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 1529 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-06-04 |
Deep Learning for scaling large-aperture photoacoustic computed tomography : From single fingers to the human hand
2026-Mar-27, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2026.108081
PMID:41990474
|
研究论文 | 开发一种基于深度学习的增强策略，用于解决大规模孔径光声计算机断层扫描（PACT）在复杂人体手部成像中的图像质量问题 | 提出利用编码器-解码器结构的深度学习模型增强PACT图像质量，仅通过单手指数据集训练即可推广至人手成像，有效解决光学阴影和光路配准问题 | 未明确讨论深度学习模型在更复杂解剖结构或更大样本中的泛化能力，可能受限于训练数据集的多样性和规模 | 提升大规模孔径PACT系统在复杂人体靶标成像中的图像质量，支持外周动脉疾病诊断等临床应用 | 人体手指和手部组织的PACT成像 | 计算机视觉, 数字病理学 | 外周动脉疾病 | 光声计算机断层扫描（PACT） | 编码器-解码器结构深度学习模型 | 图像 | 单手指数据集（含全检测和低检测配对的PACT图像），人类手部成像数据 | NA | 编码器-解码器 | 对比度噪声比（CNR）, 血管结构清晰度 | NA |
| 2 | 2026-06-04 |
Improving severity grading of chemotherapy-induced myelosuppression in AML via data-driven and model-based deep learning
2026-Mar-24, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-026-00687-2
PMID:41876533
|
研究论文 | 提出一个结合机械数学模型与人工智能的两阶段框架MM-AI-AML，利用治疗前临床数据预测急性髓系白血病化疗后骨髓抑制的严重程度 | 首次将机械数学模型与TabNet深度学习分类器结合，利用动态模型生成客观的严重程度标签，实现个性化的风险预测 | 外部验证队列AUC为0.78，性能还有提升空间；依赖479例患者和900虚拟病例的数据量，可能影响泛化能力 | 提高急性髓系白血病化疗诱导骨髓抑制严重程度分级，实现个性化风险预测 | 急性髓系白血病患者化疗后的骨髓抑制严重程度 | 机器学习, 数字病理学 | 急性髓系白血病 | NA | TabNet深度学习分类器 | 临床数据 | 479例AML患者和900个虚拟病例 | PyTorch | TabNet | AUC | NA |
| 3 | 2026-06-04 |
Deep learning-based plaque characterization in hybrid IVUS-OCT images is superior to single-modality deep learning analysis and human experts: head-to-head comparison against histology
2026-Mar-16, Cardiovascular research
IF:10.2Q1
DOI:10.1093/cvr/cvaf281
PMID:41603422
|
研究论文 | 提出一种基于组织学训练的深度学习分类器，用于混合IVUS-OCT图像中的斑块成分分类，并与单模态深度学习和专家分析进行对比 | 首次提出基于组织学训练的混合IVUS-OCT深度学习分类器，能比单模态深度学习和专家更准确地检测斑块成分和表型分类 | 未提供 | 评估混合IVUS-OCT深度学习分类器在斑块特征识别中的性能优势 | 来自10例人类尸体的冠状动脉IVUS-OCT图像及匹配组织学切片 | 数字病理学 | 心血管疾病 | 血管内超声（IVUS）、光学相干断层扫描（OCT） | CNN | 图像 | 992帧用于训练，264帧用于测试，来自10个人类心脏 | Keras | ResNet | 准确率、Kappa系数 | NA |
| 4 | 2026-06-04 |
Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280
2026-Mar-13, Sensors (Basel, Switzerland)
DOI:10.3390/s26061815
PMID:41902180
|
勘误 | 对一篇关于使用深度学习、交替决策树和遥感传感器数据进行山洪潜力绘制的论文进行勘误 | NA | NA | NA | NA | 机器学习 | NA | 遥感传感器 | 深度学习、交替决策树 | 遥感数据 | NA | NA | NA | NA | NA |
| 5 | 2026-06-04 |
Deep learning-based in silico labeling for analyzing morphological features of MSCs to predict immunomodulatory capacity
2026-Mar-10, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09833-2
PMID:41807585
|
研究论文 | 提出非侵入性人工智能框架，结合深度学习与机器学习，通过形态学特征预测间充质干细胞的免疫调节能力 | 首次利用非标记成像技术结合改进的PreAct-ResNet50编码器-解码器架构实现细胞实例分割，并采用LightGBM模型基于形态特征预测MSCs免疫调节生物标志物，实现无损伤实时效能评估 | 未详细说明样本数量及实验验证条件，且模型性能依赖于特定MSCs培养条件，可能影响泛化能力 | 开发非侵入性工具通过细胞形态分析预测间充质干细胞免疫调节能力，提升细胞治疗质量监控效率 | 间充质干细胞及其细胞核 | 计算机视觉, 机器学习 | NA | 光学显微镜成像 | PreAct-ResNet50, LightGBM | 细胞图像 | NA | PyTorch, Scikit-learn | PreAct-ResNet50, LightGBM | 分割精确度, 预测性能指标 | GPU（未明确型号） |
| 6 | 2026-06-04 |
Sex-Based Differences in Imaging-Derived Body Composition and Their Association with Clinical Malnutrition in Abdominal Surgery Patients
2026-Mar-05, Nutrients
IF:4.8Q1
DOI:10.3390/nu18050839
PMID:41830009
|
研究论文 | 研究腹部手术患者中影像学身体成分与临床营养不良的性别差异 | 首次分别探讨男性和女性患者术前影像学身体成分与营养不良的性别特异性关联 | 单中心横断面研究，样本量有限，未涉及术后营养干预的长期随访 | 评估腹部手术患者术前影像学身体成分与临床营养不良的性别特异性关联 | 接受择期腹部手术的成年患者 | 计算机视觉 | 营养不良 | CT成像 | 深度学习算法 | 图像 | 1143例患者 | NA | NA | 比值比（OR）和95%置信区间 | NA |
| 7 | 2026-06-04 |
Deep learning-based generation of synthetic multiphasic MRI in hepatocellular carcinoma and cirrhosis
2026-Mar-04, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2026.101813
PMID:41887530
|
研究论文 | 本研究评估了基于深度学习从平扫序列生成肝细胞癌和肝硬化患者合成3D对比增强多期磁共振成像的可行性 | 首次提出利用深度学习从平扫序列合成高质量的3D对比增强多期肝脏MRI，并在视觉图灵测试等关键定性指标上与真实图像无显著差异 | 基于单中心中等规模数据集的概念验证，需更大规模的多中心研究和外部验证 | 评估深度学习生成模拟真实对比增强MRI的合成图像在肝细胞癌和肝硬化中的可行性 | 肝细胞癌和肝硬化患者的肝脏MRI数据 | 数字病理学 | 肝细胞癌， 肝硬化 | MRI | 生成对抗网络 | 图像 | 来自185名HCC患者和182名肝硬化患者的533次MRI检查，共3198个MRI相位 | NA | 3D cycle-consistent GAN | 结构相似性指数，重叠率，对称平均绝对百分比误差，准确率，精确率，Fleiss's Kappa | NA |
| 8 | 2026-06-04 |
Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis
2026-Mar, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.70167
PMID:41588994
|
系统综述与荟萃分析 | 评估人工智能模型结合术前前列腺MRI图像与临床参数预测前列腺癌包膜外侵犯的诊断性能 | 首次系统评价并荟萃分析整合影像组学与临床参数的AI模型在前列腺癌包膜外侵犯预测中的诊断效能，并比较深度学习与传统机器学习方法的差异 | 研究间存在MRI协议、分割方法和建模方式的异质性；深度学习与传统机器学习的准确率差异未达到统计学显著性 | 评估AI模型整合术前前列腺MRI与临床参数预测前列腺癌包膜外侵犯的诊断价值 | 前列腺癌患者的术前MRI图像和临床参数（如PSA、Gleason评分） | 医学影像分析， 机器学习 | 前列腺癌 | NGS, ONT, RNA-seq, methylation sequencing | 深度学习， 传统机器学习 | 图像（前列腺MRI）、文本（临床参数） | 2,131名前列腺癌患者（来自14项研究） | NA | NA | 灵敏度， 特异度， AUC， 诊断比值比 | NA |
| 9 | 2026-06-04 |
Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis
2026-Mar, Autism research : official journal of the International Society for Autism Research
IF:5.3Q1
DOI:10.1002/aur.70189
PMID:41589917
|
研究论文 | 探索自闭症儿童父母压力与亲子韵律同步性之间的关系，并分析照顾者角色对互动的影响 | 结合复杂动态系统和情感计算框架，利用深度学习模型自动分割亲子声学互动，通过交叉递归量化分析建模韵律同步，并首次揭示父亲与母亲在亲子互动韵律同步中的差异 | 样本量较小（62对亲子），仅包含自闭症学龄前儿童，且仅关注结构化游戏互动场景 | 探究父母压力对自闭症儿童亲子互动中韵律同步性的影响，以及照顾者角色（母亲与父亲）的作用 | 31名自闭症学龄前儿童及其父亲和母亲（共62对亲子） | 自然语言处理 | 自闭症 | 深度学习模型 | 深度学习模型 | 声学数据 | 31名自闭症儿童及其母亲和父亲（62对亲子），在两个时间点（间隔12个月）进行交互采样 | NA | 深度学习模型 | 交叉递归量化分析指标 | NA |
| 10 | 2026-06-04 |
Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review
2026-Mar, World journal of pediatrics : WJP
IF:6.1Q1
DOI:10.1007/s12519-025-00999-z
PMID:41593252
|
综述 | 本文综述了人工智能技术在儿童神经发育障碍诊断中的应用现状与挑战 | 系统梳理了深度学习、监督机器学习、决策支持系统和生物信号分析等多种AI技术在儿童神经发育障碍诊断中的最新进展 | 研究设计、人群和算法标准化存在差异，面临数据隐私、可解释性、公平性及算法偏见等伦理问题 | 总结当前AI技术提升儿童神经发育障碍诊断准确性的证据 | 儿童神经发育障碍的诊断技术 | 机器学习 | 神经发育障碍 | NA | 深度学习模型、监督机器学习模型 | 神经影像、生物信号 | 22项研究 | NA | NA | 诊断准确率 | NA |
| 11 | 2026-06-04 |
Deep learning outperformed radiomics based on MRI in the differentiation of sinonasal small round cell and non-small round cell malignant tumors
2026-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2026.112700
PMID:41604786
|
研究论文 | 比较深度学习与影像组学基于MRI在区分鼻腔小圆细胞与非小圆细胞恶性肿瘤中的诊断性能 | 首次系统比较深度学习与影像组学在MRI基础上区分鼻腔小圆细胞与非小圆细胞恶性肿瘤的性能 | 深度学习模型与影像组学模型在独立测试队列中的AUC差异未达到统计学显著性 | 比较深度学习与影像组学模型在术前MRI分类中的诊断性能 | 鼻腔小圆细胞与非小圆细胞恶性肿瘤的MRI图像 | 计算机视觉 | 鼻腔肿瘤 | MRI | 卷积神经网络 | 图像 | 325例患者（163例SRCMTs，162例非SRCMTs） | PyTorch | ResNet-18, ResNet-34, ResNet-50, VGG13, VGG16 | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 12 | 2026-06-04 |
Hit identification in ultra large virtual screening: an integrative review and future challenges
2026-Mar, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2026.104616
PMID:41611169
|
综述 | 本文综述了超大规模虚拟筛选在命中化合物发现中的策略、平台及未来挑战 | 系统梳理了基于结构、配体、药效团、片段及混合工作流的ULVS策略，并强调机器学习与深度学习的整合应用 | 评分准确性、资源效率和泛化能力仍存在挑战 | 总结ULVS现状并指出未来发展方向 | 超大规模虚拟筛选策略与平台 | 机器学习 | NA | 虚拟筛选 | NA | 化合物数据 | NA | NA | NA | NA | VirtualFlow, RosettaVS, Deep Docking, V-SYNTHES |
| 13 | 2026-06-04 |
Deep Learning-Based Virtual Elastin Staining Improves Visceral Pleural Invasion Assessment in Lung Cancer
2026-Mar, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100966
PMID:41616975
|
研究论文 | 提出一种深度学习管道，从标准H&E切片生成虚拟弹性蛋白染色，以提高非小细胞肺癌内脏胸膜侵犯评估的准确性 | 利用同一H&E切片的固有伊红荧光生成完美配准的高保真真实数据用于训练条件生成对抗网络，消除了多切片方法中常见的空间错位问题 | NA | 开发一种替代特殊弹性蛋白染色的虚拟染色方法，以提高肺癌内脏胸膜侵犯的诊断准确性 | 非小细胞肺癌患者的内脏胸膜侵犯评估 | 数字病理学 | 肺癌 | H&E染色 | 条件生成对抗网络 | 图像 | 多个机构验证 | PyTorch | 条件生成对抗网络 | 诊断准确率 | NA |
| 14 | 2026-03-07 |
Assessing the reversibility of bronchiectasis with deep learning - Authors' reply
2026-Mar, The Lancet. Respiratory medicine
DOI:10.1016/S2213-2600(25)00461-8
PMID:41786370
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15 | 2026-06-04 |
Optimizing atrial fibrillation detection through ECG feature selection using Extra-Trees and statistical association measures
2026 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 提出一种结合极端随机树与统计关联指标的混合特征选择方法，用于优化房颤检测中的心电图特征筛选 | 引入特征重要性得分和总体特征重要性得分两个新指标，实现可解释且生理意义明确的特征筛选 | 未在独立外部数据集验证，且手工特征提取可能忽略深层特征 | 开发客观识别最具辨别力的心电图特征的方法，以提高房颤检测的准确性和可解释性 | 房颤患者与正常窦性心律患者的心电图信号 | 机器学习 | 房颤 | 心电图 | 极端随机树 | 数值特征 | 接受房颤导管消融患者的心电图记录 | Scikit-learn | 极端随机树 | 特征重要性得分 | NA |
| 16 | 2026-06-04 |
Systematic review of artificial intelligence in brachytherapy
2026-Mar, Journal of contemporary brachytherapy
IF:1.1Q3
DOI:10.5114/jcb.2026.160595
PMID:42232846
|
review | 系统综述人工智能在近距离放射治疗中的应用，包括深度学习和机器学习方法，并与当前临床标准进行定量和/或定性比较 | 首次系统综述人工智能在近距离放疗全流程（从重建到剂量计算及结果预测）中的应用，并评估其与临床标准的差异 | 文献高度回顾性，可能缺乏前瞻性临床验证 | 系统评估人工智能在近距离放疗中的应用现状与临床适用性 | 近距离放疗中的人工智能方法（深度学习/机器学习） | 机器学习 | 前列腺癌，妇科癌症，乳腺癌，脉络膜癌，头颈癌 | NA | 深度学习，机器学习 | NA | 232项研究 | NA | NA | 准确度 | NA |
| 17 | 2026-06-03 |
A novel interpretable classification of lumbar spinal stenosis using a cascade deep learning approach and T2-weighted MRI
2026-Mar-27, Journal of neurosurgery. Spine
DOI:10.3171/2025.10.SPINE25878
PMID:41894804
|
研究论文 | 提出一种基于级联深度学习方法和T2加权MRI的腰椎管狭窄可解释分类新方法 | 首次提出三阶段深度学习流水线，实现腰椎管狭窄的自动识别、分类和分级，并利用梯度加权类激活映射提高模型可解释性 | 未提及对多节段脊柱疾病分析和诊断不足问题的改进，外部验证集仅包含8000个切片 | 提高腰椎管狭窄诊断的准确性和一致性，提供可靠、可解释的自动检测分级工具 | 腰椎管狭窄患者MRI图像 | 计算机视觉 | 腰椎管狭窄 | MRI | CNN | 图像 | 训练集640名患者，17440个MRI切片；外部验证集8000个切片 | NA | NA | 准确率 | NA |
| 18 | 2026-06-03 |
Optimizing wastewater treatment through combined deep learning and deep reinforcement learning: Recent advances and future prospects
2026-Mar-15, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2026.123795
PMID:41547426
|
综述 | 综述了深度学习和深度强化学习在污水处理优化中的最新进展与未来前景 | 清晰阐述了深度学习与深度强化学习在污水处理中不同的应用适用性及优势，并强调了标准化开放数据平台、开源模型库与模型透明性整合的必要性 | 智能系统在污水处理厂实际运营中的应用仍面临挑战，需要可靠和标准化的数据采集 | 探讨深度学习和深度强化学习在污水处理过程优化中的应用潜力与优势 | 污水处理厂中的过程优化问题，包括故障检测、水质预测、实时监测、自适应控制与多目标优化 | machine learning | NA | NA | 深度学习和深度强化学习 | 时间序列数据 | NA | NA | NA | NA | NA |
| 19 | 2026-06-03 |
Unlocking 2D/3D+T myocardial mechanics from cine MRI: a mechanically regularized space-time finite element correlation framework
2026-Mar, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2026.103944
PMID:41547064
|
研究论文 | 提出一种时空正则化的有限元数字图像/体积相关框架，用于从常规电影MRI实现二维和三维加时间的心肌运动跟踪与应变分析 | 统一多视图对齐与二维/三维加时间运动估计，结合区域特定生物力学正则化与数据驱动的时域分解，并通过相关性多视图对齐模块增强解剖一致性 | 未报告计算资源或时间成本，且三维加时间运动估计仅在一个临床数据集上验证 | 实现准确且生物力学一致的心肌运动量化，推动四维心脏功能评估 | 心肌运动与应变 | 计算机视觉 | NA | 电影MRI | 有限元数字图像/体积相关框架 | 图像 | 一个合成数据集、三个公开数据集和一个临床数据集 | NA | 有限元模型 | 位移均方根误差、应变均方根误差、时间一致性、地标误差、边界跟踪Dice系数 | NA |
| 20 | 2026-06-03 |
Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.050
PMID:41547629
|
研究论文 | 开发一种少样本深度学习模型CL-MGNET，整合18F-PSMA-1007 PET/CT和多参数MRI影像及临床数据，预测前列腺癌高风险生物学特征，并在多中心数据中验证其泛化能力 | 设计了专用于融合多模态影像和临床数据的少样本深度学习网络CL-MGNET，在极有限训练数据（30例）下实现高精度预测，并在独立外部验证集上保持优异表现 | 回顾性研究设计，且外部验证样本量较小（36例），可能限制结论的普适性 | 开发并验证一种能够在数据有限条件下准确预测前列腺癌高风险生物学特征（ISUP分级、包膜外侵犯、手术切缘阳性）的深度学习模型 | 377例前列腺癌患者的多模态影像（18F-PSMA-1007 PET/CT和mpMRI）及临床数据 | 计算机视觉 | 前列腺癌 | PET/CT, mpMRI | 深度学习网络 | 影像， 临床数据 | 377例患者（中心A 341例，中心B 36例） | NA | CL-MGNET | AUC | NA |