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 659 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2026-01-07 |
Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking
2026-Jan, Molecular systems biology
IF:8.5Q1
DOI:10.1038/s44320-025-00159-5
PMID:41193694
|
研究论文 | 本研究开发了一种基于深度学习的计算管道，用于从超大型化学库中筛选Aβ42聚集的二级成核抑制剂 | 通过开源Deep Docking协议版本，将可筛选化合物数量提高了4个数量级，并成功识别出低纳摩尔级高亲和力结合剂 | 研究依赖计算筛选，需体外实验验证，且仅针对Aβ聚集的二级成核过程 | 开发计算策略以加速针对阿尔茨海默病Aβ聚集抑制剂的药物发现 | Aβ肽的聚集过程及潜在抑制剂 | 机器学习 | 阿尔茨海默病 | 深度学习对接 | 深度学习模型 | 化学结构数据 | 超过5.39亿化合物库中筛选出35个候选化合物进行体外测试 | NA | Deep Docking协议 | 命中率（54%），平衡解离常数 | NA |
| 282 | 2025-11-24 |
Advancing personalised therapy in neovascular AMD through deep learning-based OCT biomarker quantification
2026-Jan, Eye (London, England)
DOI:10.1038/s41433-025-04133-1
PMID:41274985
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 283 | 2026-01-07 |
Automated diagnosis of early-stage retinopathy of prematurity
2026-Jan, Eye (London, England)
DOI:10.1038/s41433-025-04122-4
PMID:41286176
|
研究论文 | 本文开发了一种基于深度学习的自动化早产儿视网膜病变检测与分类流程，旨在通过视网膜图像实现早期诊断 | 结合U-Net进行血管和脊特征分割，并将分割结果叠加在sigmoid增强的视网膜图像上，使用ResNet50分类器进行ROP检测和分期，有效识别关键疾病特征 | 未明确提及数据集的多样性或外部验证结果，可能影响模型的泛化能力 | 开发自动化ROP检测和分类流程，以支持早期诊断和临床决策 | 早产儿的视网膜眼底图像 | 计算机视觉 | 早产儿视网膜病变 | 深度学习图像分析 | CNN | 图像 | 400 GB的视网膜眼底图像数据集 | NA | U-Net, ResNet50 | 准确率 | NA |
| 284 | 2026-01-07 |
Performance of Artificial Intelligence in Skin Cancer Detection: An Umbrella Review of Systematic Reviews and Meta-Analyses
2026-Jan, International journal of dermatology
IF:3.5Q1
DOI:10.1111/ijd.17981
PMID:40745683
|
综述 | 本文通过伞状综述综合评估了人工智能模型在皮肤癌检测中的诊断性能 | 首次通过伞状综述整合多项系统评价和荟萃分析，全面比较了不同AI模型（如CNN、SVM）在多种皮肤癌类型和临床场景下的诊断准确性，并特别关注了AI在初级医疗环境中的应用潜力 | 纳入的荟萃分析存在异质性（如研究设计、数据来源、评估标准不同），且原始研究可能存在发表偏倚；AI模型在不同肤色人群和罕见皮肤癌类型中的泛化能力未充分评估 | 评估人工智能模型在皮肤癌检测中的诊断准确性，为其整合到常规临床实践提供证据支持 | 皮肤癌（包括黑色素瘤、鳞状细胞癌等）的检测与诊断 | 计算机视觉 | 皮肤癌 | 高光谱成像、智能手机图像采集 | CNN, SVM, 机器学习模型 | 图像 | 基于11项荟萃分析，涵盖551项研究 | NA | 卷积神经网络, 支持向量机 | 灵敏度, 特异性, 准确度 | NA |
| 285 | 2026-01-07 |
Prognostic value of red blood cell distribution width in traumatic brain injury: A mediation and deep learning analysis
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339879
PMID:41481601
|
研究论文 | 本研究探讨了年龄、红细胞分布宽度与创伤性脑损伤患者短期死亡率之间的关联，并分析了RDW在年龄对死亡率影响中的中介作用 | 首次将红细胞分布宽度作为年龄与创伤性脑损伤死亡率关系的中介变量进行深入分析，并应用深度学习生存模型进行预测 | 研究为回顾性队列分析，可能存在选择偏倚；数据来源于单一数据库（MIMIC-IV），外部验证不足 | 评估年龄和红细胞分布宽度对创伤性脑损伤患者短期死亡率的预测价值及其相互作用机制 | 1203名ICU收治的创伤性脑损伤患者 | 机器学习 | 创伤性脑损伤 | 临床数据分析 | 深度学习生存模型 | 临床数据 | 1203名患者 | NA | Deepsurv | C-index, IBS, AUC | NA |
| 286 | 2026-01-07 |
EFEN-YOLOv8: Surface defect detection network based on spatial feature capture and multi-level weighted attention
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339617
PMID:41481612
|
研究论文 | 本文提出了一种基于空间特征捕获和多级加权注意力的表面缺陷检测网络EFEN-YOLOv8，用于工业环境中的缺陷检测 | 引入了[公式：见文本]-FEIoU损失函数以同时处理缺陷-背景区分和正负样本不平衡问题，结合了浅层注意力卷积模块、大分离核注意力模块和加权空洞空间金字塔池化特征融合模块 | 未在摘要中明确说明 | 提高工业表面缺陷检测的准确性和效率 | 工业环境中的表面缺陷 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 基于NEU-DET和GC10-DET数据集 | NA | YOLOv8 | mAP | NA |
| 287 | 2026-01-07 |
Multiscale Pancancer Analysis Uncovers Intrinsic Imaging and Molecular Characteristics Prominent in Breast Cancer and Glioblastoma
2026-Jan, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-025-03235-7
PMID:41094188
|
研究论文 | 本研究通过多参数MRI影像组学和深度学习模型，识别并验证了乳腺癌和胶质母细胞瘤中跨癌症类型的共同特征，这些特征在生存预测中优于癌症特异性特征 | 首次在泛癌分析中结合影像特征与分子特征，识别出跨癌症类型的共同影像表型，并验证其在生存预测中的优越性及生物学相关性 | 研究为回顾性设计，样本量相对有限，且仅聚焦于乳腺癌和胶质母细胞瘤两种癌症类型 | 探索跨癌症类型的影像和分子特征，以提升癌症预后预测及生物学理解 | 乳腺癌和胶质母细胞瘤患者 | 数字病理学 | 乳腺癌, 胶质母细胞瘤 | 多参数MRI, 影像组学, 深度学习, 通路分析 | 深度学习模型 | MRI影像 | 793名患者（I-SPY1乳腺癌队列145例，Duke-UPenn胶质母细胞瘤队列452例，外部验证队列196例） | NA | NA | AUC | NA |
| 288 | 2026-01-06 |
[Artificial intelligence empowering sports medicine]
2026-Jan-06, Zhonghua yi xue za zhi
|
综述 | 本文综述了人工智能技术在运动医学多个领域的应用与最新进展 | 全面总结了AI在运动医学中从损伤预测、影像诊断到手术辅助、康复监测及患者教育的多领域深度整合应用 | NA | 回顾人工智能技术在运动医学领域的应用进展并展望未来发展趋势 | 运动医学领域的诊断、治疗、康复及患者教育流程 | 计算机视觉, 自然语言处理, 机器学习 | 运动损伤 | 深度学习, 机器学习, 计算机视觉, 大语言模型 | 深度学习模型, 机器学习模型, 大语言模型 | 影像数据, 文本数据 | NA | NA | NA | NA | NA |
| 289 | 2026-01-06 |
Deliberate solitude for clinical reasoning
2026-Jan-06, Diagnosis (Berlin, Germany)
DOI:10.1515/dx-2025-0133
PMID:41489300
|
评论 | 本文探讨了在临床推理中，刻意独处如何可能通过精炼直觉、提高诊断准确性来支持专家表现，并借鉴了认知心理学、哲学和教育学的研究 | 将刻意独处的概念引入临床推理领域，提出其可能作为减少认知偏差、提升诊断准确性的新策略，这在医学教育中尚未被充分探索 | 目前缺乏具体实证研究支持，独处的具体机会和益处尚不确定，无法提出明确的行动方案 | 探讨刻意独处是否能够支持和提升临床推理的发展与表现 | 临床医生及其在临床推理中的思维过程 | 医学教育 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 290 | 2026-01-06 |
PGMNet: a polyp segmentation network based on bit-plane slicing and multi-scale adaptive fusion
2026-Jan-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae300a
PMID:41429053
|
研究论文 | 本文提出了一种基于位平面切片和多尺度自适应融合的息肉分割网络PGMNet，旨在提高结肠镜检查中息肉检测和分割的准确性 | PGMNet结合了PVTv2编码器、全局-局部交互关系模块（GLIRM）和多阶段特征聚合模块（MFAM），通过位平面切片机制抑制噪声，并利用门控机制高效聚合多尺度信息 | 未在摘要中明确提及 | 开发一种准确高效的息肉分割网络，以辅助结直肠癌的早期预防和治疗 | 结肠镜检查图像中的息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 五个公开可用的息肉数据集 | 未在摘要中明确提及 | PVTv2, GLIRM, MFAM | mDice, mIoU | 未在摘要中明确提及 |
| 291 | 2026-01-06 |
Prediction of lymph node metastasis and recurrence risk in early-stage oral tongue squamous cell carcinoma with fully automated MRI deep learning
2026-Jan-05, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00985-8
PMID:41486170
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 292 | 2026-01-06 |
A visual exploration of the evolutionary trajectory in robotic surgery for gastrointestinal malignancies
2026-Jan-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03106-6
PMID:41486325
|
综述 | 本研究采用文献计量学和可视化方法，绘制了胃肠道恶性肿瘤机器人手术领域的知识结构、演进轨迹、研究热点和新兴趋势 | 首次系统性地通过文献计量学和可视化分析，揭示了该领域从初期可行性研究向人工智能、深度学习、风险预测和围手术期优化等方向演进的完整轨迹 | 研究基于Web of Science数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法本身存在一定局限性 | 探索胃肠道恶性肿瘤机器人手术领域的研究结构、演进路径和未来趋势 | 过去十年Web of Science核心合集中关于胃肠道恶性肿瘤机器人手术的相关出版物 | 数字病理学 | 胃肠道恶性肿瘤 | 文献计量学，可视化分析 | NA | 文献数据 | NA | NA | NA | NA | NA |
| 293 | 2026-01-06 |
Deep learning approach for critical exposure during division of the inferior mesenteric artery in colorectal surgery
2026-Jan-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03121-7
PMID:41486401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 294 | 2026-01-06 |
HiST: Histological Images Reconstruct Tumor Spatial Transcriptomics via MultiScale Fusion Deep Learning
2026-Jan-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202514351
PMID:41487073
|
研究论文 | 本文开发了一个多尺度卷积深度学习框架HiST，用于从组织学图像重建空间转录组学数据，以评估肿瘤异质性并预测患者预后 | HiST首次通过多尺度融合深度学习，从组织学图像中高精度重建空间分辨的基因表达谱，其性能优于现有模型约两倍，并展示了在多种癌症类型中的临床应用价值 | NA | 开发一个深度学习框架，以低成本从组织学图像中预测空间转录组学数据，用于肿瘤微环境分析和临床预后评估 | 多种癌症类型（如乳腺癌）的组织学图像和空间转录组学数据 | 数字病理学 | 乳腺癌 | 空间转录组学 | CNN | 图像 | NA | NA | 多尺度卷积深度学习框架 | AUC, Pearson相关系数, 一致性指数 | NA |
| 295 | 2026-01-06 |
Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging
2026-Jan-05, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70221
PMID:41489091
|
研究论文 | 本研究评估了多中心神经影像研究中用于减少扫描仪差异的图像级标准化方法，特别比较了统计方法ComBat和深度学习方法HACA3在ADNI数据集T1w和T2-FLAIR图像上的性能 | 首次在ADNI数据集中系统评估并比较了统计与深度学习标准化方法对多厂商扫描仪T1w和T2-FLAIR图像一致性的改善效果，并引入图像特征相似性指标进行量化分析 | 当前多对比度MR标准化工具在T2-FLAIR图像的标准化上仍存在困难，且研究仅基于ADNI数据集，可能无法推广到其他疾病或扫描协议 | 评估多中心MR神经影像研究中扫描仪相关差异，并比较公开可用的图像级标准化工具的性能 | 阿尔茨海默病神经影像倡议（ADNI）数据集中的T1w和T2-FLAIR MRI图像，涉及不同厂商（GE、Philips、Siemens）的扫描仪 | 医学影像分析 | 阿尔茨海默病 | MRI（T1w和T2-FLAIR序列） | 深度学习模型（具体为HACA3） | 医学影像（MRI图像） | 扫描仪组分析：1143名ADNI3受试者（233名GE、173名Philips、250名Siemens，另487名Siemens受试者作为独立参考组）；受试者内比较：8名受试者的配对多厂商扫描会话 | NA | HACA3 | 灰质/白质对比度比（G/W ratio）、白质高信号体积（WMH volume）、Fréchet Inception Distance（FID）、Learned Perceptual Image Patch Similarity（LPIPS） | NA |
| 296 | 2026-01-06 |
<SPAN style="font-weight: 400;">Deep Learning-derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-Type Metastatic Colorectal Cancer</SPAN>
2026-Jan-05, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-25-3080
PMID:41489691
|
研究论文 | 本研究探讨了从CT图像中自动提取的肌肉骨骼比作为肌少症标志物，在预测RAS野生型转移性结直肠癌患者抗EGFR治疗获益中的预后和预测价值 | 首次使用深度学习模型自动从CT图像中计算肌肉骨骼比，并将其作为生物标志物来识别可能从抗EGFR治疗中获益的转移性结直肠癌患者亚群 | 研究样本量有限，且验证队列为回顾性真实世界数据，可能存在选择偏倚 | 评估肌少症标志物在转移性结直肠癌患者治疗反应预测中的作用 | RAS野生型转移性结直肠癌患者 | 数字病理学 | 结直肠癌 | 计算机断层扫描 | 深度学习模型 | 医学影像 | PanaMa研究中的189名患者，加上一个真实世界验证队列 | NA | NA | 风险比, 置信区间, P值 | NA |
| 297 | 2026-01-06 |
Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT
2026-Jan-05, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02152-2
PMID:41489766
|
研究论文 | 本研究开发了深度学习模型，用于99mTc-MAA SPECT图像的CT无衰减校正和基于蒙特卡洛的散射校正，旨在提高90Y-SIRT治疗规划和预治疗剂量学的定量准确性 | 采用改进的3D Swin UNETR架构，首次开发了用于SPECT图像衰减校正、散射校正及联合校正的深度学习模型，实现了无需CT数据的定量分析 | 研究基于222名患者数据，样本量相对有限；模型性能在联合校正任务中相对误差较高（16.45%）；未在更广泛临床环境中验证 | 提高90Y选择性内放射治疗（SIRT）中SPECT图像的定量准确性，以优化治疗规划和剂量学评估 | 222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者数据 | 医学影像分析 | 肝脏肿瘤（适用于SIRT治疗） | SPECT成像，蒙特卡洛散射校正，深度学习 | 深度学习模型 | 3D SPECT图像 | 222名患者 | PyTorch（基于Swin UNETR架构推断） | 改进的3D Swin UNETR | 平均误差（ME），相对误差（RE），Gamma分析通过率，平均绝对误差（MAE） | 未明确指定，但提及适用于缺乏充足计算资源进行蒙特卡洛模拟的临床环境 |
| 298 | 2026-01-06 |
Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance
2026-Jan-05, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-01002-0
PMID:41489764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 299 | 2026-01-06 |
Diabetic foot ulcer classification using an enhanced coordinate attention integrated ConvNext model
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01692-1
PMID:41489793
|
研究论文 | 本文提出了一种结合坐标注意力机制增强的ConvNeXt模型，用于基于图像的糖尿病足溃疡自动分类 | 提出了一种混合模型，将坐标注意力机制集成到ConvNeXt架构中，以捕获空间长程依赖特征，从而提高糖尿病足溃疡图像分类的准确性 | 未明确说明数据集的来源、规模多样性以及模型在临床环境中的泛化能力验证 | 开发一种自动化的深度学习方法，以加速糖尿病足溃疡的评估过程并提供最佳治疗建议 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足溃疡 | 图像处理（自适应阈值分割） | CNN | 图像 | NA | NA | ConvNeXt | 准确率, F1分数 | NA |
| 300 | 2026-01-06 |
OGTCN-E-MGO: an optimized deep learning framework for EEG-based schizophrenia detection
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01695-y
PMID:41489794
|
研究论文 | 提出一种名为OGTCN-E-MGO的优化深度学习框架，用于基于脑电图（EEG）信号的精神分裂症自动检测 | 提出了一种优化的门控时序卷积网络（OGTCN），该网络集成了门控循环单元（GRU）、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO），用于精神分裂症的EEG信号分类 | NA | 实现精神分裂症的自动分类，通过分析EEG信号获取与精神分裂症认知变化相关的神经活动变化 | 精神分裂症患者 | 机器学习 | 精神分裂症 | 脑电图（EEG） | GRU, TCN | 脑电图信号 | 两个数据集：数据集1包含28名个体的19通道EEG信号；数据集2包含81名个体的64通道EEG信号 | NA | 优化的门控时序卷积网络（OGTCN），集成GRU、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO） | 准确率 | NA |