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 42795 篇文献，本页显示第 4001 - 4020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4001 | 2026-02-16 |
Artificial Intelligence for Exosomal Biomarker Discovery for Cardiovascular Diseases: Multi-Omics Integration, Reproducibility, and Translational Prospects
2026-Feb-05, Cells
IF:5.1Q2
DOI:10.3390/cells15030304
PMID:41677667
|
综述 | 本文综述了人工智能在心血管疾病外泌体生物标志物发现中的应用，重点探讨了多组学整合、可重复性及转化前景 | 通过综合评估AI方法（如集成学习和图神经网络）在外泌体生物标志物发现中的应用，并建立可重复性和转化准备度的明确标准，为外泌体诊断从探索性研究向临床实施提供了实用框架 | 现有研究多为探索性，基于小样本队列（<50例）且外部验证有限，模型可解释性面临挑战 | 推动外泌体生物标志物在心血管疾病诊断中的临床转化 | 外泌体及其他细胞外囊泡（EVs）携带的microRNA、蛋白质和脂质 | 机器学习 | 心血管疾病 | 多组学整合分析 | 集成方法（如随机森林、梯度提升）、图神经网络（GNNs）、进化神经网络 | 多组学数据（如microRNA、蛋白质、脂质）及临床元数据 | 小样本队列（通常<50例） | NA | 随机森林, 梯度提升, 图神经网络 | AUC（0.80-0.92） | NA |
| 4002 | 2026-02-16 |
Inferring Gene Regulatory Networks From Single-Cell RNA Sequencing Data by Dual-Role Graph Contrastive Learning
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518277
PMID:41317402
|
研究论文 | 提出了一种名为RegGAIN的新型深度学习模型，用于从单细胞转录组数据推断基因调控网络 | 采用自监督对比学习最大化基因嵌入在扰动图视图间的一致性，并利用独立编码器同时学习每个基因的双重角色表示，以刻画调控方向性并捕获调控因子驱动和目标驱动的不同模式 | 未明确说明模型对数据稀疏性和噪声的具体处理能力限制，也未提及计算复杂度或可扩展性方面的局限 | 从单细胞RNA测序数据中准确、稳健地推断基因调控网络，以阐明细胞身份、发育和疾病的调控机制 | 基因调控网络 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
| 4003 | 2026-02-16 |
CACLENS: A Multitask Deep Learning System for Enzyme Discovery
2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518063
PMID:41360755
|
研究论文 | 本文介绍了一种名为CACLENS的多任务深度学习系统，用于酶发现，通过整合定制门控控制、对比学习和交叉注意力机制，实现反应类型分类、EC编号预测和反应可行性评估 | CACLENS引入了跨注意力和对比学习机制，结合多任务预测能力，提升了功能性酶的高性能筛选效率，相比现有模型具有更少的计算资源需求 | NA | 开发一个多任务深度学习框架，以高效筛选生物合成和生物降解过程中的工业酶 | 酶的结构、功能和性质，特别是针对玉米赤霉烯酮（ZEN）的降解酶 | 机器学习 | NA | 深度学习 | 深度学习框架 | NA | NA | NA | CACLENS（基于跨注意力和对比学习） | NA | 较少的计算资源 |
| 4004 | 2026-02-16 |
Engaging Artificial Intelligence (AI)-based chatbots in digital health: A systematic review
2026-Feb, PLOS digital health
DOI:10.1371/journal.pdig.0001201
PMID:41678558
|
系统综述 | 本文对数字健康领域基于人工智能的聊天机器人进行了系统综述，重点关注其应用和评估 | 系统性地识别了基于AI聊天机器人的四个主要研究领域：文本质量、临床疗效、用户参与度和安全性，并指出了当前研究中随机对照试验和理论框架的缺乏 | 综述指出当前研究缺乏随机对照试验，且在评估性能时理论框架的使用有限 | 评估基于人工智能的聊天机器人在数字健康领域的应用和效果 | 基于人工智能的聊天机器人 | 数字病理学 | NA | NA | 深度学习架构 | 文本 | 348篇文章，其中20篇被分析 | NA | NA | NA | NA |
| 4005 | 2026-02-16 |
Deep learning-based classification of superficial femoral arterial lesions: a pilot study
2026-Feb, Annals of surgical treatment and research
IF:1.2Q3
DOI:10.4174/astr.2026.110.2.92
PMID:41684626
|
研究论文 | 本研究评估了使用目标检测算法在平面重建的下肢CT血管造影图像中检测外周动脉病变的可行性 | 首次将一阶段（YOLOv5）和两阶段（Faster R-CNN）目标检测算法应用于下肢CT血管造影图像中的支架、狭窄和闭塞病变分类 | 狭窄病变漏检率高，动脉分叉处的闭塞常未被检测到，支架边缘被误分类为闭塞，部分YOLOv5模型在超过75个周期后出现过拟合 | 开发用于外周动脉疾病临床决策支持工具的初步步骤 | 外周动脉疾病患者的平面重建下肢CT血管造影图像 | 计算机视觉 | 外周动脉疾病 | CT血管造影 | CNN | 图像 | 1,241张对比增强下肢CT图像 | NA | YOLOv5, Faster R-CNN | 平均精度均值（mAP@.5）, 精确率-召回率曲线 | NA |
| 4006 | 2026-02-16 |
Harnessing deep learning to accelerate the development of antibodies and aptamers
2026-Feb, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2025.12.017
PMID:41685150
|
综述 | 本文综述了人工智能在加速抗体和RNA适配体开发中的应用及其在分子治疗领域的进展 | 利用AI技术整合序列和结构数据，显著降低实验成本并缩短开发时间，为针对病毒和癌症等挑战性抗原的抗体及适配体设计提供可扩展、高定制化的解决方案 | NA | 探讨AI如何优化抗体和RNA适配体的结构预测、结合亲和力、特异性及稳定性，以推动精准医疗发展 | 抗体和RNA适配体 | 机器学习 | 癌症，自身免疫性疾病，病毒感染 | 深度学习 | NA | 序列数据，结构数据 | NA | NA | NA | NA | NA |
| 4007 | 2026-02-16 |
A meta-heuristic aided arrhythmia classification model using advanced deep learning technique with multiple feature extraction mechanisms
2026-Jan-30, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种基于深度学习和元启发式优化的心律失常分类模型，通过多种特征提取机制提高分类性能 | 结合条件自编码器、GCNN和特征融合技术，并采用ARGAO优化算法提升分类器参数，实现高效的心律失常自动分类 | 未提及模型在临床环境中的验证情况或对噪声ECG信号的鲁棒性 | 开发一种准确且高效的心律失常自动诊断模型 | 心电图信号 | 机器学习 | 心血管疾病 | 心电图分析 | 条件自编码器, GCNN, 循环神经网络 | 信号, 图像 | NA | NA | 条件自编码器, GCNN, 密集循环神经网络 | NA | NA |
| 4008 | 2026-02-16 |
Development and Validation of a Protein Electrophoresis Classification Algorithm: Tabular Data-Based Alternative
2026-Jan-28, JMIR formative research
IF:2.0Q4
DOI:10.2196/83124
PMID:41605495
|
研究论文 | 本文开发并验证了一种基于表格数据的蛋白质电泳分类算法，为基于图像的深度学习方法提供了稳健且可解释的替代方案 | 引入了一种高效的基于表格数据的机器学习方法，直接利用数值血清蛋白电泳（SPE）谱，提供了一种稳健且可解释的替代方案，区别于传统的视觉评估或基于图像的深度学习方法 | NA | 开发并验证一种基于表格数据的蛋白质电泳分类算法 | 血清蛋白电泳（SPE）谱 | 机器学习 | NA | 血清蛋白电泳（SPE） | NA | 表格数据 | NA | NA | NA | NA | NA |
| 4009 | 2026-02-16 |
Sickle cell disease detection in low-resource conditions using transfer-learning and contrastive-learning coupled with XAI
2026-Jan-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35831-9
PMID:41580439
|
研究论文 | 本文提出了一种结合迁移学习、对比学习和可解释人工智能的方法，用于在低资源条件下检测镰状细胞病 | 结合迁移学习、对比学习（使用三元组损失）和可解释人工智能，以在训练数据有限的情况下提高镰状细胞病检测模型的效率和可解释性 | NA | 开发在低资源条件下准确检测镰状细胞病的深度学习方法 | 镰状细胞病 | 计算机视觉 | 镰状细胞病 | NA | CNN | 图像 | NA | NA | ResNet-50, DenseNet-121, EfficientNet-B0 | NA | NA |
| 4010 | 2026-02-16 |
An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024)
2026-Jan-23, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06549-0
PMID:41577719
|
研究论文 | 本文提出了一种新的两阶段深度学习模型，用于生成中国1986年至2024年的年度人工夜间灯光数据集，以解决现有数据产品在光强低估和结构细节缺失方面的不足 | 提出了一种新颖的两阶段深度学习模型，首次使用高分辨率不透水面数据作为指导来细化细粒度结构细节，从而生成时间覆盖更长、质量更高的VIIRS-like夜间灯光数据集 | NA | 生成时间覆盖更长、质量更高的中国人工夜间灯光数据集，以支持长期时间序列研究 | 中国的人工夜间灯光数据 | 遥感 | NA | 深度学习 | 深度学习模型 | 遥感图像 | NA | NA | 两阶段深度学习模型 | 时间一致性, 与社会经济指标的相关性 | NA |
| 4011 | 2026-01-25 |
Hybrid deep learning model for air quality prediction and its impact on healthcare
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36564-5
PMID:41577974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4012 | 2026-02-16 |
Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging
2026-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02330-6
PMID:41577988
|
研究论文 | 本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异 | 首次在心脏成像深度学习模型中系统研究性别偏见，并探讨了缓解策略如掩蔽保护属性和数据重采样 | 尽管尝试了多种缓解策略，模型公平性未得到显著改善，且研究主要基于UK Biobank数据集 | 评估深度学习模型在心血管成像中估计射血分数的性别偏见及其影响 | 心脏磁共振成像数据和放射学报告 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习基础模型 | 图像, 文本 | UK Biobank数据集的多机构数据 | NA | NA | 射血分数估计误差 | NA |
| 4013 | 2026-02-16 |
Evaluating gait system vulnerabilities through PPO and GAN-generated adversarial attacks
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37011-1
PMID:41578011
|
研究论文 | 本研究探讨基于深度学习的步态识别系统在对抗攻击下的脆弱性，提出一种结合PPO和GAN的先进方法生成对抗性补丁进行攻击 | 创新性地整合PPO与GAN生成对抗性补丁，利用PPO优化补丁放置位置以最大化攻击效果 | 研究主要基于特定数据集（CASIA和OU-ISIR），未涵盖所有步态识别场景或模型 | 评估步态识别系统的安全漏洞，提升其对抗攻击的鲁棒性 | 基于深度学习的步态识别系统 | 计算机视觉 | NA | 对抗攻击生成技术 | GAN, PPO | 步态视频或图像数据 | CASIA Gait Database: Dataset B 和 OU-ISIR Treadmill Dataset B - Clothes variation- 数据集 | NA | NA | 识别准确率 | NA |
| 4014 | 2026-02-16 |
Data-Augmented Deep Learning for Downhole Depth Sensing and Validation
2026-Jan-23, Sensors (Basel, Switzerland)
DOI:10.3390/s26030775
PMID:41682291
|
研究论文 | 本文提出了一种集成到井下工具串中的系统，用于套管接箍定位器（CCL）测井数据采集，并开发了数据增强预处理方法以提升套管接箍识别神经网络的性能 | 针对CCL数据有限的情况，提出了一套综合的数据增强预处理方法，包括标准化、标签分布平滑、随机裁剪等，并系统评估了各方法对模型泛化能力的贡献 | 研究依赖于模拟或有限的实际井数据，可能无法完全覆盖所有井下环境的复杂性 | 提高井下深度测量的准确性，以优化油气井作业中的储层接触、生产效率和操作安全 | 套管接箍定位器（CCL）测井数据 | 机器学习 | NA | CCL测井数据采集 | 神经网络 | 波形数据 | NA | NA | TAN, MAN | F1分数 | NA |
| 4015 | 2026-02-16 |
Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements
2026-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36301-y
PMID:41571740
|
研究论文 | 本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场 | 引入了变分自编码器结合傅里叶特征层，并添加感知损失项来学习流场的低维潜在表示，通过基于注意力的网络将潜在表示与传感器测量关联 | 未明确提及方法在极端或非标准流动条件下的适用性限制 | 开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力 | 流体流动场 | 机器学习 | NA | NA | 变分自编码器, 注意力网络 | 传感器测量数据 | NA | NA | FLRNet | 重建准确性, 鲁棒性 | NA |
| 4016 | 2026-02-16 |
Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning
2026-Jan-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36895-3
PMID:41571775
|
研究论文 | 本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测 | 通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，实现了对阿尔茨海默病的连续、非侵入性早期检测 | 未提及具体样本量、模型验证的临床环境或与其他方法的比较结果 | 开发一种基于可穿戴技术和深度学习的早期阿尔茨海默病检测系统 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 可穿戴传感器数据采集 | RNN | 时序生理和行为数据（心率、睡眠习惯、身体活动） | NA | NA | RNN | 检测敏感性和准确性 | NA |
| 4017 | 2026-02-16 |
Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening
2026-Jan-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-35540-3
PMID:41565887
|
研究论文 | 本文提出了一种量子去噪自编码器（QDAE），用于提高视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查 | 提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠改善去噪效果和视网膜细节保留 | 浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证 | 提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测 | 糖尿病视网膜病变患者的视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 量子计算与深度学习结合 | 自编码器 | 图像 | 基于Diabetic Retinopathy 224×224 (2019)数据集，具体样本数量未明确说明 | 未明确说明，可能涉及PyTorch或TensorFlow等经典框架与量子计算库的结合 | 量子去噪自编码器（QDAE），结合卷积特征编码与参数化量子电路 | PSNR, SSIM, AMI | 未明确说明，但提及涉及量子电路，可能使用量子计算模拟器或实际量子硬件 |
| 4018 | 2026-02-16 |
AI-powered segmentation and prognosis with missing MRI in pediatric brain tumors
2026-Jan-13, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01269-x
PMID:41530498
|
研究论文 | 本研究开发了处理儿科脑肿瘤MRI序列缺失的策略，包括dropout训练的分割模型和生成模型，以提高AI工具在真实世界临床环境中的实用性 | 提出了针对MRI序列缺失的dropout训练分割模型和生成图像合成方法，在序列不完整时仍保持稳健的分割和预后准确性 | 研究为回顾性设计，样本主要来自特定网络和临床试验，可能限制泛化性 | 解决儿科脑肿瘤MRI成像中序列缺失问题，提升深度学习模型在临床环境中的鲁棒性和实用性 | 儿科脑肿瘤患者及其MRI影像 | 数字病理学 | 脑肿瘤 | MRI | 深度学习模型 | 图像 | 715名患者来自儿童脑肿瘤网络和BraTS-PEDs，43名患者（157张纵向MRI）来自PNOC003/007临床试验 | NA | NA | Dice系数，SSIM | NA |
| 4019 | 2026-02-16 |
Learning physical interactions to compose biological large language models
2026-Jan-07, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01883-7
PMID:41501135
|
综述 | 本文探讨了结合不同生物模态表示以改进药物设计中分子相互作用预测的方法，并提出了构建生化基础模型的未来研究方向 | 提出通过组合特定领域的生物语言模型内部层表示来提升分子相互作用预测的泛化能力，并展示了该方法在特征较少情况下优于标准方法 | 未具体说明模型组合的具体技术细节或实验验证的完整范围 | 开发能够联合编码多种分子模态的生化基础模型，以更有效地预测分子相互作用 | 生化序列、分子复合物及分子相互作用 | 自然语言处理 | NA | 深度学习、大语言模型训练 | 大语言模型 | 生化序列数据 | NA | NA | NA | NA | NA |
| 4020 | 2026-02-16 |
GATCL: graph attention network meets contrastive learning for spatial domain identification
2026-Jan-07, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag043
PMID:41678736
|
研究论文 | 本文提出了一种名为GATCL的新型深度学习框架，该框架将图注意力网络与对比学习相结合，用于稳健的空间域识别 | GATCL通过图注意力机制动态分配邻域权重以建模复杂细胞结构，并采用跨模态对比学习策略实现模态间的稳健对齐 | 未在摘要中明确说明 | 开发一种用于空间域识别的稳健深度学习框架 | 空间多组学数据中的细胞或点 | 机器学习 | NA | 空间多组学 | 图注意力网络, 对比学习 | 空间多组学数据（转录组、蛋白质组、染色质） | 六个不同的数据集 | NA | 图注意力网络 | 六项关键评估指标 | NA |