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 42805 篇文献，本页显示第 2921 - 2940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2921 | 2026-03-01 |
Reconstructing multi-scale tissue spatial architecture from single-cell RNA-seq with REMAP
2026-Feb-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.21.707167
PMID:41756915
|
研究论文 | 本文提出了一种名为REMAP的深度学习框架，通过整合基因表达与邻域级基因-基因协方差，利用一个或多个空间转录组学参考，从单细胞RNA测序数据重建多尺度组织空间结构 | REMAP首次通过深度学习整合基因表达与邻域级基因-基因协方差，能够利用单细胞RNA测序数据重建多尺度空间组织，并在多种组织和疾病类型中优于现有方法 | 方法依赖于空间转录组学参考数据的可用性，可能受限于参考数据的成本、基因覆盖度和质量 | 开发一种从单细胞RNA测序数据重建组织空间结构的计算方法，以促进空间假设生成、微环境发现和人类疾病中保守与扰动结构原则的群体规模推断 | 小鼠大脑（2D和3D）、人类胎儿皮层、七种人类癌症类型以及人类多发性硬化症图谱 | 计算生物学 | 多发性硬化症, 癌症 | 单细胞RNA测序, 空间转录组学 | 深度学习 | 基因表达数据 | 涉及多种组织和疾病类型的数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 2922 | 2026-03-01 |
AI-Detected Asymptomatic Atrial Fibrillation and Risk of Incident Ischemic Stroke and Cardiovascular Events: A UK Biobank Study
2026-Feb-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.13.26346138
PMID:41757180
|
研究论文 | 本研究利用UK Biobank队列数据，探讨了AI检测出的无症状心房颤动与缺血性卒中及主要不良心血管事件风险之间的关联 | 首次在大型人群队列中应用经过验证的深度学习模型检测无症状心房颤动，并评估其与心血管事件风险的关联，揭示了AI-ECG模型可能捕捉到传统临床评估未发现的亚临床房颤相关风险 | 研究依赖于回顾性队列数据，可能存在选择偏倚；AI模型检测的无症状房颤未经临床确诊验证；随访时间相对有限（最长6年） | 评估AI检测出的无症状心房颤动与后续缺血性卒中及主要不良心血管事件风险之间的关联 | UK Biobank队列参与者，包括有12导联心电图记录且无临床房颤诊断的个体 | 数字病理学 | 心血管疾病 | 12导联心电图记录，深度学习模型分析 | 深度学习模型 | 心电图信号数据 | 96,531名参与者（平均年龄65岁，52%女性），其中64,029名有可用心电图数据 | 开源深度学习框架（具体未说明） | 经过验证的基于心电图的深度学习模型（具体架构未说明） | 风险比，置信区间，p值，发病率比较 | NA |
| 2923 | 2026-03-01 |
Deep learning-derived quantitative interstitial abnormalities in early rheumatoid arthritis and healthy controls: A multicenter, prospective cross-sectional study
2026-Feb-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.20.26346723
PMID:41757183
|
研究论文 | 本研究利用深度学习衍生的定量CT技术，比较早期类风湿关节炎患者与健康对照者的肺间质异常情况 | 首次在早期类风湿关节炎患者中应用深度学习定量CT技术，系统量化肺间质异常并与健康人群进行对比 | 研究为横断面设计，无法确定因果关系；样本量相对有限；未考虑所有潜在混杂因素 | 评估早期类风湿关节炎患者的肺部异常情况 | 早期类风湿关节炎患者和健康非吸烟对照者 | 数字病理学 | 类风湿关节炎 | 定量计算机断层扫描 | 深度学习分类器 | 胸部高分辨率CT图像 | 304名参与者（200名早期RA患者，104名健康对照） | NA | NA | NA | NA |
| 2924 | 2026-03-01 |
Unified Space-Time-Message Interference Alignment: An End-to-End Learning Approach
2026-Feb-21, Entropy (Basel, Switzerland)
DOI:10.3390/e28020249
PMID:41751751
|
研究论文 | 本文提出了一种名为Deep-STMIA的端到端深度学习框架，用于在多用户多输入单输出广播信道中联合优化空间、时间和消息域的干扰管理 | 提出了首个统一空间-时间-消息干扰对齐的端到端学习框架，通过基于神经网络的自动编码器架构和结构化消息域正则化，有效减轻了错误传播的灾难性影响，并能适应连续的CSIT条件 | 未明确说明模型的计算复杂度、训练时间要求以及在实际硬件部署中的可行性 | 研究在不完美、延迟和量化信道状态信息条件下多用户多输入单输出广播信道的性能优化 | 多用户多输入单输出广播信道系统 | 机器学习 | NA | 深度学习，自动编码器 | 神经网络，自动编码器 | 仿真数据，信道状态信息 | NA | 未明确指定，可能为TensorFlow或PyTorch | 自动编码器 | 自由度，与基准方法（如RSMA）的性能比较 | NA |
| 2925 | 2026-03-01 |
ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms
2026-Feb-20, Research square
DOI:10.21203/rs.3.rs-8841204/v1
PMID:41756443
|
研究论文 | 本研究提出了一种基于Segment Anything Model 2（SAM2）的两阶段微调AI方法ETSAM，用于在冷冻电子断层扫描（cryo-ET）图像中有效分割细胞膜 | 首次将两阶段微调的Segment Anything Model 2（SAM2）应用于冷冻电子断层扫描图像中的细胞膜分割，在低信噪比和缺失楔形伪影等挑战下实现了最先进的性能 | 训练数据集中包含模拟数据，可能无法完全覆盖真实实验中的所有复杂情况；测试集仅包含10个实验断层扫描图像，样本量相对有限 | 开发一种能够准确分割冷冻电子断层扫描图像中细胞膜的AI方法 | 冷冻电子断层扫描图像中的细胞膜结构 | 计算机视觉 | NA | 冷冻电子断层扫描（cryo-ET） | 基于SAM2的微调模型 | 图像（断层扫描图像） | 训练集：83个实验断层扫描图像（来自CryoET Data Portal数据库）和28个模拟断层扫描图像（使用PolNet生成）；测试集：10个实验断层扫描图像 | NA | Segment Anything Model 2（SAM2） | 灵敏度，精确度 | NA |
| 2926 | 2026-03-01 |
Rational design of synthetic proteins using a genome-scale CRISPR screen
2026-Feb-20, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.19.706875
PMID:41756990
|
研究论文 | 本研究采用大规模并行、功能优先的方法，通过CRISPR激活筛选设计合成蛋白质，以提升精确基因编辑效率 | 首次利用全基因组规模的CRISPR激活筛选，通过过表达人类蛋白质来指导合成蛋白质的理性设计，开发出新型基因编辑器TruEditors | 研究主要基于人类蛋白质过表达筛选，可能未涵盖所有潜在功能蛋白质，且合成蛋白质的长期安全性和特异性需进一步验证 | 设计能够执行复杂生物任务的合成蛋白质，特别是用于提高精确基因编辑效率 | 人类蛋白质、Cas9核酸酶、合成基因编辑器TruEditors、人类T细胞、人类多能干细胞 | 合成生物学 | NA | CRISPR激活筛选、基因编辑、亲和蛋白质组学 | NA | 蛋白质功能数据、基因编辑效率数据 | 约19,000个人类蛋白质的过表达筛选 | NA | NA | 基因编辑效率、CAR插入率、肿瘤细胞杀伤效果 | NA |
| 2927 | 2026-03-01 |
HCHS-Net: A Multimodal Handcrafted Feature and Metadata Framework for Interpretable Skin Lesion Classification
2026-Feb-19, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics11020154
PMID:41744600
|
研究论文 | 本文提出了一种轻量级且可解释的多模态框架HCHS-Net，用于皮肤病变的六分类任务 | 采用仿生学设计模拟人类视觉系统的分层信息处理和皮肤科专家的认知诊断流程，结合手工特征与临床元数据，实现高精度且可解释的分类 | 研究仅基于PAD-UFES-20数据集，未在其他数据集上验证泛化能力 | 开发一种轻量级、可解释的皮肤病变分类框架，以提升临床部署的透明度和计算效率 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 多通道直方图分析、灰度共生矩阵(GLCM)纹理描述符、Hu矩不变量 | 梯度提升算法 | 图像 | PAD-UFES-20数据集 | XGBoost, LightGBM, CatBoost | NA | 准确率, 召回率, 特异性 | 标准CPU（无需GPU加速） |
| 2928 | 2026-03-01 |
MDF2Former: Multi-Scale Dual-Domain Feature Fusion Transformer for Hyperspectral Image Classification of Bacteria in Murine Wounds
2026-Feb-19, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12020090
PMID:41745454
|
研究论文 | 本研究开发了一种用于小鼠伤口细菌分类的高光谱成像采集系统和多尺度双域特征融合Transformer模型MDF2Former | 提出MDF2Former模型，集成多尺度特征增强融合、空间-光谱双分支注意力和频率与空间-光谱域编码模块，通过分层堆叠结构实现更高效的特征学习 | 未明确提及模型在更广泛细菌类型或临床环境中的泛化能力 | 快速准确识别伤口细菌病原体以改善治疗结果并降低风险 | 小鼠伤口中的典型细菌 | 计算机视觉 | 伤口感染 | 高光谱成像 | Transformer | 高光谱图像 | 自建HSI数据集，具体样本数量未明确 | NA | MDF2Former | 准确率, 精确率, 召回率, F1分数, Kappa系数 | NA |
| 2929 | 2026-03-01 |
Estrogen Receptor-Low Positive (ER-Low) Breast Cancer: A Unique Clinical and Pathological Entity
2026-Feb-18, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol33020122
PMID:41744886
|
综述 | 本文综述了雌激素受体低表达（ER-low）乳腺癌的独特临床病理特征、治疗策略及人工智能在优化个性化治疗中的应用前景 | 强调ER-low乳腺癌作为ER阳性和ER阴性疾病间独特实体的生物学和临床意义，并探讨AI工具在增强ER定量和患者分层中的新兴作用 | ER评估存在方法学变异性和解释挑战，可能导致误分类和治疗选择不优，且内分泌治疗益处仍不确定 | 综述ER-low乳腺癌的当前病理临床见解，突出治疗策略演变，并展望AI驱动方法优化这一亚型的个性化治疗 | ER-low乳腺癌（ER表达1-9%） | 数字病理学 | 乳腺癌 | 数字病理学，多模态深度学习 | 深度学习 | 病理图像，多模态数据 | NA | NA | NA | NA | NA |
| 2930 | 2026-03-01 |
Analysis of Biological Images and Quantitative Monitoring Using Deep Learning and Computer Vision
2026-Feb-18, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12020088
PMID:41745452
|
综述 | 本文综述了深度学习与计算机视觉在生物图像分析和野生动物定量监测中的应用 | 系统评估了从CNN、YOLO到基于Transformer的架构及混合模型等多种方法在不同采集平台上的集成，并指出未来需通过自监督学习和数据增强提升模型泛化能力 | 存在物体遮挡、隐存物种区分困难以及高质量标注数据集稀缺等挑战，阻碍了全自动化工作流程的实现 | 评估自动化生物计数技术以提升野生动物监测和生物多样性评估的规模与效率 | 昆虫害虫、水生生物、陆地植被和森林生态系统等多种生物类群 | 计算机视觉 | NA | NA | CNN, YOLO, Transformer | 图像 | NA | NA | CNN, YOLO, Transformer | 准确率 | NA |
| 2931 | 2026-03-01 |
3D, multi-omic imaging reveals molecular biomarkers of the pre-metastatic niche in lung cancer
2026-Feb-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.18.706515
PMID:41756853
|
研究论文 | 本文开发了一种结合建模、放射学、深度学习引导的三维成像、空间蛋白质组学和转录组学的工作流程，以识别与肺癌区域转移相关的早期组织转化信号 | 提出了一种新颖的AI辅助方法，用于检测肺癌侵袭期间组织重塑的生物标志物，特别是通过三维多组学成像揭示了转移前微环境的分子特征 | 研究主要基于小鼠模型（Lewis肺癌），尚未在人类患者中进行验证，且样本量有限 | 评估非小细胞肺癌手术切除后局部复发风险，并识别转移前微环境的生物标志物 | 小鼠Lewis肺癌模型中的肺组织，包括转移前微环境和早期微转移区域 | 数字病理学 | 肺癌 | 三维成像, 空间蛋白质组学, 空间转录组学, 多参数流式细胞术 | 深度学习 | 图像, 蛋白质组数据, 转录组数据 | 小鼠Lewis肺癌模型的时间点样本库（手术前后） | NA | NA | NA | NA |
| 2932 | 2026-03-01 |
Drug-Target Interaction Prediction with PIGLET
2026-Feb-18, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.18.706530
PMID:41756919
|
研究论文 | 本文提出了一种名为PIGLET的图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组知识图谱进行建模 | 创新点在于采用图变换器方法，在包含结合口袋相似性、蛋白质-蛋白质相互作用、药物相似性和已知结合关系的知识图谱上进行DTI预测，而非传统的一维或三维表示嵌入方法 | 未明确提及具体限制，但暗示现有模型在加速真实世界药物发现方面尚未广泛成功 | 研究目的是通过计算辅助方法预测药物-靶点相互作用，以加速药物开发 | 研究对象为药物和靶点蛋白质，具体在Human数据集上进行评估 | 机器学习 | NA | 图变换器方法 | Transformer | 知识图谱数据 | 使用Human数据集，具体样本数量未明确说明 | NA | 图变换器 | NA | NA |
| 2933 | 2026-03-01 |
Parameter-free representations outperform single-cell foundation models on downstream benchmarks
2026-Feb-18, ArXiv
PMID:41757283
|
研究论文 | 本文探讨了在单细胞RNA测序数据下游任务中，参数自由表示方法是否能够超越基于深度学习的单细胞基础模型 | 研究发现，通过简单的归一化和线性方法，无需依赖计算密集的深度学习表示，即可在多个基准测试中达到或接近最先进的性能，甚至在涉及新细胞类型和未见生物体的分布外任务中超越基础模型 | 未明确提及具体局限性，但暗示了需要更严格的基准测试来验证模型性能 | 评估参数自由表示方法在单细胞RNA测序数据下游任务中的性能，并与深度学习基础模型进行比较 | 单细胞RNA测序数据及其下游任务，如细胞类型分类、疾病状态预测和跨物种学习 | 机器学习 | NA | 单细胞RNA测序 | 线性方法 | 基因表达数据 | NA | NA | NA | NA | NA |
| 2934 | 2026-03-01 |
An attention-guided residual 3D U-net with focal Tversky-Dice loss for multi-modal pancreatic tumor segmentation using synthetic volumetric imaging
2026-Feb-18, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101146
PMID:41762607
|
研究论文 | 本文提出了一种结合注意力机制和残差学习的3D U-Net模型CAAG-UNet3D，用于多模态胰腺肿瘤分割 | 提出了结合条件特定注意力机制和残差卷积块的3D U-Net架构，并采用合成多模态成像与混合损失函数（Focal Tversky Loss + Dice Loss）来改善小肿瘤区域的分割 | 研究基于合成多模态CT数据集，未明确说明真实临床数据的验证情况 | 开发自动化胰腺导管腺癌（PDAC）分割方法以支持临床影像组学 | 胰腺导管腺癌（PDAC）肿瘤区域 | 数字病理学 | 胰腺癌 | 合成多模态成像（T1, T1ce, T2, FLAIR） | CNN | 医学影像（CT） | 未明确说明 | PyTorch（基于AdamW优化器和OneCycleLR调度器推断） | 3D U-Net, 残差卷积块, 注意力门机制 | Dice分数, IoU, VOE | NA |
| 2935 | 2026-03-01 |
TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models
2026-Feb-17, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.15.706007
PMID:41756895
|
研究论文 | 本文提出了一种名为TITAN-BBB的多模态深度学习架构，用于预测血脑屏障渗透性，通过整合表格、图像和文本特征并利用注意力机制，在分类和回归任务上均优于现有方法 | 首次将传统化学描述符与深度学习嵌入相结合，并利用注意力机制整合多模态特征，构建了迄今为止最大的血脑屏障渗透性数据集 | 未明确说明模型在外部验证集上的泛化能力，以及计算资源需求的具体细节 | 开发一种高效、高精度的计算方法来预测血脑屏障渗透性，以替代传统实验方法 | 血脑屏障渗透性预测 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 表格数据, 图像数据, 文本数据 | 多个文献来源聚合的最大血脑屏障渗透性数据集 | NA | 基于注意力机制的多模态架构 | 平衡准确率, 平均绝对误差 | NA |
| 2936 | 2026-03-01 |
Current Applications and Future Perspectives of Artificial Intelligence in Face-Driven Orthodontics: A Scoping Review
2026-Feb-16, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics11020146
PMID:41744592
|
综述 | 本文是一篇范围综述，分析了人工智能在面部驱动正畸学中的当前应用，并探讨了其未来前景 | 聚焦于人工智能在面部美学导向的正畸治疗中的整合应用，强调了从单纯关注咬合向优化面部平衡与和谐的范式转变 | 纳入研究存在数据集异质性、缺乏标准化验证方案、外部验证有限以及临床适用性不足等关键局限性 | 分析人工智能在面部驱动正畸学中的当前应用，并探讨其未来前景 | 2021年至2025年间发表的关于人工智能在正畸学中应用的研究文献 | 计算机视觉 | NA | NA | 深度学习模型 | 图像数据（面部图像） | 54项初步识别的研究，其中24项符合纳入标准 | NA | NA | 诊断准确性 | NA |
| 2937 | 2026-03-01 |
Prediction of Left Atrial Volume Parameters from Resting ECGs and Tabular Data Using Deep Learning in the UK Biobank
2026-Feb-16, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.02.13.26346205
PMID:41757178
|
研究论文 | 本研究开发了一种深度学习模型，利用标准12导联心电图和基本患者数据预测左心房体积参数 | 提出了一种结合心电图和患者特征的低成本、可扩展的左心房体积预测方法，并利用Shapley值提供可解释的特征重要性 | NA | 开发一种替代MRI的左心房体积测量方法，以提高临床可及性 | UK Biobank中的患者数据，包括心电图和基本患者信息 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图信号, 表格数据 | NA | NA | NA | NA | NA |
| 2938 | 2026-03-01 |
Research Progress on the Application of Radiomics and Deep Learning in Liver Fibrosis
2026-Feb-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging12020082
PMID:41745446
|
综述 | 本文综述了影像组学和深度学习在肝纤维化诊断、分期、预后预测及病因鉴别中的最新研究进展与应用价值 | 总结了AI驱动的影像分析策略在肝纤维化领域的潜力，包括多模态影像融合及克服早期诊断障碍的新视角 | 模型泛化性、标准化、可解释性以及技术整合与多模态融合方面仍面临挑战 | 探讨影像组学和深度学习在肝纤维化非侵入性诊断中的应用，以促进精准医疗 | 肝纤维化患者 | 医学影像分析 | 肝纤维化 | 磁共振成像(MRI)、计算机断层扫描(CT)、超声 | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |
| 2939 | 2026-03-01 |
Robust Trajectory Prediction for Mobile Robots via Minimum Error Entropy Criterion and Adaptive LSTM Networks
2026-Feb-15, Entropy (Basel, Switzerland)
DOI:10.3390/e28020227
PMID:41751729
|
研究论文 | 本文提出了一种结合最小误差熵准则和自适应LSTM网络的鲁棒轨迹预测框架MEE-LSTM，用于提升移动机器人在非高斯脉冲噪声环境下的预测性能 | 首次将最小误差熵准则与LSTM网络结合用于轨迹预测，并提出了基于Silverman的自适应退火策略动态调节核带宽，有效抑制了异常值影响 | 研究主要基于ETH和UCY数据集进行验证，在更复杂或更大规模的真实场景中的泛化能力有待进一步验证 | 提升移动机器人在存在传感器故障和遮挡等非高斯脉冲噪声环境下的轨迹预测鲁棒性 | 移动机器人的运动轨迹 | 机器学习 | NA | NA | LSTM | 轨迹数据 | ETH和UCY数据集 | NA | LSTM | 平均位移误差 | NA |
| 2940 | 2026-03-01 |
Feasibility of BMI-based sub-milliSievert low-dose CT in individualized detection of lung nodules
2026-Feb-14, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12372-3
PMID:41691132
|
研究论文 | 本研究评估了基于BMI的亚毫西弗低剂量CT协议结合多种重建算法在图像质量和肺结节检测中的性能 | 首次系统评估基于BMI分层的亚毫西弗低剂量CT协议，并比较深度学习图像重建与传统算法在肺结节检测中的表现 | 样本量相对有限（214名参与者），且为单中心前瞻性研究 | 评估个性化低剂量CT协议在肺结节检测中的可行性和性能 | 肺结节患者 | 数字病理学 | 肺癌 | 低剂量CT扫描，深度学习图像重建 | 深度学习图像重建模型 | CT图像 | 214名参与者 | NA | DLIR-H, DLIR-M | 结节检出率，尺寸测量准确性，Lung-RADS一致性，图像质量评分 | NA |