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 19278 篇文献，本页显示第 2621 - 2640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2621 | 2026-02-25 |
Accuracy and Reliability of Multimodal Imaging in Diagnosing Knee Sports Injuries
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究通过结合MRI、CT和超声进行集成学习，并利用深度学习模型自动分析，以提高膝关节运动损伤诊断的准确性和可靠性 | 采用多模态成像（MRI、CT、超声）进行集成学习，并结合深度学习算法实现膝关节损伤的自动识别与分类 | 未明确提及研究的具体局限性，如数据集的多样性、模型在外部验证集上的表现等 | 解决因医生主观经验和诊断标准不一致导致的单模态成像诊断准确性不足的问题，提高膝关节运动损伤的诊断精度和效率 | 膝关节运动损伤，如前交叉韧带撕裂、半月板损伤、软骨损伤和骨折 | 计算机视觉 | 运动损伤 | 磁共振成像（MRI）、计算机断层扫描（CT）、超声（US） | CNN | 图像 | NA | NA | NA | 敏感性, 特异性, 诊断准确率, 总体错误率 | NA |
| 2622 | 2026-02-25 |
Deep Learning for Automated Prediction of Sphenoid Sinus Pneumatization in Computed Tomography
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了一种卷积神经网络模型，用于自动预测计算机断层扫描中蝶窦气化模式 | 首次应用深度学习自动识别蝶窦气化变异，通过数据增强提升模型在有限和不平衡数据集上的性能 | 数据集规模有限（仅249张CT图像），且存在类别不平衡问题 | 提高经蝶窦手术的安全性，通过自动识别蝶窦气化模式辅助临床决策 | 蝶窦气化模式 | 计算机视觉 | NA | 计算机断层扫描 | CNN | 图像 | 249张CT图像（训练集174张，测试集75张），增强后训练集增至378张 | NA | NA | 准确率, AUC, 敏感性, 特异性, F1分数 | NA |
| 2623 | 2026-02-25 |
Reconstruction of Heart-related Imaging from Lung Electrical Impedance Tomography Using Semi-Siamese U-Net
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究提出了一种基于半孪生U-Net架构的深度学习模型，用于从肺部电阻抗断层扫描中重建心脏相关阻抗成像 | 采用新颖的半孪生U-Net架构，通过共享编码器和两个独立解码器分别分割肺部和心脏区域，并应用加权二元交叉熵损失以强化心脏相关学习 | 目前有希望的结果仅限于真实数据的定性评估和基于模拟的训练，缺乏临床验证 | 克服肺部阻抗变化的主导影响，从肺部电阻抗断层扫描中重建心脏相关信号成像 | 基于有限元法的电阻抗断层扫描模拟数据和真实人体电阻抗断层扫描数据 | 医学影像处理 | 心血管疾病 | 电阻抗断层扫描 | 深度学习 | 图像 | NA | NA | 半孪生U-Net | Dice系数, 平均绝对误差 | NA |
| 2624 | 2026-02-25 |
The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了股骨和胫骨解剖结构（如股骨髁间窝形态、胫骨后倾角）对前交叉韧带损伤风险及重建手术效果的影响 | 整合了年龄与性别特异性解剖差异对ACL损伤的影响，并强调了人工智能与先进影像技术在个性化手术规划中的应用前景 | 作为综述文章，未提供原始实验数据或新型模型的性能验证 | 探讨股骨与胫骨解剖结构对前交叉韧带生物力学、损伤风险及重建手术效果的影响机制 | 前交叉韧带损伤患者（涵盖青少年、成人及老年群体）的骨骼解剖特征 | 数字病理 | 骨科疾病 | MRI、CT、3D重建、人工智能分割 | 深度学习模型 | 医学影像（MRI、CT） | NA | NA | NA | NA | NA |
| 2625 | 2026-02-25 |
Optimised Convolution Layers of DnCNN using Vedic Multiplier and Hyperparameter Tuning in Cancer Detection on Field Programmable Gate Array
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究提出了一种基于Vedic乘法器和POA优化的DnCNN算法，在FPGA上实现乳腺癌检测、分割和分类 | 在DnCNN卷积层中引入Vedic乘法器（CUTIN）替代传统算术单元，并结合POA进行超参数优化，以提高精度和效率 | 较大图像尺寸会增加处理器规模和门电路数量，可能限制处理能力 | 优化深度学习算法在硬件上的实现，以提高癌症细胞分割的准确性 | 乳腺癌的良性及恶性病变 | 计算机视觉 | 乳腺癌 | 深度学习算法，FPGA实现 | DnCNN | 图像 | NA | NA | DnCNN | 准确率, 精确率, 特异性, F分数, IoU, DSC | FPGA设备 |
| 2626 | 2026-02-24 |
Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA
2025-12-15, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-025-06051-7
PMID:41396276
|
综述 | 本文综述了脊柱关节炎的影像学检查路径，整合了X线、超声、磁共振成像、低剂量CT及人工智能方法，并讨论了AI在诊断和管理中的应用 | 提出了一个整合多模态影像和AI辅助判读的当代诊断算法，并探讨了AI在提高脊柱关节炎诊断精度和个性化治疗中的新兴应用 | AI部署成本高、存在医疗法律考量，且相关研究仍处于积极调查阶段 | 优化脊柱关节炎的早期检测和诊断流程，整合先进影像技术与人工智能方法 | 脊柱关节炎患者，特别是疑似中轴型脊柱关节炎的患者 | 医学影像分析 | 脊柱关节炎 | X线摄影、超声、磁共振成像、低剂量计算机断层扫描 | 深度学习 | 影像数据（X线、CT、MRI） | NA | NA | NA | 检测精度 | NA |
| 2627 | 2025-11-30 |
Integrative and deep learning-based prediction of therapy response in ovarian cancer
2025-Nov-28, Journal of experimental & clinical cancer research : CR
IF:11.4Q1
DOI:10.1186/s13046-025-03554-w
PMID:41316472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2628 | 2026-02-24 |
A Non Deep Learning based Method for Detection of Alopecia Areta and Segmentation of Scalp and Hair regions
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253220
PMID:41335644
|
研究论文 | 本文提出了一种基于经典图像处理算法的非深度学习方法，用于检测斑秃并分割头皮和头发区域 | 该方法可在单视角图像上执行，适用于内存受限的便携设备，并提供皮肤和头发区域的百分比分析，而不仅仅是二分类 | 缺乏Dermnet数据集中头发和皮肤分割的真实标注，需使用Figaro数据集进行评估 | 开发一种轻量级方法，用于辅助诊断和监测斑秃治疗 | 头皮图像，特别是与斑秃相关的皮肤和头发区域 | 计算机视觉 | 斑秃 | 经典图像处理算法 | 非深度学习模型 | 图像 | Dermnet数据集和Figaro数据集 | NA | NA | 准确率 | 内存受限的便携设备 |
| 2629 | 2026-02-24 |
Performance Evaluation of Transfer Learning Based Medical Image Classification Techniques for Disease Detection
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253609
PMID:41335835
|
研究论文 | 本文全面评估了基于迁移学习的医学图像分类技术在疾病检测中的性能 | 对六种预训练模型在自定义胸部X光数据集上进行系统比较，并引入不确定性分析和运行时比较以评估模型鲁棒性和计算效率 | 研究仅基于自定义胸部X光数据集，未涵盖其他医学影像类型；模型选择有限，未包括最新架构 | 评估迁移学习技术在医学图像分类中用于疾病检测的性能 | 胸部X光图像 | 计算机视觉 | NA | 迁移学习 | CNN | 图像 | NA | NA | AlexNet, VGG16, ResNet18, ResNet34, ResNet50, InceptionV3 | 准确率, 标准指标 | NA |
| 2630 | 2026-02-24 |
Deep learning based generation of 3D-maximum Intensity Projection (MIP) of MRA from T1-weighted MRI scans for Cerebrovascular Abnormalities Characterization
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253273
PMID:41335960
|
研究论文 | 本研究提出了一种基于U-Net框架的深度学习方法，用于从3D T1加权MRI扫描中合成3D最大强度投影MRA图像，以辅助脑血管异常的早期检测和表征 | 首次利用深度学习从常规T1加权MRI生成3D MIP-MRA图像，避免了传统MRA扫描时间长、可能需要造影剂的限制，并展示了模型在不同数据集上的高泛化能力和对扫描仪的不敏感性 | 研究主要基于公开数据集进行训练和测试，未在更大规模或更多样化的临床数据上进行验证；合成图像的质量（如SSIM为0.8219）仍有提升空间 | 开发一种从常规T1加权MRI合成3D MIP-MRA图像的方法，以促进脑血管疾病的早期检测、治疗评估和管理 | 脑血管异常，特别是血管狭窄和不连续性，用于早期血管疾病检测 | 医学影像分析 | 脑血管疾病 | 磁共振成像（MRI），磁共振血管造影（MRA） | CNN | 3D医学影像（T1加权MRI和MIP-MRA） | 使用IXI数据集进行训练和测试，并在Bullitt、Study Forrest、SIMON和ATLAS等多个独立数据集上进行评估 | 未明确提及，但基于U-Net框架 | U-Net | 峰值信噪比（PSNR），结构相似性指数（SSIM） | NA |
| 2631 | 2026-02-24 |
Generative Forecasting of Brain Activity Enhances Alzheimer's Classification and Interpretation
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253394
PMID:41336569
|
研究论文 | 本研究通过生成式预测大脑活动，利用LSTM和Transformer模型增强阿尔茨海默病的分类和解释能力 | 引入生成式预测作为数据增强方法，并采用新型Transformer-based BrainLM模型进行多变量时间序列预测，以提升阿尔茨海默病分类性能 | 数据集规模有限，特别是针对阿尔茨海默病等疾病特定群体，可能限制深度学习模型的泛化能力 | 通过数据驱动方法理解认知与内在大脑活动的关系，并增强阿尔茨海默病的分类和解释 | 静息态功能磁共振成像（rs-fMRI）数据，特别是从独立成分网络导出的多变量时间序列 | 机器学习 | 阿尔茨海默病 | 静息态功能磁共振成像（rs-fMRI） | LSTM, Transformer | 多变量时间序列数据 | NA | NA | LSTM, BrainLM | 分类性能 | NA |
| 2632 | 2026-02-24 |
Non-genetic factors determine deep learning identified ECG differences between black and white healthy subjects
2025, NPJ cardiovascular health
DOI:10.1038/s44325-025-00087-1
PMID:41080706
|
研究论文 | 本研究探讨了机器学习模型能否从健康黑人和白人个体的心电图中识别基于种族的差异，并探索了这些差异的起源 | 揭示了心电图中的种族相关模式主要由非遗传因素决定，并通过大规模多机构数据分析验证了这一点 | 研究主要关注黑人和白人群体，可能未涵盖其他种族或族裔群体，且社会经济状态的影响分析可能受数据限制 | 调查人工智能模型从心电图数据中检测种族差异的能力及其公平性影响 | 来自多个机构的约176万名健康受试者的约1000万条心电图轨迹 | 机器学习 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | 约176万名受试者，约1000万条心电图轨迹 | NA | 1层晚期融合CNN | AUC | NA |
| 2633 | 2026-02-24 |
Anthropometry and diagnostic aware deep learning for exercise assessment
2025, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2025.1725661
PMID:41725682
|
研究论文 | 提出一种结合人体测量和诊断信息的深度学习框架，用于评估力量训练动作的质量和风险 | 首次将人体测量和诊断特征与IMU运动学数据融合，通过注意力加权进行特征融合，提升动作分类和风险预测的准确性 | 样本量较小（仅15名健康受试者），且未在临床患者或更大样本人群中验证 | 开发一个多模态深度学习框架，以分类运动质量并预测运动相关风险 | 健康受试者进行正确和不正确的深蹲和罗马尼亚硬拉动作 | 机器学习 | NA | IMU（惯性测量单元）数据采集 | CNN, LSTM | 运动学序列数据，静态人体测量/诊断数据 | 15名健康受试者 | NA | CNN-LSTM分支与全连接分支融合，注意力加权 | 序列级准确率，二元风险预测准确率 | NA |
| 2634 | 2026-02-24 |
AI-based prediction of heart failure progression in persistent atrial fibrillation using wearable electrocardiography: a brief research report
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1748673
PMID:41727311
|
研究论文 | 本研究评估了利用可穿戴心电图和人工智能模型预测持续性房颤患者心力衰竭进展的可行性 | 首次结合可穿戴心电图特征与临床指标，采用上下文感知深度学习模型预测心力衰竭生物标志物变化趋势 | 样本量较小（仅50名患者），研究结果需要更大规模验证 | 评估基于可穿戴心电图和人工智能预测持续性房颤患者心力衰竭进展的可行性 | 持续性房颤患者 | 机器学习 | 心血管疾病 | 可穿戴心电图监测 | LSTM, 注意力机制 | 心电图信号, 临床数据 | 50名持续性房颤患者 | NA | 上下文感知深度学习模型 | RMSE, MAE, 准确率 | NA |
| 2635 | 2026-02-23 |
Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review
2025-Oct-29, Surgical innovation
IF:1.2Q3
DOI:10.1177/15533506251393123
PMID:41159301
|
综述 | 本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述 | 探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分） | 数据需求和标准化方面的挑战阻碍了其广泛的临床应用 | 评估人工智能在改善阑尾炎外科决策中的潜力 | 急性阑尾炎 | 机器学习 | 阑尾炎 | 机器学习，深度学习 | 随机森林，逻辑回归，神经网络，SVM，XGBoost | NA | NA | NA | NA | 诊断准确性 | NA |
| 2636 | 2026-02-23 |
HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons
2025-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.14.642461
PMID:40161713
|
研究论文 | 本文介绍了一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中对神经元进行分类 | 结合自监督预训练与监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行电生理分类和聚类 | NA | 解决细胞外电生理记录中因噪声、技术变异性和批次效应带来的神经元分类挑战 | 小鼠记录和脑切片中的神经元 | 机器学习 | NA | 细胞外电生理记录 | 自编码器 | 电生理信号 | NA | NA | 条件卷积联合自编码器 | 细胞类型区分性能 | NA |
| 2637 | 2026-02-23 |
Decoding the effects of mutation on protein interactions using machine learning
2025-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0249920
PMID:40013003
|
综述 | 本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展，涵盖不同相互作用类型及方法评估 | 全面比较了基于物理化学、机器学习和深度学习的预测方法，并探讨了突变数据局限性及未来人工智能驱动的改进方向 | 突变数据存在偏差、质量问题和数据集规模限制，影响预测工具的准确性 | 通过计算工具预测突变引起的结合自由能变化，以理解遗传变异对蛋白质与生物分子相互作用的影响 | 蛋白质与蛋白质、DNA/RNA、配体等生物分子的相互作用 | 机器学习 | 癌症 | NA | 机器学习, 深度学习 | 突变数据 | NA | NA | NA | NA | NA |
| 2638 | 2025-02-24 |
Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102168
PMID:39986346
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2639 | 2026-02-22 |
Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma
2025-Jun-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.11.656869
PMID:40661489
|
研究论文 | 本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征 | 开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹 | 研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证 | 探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略 | 人类肝细胞癌组织样本，在免疫治疗前后收集 | 数字病理学 | 肝细胞癌 | 空间转录组学, 空间蛋白质组学 | 图神经网络 | 空间多组学数据 | 未明确指定样本数量 | 未明确指定 | 未明确指定 | ROC-AUC | 未明确指定 |
| 2640 | 2026-02-21 |
Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors
2025-Jun, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01256-x
PMID:39402356
|
研究论文 | 提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置 | 首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量 | 大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性 | 开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量 | 66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取 | 计算机视觉 | NA | X射线摄影 | CNN | 图像 | 75名志愿者，涉及66种放射学体位 | PyTorch | ConvNeXt轻量版 | 准确率 | NA |