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 1474 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2026-02-19 |
Deep learning in lower gastrointestinal cancer detection: Advances in endoscopic, radiologic, and histopathologic diagnostics
2026-Feb-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v18.i2.115974
PMID:41695919
|
综述 | 本文综述了深度学习在胃肠道癌症检测中的进展，重点关注内窥镜、放射学和病理学诊断 | 探讨了深度学习如何通过实时检测、自动分割和高精度分析，在胃肠道癌症诊断中超越传统方法，提高准确性和效率 | 面临数据集多样性不足、模型可解释性有限以及临床工作流整合的技术和伦理挑战 | 评估深度学习在提升胃肠道癌症早期检测准确性、速度和一致性方面的应用潜力 | 胃肠道癌症，特别是结直肠癌 | 数字病理学 | 结直肠癌 | 深度学习 | CNN | 图像 | NA | NA | NA | 灵敏度, 特异性, AUC | NA |
| 962 | 2026-02-19 |
Pioneering efficient deep learning architectures for enhanced hepatocellular carcinoma prediction and clinical translation
2026-Feb-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v18.i2.113870
PMID:41695935
|
综述 | 本文综述了高效深度学习架构在肝细胞癌预测和临床转化中的最新进展、挑战及未来方向 | 强调效率导向策略（如轻量级架构、模型压缩、数据高效方法）在深度学习临床部署中的核心作用，并探讨多模态融合及隐私保护技术 | 大多数研究为回顾性、单中心且样本量有限，缺乏严格的外部验证和多中心前瞻性试验 | 克服深度学习在肝细胞癌预测中计算成本高、资源受限环境部署难的挑战，推动临床转化 | 肝细胞癌的超声、CT、MRI、病理全切片图像及电子健康记录等多模态数据 | 数字病理学 | 肝细胞癌 | 超声、CT、MRI、组织病理学成像、电子健康记录分析 | CNN, RNN, Transformer | 图像, 文本 | NA | NA | MobileNet, EfficientNet | 灵敏度, 特异性 | NA |
| 963 | 2026-02-19 |
Multi-angle, cross-domain fusion strategy enhances automated insect identification and hierarchical categorization: a case study on assassin bugs (Hemiptera: Reduviidae)
2026-Feb-11, Cladistics : the international journal of the Willi Hennig Society
IF:3.9Q1
DOI:10.1111/cla.70029
PMID:41674051
|
研究论文 | 本文提出了一种多角度、跨领域的融合策略，以提升自动昆虫识别和层级分类的性能，并以猎蝽科昆虫为例进行了验证 | 通过整合标准、转盘拍摄和生态三种图像类型，并采用多角度融合策略，显著提升了模型在物种识别和层级分类任务上的跨领域适应能力 | 研究仅针对猎蝽科昆虫，其方法的普适性在其他昆虫类群中尚需验证 | 开发一种更可靠、适用于多样化实际场景的自动昆虫识别工具 | 猎蝽科昆虫（Hemiptera: Reduviidae） | 计算机视觉 | NA | 图像采集（标准、转盘、生态图像） | CNN | 图像 | 来自92个物种、48个属、6个亚科的11,915张专家验证图像 | PyTorch | ConvNeXt-B | 准确率, F1分数 | NA |
| 964 | 2026-02-19 |
A hypergraph-based model for tumor prognosis using local and global information fusion on H&E-stained histology images
2026-Feb-11, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103991
PMID:41702177
|
研究论文 | 本文提出了一种基于超图的模型HeMiCoRe，用于融合H&E染色组织学图像的局部和全局信息以预测肿瘤预后 | 提出了一种新颖的超图多实例对比强化学习模型，能够有效整合局部特征和跨集群的全局表示，并在多种癌症类型和多中心数据集上展现出卓越的泛化能力 | 未明确提及模型在特定癌症类型或数据集上的潜在局限性，如数据不平衡或计算资源需求 | 开发一种能够从千兆像素组织病理学切片中提取预后信息并预测患者生存结果的模型 | 5196张H&E染色切片，涵盖10种癌症类型 | 数字病理学 | 多种癌症 | H&E染色 | 超图神经网络, 对比学习, 强化学习 | 图像 | 5196张H&E染色切片 | NA | 超图神经网络 | NA | NA |
| 965 | 2026-02-19 |
Integration of the Biot-Gassmann Fluid Substitution Method and Machine Learning-Based Velocity-Stress Relationship for Estimating In Situ Stresses
2026-Feb-10, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c09669
PMID:41696205
|
研究论文 | 本文提出了一种结合Biot-Gassmann流体替换方法和机器学习速度-应力关系的工作流程，用于估算地下岩石的原位应力 | 通过使用干岩心超声速度经Biot-Gassmann流体替换得到的等效饱和声速（低频近似）来训练机器学习模型，以改进原位应力预测，并探讨了频率分散效应的影响 | 研究基于特定地热井的三个岩心样本，样本量有限，且未明确讨论模型在其他地质环境中的泛化能力 | 估算地下地质岩石中的原位应力 | 来自犹他州FORGE地热井16B(78)-32的三个地下岩心 | 机器学习 | NA | Biot-Gassmann流体替换方法，真三轴超声速度实验 | 机器学习/深度学习 | 超声速度数据，应力配置数据 | 3个岩心，每个岩心在75种独特应力配置下进行干燥状态速度测量 | NA | NA | R², 均方根误差 | NA |
| 966 | 2026-02-19 |
Quality-label-free fetal brain MRI quality control based on image orientation recognition uncertainty
2026-Feb-10, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103994
PMID:41702176
|
研究论文 | 本文提出了一种基于图像方向识别不确定性的无质量标签胎儿脑MRI质量控制方法 | 提出了一种无需大量质量标签的深度学习方法，通过方向识别不确定性量化图像质量，并在跨域数据上表现出良好的泛化能力 | 未明确说明模型在更大规模或更广泛数据集上的性能，且对计算资源需求未详细描述 | 开发一种无需质量标签的胎儿脑MRI质量控制方法，以提高数据采集和分析效率 | 胎儿脑MRI图像 | 计算机视觉 | 胎儿脑发育异常 | turbo spin echo (TSE) T加权成像, balanced turbo field echo (BTFE) T加权成像 | CNN | 图像 | 基于七个胎儿脑图谱增强的TSE T加权数据 | PyTorch | Bottleneck KAN Convolution layers, OR-KAN | AUROC, AUPR | NA |
| 967 | 2026-02-19 |
Deep learning techniques for using computed tomography imaging for hepatocellular carcinoma diagnosis, treatment and prognosis
2026-Feb-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i5.113592
PMID:41693978
|
综述 | 本文系统综述了基于CT影像的深度学习技术在肝细胞癌诊断、分割、治疗反应预测及患者预后预测中的应用 | 整合深度学习技术与CT影像分析，为肝细胞癌的个性化治疗策略提供新希望 | 应用深度学习从CT影像中提取信息仍面临挑战，未具体说明 | 改善肝细胞癌的诊断和治疗 | 肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | CT成像 | 深度学习模型 | CT图像 | NA | NA | NA | NA | NA |
| 968 | 2026-02-19 |
Application and prospect of artificial intelligence in diagnostic imaging of prostate cancer
2026-Feb-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02354-6
PMID:41644780
|
综述 | 本文综述了人工智能在前列腺癌诊断影像学中的应用与前景 | 系统总结了人工智能在TRUS、mp-MRI和PSMA PET/CT等多种影像技术中用于前列腺癌检测、特征描述和治疗评估的最新进展，并探讨了未来多组学、可解释AI和工作流集成决策支持等方向 | 面临数据质量、模型泛化能力、临床整合及伦理方面的挑战 | 探讨人工智能技术在前列腺癌诊断影像学中的应用现状与未来发展方向 | 前列腺癌的诊断影像学 | 数字病理学 | 前列腺癌 | TRUS, mp-MRI, PSMA PET/CT | 机器学习, 深度学习 | 影像 | NA | NA | NA | 准确率 | NA |
| 969 | 2026-02-19 |
Flexible and Robust Metasurface-Based Wearable Sensor for Intelligent Human Monitoring
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202514150
PMID:41451579
|
研究论文 | 本文首次提出了一种集成拓扑保护柔性超表面技术与AI增强传感的可穿戴传感器，用于多功能人体监测 | 结合拓扑光子学与AI增强传感技术，实现动态条件下稳定性能与个性化生物特征提取 | 未明确说明传感器在极端环境下的长期稳定性或大规模临床验证结果 | 开发能克服运动伪影和机械形变限制的智能可穿戴健康监测系统 | 人体心肺动力学、生命体征、活动状态及个体身份 | 机器学习 | 慢性疾病 | 拓扑光子学、电磁波-身体相互作用 | 深度学习 | 电磁波信号 | NA | NA | NA | NA | NA |
| 970 | 2026-02-19 |
La-Doped Mullite Bi2Fe4O9 Chemiresistive Gas Sensor for Ultra-Highly Selective Detection of Ethylene Glycol
2026-Feb, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202517585
PMID:41472488
|
研究论文 | 本文提出了一种镧掺杂莫来石型铁酸铋化学电阻式气体传感器，用于超高选择性检测乙二醇蒸气 | 通过镧掺杂实现均匀的Bi位点掺杂、增加氧空位浓度并增强气体吸附，结合原位红外光谱和DFT计算阐明了乙二醇表面氧化反应机制，并开发了集成了深度学习算法的可穿戴实时气体监测平台 | NA | 开发高选择性、高稳定性的乙二醇蒸气检测传感器，用于工业安全和环境监测 | 乙二醇蒸气 | 传感器技术 | NA | 原子分辨率成像、微化学分析、理论计算、原位红外光谱、密度泛函理论计算 | 深度学习算法 | 气体传感数据 | NA | NA | NA | 选择性、重现性、长期稳定性、检测限 | NA |
| 971 | 2026-01-24 |
From Gorlin and Doppler Equations to Deep Learning: Is Aortic Stenosis Quantification on the Brink of a New Era?
2026-Feb, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.126.019472
PMID:41574424
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 972 | 2026-02-19 |
A novel cervical image recognition framework based on feature cognitive enhancement for improved performance
2026-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251412982
PMID:41574558
|
研究论文 | 提出一种基于特征认知增强的新型宫颈图像识别框架，以提高分类性能 | 设计了三个新模块（特征认知筛选模块、多尺度特征分类模块和重叠采样模块），实现全局与局部特征提取、多尺度特征融合分类以及图像中的短程交互，增强模型边缘捕捉能力和解决复杂问题的熟练度 | 未明确提及，可能包括数据集规模、泛化能力或临床验证的局限性 | 通过深度学习改进宫颈图像的分类，以辅助宫颈癌的早期诊断 | 宫颈图像，分类为正常、宫颈上皮内瘤变和癌变三类 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 未明确指定，但使用了自建宫颈图像数据集和Kaggle数据集 | 未明确指定，可能为TensorFlow或PyTorch | FSMO（特征认知筛选模块、多尺度特征分类模块、重叠采样模块） | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 973 | 2026-02-19 |
FPM2Stain Net: physics-guided super-resolution and multi-modal virtual staining for digital histopathology
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.586327
PMID:41693888
|
研究论文 | 提出了一种名为FPM2Stain Net的端到端计算流程，将物理引导的超分辨率与基于深度学习的虚拟染色相结合，用于高分辨率、多模态数字组织病理学 | 提出了一种联合优化的端到端流程，首次将物理引导的超分辨率重建与多模态虚拟染色集成在一个框架中，实现了相对于低倍输入图像超过10倍的像素级上采样，并支持下游细胞分割和生物标志物定量分析 | 未明确提及 | 开发一种快速、可扩展且经济高效的高分辨率多模态数字组织病理学成像与虚拟染色方法 | 组织样本 | 数字病理学 | NA | 傅里叶叠层显微成像 | ResNet-U-Net, cGAN | 图像 | 模拟和真实组织数据集 | NA | ResNet-U-Net, 基于小波的空间频率融合cGAN | 重建保真度, 染色准确性 | NA |
| 974 | 2026-02-19 |
Temporal variance mapping with machine learning for label-free 3D chromatin imaging using optical interferometric microscopy
2026-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.583584
PMID:41693892
|
研究论文 | 本研究提出了一种基于光学干涉显微镜的无标记3D染色质成像方法，通过机器学习分析时间方差映射，实现高分辨率成像 | 利用原生生物分子运动产生的快速波动散射信号，结合深度学习将无标记动态数据映射到染色质荧光图像，显著提升了轴向分辨率和成像特异性 | 未明确提及方法在复杂生物样本或长期活细胞成像中的适用性限制 | 开发一种高分辨率、无标记的3D染色质成像技术，以克服传统相位显微镜在轴向分辨率和特异性方面的限制 | 活细胞核的染色质结构，包括核仁和核斑等亚核结构 | 计算机视觉 | NA | 光学干涉显微镜，高速成像（1000帧/秒），时间方差映射 | 深度学习模型 | 图像 | 未明确提及具体样本数量，仅涉及活细胞核的光学传输图像 | NA | NA | NA | NA |
| 975 | 2026-02-19 |
Deep cytomorphology identifies erythroid skewing and monocytic morphology to predict TKI sensitivity in CML patients
2026-Feb, HemaSphere
IF:7.6Q1
DOI:10.1002/hem3.70319
PMID:41694735
|
研究论文 | 本研究利用深度学习分析慢性髓系白血病患者的骨髓涂片，识别出与酪氨酸激酶抑制剂敏感性相关的细胞形态学标志物 | 首次通过深度学习系统分析CML骨髓细胞形态，发现红系前体细胞富集和单核细胞核分叶等新形态学标志物可预测TKI疗效，并构建了优于现有临床评分系统的整合模型 | 研究为回顾性分析，需在前瞻性队列中验证；仅使用常规染色涂片，未结合分子或遗传数据；样本来自七个中心但可能存在选择偏倚 | 探索慢性髓系白血病骨髓细胞形态特征与酪氨酸激酶抑制剂治疗反应的关系，改进风险分层 | 598名慢性髓系白血病患者的1548张骨髓穿刺涂片 | 数字病理学 | 白血病 | 常规染色（骨髓涂片染色），深度学习图像分析 | 深度学习模型 | 图像 | 598名患者，1548张涂片，来自七个医疗中心 | 未明确说明 | 未明确说明 | AUROC（受试者工作特征曲线下面积） | 未明确说明 |
| 976 | 2026-02-19 |
Transforming nephrology through artificial intelligence: a state-of-the-art roadmap for clinical integration
2026-Feb, Clinical kidney journal
IF:3.9Q1
DOI:10.1093/ckj/sfag004
PMID:41704427
|
综述 | 本文综述了人工智能（包括机器学习、深度学习和生成式AI）在肾脏病学领域的应用现状、临床整合挑战及未来发展方向 | 系统性地整合了AI在急性肾损伤、慢性肾脏病、透析和肾移植中的新兴应用，并强调了多模态数据整合、生成式AI和自适应决策支持范式（如强化学习、数字孪生）的创新潜力 | 临床工作流程整合有限，存在数据异质性、算法偏见、可解释性不足、监管不确定性等实施挑战 | 探讨AI在肾脏病学中的临床整合路径，推动个性化、高效和公平的肾脏疾病管理 | 急性肾损伤、慢性肾脏病、透析患者和肾移植受者 | 数字病理学 | 肾脏疾病 | 电子健康记录数据分析、重症监护室遥测、多组学数据整合 | 机器学习、深度学习、生成式AI、强化学习 | 电子健康记录、遥测数据、影像、病理图像、多组学数据 | NA | NA | 大语言模型、iBox系统 | NA | NA |
| 977 | 2026-02-18 |
Combating Antiviral Drug Resistance: A Multipronged Strategy
2026-Feb-17, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00724
PMID:41650319
|
研究论文 | 本文介绍了一种多管齐下的策略，通过合成、计算、结构和生物学研究来开发抗病毒药物，以应对病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）的药物耐药性突变 | 提出了一种结合传统蛋白酶抑制、蛋白酶降解（首次报道靶向SARS-CoV-2 M的PROTAC分子HP211206）、计算化学方法（如PDLD/S-LRA/β框架与量子力学计算结合）以及人工智能（如D2Screen深度学习虚拟筛选）的多管齐下策略，以开发对耐药突变更有效的抗病毒疗法 | NA | 开发对抗病毒蛋白酶药物耐药性突变的更有效治疗方法 | 病毒蛋白酶（特别是SARS-CoV-2主要蛋白酶M）及其药物耐药性突变 | 计算化学, 药物发现 | COVID-19, 病毒感染 | 计算化学, X射线晶体学, 虚拟筛选, 深度学习 | 深度学习 | 化学结构数据, 蛋白质结构数据, 生物活性数据 | NA | NA | NA | 抑制活性, 结合自由能, 催化效率参数 | NA |
| 978 | 2026-02-18 |
AutoSimTTF: a fully automatic pipeline for personalized electric field simulation and treatment planning of tumor treating fields
2026-Feb-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4288
PMID:41643315
|
研究论文 | 本文介绍了一个名为AutoSimTTF的全自动管道，用于肿瘤治疗电场（TTFields）的个性化电场模拟和优化治疗计划 | 开发了一个端到端的全自动工作流，集成了深度学习自动肿瘤分割、基于有限元法的电场模拟以及一种新颖的基于物理的参数优化方法，显著提升了效率和个性化治疗能力 | 与传统的半自动工作流相比，模拟精度在某些组织中存在最高14.1%的偏差 | 提高肿瘤治疗电场（TTFields）治疗计划的计算效率、可重复性和可及性，实现数据驱动的个性化治疗 | 肿瘤治疗电场（TTFields）的个性化治疗计划 | 数字病理学 | 肿瘤 | 有限元法，深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | Dice相似系数 | NA |
| 979 | 2026-02-18 |
Atomically Precise Metal Clusters for NIR-II Imaging
2026-Feb-17, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00837
PMID:41645060
|
综述 | 本文综述了原子级精确金属簇在近红外二区成像中的发光特性、成像技术、生物医学应用及生物安全性 | 通过原子工程、配体设计和表面修饰精细调控金属簇的近红外二区光学性质，并结合先进成像技术与人工智能实现高分辨率、深组织可视化 | NA | 探讨原子级精确金属簇在近红外二区成像中的基础物理、发光机制及其在生物医学成像和临床病理诊断中的应用潜力 | 原子级精确金属簇 | 生物医学成像 | 心血管疾病, 脑血管疾病, 恶性肿瘤 | 近红外二区成像, 宽场成像, 三维显微成像, 人工智能辅助图像处理 | 深度学习 | 图像 | NA | NA | NA | 信噪比 | NA |
| 980 | 2026-02-18 |
Automated Segmentation of Stellate Ganglion Block Region in Ultrasound Images Using Deep Learning Model
2026-Feb-16, Anesthesia and analgesia
IF:4.6Q1
DOI:10.1213/ANE.0000000000007938
PMID:41698185
|
研究论文 | 本研究开发并验证了一种用于超声图像中星状神经节阻滞区域自动分割的深度学习模型 | 首次系统评估深度学习在星状神经节阻滞区域分割中的应用，并提出了多级特征融合的UNet模型 | 模型在边界精度上略逊于专家，且研究为回顾性设计 | 开发自动分割模型以支持超声引导下星状神经节阻滞的精准针头放置并提高手术安全性 | 接受超声引导星状神经节阻滞的患者 | 计算机视觉 | NA | 超声成像 | 深度学习 | 图像, 视频 | 370名患者，730个视频（2190张图像） | NA | MLF-UNet, UNet | Dice相似系数, 交并比, 95百分位豪斯多夫距离, 平均对称表面距离 | NA |