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 50072 篇文献，本页显示第 12761 - 12780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12761 | 2026-04-01 |
STGNET: extending panel coverage in imaging-based spatial transcriptomics using deep generative adversarial networks
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag122
PMID:41875024
|
研究论文 | 本文提出了一种名为STGNET的深度学习框架，通过结合生成对抗网络和图神经网络来扩展成像空间转录组学中的基因面板覆盖范围 | STGNET创新性地将多阶段GAN与空间感知图卷积网络结合，从单细胞RNA测序数据学习全局转录组分布，并通过建模物理细胞邻近性和转录相似性来优化基因填补 | 未在摘要中明确提及 | 克服成像空间转录组学技术中基因面板覆盖范围有限的限制，实现更全面的空间生物学分析 | 成像空间转录组学数据，涉及小鼠胚胎发生、乳腺癌进展和大脑组织 | 数字病理学 | 乳腺癌 | 成像空间转录组学，单细胞RNA测序 | GAN, GCN | 空间转录组学数据，单细胞RNA测序数据 | 九个不同的空间转录组学数据集 | 未在摘要中明确提及 | 生成对抗网络，图卷积网络 | 基因填补准确性，细胞拓扑结构保持性 | 未在摘要中明确提及 |
| 12762 | 2026-04-01 |
Performance of predictive AI-based clinical decision support systems across clinical domains: A systematic review and meta-analysis
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001310
PMID:41875094
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于人工智能的临床决策支持系统（AI-CDSS）在多个医学专科中的预测性能 | 本研究首次对跨多个医学专科的当代AI驱动预测工具进行了广泛的系统综述和荟萃分析，并提出了一个名为ROADMAP的实用框架，以弥合算法性能与有意义的临床整合之间的差距 | 纳入的研究存在显著的异质性，且仅有24%的研究涉及前瞻性部署，64%的研究仅报告了技术指标而缺乏临床工作流程数据 | 评估基于人工智能的临床决策支持系统（AI-CDSS）在多个医学专科中的预测性能 | 评估基于人工智能的临床决策支持系统（AI-CDSS）预测性能的研究 | 机器学习 | NA | NA | NA | 真实世界临床数据 | NA | NA | NA | AUC, 特异性, 准确性, 敏感性 | NA |
| 12763 | 2026-04-01 |
HiCMamba: Enhancing Hi-C resolution and identifying 3D genome structures with state space modeling
2026-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1014057
PMID:41875404
|
研究论文 | 本文提出了一种基于深度学习和状态空间模型的新方法HiCMamba，用于增强Hi-C接触图的分辨率并识别3D基因组结构 | 首次将状态空间模型应用于Hi-C分辨率增强领域，并设计了基于UNet的自动编码器架构，结合了全局和局部多尺度感受野的感知能力 | 未明确说明方法在极低覆盖度数据上的性能边界，也未讨论跨细胞类型或物种的泛化能力 | 解决Hi-C数据因测序成本和技术限制导致的覆盖度不足问题，提升染色质相互作用频率估计的精确度 | Hi-C接触图数据及其衍生的3D基因组结构（如拓扑关联结构域TADs和染色质环） | 计算生物学 | NA | Hi-C技术 | 深度学习 | 基因组相互作用频率矩阵（接触图） | NA | NA | UNet-based auto-encoder | NA | 显著减少了计算资源需求（具体类型未说明） |
| 12764 | 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 |
| 12765 | 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 |
| 12766 | 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 |
| 12767 | 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 |
| 12768 | 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 |
| 12769 | 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 |
| 12770 | 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 |
| 12771 | 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 |
| 12772 | 2026-04-01 |
Advancing workpiece dimension measurement: Integrating AI-based edge detection with machine vision and coordinate measuring systems
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0342797
PMID:41871139
|
研究论文 | 本研究探讨了在坐标测量机工业图像分析框架中应用基于AI的检测方法，以提升工件尺寸测量的精度 | 将基于CNN的AI边缘检测与机器视觉及坐标测量系统集成，提出了一种标准化方法，用于精确测量工件尺寸，并通过迁移学习解决了小数据集过拟合问题 | 研究基于有限的数据集（特定模型表面特征），虽然展示了跨材料可扩展性，但通用性仍需进一步验证 | 提升工业机器视觉中工件尺寸测量的准确性和效率 | 具有不同孔尺寸和数量的工件模型 | 机器视觉 | NA | AI边缘检测，迁移学习 | CNN | 图像 | 使用SolidWorks设计并CNC加工的两个模型，以及用于跨材料验证的200张Drelin材料图像 | NA | 卷积神经网络 | 分类准确率，混淆矩阵，直径偏差，相关系数，ANOVA | NA |
| 12773 | 2026-04-01 |
Nickel price forecasting based onempirical mode decomposition and deep learning model with expansion mechanism
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0341559
PMID:41875101
|
研究论文 | 本研究提出了一种结合集成经验模态分解和扩张长短期记忆网络的混合预测框架，用于预测镍价波动 | 创新性地将EEMD与Dilated LSTM结合，通过多尺度分解和高级时序特征提取提升预测精度，并利用可解释性分析识别铜价波动的关键驱动作用 | 未明确说明模型在其他金属或商品价格预测中的泛化能力，且样本数据范围和时间跨度未详细说明 | 开发一种混合预测框架以提高镍价预测的准确性，支持资源驱动型企业的风险管理和政府产业政策设计 | 镍期货价格 | 机器学习 | NA | 集成经验模态分解, 扩张长短期记忆网络 | LSTM | 时间序列数据 | NA | NA | Dilated LSTM | NA | NA |
| 12774 | 2026-04-01 |
HCLmNet: A unified hybrid continual learning strategy multimodal network for lung cancer survival prediction
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316509
PMID:41875207
|
研究论文 | 本文提出了一种名为HCLmNet的混合持续学习多模态网络，用于预测肺癌患者的生存期 | 提出了一种结合弹性权重巩固(EWC)与三种基于回放的模块（经验回放、实例级相关性回放、类别级相关性回放）的混合持续学习策略，以解决动态临床环境中模型更新时的灾难性遗忘问题 | 未明确提及 | 开发一种能够在动态临床环境中持续学习新数据，同时避免灾难性遗忘的肺癌生存期预测模型 | 肺癌患者 | 数字病理学 | 肺癌 | CT成像, PET成像, 基因组(DNA)测序 | 深度学习, 持续学习 | 图像, 序列, 文本 | NA | NA | Swin Transformer, XLNet, 全连接网络 | 一致性指数(C-index), 平均绝对误差(MAE) | NA |
| 12775 | 2026-04-01 |
Soft Multiaxial Strain Mapping Interface with AI-Driven Decoding for Silent Speech in Noise
2026, Cyborg and bionic systems (Washington, D.C.)
DOI:10.34133/cbsystems.0536
PMID:41877703
|
研究论文 | 本文提出了一种基于软多轴应变映射和AI解码的无声语音接口，用于在嘈杂环境中实现清晰的字母通信 | 重新设计了无声语音接口，通过监测喉咙肌肉运动引起的连续多轴应变图来重建语音，结合计算机视觉光学应变传感器和深度学习，实现了在极端噪声条件下的鲁棒通信 | NA | 开发一种在嘈杂环境中捕获清晰音频的无声语音接口 | 喉咙肌肉运动引起的应变模式 | 计算机视觉 | NA | 计算机视觉光学应变传感器 | 深度学习 | 应变图 | NA | NA | NA | NA | NA |
| 12776 | 2026-04-01 |
Systematic review of different approaches for performance enhancement in elite sport
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1781958
PMID:41877740
|
综述 | 本文通过系统综述，探讨了高级分析技术在精英体育不同应用领域和运动项目中的分布与成熟度 | 首次系统性地梳理了2019年至2025年间高级分析技术在精英体育中的应用现状，并识别了技术成熟度在不同运动项目和应用目标间的差异 | 研究仅纳入了2019年至2025年间的文献，可能遗漏了更早的重要研究；且为定性综述，未进行定量荟萃分析 | 旨在考察高级分析技术在精英体育中的应用分布、成熟度，并为相关研究和实践提供基于证据的指导 | 精英体育中的高级分析技术应用 | 机器学习 | NA | 系统综述，结构化定性综合 | NA | NA | 52项符合纳入标准的研究 | NA | NA | NA | NA |
| 12777 | 2026-04-01 |
MangoLeafNet-XAI: an attention-enhanced deep learning architecture for accurate and interpretable mango leaf disease classification
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1776537
PMID:41877980
|
研究论文 | 本研究提出了一种名为MangoLeafNet-XAI的轻量级深度学习架构，用于准确且可解释的芒果叶病害分类 | 该模型创新性地将高效通道注意力（ECA）模块与DenseNet-121骨干网络结合，自适应地优化特征并高精度捕捉细微病理模式，实现了性能与计算效率的最佳平衡 | 现有方法的局限性包括计算复杂度高、结果难以解释以及数据集依赖的过拟合问题 | 开发一种适用于资源受限农业环境的精确且可解释的芒果叶病害检测系统 | 芒果叶病害，包括炭疽病、细菌性溃疡病、枯梢病、瘿蚊、白粉病、煤烟霉和切叶象甲 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 三个公共数据集（MLDID、Mango Leaf Disease和Harumanis），涵盖多种环境条件和病害类别 | PyTorch, TensorFlow | DenseNet-121 | 准确率 | 适用于边缘设备部署，模型参数仅690万 |
| 12778 | 2026-04-01 |
Protein structure prediction powered by artificial intelligence: from biochemical foundations to practical applications
2026, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2026.1767821
PMID:41878008
|
综述 | 本文综述了人工智能驱动的蛋白质结构预测方法，从生化基础到实际应用 | 总结了基于深度学习和大规模蛋白质语言模型的最新进展，如AlphaFold3和RoseTTAFold，这些模型通过整合进化信息、几何约束和端到端神经架构实现了接近实验精度的预测 | NA | 总结蛋白质折叠的生化基础、AI驱动的方法学进展及其在药物发现、酶工程和疾病研究中的应用 | 蛋白质的三维结构 | 机器学习 | NA | 深度学习, 蛋白质语言模型 | 深度学习模型 | 蛋白质序列数据 | NA | NA | AlphaFold3, RoseTTAFold, ESMFold | 接近实验精度 | NA |
| 12779 | 2026-04-01 |
Correction: Advanced EEG signal classification for neural prosthetic devices using metaheuristic and deep learning techniques
2026, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2026.1795848
PMID:41878372
|
correction | 本文是对先前发表文章（DOI: 10.3389/fdgth.2025.1706660）的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12780 | 2026-04-01 |
Neurotype matching in monogamous rodents is modulated by early-life sleep experience
2025-Sep-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.24.678442
PMID:41040201
|
研究论文 | 本研究利用深度学习工具分析草原田鼠的异性配对互动，探讨早期睡眠干扰对神经类型匹配和社会亲和力的影响 | 首次在非人类动物中量化神经类型匹配现象，通过早期睡眠干扰模拟人类自闭症特征，并发现混合神经类型配对导致社会亲和力降低 | 研究仅针对草原田鼠，且模拟的神经类型基于单一干预（早期睡眠干扰），可能无法完全代表人类自闭症的复杂性 | 探究神经类型匹配现象在非人类动物中的存在及其对社会互动的影响 | 草原田鼠（Microtus ochrogaster）的异性配对 | 机器学习 | 自闭症 | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |