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 47720 篇文献，本页显示第 9341 - 9360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9341 | 2026-03-16 |
Integrative Approaches in Lung Cancer Diagnosis: Bridging Molecular Biomarkers and AI Driven Imaging
2026-Mar-14, Biomarkers : biochemical indicators of exposure, response, and susceptibility to chemicals
IF:2.0Q4
DOI:10.1080/1354750X.2026.2644329
PMID:41830914
|
综述 | 本文综述了分子生物标志物与人工智能驱动的影像学在肺癌诊断中的整合方法 | 分析了将分子生物标志物（如EGFR、ALK、KRAS等）与人工智能（特别是机器学习和深度学习）驱动的影像学（如低剂量CT扫描的影像组学和模式识别）进行整合的潜力，以实现更快、更精确、更具个性化的肺癌诊断 | 面临数据标准化、模型可解释性、临床验证和伦理问题等诸多挑战 | 探讨肺癌诊断领域如何整合分子生物学和计算技术的最新进展 | 肺癌 | 数字病理学 | 肺癌 | 液体活检、循环肿瘤DNA、下一代测序、多组学方法（基因组学、转录组学、蛋白质组学） | 机器学习, 深度学习 | 图像, 分子数据 | NA | NA | NA | NA | NA |
| 9342 | 2026-03-16 |
Decoding soil properties from surface cracks using Minkowski functionals, junction crack angle distributions, and AI-based image analysis
2026-Mar-14, The European physical journal. E, Soft matter
DOI:10.1140/epje/s10189-026-00567-x
PMID:41830988
|
研究论文 | 本研究通过Minkowski泛函、裂缝交汇角分布和基于AI的图像分析，解码土壤表面裂缝以识别土壤类型和亚型 | 结合形态学描述符（如Minkowski泛函和裂缝交汇角分布）与卷积神经网络，实现对土壤类型的精确分类，准确率达100% | NA | 通过分析干燥裂缝模式，准确识别土壤类型和亚型，应用于农业土壤评估、行星地形研究等领域 | 不同土壤类型及其亚类（如洪水左岸和非洪水右岸的土壤） | 计算机视觉 | NA | 图像分析 | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 9343 | 2026-03-16 |
Super-resolution deep learning reconstruction enhances visualization of cerebral aneurysms on magnetic resonance angiography
2026-Mar-14, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03965-2
PMID:41831007
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9344 | 2026-03-16 |
MyoClass: A modular multimodal auto-classification system for myocardial tissue characterization
2026-Mar-14, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03684-y
PMID:41831142
|
研究论文 | 提出了一种名为MyoClass的深度学习框架，用于整合多模态心脏磁共振成像数据和患者元数据，实现心肌组织的自动分类 | 开发了一个模块化的多模态自动分类系统，首次整合了多种CMR序列、左心室形态描述符、T1定量映射和患者元数据，无需手动分割即可实现准确分类 | 研究样本量相对较小（150名患者），需要在更大规模的多中心数据集中进一步验证 | 开发一个自动化系统，用于区分健康心肌、心肌炎和心肌梗死 | 心肌组织 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | MLP | 图像, 元数据 | 150名患者（每类50名） | NA | 多层感知机 | 准确率 | NA |
| 9345 | 2026-03-16 |
Development and Validation of a Deep Learning System for Echocardiographic Assessment of 16-Segment LV Wall Thickness
2026-Mar-13, Ultrasound in medicine & biology
|
研究论文 | 本研究开发并验证了一种基于深度学习的系统，用于自动测量16段左心室壁厚度，通过超声心动图评估左心室肥厚的病理进展 | 首次提出基于深度学习的自动测量16段左心室壁厚度的方法，并在体内和体外数据集中进行验证，减少了传统方法的时间消耗和变异性 | 研究样本量相对有限（197名患者），且未在更广泛或多样化的临床人群中验证，可能影响泛化能力 | 开发并验证一种自动测量16段左心室壁厚度的深度学习系统，以改善左心室肥厚的诊断和治疗评估 | 超声心动图图像，包括正常壁厚度和增厚壁厚度的患者队列 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习算法 | 图像 | 92,984张超声心动图（正常壁厚度队列），26,523张超声心动图（增厚壁厚度数据集），2,238张超声心动图（体外数据集），总计197名患者 | NA | NA | Dice相似系数，Hausdorff距离，平均绝对误差 | NA |
| 9346 | 2026-03-16 |
Deep learning techniques for crop classification in complex agricultural landscapes
2026-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37806-2
PMID:41820421
|
研究论文 | 本文提出了一种结合植被指数和注意力机制的深度学习方法，用于复杂农业景观中的作物分类 | 引入了Tanh激活的自注意力机制，在作物分类中取得了最高准确率（88.89%），优于乘法注意力、软注意力和全局注意力 | NA | 提高复杂农业景观中作物分类的准确性 | 遥感数据中的作物类型 | 计算机视觉 | NA | 遥感技术、植被指数分析 | 深度学习模型 | 时间序列遥感数据、频率信息数据 | NA | NA | 自注意力机制、乘法注意力、软注意力、全局注意力 | 准确率 | NA |
| 9347 | 2026-03-16 |
AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs
2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2026.120973
PMID:41831666
|
综述 | 本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇 | 整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具 | 数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战 | 探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用 | 肝纤维化及其进展至肝硬化和肝细胞癌的过程 | 机器学习 | 肝纤维化 | 转录组数据分析 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 9348 | 2026-03-16 |
Evolutionary-Based Deep Learning Network Model using Adaptive Mixing Differential Evolution and Application in Acute Pulmonary Embolism
2026-Mar-12, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.03.009
PMID:41831678
|
研究论文 | 本文提出了一种基于进化计算的深度学习网络模型EDLAlexNet，用于急性肺栓塞的预测和分析 | 提出了一种结合Q学习和对立学习的自适应混合差分进化算法MIXDE，并将其集成到AlexNet模型中，用于急性肺栓塞的预测 | NA | 开发一种高效、准确的工具，用于急性肺栓塞的预测和分析，以克服现有评估方法的复杂性、耗时性和侵入性等局限 | 中低风险和高风险的急性肺栓塞患者 | 机器学习 | 急性肺栓塞 | NA | CNN | 血液生化指标、生命体征、临床参数和临床特征 | NA | NA | AlexNet | 准确率, 特异性, 敏感性, AUC | NA |
| 9349 | 2026-03-16 |
Molecular Design with Artificial Intelligence: Progress and Perspectives for Small Molecules
2026-Mar-11, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.5c00689
PMID:41764645
|
综述 | 本文回顾了人工智能在分子设计领域的发展路径，并探讨了AI对化学的实际影响 | 整合了生成式人工智能（如变分自编码器、大语言模型和扩散模型）于化学分子设计，推动了该领域的爆炸性发展 | 讨论了AI生成分子合成相关的可能性和问题，但未具体说明技术或应用限制 | 探讨人工智能在化学分子设计中的进展与前景 | 小分子 | 机器学习 | NA | NA | 变分自编码器, 大语言模型, 扩散模型 | NA | NA | NA | NA | NA | NA |
| 9350 | 2026-03-16 |
Deep Learning Assisted Proton Pure Shift NMR Spectroscopy
2026-Mar-11, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c22860
PMID:41770844
|
研究论文 | 本文提出了一种基于深度学习的质子纯位移核磁共振光谱方法，用于将自旋回波调制的氢核磁共振光谱转换为高灵敏度、高分辨率的单峰光谱 | 利用深度学习将复杂重叠的多重峰模式转换为虚拟同核去耦纯位移光谱，并预测转换不确定性以实现定量分析 | 未明确说明方法在特定低灵敏度样品或可交换质子系统中的具体应用限制 | 开发一种深度学习辅助的核磁共振光谱分析技术，以改善复杂有机化合物光谱的解析能力 | 复杂有机化合物，包括天然产物和药物类有机分子 | 机器学习 | NA | 核磁共振光谱学，质子纯位移光谱 | 深度学习 | 核磁共振光谱数据 | NA | NA | NA | NA | NA |
| 9351 | 2026-03-16 |
Untangling biological complexity: A deep learning approach to separating multiple signals in single-cell data
2026-Mar-11, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2026.101188
PMID:41819074
|
研究论文 | 本文介绍了一种名为CellUntangler的深度学习模型，用于从单细胞RNA测序数据中捕获和过滤多个生物信号 | 开发了基于深度学习的CellUntangler模型，能够有效分离单细胞数据中的多个生物信号 | NA | 从单细胞RNA测序数据中分离多个生物信号 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 9352 | 2026-03-16 |
Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study
2026-Mar-10, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/84261
PMID:41806366
|
研究论文 | 本研究提出了一种创新的框架，将人群层面的共病模式识别与个体层面的预测建模相结合，用于前瞻性预测个体未来的共病模式 | 提出了一种新颖的深度学习模型CLA-Net，它结合了GRU和Transformer架构的优势，并引入了双时间定向交叉注意力机制，以同时捕捉时间依赖性和复杂的特征交互 | 未明确说明研究数据的来源、时间跨度或潜在的样本偏差，也未讨论模型在外部验证或不同人群中的泛化能力 | 将共病研究从描述性分析推进到前瞻性的共病模式预测，以支持个性化的预防和管理 | 纵向健康随访数据中的个体 | 机器学习 | 共病 | 潜在转变分析，深度学习 | GRU, Transformer | 纵向健康随访数据 | NA | NA | CLA-Net | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 9353 | 2026-03-16 |
Computer-aided diagnosis of papillary thyroid carcinoma based on deep learning technology
2026-Mar-10, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105235
PMID:41819301
|
综述 | 本文系统评估了深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用，包括影像学和病理学分析，并探讨了未来发展方向 | 系统性地综述了深度学习在PTC诊断中的多模态应用（超声、CT、MRI、H&E染色病理切片），并前瞻性地提出了结合影像组学与分子生物标志物的混合模型以及可解释AI框架的发展方向 | 存在数据集异质性、模型可解释性限制以及影像标准化挑战等局限性 | 评估深度学习技术在甲状腺乳头状癌（PTC）诊断中的应用现状与未来方向，以优化临床决策 | 甲状腺乳头状癌（PTC）的影像学（超声、CT、MRI）和病理学（H&E染色切片）数据 | 数字病理学 | 甲状腺癌 | 深度学习，影像组学分析 | 深度学习模型 | 图像（超声、CT、MRI影像，H&E染色病理切片） | NA | NA | NA | 准确性 | NA |
| 9354 | 2026-03-16 |
Classification of functional near-infrared spectroscopy (fNIRS) signals in schizophrenia and bipolar disorder using deep learning methods
2026-Mar-10, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2026.117084
PMID:41831295
|
研究论文 | 本研究利用功能近红外光谱（fNIRS）结合言语流畅性任务（VFT），通过深度学习方法和可解释性分析，对精神分裂症（SCZ）和双相情感障碍（BD）患者进行功能分类和鉴别诊断 | 首次将深度学习与可解释性方法结合应用于fNIRS信号，以区分SCZ和BD，并识别关键神经影像生物标志物（如lOFC） | 样本量相对较小（共169名参与者），且仅基于fNIRS和VFT任务，可能未涵盖其他认知或生理指标 | 评估fNIRS作为临床诊断工具的可靠性，并探索其在认知任务中对SCZ和BD进行鉴别诊断的潜力 | 精神分裂症患者、双相情感障碍患者和健康对照者 | 机器学习 | 精神分裂症, 双相情感障碍 | 功能近红外光谱（fNIRS）, 言语流畅性任务（VFT） | 深度学习 | fNIRS信号（氧合血红蛋白浓度变化） | 50名SCZ患者、67名BD患者和52名健康对照者（共169名） | NA | NA | 分类准确率, AUC | NA |
| 9355 | 2026-03-16 |
DisNet : Learning interpretable depression representations in speech
2026-Mar-09, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108820
PMID:41831358
|
研究论文 | 本文提出了一种可解释的抑郁症筛查网络DisNet，用于从语音中学习可解释的抑郁症表征 | 提出了包含可学习频域滤波器组模块和分层语音表征提取模块的端到端可解释网络，并采用自监督学习策略增强特征可解释性 | 未明确说明模型在跨数据集泛化能力方面的具体限制 | 开发可解释的语音抑郁症检测方法 | 语音信号 | 自然语言处理 | 抑郁症 | 语音分析 | 深度学习网络 | 语音 | AMHS-corpus数据集（具体数量未说明）及公开数据集DAIC-woz、CMDC、EATD-corpus | 未明确说明 | DisNet（包含LFB和HRE模块） | F1分数 | NA |
| 9356 | 2026-03-16 |
Last-layer committee machines for uncertainty estimations of benthic imagery
2026-Mar-06, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108819
PMID:41830872
|
研究论文 | 本研究提出了一种基于最后一层委员会机器的框架，用于改善海底栖息地图像分类中的不确定性估计，以减少模型参数并提升标注可靠性 | 提出了一种单最后一层委员会机器方法，能在保持性能的同时将网络参数减少超过95%，相比贝叶斯神经网络、蒙特卡洛dropout和深度集成等计算成本更高的策略 | 方法仅在BenthicNet数据集的两个挑战性子数据集上进行了测试，未在其他海洋图像数据集或更广泛的应用场景中验证 | 改善海底栖息地图像自动标注的可靠性，通过不确定性估计识别模糊、错误标注或分布外样本 | 海底栖息地图像，包括海底及其相关生物、栖息地和地质特征的图像 | 计算机视觉 | NA | 深度学习 | 贝叶斯神经网络, 蒙特卡洛dropout, 委员会机器 | 图像 | NA | NA | NA | NA | NA |
| 9357 | 2026-03-16 |
Treehopper-Inspired Passive Electroluminescent Vector Electric Field Sensor with Deep Learning-Enabled High-Precision Reconstruction
2026-Mar-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c25790
PMID:41784229
|
研究论文 | 本研究受树蝉生物电传感机制启发，设计并实现了一种基于仿生介电异质结构的被动电致发光矢量电场传感器，并利用深度学习方案从光谱中重建完整的矢量场信息 | 提出了一种无需外部电源、基于仿生介电异质结构的被动电致发光矢量电场传感器，并结合共享权重一维卷积神经网络进行高精度矢量信息重建 | NA | 实现复杂电磁环境中被动、高精度、矢量分辨的电场传感 | 矢量电场 | 机器学习 | NA | 电致发光 | CNN | 光谱数据 | NA | NA | 共享权重一维卷积神经网络 | 平均绝对误差, 平均相对误差, 平均绝对角度误差 | NA |
| 9358 | 2026-03-16 |
Deep Learning-Enabled Multi-Omics Integration: A New Frontier in Precise Drug Target Discovery
2026-Mar-02, Biology
DOI:10.3390/biology15050410
PMID:41823837
|
综述 | 本文系统综述了深度学习驱动的多组学整合在药物靶点发现领域的最新进展、挑战与未来机遇 | 系统性地总结了深度学习整合多组学数据用于药物靶点发现这一新兴前沿领域，并探讨了生成式AI、大型多模态模型等新兴技术带来的机遇 | 文中提及了该领域面临的持续挑战，包括数据稀疏性、模型可解释性、靶点成药性及验证障碍 | 推动精准药物靶点发现，以应对药物研发成本上升和高失败率的问题 | 多组学数据（如基因组学、转录组学、蛋白质组学等） | 机器学习 | NA | 多组学整合 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 9359 | 2026-03-16 |
Applications of artificial intelligence in bovine reproductive assessment: focus on oocytes and blastocysts
2026-Mar, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03772-3
PMID:41396246
|
综述 | 本文综述了人工智能在牛卵母细胞和囊胚质量评估中的应用，探讨其如何提高辅助生殖技术的效率和准确性 | 将人工智能，特别是计算机视觉和深度学习，引入牛生殖评估领域，以自动化、标准化传统上主观且耗时的手动评估过程 | NA | 探讨人工智能在牛生殖生物学中卵母细胞和囊胚质量评估的应用潜力，以支持辅助生殖技术和遗传改良策略 | 牛的卵母细胞和囊胚 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 9360 | 2026-03-16 |
KANPM-DTA: improving drug-target affinity prediction with Kolmogorov-Arnold networks and pretrained models
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag112
PMID:41818722
|
研究论文 | 本文提出了一种名为KANPM-DTA的深度学习框架，用于改进药物-靶点亲和力预测 | 引入了ESM引导的蛋白质图构建策略以整合进化和结构信息，采用门控融合机制整合药物-蛋白质图特征，使用线性注意力捕获跨模态依赖关系，并利用Kolmogorov-Arnold网络进行最终亲和力预测，以提供更强的非线性逼近和更好的可解释性 | 需要湿实验验证来评估结果的适用性 | 提高药物-靶点亲和力预测的准确性和可靠性，以促进药物发现和再利用 | 药物-靶点对 | 机器学习 | NA | 深度学习 | Kolmogorov-Arnold网络, 图神经网络 | 蛋白质序列, 药物分子结构, 亲和力数据 | 在Davis、KIBA、Metz和BindingDB等多个基准数据集上进行了综合实验 | NA | KANPM-DTA (包含ESM引导的蛋白质图构建、门控融合机制、线性注意力模块和Kolmogorov-Arnold网络) | 均方误差, 一致性指数, $r_{m}^{2}$ | NA |