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 1010 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2026-02-14 |
FDA-Cleared Artificial Intelligence Medical Devices in Orthopaedic Surgery
2026-Feb-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
|
综述 | 本文对截至2025年2月美国FDA批准的70种用于骨科手术的人工智能/机器学习医疗设备进行了回顾性分析，评估了其适应症、亚专业、技术架构和商业化情况 | 首次对FDA批准的骨科AI医疗设备进行全面分析，揭示了其增长趋势、技术演变（深度学习占主导）以及临床验证的不足 | 分析基于FDA批准数据，可能未涵盖所有临床前研究或国际设备；且为回顾性分析，无法评估设备实际临床效果 | 分析FDA批准的骨科AI医疗设备的现状、发展趋势及临床验证水平 | 70种FDA批准的用于骨科手术的人工智能/机器学习医疗设备 | 数字病理 | 骨科疾病 | 深度学习, 机器学习 | NA | 医疗设备数据, 临床数据 | 70种设备 | NA | NA | NA | NA |
| 342 | 2026-02-14 |
Erratum: Deep learning-based super-resolution method for projection image compression in radiotherapy
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-20252-03
PMID:41669401
|
correction | 本文是对先前发表的一篇关于放疗中投影图像压缩的深度学习超分辨率方法的文章的勘误 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 343 | 2026-02-14 |
Acquisition of Ktrans perfusion parameter maps from DCE-MRI in breast cancer using a deep learning approach
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-930
PMID:41669415
|
研究论文 | 本研究提出了一种基于深度学习的 pix2pix 条件生成对抗网络方法，用于从动态对比增强磁共振成像中合成乳腺 Ktrans 灌注参数图 | 首次采用 pix2pix 条件生成对抗网络结合谱归一化和局部判别器，直接从对比增强磁共振图像合成 Ktrans 灌注图，避免了传统方法计算复杂和动脉输入函数估计困难的问题 | 未明确说明样本量大小，且合成图像的质量指标（如 PSNR 和 SSIM）仍有提升空间，临床应用的泛化能力需进一步验证 | 研究深度学习技术是否能够从对比增强磁共振图像合成 Ktrans 灌注参数图，以简化临床诊断流程 | 乳腺肿瘤的 Ktrans 灌注参数图 | 医学影像分析 | 乳腺癌 | 动态对比增强磁共振成像 | 条件生成对抗网络 | 磁共振图像 | NA | NA | pix2pix | 峰值信噪比, 结构相似性指数, 准确率, 皮尔逊相关系数, Bland-Altman 分析 | NA |
| 344 | 2026-02-14 |
Structural and Statistical Knowledge-Enhanced Attention Network for early Parkinson's disease diagnosis
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1468
PMID:41669428
|
研究论文 | 本文提出了一种结构性和统计知识增强的注意力网络（SSKEA-Net），用于早期帕金森病的诊断 | 提出SSKEA-Net，包含灰白质交互调制模块和统计先验引导注意力模块，有效整合神经影像领域知识以增强诊断性能和临床可解释性 | NA | 开发一个专门的深度学习框架，有效整合神经影像领域知识，以提升早期帕金森病检测的诊断性能和临床可解释性 | 早期帕金森病患者 | 数字病理学 | 帕金森病 | 磁共振成像，扩散张量成像 | CNN | 图像 | NA | NA | SSKEA-Net | 准确度，阳性预测值，真阳性率，特异性，曲线下面积 | NA |
| 345 | 2026-02-14 |
Feasibility of shortening the 18F-FDG Patlak scan time in a high-sensitivity short-axial field-of-view positron emission tomography-computed tomography system for oncological studies using deep learning denoising algorithms
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1757
PMID:41669422
|
研究论文 | 本研究探讨了在高灵敏度短轴视野PET/CT系统中，通过深度学习去噪算法缩短18F-FDG Patlak扫描时间的可行性 | 结合高灵敏度短轴PET/CT系统与深度学习去噪算法，评估缩短Patlak扫描时间的临床实用性 | 样本量较小（14例患者），且部分患者因长时间躺卧不适未能完成完整协议 | 评估缩短18F-FDG Patlak扫描时间在高灵敏度短轴PET/CT系统中的临床可行性 | 14例接受双时间点18F-FDG注射的肿瘤患者 | 医学影像分析 | 肿瘤 | 18F-FDG PET/CT成像，Patlak动力学分析 | 深度学习去噪算法 | PET/CT图像 | 14例患者 | NA | NA | Bland-Altman分析，Pearson相关系数，偏差，精度误差，曲线下面积 | NA |
| 346 | 2026-02-14 |
Optimizing S-detect classification accuracy for BI-RADS 4 breast nodules using multimodal ultrasound parameters
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1092
PMID:41669442
|
研究论文 | 本研究通过整合多模态超声参数优化了基于深度学习的S-detect工具对BI-RADS 4乳腺结节的分类准确性 | 首次将多模态超声参数（如弹性应变比、血管指数等）与S-detect深度学习工具结合，显著提升了BI-RADS 4乳腺结节的鉴别诊断特异性 | 单中心回顾性研究设计，未来需要多中心前瞻性研究进一步验证 | 提高S-detect工具在区分良恶性BI-RADS 4乳腺结节中的诊断准确性 | 231名被诊断为BI-RADS 4型乳腺结节的女性患者 | 数字病理学 | 乳腺癌 | 多模态超声（包括灰度超声、血流分级、血管阻力指数、钙化、弹性评分、弹性应变比、血管指数等） | 深度学习 | 图像 | 231例患者 | NA | S-detect | 敏感性, 特异性, 准确率, ROC曲线, AUC | NA |
| 347 | 2026-02-14 |
Mamba-based brain tumor segmentation of incomplete multi-modal MR images
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1913
PMID:41669445
|
研究论文 | 本文提出了一种基于Mamba的新型融合网络，用于处理模态不完整的多模态MRI图像，以提升脑肿瘤分割的准确性 | 引入了新颖的Mamba融合网络和跨层级不确定性约束，利用上下文学习机制从低层级数据中捕获全局特征，以应对模态缺失的挑战 | NA | 提升在模态不完整情况下的脑肿瘤分割性能 | 多模态磁共振成像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | 磁共振成像 | 深度学习网络 | 图像 | BraTS2018和BraTS2020数据集 | NA | Mamba融合网络 | 平均Dice相似系数 | NA |
| 348 | 2026-02-14 |
Alzheimer's disease prediction algorithm based on hippocampal longitudinal hybrid morphological features
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-377
PMID:41669460
|
研究论文 | 本文提出了一种基于海马体纵向混合形态特征的深度学习框架，用于预测阿尔茨海默病的临床进展 | 开发了一个结合多视图特征融合卷积网络和双向门控循环单元的纵向预测框架，首次充分探索了海马体形态特征的时空相关性，并引入了厚度特征和热核签名来编码海马体形态萎缩特征 | 研究样本量相对较小（n=221），且仅使用了ADNI数据库的T1加权MRI数据，未在其他独立数据集上进行验证 | 开发一个能够捕捉海马体形态变化时空相关性的阿尔茨海默病临床进展预测模型 | 阿尔茨海默病患者的海马体形态变化 | 数字病理学 | 阿尔茨海默病 | 结构磁共振成像 | CNN, RNN | 三维MRI图像 | 221名来自阿尔茨海默病神经影像学倡议的受试者 | NA | 多视图特征融合卷积网络, 双向门控循环单元 | 均方根误差, 相关系数, 95%置信区间 | NA |
| 349 | 2026-02-14 |
Nonlinear inversion model-driven deep learning method for magnetic resonance imaging (MRI) quantitative susceptibility mapping imaging
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1851
PMID:41669455
|
研究论文 | 本文提出了一种结合非线性物理模型与数据驱动正则化的模型驱动深度学习方法（NSIDL），用于磁共振定量磁化率成像，以提高定量精度并抑制伪影 | 将非线性磁化率反演模型集成到卷积神经网络中，并采用近端梯度下降法求解优化问题，在网络中显式地强制执行偶极子模型数据保真度 | 未明确提及方法在更广泛疾病类型或更大规模数据集上的泛化能力限制 | 开发一种模型驱动的深度学习方法，以提升磁共振定量磁化率成像的定量准确性和图像质量，抑制伪影 | 多方向梯度回波磁共振成像数据集、重建挑战数据集、体内数据以及患有出血、钙化和多发性硬化症的患者数据 | 医学影像分析 | 多发性硬化症, 脑出血, 脑钙化 | 多方向梯度回波磁共振成像 | 卷积神经网络 | 磁共振图像 | 使用了多方向梯度回波MRI数据集进行训练和验证，并利用重建挑战数据集和体内数据进行评估，临床评估涉及出血、钙化和多发性硬化症患者 | NA | 非线性磁化率反演深度学习模型 | 拟合斜率, R2, 归一化均方根误差, 高频误差范数, 峰值信噪比 | NA |
| 350 | 2026-02-14 |
Histopathologic basis of a deep learning pelvic computed tomography model for prognostic prediction among patients with advanced high-grade serous ovarian carcinoma
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-297
PMID:41669468
|
研究论文 | 本研究基于术前CT图像，利用深度学习模型提取高级别浆液性卵巢癌的组织病理学特征，并通过无监督聚类分析验证其与患者预后及风险因素的关联 | 首次将深度学习模型从CT图像中提取的特征与具体的组织病理学标志物（如P53、P16、Ki-67）及侵袭部位（如网膜、直肠、盆腔壁）进行关联分析，为深度学习模型的“黑箱”输出提供了组织病理学证据，并构建了一个基于聚类的分析框架来识别卵巢癌风险患者 | 研究为回顾性设计，样本来自三个三级医疗中心，可能存在选择偏倚；深度学习模型的具体架构和特征提取细节未详细说明；未进行外部验证 | 为基于术前CT的深度学习预后预测模型提供组织病理学证据支持，并构建一个识别卵巢癌风险患者的分析框架 | 接受根治性肿瘤切除术的高级别浆液性卵巢癌患者 | 数字病理学 | 卵巢癌 | 计算机断层扫描（CT） | 深度学习模型 | 图像 | 418名患者（中位年龄55岁，IQR 30-77岁） | NA | NA | 比值比（OR），置信区间（CI），P值，生存分析 | NA |
| 351 | 2026-02-14 |
Diagnostic performance of coronary computed tomography (CT) angiography without electrocardiographic (ECG)-gating: comparison with invasive coronary angiography
2026-Feb-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1338
PMID:41669466
|
研究论文 | 本研究评估了非心电图门控冠状动脉CT血管成像（ECG-less CCTA）在诊断阻塞性冠状动脉疾病中的准确性，并与侵入性冠状动脉造影（ICA）作为参考标准进行比较 | 开发并验证了一种不依赖心电图门控的CCTA协议，通过模拟ECG信号、深度学习重建和运动校正技术，提高了在心律失常、高心率或急诊情况下的可行性 | 这是一项回顾性单中心研究，样本量相对较小（110名患者），且钙化负担高（Agatston >400）时特异性会降低 | 评估非心电图门控CCTA在诊断阻塞性冠状动脉疾病中的诊断性能，旨在克服传统CCTA对ECG门控的依赖 | 疑似冠状动脉疾病的患者 | 医学影像 | 心血管疾病 | 冠状动脉CT血管成像（CCTA），侵入性冠状动脉造影（ICA），深度学习图像重建，运动校正 | 深度学习模型（TrueFidelity™） | CT图像 | 110名患者 | NA | TrueFidelity™（深度学习重建），SnapShot Freeze 2（运动校正） | 敏感性，特异性，阴性预测值（NPV） | NA |
| 352 | 2026-02-14 |
Epicardial and paracardial adipose tissue quantification in short-axis cardiac cine MRI using deep learning
2026-Feb, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01288-6
PMID:40848085
|
研究论文 | 本研究开发了一种基于深度学习的神经网络，用于在短轴心脏电影磁共振成像中自动分割和量化心外膜和心旁脂肪组织 | 提出了一种改进的U-Net架构，集成了多分辨率卷积、运动信息提取、特征融合和双重注意力机制，以利用心脏运动信息提高分割精度 | 未提及外部验证数据集或跨中心泛化能力评估 | 开发自动化工具以快速准确地量化心脏周围的脂肪组织，辅助心脏病学临床诊断 | 心外膜脂肪组织和心旁脂肪组织 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 深度学习 | 图像 | 未明确说明 | 未明确说明 | 改进的U-Net | Dice指数, 决定系数 | 未明确说明 |
| 353 | 2026-02-13 |
Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior
2026-Feb-15, Neuropsychologia
IF:2.0Q3
|
研究论文 | 本研究采用深度学习方法来探索年轻人群大脑宏观结构与空间导航行为个体差异之间的关联 | 首次应用图卷积神经网络和3D卷积神经网络等深度学习模型，以数据驱动方式分析复杂大脑结构特征与空间导航能力的关系 | 研究样本量较小（N=90），仅使用单一行为测量指标，可能限制了预测能力 | 探究健康年轻成年人大脑结构特征与空间导航能力之间的关联 | 年轻成年人群 | 机器学习 | NA | T1 MRI | GCNN, 3DCNN | 图像 | 90名参与者 | NA | 图卷积神经网络, 3D卷积神经网络 | 预测值 | NA |
| 354 | 2026-02-13 |
CT-free attenuation and scatter correction of [11C]CFT brain PET using a Bi-directional matching network
2026-Feb-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121721
PMID:41539466
|
研究论文 | 本研究提出并扩展了一种基于双向匹配网络的CT-free衰减和散射校正方法，用于[11C]CFT脑部PET成像，旨在避免CT相关的辐射暴露 | 采用双向离散过程匹配网络，通过离散一致性约束在未校正和完全校正的PET图像之间建立可逆变换，无需生成伪CT或依赖解剖先验信息 | 研究仅在90名帕金森综合征患者中进行评估，样本量相对有限，且方法在其他PET示踪剂或疾病中的泛化能力尚未验证 | 开发一种无需CT扫描的PET衰减和散射校正方法，以减少辐射暴露并保持定量准确性 | 帕金森综合征患者的[11C]CFT脑部PET图像 | 医学影像分析 | 帕金森病 | PET成像，深度学习 | Bi-DPM网络 | PET图像 | 90名帕金森综合征患者 | NA | Bi-DPM网络 | MAE, PSNR, SSIM, CCC, PCC, Dice系数 | NA |
| 355 | 2026-02-13 |
Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg
2026-Feb-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121729
PMID:41548822
|
研究论文 | 本研究提出了一种基于SynthSeg框架的数据驱动采样策略，旨在提升胎儿脑部MRI分割模型在对比度和病理差异下的泛化能力 | 引入了一种新颖的数据驱动训练时采样策略，充分利用训练数据集的多样性，增强网络对领域偏移（如生理和采集环境差异）的泛化能力 | 在异常较少的情况下，模型性能略有下降 | 训练能够自动分割具有广泛领域偏移（包括病理形状差异）的胎儿脑部MRI的网络 | 胎儿脑部磁共振成像（MRI） | 计算机视觉 | 胎儿神经发育异常 | 磁共振成像（MRI） | CNN | 图像 | NA | NA | NA | 分割质量（基于统计显著性p<1e-4） | NA |
| 356 | 2026-02-13 |
Neural-linguistic analysis for Alzheimer's detection: A deep learning approach informed by cognitive neuroscience
2026-Feb-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121739
PMID:41570955
|
研究论文 | 本文提出了一种受认知神经科学启发的深度学习框架COASTAL，用于通过语音分析检测阿尔茨海默病 | 提出了认知声学符号转换（COASTAL）框架，该框架模拟了大脑的分层语音处理通路，将声学模式转换为离散符号元素，然后进行上下文分析，从而克服了传统方法在捕捉语义认知内容和处理老年人发音变异方面的局限性 | 研究仅在ADReSSo语料库上进行了评估，样本来源和规模可能存在限制；未详细讨论模型在不同人口统计学群体或疾病阶段中的泛化能力 | 开发一种非侵入性、基于语音的早期阿尔茨海默病检测方法 | 阿尔茨海默病患者的语音数据 | 自然语言处理 | 阿尔茨海默病 | 语音分析，认知声学符号转换 | 深度学习 | 语音 | ADReSSo语料库（具体样本数未在摘要中提供） | NA | 分层转换架构（具体名称如ResNet等未提及） | 准确率 | NA |
| 357 | 2026-02-13 |
Intelligent navigation of potential energy surfaces: leveraging deep reinforcement learning paradigms for accelerated discovery of stable nickel nanoclusters
2026-Feb-12, Nanoscale
IF:5.8Q1
DOI:10.1039/d5nr04468e
PMID:41532242
|
研究论文 | 本文提出了一种名为Deepcluster的深度强化学习框架，用于高效导航复杂高维势能面，以发现镍纳米团簇的全局能量最小结构 | 结合深度强化学习与原子中心对称函数，实现无需预定义数据集的自主探索与优化，超越传统全局优化算法的局限 | 方法依赖于特定势能模型（如EMT），且在大规模或更复杂体系中的普适性有待进一步验证 | 加速复杂功能纳米材料（如镍纳米团簇）的稳定结构发现，用于催化和能源应用 | 镍纳米团簇（Ni_n，n=特定尺寸） | 机器学习 | NA | 深度强化学习，原子中心对称函数（ACSFs），有效介质理论（EMT）势，BFGS算法 | 深度强化学习（基于actor-critic网络），多层感知机（MLP） | 结构配置数据（能量、力、结构标志） | 一系列镍纳米团簇（Ni_n，具体尺寸未明确数量，但涉及多个n值） | TensorFlow或PyTorch（未明确指定，但基于深度神经网络），TRPO算法 | 多层感知机（MLP），actor-critic网络 | 全局能量最小结构的发现准确性，结合能，热稳定性（通过分子动力学模拟验证） | NA（未明确指定GPU或云平台，但涉及并行遗传算法和第一性原理计算） |
| 358 | 2026-02-13 |
Generative deep learning synthesizes high signal-to-noise ratio sensitivity maps for PET from low count direct normalization data
2026-Feb-12, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae3ec6
PMID:41604704
|
研究论文 | 本文提出了一种基于生成对抗网络的PET灵敏度图合成方法，用于从低计数直接归一化数据生成高信噪比的灵敏度图 | 开发了一种结合灵敏度图特征与生成建模的新颖PET数据处理和图像重建流程，通过条件注意力引导的生成对抗网络保留灵敏度图的几何和探测器特定特征 | 未明确说明模型在不同PET扫描仪或临床环境中的泛化能力限制 | 解决从低计数直接归一化数据高效获取高信噪比PET灵敏度图的挑战 | PET灵敏度图、Hoffman脑模体、对比度模体、均匀圆柱模体的图像 | 医学影像处理 | NA | 直接归一化、生成对抗网络 | GAN | PET灵敏度图数据、图像数据 | 使用Hoffman脑模体、对比度模体和均匀圆柱模体的数据进行评估 | NA | 条件注意力引导的生成对抗网络 | 峰值信噪比、结构相似性指数、归一化均方根误差 | NA |
| 359 | 2026-02-13 |
Polarization-Programmable 2D Sb2S2O Photodetectors for High-Precision Object Identification
2026-Feb-12, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c04042
PMID:41631389
|
研究论文 | 本文报道了一种新型二维三元锑硫族氧化物Sb2S2O，并展示了其在宽光谱范围内优异的光响应性能和偏振角依赖的灵敏度，结合深度学习算法，实现了高精度物体识别 | 首次报道了具有低对称性层状结构和显著面内各向异性的新型二维三元锑硫族氧化物Sb2S2O，并利用其偏振角可调特性实现了光探测器的双模式智能成像 | NA | 开发用于下一代智能光电探测和自适应视觉技术的新型二维材料及器件 | 二维三元锑硫族氧化物Sb2S2O材料及其光电器件 | 机器学习 | NA | NA | NA | 图像 | NA | NA | NA | 响应度(11.3 A/W)，比探测率(6.5×10^? Jones)，二向色比(约1.48) | NA |
| 360 | 2026-02-13 |
Large-Scale Histological Image Dataset with Metadata for Colorectal Cancer Microenvironment
2026-Feb-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06675-9
PMID:41673045
|
研究论文 | 本文介绍了一个用于结直肠癌肿瘤微环境分析的大规模组织学图像数据集HMU-CRC-Hist550K，并展示了其在深度学习模型基准测试中的应用 | 构建了首个包含55万张标注图像块、涵盖8种不同TME组织类别的大规模结直肠癌组织学图像数据集，解决了该领域数据稀缺的问题 | 数据集主要来源于公开可用的样本，可能无法完全代表所有临床场景的多样性 | 为结直肠癌肿瘤微环境的AI辅助分析提供高质量数据资源，支持诊断、分子亚型推断和个体化治疗规划 | 结直肠癌组织学图像中的肿瘤微环境组织成分 | 数字病理学 | 结直肠癌 | 组织学成像 | 深度学习模型 | 组织学图像 | 来自500张全切片图像的55万张标注图像块 | NA | NA | NA | NA |