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 638 篇文献，本页显示第 541 - 560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 541 | 2025-12-03 |
Improved image quality and dose reduction in liver CT using deep learning-based reconstruction: A comparative study
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112520
PMID:41264979
|
研究论文 | 本研究比较了基于深度学习的图像重建（DLIR）与混合迭代重建（HIR）算法在肝脏CT成像中的图像质量和辐射剂量 | 首次在肝脏病灶患者中系统比较DLIR与HIR算法，证明DLIR能在降低辐射剂量的同时显著提升图像质量 | 研究仅针对特定CT扫描仪和肝脏病灶患者，未评估其他解剖部位或疾病类型 | 评估和比较两种CT重建算法的图像质量与辐射剂量 | 153名至少有一个肝脏病灶（包括肝囊肿、血管瘤、肝细胞癌和胆管癌）的患者 | 医学影像处理 | 肝脏疾病 | CT扫描 | 深度学习重建算法 | CT图像 | 153名患者，共306个肝脏病灶 | NA | NA | 图像质量评分（5点李克特量表）、CT衰减值（HU）、图像噪声（SD）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指数（CTDI、DLP） | NA |
| 542 | 2025-12-03 |
Deep learning-reconstructed time-maximum intensity projection versus iterative reconstruction for collateral assessment in acute anterior circulation ischemic stroke
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112524
PMID:41264986
|
研究论文 | 本研究评估了深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者中的应用，并与单相CTA、多相CTA和CT灌注体积测量法在侧支循环评估和90天预后预测能力方面进行了比较 | 首次将深度学习重建的时间最大强度投影技术应用于急性卒中患者的侧支循环评估，并证明其能整合CT灌注的时间信息为单一高质量血管造影数据集，无需额外采集即可获得优于单相CTA的图像质量和预后区分能力 | 研究为回顾性设计且样本量较小（仅75例患者），可能限制了结果的普遍性和统计效力 | 评估深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者侧支循环评估和预后预测中的性能 | 75例单侧前循环大血管闭塞的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT血管造影和CT灌注扫描 | 深度学习 | 医学影像 | 75例患者 | NA | NA | ROC曲线下面积, 敏感性, 特异性, 图像噪声, 信噪比, 对比噪声比 | NA |
| 543 | 2025-12-03 |
Dual-Phase deep learning Enhances detection of incidental small pancreatic cystic lesion (0.5-3 cm) on Contrast-Enhanced CT
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112510
PMID:41264978
|
研究论文 | 本研究开发了一种双相深度学习模型，用于在增强CT图像上检测偶然发现的小胰腺囊性病变 | 提出了一种结合动脉期和门脉期CT图像的双相深度学习模型，相比单相模型和初级放射科医生，在检测小胰腺囊性病变方面表现出更优且更稳健的性能 | 研究为回顾性设计，样本量有限（437个病变），且仅基于单一机构的CT图像，可能影响模型的泛化能力 | 开发并评估一种深度学习模型，以提高在增强CT上检测偶然发现的小胰腺囊性病变的准确性 | 增强CT图像中的胰腺囊性病变（0.5-3 cm）和正常胰腺组织 | 计算机视觉 | 胰腺癌 | 对比增强CT成像 | 深度学习模型 | 医学图像（CT） | 437个偶然发现的小胰腺囊性病变（包括201个亚厘米囊肿）和193个正常胰腺，数据收集时间为2018年1月至2020年12月 | NA | 双相深度学习模型，单相深度学习模型 | 灵敏度，特异性，任意假阳性率，准确度 | NA |
| 544 | 2025-12-03 |
Enhanced opportunistic CT screening for osteoporosis using Machine learning derived volumetric vertebral and complementary body composition information
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112555
PMID:41275853
|
研究论文 | 本研究通过深度学习分割CT图像，整合椎体体积和身体成分特征，以增强骨密度预测和骨质疏松分类 | 开发了两阶段3D nnU-Net用于椎体分割，并结合身体成分特征，相比传统单切片方法显著提升了骨密度预测和骨质疏松检测的准确性 | 研究为回顾性设计，样本量相对有限（383名成人），且未探讨模型在更广泛人群或不同CT扫描协议下的泛化能力 | 评估整合椎体体积和身体成分特征是否能增强骨密度预测和骨质疏松分类 | 接受常规健康检查的成人，包括同日腹部CT扫描和双能X线吸收测定法（DXA）数据 | 数字病理学 | 骨质疏松症 | CT扫描，深度学习分割，双能X线吸收测定法（DXA） | 3D nnU-Net, 3D U-Net | CT图像 | 383名成人（平均年龄59.8岁，50.1%女性），使用475次CT扫描进行模型开发 | NA | 3D nnU-Net, 3D U-Net | 相关系数，AUROC，敏感性，特异性 | NA |
| 545 | 2025-12-03 |
A deep learning-based method for marine oil spill detection and its application in UAV imagery
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118889
PMID:41166779
|
研究论文 | 本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度 | 提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力 | 未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制 | 开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全 | 无人机图像中的海洋溢油区域 | 计算机视觉 | NA | 无人机遥感成像 | CNN | 图像, 视频 | 构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集 | NA | YOLOv12 | F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线 | NA |
| 546 | 2025-12-01 |
Deep learning-based quantitative assessment of renal chronicity indices in lupus nephritis
2026-Feb, Annals of diagnostic pathology
IF:1.5Q3
|
研究论文 | 开发基于深度学习的自动化评估狼疮性肾炎肾脏慢性指数的流程 | 首个从疾病特异性角度自动化评估肾脏慢性指数的深度学习流程，显著提高观察者间一致性并增强预后预测能力 | 两个队列存在轻微人口统计学差异，特别是年龄和血红蛋白水平 | 开发自动化评估狼疮性肾炎肾脏慢性指数的有效深度学习流程 | 狼疮性肾炎患者 | 数字病理学 | 狼疮性肾炎 | 深度学习 | CNN | 病理切片图像 | 141名患者的282张切片（训练队列30名患者60张切片，内部测试148张切片，外部测试74张切片） | NA | NA | 分割性能，与病理学家相关性，观察者间一致性，预后准确性 | NA |
| 547 | 2025-12-01 |
A 2D-digital spectral sensing method for rapid antibiotic detection in water
2026-Jan-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2025.123279
PMID:41202958
|
研究论文 | 提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法 | 开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型 | NA | 建立高效低成本的水体抗生素快速监测技术 | 水体中的抗生素污染物 | 计算机视觉 | NA | 光谱成像技术、组合化学探针 | CNN | 二维数字光谱图像 | NA | NA | 数字光谱卷积神经网络（DSCNN） | R值（0.85-0.93），检测限（1.94 mg/L） | NA |
| 548 | 2025-12-01 |
A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images
2026-Jan-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218134
PMID:41238099
|
研究论文 | 提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域 | 首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片 | 需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试 | 解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域 | 非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像 | 数字病理学 | 肺癌,头颈癌 | 全切片成像,组织微阵列,定量免疫荧光 | 深度学习 | 组织病理学图像,临床数据 | 2041名患者(NSCLC:1141例, OPSCC:900例) | NA | NA | c-index | NA |
| 549 | 2025-11-28 |
Novel contrastive representation learning of epileptic electroencephalogram for seizure detection
2026-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10352-9
PMID:41306193
|
研究论文 | 提出了一种结合对比学习和周期动态检测的新型癫痫脑电图特征学习框架ContrLF，用于癫痫发作检测 | 首次将对比学习框架与Floss方法相结合，能够自动检测和学习脑电图信号中的主要周期性动态，更充分地捕捉癫痫发作的关键特征 | NA | 开发一种能够更好捕捉脑电图信号中周期性动态的癫痫发作自动检测方法 | 癫痫患者的头皮脑电图和颅内脑电图数据 | 机器学习 | 癫痫 | 脑电图信号处理 | 对比学习, SVM | 脑电图时序信号 | NA | NA | ContrLF框架（包含时间对比模块和上下文对比模块） | 准确率, 敏感度, 特异性 | NA |
| 550 | 2025-11-28 |
Scale-adjusted distance transform and its applications to segmentation of multimodal images
2026-Jan, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.11.003
PMID:41207402
|
研究论文 | 提出一种尺度调整距离变换方法，用于多模态图像中多尺度对象的精确分割 | 提出与传统距离变换概念不同的尺度调整距离变换，其值独立于对象尺度并在山脊处统一为'1'，具有平移、旋转和各向同性缩放不变性 | 未与现代深度学习方法进行广泛对比，主要验证了在特定生物医学图像上的应用 | 开发一种尺度不变的距离变换方法，解决多尺度对象的结构分析问题 | 二维和三维多模态图像中的结构对象，特别是生物医学图像中的细胞核和血管 | 计算机视觉 | NA | 距离变换，梯度流路径分析 | 模糊方法 | 二维显微图像，三维肺部CT图像 | 猪肺模型的三维CT数据和二维显微图像数据集 | NA | NA | 分割准确性 | NA |
| 551 | 2025-11-27 |
Deep learning [18F]-FDG-PET/CT‑based algorithm for tumor burden estimation in metastatic melanoma patients under immunotherapy
2026-Jan, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.101063
PMID:41281625
|
研究论文 | 评估基于[18F]-FDG-PET/CT的深度学习算法在转移性黑色素瘤患者肿瘤负荷估计中的性能 | 首次系统评估深度学习算法PARS在免疫治疗转移性黑色素瘤患者中的肿瘤负荷估计能力 | 肿瘤负荷估计存在显著变异性，骨病变检测精度较低，需要进一步模型优化 | 评估深度学习算法在肿瘤负荷估计中的临床应用价值 | 165名IV期黑色素瘤患者 | 数字病理 | 黑色素瘤 | [18F]-FDG-PET/CT成像 | 深度学习 | 医学影像 | 165名患者 | NA | PARS (PET-Assisted Reporting System) | 精确度, 召回率, 组内相关系数, 中位数相对百分比差异, 中位数绝对相对百分比差异 | NA |
| 552 | 2025-11-26 |
A multimodal approach for cardiac signals classification using deep learning with explainable AI methods
2026-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00402-1
PMID:41287804
|
研究论文 | 提出一种融合心电信号和心音信号的多模态深度学习框架，用于心脏病分类诊断 | 采用双分支CNN-BiLSTM-SE架构与跨模态注意力机制，结合可解释AI方法验证模型临床相关性 | 未明确说明模型在实时临床环境中的部署性能 | 开发准确、可解释的心脏病诊断决策支持系统 | 心电图和心音图信号 | 数字病理 | 心血管疾病 | 小波去噪,自适应滤波,标准化 | CNN,BiLSTM | 生理信号 | 总计4905名受试者（来自5个不同数据集） | 未明确指定 | 双分支CNN-BiLSTM-SE,跨模态注意力机制 | 准确率,F1分数,AUC | NA |
| 553 | 2025-11-26 |
A deep learning approach to predicting hospitalized patients' SEIRD states using multimodal spatiotemporal data
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106157
PMID:41161262
|
研究论文 | 本研究开发了多模态深度学习模型，利用医院时空数据预测住院患者的SEIRD状态和医院获得性感染风险 | 提出了一种新颖的混合架构，先让专门组件独立学习时空数据的表示，然后通过联合微调阶段智能融合这些预训练表示 | 研究使用合成医院模拟数据集，未来需要在真实临床数据上进行验证 | 开发个体层面的医院获得性感染风险预测模型，为针对性干预提供支持 | 住院患者 | 机器学习 | 医院获得性感染 | 深度学习 | LSTM, DCRNN, 图卷积网络 | 多模态时空数据 | 基于同行评审的合成医院模拟数据集，采用分层10折交叉验证 | NA | 异构图卷积长短期记忆网络, 扩散卷积循环神经网络, 混合模型 | 准确率, F1分数 | NA |
| 554 | 2025-11-26 |
A multi-task deep learning framework for intraoperative diagnosis of thyroid cancer metastasis using whole slide images
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106176
PMID:41237514
|
研究论文 | 开发基于CLAM的多任务深度学习框架，用于甲状腺癌术中冰冻切片全玻片图像的转移诊断 | 首次将聚类约束注意力多实例学习应用于甲状腺癌术中诊断，实现淋巴结转移检测、T分期分类和解剖定位三项临床任务 | T分期分类性能相对较低，样本量有限，需要进一步外部验证 | 提升甲状腺癌术中淋巴结转移诊断的准确性和可解释性 | 甲状腺乳头状癌患者的术中冰冻切片全玻片图像 | 数字病理 | 甲状腺癌 | 全玻片图像分析 | CNN, 多实例学习 | 病理图像 | 来自两个独立中心的569例患者样本 | PyTorch | ResNet50, CLAM | AUC | NA |
| 555 | 2025-11-26 |
Enhancing the prediction accuracy of pathological downstaging in locally advanced rectal cancer using deep learning models with preoperative MRI and clinicopathological data
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106142
PMID:41100929
|
研究论文 | 本研究开发并验证了基于术前T2加权MRI影像联合放射学和临床病理数据的深度学习模型，用于预测局部晚期直肠癌新辅助放化疗后的病理T分期降期 | 首次将T2加权MRI影像与放射学特征和临床病理数据相结合构建深度学习模型，显著提高了病理降期预测准确率 | 回顾性研究设计，样本量相对有限（总样本406例），需要进一步前瞻性验证 | 提高局部晚期直肠癌新辅助放化疗后病理T分期降期的预测准确性 | 局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 磁共振成像，深度学习 | 深度学习模型 | 医学影像，临床数据 | 总样本406例（训练集223例，内部测试集95例，外部测试集88例） | NA | NA | AUC，ROC曲线分析 | NA |
| 556 | 2025-11-26 |
Hybridized artificial intelligence system for reducing neonatal mortality in Nigeria
2026-Feb, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.106162
PMID:41138617
|
研究论文 | 开发了一种混合人工智能系统，用于检测多种新生儿疾病以降低尼日利亚新生儿死亡率 | 提出了一种新颖的混合LSTM-ANN架构，并在尼日利亚本地数据集上验证了其优越性能 | 需要外部验证和前瞻性临床试验才能进行临床部署 | 开发能够检测多种新生儿疾病的人工智能系统，促进早期干预 | 尼日利亚西南部的新生儿患者 | 机器学习 | 新生儿疾病 | SMOTE过采样技术 | ANN, LSTM, 混合LSTM-ANN | 临床记录 | 4027名新生儿患者，来自三个州五家三级医院 | NA | 人工神经网络, 长短期记忆网络, 混合LSTM-ANN | 准确率, 精确率, 召回率, F1分数 | NA |
| 557 | 2025-11-25 |
The role of AI in pre-analytical phase - use cases
2026-Jan-27, Clinical chemistry and laboratory medicine
IF:3.8Q1
DOI:10.1515/cclm-2025-1220
PMID:41091119
|
综述 | 本文探讨人工智能在检验医学分析前阶段的应用现状与挑战 | 系统梳理AI在七个关键分析前领域的应用场景，揭示研究原型与商业部署之间的转化差距 | 研究存在单中心验证、回顾性设计、系统集成困难等局限 | 评估人工智能技术在检验医学分析前阶段的应用效果与实施路径 | 实验室检测分析前流程（包括凝血块检测、错误采血管识别等七个领域） | 医疗人工智能 | 实验室医学 | 人工智能与机器学习技术 | 神经网络,XGBoost,深度学习 | 实验室检测数据 | NA | NA | NA | 准确率,AUC | NA |
| 558 | 2025-11-24 |
Artificial Intelligence and Radiogenomics for Pediatric CNS Neoplasms
2026-Feb, Neuroimaging clinics of North America
IF:1.3Q3
DOI:10.1016/j.nic.2025.09.003
PMID:41274766
|
综述 | 本文探讨人工智能和影像基因组学在儿童中枢神经系统肿瘤诊断和治疗中的应用 | 整合WHO第五版CNS肿瘤分类标准，强调分子特征与影像学特征的关联，通过AI技术实现无创肿瘤表征 | 面临数据变异性和伦理问题等挑战 | 推进儿童神经肿瘤学的精准诊断和个性化治疗 | 儿童中枢神经系统肿瘤 | 数字病理 | 中枢神经系统肿瘤 | DNA甲基化分析, 下一代测序 | 机器学习, 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 559 | 2025-11-24 |
Walking Assistance System with Electrical Stimulation from Secondary Muscle Groups
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-03398-7_49
PMID:41273591
|
研究论文 | 本文提出了一种结合电刺激和电子手套设备的创新足部运动康复系统 | 通过将手部动作转化为腿部肌肉电刺激，利用次要肌群实现下肢康复的新方法 | NA | 开发更易获取且可定制的下肢康复解决方案 | 足部运动功能障碍患者 | 医疗康复工程 | 运动功能障碍 | 电刺激技术 | 深度学习模型 | 传感器数据 | NA | NA | NA | NA | NA |
| 560 | 2025-11-24 |
Deep Learning Discrimination for BCI Implementation Using 3D Convolutional Neural Network and EEG Topographic Maps
2026, Advances in experimental medicine and biology
DOI:10.1007/978-3-032-03398-7_38
PMID:41273580
|
研究论文 | 本研究利用分层3D卷积神经网络对脑电图地形图进行分类，以提升脑机接口系统中运动意图识别的性能 | 提出将分层3D卷积神经网络应用于脑电图地形图分析，采用分步分类策略解码运动意图，并比较了三种优化器的性能表现 | 仅涉及4种运动任务的分类，未说明样本规模和数据多样性限制 | 通过深度学习技术提升脑机接口系统的分类准确性和可靠性 | 运动障碍患者的脑电图信号 | 脑机接口 | 运动障碍 | 脑电图信号采集与地形图提取 | 3D CNN | 脑电图地形图 | NA | NA | 分层3D卷积神经网络 | 准确率 | NA |