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 48954 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 | 2026-09-16 |
The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis
2026-10-01, Journal of clinical gastroenterology
IF:2.8Q2
DOI:10.1097/MCG.0000000000002148
PMID:39998988
|
系统综述与meta分析 | 本文通过系统综述与meta分析评估了人工智能结合数字胆道镜对不确定性和恶性胆道狭窄的诊断性能 | 首次通过系统综述与meta分析方法综合评估AI辅助胆道镜在不确定性和恶性胆道狭窄诊断中的表现 | 仅纳入5项研究，样本量有限，且仅一项研究未使用CNN深度学习系统，研究间异质性可能影响结论的稳健性 | 评估基于AI的胆道镜诊断对不确定性和恶性胆道狭窄的诊断性能 | 675个病变及2,685,674张胆道镜图像 | 计算机视觉, 数字病理学 | 胆道狭窄, 胆道恶性肿瘤 | 数字胆道镜, ERCP | CNN | 图像 | 5项研究，675个病变，2,685,674张胆道镜图像，其中CNN分析涉及4项研究538例患者 | NA | 卷积神经网络 | 灵敏度, 特异度, 似然比, 诊断比值比, SROC曲线下面积 | NA |
| 2 | 2026-09-16 |
Diagnostic accuracy of deep learning vs. human raters for detecting osteoporotic vertebral compression fractures in routine CT scans
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12393-y
PMID:41733641
|
研究论文 | 该研究比较了深度学习模型与人类评估者在常规CT扫描中检测骨质疏松性椎体压缩骨折的诊断准确性 | 评估了专门训练的深度学习模型在椎体骨折检测和分级中的表现，并与不同专业水平的人类评估者进行了全面比较，涵盖椎体、区域和患者多个层面 | 回顾性研究设计，样本来自公共数据集，可能存在选择偏倚 | 评估深度学习模型在CT扫描中检测和分级骨质疏松性椎体骨折的诊断性能，并与人类评估者进行比较 | 331名患者的3548个胸椎和腰椎椎体 | 数字病理学 | 骨质疏松 | CT扫描 | 深度学习 | 图像 | 331名患者的3548个椎体 | NA | NA | AUROC， 诊断准确性， 评估者间一致性 | NA |
| 3 | 2026-09-16 |
Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review
2026-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2026.02.016
PMID:41775582
|
综述 | 本文系统回顾了人工智能模型在预测骨性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能 | 系统评估了机器学习和深度学习模型在骨性III类错颌畸形治疗预测中的应用，并总结了常用的预测因素如Wits评估、ANB角、上下颌比、覆盖和下颌角离散度 | 需要更大规模的多中心数据集和外部验证来提高可靠性、解决偏倚并支持临床实施 | 评估AI模型在预测正颌手术需求方面的性能，并识别影响治疗决策的预测因素 | 骨性III类错颌畸形患者 | 机器学习 | 骨性III类错颌畸形 | 头影测量和临床数据 | 机器学习, 深度学习 | 表格数据, 图像 | 15项研究 | NA | 随机森林, XGBoost, ResNet, CNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 4 | 2026-09-16 |
Artificial Intelligence for Diagnosing Meibomian Gland Dysfunction: A Systematic Review and Meta-Analysis of Diagnostic Test Accuracy Studies
2026-Oct-01, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004151
PMID:41931504
|
系统综述与Meta分析 | 本文系统综述并Meta分析了人工智能基于睑板腺图像诊断睑板腺功能障碍的准确性，并与人类评分者进行比较 | 首次对人工智能读取睑板腺图像诊断睑板腺功能障碍的诊断准确性进行系统综述和Meta分析，并采用GRADE框架评估证据确定性 | 纳入研究普遍存在高偏倚风险，适用性担忧高，证据确定性极低至低，人工智能分级准确性低于人类评分者，且外部验证研究少 | 识别、评价和综合人工智能基于睑板腺图像读取在诊断睑板腺功能障碍中与人类评分者相比的性能 | 睑板腺功能障碍患者及睑板腺图像 | 医学图像分析 | 睑板腺功能障碍 | 非接触红外睑板腺成像, 活体共聚焦显微镜 | 深度学习模型 | 图像 | 14项研究，5511名参与者，18926张睑板腺图像 | NA | NA | 灵敏度, 特异度 | NA |
| 5 | 2026-09-16 |
Interpretable prediction of occult lymph node metastasis in pancreatic ductal adenocarcinoma using a model fusing habitat radiomics and deep learning
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05504-2
PMID:41973202
|
研究论文 | 该研究整合了栖息地放射组学特征与深度学习特征，用于预测胰腺导管腺癌的隐匿性淋巴结转移。 | 构建了一个融合栖息地放射组学特征与深度学习特征的模型，并利用SHAP方法增强了模型的可解释性。 | 摘要中未明确提及研究局限性。 | 评估整合栖息地放射组学特征与深度学习特征在预测胰腺导管腺癌隐匿性淋巴结转移中的价值。 | 来自两个机构的212名符合条件的胰腺导管腺癌患者。 | 数字病理学 | 胰腺癌 | CT影像 | CNN | 图像 | 212名患者（训练集115例，内部验证集50例，外部验证集47例） | NA | ResNet18 | AUC, 决策曲线分析, 校准曲线 | NA |
| 6 | 2026-09-16 |
Radiomics-Guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited Sample Multicenter Study
2026-10-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.014
PMID:41997452
|
研究论文 | 该研究开发了一种放射组学引导的模型无关元学习框架，用于子宫内膜癌术后盆腔放疗中临床靶区的自动勾画，以解决多中心勾画差异和样本量有限的问题 | 提出了一种结合放射组学特征和模型无关元学习策略的3D U-Net模型，用于小样本多中心临床靶区分割任务，有效缓解了机构间勾画风格差异和数据稀缺导致的性能下降 | 样本量有限（207例模拟CT病例和26例外中心病例），且仅针对子宫内膜癌，未验证其他癌症类型 | 开发一种有效方法，解决多机构间临床靶区勾画差异问题，即使在数据可用性有限的情况下 | 子宫内膜癌患者的模拟计算机断层扫描病例 | 数字病理学 | 子宫内膜癌 | 放射组学特征提取 | 3D U-Net，模型无关元学习 | 图像 | 207例来自5个中心的模拟CT病例，26例来自外部中心 | NA | 3D U-Net | Dice相似系数，95百分位Hausdorff距离，平均对称表面距离，4分制专家评分 | NA |
| 7 | 2026-09-16 |
Deep learning reconstruction enables accelerated T2-weighted MRI for rectal cancer staging: a prospective study of diagnostic consistency across NEX value reduction
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05460-x
PMID:41874617
|
前瞻性研究 | 评估基于深度学习的重建算法（DLR）在直肠癌T2加权MRI中，在不同激励次数（NEX）下，与传统重建（ConR）相比的图像质量、解读一致性和扫描效率 | 首次前瞻性评估DLR在直肠癌分期T2加权MRI中减少NEX值的诊断一致性，证明FSENEX2-DLR在减少49%扫描时间的同时保持诊断一致性 | 样本量较小（35例），缺乏组织病理学相关性验证诊断准确性 | 评估DLR算法在不同NEX值下对直肠癌T2加权MRI图像质量、解读一致性和扫描效率的影响 | 接受直肠癌原发分期MRI的连续患者 | 医学影像分析 | 直肠癌 | T2加权MRI | 深度学习重建算法 | 医学图像 | 35例患者，每人6组图像集，共210组图像 | NA | AIR™ Recon DL | 信噪比, 对比噪声比, 5点量表定性评分, 观察者间一致性, 序列间一致性 | NA |
| 8 | 2026-09-16 |
Correction to: Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05466-5
PMID:41896333
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-09-16 |
Deep learning reconstruction for 40-keV virtual monoenergetic CT of colon cancer: evaluation of image quality and edge sharpness
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05494-1
PMID:41940980
|
研究论文 | 评估深度学习图像重建（DLIR）对结肠癌40-keV虚拟单能CT图像质量和边缘锐度的影响 | 首次在结肠腺癌40-keV虚拟单能成像中系统评估DLIR对多目标（肿瘤、血管、淋巴结）图像质量和边缘锐度的影响，重点关注噪声抑制与边缘清晰度之间的权衡 | 回顾性研究设计，样本量较小（60例），仅采用低碘对比剂方案，未进行诊断准确性试验验证真实临床影响 | 评估DLIR对结肠腺癌40-keV虚拟单能图像客观和主观图像质量的影响，特别是噪声降低与边缘定义之间的权衡 | 确诊结肠腺癌的患者，共60例 | 医学影像分析 | 结肠癌 | 双能量CT、40-keV虚拟单能成像 | 深度学习图像重建 | 医学影像（CT图像） | 60例患者（平均年龄62.8±15.1岁，34例男性） | NA | NA | 对比噪声比（CNR）、边缘上升距离（ERD）、边缘上升斜率（ERS）、5点李克特量表主观评分 | NA |
| 10 | 2026-09-16 |
Vessel-density distribution mapping on portal venous CT and deep learning for 2-year overall survival risk stratification after transarterial chemoembolization in hepatocellular carcinoma
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05505-1
PMID:41945150
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2026-09-16 |
Neural Reconstruction in Disorders of Consciousness: Prospects and Emerging Challenges
2026-Oct, The Neuroscientist : a review journal bringing neurobiology, neurology and psychiatry
DOI:10.1177/10738584261434939
PMID:41983343
|
综述 | 本文综述了神经重建方法的发展、其在意识障碍患者中的新兴临床应用，以及相关的解释性挑战，并提出评估建议 | 首次系统性地探讨神经重建技术在意识障碍患者中的应用前景与挑战，并提出以识别意识、验证重建模型和保护患者自主权为核心的评估建议 | 本文为综述性文章，未提供原始实验数据；神经重建技术在意识障碍患者中的实际应用仍面临技术验证和伦理方面的挑战 | 综述神经重建方法的发展及其在意识障碍患者中的临床应用前景，探讨相关的解释性挑战并提出评估建议 | 意识障碍患者（包括植物状态和最小意识状态患者） | 机器学习 | 意识障碍 | 神经影像学, 深度学习 | NA | 脑神经信号 | NA | NA | NA | NA | NA |
| 12 | 2026-09-16 |
TOPOS: target organ prediction on scout views for automated CT scan planning
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12623-3
PMID:42135580
|
研究论文 | 本文开发了一种深度学习模型，用于在CT定位像上分割解剖结构，以实现自动化CT扫描规划，减少过度扫描和辐射暴露。 | 提出了在CT定位像上分割26个目标结构的深度学习模型，用于自动化扫描范围规划，并在内部和外部数据集上验证了其减少扫描长度和辐射剂量的效果。 | 单中心回顾性研究，外部验证仅涉及胸部CT，样本量有限。 | 开发深度学习模型在CT定位像上分割解剖结构，以优化扫描范围并减少辐射。 | 接受CT检查的患者。 | 医学图像分析 | NA | CT | 深度学习 | 图像 | 1146名患者（训练/验证），100名内部测试患者，36个外部胸部CT，61个内部CT（用于比较），14个外部CT（用于比较）。 | NA | NA | Dice相似系数（DSC），归一化表面距离（NSD），z轴覆盖范围，剂量长度乘积（DLP） | NA |
| 13 | 2026-09-16 |
Robust deep learning for incomplete MRI sequences in glioma grading and IDH mutation status prediction: a large-scale multicenter study
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12622-4
PMID:42142114
|
研究论文 | 本研究开发了一种稳健的不完整序列估计网络（RISEN），用于在不完整MRI数据条件下进行胶质瘤分级和IDH突变状态预测，并在多中心大规模数据上验证了其性能 | 提出了RISEN模型，能够对缺失的MRI序列影像组学特征进行插补并学习潜在融合表示，从而在不完整mp-MRI条件下保持稳健的胶质瘤分级和IDH突变预测性能 | 摘要中未明确提及研究的局限性 | 开发一种稳健且非侵入性的方法，利用不完整MRI数据实现准确的胶质瘤分级和IDH突变状态预测 | 来自五家临床机构和公共数据集的2170例胶质瘤患者的常规MRI扫描数据 | 数字病理学 | 肺癌 | 多参数MRI（mp-MRI）影像组学 | NA | 图像 | 2170例胶质瘤患者 | NA | RISEN（稳健不完整序列估计网络） | AUC | NA |
| 14 | 2026-09-16 |
AI-driven volumetric approach for automatic chemotherapy response assessment in colorectal liver metastases
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12610-8
PMID:42162286
|
研究论文 | 本研究评估了一种基于人工智能的容积测量方法在结直肠癌肝转移治疗反应评估中的临床效用，并与传统RECIST 1.1标准进行了比较 | 利用深度学习nnU-Net框架实现自动化三维容积评估，在肝脏局限性转移患者中展现出优于RECIST 1.1的预后分层能力 | 在小病灶中分割性能较低（Dice系数仅为0.566±0.330），且临床验证队列中肝脏局限性转移患者样本量较小（n=43） | 评估AI驱动的容积测量方法在结直肠癌肝转移治疗反应评估中的临床效用及预后价值 | 结直肠癌肝转移患者 | 数字病理学 | 结直肠癌 | CT扫描 | CNN | 图像 | 训练集476例CT扫描（来自LiTS、MetaRec和MetaBrest三个数据集），验证集112例CT扫描；临床验证队列157例患者（来自PRODIGE 9-FFCD临床试验），其中肝脏局限性转移43例 | NA | nnU-Net | Dice相似系数、总生存期分析（p值） | NA |
| 15 | 2026-09-16 |
Ability of Deep Learning Image Reconstruction to Preserve Detail and Remove Noise in Coronary Computed Tomography Angiography: A Clinical Analysis
2026 Sep-Oct 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001866
PMID:41973049
|
研究论文 | 本文通过临床分析评估深度学习图像重建（DLIR）在冠状动脉CT血管造影中不同去噪水平下保留细节和去除噪声的能力 | 分析了DLIR三个水平对图像质量的影响，并通过差异图像和边缘/非边缘像素直方图评估细节保留情况 | 样本量较小（仅19名受试者），且为回顾性研究 | 分析DLIR低、中、高三个水平的图像质量，评估更高去噪水平是否导致边缘细节丢失 | 接受冠状动脉CT血管造影（CCTA）扫描的受试者 | 医学图像处理 | 心血管疾病 | 冠状动脉CT血管造影（CCTA） | 深度学习图像重建（DLIR） | 医学图像 | 19名受试者 | NA | 深度学习图像重建（DLIR） | 对比噪声比（CNR）、主观图像质量评分（5点李克特量表）、读者一致性（Cohen Kappa） | NA |
| 16 | 2026-09-16 |
Interpretable Semantic Medical Image Segmentation With Style and Confidence
2026-Sep, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3689564
PMID:42102085
|
研究论文 | 提出一种基于风格的生成对抗框架GASE，用于在极端数据稀缺条件下实现鲁棒且可解释的医学图像分割。 | 提出端到端的基于风格的生成对抗框架GASE，通过风格学习生成器捕获输入风格特征的流形表示，并利用风格插值多样化标记训练对，模拟采集级图像变化；分割判别器在多样化样本上训练，自动评估预测掩码的可靠性，实现可解释性。 | 仅在膝关节和骨盆MR图像数据集上进行了实验，尚未在其他模态或更多临床场景中验证。 | 解决医学图像分割中语义标记数据稀缺和深度学习模型黑箱不可解释的问题，实现数据极度稀缺下的鲁棒且可解释分割。 | 膝关节和骨盆的MR图像。 | 计算机视觉 | 骨科疾病 | 磁共振成像 | 生成对抗网络 | 图像 | NA | NA | 生成对抗网络 | 分割准确率 | NA |
| 17 | 2026-09-16 |
AI-driven Abdominal Aortic Calcification Extracted From Contrast-enhanced CT Is Predictive of All-cause Mortality and Cardiovascular Events in a Large Adult Population
2026 Sep-Oct 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001876
PMID:42113006
|
研究论文 | 本研究利用全自动深度学习工具从对比增强CT中量化腹主动脉钙化，并评估其对全因死亡和心血管事件的预测价值。 | 首次在大规模成人人群中验证了从对比增强CT中通过人工智能自动量化腹主动脉钙化预测死亡和心血管事件的有效性，并证明其性能与非对比CT相当。 | 回顾性研究设计，可能存在选择偏倚；未详细说明深度学习工具的具体架构和训练细节；仅使用单一医疗系统的电子健康记录数据。 | 评估从对比增强CT中通过人工智能自动量化的腹主动脉钙化对全因死亡和心血管事件的预测效用。 | 接受腹部CT检查的成年人群。 | 数字病理学, 医学影像分析 | 心血管疾病 | 对比增强CT, 非对比CT, 深度学习 | 深度学习 | 图像, 文本 | 123,500名成人（43,455例非对比CT，79,885例对比增强CT） | NA | NA | AUC, HR, 95% CI | NA |
| 18 | 2026-09-16 |
Low-Field Musculoskeletal MRI: Recent Advances, Challenges, and Practice Considerations
2026 Sep-Oct 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001879
PMID:42112594
|
综述 | 本文综述了低场肌肉骨骼MRI的最新进展、挑战和实践考虑 | 聚焦于0.55T低场MRI在肌肉骨骼系统中的应用进展，涵盖发射-接收链设计、深度学习重建算法等技术创新 | 低场MRI仍存在局限性，最主要的是难以实现稳健的脂肪抑制和固有的较低信噪比 | 讨论低场MRI的技术原理、图像质量考虑、经济因素和临床挑战，特别关注其在肌肉骨骼系统中的应用 | 低场肌肉骨骼MRI技术及临床应用 | 医学影像 | 肌肉骨骼疾病 | 低场MRI | NA | 图像 | NA | NA | NA | 信噪比 | NA |
| 19 | 2026-09-16 |
Assessing the Reliability of MRI and CT Scans for Liver Volume Estimation in Patients Undergoing Liver Transplantation
2026 Sep-Oct 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001869
PMID:42112599
|
研究论文 | 该文章比较了术前MRI和CT扫描在肝脏体积测量中的准确性，以手术标本重量作为参考标准 | 该研究系统地比较了MRI和CT在肝脏体积测量中的准确性，并以手术标本重量作为参考标准，填补了此前缺乏系统性验证的空白 | 样本量较小，且部分患者同时接受MRI和CT检查的数量有限 | 评估MRI和CT扫描在肝脏移植患者肝脏体积估计中的可靠性 | 接受肝脏移植的患者 | 医学影像分析 | 肝脏疾病 | MRI, CT | 深度学习模型 | 医学影像 | MRI组23名受试者（26次检查），CT组16名受试者（23次检查），5名受试者同时接受MRI和CT检查 | NA | NA | 平均误差, P值 | NA |
| 20 | 2026-09-16 |
AI-driven multimodal retinal imaging for early detection and risk stratification of vascular and neurodegenerative diseases
2026-Sep, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-026-07273-6
PMID:42171726
|
综述 | 本文综述了人工智能驱动的多模态视网膜成像在血管和神经退行性疾病早期检测和风险分层中的应用 | 系统阐述了视网膜血管和神经层变化作为系统性疾病的生物标志物，并总结了深度学习、自监督学习和多模态融合等AI方法在风险分层和决策支持中的潜力 | 仍存在多中心验证、前瞻性临床试验、数据融合和监管框架等障碍 | 探讨AI和多模态视网膜成像在血管和神经退行性疾病早期风险分层和纵向监测中的应用 | 视网膜血管和神经层变化 | 数字病理学 | 心血管疾病 | 眼底摄影、光学相干断层扫描（OCT）、OCT血管成像（OCTA）、代谢敏感成像 | 深度学习、自监督学习、多模态融合 | 图像 | NA | NA | NA | NA | NA |