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 42905 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2026-04-01 |
Are we ready for causal discovery in biological systems using deep learning?
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag127
PMID:41911151
|
综述 | 本文探讨了在生物系统中应用深度学习进行因果发现的现状、挑战与新兴方法 | 强调了超越传统全局无环性假设，利用高效可扩展的神经方法直接从数据中推断成对因果关系的新兴方法 | 指出实现生物因果网络更深理解和更强推断仍需克服五个关键技术障碍 | 评估深度学习在生物系统因果发现中的准备程度与应用前景 | 生物系统（特别是大规模、自调节的自然系统） | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 362 | 2026-04-01 |
CrisprPr: a hybrid-driven framework for CRISPR/Cas9 off-target prediction with analysis of prior-information updates
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag140
PMID:41911152
|
研究论文 | 本文提出了一种名为CrisprPr的混合驱动框架，用于预测CRISPR/Cas9的脱靶效应，并通过分析先验信息更新来揭示脱靶位点的特征 | CrisprPr框架首次整合了先验信息和数据驱动建模，采用同步更新策略联合优化先验知识模块和深度学习模块，并通过多源集成提高了脱靶预测的准确性和稳定性 | 未在摘要中明确提及 | 改进CRISPR/Cas9脱靶效应的预测能力，并分析脱靶位点的特征 | CRISPR/Cas9系统的脱靶效应 | 机器学习 | NA | CRISPR/Cas9 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 363 | 2026-04-01 |
Vascular age estimation using a consumer wearable sleep tracker
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001329
PMID:41911176
|
研究论文 | 本研究评估了使用消费级可穿戴设备（Oura Ring）的光电容积脉搏波（PPG）波形来估计血管年龄的可行性 | 首次将消费级可穿戴睡眠追踪器的PPG信号用于血管年龄估计，并与临床级设备进行对比，证明了其可扩展的纵向评估潜力 | 研究样本为健康成年人（中位年龄31岁），年龄范围有限，且仅在睡眠实验室环境下进行单次夜间数据收集 | 评估消费级可穿戴设备通过PPG波形估计血管年龄的能力 | 健康成年人（N=160，78名男性，中位年龄31岁） | 数字病理学 | 心血管疾病 | 光电容积脉搏波（PPG），多导睡眠图（PSG） | 深度学习模型 | PPG波形信号 | 160名健康成年人 | NA | 无特征深度学习模型 | 平均绝对误差（MAE），相关系数（r） | NA |
| 364 | 2026-04-01 |
A Channel-Independent Anchor Graph-Regularized Broad Learning System for Industrial Soft Sensors
2026-Feb-28, Entropy (Basel, Switzerland)
DOI:10.3390/e28030274
PMID:41899926
|
研究论文 | 本文提出了一种用于工业软传感器的通道独立锚图正则化宽度学习系统，以处理复杂工业数据的非线性动态和强多变量耦合问题 | 提出了通道独立策略，通过构建物理隔离的特征通道对多变量输入进行正交分解；利用RBF构建增强节点并复用其聚类中心作为图锚点，设计了一种高效的流形正则化算法 | 仅在IndPenSim过程数据集上进行了实验验证，未在其他工业场景或更大规模数据集上测试 | 为复杂工业数据开发高效、高精度的软传感器建模方法，平衡预测精度与计算效率 | 复杂工业过程的时间序列数据 | 机器学习 | NA | 径向基函数，流形正则化 | 宽度学习系统 | 时间序列数据 | NA | NA | 通道独立锚图正则化宽度学习系统 | 预测精度，训练效率 | NA |
| 365 | 2026-02-25 |
A dual-center study: multimodal fusion-based deep learning approach for pathological subtype prediction of type I and type II ovarian cancer
2026-Feb-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02231-4
PMID:41731442
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 366 | 2026-04-01 |
Survey on mathematical modeling of infectious disease dynamics: insights and applications
2026-Feb-24, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-12905-7
PMID:41735891
|
综述 | 本文全面概述了传染病动力学中的数学建模方法，强调了其在公共卫生应急管理和循证干预策略中的重要性 | 整合了网络分析、大规模数据处理和人工智能技术，特别是深度学习在医学影像中的应用，以提高模型预测的准确性和效率 | NA | 理解、预测和控制传染病的传播，支持公共卫生干预策略的优化 | 传染病动力学模型，包括确定性和随机性框架 | 机器学习 | 传染病 | 网络分析，大规模数据处理，人工智能，深度学习 | 深度学习 | 病例报告，人口统计信息，移动模式，医学影像 | NA | NA | NA | 准确性，效率 | NA |
| 367 | 2026-04-01 |
Explainable multimodal deep learning models for variable-length sequences in critically ill patients
2026-Feb-24, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2026.105001
PMID:41747919
|
研究论文 | 本研究开发了一个可解释的多模态深度学习框架，用于处理重症监护室（ICU）患者可变长度的时间序列数据，以预测临床事件 | 提出了两种多模态循环神经网络（RNN）融合架构（Pre-RNN和Post-RNN），结合了结构化电子健康记录（EHR）变量和非结构化临床笔记，并应用集成梯度方法进行时间步级别的特征重要性解释 | 性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且模型在公开数据集上评估，可能泛化性受限 | 开发一个可解释的多模态深度学习框架，用于处理ICU患者可变长度的时间序列数据，以预测多种临床结局 | 重症监护室（ICU）患者的电子健康记录（EHR）数据，包括结构化变量和非结构化临床笔记 | 机器学习 | 危重病 | 多模态数据融合，时间序列分析 | RNN | 结构化电子健康记录（EHR）变量，非结构化临床笔记文本 | 使用公开可用的EHR数据集，具体样本数量未在摘要中明确说明 | 未在摘要中明确说明 | Time2Vec, RNN | AUPRC（精确率-召回率曲线下面积） | 未在摘要中明确说明 |
| 368 | 2026-04-01 |
A Two-Stage Self-Supervised Learning Framework for Winter Crop-Weed Image Classification
2026-02-24, Journal of visualized experiments : JoVE
DOI:10.3791/69953
PMID:41838678
|
研究论文 | 本文提出了一种两阶段自监督学习框架，用于冬季作物与杂草图像分类 | 结合SimCLR风格的自监督预训练与监督微调，并引入新的冬季作物杂草图像数据集WinterCropWeedDB | 仅使用单一内部验证集（30%数据）进行测试，缺乏独立测试集的额外验证 | 提高冬季作物与杂草图像分类的准确性，以支持精准农业 | 冬季作物与杂草图像 | 计算机视觉 | NA | 自监督学习，监督学习 | CNN | 图像 | 1,136张高分辨率图像，涵盖6种冬季作物和4种杂草物种 | TensorFlow, PyTorch (基于SimCLR风格) | EfficientNet-B3 | 准确率，宏平均F1分数 | NA |
| 369 | 2026-04-01 |
Artificial Intelligence and Machine Learning in Audiology and Hearing Disorders: A Scoping Review with Bibliometric and Thematic Mapping (1995-2025)
2026-Feb-24, Audiology research
IF:2.1Q1
DOI:10.3390/audiolres16020029
PMID:41874063
|
综述 | 本文通过范围综述，结合文献计量和主题映射，分析了1995年至2025年间人工智能和机器学习在听力学及听力障碍领域的应用演变、研究趋势、合作模式及临床转化现状 | 首次结合文献计量分析与主题映射，系统梳理了AI/ML在听力学领域近三十年的研究轨迹，并采用结构化转化分类评估了临床验证成熟度 | 研究仅基于Web of Science核心合集索引的文献，可能未涵盖全部相关出版物，且大多数研究仍处于概念验证或内部验证阶段，缺乏广泛的外部验证 | 旨在系统回顾人工智能和机器学习在听力学及听力障碍领域的应用发展，分析研究趋势、合作模式及临床转化准备度 | 1995年至2025年间在Web of Science核心合集中发表的关于AI/ML在听力学应用的原始研究和综述文章 | 机器学习 | 听力障碍 | 文献计量分析，主题映射 | NA | 文献数据 | 127篇出版物 | NA | NA | NA | NA |
| 370 | 2026-04-01 |
Plant diversity's positive effect on soil respiration diminishes with increasing productivity in global forests
2026-Feb-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69594-8
PMID:41723129
|
研究论文 | 本研究探讨了全球森林中植物多样性与土壤呼吸之间的关系，发现植物多样性在低至中等生产力森林中增强土壤呼吸，但在高生产力森林中此效应减弱 | 首次在全球尺度上整合植物物种丰富度数据集与基于深度学习的土壤呼吸估算，揭示了植物多样性对土壤呼吸的影响随生产力梯度变化的动态模式 | 研究依赖于全球数据集和模型估算，可能受数据空间异质性和模型不确定性的影响，且未详细探讨具体机制如微生物群落变化 | 探究植物物种丰富度如何调节全球森林土壤呼吸，并分析其在净初级生产力梯度上的变化 | 全球森林生态系统，包括树木和维管植物物种丰富度及土壤呼吸数据 | 生态学 | NA | 深度学习模型 | 深度学习模型 | 全球植物物种丰富度数据集和土壤呼吸观测数据 | 基于6355个野外观测训练的深度学习模型估算的全球土壤呼吸数据集 | NA | NA | NA | NA |
| 371 | 2026-04-01 |
Exploring chemistry and catalysis by biasing skewed distributions via deep learning
2026-Feb-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-69586-8
PMID:41723118
|
研究论文 | 本文提出了一种名为Loxodynamics的机器学习驱动方法，通过偏置分子动力学探索化学和催化反应 | 利用局部概率分布的偏斜性动态确定低能垒方向，并引入带有偏度损失函数的Skewencoder自编码器从最小采样数据中提取反应坐标 | NA | 自动化发现化学和催化反应，特别是在复杂系统中克服传统方法的局限性 | 模型势能、气相反应（S_N2和Diels-Alder）以及酸性菱沸石中催化醇脱水反应 | 机器学习 | NA | 偏置分子动力学 | Autoencoder | 分子动力学模拟数据 | NA | NA | Skewencoder | NA | NA |
| 372 | 2026-04-01 |
Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring
2026-Feb-06, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aea8902
PMID:41650267
|
研究论文 | 本文介绍了一种集成多层热传感与深度学习算法的软电子平台，用于实时监测血流速度和血管深度 | 提出了一种结合多层热梯度传感与深度学习的新型软电子平台，能够同时实时测量血流速度和血管深度，克服了传统方法对血管深度变化的限制 | 未在论文摘要中明确说明 | 开发一种用于实时血流监测的新型传感平台，以评估心血管健康和识别血管并发症 | 血流速度和血管深度 | 机器学习 | 心血管疾病 | 热传感、深度学习算法、光电容积描记术 | 深度学习 | 热梯度数据、多层热模式 | 未在摘要中明确说明具体样本数量，但提及了台架测试、有限元分析和体内试验 | 未在摘要中明确说明 | 未在摘要中明确说明 | 准确性 | 未在摘要中明确说明 |
| 373 | 2026-04-01 |
Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes
2026-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.251686
PMID:41733469
|
研究论文 | 本研究评估了联合性肺纤维化和肺气肿（CPFE）患者中不同放射学纤维化模式对疾病进展轨迹和预后的影响 | 首次在CPFE患者中系统评估不同放射学纤维化模式（如UIP、NSIP、SRIF、DIP）对纤维化进展速率的影响，并明确了生存率主要由基线纤维化程度和临床不良事件决定，而非纤维化模式本身 | 研究为回顾性设计，样本量相对有限（236例），且患者群体主要为男性（232例），可能限制结果的普遍适用性 | 评估CPFE患者中不同纤维化模式对疾病进展和临床结局的影响 | 被诊断为联合性肺纤维化和肺气肿（CPFE）的患者 | 数字病理学 | 肺纤维化与肺气肿 | 高分辨率CT（HRCT），基于深度学习的量化分析 | 深度学习模型 | 医学影像（CT图像） | 236例患者（平均年龄65岁±7.8，其中232例男性） | NA | NA | Cox比例风险模型的风险比（HR）及置信区间，纤维化进展速率的中位时间 | NA |
| 374 | 2026-04-01 |
Sequential pattern transformer (SPT): a generative and interpretable framework for predicting disease trajectories
2026-Feb, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11695-4
PMID:41907562
|
研究论文 | 本文提出了一种结合序列模式挖掘与生成式Transformer建模的新型框架SPT，用于从电子健康记录中生成可解释的疾病轨迹预测 | 将序列模式挖掘（PrefixSpan算法）与生成式Transformer建模相结合，从噪声数据中提炼出统计验证的疾病进展模式，并将建模范式从分类转向概率性轨迹生成 | 未明确说明模型在其他疾病数据集上的泛化性能，以及在实际临床工作流中部署的验证细节 | 开发一个超越简单预测、能够生成全面、可解释且可操作的疾病轨迹的AI模型，以促进人工智能在临床工作流中的有效整合 | 258,460名2型糖尿病患者的四年住院数据 | 自然语言处理 | 2型糖尿病 | 序列模式挖掘，生成式Transformer建模 | Transformer | 电子健康记录（诊断历史序列） | 258,460名患者 | NA | Decoder-only Transformer | Top-5准确率 | NA |
| 375 | 2026-04-01 |
Comprehensive perturbation of transcription factors in human cardiomyocytes reveals the regulatory architecture of congenital heart disease
2026-Jan-05, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.15.694070
PMID:41446109
|
研究论文 | 本文通过系统扰动人类干细胞心肌细胞分化过程中的转录因子，揭示了先天性心脏病的调控架构 | 首次在人类心肌细胞分化中大规模扰动1983个转录因子，结合深度学习Transformer模型预测扰动转录因子，并构建了TF-基因调控网络以解析先天性心脏病的调控机制 | 研究基于体外干细胞分化模型，可能无法完全模拟体内心脏发育的复杂性；增强子扰动数量有限（981个），可能未覆盖所有调控元件 | 解析先天性心脏病的基因调控架构，识别与疾病相关的转录因子和调控网络 | 人类干细胞分化的心肌细胞、先天性心脏病相关基因和转录因子 | 计算生物学 | 先天性心脏病 | 转录因子扰动、增强子扰动、RNA测序 | Transformer | 基因表达数据（转录组） | 涉及1983个转录因子和981个增强子的扰动实验 | NA | Transformer | 预测准确性 | NA |
| 376 | 2026-04-01 |
Getting Started on Artificial Intelligence in Health Care and Clinical Research: Includes Rigor Checklist for Authors and Reviewers
2026-Jan, Advances in wound care
IF:5.8Q1
DOI:10.1177/21621918251380217
PMID:41039915
|
综述 | 本文为研究人员、临床医生和审稿人提供了在医疗保健和临床研究中严谨应用人工智能的路线图，涵盖基础概念、核心技术和实际应用 | 提出了一个从基础到应用的三层结构化框架，并强调人工智能的成功采用始于人员培养而非技术本身，提供了严谨性检查清单和系统性的人力建设方法 | 作为一篇指导性综述，未涉及具体实验数据或模型性能的实证分析，主要侧重于概念框架和方法论指导 | 为医疗保健和生物医学研究领域的人工智能应用提供系统性、严谨的入门指南和评估框架 | 研究人员、临床医生、审稿人及医疗保健机构中的人工智能应用实践 | 机器学习 | NA | 专家系统、机器学习、深度学习、可解释人工智能、自然语言处理、计算机视觉、机器人技术、分布式人工智能/多智能体系统 | NA | NA | NA | NA | NA | NA | NA |
| 377 | 2026-04-01 |
Artificial intelligence-based dairy cattle behavior recognition for estrus detection via ensemble fusion of two camera views
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340999
PMID:41544085
|
研究论文 | 本研究提出了一种基于多视角CCTV视频和深度学习技术的奶牛行为识别系统，用于发情检测 | 采用同步的俯视和正视双摄像头视角，结合YOLOv8模型、IoU身份-行为关联和决策级融合方法，实现对奶牛六种关键行为（包括与发情相关的骑跨和下巴倚靠行为）的识别 | NA | 通过人工智能技术识别奶牛行为以进行发情检测，提升牧场生产效率和动物福利 | 奶牛 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 视频 | NA | NA | YOLOv8 | NA | NA |
| 378 | 2026-04-01 |
Computational Ligand-Binding Site Prediction
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-07511-6_7
PMID:41652164
|
综述 | 本章综述了计算配体结合位点预测方法，包括结构对接、机器学习和基于物理的分子动力学技术 | 特别关注了基于物理的SILCS技术及其优势，并讨论了深度学习方法在结合位点预测中的应用 | NA | 介绍配体结合位点预测的计算方法，以辅助药物设计 | 蛋白质和RNA上的配体结合位点 | 计算机辅助药物设计 | NA | 结构对接、机器学习、深度学习、分子动力学、SILCS技术 | NA | 蛋白质和RNA结构数据 | NA | NA | NA | NA | NA |
| 379 | 2026-04-01 |
Microelements and biochemical biomarkers-based machine learning for predicting adverse pregnancy outcomes in Wilson's disease: risk stratification by integrating hepatic fibrosis and cerebral function
2026, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2026.1768588
PMID:41783819
|
研究论文 | 本研究基于微量元素和生化标志物开发机器学习算法，用于预测威尔逊病患者的妊娠不良结局 | 首次整合微量元素谱、生化标志物、肝纤维化和脑功能分层分析，构建并比较多种机器学习模型以预测妊娠不良结局 | 样本量相对较小（114例患者），深度学习模型泛化能力较差，部分模型存在过拟合问题 | 开发并验证基于机器学习的预测模型，用于识别威尔逊病患者的妊娠不良结局风险 | 威尔逊病女性患者，包括57例妊娠不良结局和57例无事件妊娠 | 机器学习 | 威尔逊病 | 血清/尿液微量元素检测、生化标志物分析、肝纤维化评估 | GLM, DL, RF, GBM | 临床数据（微量元素、生化标志物、肝纤维化指标） | 114例威尔逊病患者 | NA | 广义线性模型, 深度学习, 随机森林, 梯度提升机 | 准确率 | NA |
| 380 | 2026-04-01 |
Imaging intravoxel vessel size distribution in the brain using susceptibility contrast enhanced MRI
2026, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.1173
PMID:41868968
|
研究论文 | 本文提出了一种基于磁化率对比增强MRI的新方法，用于无创成像脑内体素内血管尺寸分布，以更全面、定量地评估血管重塑 | 首次结合高分辨率光片荧光显微镜图像、GESFIDE MRI信号模拟和深度学习模型，实现了从MRI信号直接预测脑血容量和血管尺寸分布 | 在肿瘤体素上的预测准确性（CBV: r=0.78, VSD: BC=0.82）低于健康组织，且方法仍需进一步验证才能转化为临床工具 | 开发一种无创成像方法，用于定量评估疾病和治疗引起的血管重塑 | 啮齿动物脑部血管网络（包括健康组织和肿瘤组织） | 医学影像分析 | 癌症、神经退行性疾病、纤维化、高血压、糖尿病 | 光片荧光显微镜、梯度回波自由感应衰减和自旋回波采样磁共振成像 | 深度学习模型 | 三维血管网络图像、模拟的MRI信号 | 训练体素32,000个，测试体素3,132个，公共数据集小鼠脑血管1,000个，肿瘤体素706个 | NA | NA | 皮尔逊相关系数、巴氏系数 | NA |