷积神经网络和时空特征提取机制的fNIRS脑信号分类算法 | 提出了一种端到端的混合神经网络，结合时空卷积层和空间注意力机制，自动提取fNIRS信号的有效时空信息，并利用时间卷积网络进一步利用时间信息 | NA | 解决fNIRS解码中深度学习应用不足以及同时考虑时空维度的研究较少的问题 | 基于fNIRS的脑机接口中的脑信号 | 机器学习 | NA | 功能性近红外光谱技术 | CNN, TCN | 脑信号数据 | 29名受试者，包括左手和右手运动想象、心算和基线任务 | NA | 混合神经网络，包含时空卷积层、空间注意力机制和时间卷积网络 | 准确率 | NA |
| 2284 | 2026-01-16 |
Strategies to combine 3D vasculature and brain CTA with deep neural networks: Application to LVO
2024-Feb-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.108881
PMID:38318348
|
研究论文 | 本文探讨了结合3D血管图像与脑部CTA数据，利用深度神经网络检测急性缺血性卒中患者大血管闭塞的策略 | 提出了一种注意力启发策略，使卷积神经网络能聚焦于血管结构而不丢弃脑实质的上下文信息，从而改进LVO检测 | 未明确说明样本量或数据集的详细组成，可能影响结果的泛化能力 | 开发自动化工具以检测急性缺血性卒中患者的大血管闭塞，减少治疗时间并改善临床结局 | 急性缺血性卒中患者的脑部CTA图像及从中提取的3D血管图像 | 计算机视觉 | 心血管疾病 | 脑部计算机断层扫描血管造影 | CNN | 图像 | NA | NA | 通用网络 | NA | NA |
| 2285 | 2026-01-16 |
Quality assessment of colour fundus and fluorescein angiography images using deep learning
2023-12-18, The British journal of ophthalmology
DOI:10.1136/bjo-2022-321963
PMID:36418144
|
研究论文 | 本文开发了一种基于深度学习的神经网络，用于对彩色眼底和荧光素血管造影图像进行自动实时图像质量评估 | 首次针对彩色眼底和荧光素血管造影图像开发了自动实时图像质量评估的神经网络，并在多类别质量预测中展示了接近人类水平的性能 | 未明确说明模型在更广泛或多样化数据集上的泛化能力，以及在实际临床环境中的长期稳定性 | 开发自动实时图像质量评估方法，以支持临床研究和常规实践中的图像质量控制 | 彩色眼底和荧光素血管造影图像 | 计算机视觉 | NA | NA | 神经网络 | 图像 | 2272张彩色眼底图像和2492张荧光素血管造影图像 | NA | NA | F1分数, 接收者操作特征曲线下面积, 精确率-召回率曲线下面积, 准确率 | NA |
| 2286 | 2026-01-16 |
Evaluating Drug Effectiveness for Antihypertensives in Heart Failure Prognosis: Leveraging Composite Clinical Endpoints and Biomarkers from Electronic Health Records
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612977
PMID:41527552
|
研究论文 | 本研究利用电子健康记录中的复合临床终点和生物标志物，评估抗高血压药物在心力衰竭预后中的有效性，并开发监督深度学习分类器进行预测 | 首次结合EHR中的临床事件和生物标志物设计抗高血压药物有效性选择策略，并构建标注语料库用于深度学习分类 | 基因组关联研究成本高且基因型指导的疗法临床转化困难，EHR数据在抗高血压有效性研究中仍未被充分利用 | 评估抗高血压药物在心力衰竭预后中的有效性，并开发药物响应预测模型 | 心力衰竭患者及其抗高血压药物治疗响应 | 自然语言处理 | 心血管疾病 | 电子健康记录数据分析 | 深度学习分类器 | 文本序列 | 约9500名患者的EHR序列 | NA | NA | F1分数 | NA |
| 2287 | 2025-11-09 |
Corrigendum to 'Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery' [International Dental Journal Volume 75, Issue 6, December 2025, 103879]
2026-Feb, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.103976
PMID:41202540
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2288 | 2026-01-15 |
Procymidone residue detection in Allium tuberosum using feature-level data fusion of colorimetric sensor arrays and electronic nose sensor arrays: Comparison of heterogeneous data fusion methods
2026-Feb-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.147544
PMID:41406745
|
研究论文 | 本研究结合电子鼻和颜色传感器阵列，通过特征级数据融合方法，实现了对韭菜中腐霉利残留的定性和定量检测 | 提出基于卷积神经网络和长短期记忆网络注意力融合网络（CLAFNet）的多源数据融合方法，在特征级融合中优于传统机器学习方法，实现了对腐霉利残留浓度的高精度区分 | 未明确说明样本的具体来源、处理过程或实验条件的潜在限制，也未讨论方法在其他农产品或残留物检测中的泛化能力 | 开发一种有效检测韭菜中腐霉利残留浓度的方法，以保障食品安全 | 韭菜样本中的腐霉利残留 | 机器学习 | NA | 电子鼻传感器阵列，颜色传感器阵列 | CNN, LSTM, FCN | 传感器数据（来自电子鼻和颜色传感器阵列） | 未明确说明具体样本数量，仅提及韭菜样本 | 未明确指定，但提及深度学习与传统机器学习 | CLAFNet（卷积神经网络与长短期记忆网络注意力融合网络），全连接神经网络 | 准确率 | NA |
| 2289 | 2026-01-15 |
Intelligent navigation of potential energy surfaces: leveraging deep reinforcement learning paradigms for accelerated discovery of stable nickel nanoclusters
2026-Jan-14, Nanoscale
IF:5.8Q1
DOI:10.1039/d5nr04468e
PMID:41532242
|
研究论文 | 本文提出了一种名为Deepcluster的深度强化学习框架，用于在复杂的高维势能面上自主导航，以高效发现镍纳米团簇的最稳定结构 | 提出了一种结合深度强化学习与原子中心对称函数的智能导航框架，无需依赖预优化的静态数据集，通过实时试错自主探索构型空间，实现了对势能面的高效全局优化 | 研究主要聚焦于镍纳米团簇，框架在其他材料体系中的普适性有待进一步验证；计算过程依赖于EMT势和BFGS算法，可能受限于所选势函数的准确性 | 开发一种高效、可扩展的计算框架，用于加速发现复杂功能纳米材料（如用于催化和能源应用的材料）的全局能量最小结构 | 镍纳米团簇（Ni₄, Ni₆, Ni₈, Ni₁₀） | 机器学习 | NA | 深度强化学习，第一性原理计算，分子动力学模拟 | 深度强化学习（DRL），演员-评论家网络，多层感知机 | 原子结构数据，能量，力，结构标志 | 一系列镍纳米团簇（Ni₄, Ni₆, Ni₈, Ni₁₀） | NA | 基于多层感知机的演员网络，演员-评论家网络架构 | 全局能量最小值（GM）的发现，与独立遗传算法搜索结果的一致性验证，结合能，热稳定性 | NA |
| 2290 | 2026-01-15 |
Deep Learning-Assisted Fourier Analysis for High-Efficiency Structural Design: A Case Study on Three-Dimensional Photonic Crystals Enumeration
2026-Jan-14, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202511158
PMID:41532244
|
研究论文 | 本文提出了一种基于深度学习辅助傅里叶分析的通用方法，用于周期性结构设计和性能优化，并以三维光子晶体为例进行验证 | 提出了一种结合深度学习与傅里叶变换的通用方法，能够高效枚举和优化周期性结构，并发现具有优异性能的新拓扑结构 | NA | 优化周期性结构的物理和化学性能，并高效枚举和设计新型功能材料 | 三维光子晶体结构 | 材料科学 | NA | 深度学习辅助傅里叶分析 | 深度学习模型 | 几何结构数据 | NA | NA | NA | NA | NA |
| 2291 | 2026-01-15 |
AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging
2026-Jan-14, Surgical endoscopy
DOI:10.1007/s00464-025-12534-2
PMID:41532990
|
研究论文 | 本研究开发了一种基于深度学习的层次分类框架，利用白光和窄带内镜图像对壶腹病变进行逐步诊断 | 提出了一种结合双模态成像和合成数据增强的层次深度学习框架，通过置信度投票整合白光和窄带图像，并使用StyleGAN2-ADA生成合成图像以克服数据稀缺和类别不平衡问题 | 研究数据仅来自单一医疗中心，可能限制了模型的泛化能力；且未提及外部验证结果 | 开发一种AI驱动的层次分类系统，以提高壶腹病变的内镜诊断准确性 | 壶腹病变的内镜图像，包括正常组织、腺瘤和癌症，以及腺瘤内的低级别和高级别不典型增生 | 计算机视觉 | 壶腹肿瘤 | 白光内镜成像，窄带内镜成像 | CNN, GAN | 图像 | 来自464名患者的4244张内镜图像（训练集2693张，验证集833张，测试集718张） | TensorFlow, PyTorch | EfficientNet-B4, StyleGAN2-ADA | 准确率，灵敏度，特异性，AUROC | NA |
| 2292 | 2026-01-15 |
[Artificial intelligence in risk stratification of acute coronary syndrome : Future vision or already reality?]
2026-Jan-14, Herz
IF:1.1Q4
DOI:10.1007/s00059-025-05360-8
PMID:41533149
|
综述 | 本文综述了人工智能在急性冠脉综合征风险分层中的应用，特别关注了基于临床变量、高敏肌钙蛋白测量和心电图的方法 | 利用连续肌钙蛋白值与患者特征结合估计心肌梗死个体概率，而非依赖固定阈值；深度学习模型直接应用于原始心电图信号，利用细微时空变化提升检测性能 | 模型仍依赖实验室检测，目前缺乏改善患者相关结局的前瞻性证据 | 探讨人工智能在急性冠脉综合征风险分层中的支持诊断和治疗决策的潜力 | 急性冠脉综合征患者，特别是1型或闭塞性心肌梗死 | 机器学习 | 心血管疾病 | 高敏肌钙蛋白测量，心电图分析 | 机器学习，深度学习 | 临床变量，肌钙蛋白测量值，心电图信号 | NA | NA | NA | NA | NA |
| 2293 | 2026-01-15 |
Deep Learning Algorithms Enabled Visual Detection of Anthrax Biomarkers by Mn3O4 Nanozyme-Based Colorimetric Sensor Array
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03628
PMID:41406958
|
研究论文 | 本研究开发了一种集成苯丙氨酸修饰的MnO纳米酶比色传感器阵列与先进算法的创新方法，用于检测炭疽生物标志物2,6-吡啶二甲酸及其六种结构类似物 | 结合可调氧化酶活性的纳米酶比色传感器阵列与深度学习YOLOv8算法，实现炭疽生物标志物的自动视觉检测与分类 | 未明确说明传感器阵列在更复杂实际环境中的稳定性或交叉反应性 | 开发一种快速、自动化的炭疽生物标志物检测方法 | 炭疽生物标志物2,6-吡啶二甲酸及其六种结构类似物 | 计算机视觉 | 炭疽 | 比色传感器阵列，纳米酶催化 | YOLOv8 | 图像 | 未明确说明具体样本数量，涉及七种结构类似物及胎牛血清样本 | 未明确指定，可能为PyTorch | YOLOv8 | 平均精度均值，平均置信度 | NA |
| 2294 | 2026-01-15 |
Deep Learning-Assisted G4 Nanowire-Enhanced Carbon Dot Biosensor for Exosomal LncRNA Artificial Intelligence Diagnosis
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c06416
PMID:41408423
|
研究论文 | 本文开发了一种基于G-四链体纳米线增强的铜/铈共掺杂碳点的双模式光电化学/比率荧光生物传感器，结合深度学习，用于外泌体lncRNA检测和肺癌的早期智能诊断 | 开发了G-四链体纳米线增强的铜/铈共掺杂碳点双模式生物传感器，并首次结合深度学习挖掘数据潜在模式，实现高灵敏度外泌体lncRNA检测和肺癌智能诊断 | 未明确说明样本来源的多样性、模型在其他癌症类型中的泛化能力以及生物传感器的临床验证规模 | 开发高灵敏度、准确的外泌体lncRNA检测方法，并实现肺癌的早期智能诊断 | 外泌体长链非编码RNA | 机器学习 | 肺癌 | 光电化学/比率荧光双模式生物传感技术 | 深度学习 | 生物传感器产生的光电化学和荧光数据 | NA | NA | NA | 诊断准确率 | NA |
| 2295 | 2026-01-15 |
DLQMA: A Deep Learning Framework for Qualitative and Quantitative NMR Analysis of Complex Hydrocarbon Mixtures
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04983
PMID:41418268
|
研究论文 | 介绍了一个名为DLQMA的深度学习框架，用于从H NMR光谱中同时进行复杂烃类混合物的化合物识别和浓度估计 | 提出了一个基于伪孪生架构的深度学习框架，能够端到端分析复杂混合物，无需手动光谱重建或外部标准，并兼容先进的NMR技术 | 研究主要基于C8烃类混合物，可能未涵盖更广泛的化学多样性或实际应用中的复杂干扰 | 开发一个深度学习框架，以解决复杂混合物NMR分析中的光谱重叠和定量困难 | 复杂烃类混合物，特别是C8烃类及其工业相关异构体 | 机器学习 | NA | 核磁共振（NMR），包括1D CSSF TOCSY | 深度学习，伪孪生架构 | H NMR光谱 | 5,000对增强验证光谱 | NA | 伪孪生架构 | 分类准确率，Pearson相关系数 | NA |
| 2296 | 2026-01-15 |
Deep Learning-Powered Dark-Field Microscopy for Simultaneous Size and Concentration Analysis of Nanoplastics in Water
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03712
PMID:41447323
|
研究论文 | 本研究开发了一种结合卷积神经网络与暗场显微镜的新方法，用于同时分析水中纳米塑料的尺寸和浓度 | 首次将轮廓识别算法与简化的VGGNet结合，应用于暗场显微镜图像，实现了对150-600纳米聚苯乙烯纳米塑料的高精度、高灵敏度同步尺寸与浓度分析 | 研究目前仅针对聚苯乙烯纳米塑料（PSNPs）进行了验证，方法在其他类型纳米塑料上的适用性尚未验证 | 开发一种能够同时准确分析水中纳米塑料尺寸和浓度的新方法 | 水中的聚苯乙烯纳米塑料（PSNPs） | 计算机视觉 | NA | 暗场显微镜 | CNN | 图像 | NA | NA | VGGNet | 准确度, 灵敏度, 检测限, 回收率 | NA |
| 2297 | 2026-01-15 |
An Atlas of Chirality-Dependent Electronic Structures of MoS2 Nanotubes from Deep Learning
2026-Jan-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c14194
PMID:41448575
|
研究论文 | 本文开发了一个集成机器学习框架，用于高效预测MoS2纳米管在整个手性空间中的电子结构，并构建了其带隙、载流子有效质量及直接与间接带隙分类的综合图谱 | 结合机器学习原子间势与深度学习密度泛函理论，首次实现了对MoS2纳米管电子结构在手性依赖性的全面预测，揭示了载流子有效质量与管径和手性的非平凡关系 | 研究主要聚焦于MoS2纳米管，未扩展到其他过渡金属二硫化物材料，且预测框架的泛化能力有待进一步验证 | 探究过渡金属二硫化物纳米管的手性依赖性电子特性，以促进一维材料的设计与应用 | MoS2纳米管 | 机器学习 | NA | 机器学习原子间势，深度学习密度泛函理论 | 深度学习 | 电子结构数据 | NA | NA | NA | NA | NA |
| 2298 | 2026-01-15 |
Molecular Topological Deep Learning for Polymer Property Prediction
2026-Jan-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c11744
PMID:41478723
|
研究论文 | 本文开发了一种名为分子拓扑深度学习（Mol-TDL）的新方法，用于聚合物性质预测，通过整合高阶相互作用和多尺度信息，提高了预测准确性 | 提出了一种将聚合物分子表示为不同尺度的单纯复形，并构建相应的单纯神经网络，以捕捉数据中的高阶和多尺度信息，这是现有图基深度学习模型所忽略的 | 未明确说明模型在处理更大规模或更复杂聚合物数据集时的计算效率或泛化能力限制 | 开发一种准确高效的聚合物性质预测方法，以支持聚合物设计和发现 | 聚合物分子及其性质，如玻璃化转变温度 | 机器学习 | NA | 分子拓扑深度学习 | 单纯神经网络，对比学习模型 | 图基分子数据，基于DFT和实验的聚合物数据集 | 在多个已建立的DFT基和实验聚合物数据集上进行测试，并用于预测八种先进聚合物的玻璃化转变温度 | NA | 单纯神经网络 | 平均误差（约45°C用于玻璃化转变温度预测） | NA |
| 2299 | 2026-01-15 |
PosFormer: Generalizable Indoor Positioning via Global-Local Feature Fusion Network
2026-Jan-13, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3650775
PMID:41528915
|
研究论文 | 本文提出了一种名为PosFormer的Transformer与CNN双融合网络，用于解决UWB在非视距环境下的室内定位问题 | 结合Transformer与CNN捕获信道冲激响应的长距离依赖与空间特征，设计非相邻锚点子集方案丰富数据多样性，并引入轻量级迁移学习框架提升跨环境部署鲁棒性 | 未明确说明模型在极端密集多径环境或动态障碍物场景下的性能表现 | 提升超宽带技术在非视距环境下的室内定位精度与跨环境泛化能力 | 超宽带信号的信道冲激响应数据 | 机器学习 | NA | 超宽带技术 | Transformer, CNN | 信号数据 | 基于公开工业数据集，迁移学习仅需20%指纹样本 | NA | Transformer, CNN双融合网络 | 平均绝对误差 | NA |
| 2300 | 2026-01-15 |
Learn to Enhance Sparse Spike Streams
2026-Jan-13, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3653768
PMID:41528913
|
研究论文 | 本文提出了一种深度学习框架SS2DS，用于增强稀疏脉冲流以提高低光照条件下高速视觉任务的性能 | 首次提出深度学习框架SS2DS，通过估计和增强脉冲发射频率，将稀疏脉冲流转换为密集脉冲流，解决了低光照高速场景下脉冲信号稀疏的问题 | NA | 提高低光照条件下高速视觉任务的性能 | 脉冲相机产生的稀疏脉冲流 | 计算机视觉 | NA | 深度学习 | 神经网络 | 脉冲流数据 | 合成和真实稀疏脉冲流数据集，真实数据集使用第三代脉冲相机在动态场景中收集 | NA | SS2DS | MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS | NA |