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 3314 篇文献，本页显示第 2041 - 2060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2041 | 2026-01-25 |
Optimizing infant magnetic resonance imaging efficiency: Deep learning-assisted feed-and-wrap technique versus general anesthesia using an infant magnetic resonance imaging stabilizer in infants under 4 months
2026-Jan, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06437-6
PMID:41193818
|
研究论文 | 本研究比较了深度学习辅助的喂食包裹技术与全身麻醉在4个月以下婴儿MRI检查中的效率，发现深度学习辅助的喂食包裹技术能显著缩短MRI室周转时间 | 首次将深度学习图像重建技术与喂食包裹方法结合，用于优化婴儿MRI流程，减少对全身麻醉的依赖 | 单中心回顾性研究，样本量较小（48名婴儿），可能存在选择偏倚 | 评估深度学习辅助的喂食包裹技术相比全身麻醉在婴儿MRI检查中的效率优势 | 4个月以下的婴儿 | 医学影像分析 | NA | 磁共振成像 | 深度学习 | MRI图像 | 48名婴儿（DL-FW组22名，GA组26名） | NA | NA | 周转时间（分钟） | NA |
| 2042 | 2026-01-25 |
Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network
2026-Jan, The Knee
DOI:10.1016/j.knee.2025.10.028
PMID:41238423
|
研究论文 | 本研究提出了一种基于深度神经网络的方法，用于从膝关节磁共振成像中自动检测内侧副韧带撕裂 | 首次应用深度神经网络解决膝关节内侧副韧带撕裂的自动检测问题，并比较了自定义CNN、预训练VGG19特征提取及迁移学习三种不同场景的性能 | 研究数据集仅来自单一医院的60名患者，样本多样性有限，未来需要在更广泛的人群中进行验证以确保模型的鲁棒性 | 开发一种自动检测膝关节内侧副韧带撕裂的方法，以提高诊断准确性和效率 | 膝关节磁共振成像图像 | 计算机视觉 | 膝关节损伤 | 磁共振成像 | CNN, VGG19 | 图像 | 3575张膝关节MRI图像，来自60名患者 | NA | 自定义CNN, VGG19 | 准确率, 损失值, AUC | NA |
| 2043 | 2026-01-25 |
Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics
2026-Jan, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.037
PMID:41087235
|
研究论文 | 本研究开发了一种整合临床数据、深度学习和放射组学的多模态模型（CRDL），用于预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 提出了一种结合临床数据、深度学习和放射组学的多模态融合模型（CRDL），在预测免疫治疗反应方面优于单模态及预融合模型 | 研究为回顾性设计，样本量相对较小（228例患者），且数据来源于单一中心，可能限制模型的泛化能力 | 开发并验证一个多模态模型，以预测非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 228例非小细胞肺癌患者，其程序性死亡配体1（PD-L1）表达水平各异 | 数字病理学 | 肺癌 | 计算机断层扫描（CT）成像 | CNN, 随机森林, 支持向量机 | 图像, 临床数据 | 228例非小细胞肺癌患者，其中训练集159例，验证集69例 | PyRadiomics, 未指定深度学习框架 | 深度卷积神经网络（具体架构未指定） | AUC | NA |
| 2044 | 2026-01-25 |
Advancements in metastatic spinal cord compression treatment: a narrative review of innovations, challenges, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004382
PMID:41496922
|
综述 | 本文综述了转移性脊髓压迫治疗的最新进展，评估了其在改善神经功能、缓解疼痛、提高生存率和生活质量方面的疗效 | 系统整合了过去五年内MSCC治疗的多项创新，包括机器人辅助手术、深度学习早期检测模型、个性化医疗技术（如下一代测序）、生物工程植入物和质子治疗等 | 诊断延迟和获得专科治疗的机会有限等挑战仍然存在 | 综述转移性脊髓压迫治疗的最新进展、挑战及未来方向 | 转移性脊髓压迫患者 | NA | 转移性脊髓压迫 | 下一代测序 | 深度学习模型 | MRI图像 | 从132篇文章中筛选出38篇符合纳入标准的研究 | NA | NA | NA | NA |
| 2045 | 2026-01-25 |
Early detection in oral cancer: are we ready for AI-driven precision?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004418
PMID:41496956
|
综述 | 本文探讨了人工智能在口腔癌早期检测和精准医疗中的应用前景与挑战 | 强调了AI驱动的精准医疗在口腔癌诊断中的变革潜力，特别是基于智能手机的AI系统在识别口腔病变方面达到专家级准确性 | 存在患者隐私、数据偏见以及AI系统“黑箱”性质不透明等问题 | 评估AI技术在口腔癌早期检测和精准医疗中的准备情况与应用潜力 | 口腔癌（特别是口腔鳞状细胞癌）及其潜在恶性病变（如白斑、红斑、扁平苔藓、黏膜下纤维化） | 数字病理学 | 口腔癌 | 荧光成像、高光谱成像、多组学整合 | CNN | 图像 | NA | NA | NA | 准确性 | NA |
| 2046 | 2026-01-08 |
Deep learning in detection of osteoporosis: insights from recent evidence, and future directions
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004316
PMID:41496979
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2047 | 2026-01-25 |
Early detection in oral cancer: Are we prepared for artificial intelligence-driven precision medicine?
2026-Jan, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004397
PMID:41497043
|
综述 | 本文探讨了人工智能和精准医学在口腔癌早期检测中的应用潜力与挑战 | 强调了人工智能，特别是卷积神经网络，在分析复杂成像和组织病理学数据以识别人眼不可见模式方面的创新应用，以及基于智能手机的AI系统在口腔病变识别中达到专家级准确性的最新进展 | 存在患者隐私、数据偏见以及AI系统“黑箱”不透明性等问题 | 推动口腔癌的早期检测和个性化治疗，实现精准医学 | 口腔癌，特别是口腔鳞状细胞癌，以及口腔潜在恶性病变如白斑、红斑、扁平苔藓和黏膜下纤维化 | 数字病理学 | 口腔癌 | 机器学习、深度学习算法，特别是卷积神经网络 | CNN | 成像和组织病理学数据 | NA | NA | 卷积神经网络 | 专家级准确性 | NA |
| 2048 | 2026-01-25 |
Do segmentation metrics reflect clinical reality? A surgeon-centered evaluation in robot-assisted minimally invasive esophagectomy
2026-Jan, Surgical endoscopy
DOI:10.1007/s00464-025-12266-3
PMID:41073813
|
研究论文 | 本研究评估了深度学习分割指标在机器人辅助微创食管切除术中与外科医生评估的相关性 | 首次从外科医生角度评估分割指标与临床现实的相关性，结合了定量指标与外科医生定性反馈 | 样本量有限（26名外科医生，12个视频片段），且仅针对特定手术（RAMIE），可能无法推广到其他手术场景 | 评估定量分割指标是否准确反映外科医生对解剖覆盖准确性和临床有用性的评估 | 机器人辅助微创食管切除术中的解剖分割覆盖 | 数字病理学 | 食管癌 | 深度学习 | 深度学习模型 | 视频 | 26名上消化道外科医生（包括实习和主治医生），12个视频片段，超过8000个手动标注帧 | NA | NA | 重叠指标, 距离指标, 时间一致性指标, 错误特定指标 | NA |
| 2049 | 2026-01-25 |
Brain age trajectories and cognition after stroke in two longitudinal cohorts
2026, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcaf509
PMID:41567827
|
研究论文 | 本研究通过两个纵向队列，分析了首次缺血性卒中后8年内的大脑年龄轨迹，并评估了大脑年龄估计对长期认知结果的预测价值 | 首次在卒中后长期纵向研究中，使用先进的深度学习模型量化大脑年龄轨迹，并发现大脑年龄在急性期即可预测数年后的认知功能，揭示了其作为早期生物标志物的潜力 | 研究对象仅限于工作年龄（<65岁）、中小体积（<70 ml）的缺血性卒中患者，样本量相对较小（n=120），且随访时间存在差异，可能限制了结果的普适性 | 表征首次卒中后的大脑老化轨迹，并评估大脑年龄估计对长期认知结果的预测价值 | 工作年龄（<65岁）的首次缺血性卒中患者，其卒中病灶体积小于70毫升 | 数字病理学 | 心血管疾病 | T1加权磁共振成像（MRI） | 深度学习模型 | 图像 | 120名患者（其中42%为女性，平均年龄54.9±9岁，平均随访3.4±2.5年） | NA | NA | 线性混合效应模型系数，线性回归模型系数，p值 | NA |
| 2050 | 2026-01-25 |
Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.017502
PMID:41567872
|
研究论文 | 本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能 | 提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，通过自适应引导损失函数优化特征转移，并创新性地分析手工特征与深度学习特征之间的互信息以提升可解释性 | NA | 增强深度学习模型在组织学图像分类中的可解释性和预测性能 | 组织学全切片图像 | 数字病理学 | 肿瘤 | NA | 深度学习模型 | 图像 | 三个公共数据集 | NA | NA | 分类性能 | NA |
| 2051 | 2026-01-25 |
Machine learning for drug-target interaction prediction: A comprehensive review of models, challenges, and computational strategies
2026, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.12.033
PMID:41568098
|
综述 | 本文全面回顾了人工智能和机器学习在药物-靶点相互作用预测中的应用，包括模型、挑战和计算策略 | 系统性地整合了从特征工程到深度学习模型的各种AI/ML技术，并强调了其在药物发现关键阶段的应用潜力 | NA | 加速药物开发过程，包括先导化合物识别、脱靶分析、药物再利用、多药理学分析和精准医疗的实现 | 药物-靶点相互作用 | 机器学习 | NA | NA | 监督学习, 图神经网络, 深度学习模型, 混合方法 | 药物、靶点及其相互作用的数据表示 | NA | NA | NA | 稳健的评估指标 | NA |
| 2052 | 2026-01-24 |
Deep learning-based radiomics and machine learning for IDH-wild-type glioblastoma after maximal safe surgical resection: a call for prognostic assessment
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003294
PMID:40844925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2053 | 2026-01-25 |
Deep learning for prognostic stratification and biomarker exploration in upper tract urothelial carcinoma: a multicenter retrospective cohort study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003581
PMID:41056040
|
研究论文 | 本研究开发了一个先验知识引导的深度学习系统，用于上尿路尿路上皮癌的预后分层和生物标志物探索 | 整合了多尺度病理特征，并探索了AI衍生的定量病理生物标志物，如组织分数评分和共定位评分 | NA | 提高上尿路尿路上皮癌的风险分层和患者预后 | 上尿路尿路上皮癌患者 | 数字病理学 | 上尿路尿路上皮癌 | 全切片图像分析 | 深度学习 | 图像 | 805名UTUC患者 | NA | UCSegNet, CONCH, MacroContextNet, PGCA-Net | C-index, AUC, 风险比 | NA |
| 2054 | 2026-01-24 |
Letter to the Editor: Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2026-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003532
PMID:41065566
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2055 | 2026-01-25 |
Artificial intelligence in idiopathic pulmonary fibrosis: advances, challenges and future directions
2026-Jan, The European respiratory journal
DOI:10.1183/13993003.01112-2025
PMID:41381227
|
综述 | 本文综述了人工智能在特发性肺纤维化（IPF）管理中的应用进展、挑战及未来方向 | 探讨了AI在IPF诊断、预后评估和药物发现中的创新应用，特别是卷积神经网络在影像分析中的潜力 | 面临数据异质性、模型可解释性不足以及缺乏大规模多中心研究验证等挑战 | 旨在改善IPF的诊断、预后评估和治疗策略 | 特发性肺纤维化（IPF）患者 | 数字病理学 | 肺纤维化 | 高分辨率计算机断层扫描（HRCT）、多组学数据 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNN） | 临床数据、影像数据、形态学数据、转录组数据 | NA | NA | 卷积神经网络 | NA | NA |
| 2056 | 2026-01-25 |
Fully automated 3D multi-modal deep learning model for preoperative T-stage prediction of colorectal cancer using 18F-FDG PET/CT
2026-Jan, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07450-5
PMID:40719866
|
研究论文 | 本研究开发了一种全自动3D多模态深度学习模型，利用术前18F-FDG PET/CT预测结直肠癌的T分期，并评估其临床实用性 | 开发了基于3D ResNet18并结合交叉多头注意力机制的全自动多模态深度学习模型，用于结直肠癌T分期预测，性能优于单模态模型和放射科医生评估 | 研究为回顾性设计，样本量有限（474例患者），且仅使用单一外部验证队列 | 预测结直肠癌的术前T分期，以辅助临床决策 | 结直肠癌患者 | 数字病理 | 结直肠癌 | 18F-FDG PET/CT | 深度学习 | 3D医学图像（PET/CT） | 474例结直肠癌患者（内部队列400例，外部队列74例） | PyTorch | 3D ResNet18 | AUC, Dice系数 | NA |
| 2057 | 2026-01-25 |
Deep learning-based non-invasive prediction of PD-L1 status and immunotherapy survival stratification in esophageal cancer using [18F]FDG PET/CT
2026-Jan, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07463-0
PMID:40810801
|
研究论文 | 本研究开发并验证了基于[18F]FDG PET/CT的深度学习模型，用于预测食管癌患者的PD-L1状态，并评估了模型评分在免疫治疗生存分层中的潜力 | 首次利用[18F]FDG PET/CT结合深度学习（3D ResNet10）非侵入性预测食管癌PD-L1状态，并证明模型评分能有效进行免疫治疗生存分层，优于传统PD-L1评分方法 | 回顾性研究设计，样本量有限（331例患者），且仅50例患者接受免疫治疗随访，需更大规模前瞻性研究验证 | 开发非侵入性方法预测食管癌PD-L1状态，并探索其在免疫治疗生存分层中的应用 | 食管癌患者 | 数字病理学 | 食管癌 | [18F]FDG PET/CT成像 | 深度学习 | 医学影像（PET/CT扫描） | 331例食管癌患者（来自两个中心），其中50例接受免疫治疗随访 | NA | 3D ResNet10 | AUC, 总体生存期, 无进展生存期 | NA |
| 2058 | 2026-01-25 |
Comprehensive analysis of [18F]MFBG biodistribution normal patterns and variability in pediatric patients with neuroblastoma
2026-Jan, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07490-x
PMID:40815390
|
研究论文 | 本研究系统描述了[18F]MFBG在儿童神经母细胞瘤患者中的生理分布和变异性，为临床图像解读提供参考 | 首次在儿童患者中系统量化[18F]MFBG的生理分布模式，并利用深度学习方法进行自动分割分析 | 研究为回顾性分析，样本量有限（169例），且主要针对儿童神经母细胞瘤患者，结果可能不适用于其他人群或肿瘤类型 | 增强[18F]MFBG PET/CT在儿童神经母细胞瘤中的临床解读准确性，区分正常生理摄取与病理摄取 | 儿童神经母细胞瘤患者 | 数字病理学 | 神经母细胞瘤 | [18F]MFBG PET/CT成像 | 深度学习 | PET/CT图像 | 169例儿童神经母细胞瘤患者（包括20例确认缓解者） | NA | NA | SUVmax, SUVmean | NA |
| 2059 | 2026-01-25 |
Accelerated magnetic resonance imaging of hippocampal sclerosis in pediatric patients with deep learning-based reconstruction: comparison of image quality and diagnostic performance with conventional reconstruction
2026-Jan, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06419-8
PMID:41081829
|
研究论文 | 本研究比较了深度学习重建与常规重建在加速磁共振成像中，对儿童海马硬化患者的图像质量和诊断性能的影响 | 首次在儿童海马硬化患者中评估深度学习重建加速MRI序列，实现了44%的扫描时间减少，同时保持相似的图像质量和诊断性能 | 研究样本量有限（68例），且仅针对特定疾病（海马硬化）和患者群体（儿童），结果可能无法推广到其他疾病或成人患者 | 比较常规重建MRI与加速序列（含/不含深度学习重建）在儿童海马硬化患者中的图像质量和诊断性能 | 68名确诊或疑似患有颞叶癫痫伴海马硬化的儿童患者 | 数字病理学 | 海马硬化 | 磁共振成像 | 深度学习模型 | 医学图像 | 68名儿童患者 | NA | NA | 图像质量评分、信噪比、Cohen's kappa | NA |
| 2060 | 2026-01-25 |
Unravelling the Connection Between Reduced Mobility and Mild Cognitive Impairment in Chronic Pain Patients Through Cluster Analysis
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-10389-5_24
PMID:41577919
|
研究论文 | 本研究通过深度学习分析慢性疼痛患者的血液数据，评估其轻度认知障碍风险，并结合聚类分析揭示活动能力下降与认知障碍之间的关联 | 首次将深度学习应用于基于常规血液检测数据估计慢性疼痛患者的轻度认知障碍风险，并通过聚类分析识别出活动能力下降是认知障碍的关键风险因素 | 研究样本仅限于日本疼痛治疗机构的门诊患者，可能无法推广到其他人群；血液检测数据可能受多种混杂因素影响 | 评估慢性疼痛患者中轻度认知障碍的风险，并探讨其与系统性代谢紊乱及活动能力下降的关联 | 门诊疼痛患者（疼痛组）和无疼痛对照患者（非疼痛对照组） | 机器学习 | 老年疾病 | 深度学习, 主成分分析, 聚类分析 | 深度学习模型 | 血液检测数据, 评估量表数据 | 未明确指定样本数量，但涉及疼痛组和对照组患者 | NA | NA | 估计的MMSE分数, 欧几里得距离 | NA |