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 1071 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-02-21 |
Effect of Deep Learning-Based Image Reconstruction on Lesion Conspicuity of Liver Metastases in Pre- and Post-contrast Enhanced Computed Tomography
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01529-z
PMID:40355690
|
研究论文 | 本研究评估了深度学习图像重建技术在增强前后CT中提高肝转移瘤显影清晰度的效果 | 首次在增强前后CT中系统比较深度学习图像重建与常规混合迭代重建对肝转移瘤显影清晰度的改善作用 | 样本量较小（41例患者），且三位观察者在平扫CT中对最佳重建方法的选择存在不一致 | 评估深度学习图像重建技术在不同强度水平下对肝转移瘤显影清晰度的提升效果 | 肝转移瘤患者的腹部CT图像 | 医学影像分析 | 肝转移瘤 | CT扫描，深度学习图像重建 | 深度学习重建模型 | CT图像 | 41例肝转移瘤患者 | NA | TrueFildelity | 定性5点评分（显影清晰度评分） | NA |
| 102 | 2026-02-21 |
Modifying the U-Net's Encoder-Decoder Architecture for Segmentation of Tumors in Breast Ultrasound Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01537-z
PMID:40374986
|
研究论文 | 本文提出了一种基于U-Net编码器-解码器架构改进的神经网络，用于提高乳腺超声图像中肿瘤分割的准确性和有效性 | 通过结合U-Net与其他深度神经网络（Res-Net和MultiResUNet）并引入新的Co-Block方法，尽可能保留低层和高层特征，从而改进编码器和解码器部分 | NA | 提高乳腺超声图像分割的准确性和有效性，以辅助癌症识别和早期诊断 | 乳腺超声图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 780张图像，分为正常、良性和恶性三类 | NA | U-Net, Res-Net, MultiResUNet | Dice相似系数, 交并比, 曲线下面积, 全局准确率 | NA |
| 103 | 2026-02-21 |
Artificial Intelligence and Data Science Methods for Automatic Detection of White Blood Cells in Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01538-y
PMID:40379861
|
研究论文 | 本研究通过文献调查和科学图谱方法，评估了人工智能和数据科学方法在自动检测和分类白细胞图像中的应用，以支持血液疾病如白血病的诊断 | 利用SCOPUS文献数据进行科学图谱分析，系统评估AI和DS方法在白细胞图像自动检测中的有效性，并展望生成式AI在血液细胞诊断中的应用前景 | 研究基于文献综述，缺乏实际实验验证；未来工作需进一步探索生成式AI的具体应用 | 评估人工智能和数据科学方法在生物医学诊断中自动检测和计数白细胞及其类型的有效性 | 白细胞图像，用于诊断血液疾病如白血病 | 计算机视觉 | 白血病 | 文献调查，科学图谱方法 | 机器学习，深度学习，分类算法 | 图像 | NA | NA | NA | NA | NA |
| 104 | 2026-02-21 |
Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01504-8
PMID:40392414
|
研究论文 | 本研究探讨了在多位专家标注者间使用深度神经网络进行前列腺腺体分割时面临的读者间变异性问题，并提出了量化变异性及改进训练策略的方法 | 通过量化专家意见间的变异性，并探索结合不同专家标注数据的训练策略，以提升深度神经网络在真实世界临床标注差异下的泛化能力和可重复性 | 研究主要关注前列腺腺体分割，且模型在小腺体尺寸上的性能有所下降，可能未涵盖所有临床场景或读者类型 | 解决医学图像分割中因临床专家间标注差异导致的深度神经网络泛化与可重复性问题 | 前列腺腺体的磁共振图像分割 | 数字病理学 | 前列腺癌 | 磁共振成像 | CNN | 图像 | 共546例样本（专家R#1标注342例，专家R#2标注204例），训练时使用了代表性队列（R#1的100例和R#2的150例） | NA | 3D U-Net | Dice系数 | NA |
| 105 | 2026-02-21 |
Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01543-1
PMID:40394318
|
研究论文 | 本研究利用ResNet50深度学习模型对前列腺组织病理学图像进行分类，以区分良性和恶性前列腺癌 | 采用ResNet50模型在前列腺癌组织病理图像分类中实现了高精度，并与MobileNet和CNN-RNN等模型相比获得了4.26%的性能提升 | NA | 通过深度学习技术实现前列腺癌的准确诊断，以优化患者治疗效果 | 前列腺活检组织病理学图像 | 数字病理学 | 前列腺癌 | 组织病理学成像 | CNN | 图像 | 1276张前列腺活检图像 | NA | ResNet50 | 准确率, 精确率, 召回率, F1分数, 置信区间 | NA |
| 106 | 2026-02-21 |
An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01539-x
PMID:40394321
|
研究论文 | 本研究提出了一种基于无监督和自监督深度学习的新型人工智能方法，用于对光学相干断层扫描（OCT）衍生的视网膜层厚度图进行表型分型和聚类分析 | 提出了一种结合深度学习、流形学习和高斯混合模型的新方法，解决了OCT表型在不同数据集间迁移的挑战，并首次在大型数据集上实现了跨数据集的表型聚类和验证 | 研究主要聚焦于青光眼作为模型疾病，未广泛验证其他眼科疾病；方法依赖于特定数据集的OCT厚度图，通用性需进一步测试 | 通过人工智能分析OCT图像，增强对眼科疾病生理学和遗传结构的理解，并实现跨数据集的表型迁移 | 光学相干断层扫描（OCT）图像及其衍生的视网膜层厚度图 | 计算机视觉 | 青光眼 | 光学相干断层扫描（OCT） | 深度学习 | 图像 | 两个大型数据集：Massachusetts Eye and Ear (MEE; 18,985张图像) 和 UK Biobank (UKBB; 86,115张图像) | 未明确指定，但涉及深度学习框架 | 未明确指定具体架构，但结合了深度学习、流形学习和高斯混合模型 | 皮尔逊相关系数、临床关联分析（如视野平均偏差、杯盘比） | NA |
| 107 | 2026-02-21 |
Development of a No-Reference CT Image Quality Assessment Method Using RadImageNet Pre-trained Deep Learning Models
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01542-2
PMID:40425960
|
研究论文 | 本文提出了一种基于RadImageNet预训练深度学习模型的无参考CT图像质量评估方法，旨在处理多种退化因素并准确反映真实临床图像退化 | 利用结合噪声和模糊两种退化因素的数据集训练CNN模型，并采用RadImageNet预训练模型（如ResNet50、DenseNet121、InceptionV3和InceptionResNetV2），使模型能够从大规模真实临床图像中学习深度特征，增强对真实世界退化的适应性，无需依赖人工退化图像 | NA | 开发一种无参考CT图像质量评估方法，以在临床环境中确保诊断准确性、优化成像协议并防止过度辐射暴露 | CT图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | ResNet50, DenseNet121, InceptionV3, InceptionResNetV2 | 相关系数 | NA |
| 108 | 2026-02-21 |
Deep Learning Auto-segmentation of Diffuse Midline Glioma on Multimodal Magnetic Resonance Images
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01557-9
PMID:40425959
|
研究论文 | 本研究开发了一种基于改进3D U-Net的深度学习工具，用于在磁共振图像上自动分割弥漫性中线胶质瘤 | 首次针对弥漫性中线胶质瘤（DMG）开发了基于改进3D U-Net的自动分割工具，并在多模态磁共振图像上实现了高精度分割 | 数据集规模较小（52名患者，70张图像），且仅使用了T1W和T2W/FLAIR序列，未包含更多高级磁共振序列 | 开发自动且高精度的肿瘤分割技术，以促进弥漫性中线胶质瘤的预测模型研究和深入理解 | 弥漫性中线胶质瘤（DMG）H3 K27M-altered，一种罕见的儿童脑干癌症 | 数字病理学 | 弥漫性中线胶质瘤 | 磁共振成像（MRI），包括T1W、T2W和FLAIR序列 | CNN | 图像 | 52名患者，70张图像（每张包含T1W和T2W或FLAIR图像） | NA | 3D U-Net with residual blocks | Dice Similarity Coefficient (DSC) | NA |
| 109 | 2026-02-21 |
PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt
2026-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01549-9
PMID:40425958
|
研究论文 | 本研究开发了一种名为PlaNet-S的全自动胎盘语义分割模型，该模型通过集成学习结合了U-Net和SegNeXt架构 | 通过集成学习框架整合U-Net和SegNeXt架构，实现了全自动胎盘语义分割，相比现有模型在IoU和CCC指标上表现更优 | 研究仅基于218名孕妇的MRI图像，样本量相对有限，且未明确说明模型在不同胎盘异常类型上的泛化能力 | 开发全自动胎盘语义分割模型，以解决医生辅助手动分割耗时的问题，并提升胎盘影像分析的效率 | 疑似胎盘异常的孕妇的磁共振成像（MRI）图像 | 数字病理学 | 胎盘异常 | 磁共振成像（MRI） | CNN | 图像 | 218名孕妇，共1090张标注图像 | NA | U-Net, SegNeXt | IoU, CCC | NA |
| 110 | 2026-02-20 |
Deep Learning Integration of Endoscopic Ultrasound Features and Serum Data Reveals LTB4 as a Diagnostic and Therapeutic Target in ESCC
2026-Feb-19, Cancer biotherapy & radiopharmaceuticals
DOI:10.1177/10849785251380368
PMID:40965275
|
研究论文 | 本研究通过深度学习整合内镜超声图像特征与血清数据，揭示了LTB4作为食管鳞状细胞癌的诊断和治疗靶点 | 首次将深度学习提取的内镜超声图像特征与血清炎症标志物（特别是LTB4）相结合，用于ESCC的诊断和治疗反应预测 | 样本量较小（仅115例患者），且为单中心前瞻性研究，需要更大规模的多中心验证 | 开发可靠的、非侵入性的生物标志物，用于食管鳞状细胞癌的早期诊断和治疗反应预测 | 115例食管鳞状细胞癌患者及其内镜超声图像和血浆样本 | 数字病理学 | 食管鳞状细胞癌 | 酶联免疫吸附测定（ELISA） | CNN | 图像, 血清数据 | 115例患者 | NA | ResNet50 | NA | NA |
| 111 | 2026-02-20 |
Patch2Space: a registration-free segmentation method for misaligned multimodal medical images
2026-Feb-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4286
PMID:41643314
|
研究论文 | 提出了一种无需配准的、针对未对齐多模态医学图像的分割方法Patch2Space | 提出了统一体空间模块，将未对齐模态的图像块编码并投影到统一空间，并设计了新的空间注意力机制集成到多级特征融合模块中，实现了内部、空间和模态三个层次的特征有效融合 | 未在摘要中明确说明 | 开发一种基于深度学习的多模态图像分割方法，能够从未对齐的多模态图像中学习高质量且强相关的图像特征，无需配准即可获得与对齐图像相当的准确分割结果 | 未对齐的多模态医学图像 | 数字病理学 | NA | 深度学习 | NA | 多模态医学图像 | 1472名患者 | NA | NA | NA | NA |
| 112 | 2026-02-20 |
The utility of artificial intelligence and deep learning to automate and accelerate follicle counts in human ovarian tissue†
2026-Feb-18, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioaf250
PMID:41206485
|
研究论文 | 本文开发了一种基于人工智能和深度学习的方法，用于自动化人类卵巢组织全玻片图像中的卵泡计数 | 整合了DeepLabV3+分割模型和Faster R-CNN目标检测模型，通过合并预测结果提高了卵泡计数的准确性和可重复性 | 分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分为0.27，表明模型性能仍有提升空间 | 开发自动化工具以加速和改善人类卵巢组织中卵泡的定量分析，支持生育力保存的研究和临床决策 | 人类卵巢组织全玻片图像中的卵泡 | 数字病理学 | NA | 组织学评估，全玻片成像 | CNN | 图像 | 来自47名患者的1857张全玻片图像，包含8300个标注卵泡 | NA | DeepLabV3+, Faster R-CNN | Dice系数, 敏感性, 阳性预测值, COCOmetric | NA |
| 113 | 2026-02-20 |
Deep Learning Model for Differentiating Between Neoplastic Pathologic Fracture and Nonpathologic Fracture Using Hip Radiographs
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00344
PMID:41296822
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在髋关节X光片上区分肿瘤性病理性骨折与非病理性骨折 | 首次开发了基于髋关节X光片的深度学习模型，用于区分肿瘤性病理性骨折与非病理性骨折，并在多中心数据上进行了外部验证 | 研究为回顾性设计，且模型性能在外部验证中特异性相对较低 | 提高髋关节X光片上肿瘤性病理性骨折与非病理性骨折的鉴别诊断准确性 | 髋关节X光片 | 计算机视觉 | 骨肿瘤 | X光成像 | 深度学习模型 | 图像 | 训练与内部测试：338名患者；外部验证：488名患者（其中67名为肿瘤性病理性骨折，421名为非病理性骨折） | 未明确提及 | 未明确提及 | 准确率, 敏感度, 特异性 | 未明确提及 |
| 114 | 2026-02-20 |
AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application
2026-Feb-18, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00485
PMID:41364772
|
研究论文 | 本研究开发了一种基于AI的自动化术前规划系统，通过CT-MRI图像融合与分割技术，用于前交叉韧带重建手术的精准规划 | 创新点在于结合了Dual-UNet注册架构进行CT-MRI图像融合，实现了动态3D重建，并利用深度学习框架自动优化ACL隧道定位，具备等距、解剖和个性化特征 | 研究样本主要针对中国汉族人群，年龄范围有限（18-50岁），且男性占比较高（81.0%），可能影响结果的普适性 | 开发并评估一种AI驱动的自动化术前规划系统，以提高前交叉韧带重建手术的准确性和效率 | 前交叉韧带完整的患者膝关节CT和MRI图像，以及进行ACL重建手术的骨模型和临床患者 | 数字病理 | 运动损伤 | CT-MRI图像融合，深度学习 | Dual-UNet | 图像 | 200个膝关节CT和MRI扫描用于训练，36个ACL重建骨模型和72例临床手术（36例AI引导，36例传统手术）用于验证 | NA | Dual-UNet | Dice系数，隧道长度偏差，移植物长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向） | NA |
| 115 | 2026-02-20 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2026-Feb-18, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，用于增强预测蛋白质突变引起的结合亲和力变化 | 通过解耦注意力机制整合结构和序列信息，结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略 | 未在摘要中明确提及 | 准确评估突变对蛋白质-蛋白质相互作用的影响，以理解疾病发病机制并开发靶向疗法 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | 图神经网络, 语言模型 | 结构信息, 序列信息 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 116 | 2026-02-20 |
Host-specific fluorescence dynamics in legume-rhizobium symbiosis during nodulation
2026-Feb-18, Applied and environmental microbiology
IF:3.9Q2
DOI:10.1128/aem.02154-25
PMID:41543262
|
研究论文 | 本研究系统评估了固氮酶系统启动子驱动不同荧光报告基因在豆科植物-根瘤菌共生结瘤过程中的表达效果，并建立了基于深度学习的自动化分析流程 | 首次系统比较了P启动子驱动多种荧光蛋白在确定型和不确定型结瘤系统中的表达特性，并开发了深度学习辅助的高通量结瘤性状分析流程 | 部分红色荧光蛋白（如mScarlet-I、mRFP1）在豌豆中信号弱或不稳定，红色荧光标记体系在某些宿主中仍需优化 | 开发适用于豆科植物-根瘤菌共生研究的可靠荧光报告系统与自动化分析工具 | 豆科植物（确定型和不确定型结瘤系统）与根瘤菌的共生相互作用 | 植物微生物互作 | NA | 荧光报告基因系统、共聚焦显微成像、深度学习图像分析 | 深度学习 | 荧光显微图像 | 多种豆科植物根瘤样本（包括确定型和不确定型结瘤系统） | NA | NA | 与ImageJ标准分析结果的验证对比 | NA |
| 117 | 2026-02-20 |
A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics
2026-Feb-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21901
PMID:41653092
|
研究论文 | 本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激 | 通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力 | 未明确提及具体局限性 | 开发一种简化制造和操作、同时增强功能性和能源效率的下一代柔性传感系统 | 柔性传感器，用于模拟人类皮肤同时检测热和机械刺激的能力 | 机器学习 | NA | 热电和摩擦电传感机制 | 深度学习回归模型 | 电压信号 | NA | NA | NA | 准确率 | NA |
| 118 | 2026-02-20 |
Metadata Resolution Spoofing for Pediatric Application of Adult-Trained Deep Learning Models for Pancreas Segmentation on CT
2026-Feb-18, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.33778
PMID:41090642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 119 | 2026-02-20 |
Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans
2026-Feb-18, Diabetes, obesity & metabolism
DOI:10.1111/dom.70557
PMID:41705581
|
研究论文 | 本研究利用机器学习分析CT扫描，评估2型糖尿病患者的肝脏和腹部脂肪特征 | 首次在大规模、种族多样的疾病生物库中，结合深度学习量化多个腹部影像特征与2型糖尿病的关系 | 研究基于单中心数据，可能受样本选择偏差影响，且糖尿病状态仅通过HbA1c阈值确定 | 探究2型糖尿病与腹部影像特征（如肝脏脂肪变性、内脏脂肪）之间的关联 | 2型糖尿病患者与非糖尿病患者 | 医学影像分析 | 2型糖尿病 | 深度学习 | 深度学习算法 | CT扫描图像 | 1594名患者（包括950名非糖尿病患者和644名糖尿病患者） | NA | NA | 比值比, 置信区间, p值 | NA |
| 120 | 2026-02-20 |
Optimization and External Validation of a Deep Learning Model for Segmentation and Quantification of Traumatic Brain Injury Lesions on Head Computed Tomography
2026-Feb-18, Journal of neurotrauma
IF:3.9Q2
DOI:10.1177/08977151251408798
PMID:41705651
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |