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 2393 篇文献，本页显示第 2241 - 2260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2241 | 2025-12-22 |
Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC
2026-Jan, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70068
PMID:41410015
|
研究论文 | 本研究开发了一种基于人工智能的双标记免疫组化图像分析流程，用于验证成纤维细胞活化蛋白和α平滑肌肌动蛋白作为前列腺癌预后生物标志物的价值 | 开发了首个针对FAP和αSMA双标记免疫组化的AI辅助图像分析流程，实现了组织区室特异性的自动化生物标志物定量 | 研究基于组织微阵列样本，可能无法完全代表完整肿瘤异质性；部分预后关联仅在特定亚组（如MRI可见肿瘤）中观察到 | 验证FAP和αSMA作为前列腺癌预后生物标志物的临床价值，并开发标准化定量方法 | 前列腺癌组织样本 | 数字病理学 | 前列腺癌 | 双标记免疫组化 | 深度学习模型 | 高分辨率全切片数字图像 | 来自835名患者的4,097个组织微阵列核心 | 未明确说明 | 未明确说明 | 准确性 | 未明确说明 |
| 2242 | 2025-12-21 |
Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11807-7
PMID:40664863
|
研究论文 | 本研究评估了疑似卒中患者脑部MRI中运动伪影的患病率、相关因素及其对AI和放射科医生诊断准确性的影响 | 首次在疑似卒中患者队列中系统评估运动伪影对AI和放射科医生诊断准确性的影响，并识别了年龄和运动症状作为独立相关因素 | 回顾性单中心研究，可能存在选择偏倚；运动伪影仅由两名放射科住院医师评估，可能存在主观性 | 评估卒中MRI中运动伪影的患病率、相关因素及其对诊断准确性的影响 | 疑似卒中患者的脑部MRI扫描 | 医学影像分析 | 卒中 | 脑部MRI | 深度学习工具 | 医学影像 | 775名患者（平均年龄68岁±16，420名女性） | NA | NA | 诊断准确性 | NA |
| 2243 | 2025-12-21 |
Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11857-x
PMID:40691513
|
研究论文 | 本研究评估了深度学习加速的HASTE MRI序列在IPMN成像中的优势，包括图像质量、病灶检测和扫描时间 | 首次将深度学习加速的HASTE序列应用于IPMN成像评估，显著提升图像质量并减少扫描时间 | 样本量较小（59例患者），且为单中心回顾性研究 | 评估新型MRI技术对胰腺导管内乳头状黏液性肿瘤的成像效果 | 接受腹部MRI检查的IPMN患者 | 数字病理学 | 胰腺癌 | MRI, 深度学习加速的HASTE序列 | 深度学习模型 | 医学影像 | 59例患者 | NA | NA | 图像质量评分, 病灶检测大小, 观察者间一致性 | 3-Tesla MRI扫描仪 |
| 2244 | 2025-12-21 |
Enhancing Captive Welfare Management with Deep Learning: Video-Based Detection of Gibbon Behaviors Using YOWOvG
2026 Jan-Mar, Journal of applied animal welfare science : JAAWS
IF:1.4Q2
DOI:10.1080/10888705.2025.2542844
PMID:40760848
|
研究论文 | 本研究开发了一种名为YOWOvG的深度学习模型，用于基于视频自动检测圈养东部白眉长臂猿的行为，以提升动物福利管理 | 首次构建了该物种的人工标注时空行为数据集，并提出了一种集成SE注意力机制和GELAN的改进深度学习模型YOWOvG，用于增强特征提取和视频行为识别 | 行为类别有限，未包含刻板行为，且未整合音频线索 | 通过自动化、非侵入式的视频监测来提升救援中心对圈养野生动物的福利评估能力 | 圈养的东部白眉长臂猿 | 计算机视觉 | NA | 视频分析 | 深度学习 | 视频 | 69,919个标注帧，涵盖四种行为 | NA | YOWOvG, SE attention mechanism, GELAN | Frame-mAP | NA |
| 2245 | 2025-12-21 |
Multimodal deep learning model for predicting prognosis following radiotherapy-based combination therapy in unresectable hepatocellular carcinoma
2026-Jan-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218122
PMID:41213465
|
研究论文 | 本研究开发了一种名为TRIM-uHCC的多模态深度学习模型，用于预测不可切除肝细胞癌患者在接受基于放疗的联合疗法后的预后 | 提出了首个基于Transformer的多模态风险分层集成模型（TRIM-uHCC），用于对不可切除肝细胞癌患者进行个体化预后分层，其预测性能显著优于现有指南分期系统和其他深度学习模型 | 研究为多中心回顾性研究，可能存在选择偏倚；模型需要在更大规模的前瞻性队列中进行外部验证 | 开发一个精准的预后预测模型，以指导不可切除肝细胞癌患者基于放疗的联合治疗决策 | 不可切除肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 多模态深度学习 | Transformer, CNN | 多模态数据 | 875名来自6个机构的不可切除肝细胞癌患者（ES队列383名，ETS队列492名） | NA | Transformer, Swin-Transformer, ViT, ResNet50, ResNeXt50 | C-index, 时间依赖性AUC | NA |
| 2246 | 2025-12-20 |
A quantitative detection method for maize kernel broken rate based on the optimisation of the MSA transformer algorithm
2026-Jan-31, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.117983
PMID:41412662
|
研究论文 | 本研究提出了一种基于机器视觉和深度学习算法的玉米籽粒破碎率定量检测模型 | 开发了一种改进的基于Transformer的深度学习模型MSA Transformer，通过集成多尺度特征融合和注意力机制，利用并行分支进行多粒度特征提取，并通过全局和局部注意力增强显著信息 | NA | 实现玉米籽粒破碎率的在线定量评估，为粮食质量检测提供理论依据 | 玉米籽粒 | 计算机视觉 | NA | 机器视觉 | Transformer | 图像 | NA | NA | MSA Transformer | 准确率, 精确率, 召回率, F1分数, 相关系数, 决定系数, 均方根误差 | NA |
| 2247 | 2025-12-20 |
Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort
2026-Jan, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70029
PMID:40589103
|
研究论文 | 本研究评估了两种弱监督多示例学习方法，利用预训练特征提取器在瑞典多中心队列的儿童脑肿瘤WSI上进行分类 | 首次在瑞典多中心儿童脑肿瘤队列中应用基于注意力机制的多示例学习方法，并评估了三种预训练特征提取器的性能 | 研究仅基于瑞典六家医院的数据，未包含国际多中心验证，且样本量相对有限 | 评估先进的计算病理学方法在儿童脑肿瘤多层级分类中的性能与泛化能力 | 540名被诊断为脑肿瘤的儿童患者的苏木精-伊红染色全切片图像 | 数字病理学 | 脑肿瘤 | 数字病理学, 深度学习 | 多示例学习 | 图像 | 540名受试者（年龄8.5±4.9岁）的WSI，来自瑞典六家大学医院 | NA | ResNet50, UNI, CONCH, ABMIL, CLAM | 马修斯相关系数 | NA |
| 2248 | 2025-07-21 |
A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification
2026-Jan, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2025.06.1593
PMID:40683340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2249 | 2025-12-20 |
Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population
2026-Jan, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-025-02269-y
PMID:41152404
|
研究论文 | 本研究探讨了多基因风险评分在预测东亚人群选择性5-羟色胺再摄取抑制剂抗抑郁治疗结局中的应用价值 | 首次在东亚人群中整合多基因风险评分以预测抗抑郁治疗结局，填补了该地区药物基因组学研究的空白 | 样本量相对较小，且仅针对东亚人群，未来需要更大规模、更多样化的队列进行验证 | 提高抗抑郁治疗结局的预测准确性，推动个体化治疗策略的发展 | 接受SSRI治疗的台湾地区抑郁症患者 | 生物信息学 | 抑郁症 | 全基因组关联研究，多基因风险评分计算 | 广义线性混合模型，机器学习算法，深度学习算法 | 基因组数据，临床数据，人口统计学数据 | 两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人） | PRS-CS, PRS-CSx, glmmLasso | NA | AUC | NA |
| 2250 | 2025-12-20 |
Graduate Student Literature Review: A review on near-infrared spectroscopy for rapid detection of hazardous substances in milk and dairy products
2026-Jan, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27462
PMID:41130398
|
综述 | 本文综述了近红外光谱技术在牛奶及乳制品中危险物质快速检测中的应用 | 系统总结了近红外光谱在乳制品安全检测中的原理、方法及最新研究进展，并指出了未来与深度学习、人工智能等前沿技术融合的方向 | 近红外光谱检测仍面临光学机制不明确、痕量分析灵敏度不足、复杂基质干扰强以及模型鲁棒性和泛化性欠佳等挑战 | 评估近红外光谱技术用于牛奶及乳制品中危险物质快速检测的可行性与发展前景 | 牛奶及乳制品中的危险物质，包括兽药残留、掺假物和食源性病原体 | 光谱分析 | NA | 近红外光谱 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 2251 | 2025-12-19 |
Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review
2026-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70048
PMID:40682357
|
综述 | 本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用 | 聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具 | 模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合 | 探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 磁共振成像 | NA | 影像 | NA | NA | NA | NA | NA |
| 2252 | 2025-12-19 |
Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study
2026-Jan, The New phytologist
DOI:10.1111/nph.70727
PMID:41229065
|
研究论文 | 本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度 | 提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力 | NA | 揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良 | 山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物 | 机器学习 | NA | 全基因组重测序, GC-MS定量分析 | CNN | 基因组数据, 代谢物定量数据 | 945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量 | NA | 双路径卷积神经网络（PKDP） | 预测能力提升百分比（与传统rrBLUP相比） | NA |
| 2253 | 2025-12-19 |
Artificial intelligence in sport psychology: Implications for the identification and development of talent
2026-Jan, Psychology of sport and exercise
IF:3.1Q1
DOI:10.1016/j.psychsport.2025.102977
PMID:41326137
|
综述 | 本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向 | 系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向 | 面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足 | 探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向 | 运动心理学领域，特别是运动员人才识别与发展过程 | 机器学习 | NA | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 2254 | 2025-12-19 |
USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA
2026-Jan-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004636
PMID:40743462
|
研究论文 | 本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解 | 开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法 | 研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年） | 验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效 | 视网膜色素变性伴黄斑水肿的患者 | 数字病理学 | 视网膜色素变性 | 光谱域光学相干断层扫描 | 深度学习 | 图像 | 44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证 | NA | NA | Dice系数 | NA |
| 2255 | 2025-12-18 |
Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11764-1
PMID:40603771
|
研究论文 | 本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影的可行性 | 结合70 kVp超低剂量协议与深度学习图像重建算法，实现了辐射剂量和对比剂剂量的双重降低，同时保持了图像质量并提高了肺动脉远端分支的可视性 | 样本量相对较小（100名患者），且研究为单中心前瞻性设计，可能限制了结果的普遍适用性 | 评估深度学习图像重建算法在低剂量CT肺动脉造影中的临床应用价值 | 连续100名接受CT肺动脉造影的患者 | 数字病理学 | 心血管疾病 | CT肺动脉造影 | 深度学习图像重建算法 | CT图像 | 100名患者（50名常规剂量组，50名低剂量组） | NA | NA | CT值、标准差、信噪比、对比噪声比、图像质量评分 | NA |
| 2256 | 2025-12-18 |
Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11800-0
PMID:40670764
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）、传统深度学习重建（C-DLR）和混合迭代重建（HIR）在自由呼吸条件下增强儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能的效果 | 在儿科自由呼吸CCTA中应用超分辨率深度学习重建（SR-DLR），显著提升了图像质量和对小病灶（如多孔房间隔缺损和室间隔缺损）的检测灵敏度，诊断准确率接近超声水平 | 研究样本量相对较小（91例），且仅针对1-10岁疑似先天性心脏病的儿科患者，未涵盖更广泛的年龄组或疾病类型 | 评估和比较不同图像重建算法在儿科先天性心脏病CT血管造影中的图像质量和诊断性能 | 91名1-10岁疑似先天性心脏病的儿科患者，在自由呼吸条件下接受心脏CT血管造影检查 | 医学影像分析 | 先天性心脏病 | CT血管造影（CCTA），超分辨率深度学习重建（SR-DLR），传统深度学习重建（C-DLR），混合迭代重建（HIR） | 深度学习模型（具体架构未明确说明） | 医学影像（CT图像） | 91名儿科患者 | NA | NA | 准确率, 灵敏度, 阴性预测值, 标准差（SD）, 信噪比（SNR）, 对比噪声比（CNR） | NA |
| 2257 | 2025-12-18 |
Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11827-3
PMID:40681776
|
研究论文 | 本研究评估了通过深度学习从T1和T2加权脊柱图像生成的合成短时反转恢复（Synth-STIR）图像的质量和诊断可互换性 | 利用深度学习从T1和T2加权图像生成Synth-STIR，显著减少扫描时间约180秒，同时提高信噪比和对比噪声比 | 研究为前瞻性单中心设计，样本量有限（199名参与者），且未明确说明深度学习模型的具体架构和训练细节 | 评估深度学习生成的Synth-STIR图像在脊柱MRI中的图像质量和诊断可互换性，以提高临床效率 | 脊柱MRI图像，包括标准STIR和从T1/T2加权图像生成的Synth-STIR | 医学影像分析 | 脊柱异常 | 深度学习，MRI成像（T1WI, T2WI, STIR） | 深度学习模型 | 医学图像（MRI） | 199名参与者（106名男性，平均年龄46.8±16.9岁） | NA | NA | 信噪比（SNR），对比噪声比（CNR），主观图像质量评估，个体等效指数（IEI），Kappa系数，Kendall一致性系数，McNemar检验 | NA |
| 2258 | 2025-12-18 |
Deep learning reconstruction of zero echo time magnetic resonance imaging: diagnostic performance in axial spondyloarthritis
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11843-3
PMID:40707731
|
研究论文 | 本研究比较了深度学习重建的零回波时间MRI在诊断中轴型脊柱关节炎患者结构病变方面的诊断性能，以CT为参考标准 | 首次将深度学习重建技术应用于零回波时间MRI，以增强对骶髂关节骨硬化和骨侵蚀等微小结构病变的检测能力 | 样本量较小（仅26名患者），且研究为单中心设计，可能限制结果的普遍性 | 评估深度学习重建的零回波时间MRI在中轴型脊柱关节炎结构病变诊断中的性能 | 中轴型脊柱关节炎患者的骶髂关节（包括52个关节和104个象限） | 医学影像分析 | 中轴型脊柱关节炎 | 零回波时间磁共振成像，深度学习重建 | 深度学习模型 | MRI图像 | 26名患者（52个骶髂关节，104个象限） | NA | NA | 诊断性能（敏感性、特异性等），加权Kappa系数（用于评估读者间一致性） | NA |
| 2259 | 2025-09-05 |
From detection to decision: Can deep learning-based CADx meet the challenge of incidental pulmonary nodules?
2026-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11935-0
PMID:40906185
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2260 | 2025-12-18 |
GIMS: Image matching system based on adaptive graph construction and graph neural network
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108030
PMID:40907360
|
研究论文 | 本文提出了一种基于自适应图构建和图神经网络的图像匹配系统，通过结合GNN和Transformer提升匹配性能 | 引入了创新的自适应图构建方法，利用基于距离和动态阈值相似性的过滤机制，并融合GNN的顶点处理能力和Transformer的全局感知能力 | NA | 提升基于特征的图像匹配性能 | 图像中的关键点 | 计算机视觉 | NA | NA | GNN, Transformer | 图像 | 广泛图像数据集 | NA | GNN, Transformer | 整体匹配性能提升倍数 | 多GPU技术 |