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 47646 篇文献，本页显示第 7961 - 7980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7961 | 2026-04-11 |
The roadmap towards AI-assisted pulse programming for solid-state NMR
2026-Apr, Solid state nuclear magnetic resonance
IF:1.8Q2
DOI:10.1016/j.ssnmr.2026.102078
PMID:41875813
|
综述 | 本文综述了人工智能在固态核磁共振脉冲序列设计中的潜在应用，探讨了传统方法的局限性及AI算法的优势 | 提出了将进化算法、深度学习和强化学习等AI方法应用于固态核磁共振脉冲序列设计的新兴替代途径 | 传统方法在处理多强相互作用或硬件约束时存在固有局限性 | 探讨人工智能算法在克服固态核磁共振脉冲序列设计关键瓶颈方面的潜力 | 固态核磁共振脉冲序列设计方法 | 机器学习 | NA | 固态核磁共振 | NA | NA | NA | NA | NA | NA | NA |
| 7962 | 2026-04-11 |
Artificial intelligence in retinal vein occlusion: Current applications, challenges, and future directions
2026-Mar-30, Survey of ophthalmology
IF:5.1Q1
|
综述 | 本文综述了人工智能在视网膜静脉阻塞（RVO）中的应用现状、挑战及未来方向 | 采用综合导向框架，识别了研究中的统一方法趋势，并评估了其临床相关性和转化成熟度 | 大多数证据仍局限于回顾性研究环境，数据集小且主要为单中心，外部和前瞻性验证有限，标注和报告标准不一致 | 探讨人工智能在RVO的早期检测、客观风险分层和个性化管理中的应用 | 视网膜静脉阻塞（RVO） | 计算机视觉 | 视网膜静脉阻塞 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 7963 | 2026-04-11 |
Evaluation of protein-RNA Docking Web Servers for Template-Free Docking and Comparison with the AlphaFold Server
2026-Mar-25, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01990
PMID:41882507
|
研究论文 | 本文系统评估了五种无模板蛋白质-RNA对接网络服务器及AlphaFold服务器在预测蛋白质-RNA复合物结构方面的性能 | 构建了包含235个蛋白质-RNA复合物的统一基准数据集，并首次对无模板对接服务器与AlphaFold 3在蛋白质-RNA复合物预测方面进行了系统性比较 | AlphaFold 3在其训练集外的蛋白质-RNA复合物上成功率较低（40%），且在九个案例中失败，而对接方法在这些案例中成功 | 评估和比较当前蛋白质-RNA对接工具及AlphaFold 3在预测蛋白质-RNA复合物结构方面的准确性和效率 | 蛋白质-RNA复合物 | 计算生物学 | NA | 蛋白质-RNA对接，深度学习结构预测 | AlphaFold 3 | 蛋白质-RNA复合物结构数据 | 235个蛋白质-RNA复合物 | NA | AlphaFold 3 | CAPRI指标，成功率 | NA |
| 7964 | 2026-04-11 |
Comparative study of different artificial intelligence (AI)-assisted compressed sensing factors in inner ear heavily T2-weighted imaging
2026-Mar-14, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2026.107311
PMID:41955645
|
研究论文 | 本研究比较了不同加速因子下人工智能辅助压缩感知技术在内耳重度T2加权成像中的图像质量 | 首次系统评估了AI辅助压缩感知技术在不同加速因子下对内耳成像质量的影响，并确定了临床应用中推荐的加速因子范围 | 研究仅包含健康志愿者，未涉及内耳疾病患者，样本量相对较小 | 比较不同加速因子下AI辅助压缩感知技术在内耳重度T2加权成像中的图像质量 | 40名健康志愿者的内耳MRI图像 | 医学影像分析 | NA | AI辅助压缩感知技术，重度T2加权三维快速自旋回波序列 | 深度学习 | MRI图像 | 40名健康志愿者 | NA | NA | 图像质量评分，信噪比，对比噪声比，边缘锐度 | NA |
| 7965 | 2026-04-11 |
Cortical alpha changes during visuospatial attention: a deep learning-enriched EEG analysis
2026-Mar-03, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhag026
PMID:41883020
|
研究论文 | 本研究通过结合传统alpha功率分析与基于可解释CNN的深度学习技术，探索了视觉空间注意任务中alpha频段脑活动的皮层变化 | 提出了一种整合传统alpha功率分析与可解释CNN深度学习的新方法，以更精确地识别视觉空间注意相关的皮层区域 | 未明确提及样本量或实验设计的潜在限制，如被试者多样性或任务范式的通用性 | 旨在阐明视觉空间注意过程中alpha频段脑活动的具体皮层区域参与 | 人类被试者在视觉空间注意任务中的脑电图信号 | 机器学习 | NA | 脑电图（EEG） | CNN | 脑电图信号 | NA | NA | 可解释卷积神经网络 | NA | NA |
| 7966 | 2026-04-11 |
Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models
2026-Mar-02, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.27.708333
PMID:41867838
|
研究论文 | 本文介绍了一个名为Crop-OCT的自动化端到端图像组学流水线，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变 | 开发了一个完全集成的自动化流水线，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析 | 流水线仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证 | 加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测 | 小鼠视网膜疾病模型，包括13种遗传性视网膜病变模型 | 数字病理学 | 视网膜病变 | 光学相干断层扫描 | 深度学习 | 图像 | 超过20,000张OCT图像，涉及13种遗传模型 | NA | NA | NA | NA |
| 7967 | 2026-04-11 |
Image-based detection of bolts and bolt-missing defects in multi-angle and complex background scenarios
2026-Mar-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41036-x
PMID:41771999
|
研究论文 | 本研究提出了一种基于改进YOLOv8模型的方法，用于在多角度和复杂背景场景下检测螺栓及螺栓缺失缺陷 | 构建了多源螺栓图像数据集，并提出了集成Swin-Transformer主干网络和新型多尺度细节增强模块（MEDM）的增强架构，专门用于提升在挑战性视觉环境下的螺栓缺失检测性能 | 未明确说明模型在极端遮挡或恶劣天气条件下的性能，且数据集中实验室环境图像可能无法完全代表所有真实工程场景 | 开发一种自动化、高精度的螺栓及螺栓缺失缺陷检测方法，以替代传统人工检测，用于工程基础设施的结构健康监测 | 工程基础设施（如悬索桥、钢输电塔）中的螺栓连接 | 计算机视觉 | NA | 图像增强技术、生成对抗网络（GANs） | CNN, Transformer | 图像 | 来自三个来源的数据集：悬索桥现场采集、钢输电塔现场摄影、定制螺栓组装模型的受控实验室成像，最终在工程部署中测试了12,772组螺栓 | PyTorch | YOLOv5, YOLOv8, YOLOv10, Swin-Transformer | 召回率, 精确率, 平均精度均值（mAP） | NA |
| 7968 | 2026-04-11 |
Temporal trends in myocardial ischemia risk estimated from 12-lead electrocardiograms using deep learning in individuals with suspected cancer during health checkups
2026-Mar-02, Cardio-oncology (London, England)
DOI:10.1186/s40959-026-00466-2
PMID:41772669
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7969 | 2026-04-11 |
Low-dose CBCT image reconstruction: a review
2026-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-025-02492-y
PMID:41348234
|
综述 | 本文深入分析了低剂量锥束计算机断层扫描图像重建的最新研究进展，包括算法演变、性能评估及未来方向 | 系统梳理了低剂量CBCT重建领域的最新进展，并综合比较了分析重建、迭代重建和深度学习方法的特点与应用 | 作为综述文章，未提出新的算法或模型，主要基于现有文献进行分析与总结 | 回顾低剂量CBCT图像重建技术，以减少患者辐射风险并保持图像质量，促进临床诊断与治疗 | 锥束计算机断层扫描图像重建方法及相关算法 | 医学影像处理 | NA | 锥束计算机断层扫描 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 7970 | 2026-04-11 |
Anomaly detection in brain MRI: a comprehensive review
2026-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-026-00551-6
PMID:41890248
|
综述 | 本文全面回顾了脑部MRI异常检测领域，涵盖传统统计、经典机器学习及当代深度学习方法 | 系统性地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力 | 现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战 | 为开发可泛化且可解释的AI系统，并将其整合到真实世界的神经影像工作流程中提供研究议程 | 脑部MRI图像 | 数字病理学 | 神经系统疾病 | MRI | NA | 图像 | NA | NA | NA | NA | NA |
| 7971 | 2026-04-11 |
Data augmentation method for computer-aided diagnosis using specular reflection
2026-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00533-0
PMID:41890266
|
研究论文 | 本研究开发了一种利用镜面反射的数据增强方法，旨在提升结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能 | 提出了一种结合镜面反射生成和修复的数据增强技术，专门针对结肠镜图像，尤其在训练数据有限的情况下表现出优越性 | NA | 增强深度学习模型在结肠镜计算机辅助诊断中的准确性和鲁棒性 | 结肠息肉 | 计算机视觉 | 结直肠癌 | 窄带成像 | CNN, Vision Transformer | 图像 | 2,616张窄带成像图像 | NA | 卷积神经网络, Vision Transformer | 准确性 | NA |
| 7972 | 2026-04-11 |
Docking of millions: accelerating a million-scale virtual screening using deep learning
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag128
PMID:41883032
|
研究论文 | 本文介绍了一种名为DoM的超大规模虚拟筛选系统，该系统整合了AK-Score2和V-Dock方法，以加速药物发现中的化合物筛选过程 | 通过迭代学习V-Dock来近似AK-Score2的亲和力预测，从而避免对所有化合物进行对接，显著提高了筛选速度和资源效率 | NA | 开发一个高效且准确的超大规模虚拟筛选平台，以加速计算机辅助药物发现 | 针对DDR1、c-kit、ASK1、NSD1、CREBBP和PDE5等靶点的数百万个化合物 | 机器学习 | NA | 虚拟筛选 | 深度学习 | 化合物结构数据 | 500万个化合物 | NA | NA | 检索率, IC50值 | NA |
| 7973 | 2026-04-11 |
Design and implementation of a deep learning framework for automated crop classification and health diagnosis in precision agriculture
2026-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42151-5
PMID:41764261
|
研究论文 | 本文提出了一种用于精准农业中自动化作物分类与健康诊断的三阶段深度学习框架 | 开发了一种融合宏观卫星影像与微观无人机及物联网传感器数据的多模态深度学习架构，以提高诊断可靠性 | NA | 实现作物健康状态的自动化分类与诊断，支持精准农业决策 | 玉米、马铃薯、小麦等农作物 | 计算机视觉 | NA | 多模态数据采集（无人机、卫星、传感器） | CNN | 图像（卫星影像、无人机图像）、传感器数据 | 多源农业数据集（采用70%训练、15%验证、15%测试的划分协议） | NA | CNN | 准确率 | NA |
| 7974 | 2026-04-11 |
Future-aware blood glucose forecasting using knowledge distillation with transformer-based sequence-to-sequence models
2026-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-41787-7
PMID:41764313
|
研究论文 | 本研究提出了一种利用知识蒸馏和Transformer序列到序列模型的未来感知血糖预测框架，以解决传统方法无法利用未来扰动信息的问题 | 提出了一个未来感知学习框架，在训练时利用特权信息（未来扰动），通过知识蒸馏使学生模型在推理时仅基于历史数据就能近似教师模型的性能，从而在保持部署可行性的同时提升预测准确性 | 未明确讨论模型在不同类型糖尿病患者或不同临床场景下的泛化能力，也未详细分析计算复杂度和实时推理延迟 | 开发一种能够在现实部署约束下（无法获取未来扰动信息）实现准确多步血糖预测的深度学习框架 | 1型糖尿病患者的连续血糖监测数据及相关扰动信息（胰岛素输送和进食） | 机器学习 | 糖尿病 | 连续血糖监测 | Transformer, 序列到序列模型 | 时间序列数据 | 基于公开数据集OhioT1DM和AZT1D（具体样本数量未在摘要中说明） | 未明确说明 | Transformer | 均方根误差, 平均绝对误差, Clarke误差网格分析 | 未明确说明 |
| 7975 | 2026-04-11 |
metaRLK 2.0: An updated database of plant receptor-like kinases developed with structure- and deep learning-based functional annotation and classification
2026-Feb-24, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2026.101781
PMID:41742654
|
研究论文 | 本文介绍了metaRLK 2.0，一个基于结构和深度学习功能注释与分类的植物受体样激酶更新数据库 | 整合大规模结构注释、折叠分类、网络分析和语义功能推断，识别了677种不同结构域类型，新增了70个RLK家族，并预测了50个与植物细胞壁相关过程关联的家族 | 未明确提及具体局限性，但可能包括数据覆盖范围或深度学习模型的泛化能力限制 | 开发一个结构增强的植物受体样激酶资源，以探索RLK多样性、进化和结构-功能关系 | 植物受体样激酶（RLKs），涵盖508个植物物种的311,581个RLK | 机器学习 | NA | 结构注释、深度学习 | NA | 结构数据、序列数据 | 311,581个RLK来自508个植物物种 | NA | NA | NA | NA |
| 7976 | 2026-01-17 |
Correction: Quality assessment of colour fundus and fluorescein angiography images using deep learning
2026-Feb-19, The British journal of ophthalmology
DOI:10.1136/bjo-2022-321963corr1
PMID:41535099
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7977 | 2026-04-11 |
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的新型图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组范围内的知识图谱进行操作 | 创新点在于使用图变换器方法处理结合口袋相似性、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，而非传统的一维或三维表示嵌入方法 | NA | 预测药物-靶点相互作用以辅助计算药物开发 | 药物和靶点蛋白质 | 机器学习 | NA | 图变换器方法 | Transformer | 图数据（知识图谱） | Human数据集 | NA | 图变换器 | NA | NA |
| 7978 | 2026-04-11 |
Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation
2026-Jan-06, Circulation
IF:35.5Q1
|
研究论文 | 本文提出了一种基于深度学习的连续QT监测系统（3DRECON-QT），用于从单导联心电信号重建12导联并预测QT/QTc，以识别III类抗心律失常药物启动后的高风险QT延长事件 | 开发了一种空间感知的深度学习系统，能够从单导联信号重建空间信息，实现连续QTc监测，并在真实世界队列中验证了其识别高风险QT延长事件的能力 | 研究依赖于特定数据集和外部验证中心，可能受限于不同心电图硬件和患者群体的泛化性 | 开发并验证一种深度学习系统，用于连续监测QTc并识别III类抗心律失常药物启动后的高风险QT延长事件 | 接受III类抗心律失常药物（如多非利特或索他洛尔）治疗的门诊患者，以及使用可插入式心脏监测器的患者 | 数字病理学 | 心血管疾病 | 心电图（ECG）监测 | 深度学习，多任务编码器-解码器 | 心电图信号 | 内部测试集和外部中心数据，真实世界队列包括1676名门诊患者 | NA | 多任务编码器-解码器 | 受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数 | NA |
| 7979 | 2026-04-11 |
Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0344946
PMID:41886461
|
研究论文 | 本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现高产和可持续资源利用 | 结合多层感知机、长短期记忆模型和强化学习代理，设计自定义奖励函数，并引入特征选择机制和随机天气条件下的再训练，以提高适应性和鲁棒性 | 未提及具体实验的温室规模或作物类型，可能限制通用性；依赖于模拟环境，实际部署需进一步验证 | 优化温室气候控制系统，以平衡作物产量和资源消耗，促进可持续农业 | 温室环境中的气候控制，包括温度、CO2浓度和灌溉水平 | 机器学习 | NA | 强化学习，深度学习 | MLP, LSTM, RL | 气候数据，作物参数，资源消耗数据 | NA | NA | 多层感知机，长短期记忆 | 累积奖励，作物产量增长率，资源消耗指标 | NA |
| 7980 | 2026-04-11 |
Sparse-selective quantization for real-time cyber threat detection in large-scale networks
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0345758
PMID:41886730
|
研究论文 | 提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，旨在平衡计算效率与检测精度 | 将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数，通过混合精度量化与TensorRT加速实现亚毫秒级推理延迟 | 未明确说明在极端资源受限环境下的性能边界或对新型未知威胁的泛化能力 | 开发一种能在大规模网络中实时检测网络威胁的高效准确方法 | 大规模网络流量数据 | 机器学习 | NA | NA | GRU, 注意力机制 | 网络流量数据 | NA | TensorFlow Lite, TensorRT | GRU-注意力机制 | 推理延迟, 精度 | 边缘部署环境, TensorRT加速 |