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 42964 篇文献，本页显示第 3161 - 3180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3161 | 2026-03-01 |
Advances in air quality modeling through artificial intelligence, machine learning, and deep learning: A comprehensive review
2026-Feb-26, The Science of the total environment
DOI:10.1016/j.scitotenv.2026.181593
PMID:41759366
|
综述 | 本文对人工智能、机器学习和深度学习在空气质量建模中的应用进展进行了全面回顾 | 系统梳理了112篇文献，将进展分为纯数据驱动模型和机器学习辅助数值模型两大类，并指出了可解释人工智能和物理信息神经网络等新兴解决方案 | 机器学习在空气质量建模中仍面临模型“黑箱”性质、不确定性量化不足、区域数据稀缺等挑战，且整合控制大气物理的刚性化学常微分方程仍是关键障碍 | 回顾和评估人工智能、机器学习及深度学习技术在空气质量建模领域的应用进展与挑战 | 空气质量建模方法，特别是针对细颗粒物和臭氧等关键污染物的预测 | 机器学习 | NA | 机器学习，深度学习，可解释人工智能，物理信息神经网络 | NA | 空气质量数据，化学传输模型输出 | 基于112篇文献的综述 | NA | NA | 预测准确性，计算成本 | NA |
| 3162 | 2026-03-01 |
Deep learning the droughts: Spatiotemporal monitoring of protracted dry conditions in Queensland, Australia
2026-Feb-26, The Science of the total environment
DOI:10.1016/j.scitotenv.2026.181564
PMID:41759365
|
研究论文 | 本研究提出了一种结合标准化降水指数、归一化植被指数和蒸汽压差数据的时空干旱评估方法，并利用混合深度学习框架监测澳大利亚昆士兰地区的持续性干旱事件 | 通过整合遥感指数与深度学习，首次明确建模植被恢复依赖的时间依赖性，以识别持续性干旱事件，克服了传统方法将干旱事件视为孤立的局限 | 研究主要基于澳大利亚昆士兰地区，可能未涵盖其他地理或气候条件下的干旱模式，且依赖于特定遥感数据的可用性和质量 | 开发一种时空干旱评估方法，以更准确地监测和识别持续性干旱事件，并评估植被恢复动态 | 澳大利亚昆士兰地区的干旱事件及其对植被的影响 | 机器学习 | NA | 遥感指数分析（SPI, NDVI, VPD） | CNN, LSTM, BiLSTM | 时空遥感数据 | NA | NA | CNN-LSTM-MHA, 混合深度学习框架 | 准确率, F1分数 | NA |
| 3163 | 2026-03-01 |
Beyond Human Variability: Deep Learning for Intravascular Ultrasound Segmentation With Noisy Labels
2026-Feb-26, Ultrasound in medicine & biology
|
研究论文 | 本文研究了噪声标签对深度学习血管内超声分割的影响，并提出了一种临床信息过滤器来改善半监督学习中的模型性能 | 系统评估了高观察者间变异性导致的噪声标签对IVUS分割的影响，并引入基于连续帧预测的Hausdorff距离过滤器来提升标签质量 | 未具体说明实验数据集的详细来源或样本多样性，且过滤器方法可能依赖于特定帧序列假设 | 评估噪声标签对深度学习IVUS分割模型的影响，并提出改进半监督学习性能的方法 | 血管内超声图像中的冠状动脉管腔和血管结构 | 医学图像分析 | 心血管疾病 | 血管内超声成像 | 深度学习分割模型 | 医学图像 | NA | NA | NA | Dice相似系数, Hausdorff距离 | NA |
| 3164 | 2026-03-01 |
Deep Learning-Based Prediction of Trabecular Bone Mineral Density From Lumbar CT: A Superior Alternative to DEXA in Hyperostosis
2026-Feb-25, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682261429415
PMID:41738591
|
研究论文 | 本研究利用深度学习从腰椎CT图像预测骨密度，旨在改善骨质疏松和骨量减少的检测，并促进早期干预 | 开发了一种基于CT的深度学习模型，用于准确预测骨小梁骨密度，并在骨骼增生患者中显示出优于DEXA的骨折风险预测性能 | 研究为回顾性队列研究，样本量有限（460名患者），且骨小梁区域分割为半自动，可能存在人为误差 | 探索利用深度学习从CT图像预测腰椎骨密度，以改进骨质疏松和骨量减少的检测，并验证其在骨折风险预测中的性能 | 460名患者的1840个腰椎椎体（L1-L4） | 计算机视觉 | 骨质疏松 | CT成像 | 深度学习回归模型, 深度学习分类模型 | 图像 | 460名患者的1840个腰椎椎体 | NA | NA | 相关系数, AUC | NA |
| 3165 | 2026-03-01 |
CellMate─A Deep Learning-Assisted Single-Cell Data Processing Platform
2026-Feb-24, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07205
PMID:41685605
|
研究论文 | 本文介绍了CellMate，一个基于MATLAB的单细胞代谢组学数据处理平台，利用深度学习辅助进行代谢物识别和峰对齐 | 开发了一种新颖的基于深度学习的图像分类算法，能有效区分内源性代谢物与背景物种，支持可定量的靶向和非靶向代谢组学工作流 | 平台主要针对直接注入技术，可能不兼容所有单细胞代谢组学方法，且依赖于MATLAB环境 | 开发一个专门用于单细胞代谢组学数据处理的平台，以解决现有工具兼容性不足的问题 | 单细胞代谢组学数据，特别是通过质谱分析获取的代谢物信息 | 机器学习 | NA | 质谱分析，直接注入技术 | 深度学习图像分类算法 | 图像，代谢组学数据 | 数百个单细胞样本 | MATLAB | NA | NA | NA |
| 3166 | 2026-03-01 |
Harnessing AI for Antimicrobial Peptide Innovation against Multidrug Resistance
2026-Feb-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.5c01520
PMID:41755839
|
综述 | 本文探讨了人工智能在加速抗菌肽发现与设计中的应用，以应对多重耐药性威胁 | 整合了预测模型与生成模型，并强调了多组学数据融合及量子计算在克服计算瓶颈中的潜力 | 未提及具体实验验证或临床转化数据 | 利用人工智能技术加速新型抗菌肽的发现与优化，以解决抗菌药物耐药性问题 | 抗菌肽及其在对抗多重耐药性病原体中的应用 | 机器学习 | NA | NA | 机器学习, 深度学习 | 多组学数据 | NA | NA | NA | NA | 量子计算 |
| 3167 | 2026-03-01 |
Transformer Enabled Half Z‑spectrum Sampling B0 Inhomogeneity Correction for GluCEST and NOE MRI
2026-Feb-23, Chemical & biomedical imaging
DOI:10.1021/cbmi.5c00071
PMID:41756776
|
研究论文 | 本研究提出了一种基于Transformer的模型，用于在GluCEST和NOE MRI中校正B0不均匀性，通过仅使用下野Z谱偏移图像，显著减少了扫描时间 | 采用Transformer模型仅利用下野Z谱偏移图像进行B0校正，相比先前深度学习方法进一步减少约50%的扫描时间，并展示了优于传统卷积神经网络的性能 | 未明确提及模型在更广泛数据集或不同扫描条件下的泛化能力，以及计算资源需求的详细分析 | 开发一种高效的B0不均匀性校正方法，以减少化学交换饱和转移MRI的扫描时间并提高校正质量 | 谷氨酸加权CEST和核欧沃豪斯效应CEST成像 | 医学影像分析 | NA | 化学交换饱和转移MRI | Transformer | 图像 | NA | NA | Swin Transformer | 视觉评估, 定量评估 | NA |
| 3168 | 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 |
| 3169 | 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 |
| 3170 | 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 |
| 3171 | 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 |
| 3172 | 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 |
| 3173 | 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 |
| 3174 | 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） |
| 3175 | 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 |
| 3176 | 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 |
| 3177 | 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 |
| 3178 | 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 |
| 3179 | 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 |
| 3180 | 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 |