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 40490 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-02-20 |
MRI-based deep learning radiomics in predicting histological differentiation of oropharyngeal cancer: a multicenter cohort study
2026-Mar, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-025-04042-5
PMID:40903693
|
研究论文 | 本研究开发并评估了一种基于MRI的深度学习放射组学框架，用于预测口咽癌的组织学分化等级 | 首次将放射组学特征与深度学习特征相结合，构建了深度学习放射组学模型，用于预测口咽癌的组织学分化，并在多中心数据上验证了其性能优于单独的放射组学或深度学习模型 | 回顾性研究，样本量相对较小（122例），仅在中国三家医疗机构进行，需要更大规模的前瞻性研究进一步验证 | 预测口咽癌的组织学分化等级，以辅助术前精准诊断和临床决策 | 口咽癌患者 | 数字病理学 | 口咽癌 | 磁共振成像 | 深度学习 | 医学影像 | 122例口咽癌患者（来自三家医疗机构），其中训练集85例，测试集37例 | NA | 深度学习放射组学模型 | AUC, 决策曲线分析 | NA |
| 2 | 2026-02-20 |
Classification of major depressive disorder using vertex-wise brain sulcal depth, curvature, and thickness with a deep and a shallow learning model
2026-Mar, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-025-03273-w
PMID:41044403
|
研究论文 | 本研究使用深度学习模型DenseNet和浅层学习模型SVM，基于顶点水平的脑沟深度、曲率和厚度等形态学特征，对重度抑郁症患者和健康对照者进行分类 | 首次在全球代表性多中心ENIGMA-MDD数据集上，结合顶点水平的多种皮层形态特征，系统比较了深度学习和传统机器学习模型在MDD分类中的性能 | 基于当前特征和分类器的组合未能有效区分MDD与健康对照，分类性能接近随机水平，表明单模态形态学特征可能不足以捕捉MDD的异质性 | 开发重度抑郁症的客观诊断生物标志物，评估深度学习在神经影像数据分析中的应用潜力 | 重度抑郁症患者和健康对照者 | 神经影像分析 | 重度抑郁症 | 结构磁共振成像 | DenseNet, SVM | 神经影像特征数据 | 7012名参与者（2772名MDD患者，4240名健康对照），来自31个研究中心 | NA | DenseNet | 平衡准确率 | NA |
| 3 | 2026-02-20 |
Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07655-8
PMID:41247514
|
研究论文 | 本文应用深度学习技术，基于心肌灌注SPECT数据预测阻塞性冠状动脉疾病，旨在替代侵入性冠状动脉造影作为诊断金标准 | 首次将深度学习应用于心肌灌注SPECT数据的衰减校正和CAD预测，结合临床因素提升预测性能，并在多中心外部数据集验证 | 研究为回顾性设计，样本量有限（515例），且仅使用特定放射性示踪剂（Tc-99m-sestamibi或Tl-201），可能影响泛化能力 | 开发基于深度学习的非侵入性方法，用于预测阻塞性冠状动脉疾病，减少对侵入性冠状动脉造影的依赖 | 来自3个临床中心的515名匿名患者的心肌灌注SPECT数据 | 医学影像分析 | 冠状动脉疾病 | 心肌灌注SPECT（MP-SPECT），使用Tc-99m-sestamibi或Tl-201示踪剂 | 深度学习模型 | 医学影像（SPECT图像） | 515名患者（主要数据集212例，外部数据集1为108例，外部数据集2为195例） | NA | NA | AUC（曲线下面积），准确度 | NA |
| 4 | 2026-02-20 |
Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07644-x
PMID:41251746
|
研究论文 | 本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效辐射剂量 | 首次将全身PET与深度学习生成的合成CT衰减图结合，实现了极低放射性注射剂量下的可靠器官水平量化，有效剂量可低至约0.45 mSv | 研究仅针对健康高加索人群，样本量有限（47人），且未评估在疾病状态或不同种族群体中的适用性 | 开发一种最小化辐射暴露的全身PET/CT成像协议，用于健康受试者的参考数据集创建 | 47名健康高加索志愿者（25名女性，22名男性，BMI：24±3 kg/m²） | 医学影像 | NA | 全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟脱氧葡萄糖（[18F]FDG）成像，深度学习 | 深度学习模型 | PET原始数据，CT图像，合成CT图像 | 47名健康志愿者 | NA | NA | 标准化摄取值（SUVbw），变异系数（CV），百分比差异 | NA |
| 5 | 2026-02-20 |
Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07672-7
PMID:41261209
|
研究论文 | 本研究通过多中心、多示踪剂和外部验证的方式，评估了一种基于深度学习的低计数全身PET去噪软件（NUCLARITY）的临床性能 | 首次在欧洲临床环境中，对PET去噪算法进行了盲法、多中心、多示踪剂评估，并纳入了未见过的扫描仪技术 | 诊断图像质量和信心在低计数增强扫描中略低于标准计数扫描，且仅一位读者明确偏好标准计数扫描 | 评估深度学习去噪算法在低计数PET扫描中的临床效用，以降低示踪剂剂量或扫描时间 | 来自三家欧洲医院的65次PET扫描数据，包括[1⁸F]FDG、[1⁸F]PSMA、[68 Ga]PSMA和[68 Ga]DOTATATE示踪剂 | 数字病理学 | NA | PET扫描 | 深度学习 | 图像 | 65次扫描，涉及243个病灶 | NA | NA | RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 灵敏度, 特异性, 一致性相关系数 | NA |
| 6 | 2026-02-20 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07660-x
PMID:41261210
|
研究论文 | 本文提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像，以改善心肌血流量和血流储备的量化准确性 | 首次将3D-ResNet架构应用于18F-flurpiridaz PET的动态帧间运动校正，实现了自动化的校正过程，减少了人工干预和观察者间变异性 | 研究基于单中心临床试验数据，样本量相对有限，且依赖于模拟向量进行数据增强，可能无法完全覆盖真实世界中的运动变异 | 开发一种自动化的运动校正方法，以提高18F-flurpiridaz PET中心肌血流量和血流储备量化的准确性和效率 | 18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的III期临床试验患者 | 数字病理学 | 心血管疾病 | PET成像 | CNN | 3D图像 | 来自32个站点的III期临床试验数据，具体样本数量未明确说明 | NA | 3D-ResNet | AUC, 95%置信限, 平均差异 | NA |
| 7 | 2026-02-20 |
[Wolff-Parkinson-White syndrome : Comparison of different algorithms]
2026-Mar, Herzschrittmachertherapie & Elektrophysiologie
DOI:10.1007/s00399-025-01128-z
PMID:41575500
|
综述 | 本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则、现代规则以及深度学习模型 | 首次系统性地综述并比较了经典、现代规则算法与深度学习模型在WPW综合征旁路定位中的性能，并强调了人工智能与多模态方法整合的未来潜力 | NA | 评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路定位中的准确性和临床价值 | Wolff-Parkinson-White综合征患者的心电图数据及旁路定位算法 | 医学信息学 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图数据 | NA | NA | NA | 准确率, 敏感性, 特异性, AUROC | NA |
| 8 | 2026-02-20 |
Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging
2026-Mar, European urology open science
IF:3.2Q1
DOI:10.1016/j.euros.2026.01.014
PMID:41695400
|
研究论文 | 本研究评估了结合限制谱成像最大限制分数与深度学习模型，在双参数磁共振成像上提升患者层面临床显著性前列腺癌检测性能的效果 | 首次将快速获取的限制谱成像序列与3D深度学习架构（3D-DenseNet）相结合，并采用留一中心交叉验证方法，用于增强基于PI-RADS标准的临床显著性前列腺癌患者层面检测 | 参考标准（活检）存在不完美性，排除了髋关节植入物病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息 | 评估结合RSIrsmax与深度学习模型是否能提升患者层面临床显著性前列腺癌的检测性能 | 接受磁共振成像并经由活检确诊前列腺癌的患者 | 数字病理学 | 前列腺癌 | 磁共振成像，限制谱成像 | CNN | 图像 | 来自7个机构的1892名患者，其中876名活检确诊患者用于模型性能评估 | PyTorch | 3D-DenseNet | AUC, 敏感性, 特异性, 净重分类改善, 综合判别改善 | NA |
| 9 | 2026-02-20 |
Clinical evaluation of deep learning-based CT-free PET reconstruction image: a dual-center study
2026-Mar, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07618-z
PMID:41091188
|
研究论文 | 本研究通过双中心回顾性分析，评估了基于深度学习的CT-free PET重建图像在临床诊断中的性能，并与传统方法进行比较 | 提出了一种新颖的基于分解的深度学习算法，用于CT-free PET重建，并在多扫描仪和多示踪剂场景下进行了全面临床评估 | 研究为回顾性分析，且Decomposition-based DL方法在部分半定量指标上未始终表现出最低误差 | 评估基于深度学习的PET重建技术能否在无需CT衍生的衰减和散射校正的情况下，维持足够的图像质量以支持可靠的临床诊断 | 359名患者的原始PET/CT数据，涉及4台扫描仪和4种示踪剂 | 医学影像分析 | NA | PET/CT成像，深度学习重建 | 深度学习 | PET/CT图像数据 | 359名患者 | NA | Decomposition-based DL算法，传统2D-DL，传统3D-DL | 视觉评分（5点Likert量表），诊断准确性（基于病灶的假阳性/假阴性率），半定量指标（SUVmax一致性） | NA |
| 10 | 2026-02-20 |
Deep Learning Integration of Endoscopic Ultrasound Features and Serum Data Reveals LTB4 as a Diagnostic and Therapeutic Target in ESCC
2026-Feb-19, Cancer biotherapy & radiopharmaceuticals
DOI:10.1177/10849785251380368
PMID:40965275
|
研究论文 | 本研究通过深度学习整合内镜超声图像特征与血清数据，揭示了LTB4作为食管鳞状细胞癌的诊断和治疗靶点 | 首次将深度学习提取的内镜超声图像特征与血清炎症标志物（特别是LTB4）相结合，用于ESCC的诊断和治疗反应预测 | 样本量较小（仅115例患者），且为单中心前瞻性研究，需要更大规模的多中心验证 | 开发可靠的、非侵入性的生物标志物，用于食管鳞状细胞癌的早期诊断和治疗反应预测 | 115例食管鳞状细胞癌患者及其内镜超声图像和血浆样本 | 数字病理学 | 食管鳞状细胞癌 | 酶联免疫吸附测定（ELISA） | CNN | 图像, 血清数据 | 115例患者 | NA | ResNet50 | NA | NA |
| 11 | 2026-02-20 |
Patch2Space: a registration-free segmentation method for misaligned multimodal medical images
2026-Feb-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4286
PMID:41643314
|
研究论文 | 提出了一种无需配准的、针对未对齐多模态医学图像的分割方法Patch2Space | 提出了统一体空间模块，将未对齐模态的图像块编码并投影到统一空间，并设计了新的空间注意力机制集成到多级特征融合模块中，实现了内部、空间和模态三个层次的特征有效融合 | 未在摘要中明确说明 | 开发一种基于深度学习的多模态图像分割方法，能够从未对齐的多模态图像中学习高质量且强相关的图像特征，无需配准即可获得与对齐图像相当的准确分割结果 | 未对齐的多模态医学图像 | 数字病理学 | NA | 深度学习 | NA | 多模态医学图像 | 1472名患者 | NA | NA | NA | NA |
| 12 | 2026-02-20 |
The utility of artificial intelligence and deep learning to automate and accelerate follicle counts in human ovarian tissue†
2026-Feb-18, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf250
PMID:41206485
|
研究论文 | 本文开发了一种基于人工智能和深度学习的方法，用于自动化人类卵巢组织全玻片图像中的卵泡计数 | 整合了DeepLabV3+分割模型和Faster R-CNN目标检测模型，通过合并预测结果提高了卵泡计数的准确性和可重复性 | 分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分为0.27，表明模型性能仍有提升空间 | 开发自动化工具以加速和改善人类卵巢组织中卵泡的定量分析，支持生育力保存的研究和临床决策 | 人类卵巢组织全玻片图像中的卵泡 | 数字病理学 | NA | 组织学评估，全玻片成像 | CNN | 图像 | 来自47名患者的1857张全玻片图像，包含8300个标注卵泡 | NA | DeepLabV3+, Faster R-CNN | Dice系数, 敏感性, 阳性预测值, COCOmetric | NA |
| 13 | 2026-02-20 |
Deep Learning Model for Differentiating Between Neoplastic Pathologic Fracture and Nonpathologic Fracture Using Hip Radiographs
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00344
PMID:41296822
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在髋关节X光片上区分肿瘤性病理性骨折与非病理性骨折 | 首次开发了基于髋关节X光片的深度学习模型，用于区分肿瘤性病理性骨折与非病理性骨折，并在多中心数据上进行了外部验证 | 研究为回顾性设计，且模型性能在外部验证中特异性相对较低 | 提高髋关节X光片上肿瘤性病理性骨折与非病理性骨折的鉴别诊断准确性 | 髋关节X光片 | 计算机视觉 | 骨肿瘤 | X光成像 | 深度学习模型 | 图像 | 训练与内部测试：338名患者；外部验证：488名患者（其中67名为肿瘤性病理性骨折，421名为非病理性骨折） | 未明确提及 | 未明确提及 | 准确率, 敏感度, 特异性 | 未明确提及 |
| 14 | 2026-02-20 |
AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00485
PMID:41364772
|
研究论文 | 本研究开发了一种基于AI的自动化术前规划系统，通过CT-MRI图像融合与分割技术，用于前交叉韧带重建手术的精准规划 | 创新点在于结合了Dual-UNet注册架构进行CT-MRI图像融合，实现了动态3D重建，并利用深度学习框架自动优化ACL隧道定位，具备等距、解剖和个性化特征 | 研究样本主要针对中国汉族人群，年龄范围有限（18-50岁），且男性占比较高（81.0%），可能影响结果的普适性 | 开发并评估一种AI驱动的自动化术前规划系统，以提高前交叉韧带重建手术的准确性和效率 | 前交叉韧带完整的患者膝关节CT和MRI图像，以及进行ACL重建手术的骨模型和临床患者 | 数字病理 | 运动损伤 | CT-MRI图像融合，深度学习 | Dual-UNet | 图像 | 200个膝关节CT和MRI扫描用于训练，36个ACL重建骨模型和72例临床手术（36例AI引导，36例传统手术）用于验证 | NA | Dual-UNet | Dice系数，隧道长度偏差，移植物长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向） | NA |
| 15 | 2026-02-20 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2026-Feb-18, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，用于增强预测蛋白质突变引起的结合亲和力变化 | 通过解耦注意力机制整合结构和序列信息，结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略 | 未在摘要中明确提及 | 准确评估突变对蛋白质-蛋白质相互作用的影响，以理解疾病发病机制并开发靶向疗法 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | 图神经网络, 语言模型 | 结构信息, 序列信息 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 16 | 2026-02-20 |
Host-specific fluorescence dynamics in legume-rhizobium symbiosis during nodulation
2026-Feb-18, Applied and environmental microbiology
IF:3.9Q2
DOI:10.1128/aem.02154-25
PMID:41543262
|
研究论文 | 本研究系统评估了固氮酶系统启动子驱动不同荧光报告基因在豆科植物-根瘤菌共生结瘤过程中的表达效果，并建立了基于深度学习的自动化分析流程 | 首次系统比较了P启动子驱动多种荧光蛋白在确定型和不确定型结瘤系统中的表达特性，并开发了深度学习辅助的高通量结瘤性状分析流程 | 部分红色荧光蛋白（如mScarlet-I、mRFP1）在豌豆中信号弱或不稳定，红色荧光标记体系在某些宿主中仍需优化 | 开发适用于豆科植物-根瘤菌共生研究的可靠荧光报告系统与自动化分析工具 | 豆科植物（确定型和不确定型结瘤系统）与根瘤菌的共生相互作用 | 植物微生物互作 | NA | 荧光报告基因系统、共聚焦显微成像、深度学习图像分析 | 深度学习 | 荧光显微图像 | 多种豆科植物根瘤样本（包括确定型和不确定型结瘤系统） | NA | NA | 与ImageJ标准分析结果的验证对比 | NA |
| 17 | 2026-02-20 |
A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics
2026-Feb-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21901
PMID:41653092
|
研究论文 | 本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激 | 通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力 | 未明确提及具体局限性 | 开发一种简化制造和操作、同时增强功能性和能源效率的下一代柔性传感系统 | 柔性传感器，用于模拟人类皮肤同时检测热和机械刺激的能力 | 机器学习 | NA | 热电和摩擦电传感机制 | 深度学习回归模型 | 电压信号 | NA | NA | NA | 准确率 | NA |
| 18 | 2026-02-20 |
Metadata Resolution Spoofing for Pediatric Application of Adult-Trained Deep Learning Models for Pancreas Segmentation on CT
2026-Feb-18, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.33778
PMID:41090642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19 | 2026-02-20 |
Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans
2026-Feb-18, Diabetes, obesity & metabolism
DOI:10.1111/dom.70557
PMID:41705581
|
研究论文 | 本研究利用机器学习分析CT扫描，评估2型糖尿病患者的肝脏和腹部脂肪特征 | 首次在大规模、种族多样的疾病生物库中，结合深度学习量化多个腹部影像特征与2型糖尿病的关系 | 研究基于单中心数据，可能受样本选择偏差影响，且糖尿病状态仅通过HbA1c阈值确定 | 探究2型糖尿病与腹部影像特征（如肝脏脂肪变性、内脏脂肪）之间的关联 | 2型糖尿病患者与非糖尿病患者 | 医学影像分析 | 2型糖尿病 | 深度学习 | 深度学习算法 | CT扫描图像 | 1594名患者（包括950名非糖尿病患者和644名糖尿病患者） | NA | NA | 比值比, 置信区间, p值 | NA |
| 20 | 2026-02-20 |
Optimization and External Validation of a Deep Learning Model for Segmentation and Quantification of Traumatic Brain Injury Lesions on Head Computed Tomography
2026-Feb-18, Journal of neurotrauma
IF:3.9Q2
DOI:10.1177/08977151251408798
PMID:41705651
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |