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 579 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 | 2026-01-06 |
Deep learning diagnosis model of spinal tuberculosis based on CT bone window gradient attention mechanism: multi-center study
2026-Dec, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2025.2599329
PMID:41459642
|
研究论文 | 本研究基于CT骨窗图像开发了一种深度学习模型，旨在提高脊柱结核的早期诊断准确性 | 结合CT骨窗梯度注意力机制，改进了ResNet50网络，构建了端到端的深度学习诊断模型，专注于提取骨小梁微骨折和钙化轮廓梯度等特征 | NA | 提高脊柱结核的早期诊断准确性 | 脊柱结核患者 | 计算机视觉 | 脊柱结核 | CT成像 | CNN | 图像 | 1027例多中心回顾性数据 | NA | U-Net, ResNet50 | AUC, 准确率, 灵敏度 | NA |
| 2 | 2026-01-06 |
Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs
2026-Apr, Non-coding RNA research
IF:5.9Q1
DOI:10.1016/j.ncrna.2025.09.009
PMID:41488159
|
综述 | 本文综述了基于深度学习与非编码RNA的宫颈细胞图像分割技术的研究进展、挑战与应用前景 | 将深度学习模型（特别是CNN架构）与非编码RNA研究背景相结合，系统探讨了宫颈细胞图像分割的技术路线与优化方向 | 作为综述文章，未开展原创实验验证；主要基于英文文献分析，可能存在地域性研究覆盖不足 | 探讨深度学习技术在宫颈细胞图像分割中的应用，比较不同模型的特性与优劣 | 宫颈细胞图像 | 数字病理学 | 宫颈癌 | 图像分割技术 | CNN, FCN, U-Net | 图像 | NA | NA | 卷积神经网络, 全卷积网络, U-Net | 分割精度 | NA |
| 3 | 2026-01-06 |
Functional near-infrared spectroscopy-based computer-aided diagnosis of major depressive disorder using explainable artificial intelligence: Comparison with conventional machine learning
2026-Mar-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.120985
PMID:41422962
|
研究论文 | 本研究开发了一种基于可解释人工智能的功能性近红外光谱计算机辅助诊断模型，用于识别重度抑郁症患者与健康对照者之间的脑半球间不对称性差异 | 首次将可解释人工智能技术（如层相关传播）应用于功能性近红外光谱数据，以可视化深度学习模型的决策过程，并揭示重度抑郁症患者脑功能不对称性的关键特征 | 样本量相对较小（共116名参与者），且仅基于单一言语流畅性任务的数据，可能限制了模型的泛化能力 | 开发并验证一种基于功能性近红外光谱和可解释人工智能的重度抑郁症计算机辅助诊断方法 | 48名重度抑郁症患者和68名健康对照者 | 机器学习 | 重度抑郁症 | 功能性近红外光谱 | CNN | 光谱数据 | 116名参与者（48名患者，68名健康对照） | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性 | NA |
| 4 | 2026-01-06 |
Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee
2026-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101087
PMID:41487396
|
评论回复 | 本文是对Saad等人评论的回复，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面 | 通过回复评论，澄清了原始研究中的关键方法学细节，包括注释协议、偏差处理以及研究设计的临床相关性 | 研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程 | 澄清和辩护原始研究中关于深度学习在儿童肾肿瘤放疗中器官风险自动轮廓勾画的影响评估 | 儿童肾肿瘤患者侧腹放疗中的器官风险轮廓勾画 | 数字病理学 | 肾肿瘤 | CT成像 | 深度学习 | CT图像 | NA | NA | NA | 几何评估 | NA |
| 5 | 2026-01-06 |
Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies
2026-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001218
PMID:40586610
|
研究论文 | 本研究开发了一种基于深度学习的表示学习模型，用于从双参数前列腺MRI图像中学习放射科医生的解读模式，以区分PI-RADS 3分类并检测临床显著前列腺癌，从而避免不必要的良性活检 | 利用PI-RADS引导的表示学习来学习放射科医生对MRI图像的解读模式，并应用于PI-RADS 3这一中间风险类别的区分，提高了活检决策的准确性 | 研究数据来自单一机构，可能限制了模型的泛化能力；且仅使用了双参数MRI图像，未纳入多参数MRI的其他序列 | 通过深度学习模型改善前列腺癌MRI诊断中PI-RADS 3分类的区分能力，优化活检决策策略 | 前列腺癌疑似患者的前列腺MRI图像及相关的临床数据 | 数字病理 | 前列腺癌 | 双参数前列腺MRI（T2加权和扩散加权成像） | 深度学习模型 | 图像 | 28,263次MRI检查（来自21,938名男性），其中6,352次后续活检 | NA | 表示学习模型 | AUC, 敏感性, NPV, 活检产量 | NA |
| 6 | 2026-01-06 |
Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study
2026-Feb-01, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109161
PMID:41252869
|
研究论文 | 本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了一个深度学习放射组学列线图来预测患者总生存期 | 首次结合3D自动分割模型与深度学习放射组学列线图，用于小细胞肺癌患者的总生存期预测，实现了高精度的病灶分割和多中心验证的预测性能 | 临床因素的加入未显著提升深度学习放射组学列线图的预测效能，且研究为回顾性设计，可能存在选择偏倚 | 预测小细胞肺癌患者的总生存期，以支持个性化治疗 | 小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | 深度学习 | CT图像 | 1061名来自中国四家医院的小细胞肺癌患者 | nnU-Net | nnU-Net | Dice相似系数, 一致性指数, 净重分类改善, 综合判别改善 | NA |
| 7 | 2026-01-06 |
A Novel Instance Segmentation Method for Real-Time Detection of Thyroid Nodules in Ultrasound Videos: A Multi-Center Study
2026-Feb, Ultrasound in medicine & biology
|
研究论文 | 本文提出了一种用于甲状腺超声视频中实时检测甲状腺结节的新型实例分割方法，通过多中心研究验证其性能 | 引入可变卷积网络增强结节纹理特征提取能力，提出双向Mamba模块提升视频数据的长程建模能力，结合Sobel边缘算子模块优化结节边界准确性，并定义了检测率指标以评估模型临床效率 | NA | 提高甲状腺超声视频中多结节实例分割的准确性和检测率 | 甲状腺超声视频中的多发性甲状腺结节 | 计算机视觉 | 甲状腺结节 | 超声成像 | 深度学习模型 | 超声视频 | 来自多家医院的验证集数据（具体样本数未明确说明） | NA | 可变卷积网络, 双向Mamba模块, Sobel边缘算子模块 | Dice系数, 检测率 | NA |
| 8 | 2026-01-06 |
Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications
2026-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103320
PMID:41338039
|
综述 | 本文对人工智能在抑郁症诊断中的方法学与临床应用进行了系统性综述 | 全面梳理了AI驱动抑郁症诊断的最新进展，重点关注多模态数据融合与先进神经网络架构的应用潜力 | 存在数据集偏差、算法透明度不足、临床适用性有限等挑战 | 评估人工智能在抑郁症早期检测与分类领域的应用现状与发展方向 | 抑郁症诊断相关的人工智能系统 | 机器学习 | 抑郁症 | 机器学习、深度学习 | NA | 语言数据、行为数据、生理数据（来自社交媒体、临床访谈、语音记录、可穿戴设备） | NA | NA | 神经网络 | 诊断准确率 | NA |
| 9 | 2026-01-06 |
Digital Eye: Deep Learning for Detecting Physeal Fractures of the Pediatric Distal Radius
2026-Feb, Journal of the Pediatric Orthopaedic Society of North America
DOI:10.1016/j.jposna.2025.100291
PMID:41488804
|
研究论文 | 本研究通过微调卷积神经网络（CNN）中的EfficientNet模型，用于识别儿科桡骨远端骨折中的骨骺骨折，旨在提高诊断准确性 | 首次应用EfficientNet模型结合Grad-CAM技术对儿科骨骺骨折进行自动分类，并提供模型预测的可解释性 | 数据集来自单一医疗机构，样本多样性和平衡性有限，未来需扩展数据集并测试不同视图和骨折模式 | 开发辅助工具以提高儿科桡骨远端骨折中骨骺骨折的诊断准确性，增强患者安全 | 4至18岁骨骼未成熟患者的桡骨远端骨折X光片 | 计算机视觉 | 儿科骨折 | X光成像 | CNN | 图像 | 2,103张X光片（来自1,082名患者），包括425张骨骺骨折视图和1,678张非骨骺骨折视图 | TensorFlow, PyTorch | EfficientNet-B2 | 准确率, 精确率, 召回率, F1分数 | 未明确指定，可能使用GPU进行深度学习训练 |
| 10 | 2026-01-06 |
Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM
2026-Jan-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114234
PMID:41488788
|
研究论文 | 本文提出了一种结合电化学分数阶模型热力学参数与LSTM网络的物理启发深度学习方法，用于锂离子电池健康状态的高精度估计 | 将电池机理模型与深度学习相结合，利用电化学分数阶模型的热力学参数作为输入特征，显著提升了SOH估计的准确性和可解释性 | NA | 提高锂离子电池健康状态估计的精度和可靠性 | 锂离子电池 | 机器学习 | NA | 电化学分数阶模型 | LSTM | 热力学参数 | 八个验证电池 | NA | LSTM | 均方根误差 | NA |
| 11 | 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 |
| 12 | 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 |
| 13 | 2026-01-06 |
Development and validation of deep learning for predicting the growth of ovarian cancer organoids
2026-Jan-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003575
PMID:40709801
|
研究论文 | 本研究开发并验证了一种基于深度学习的可解释模型，用于提前预测卵巢癌类器官的生长结果 | 首次提出使用深度学习模型预测卵巢癌类器官的生长结果，并设计了同质迁移学习优化方法以提高预测性能，同时利用Grad-CAM进行模型可解释性分析 | 研究样本量有限（517个类器官液滴），且仅针对卵巢癌类器官，模型在其他癌症类型中的泛化能力未经验证 | 开发可解释的深度学习模型，以预测卵巢癌类器官的培养结果，提高类器官培养的成功率和效率 | 卵巢癌患者来源的类器官 | 数字病理学 | 卵巢癌 | 纵向显微镜成像 | CNN, Transformer | 图像 | 517个卵巢癌类器官液滴（训练集325个，验证集88个，测试集104个），外加179个多中心样本用于前瞻性验证 | NA | ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2 | AUC, Brier分数, 校准曲线, 决策曲线净收益 | NA |
| 14 | 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 |
| 15 | 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 |
| 16 | 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 |
| 17 | 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 |
| 18 | 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 |
| 19 | 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 |
| 20 | 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 |