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 12231 篇文献，本页显示第 6901 - 6920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6901 | 2026-06-01 |
Improving airport security with IoT-powered deep learning methods for threat detection and intelligent recommendation systems
2026-May-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-54104-z
PMID:42209587
|
research paper | 本研究提出了一种融合深度学习算法、智能推荐系统和物联网设备的框架，旨在提升机场安保水平 | 将深度学习、推荐系统与物联网设备集成，实现机场威胁检测和异常行为识别，并通过迁移学习和新型ISODI方法提升检测准确率 | 需进一步研究在现有安保系统中的最佳应用场景，并解决潜在的隐私问题；实际系统需大量测试以适应不同机场环境的复杂性 | 提升机场安保水平，通过智能检测和推荐系统减少误报、提高运营效率并增强安全措施 | 机场安保场景中的威胁行为（如无人看管行李）和航班延误相关的异常 | computer vision, machine learning | NA | NA | CNN, Decision Tree, K-Nearest Neighbors | image, simulation data | NA | PyTorch, Scikit-learn | MVCNN | accuracy | NA |
| 6902 | 2026-06-01 |
High-resolution ultrasonic waveform analysis for decoupling physical effects in multi-damaged and healing in concrete using vibro-acoustic feature engineering and machine learning
2026-May-26, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2026.108153
PMID:42217289
|
研究论文 | 提出一种高分辨率超声波波形分析方法，通过振动声学特征工程和机器学习解耦混凝土中多种物理效应（如热损伤、湿度、愈合过程） | 核心创新在于振动声学特征工程，从时域、频域及时频域提取79个信号特征，并结合XGBoost模型与SHAP解释分析，实现对材料孔隙率、热损伤、湿度和愈合进程等物理效应的定量解耦和深层物理声学洞察 | 未明确提及 | 实现复杂介质（如混凝土）中多物理效应的高分辨率定量评估，特别是热损伤、湿度效应和材料愈合的区分与量化 | 混凝土试件中的超声波波形信号 | 机器学习 | NA | 超声波波形分析 | XGBoost | 超声波波形信号 | NA | XGBoost, SHAP | XGBoost | NA | NA |
| 6903 | 2026-06-01 |
Comparative evaluation of deep learning architectures for microbial colony classification in microbiological imaging
2026-05-18, BMC microbiology
IF:4.0Q2
DOI:10.1186/s12866-026-05028-1
PMID:42144581
|
研究论文 | 对六种卷积神经网络架构用于微生物菌落分类进行头对头比较 | 在同数据集AGAR上，首次系统对比六种CNN架构（AlexNet、SqueezeNet 1.1、ResNet18、ShuffleNetV2、EfficientNetB0和MobileNetV2）用于微生物菌落分类，并采用统一训练协议，揭示轻量级网络达到最佳性能 | 仅使用单一公众数据集AGAR，相关结论可能受限于标准化成像条件和特定物种（五种） | 评估深度学习架构在微生物菌落自动分类中的比较性能，为自动化微生物图像分析提供参考 | 来自AGAR数据集的86,045个微生物菌落裁剪图像，涵盖五种微生物（枯草芽孢杆菌、大肠杆菌、铜绿假单胞菌、金黄色葡萄球菌和白色念珠菌） | 计算机视觉 | NA | 微生物成像 | 卷积神经网络 | 图像 | 86,045个菌落裁剪图（来自4,424个可计数培养皿） | PyTorch | AlexNet, SqueezeNet 1.1, ResNet18, ShuffleNetV2, EfficientNetB0, MobileNetV2 | 准确率, 精确率, 召回率, F1分数 | NA |
| 6904 | 2026-06-01 |
Artificial intelligence in the differential diagnosis of hypertrophic cardiomyopathy and physiological hypertrophy: a scoping review
2026-May-15, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese
IF:2.7Q2
DOI:10.1016/j.hjc.2026.05.001
PMID:42142808
|
综述 | 系统梳理了人工智能在鉴别肥厚型心肌病与生理性心肌肥厚中的研究现状与应用潜力 | 首次聚焦AI鉴别HCM与运动员心脏这一临床难题，揭示了目前缺乏运动员特异性数据集的现状并指出未来研究方向 | 运动员来源数据集匮乏且外部验证不足，显著限制了在运动心脏病学中的临床应用 | 评估AI/ML在区分HCM与生理性心肌肥厚（尤其是运动员心脏）中的验证性应用范围 | 基于AI/ML方法区分HCM与左心室肥厚（包括生理性及病理性）的原始研究 | 机器学习 | 肥厚型心肌病 | NA | 支持向量机（SVM） | 心电图、超声心动图、影像组学、视频数据 | 共纳入8项研究，其中仅1项直接比较HCM与运动员心脏 | NA | 支持向量机（SVM） | AUC | NA |
| 6905 | 2026-06-01 |
Development and validation of a novel deep learning coronary artery plaque quantification model
2026-05-14, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02379-z
PMID:42135689
|
研究论文 | 提出并验证了一种基于深度学习的冠状动脉斑块量化模型，用于自动分割总斑块和钙化斑块体积 | 开发了一种名为QuantiPlaque的新型软件，利用深度学习模型实现冠状动脉斑块体积的自动化量化，并与专家手动标注进行了严格验证 | 样本量较小（仅115例CCTA扫描），且对左旋支动脉区域的斑块分割效果较弱 | 开发一种自动化的深度学习模型，用于准确量化冠状动脉总斑块和钙化斑块体积，以辅助临床评估心血管事件风险 | 冠状动脉斑块（总斑块和钙化斑块） | 计算机视觉 | 冠状动脉疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 图像 | 115例CCTA扫描（平均年龄58岁，51%为女性，平均冠脉钙化评分56 Agatston单位） | NA | NA | 组内相关系数，皮尔逊相关系数，斯皮尔曼秩相关系数，Bland-Altman分析 | NA |
| 6906 | 2026-06-01 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2026-05, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 应用基于人工智能的迁移学习模型对甲状腺细胞病理学Bethesda系统进行分类 | 首次将集成迁移学习应用于TBSRTC分类，通过加权软投票组合六种预训练模型（Xception、ResNet50V2、DenseNet121、MobileNetV2、InceptionV3、EfficientNetB3），提升了分类精度 | 数据集规模较小（仅94例FNAC病例，949张代表图像），缺乏全切片影像验证，需要更大样本来进一步验证 | 评估集成软投票迁移学习模型在根据TBSRTC对甲状腺细胞学涂片进行分类时的性能 | 甲状腺细针穿刺细胞学涂片图像 | 计算机视觉 | 甲状腺疾病 | NA | 集成迁移学习（CNN） | 图像 | 94例甲状腺FNAC病例，共949张代表图像 | NA | DenseNet121, ResNet50V2, Xception, MobileNetV2, InceptionV3, EfficientNetB3 | 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, AUCROC | NA |
| 6907 | 2026-03-30 |
Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study
2026-May, Obesity surgery
IF:2.9Q1
DOI:10.1007/s11695-026-08568-7
PMID:41904288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6908 | 2026-03-31 |
Evaluating deep learning attenuation correction for single-photon emission computed tomography myocardial perfusion imaging: Lessons from clinical validation
2026-May, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2026.102701
PMID:41905547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6909 | 2026-06-01 |
Mapping 25 years of forensic and legal medicine research: a multi-database bibliometric and science-mapping analysis (2000-2025)
2026-May, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2026.103127
PMID:41965962
|
研究论文 | 对2000-2025年间法医学与法律医学研究进行多数据库文献计量与科学映射分析 | 首次整合多数据库（Web of Science核心合集和Scopus）进行长达25年的法医学文献全景分析，并结合Callon中心性-密度主题映射和趋势主题分析揭示学科演进 | 仅纳入英文文献且主要依赖Web of Science核心合集，可能遗漏部分非英文或灰色文献；关键词同义变体（如medico-legal vs medicolegal）的标准化处理可能影响部分主题的覆盖率 | 通过文献计量方法系统刻画法医学与法律医学的研究格局、演进趋势和主题结构，为研究优先级设定和编辑策略提供依据 | 2000-2025年间Web of Science核心合集和Scopus收录的法医学与法律医学相关文献 | 自然语言处理 | NA | NA | NA | 文本 | 16190篇文献（Web of Science核心合集），来自3052个来源，49746位作者 | NA | NA | NA | NA |
| 6910 | 2026-06-01 |
Customizing native T1 mapping: The effects of compressed sensing, deep learning-based denoising, and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 评估压缩感知、深度学习去噪和高分辨率对原生心肌T1 mapping测量结果的影响 | 系统评估了不同CS加速水平、空间分辨率以及DL去噪重建组合对定量T1值的影响，并证明在临床可接受的偏差范围内T1值保持稳定 | 单中心研究，样本量有限（41名志愿者），且未纳入真实患者数据，可能无法完全覆盖病理T1范围 | 优化临床心肌T1 mapping的采集效率和鲁棒性，支持个性化协议设计 | 健康志愿者的心肌T1 mapping图像 | 计算机视觉, 数字病理 | 心血管疾病 | 压缩感知, 深度学习去噪重建 | 深度学习去噪模型 | 图像 | 48名健康志愿者（最终纳入41名），并进行9例重复分析 | NA | NA | 图像质量评分（Likert量表）, 模糊度, 混叠伪影, 易感性伪影, T1值偏差 | NA |
| 6911 | 2026-06-01 |
Automated scout-image-based estimation of contrast agent dosing: a deep learning approach
2026-04-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02331-1
PMID:41965610
|
研究论文 | 开发并验证了一种基于深度学习的算法，通过CT定位图像自动估算患者体重，进而优化造影剂剂量 | 首次利用深度学习从CT定位图像中自动估算体重，避免了人工测量和自报体重的偏差; 结合情境学习和数据集蒸馏分析体重关键特征; 构建了浏览器界面实现实时剂量估算 | 需要在大规模队列和不同临床中心进行进一步验证 | 实现CT检查中造影剂剂量的自动、准确估算，简化临床工作流程并提高患者安全 | 接受胸腹部CT检查的患者（共817例） | 计算机视觉 | 不适用 | CT扫描 | 卷积神经网络 (EfficientNet) | 图像 (CT定位图像) | 817例患者 | PyTorch | EfficientNet | 平均绝对误差 (MAE) | NA |
| 6912 | 2026-06-01 |
Deep learning-based high-speed railway communication systems
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46758-6
PMID:41957081
|
研究论文 | 研究基于深度学习的两种数据驱动框架，以提升高速铁路无线通信系统在严重多普勒频移和快速时变多径条件下的通信质量 | 提出两种数据驱动框架：一是深度神经网络学习信道行为以替代传统时域信道估计中的预设插值模型；二是利用自编码器/解码器结构替代传统处理单元并从数据集获取先验信息 | 文中未明确说明局限性 | 降低高速铁路通信系统在高动态传播条件下的误码概率，提升检测性能 | 高速铁路无线通信系统的信道估计和信号处理 | 机器学习 | NA | NA | 深度神经网络，自编码器/解码器 | 数值数据 | NA | NA | 深度神经网络，自编码器/解码器 | 检测性能 | NA |
| 6913 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6914 | 2026-06-01 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
研究论文 | 提出一种带有双向门控机制的CNN-Transformer-LSTM混合架构用于时空空气质量预测 | 提出BG-Hybrid模型，通过双向门控机制动态平衡CNN提取的局部空间特征和Transformer捕获的全局时间依赖关系，实现自适应特征融合 | 未明确说明局限性 | 提升时空空气质量预测的准确性 | 空气质量数据 | 机器学习 | NA | NA | CNN-Transformer-LSTM混合模型 | 时空序列数据 | NA | NA | CNN, Transformer, LSTM, 双向门控机制 | 误差降低 | NA |
| 6915 | 2026-06-01 |
A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery
2026-Apr-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06961-6
PMID:41932923
|
研究论文 | 介绍首个用于内镜甲状腺手术中喉返神经识别的综合体内数据集ThyRLN-PUMCH | 首次构建了大规模、像素级标注的内镜喉返神经数据集ThyRLN-PUMCH，填补了人工智能辅助头颈外科术中导航的数据空白 | 未提及具体限制 | 解决现有术中神经监测技术成本高、依赖操作者、信号不连续的问题，为训练鲁棒深度学习模型提供数据基础 | 内镜甲状腺手术中的喉返神经识别 | 数字病理学 | 甲状腺手术相关神经损伤 | 内镜成像 | 分割模型（CNN） | 图像 | 28个临床多样化手术案例，共18,178帧像素级标注图像 | NA | NA | NA | NA |
| 6916 | 2026-06-01 |
Segmentation and diagnosis of anterior cruciate ligament tear using deep learning and radiomics based on knee CT
2026-03-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02297-0
PMID:41877097
|
研究论文 | 基于膝关节CT使用深度学习和影像组学建立前交叉韧带撕裂的分割与诊断模型 | 首次基于膝关节CT而非MRI，结合深度学习和影像组学构建ACL分割与撕裂诊断模型 | 未提及外部验证的多样性及模型泛化性限制 | 建立ACL撕裂的CT分割与诊断AI系统，提高诊断准确性与便利性 | 前交叉韧带撕裂及其分割与诊断 | 计算机视觉 | 前交叉韧带撕裂 | CT扫描 | 3D nnU-Net、支持向量机、随机森林、随机梯度下降 | 影像 | 469名患者用于分割模型，其中328名用于诊断模型 | NA | 3D nnU-Net、SVM、RF、SGD | Dice相似系数、AUC | NA |
| 6917 | 2026-06-01 |
Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology
2026-03, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70036
PMID:41205194
|
研究论文 | 本研究应用结合六种迁移学习架构的集成学习模型来检测积液细胞学中的恶性病变 | 这是首个在积液细胞学中应用六模型集成深度学习方法的创新研究 | NA | 开发用于积液细胞学恶性检测的集成学习模型 | 积液细胞学涂片的显微图像 | 数字病理学 | 积液细胞恶性病变 | 巴氏染色涂片显微摄影 | 集成学习模型（包含DenseNet121、Xception、ResNet50、MobileNetV2、InceptionV3和VGG16） | 图像 | 110例积液细胞学病例（59例良性，51例恶性），共755张代表性显微照片 | Jupyter Notebook | DenseNet121, Xception, ResNet50, MobileNetV2, InceptionV3, VGG16 | 灵敏度, 特异度, 准确率, 精确率, 阴性预测值, F1分数, AUROC | NA |
| 6918 | 2026-06-01 |
Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0139
PMID:41535020
|
研究论文 | 结合短TR采集与深度学习重建的飞行时间磁共振血管成像技术，在烟雾病中实现扫描时间减半同时保持图像质量 | 提出STRA-TOF技术，首次将可变密度泊松圆盘采样与展开深度学习重建相结合，实现约50%扫描时间缩短并保持或改善图像质量 | 烟雾病患者样本量小（仅3例），缺乏大规模临床验证 | 开发并评估短TR采集时间飞行时间磁共振血管成像（STRA-TOF）在颅内血管可视化中的技术可行性和临床价值 | 颅内动脉血管的磁共振血管成像 | 计算机视觉 | 烟雾病 | 磁共振血管成像（MRA） | 深度学习 | 图像 | 10名健康志愿者和3名烟雾病患者 | TensorFlow, PyTorch, MONAI | 展开深度学习重建 | 信噪比（SNR）, 对比噪声比（CNR）, 图像质量评分（3点量表） | NA |
| 6919 | 2026-06-01 |
Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI
2026-02-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02235-0
PMID:41703497
|
研究论文 | 提出一种基于先验信息的深度学习算法，用于膝关节定位以及膝骨关节炎的诊断与分级，数据来自OAI | 综合考了膝骨数据的先验信息，重新设计KOA评估流程，提出无锚点膝部概率计算网（AKPCNet）的膝关节感兴趣区域提取算法和基于注意力池化的低阶特征强化网络（APLFRNet），并引入注意力池化全局优化算法 | 未明确说明具体限制，但研究仅基于OAI数据集中的X光影像，可能存在数据来源单一和样本选择性偏倚 | 开发并评估一种基于深度学习的方法，实现膝关节全自动分割，并利用先验信息诊断和分级膝骨关节炎 | 膝骨关节炎患者的膝关节X光影像 | 计算机视觉 | 膝骨关节炎 | X光影像 | 深度学习模型 | 图像 | 35,000张膝关节X光片（前后位视图） | NA | AKPCNet, APLFRNet | ROC AUC, 平衡准确率, 准确率 | NA |
| 6920 | 2026-06-01 |
Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow
2026-01, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70023
PMID:41028901
|
综述 | 综述了商用人工智能软件在妇科细胞学筛查中的现状，并评估其临床应用中的能力、性能、影响以及整合挑战 | 系统评估商用AI工具在妇科细胞学筛查中的临床整合、监管合规性和伦理考量 | 未提及具体局限 | 探讨AI如何重塑妇科细胞学并改善女性健康管理 | 商用人工智能解决方案在妇科细胞学筛查中的应用 | 数字病理学 | 妇科癌症 | 人工智能、机器学习、深度学习 | NA | 图像 | NA | NA | NA | 准确性、一致性、效率 | NA |