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 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-03-05 |
Benchmarking deep learning models for predicting anticancer drug potency (IC50) with insights for medicinal chemists
2026-Jan-29, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-026-01916-9
PMID:41611971
|
研究论文 | 本研究对五种深度学习模型在抗癌药物IC50预测中的性能进行了基准测试，并开发了一个用户友好的网络服务器 | 引入了实验变异性感知预测准确度统计量，并评估了模型对未见化合物预测的局限性 | 模型对未见化合物的预测准确性显著下降，且预测误差与化合物及细胞系的理化及生物学特性相关性较弱 | 评估深度学习模型在预测抗癌药物IC50方面的性能，为药物化学家提供实用见解 | 小分子抗癌药物及其对癌细胞系的IC50值 | 机器学习 | 癌症 | 深度学习 | DeepCDR, DrugCell, PaccMann, Precily, tCNN | 化合物和细胞系数据 | 标准化GDSC数据集和近期发表的抗癌化合物 | NA | NA | 百分比误差, 对数误差, 三西格玛限, 实验变异性感知预测准确度 | NA |
| 702 | 2026-03-05 |
Robust Brain Extraction Tool for Nonenhanced CT and CT Angiography: CTA-BET
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240847
PMID:41147859
|
研究论文 | 开发并评估了一种基于深度学习的脑提取模型CTA-BET，用于CT血管造影和非增强CT图像的精确脑部分割 | 提出首个专门针对CTA和NCCT图像的深度学习脑提取工具，在两种模态上均优于现有非商业基准工具 | 研究为回顾性设计，训练数据主要来自多机构CTA队列（100例），NCCT验证使用公开数据集 | 开发适用于CTA和NCCT图像的鲁棒脑提取工具，提升临床和研究中的自动化影像分析 | CT血管造影图像和非增强CT图像中的脑组织分割 | 数字病理 | NA | CT血管造影，非增强CT | CNN | 3D医学图像 | 训练集：100例CTA患者（多机构）；验证集：50例CTA患者（外部）+ 132例NCCT患者（CQ500公开数据集） | NA | NA | Dice分数，豪斯多夫距离，分数归一化直方图 | NA |
| 703 | 2026-03-05 |
Adnexal Lesion Discrimination Using Deep Learning Analysis of Dynamic Contrast-enhanced US Images
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240786
PMID:41190943
|
研究论文 | 本研究开发了一种基于动态对比增强超声图像的多模态深度学习模型（OCNet），用于对附件病变进行分类 | 首次开发了基于动态对比增强超声图像的多模态深度学习模型（OCNet），用于附件病变分类，其性能优于现有的O-RADS US和ADNEX模型，并能提升初级放射科医生的诊断能力 | 这是一项回顾性研究，数据来源于中国的14家医院，可能存在选择偏倚，且模型性能需在前瞻性研究中进一步验证 | 开发并评估一种深度学习模型，以准确分类附件病变（良性或恶性） | 经病理证实的附件病变患者 | 数字病理 | 卵巢癌 | 动态对比增强超声 | 深度学习模型 | 图像 | 395名女性患者（252个良性病变，143个恶性病变），数据分为训练集（275例）、内部测试集（57例）和外部测试集（63例） | NA | OCNet | AUC, 特异性 | NA |
| 704 | 2026-03-05 |
Economic Value of AI in Radiology: A Systematic Review
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.250090
PMID:41258794
|
系统综述 | 本文对人工智能在放射学工作流程中的经济价值证据进行了系统性回顾和总结 | 首次对2010年至2024年间发表的、明确量化人工智能在放射学中经济成果的原始研究进行了系统性综述，并基于任务复杂性、检查量和实施模式等背景因素分析了AI经济价值的差异性 | 纳入研究数量较少（仅21项），且研究质量可能存在异质性；仅关注了明确量化经济成果的研究，可能排除了其他相关证据 | 总结人工智能在放射学工作流程中经济价值的证据 | 2010年至2024年间发表的、量化AI在放射学中经济成果的原始研究文章 | NA | NA | NA | 机器学习, 深度学习, 计算机辅助诊断, 自然语言处理 | NA | 从1879项初始搜索结果中筛选出21项研究 | NA | NA | 成本节约, 增量成本效益比, 准确性, 特异性 | NA |
| 705 | 2026-03-05 |
Rethinking Privacy in Medical Imaging AI: From Metadata and Pixel-Level Identification Risks to Federated Learning and Synthetic Data Challenges
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.250273
PMID:41295085
|
综述 | 本文探讨了医学影像AI中隐私保护的风险与挑战，重点关注元数据和像素级识别风险，并回顾了联邦学习和合成数据等隐私保护方法的局限性 | 强调了像素级图像信息（如强度值）可能被深度学习模型利用以揭示敏感患者数据，这一风险常被忽视，同时指出了联邦学习和合成数据方法在模型反转和推理攻击下的脆弱性 | 文章为综述性报告，未提出具体的新技术或解决方案，主要基于现有文献讨论风险与挑战，缺乏实证数据支持 | 分析医学影像AI中的隐私风险，并评估现有隐私保护方法的有效性及局限性 | 医学影像数据及其相关的元数据（如患者标识符、采集参数、机构详情） | 医学影像AI | NA | 深度学习 | NA | 医学影像数据 | NA | NA | NA | NA | NA |
| 706 | 2026-03-05 |
Gastric Neoplasm Detection at Contrast-enhanced CT with Deep Learning
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.250145
PMID:41295087
|
研究论文 | 开发并验证了一种名为GANDA的深度学习模型，用于在临床常规增强CT中自动检测、诊断和分割胃部肿瘤 | 提出了一种联合分割和分类的三维深度学习模型，并在多个内部、外部和真实世界测试队列中进行了验证，其诊断准确性显著高于经验丰富的放射科医生 | 研究为回顾性设计，模型在外部测试队列中的分割性能（Dice系数）仍有提升空间 | 开发一种自动化工具，用于在CT影像中检测和诊断胃部肿瘤 | 胃部肿瘤患者及对照人群 | 数字病理 | 胃癌 | 对比增强CT | 深度学习模型 | CT图像 | 共4606名患者（1683名用于模型开发，266名用于内部测试，2657名用于外部测试，7695名用于真实世界测试） | NA | 联合分割和分类的三维深度学习模型 | 敏感性, 特异性, 准确率, Dice系数, AUC | NA |
| 707 | 2025-12-05 |
Rethinking Adnexal Mass Diagnosis with Dynamic Contrast-enhanced US and Deep Learning
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.250977
PMID:41335002
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 708 | 2026-03-05 |
Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study
2026-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.250109
PMID:41405428
|
研究论文 | 本研究开发并验证了一个深度学习模型，用于在冠状动脉CT血管成像中自动评估伴有严重钙化斑块的血管狭窄 | 首次开发并验证了专门针对严重钙化斑块的冠状动脉狭窄自动检测深度学习模型，并进行了多中心、多阶段的外部验证和临床实用性评估 | 研究为回顾性设计，且模型性能在严重钙化场景下仍有提升空间（如患者水平的特异性为48%） | 开发并验证一个深度学习模型，以自动评估冠状动脉CT血管成像中伴有严重钙化斑块的血管狭窄 | 冠状动脉CT血管成像图像，特别是伴有严重钙化斑块的血管 | 计算机视觉 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习模型 | 医学影像 | 总计10,101例CCTA检查用于模型开发，442例用于外部测试集1，120例用于外部测试集2，150例用于外部测试集3 | NA | NA | 特异性，受试者工作特征曲线下面积，Kappa系数 | NA |
| 709 | 2026-03-05 |
Artificial Intelligence and Big Data in Urological Oncology: From Radiomics to Real-World Evidence
2026-Jan, Archivos espanoles de urologia
IF:0.6Q4
|
综述 | 本文综述了人工智能和大数据在泌尿系统肿瘤学中的应用，涵盖从影像组学到真实世界证据的进展 | 整合了人工智能驱动的影像组学和深度学习模型在泌尿系统肿瘤诊断、预后评估及治疗个性化中的高精度应用，并展望了多中心标准化和联邦学习框架的未来方向 | 大多数研究依赖于回顾性或单中心数据集，外部验证有限，泛化能力存在担忧 | 探讨人工智能和大数据如何提升泌尿系统肿瘤（前列腺癌、膀胱癌、肾癌）的诊断精度、预后评估和治疗个性化 | 前列腺癌、膀胱癌和肾癌 | 计算机视觉, 自然语言处理, 机器学习 | 前列腺癌, 膀胱癌, 肾癌 | 磁共振成像, 计算机断层扫描, 正电子发射断层扫描, 组织病理学 | 深度学习模型 | 图像 | NA | NA | NA | AUC, 敏感性, 特异性, 准确率 | NA |
| 710 | 2026-03-05 |
Real-time on-device weed identification using a hardware-efficient lightweight CNN
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1747863
PMID:41777389
|
研究论文 | 本文提出了一种名为TinyWeedNet的硬件高效轻量级卷积神经网络，用于精准农业中的实时设备端杂草识别 | 模型集成了多尺度特征提取、深度可分离倒置残差块和紧凑通道注意力机制，在保持最小计算足迹的同时增强了判别能力，专为低功耗现场设备设计 | 模型在公共DeepWeeds数据集上进行评估，可能未涵盖所有田间杂草种类或环境条件，且部署依赖于特定微控制器（STM32H7）和TinyML工作流 | 开发一种适用于资源受限农业平台的实时、低功耗杂草识别系统，以支持自主农业系统 | 杂草图像，来自公共DeepWeeds数据集 | 计算机视觉 | NA | 图像识别 | CNN | 图像 | 基于公共DeepWeeds数据集，具体样本数量未在摘要中明确说明 | TinyML | TinyWeedNet（集成多尺度特征提取、深度可分离倒置残差块、紧凑通道注意力） | 分类准确率 | STM32H7微控制器，通过TinyML工作流实现嵌入式执行 |
| 711 | 2026-03-05 |
CG-RecNet: a gated and attention-fused deep learning framework for label-free classification of neural stem cell differentiation via imaging flow cytometry
2026, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2026.1767574
PMID:41777601
|
研究论文 | 提出了一种名为CG-RecNet的深度学习框架，用于通过成像流式细胞术对神经干细胞分化进行无标记分类 | 整合了LinAngular跨通道注意力融合模块以捕获全局形态依赖性，并采用门控卷积神经网络块来抑制背景噪声，实现了对少数类（如少突胶质细胞）的高精度识别而无需合成过采样 | 研究基于大鼠胚胎神经干细胞进行验证，尚未在其他物种或更广泛的细胞类型中进行测试 | 开发一种准确、无标记的方法，用于纵向监测神经干细胞分化，以推动再生医学发展 | 大鼠胚胎神经干细胞及其分化谱系（神经元、星形胶质细胞和少突胶质细胞） | 计算机视觉 | NA | 成像流式细胞术 | CNN | 图像 | NA | NA | GatedCNN, LinAngular-XCA Fusion Module | 准确率, 宏平均AUC | NA |
| 712 | 2026-03-05 |
Prospective applications of artificial intelligence for the diagnosis of oral leukoplakia: a scoping review
2026, Frontiers in oral health
IF:3.0Q1
DOI:10.3389/froh.2026.1760177
PMID:41777604
|
综述 | 本文是一篇范围综述，调查了人工智能在口腔白斑临床和病理诊断中的应用现状 | 首次对人工智能在口腔白斑诊断中的应用证据进行了全面的范围综述，涵盖了从光谱学到深度学习的技术演变 | 现有证据仍处于初步阶段，需要标准化报告、更全面的数据集纳入以及多中心大样本验证以确保普适性 | 调查人工智能在口腔白斑诊断中的应用现状与潜力 | 口腔白斑 | 数字病理学 | 口腔白斑 | 光谱学，深度学习图像分析 | 深度学习模型 | 临床图像，组织病理学图像 | 10项研究 | NA | NA | 灵敏度，特异性，准确率 | NA |
| 713 | 2026-03-05 |
MedCSS: a causal self-supervised approach for hierarchical feature consistency in 3D medical imaging
2026, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2026.1739716
PMID:41777736
|
研究论文 | 本文提出了一种名为MedCSS的层次特征一致性框架，结合因果自监督学习，用于三维医学图像分析 | 通过分布一致性对齐中间和高级特征，并引入基于编码率的因果正则化来抑制非因果冗余，增强了特征稳定性和边界敏感性 | NA | 解决传统深度学习模型在医学图像分析中依赖统计相关性而非生成结构建模的问题，提升小样本和跨域场景下的鲁棒性 | 三维医学图像 | 计算机视觉 | NA | NA | CNN | 三维图像 | NA | NA | 3D ResNet | NA | NA |
| 714 | 2026-03-03 |
Artificial Intelligence-Enabled Echocardiographic Assessment of Right Ventricular Function
2026-Jan-22, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.01.20.26344425
PMID:41646670
|
研究论文 | 本研究开发了一种名为EchoNet-RV的深度学习模型，用于分割心尖四腔心切面超声心动图视频中的右心室并估计右心室面积变化分数 | 开发了首个专门用于右心室分割和功能评估的深度学习模型EchoNet-RV，并在多个国际外部测试集上验证了其性能优于现有多任务模型 | 模型主要基于心尖四腔心切面视频，可能未涵盖所有右心室评估的超声视图；外部测试集虽来自不同中心，但可能仍存在数据分布偏差 | 开发一个自动化、可重复的深度学习模型，以改善右心室功能的超声心动图评估 | 心尖四腔心切面超声心动图视频中的右心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习模型 | 视频 | 训练集：7,169个专家标注的心尖四腔心切面超声心动图视频；内部测试集：1,320个视频；两个外部测试集：3,107个和1,077个视频 | NA | EchoNet-RV | Dice系数, 平均绝对误差, 受试者工作特征曲线下面积 | NA |
| 715 | 2026-03-03 |
Editorial: Neuromorphic and deep learning paradigms for neural data interpretation and computational neuroscience
2026, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2026.1789388
PMID:41766771
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 716 | 2026-03-03 |
A review of optimization strategies for deep and machine learning in diabetic macular edema
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1684752
PMID:41766941
|
综述 | 本文综述了深度学习和机器学习在糖尿病性黄斑水肿（DME）分析中的应用，特别关注优化算法在提升模型效能、鲁棒性和性能方面的整合与影响 | 强调并整合了优化算法（如元启发式优化器Jaya和蚁群优化）在DME相关深度学习与机器学习任务中的关键作用，通过混合架构（如Auto-Metric图神经网络）展示了性能提升 | 存在挑战，如基于YOLO的模型在病变识别中测试集性能的平均精度较低（0.1540），且临床可解释性有待提高以增强临床医生信任 | 巩固、评估和整合深度学习和机器学习在糖尿病性黄斑水肿（DME）分析中的应用研究，特别关注优化算法的整合与影响 | 糖尿病性黄斑水肿（DME）相关的眼科图像分析任务 | 计算机视觉 | 糖尿病性黄斑水肿 | NA | 深度学习, 机器学习 | 图像 | NA | NA | Auto-Metric图神经网络, YOLO | 准确率, 平均精度 | NA |
| 717 | 2026-03-03 |
An AI approach to lunar phase detection: enhancing the identification of the new crescent with astronomical data integration
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1727824
PMID:41766946
|
研究论文 | 本研究探讨了利用人工智能技术从NASA月球勘测轨道飞行器图像中检测和分析新月牙的可行性 | 首次将深度学习与传统机器学习方法结合用于基于太空影像的新月牙检测，并整合了月球年龄数据以增强CNN模型 | 研究主要基于轨道图像，可能未完全覆盖地球观测的所有条件；合成噪声和遮挡测试虽进行，但真实环境复杂性可能更高 | 通过AI技术改进新月牙的检测，以支持天文学、文化传统和宗教农历的确定 | NASA月球勘测轨道飞行器获取的超过13年的月球图像 | 计算机视觉 | NA | 太空影像分析，图像预处理（灰度转换、对比度受限自适应直方图均衡化、降噪） | CNN, RF, SVM | 图像 | 超过13年的月球轨道图像数据集 | NA | 自定义CNN架构 | 精确率, 召回率, F分数, 整体准确率 | NA |
| 718 | 2026-03-03 |
Automatic classification and prognosis prediction of cerebral hemorrhage based on a deep learning model
2026, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2026.1725732
PMID:41767013
|
研究论文 | 本研究提出了一种名为HemorrhageNet的深度学习框架，用于脑出血的自动分类和预后预测 | 提出HemorrhageNet框架，整合多模态数据，采用双路径架构和注意力机制，并结合自适应预后策略以增强泛化能力和可解释性 | 未明确说明数据集的样本量或具体局限性 | 开发一个深度学习模型，用于脑出血的自动分类和预后预测，以克服传统诊断方法的限制 | 脑出血患者的多模态数据，包括CT和MRI影像、人口统计学信息和临床参数 | 数字病理学 | 脑出血 | CT成像, MRI成像 | 深度学习模型 | 图像, 文本 | NA | NA | HemorrhageNet | 准确性, 鲁棒性, 透明度 | NA |
| 719 | 2026-03-03 |
Exploring the role of micro-valence in the phenomenal space: insights from similarity judgments and deep learning models
2026, Neuroscience of consciousness
IF:3.1Q1
DOI:10.1093/nc/niag005
PMID:41767289
|
研究论文 | 本研究通过行为实验和深度神经网络分析，探讨微观效价在意识体验相似性判断中的作用 | 首次将微观效价概念与深度神经网络处理阶段相结合，揭示效价判断与相似性判断的关系不完全由刺激感知特征中介 | 研究仅使用日常物体图像，样本量相对有限（149名参与者），未涵盖更复杂的情感刺激 | 探究效价是否作为意识体验的内在维度，以及其与相似性判断的关联机制 | 日常物体图像的效价判断与相似性判断 | 机器学习 | NA | 行为实验（三选一任务、空间排列任务、生日任务）、深度神经网络激活提取 | DNN | 图像 | 149名参与者对120张日常物体图像进行判断 | NA | NA | 表征相似性分析、多维尺度分析 | NA |
| 720 | 2026-03-03 |
Impact of AIR™ Recon DL on magnetic resonance imaging-based quantitative brain structure measurements
2026, Psychoradiology
DOI:10.1093/psyrad/kkaf036
PMID:41767425
|
研究论文 | 本研究评估了AIR™ Recon DL算法相较于传统重建方法对MRI图像质量和定量脑结构测量的影响 | 首次系统评估了深度学习重建算法AIR™ Recon DL对脑形态定量测量的系统性偏差影响 | 研究样本仅包含健康成年人，未涉及患者群体；样本量相对较小（74人） | 评估深度学习MRI重建算法对图像质量和脑形态定量测量的影响 | 健康成年人的脑部MRI图像 | 医学影像分析 | NA | 磁共振成像（MRI），3D T1加权成像 | 深度学习重建算法 | 医学影像（MRI） | 74名健康成年人 | NA | AIR™ Recon DL | 图像质量评分，体积测量，皮质厚度，沟深，分形维度，脑回化指数 | NA |