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 12055 篇文献，本页显示第 2521 - 2540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2521 | 2026-08-19 |
Prediction of Alzheimer's disease risk factors from retinal images via deep learning: Development and validation of biologically relevant morphological associations in the UK Biobank
2026-08, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877261457650
PMID:42299837
|
研究论文 | 利用深度学习从UK Biobank的彩色眼底照片中预测阿尔茨海默病相关风险因素，并验证其生物学相关的形态学关联 | 首次系统评估深度学习模型从视网膜图像预测多种AD风险因素的能力，并利用显著性得分（CAM-Score）揭示潜在视网膜结构特征，发现与临床前期AD相关的变化 | 预测性能有限，部分因素准确性低；模型解释性依赖显著性图，可能未完全捕捉生物学机制；研究基于UK Biobank，需外部验证 | 评估深度学习模型能否从眼底照片预测AD风险因素，并表征预测所依赖的视网膜结构，以探索CFP反映AD易感性的潜力 | UK Biobank中44,501名参与者的62,876张彩色眼底照片，以及相关的12项AD风险因素 | 深度学习, 数字病理学, 计算机视觉 | 阿尔茨海默病 | 眼底摄影 | 深度学习模型（具体类型未指明） | 彩色眼底图像 | 62,876张眼底图像，来自44,501名参与者 | NA | NA | AUROC, R, CAM-Score | NA |
| 2522 | 2026-08-19 |
Exosome research and neuroimaging techniques: Visualization analysis of development trends and research hotspots
2026-Aug-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-26-00586
PMID:42608768
|
研究论文 | 本文通过文献计量分析，系统梳理了神经影像技术在外泌体研究中的应用现状、发展趋势和核心热点。 | 首次使用CiteSpace和VOSviewer软件对神经影像与外泌体交叉领域进行可视化分析，揭示了知识结构、研究热点和发展趋势。 | 仅基于Web of Science核心合集的英文文献，可能遗漏其他数据库和非英文文献；文献计量分析方法本身存在主观性和滞后性。 | 阐明神经影像技术在外泌体研究中的应用现状、发展趋势和核心热点。 | 594篇英文文献，涉及神经影像技术在外泌体研究中的应用。 | 医学影像与文献计量学 | 中枢神经系统疾病（如阿尔茨海默病） | 文献计量分析（CiteSpace、VOSviewer） | NA | 文献数据 | 594篇英文文章 | CiteSpace, VOSviewer | NA | 发文量、被引次数、共现分析、聚类分析 | NA |
| 2523 | 2026-08-19 |
Diagnostically Calibrated AI Image Quality Framework Applied to Prostate Cancer Detection at MRI
2026-Aug, Radiology
IF:12.1Q1
DOI:10.1148/radiol.253360
PMID:42610819
|
研究论文 | 开发并评估一种基于深度学习的诊断校准AI框架，用于前列腺MRI图像质量评估，并将质量评分与诊断性能相关联 | 将图像质量评分直接校准到诊断性能，而非依赖主观读者标签，这是对传统质量评估方法的创新 | 单中心回顾性研究设计，可能限制结果的外部效度 | 建立一个标准化的客观图像质量评分方法，以改善前列腺癌检测的诊断性能 | 前列腺多参数MRI检查中的轴向T2加权图像 | 计算机视觉 | 前列腺癌 | MRI | 深度学习模型 | 医学影像 | 12,496次连续前列腺多参数MRI检查（训练集1229个T2加权系列，测试集568次检查，共1638名男性患者） | NA | NA | AUC、准确率 | NA |
| 2524 | 2026-08-19 |
Deep learning driven early detection of lung cancer from CT images using transfer learning approaches
2026-07-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-64739-7
PMID:42587036
|
研究论文 | 本研究利用深度学习技术对肺部CT图像进行自动化分类，以促进肺癌的早期检测。 | 采用迁移学习并全面微调VGG16模型，在IQ-OTH/NCCD数据集上获得最优性能，并通过Grad-CAM可视化增强模型可解释性。 | 仅在单一数据集上验证，缺乏多机构大规模数据支持，需进一步验证后才能临床应用。 | 通过深度学习技术自动分类肺部CT图像为良性、恶性和正常，以提高肺癌早期检测的准确性。 | 肺部CT图像，具体来自IQ-OTH/NCCD肺癌数据集。 | 计算机视觉 | 肺癌 | CT成像 | CNN | 图像 | IQ-OTH/NCCD数据集中的CT图像样本（具体数量未在摘要中给出） | NA | VGG16, 自定义CNN, MobileNetV2, ResNet50, InceptionV3, EfficientNetB0 | 准确率、损失、F统计量、p值（ANOVA） | Google Colab GPU环境 |
| 2525 | 2026-08-19 |
Applying Cognitive Load Theory to Best Practices in Pharmacy Education: A Narrative Review
2026-Jul-29, American journal of pharmaceutical education
IF:3.8Q2
DOI:10.1016/j.ajpe.2026.102060
PMID:42526836
|
综述 | 本文是一篇叙述性综述，探讨认知负荷理论（CLT）在药学教育中的应用，通过优化教学设计来提升学习效果和课程一致性 | 系统性地将CLT原则整合到药学教育的教学策略、课程设计、评估实践和教师发展等多个领域 | 未提及具体局限性 | 综合证据，说明CLT原则如何指导药学博士项目中的教学策略、课程设计、评估实践和教师发展 | 药学教育中的认知负荷理论及其应用，包括内在、外在和相关认知负荷的管理 | 教育 | 不适用 | 不适用 | 不适用 | 文本 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 2526 | 2026-08-19 |
A multimodal deep learning model for preoperative prediction of post-operative complications in gastric cancer
2026-Jul-16, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2026.07.004
PMID:42463045
|
研究论文 | 开发并验证了一种多模态深度学习框架DeepComp，用于胃癌患者术后并发症（CD等级≥II）和长期生存的术前预测 | 首次将基础模型图像特征与临床变量整合，结合目标病灶区域、5mm瘤周区域和L3身体组成区间的多模态数据，通过表格双任务架构联合预测术后并发症和总生存期 | 未在摘要中明确说明具体局限性，但可能包括多中心回顾性数据依赖、外部验证仍以中国人群为主 | 开发并验证一种多模态深度学习模型，用于胃癌患者术前预测术后并发症（CD等级≥II）和长期生存率，以支持个体化围手术期管理 | 5237例来自11个中国中心的胃腺癌患者，以及来自6项注册临床试验的前瞻性数据（涵盖化疗、放化疗和免疫化疗三种新辅助治疗场景） | 深度学习, 医学图像分析, 多模态学习 | 胃癌 | 基础模型图像特征提取, 临床变量整合 | 多模态深度学习模型（表格双任务架构） | 医学图像（CT）, 临床表格数据, 生存数据 | 5237例患者（训练/内部验证），6项临床试验的前瞻性数据集（外部验证） | NA | DeepComp（多模态双任务架构，集成基础模型图像特征和临床变量的表格网络） | ROC曲线下面积（AUC）, C指数, 灵敏度, 风险比（HR）, E值 | NA |
| 2527 | 2026-08-19 |
Grading medullary thyroid carcinoma on fine needle aspiration biopsy specimens: a comparative study between manual counting and a deep learning platform
2026-Jul-10, Journal of the American Society of Cytopathology
DOI:10.1016/j.jasc.2026.07.001
PMID:42532782
|
研究论文 | 本研究比较了人工计数和深度学习平台在细针穿刺活检标本中对甲状腺髓样癌进行分级的一致性 | 首次评估基于人工智能的数字量化平台在细胞学标本中进行甲状腺髓样癌分级的可行性，并系统比较其与人工计数及手术标本结果的一致性 | 样本量较小（仅18例），且数字分析平台性能有限，常高估Ki-67增殖指数，需要针对标本类型的专门开发和验证 | 评估使用细针穿刺标本进行甲状腺髓样癌分级的可行性，并比较人工计数与AI数字量化平台的性能 | 18例具有配对细针穿刺和手术切除标本的甲状腺髓样癌病例 | 数字病理学 | 甲状腺髓样癌 | 免疫组化Ki-67染色、数字病理图像分析 | 深度学习平台（DeepLIIF） | 病理图像 | 18例甲状腺髓样癌患者的配对细针穿刺和手术切除标本 | NA | DeepLIIF | 一致性百分比、Cohen's kappa系数 | NA |
| 2528 | 2026-08-19 |
Advancing bioinformatics with language models: components, applications, and perspectives
2026-Jul-03, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag367
PMID:42430786
|
综述 | 该文章全面综述了基于Transformer的大型语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等生物信息学领域的应用，并讨论了关键组件、现有基础模型及未来方向 | 强调了以往综述中未充分解决的主要挑战，并提出了下一代生物语言模型的设计原则 | 未提及具体的局限性 | 提供大型语言模型在生物信息学中应用的全面概述，并为用户和开发者提供实用指导 | 大型语言模型及其在生物信息学各领域中的应用 | 自然语言处理 | NA | NA | 大型语言模型 | 文本、生物序列数据 | NA | NA | Transformer | NA | NA |
| 2529 | 2026-08-19 |
A deep learning-enabled toolkit for the 3D segmentation of ventricular cardiomyocytes
2026-Jul, The Journal of physiology
DOI:10.1113/JP288557
PMID:41031902
|
研究论文 | 本文介绍了一种基于深度学习的工具箱，用于三维共聚焦显微镜体积中单个心室心肌细胞的自动分割，并包含跨物种和多种实验条件的带注释数据集。 | 首次将深度学习方法应用于高分辨率三维心肌细胞分割，提供了涵盖七个物种和多种实验条件的开放数据集和工具包，并包含图像恢复工作流以处理空间变化模糊等问题。 | 未明确提及，但数据集中体积数量有限（73个），且分割结果依赖专家注释质量。 | 开发并验证一个开放获取的深度学习工具箱，以可靠地从三维共聚焦图像堆栈中分割和量化心肌细胞微观结构。 | 单个心室心肌细胞，涵盖七个物种（小鼠、人类、大象等）以及不同实验条件（如心肌梗死后和离体切片培养）的样本。 | 计算机视觉 | 心血管疾病 | 共聚焦显微镜 | 深度学习分割模型（具体架构未指明，如CNN） | 三维图像 | 73个体积数据，包含专家注释，涉及七个物种和多种实验条件。 | 未指明 | 未指明（可能为U-Net或类似分割架构） | 自适应Rand误差（Adapted Rand error），约94%体素对一致性。 | 未指明 |
| 2530 | 2026-08-19 |
Artificial Intelligence in Cardiology: Applications in Diagnosis and Risk Prediction
2026-Jul, Cureus
DOI:10.7759/cureus.112841
PMID:42605286
|
综述 | 本文综述了人工智能在心脏病学中用于诊断和风险预测的最新进展，重点关注临床应用的现状和挑战 | 系统总结了AI在影像、心电图和预测建模中的应用，并强调了与可穿戴技术整合及多模态数据融合的潜力 | 数据集缺乏多样性、模型泛化性差、可解释性有限，以及验证、伦理和整合问题 | 探讨人工智能在心血管疾病诊断和风险预测中的临床应用及其挑战 | 心血管疾病患者及相关临床数据 | 机器学习 | 心血管疾病 | NA | 机器学习模型、深度学习模型 | 医学影像、心电图信号、临床数据 | NA | NA | NA | 诊断准确性、风险分层能力 | NA |
| 2531 | 2026-08-19 |
Artificial Intelligence Across the Echocardiographic Workflow: A Narrative Review for Clinicians
2026-Jul, Cureus
DOI:10.7759/cureus.112828
PMID:42605470
|
综述 | 本文综述了人工智能在超声心动图工作流程中的临床应用，涵盖图像采集、视图分类、腔室分割、功能量化和血流动力学评估等环节 | 从临床医生视角系统回顾了AI在超声心动图全流程中的应用，并指出了临床应用转化中的关键障碍 | 缺乏外部验证、对图像质量的依赖性、不同超声设备厂商和患者群体之间的差异、模型可解释性有限，以及缺乏证据表明能改善患者预后 | 概述AI在超声心动图工作流程中的当前临床应用，并讨论实施挑战和未来方向 | 超声心动图图像及相关临床数据 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型（未具体指明类型） | 超声心动图图像 | NA | NA | NA | NA | NA |
| 2532 | 2026-08-19 |
Cost-effectiveness of Artificial Intelligence applications in healthcare: A systematic review
2026 Jul-Sep, Health informatics journal
IF:2.2Q3
DOI:10.1177/14604582261460314
PMID:42610406
|
系统综述 | 本文系统评估了人工智能在医疗保健应用中成本效益的证据，涵盖筛查、诊断、治疗决策支持和康复等领域。 | 首次通过系统综述方法，全面评估AI在医疗保健领域的成本效益，并采用CHEC-list评估研究方法学质量。 | 当前证据强度中等且高度依赖具体情境，结果受方法学假设、实施成本和医疗系统特征影响。 | 评估人工智能在医疗保健应用中的成本效益，以支持价值导向的医疗决策。 | 人工智能在医疗保健中的应用，包括筛查、诊断、治疗决策支持和康复等。 | 卫生经济学与人工智能应用 | 不特定 | 深度学习及其他AI技术 | AI模型（包括深度学习等） | 不适用 | 26项符合纳入标准的研究 | 不适用 | 不适用 | 增量成本效益比、质量调整生命年、伤残调整生命年 | 不适用 |
| 2533 | 2026-08-19 |
TIDEST: post-imputation differential expression testing for spatial transcriptomics data
2026-Jun-24, bioRxiv : the preprint server for biology
DOI:10.64898/2026.06.19.733432
PMID:42395515
|
研究论文 | 提出TIDEST框架，用于空间转录组数据插补后的差异表达检验，以校正偏差并控制假发现率。 | 首次将插补不确定性引入差异表达分析，结合测量基因信息修正系统性误差，并调整潜在空间变异。 | 未提及计算资源消耗和在大规模数据上的扩展性。 | 为空间转录组插补后的差异表达分析提供统计框架，提高错误控制并保持统计功效。 | 小鼠脑、人类胶质母细胞瘤和人类乳腺癌的空间转录组数据。 | 生物信息学 | 胶质母细胞瘤、乳腺癌 | 空间转录组测序 | NA | 空间转录组表达矩阵 | 包括模拟数据和三个真实数据集（小鼠脑、人类胶质母细胞瘤、人类乳腺癌）。 | NA | NA | 错误控制、统计功效 | NA |
| 2534 | 2026-08-19 |
Invariant state modelling for robust adaptive intrusion detection in software-defined internet of things environments
2026-Jun-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-55503-y
PMID:42251070
|
研究论文 | 提出一种名为RADIUS的鲁棒自适应入侵检测框架，用于软件定义物联网环境，通过不变状态建模实现高效检测 | 创新点在于利用时间卷积编码器构建流量嵌入，并引入自适应状态转换模块识别隐式状态转换，结合双目标优化和极值理论实现可解释且自适应的检测 | NA | 旨在解决SD-IoT网络中的异构流量、高吞吐量限制和非平稳攻击等挑战，开发统一且可部署的入侵检测框架 | 软件定义物联网环境中的网络流量数据 | 计算机视觉，机器学习，网络安全 | 不适用 | 时间卷积编码器（TCE），自适应状态转换模块（ASTM），极值理论（EVT） | 时间卷积网络（TCN） | 网络流量数据 | 未提及具体样本数量，可能为多个数据集，但摘要未给出 | 未提及具体框架，可能使用PyTorch或TensorFlow，但摘要未列出 | TCE（时间卷积编码器）结合ASTM，具体架构未详细说明 | 准确率、精确率、召回率、F1分数 | 未提及计算资源 |
| 2535 | 2026-08-19 |
Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study
2026-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112797
PMID:41855768
|
研究论文 | 本研究开发了一种基于生成对抗网络的方法，用于从标准T1和T2加权MRI图像生成虚拟T2脂肪抑制图像，旨在减少MRI扫描时间而不影响脊柱肿瘤评估的诊断价值 | 首次使用多中心数据验证GAN在生成虚拟T2脂肪抑制MRI图像方面的可行性，并证明合成图像在脂肪抑制方面优于真实图像 | 真实图像在肿瘤内部细节可视化方面略优于合成图像 | 减少MRI扫描时间，同时保持对脊柱肿瘤评估的诊断价值 | 脊柱肿瘤患者 | 计算机视觉，数字病理学 | 脊柱肿瘤 | MRI | GAN | 图像 | 1389名脊柱肿瘤患者，分为训练集（n=1026）、内部验证集（n=257）和外部测试集（n=106） | NA | NA | 均方误差、结构相似性指数、峰值信噪比、Dice相似系数、信噪比、对比度噪声比 | NA |
| 2536 | 2026-08-19 |
Transformer-based super-resolution lung CT images improve visualization of multiple diseases
2026-Jun-01, The British journal of radiology
DOI:10.1093/bjr/tqag069
PMID:41915020
|
研究论文 | 本研究评估了基于Transformer的Swin2SR模型对肺部CT图像进行超分辨率增强的效果及其临床潜力 | 首次将Transformer架构的Swin2SR模型应用于肺部CT图像超分辨率增强，并进行了多阅片者多病例分析以评估其对多种肺部疾病可视化的影响 | 未在摘要中明确提及局限性 | 评估Swin2SR模型超分辨率增强肺部CT图像的临床价值，包括图像质量和病变可见性的改善 | 303例患者的胸部CT扫描，涵盖13种主要肺部疾病 | 计算机视觉, 医学影像 | 肺部疾病（包括细菌性肺炎、支气管炎、实性结节、肺不张、支气管扩张、肺癌等） | CT成像, 超分辨率增强 | Transformer（Swin2SR） | 图像（肺部CT） | 303例患者 | 未提及 | Swin2SR | 图像噪声, 信噪比, 5点Likert量表评分（图像质量和病变可见性） | 未提及 |
| 2537 | 2026-08-19 |
Deep learning for fluorescence confocal microscopy image interpretation in radical prostatectomy
2026-06, BJU international
IF:3.7Q1
DOI:10.1111/bju.70273
PMID:42001901
|
研究论文 | 开发并验证用于根治性前列腺切除术中荧光共聚焦显微镜图像判读的深度学习模型，以辅助术中手术切缘评估 | 将深度学习模型应用于荧光共聚焦显微镜图像的术中切缘评估，并针对类别不平衡问题进行了模型改进 | 外部验证时特异性降低，样本量较小，且数据来源有限 | 开发并验证一种用于实时术中切缘评估的深度学习模型，减少对术中病理支持的依赖 | 荧光共聚焦显微镜图像 | 数字病理学 | 前列腺癌 | 荧光共聚焦显微镜 | 卷积神经网络 | 图像 | 275张图像（37张肿瘤图像和238张良性图像，来自24名患者）用于模型开发和内部测试；外部验证使用46张独立图像 | NA | 卷积神经网络（具体结构未指定） | 敏感性、特异性、阳性预测值、阴性预测值、AUC、Brier分数 | NA |
| 2538 | 2026-08-19 |
Editorial: Smart Cities, Innovating in the Transformation of Urban Environments
2026-May-22, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2026064
PMID:42448585
|
社论 | 本专刊汇集了运用数学建模、优化、机器学习和深度学习技术解决智慧城市系统设计、监测和运营中紧迫问题的原创研究。 | 集中展示了数学、工程与生命科学交叉领域在智慧城市研究中的创新应用，强调数据和决策支持。 | 未提供具体研究细节，无法评估每项研究的局限。 | 探讨智慧城市系统设计、监测和运营的挑战，并突出数据驱动决策支持的重要性。 | 智慧城市系统，包括环境工程、智能交通、光伏性能评估和城市流动性。 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2539 | 2026-08-19 |
Prognostic value of CT-derived fractional flow reserve for major adverse cardiovascular events in patients with suspected or known coronary artery disease: a systematic review and meta-analysis
2026-May-20, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2026-003979
PMID:42161421
|
meta-analysis | 系统综述和荟萃分析，评估CT来源的冠脉血流储备分数（FFR-CT）异常对于疑似或已知冠状动脉疾病患者主要不良心血管事件（MACE）的预后价值 | 更新了2022年Nørgaard等人的荟萃分析，纳入研究数量增加四倍，并首次通过亚组分析验证了FFR-CT预后价值在不同技术（包括HeartFlow、机器学习和深度学习算法）间的稳定性 | 存在显著的异质性（I²=79.9%），修剪-填充分析提示可能存在发表偏倚，且GRADE证据确定性仅为中等 | 量化异常FFR-CT（≤0.80）与疑似或已知冠状动脉疾病患者发生MACE风险之间的关联，并更新现有证据 | 疑似或已知冠状动脉疾病的患者 | 数字病理学 | 冠状动脉疾病 | CT衍生的血流储备分数（FFR-CT） | NA | 预后研究数据 | 22项研究，共20067名患者 | NA | NA | 风险比（HR）、置信区间（CI）、异质性（I²）、p值 | NA |
| 2540 | 2026-08-19 |
Machine Learning and Deep Learning Models for Predicting Future Falls in Community-Dwelling Older Adults: Systematic Review and Meta-Analysis of Longitudinal Evidence
2026-May-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/84844
PMID:42133917
|
系统综述和Meta分析 | 本文系统回顾并Meta分析了机器学习与深度学习模型在社区老年人未来跌倒风险预测中的表现，发现合并AUC为0.79，但存在高偏倚风险和极大的异质性。 | 聚焦于社区居住老年人未来跌倒预测，而非实时检测或院内跌倒，并整合PROBAST、Hartung-Knapp-Sidik-Jonkman随机效应模型、预测区间和模态特异性综合来评估判别力和不确定性。 | 多数模型仅内部验证，外部验证不足，所有模型均被评为高偏倚风险，校准报告稀疏，且特定人群亚组仅含2项研究，合并AUC受研究特定条件限制。 | 评估机器学习与深度学习模型在预测社区老年人未来跌倒风险中的表现及不确定性。 | 社区居住的年龄≥60岁的老年人。 | 机器学习 | 跌倒风险（老年疾病） | NA | 机器学习模型和深度学习模型 | 文本、传感器、图像和多模态数据 | 28项研究，跌倒发生率从1.6%到46.6%不等 | NA | NA | 曲线下面积（AUC）、异质性（τ²、I²、Q统计量）、预测区间 | NA |