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 6073 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2026-03-24 |
Enhancing deep learning in AI-enhanced education: a dual mediation model of cognitive load and learning motivation through interaction quality
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1768822
PMID:41867972
|
研究论文 | 本研究构建并验证了一个双中介模型，探讨了人工智能教育系统中的交互质量如何通过降低认知负荷和增强学习动机来促进深度学习结果 | 首次将认知负荷理论与自我决定理论相结合，提出了交互质量通过认知负荷与学习动机的双重中介作用影响深度学习的理论框架，并提供了实证证据 | 研究样本仅限于大学教师，未涵盖学生群体；采用横断面调查数据，无法确定因果关系；未考虑不同学科背景的调节作用 | 探究人工智能教育系统中交互质量影响深度学习结果的心理机制，为优化AI教育系统设计提供理论依据 | 使用AI学习平台的570名大学教师 | 教育技术 | NA | 问卷调查，协方差结构方程模型 | 结构方程模型 | 调查数据 | 570名大学教师 | CB-SEM | 双中介结构方程模型 | 模型拟合指数，方差解释率（R²=31.5%），中介效应占比（53%） | NA |
| 1442 | 2026-03-24 |
Bidirectional predictive modeling of narcissists' social exclusion and their hostile interpretations: a deep learning-based exploration of cognitive mechanisms
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1761090
PMID:41868005
|
研究论文 | 本研究通过构建深度学习模型（HIBPN），探索自恋特质、社会排斥/接纳情境与敌意解释偏差之间的双向预测关系，并验证自我肯定干预对减少敌意解释偏差的效果 | 构建了双向预测网络（HIBPN），整合情境变量与自恋特质，建立闭环的“前因-社会排斥-认知”系统，克服传统线性分析的局限性，提供新的认知预测框架 | 研究样本主要局限于本科生和研究生，可能限制结果的普适性；模型在特定训练-测试集比例下验证，需进一步外部验证 | 阐明敌意解释、自恋人格特质与社会排斥/接纳情境之间的交互机制，并验证自我肯定干预对社会排斥的影响 | 大学生和研究生，根据自恋特质分为显性自恋、隐性自恋和中性对照组 | 机器学习 | NA | 深度学习 | 深度学习网络 | 行为实验数据（情境操纵、特质评分、解释偏差量化） | 实验1包括本科生和研究生分组；实验2从实验1中选择隐性自恋者进行随机分配 | NA | Hostile Interpretation & Bidirectional Prediction Network (HIBPN) | 预测效能（百分比） | NA |
| 1443 | 2026-03-24 |
Evaluation of classification performance for six types of fundus diseases in OCT images based on multi-source training strategy
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1775911
PMID:41868207
|
研究论文 | 本研究构建了一个包含六种关键眼底病变和正常对照的高质量OCT数据集，并系统评估了多源数据融合训练策略对多类别分类性能的提升效果 | 通过整合本地临床数据与公开数据集OCTDL，建立了一个覆盖七种类别的OCT数据集，并比较了单一来源与多源联合训练策略，验证了多源数据融合对提升模型鲁棒性的有效性 | 研究仅基于特定医院数据和单一公开数据集，可能未涵盖所有临床场景；模型性能评估仅在OCTDL测试集上进行，可能缺乏外部验证 | 评估多源训练策略对OCT图像中六种眼底疾病分类性能的改善效果 | OCT图像中的年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜动脉阻塞、视网膜静脉阻塞、视网膜前膜、玻璃体黄斑界面疾病及正常对照 | 计算机视觉 | 眼底疾病 | 光学相干断层扫描 | 深度学习 | 图像 | 6165张OCT图像，覆盖七种类别 | NA | ViT-Base | 准确率, 加权F1分数, 类别特异性召回率, AUC, 误诊率 | NA |
| 1444 | 2026-03-24 |
Deep learning for FDG-PET classification in patients with Alzheimer's disease, dementia with Lewy bodies and their mixed pathology: a solution for diagnostic heterogeneity
2026, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2026.1780858
PMID:41868427
|
研究论文 | 本研究开发了一种基于深度学习的集成模型，利用FDG-PET图像对阿尔茨海默病、路易体痴呆、混合病理及健康对照进行分类，以解决诊断异质性问题 | 首次将深度学习集成模型应用于FDG-PET图像，以区分阿尔茨海默病、路易体痴呆及其混合病理，提高了诊断准确性 | 样本量相对有限（277名参与者），模型在混合病理分类上的性能（AUROC 0.71）略低于其他组 | 提高阿尔茨海默病、路易体痴呆及其混合病理的诊断准确性 | 阿尔茨海默病患者、路易体痴呆患者、混合病理患者及健康对照 | 数字病理学 | 老年疾病 | FDG-PET成像 | 深度学习 | 图像 | 277名参与者（包括AD、DLB、混合病理及健康对照组） | NA | 集成模型 | AUROC | NA |
| 1445 | 2026-03-24 |
Breast tumor segmentation and morphological feature-based classification in ultrasound using a two-stage U-net and SVM
2026, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2026.1774371
PMID:41868544
|
研究论文 | 本研究提出了一种基于两阶段U-Net和SVM的计算机辅助诊断框架，用于乳腺超声图像的自动分割和形态特征分类 | 结合了深度学习分割与基于手工形态特征的SVM分类，在保持高性能的同时提高了临床可解释性 | 仅使用了四种手工形态特征，可能未充分利用图像信息；数据集规模和多样性未明确说明 | 实现乳腺超声图像中肿瘤的自动分割和良恶性分类 | 乳腺超声图像 | 数字病理学 | 乳腺癌 | 超声成像 | CNN, SVM | 图像 | 包含正常、良性和恶性病例的综合数据集（具体数量未提供） | 未明确指定 | U-Net | Mask IoU, 准确率 | NA |
| 1446 | 2026-03-24 |
Dose Prediction Deep Learning-Based Model for VMAT of Prostate Cancer Applying Magnetic Resonance Image (MRI) in Versa HD Linear Accelerator
2026, Advanced biomedical research
IF:0.7Q4
DOI:10.4103/abr.abr_180_25
PMID:41868994
|
研究论文 | 本研究旨在开发一个基于深度学习的剂量预测模型，用于前列腺癌的容积调强弧形治疗（VMAT），利用MRI在Versa HD直线加速器上生成合成CT图像并进行剂量预测 | 应用CycleGAN和U-net深度学习框架从MRI生成合成CT图像，用于VMAT剂量预测，并比较了两种模型在Versa HD直线加速器上的性能 | 样本量较小（仅45名患者），且研究仅针对前列腺癌和特定加速器（Versa HD），可能限制结果的普适性 | 设计一个基于深度学习的剂量预测模型，以改善前列腺癌VMAT治疗中剂量分布的准确性，减少治疗计划系统的不确定性 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | MRI | GAN, CNN | 图像 | 45名患者 | NA | CycleGAN, U-net | gamma通过率 | NA |
| 1447 | 2026-03-24 |
Diagnosis of SLAP lesions on shoulder MRI using a 2.5D deep learning and ensemble learning framework
2026, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2026.1730726
PMID:41869384
|
研究论文 | 本研究开发了一种结合2.5D深度学习和集成学习的自动化诊断模型，用于在肩部MRI上检测SLAP病变 | 提出了一种结合2.5D深度学习和集成学习的多切片信息融合框架，显著提高了诊断准确性 | 研究为回顾性设计，样本量相对较小（185例患者），且模型特异性中等（0.538） | 建立SLAP病变的自动化诊断模型以支持临床决策 | 肩部SLAP病变患者（91例）和对照组（94例）的术前肩部MRI图像 | 计算机视觉 | 肩部损伤 | 肩部磁共振成像（MRI） | CNN, 集成学习 | 图像 | 185例患者（91例SLAP病变，94例对照） | PyTorch（推断自Wide_ResNet101_2的预训练） | Wide_ResNet101_2 | 准确率, AUC, 灵敏度, 特异性, 精确率, F1分数 | NA |
| 1448 | 2026-03-24 |
AI redefine untargeted metabolomics: estimating chemical amounts for a Human Exposome Project
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1775284
PMID:41869597
|
综述 | 本文综述了人工智能在非靶向代谢组学中用于化学物质浓度估计的新兴策略，旨在解决人类暴露组计划中从定性检测到定量数据转化的关键瓶颈 | 提出了结合AI预测电离响应因子和“基质嵌入”校准方法的“分层半定量”策略，使非靶向代谢组学能够将暴露物分类到生物学相关浓度范围，并直接与毒理学框架整合进行风险优先排序 | NA | 解决非靶向代谢组学中在没有真实标准品的情况下估计化学物质浓度的关键瓶颈，以支持人类暴露组计划 | 环境暴露物（特别是外源性物质）的化学浓度估计 | 机器学习 | NA | 液相色谱-高分辨质谱（LC-HRMS），非靶向代谢组学 | 回归模型，深度学习 | 质谱信号强度，分子点云数据 | NA | NA | NA | NA | NA |
| 1449 | 2026-03-23 |
Training With Local Data Remains Important for Deep Learning MRI Prostate Cancer Detection
2026-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251367620
PMID:40936310
|
研究论文 | 本研究评估了在MRI前列腺癌分割任务中，使用本地数据训练的模型是否优于仅使用外部数据训练的模型，并探讨了领域偏移对模型性能的影响 | 首次在大规模队列（超过1000例）中系统评估领域偏移对MRI前列腺癌分割模型性能的影响，并量化了本地数据在提升模型性能中的关键作用 | 研究仅基于公开数据集PICAI和单一本地数据集，可能未涵盖所有临床场景的多样性；模型评估仅限于分割任务，未涉及其他临床指标 | 评估领域偏移对深度学习MRI前列腺癌分割模型性能的影响，并比较本地与外部数据训练的效果 | 前列腺癌患者的MRI图像数据 | 数字病理学 | 前列腺癌 | MRI | 深度学习 | 图像 | PICAI-TRAIN: 1241例, PICAI-TEST: 259例, LOCAL-TRAIN: 1400例, LOCAL-TEST: 308例 | nnUNet-v2 | nnUNet | PICAI Score | NA |
| 1450 | 2026-03-23 |
Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology
2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.12.003
PMID:41390119
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用数字病理图像对胸腺上皮肿瘤的组织学亚型进行分类 | 引入了一种新颖的分层损失函数，以反映基于治疗策略和患者预后的临床相关肿瘤分组，提高了分类的临床相关性 | 模型在六类WHO分类中的准确率为77.7%，存在一定的误分类，尽管60%的误分类发生在同一临床管理组内，影响有限 | 减少胸腺上皮肿瘤诊断中的变异性，提高组织学分类的一致性 | 胸腺上皮肿瘤（TETs）的组织学亚型 | 数字病理 | 胸腺上皮肿瘤 | 苏木精-伊红（H&E）染色全切片图像分析 | 深度学习模型 | 图像 | 训练数据集来自癌症基因组图谱，验证集包括112例来自芝加哥大学的连续病例 | NA | NA | 准确率, Cohen's κ, 灵敏度 | NA |
| 1451 | 2026-03-23 |
Convolutional neural networks in paediatric fracture detection: pooled evidence from a systematic review and meta-analysis
2026-Mar-21, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12462-2
PMID:41863613
|
meta-analysis | 本研究通过系统综述和荟萃分析，评估了人工智能模型在儿童四肢骨折X光片检测中的诊断准确性 | 首次对AI模型在儿童四肢骨折X光片检测中的诊断准确性进行了系统性的证据汇总和定量分析，证实了其接近专家水平的性能 | 多数研究为回顾性、单中心设计，外部验证有限，临床广泛应用仍需前瞻性研究和更稳健的外部验证 | 系统评估人工智能模型在儿童四肢骨折X光片检测中的诊断准确性 | 儿童患者（<21岁）的四肢骨折X光片 | 计算机视觉 | 骨折 | X光平片成像 | 深度学习架构 | 图像 | 超过10,000张X光片 | NA | NA | 敏感性, 特异性, 诊断比值比, 阳性似然比, 阴性似然比 | NA |
| 1452 | 2026-03-23 |
Deep learning-driven MRI segmentation of choroid plexus volume: a novel biomarker for cognitive impairment in type 2 diabetes mellitus
2026-Mar-21, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01944-w
PMID:41863666
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1453 | 2026-03-23 |
MRI image segmentation of the major lower leg muscles using deep learning: application in biomechanical analysis
2026-Mar-21, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03554-8
PMID:41863716
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1454 | 2026-03-23 |
Toxicologic Pathology Forum*: Virtual Staining of Nonclinical Study Slides-A Brief Review of the Current Status and Future Opportunities
2026-Mar-21, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233261426348
PMID:41863851
|
综述 | 本文简要回顾了非临床研究切片虚拟染色的当前状态和未来机遇 | 探讨了虚拟染色技术在减少实验室周转时间、降低化学品和水消耗、改善职业健康安全以及实现非破坏性H&E组织学检查方面的潜力 | 当前应用障碍包括技术验证、组织学质量、生成式人工智能问题、训练材料获取和基础设施 | 回顾虚拟染色技术在非临床药物开发和发现病理学环境中的应用现状和前景 | 未染色组织切片，包括常规福尔马林固定石蜡包埋组织、部分处理或完整组织 | 数字病理学 | NA | 虚拟染色，包括染色到染色转换 | 深度学习神经网络 | 数字化组织学图像 | NA | NA | NA | NA | NA |
| 1455 | 2026-03-23 |
Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison
2026-Mar-21, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-026-04794-z
PMID:41864912
|
研究论文 | 本研究开发了基于人工智能的模型（CAPs），用于从胎心监护图（CTG）中预测胎儿缺氧，并通过全国性AI-人类比较验证了其优于人类专家的性能 | 开发了多种深度学习架构（CNN、Transformer、LSTM、CfC）的AI模型（CAPs），并首次在全国范围内与大量人类专家进行大规模比较，证明了AI模型的优越性，同时利用Grad-CAM提供了模型的可解释性 | 研究依赖于回顾性数据，模型性能虽优于人类专家，但AUROC值仍有提升空间（如CAP-L对3级酸血症的预测AUROC为0.716），且需在更广泛的前瞻性临床环境中进一步验证 | 开发并验证基于人工智能的模型，以更准确地预测胎儿缺氧，改善胎心监护图的临床解读 | 胎心监护图（CTG）数据 | 机器学习 | 胎儿缺氧 | 胎心监护图（CTG）分析 | CNN, Transformer, LSTM, CfC | 时间序列数据（CTG轨迹） | 20,780条CTG轨迹用于模型开发，467例用于全国性AI-人类比较 | NA | Cardiotocography Artificial-intelligence Predictors (CAPs), 包括CAP-C, CAP-T, CAP-L, CAP-CfC | AUROC | NA |
| 1456 | 2026-03-23 |
An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma
2026-Mar-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02285-4
PMID:41864916
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1457 | 2026-03-23 |
Blockchain-based two-level trustable reputation framework for e-commerce platform using smart contracts
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44032-3
PMID:41865050
|
研究论文 | 提出一种基于区块链和深度学习的双层可信声誉框架，用于解决电子商务平台中的声誉系统安全问题 | 结合了可编辑区块链、残差扩张卷积Transformer和多因素认证，通过智能合约实现自动化的声誉验证和交易管理 | 未提及框架在超大规模电商平台上的可扩展性测试或实际部署中的性能数据 | 设计一个可靠、抗攻击的电子商务声誉系统 | 电子商务平台上的用户声誉和交易安全 | 机器学习 | NA | 深度学习, 区块链, 智能合约 | Transformer | 交易数据, 用户行为数据 | NA | Python, Ethereum Solidity | 残差扩张卷积Transformer | NA | NA |
| 1458 | 2026-03-23 |
BGC-LiteNet: BeiDou grid code embedded lightweight neural architecture for real-time UAV fire detection and localization
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44728-6
PMID:41865038
|
研究论文 | 提出了一种嵌入北斗网格码的轻量级神经网络架构BGC-LiteNet，用于无人机实时火灾检测与定位 | 将国家空间参考标准北斗网格码直接集成到神经网络特征学习中，通过可学习的地理嵌入模块在输入阶段编码像素-网格对应关系，无需外部GIS后处理即可同时进行检测和定位；开发了延迟感知的轻量级神经架构搜索方法，联合优化检测精度和硬件延迟 | NA | 实现资源受限无人机平台上的实时火灾检测与精确地理定位 | 无人机采集的多场景火灾数据 | 计算机视觉 | NA | 神经架构搜索 | CNN | 图像 | 多场景无人机数据集 | NA | BGC-LiteNet | 平均精度均值, 地理定位准确率, 召回率 | 嵌入式平台 |
| 1459 | 2026-03-23 |
Hair and artifact removal in dermoscopic images using deep learning for enhanced skin cancer detection
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44545-x
PMID:41865087
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1460 | 2026-03-23 |
A two-stage framework for cost-sensitive predictive maintenance using deep learning, GANs, and risk-aware clustering
2026-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42910-4
PMID:41865106
|
研究论文 | 本文提出了一种基于组件、面向决策的两阶段预测性维护框架，将剩余使用寿命预测与维护成本优化相结合 | 提出了一种结合深度学习、生成对抗网络和风险感知聚类的两阶段框架，通过数据增强解决故障数据稀疏性问题，并引入基于风险的维护决策优化 | 研究基于特定水灌装厂系统的工业组件，框架在其他工业环境中的普适性有待验证 | 开发一种成本敏感的预测性维护方法，减少纠正性故障并优化维护成本 | 工业系统组件（水灌装厂的多组件） | 机器学习 | NA | NA | LSTM, GAN | 时间序列数据（运行至故障序列） | NA | NA | WGAN-GP, DBSCAN | 纠正性故障减少率, 标准化维护成本 | NA |