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 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 | 2026-04-14 |
Amide proton transfer-weighted (APTw) CEST MRI in clinical routine for single time point diagnosis of pseudoprogression in IDH-wildtype glioblastoma
2026-Mar-01, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noaf261
PMID:41233976
|
研究论文 | 本研究评估了酰胺质子转移加权（APTw）MRI在临床常规中用于单时间点诊断IDH野生型胶质母细胞瘤假性进展的可行性和诊断性能 | 首次将APTw MRI整合到脑肿瘤成像的常规临床工作流程中，并利用基于深度学习的3D肿瘤分割方法自动量化APTw信号，以区分进行性疾病和治疗相关效应 | 诊断准确性在抗血管生成治疗应用后和后期随访时间点下降，且样本量相对有限（65次扫描） | 评估APTw MRI在区分胶质母细胞瘤进行性疾病和治疗相关效应（特别是假性进展）中的临床可行性和诊断性能 | IDH野生型胶质母细胞瘤患者 | 数字病理学 | 胶质母细胞瘤 | 酰胺质子转移加权（APTw）MRI，扩散加权成像（DWI），灌注加权成像（PWI） | 深度学习 | MRI图像 | 626名患者的870次扫描，其中143名胶质母细胞瘤患者的256次MRI扫描，包含65次进行性疾病（42例）或治疗相关效应（23例）的扫描 | NA | NA | ROC曲线下面积（AUC） | NA |
| 342 | 2026-04-14 |
Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies
2026-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70189
PMID:41348934
|
综述 | 本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域 | 综合评估了AI在前列腺MRI中多个应用领域的证据水平、验证状态和采用障碍，并强调了从原型到常规实践的转化挑战 | 分流、质量控制和预后领域仍处于早期发展阶段，且需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流试验 | 探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台用于早期检测和人群级前列腺癌管理 | 前列腺MRI图像及其在癌症检测、风险分层和预后建模中的应用 | 数字病理学 | 前列腺癌 | MRI | 深度学习, 机器学习 | 图像 | NA | NA | NA | 非劣效性 | NA |
| 343 | 2026-04-14 |
Migrating in a Warming World: A Deep Learning Approach to Predict Pan-American Seasonal Shifts in the Monarch Butterfly Niche
2026-Mar, Global change biology
IF:10.8Q1
DOI:10.1111/gcb.70805
PMID:41891163
|
研究论文 | 本研究开发了一种时间感知的深度学习物种分布模型，用于预测帝王蝶在气候变化下的季节性生态位迁移 | 提出了一种时间感知的深度学习物种分布模型，能够捕捉迁徙物种的季节性动态，相比传统静态模型在预测准确性和时间泛化性方面表现更优 | 模型主要依赖气候变量，可能未完全考虑其他生态因素如栖息地质量、人类活动等对物种分布的影响 | 预测帝王蝶在气候变化下的季节性生态位迁移，为迁徙物种保护提供科学依据 | 帝王蝶（Danaus plexippus） | 机器学习 | NA | 深度学习物种分布建模 | 深度学习模型 | 物种出现记录、月度气候变量数据 | 来自美洲各地的帝王蝶出现记录，包括科学和公民科学来源 | NA | NA | NA | NA |
| 344 | 2026-04-14 |
Social compatibility in opposite-sex prairie vole pairs is modulated by early-life sleep experience
2026-Mar, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3003434
PMID:41894400
|
研究论文 | 本研究利用深度学习工具分析草原田鼠异性配对的社会互动，探讨早期睡眠经历对成年后社会亲和力的影响 | 首次在非人动物模型中量化验证了神经类型匹配现象（类似人类研究中的自闭症配对模式），并通过早期睡眠干扰模拟不同神经发育轨迹 | 研究仅使用草原田鼠单一物种，且早期睡眠干扰模型可能无法完全模拟人类神经发育障碍的复杂性 | 探究早期睡眠经历如何影响成年后的社会兼容性及配对行为 | 草原田鼠（Microtus ochrogaster）异性配对 | 动物行为学, 计算神经科学 | 神经发育障碍（模拟） | 早期睡眠干扰（ELSD）, 深度学习行为分析 | 深度学习模型（未指定具体类型） | 行为视频数据 | 草原田鼠配对群体（具体数量未说明） | 未指定 | 未指定 | 社会亲和力指标、攻击行为频率、身体朝向角度 | 未指定 |
| 345 | 2026-04-14 |
Automated lipid detection in spectroscopic optical coherence tomography using a weakly supervised deep learning network
2026-Mar-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.585222
PMID:41970572
|
研究论文 | 本研究开发了一种基于弱监督深度学习的框架，用于从光谱光学相干断层扫描数据中自动检测和定位脂质，以减少对密集人工标注的需求 | 将光谱信息引入OCT并结合弱监督深度学习，实现了无需硬件修改的自动、成分感知的组织表征，并利用Grad-CAM生成可解释的激活图 | 研究在兔主动脉组织上进行验证，尚未在人体临床数据中进行大规模测试 | 开发一种用于血管内成像的自动脂质检测和定位方法，以评估冠状动脉易损性 | 兔主动脉组织 | 计算机视觉 | 心血管疾病 | 光谱光学相干断层扫描 | CNN | 图像 | 未明确说明，使用兔主动脉组织样本 | 未明确说明 | ResNet-34, CBAM | 弧段级重叠一致性 | NA |
| 346 | 2026-04-14 |
CC-DenseSTORM: deep learning enables colorimetry camera-based simultaneous two-color single-molecule localization microscopy with dense emitters
2026-Mar-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.587452
PMID:41970570
|
研究论文 | 本文提出了一种基于深度学习的CC-DenseSTORM方法，用于提高基于比色相机的双色单分子定位显微镜在密集发射体情况下的性能 | 引入了注意力门控标准卷积U-Net来消除结构伪影，并采用双通道自适应分类网络进行稳健的染料分类，从而在密集发射体条件下显著提升检测率 | 未明确提及实验样本量的具体限制或算法在其他细胞类型或更复杂生物环境中的泛化能力 | 开发一种改进的深度学习算法，以解决基于比色相机的双色单分子定位显微镜在密集发射体区域面临的结构伪影和低检测率问题 | 多发性骨髓瘤细胞 | 计算机视觉 | 多发性骨髓瘤 | 单分子定位显微镜 | U-Net, 分类网络 | 图像 | NA | NA | 注意力门控标准卷积U-Net, 双通道自适应分类网络 | 检测率, 数据拒绝率, 串扰 | NA |
| 347 | 2026-04-14 |
Label-free intraoperative imaging of hemodynamics using deep learning
2026-Mar-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.582171
PMID:41970583
|
研究论文 | 提出一种无标记的跨模态生成框架，利用激光散斑对比成像和白光成像合成平均通过时间图，用于术中血流动力学可视化 | 开发了一种无需造影剂的跨模态生成框架，能够从LSCI和WLI数据中合成MTT图，实现动脉-静脉区分和血流方向推断，将总成像时间减少95.8% | 目前仅在鼠脑模型中进行实验验证，尚未在人体临床环境中测试 | 开发一种快速、高效且无需造影剂的术中血流动力学成像方法，以替代传统的吲哚菁绿荧光成像 | 鼠脑的血管结构和血流动力学 | 计算机视觉 | 神经外科相关疾病 | 激光散斑对比成像（LSCI）、白光成像（WLI）、吲哚菁绿荧光成像（ICG-FI） | 深度学习模型（具体类型未明确说明） | 图像（LSCI和WLI图像） | NA | NA | 跨模态生成框架（具体架构未明确说明） | 血管结构清晰度、动脉-静脉区分准确性、血流方向解码可靠性、成像时间减少百分比（95.8%） | NA |
| 348 | 2026-04-14 |
Lightweight CycleGAN models for cross-modality image transformation and experimental quality assessment in fluorescence microscopy
2026-Mar-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.578297
PMID:41970592
|
研究论文 | 本文提出了一种基于轻量化CycleGAN的模型，用于荧光显微镜中跨模态图像转换及实验质量评估 | 在U-Net生成器中引入了固定通道策略，替代传统的通道翻倍方法，将可训练参数从4180万大幅减少至约9千，同时保持或略微提升性能 | 未明确提及模型在更广泛生物样本或不同成像条件下的泛化能力 | 开发轻量化深度学习模型，实现荧光显微镜图像的跨模态转换，并评估其作为实验质量定性标记的潜力 | 标准共聚焦显微镜图像、超分辨率STED图像及解卷积STED图像 | 计算机视觉 | NA | 荧光显微镜，超分辨率STED成像 | GAN, CycleGAN | 图像 | NA | NA | U-Net, CycleGAN, Pix2Pix | NA | GPU |
| 349 | 2026-04-14 |
Wheat spikelet detection on RGB images using deep machine learning
2026-Mar, Vavilovskii zhurnal genetiki i selektsii
IF:0.9Q3
DOI:10.18699/vjgb-26-09
PMID:41971653
|
研究论文 | 本研究提出了一种基于简化点标注和深度学习的小麦穗粒检测方法，用于自动化高通量表型分析 | 采用简化的点标注（仅标记穗粒中心）替代传统分割掩码或边界框标注，显著降低了标注成本和时间，并探索了三种计算方法（U-Net分割、密度回归、YOLOv8检测）来利用这种简化标注 | YOLOv8方法性能较低，可能由于固定尺寸边界框与穗粒自然细长形状之间的几何不匹配 | 开发自动化高通量小麦穗粒表型分析方法 | 小麦穗粒 | 计算机视觉 | NA | 深度学习，计算机视觉 | CNN | RGB图像 | NA | NA | U-Net, YOLOv8 | MAE, MAPE, Precision, Recall, F1 score | NA |
| 350 | 2026-04-01 |
Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study
2026-Mar-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08165-1
PMID:41913156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 351 | 2026-04-12 |
AI-Driven Species Sensitivity Distribution (AI-4-SSD) Framework for Predicting Aquatic Ecological Risks of Chemical Pollutants in Global Near-Coastal Environments
2026-Mar-27, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c00675
PMID:41891423
|
研究论文 | 本文提出了一种基于AI的框架（AI-4-SSD），用于预测全球近岸环境中化学污染物的暴露、水生毒性和风险 | 开发了多模态深度学习模型作为框架核心，首次实现从化学暴露到种群水平水生毒性的全链条预测，并识别出高风险化学物质 | 研究仅针对八种海洋物种和约3000种目标化学物质，可能未涵盖所有潜在污染物和生物多样性影响 | 预测全球近岸环境中化学污染物的水生生态风险，以保护海洋生物多样性 | 全球近岸环境中的化学污染物及其对海洋物种的影响 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 化学数据、毒性数据 | 约3000种目标化学物质，涉及八种海洋物种（跨三个门） | NA | 多模态深度学习模型 | 测试集R²为0.85 | NA |
| 352 | 2026-04-12 |
Deep Learning Enables Pixel-Level Nanoparticle Distribution Mapping in Routine Histological Sections by Integrating Cancer Associated Fibroblasts Features
2026-Mar-27, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.6c01365
PMID:41893882
|
研究论文 | 本研究提出了一种名为NanoNet的深度学习框架，利用成纤维细胞活化蛋白免疫染色来空间表征癌症相关成纤维细胞，并高分辨率预测纳米颗粒在肿瘤组织中的分布 | 首次开发了能够整合癌症相关成纤维细胞特征、从常规组织切片实现像素级纳米颗粒分布预测的深度学习框架，突破了传统医学成像技术在检测纳米颗粒分布方面的局限性 | 未明确说明模型在其他肿瘤类型或更大样本量中的泛化能力，也未详细讨论临床转化所需的技术验证步骤 | 开发能够高精度预测肿瘤内纳米颗粒空间分布的深度学习模型，以优化纳米药物设计和个性化纳米医学 | 肿瘤组织切片中的纳米颗粒分布与癌症相关成纤维细胞的空间关系 | 数字病理学 | 癌症 | 免疫染色（FAP免疫染色）、组织切片成像 | 深度学习模型 | 组织切片图像 | 未明确说明 | 未明确说明 | NanoNet | ICC（组内相关系数）, R² | 未明确说明 |
| 353 | 2026-04-11 |
FloraSyntropy-net: scalable deep learning with novel FloraSyntropy archive for large-scale plant disease diagnosis
2026-Mar-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-026-01519-4
PMID:41845427
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 354 | 2026-04-12 |
HMP-MUNet: A Hybrid Deep Learning Framework for Automated Skin Lesion Segmentation in Dermoscopic Images
2026-03-17, Journal of visualized experiments : JoVE
DOI:10.3791/69449
PMID:41941514
|
研究论文 | 本文提出了一种用于皮肤镜图像中皮肤病变自动分割的混合深度学习框架HMP-MUNet | 结合状态空间模型与先进多尺度处理能力，通过高阶视觉状态空间模块、多尺度扩张注意力融合网络和并行多深度灵活网络的创新架构设计，在显著减少参数量的同时保持高分割精度 | 需要进一步的临床验证 | 开发一种在保持高诊断准确性的同时具有计算效率的皮肤病变自动分割方法 | 皮肤镜图像中的皮肤病变 | 计算机视觉 | 皮肤癌 | NA | 深度学习 | 图像 | PH2和ISIC2018基准数据集 | NA | U-Net, 高阶视觉状态空间模块, 多尺度扩张注意力融合网络, 并行多深度灵活网络 | Dice相似系数 | NA |
| 355 | 2026-04-11 |
Improved polygenic risk prediction for alzheimer's disease and related dementias using deep learning: age and APOE-stratified analysis
2026-Mar-12, Alzheimer's research & therapy
DOI:10.1186/s13195-026-02011-w
PMID:41821099
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 356 | 2026-03-05 |
Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction
2026-Mar-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02251-0
PMID:41776433
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 357 | 2026-04-12 |
Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration
2026-Mar-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000001037
PMID:41148218
|
综述 | 本文综述了人工智能在重症监护肾病学中的当前应用、新兴技术以及临床整合面临的挑战 | 概述了包括保形预测、因果推断和强化学习在内的新兴AI技术，以及生成式AI和大语言模型在重症监护肾病学中的潜在应用，并提出了推动该领域发展的四项优先事项 | AI对以患者为中心的结果（如死亡率、透析依赖性和成本效益）的影响仍不确定，并且存在数据异质性、外部验证有限、警报疲劳和经济约束等持续障碍 | 探讨人工智能在重症监护肾病学领域的应用潜力、现有挑战及未来发展方向 | 重症监护肾病学中的临床实践、患者管理及AI工具 | 机器学习 | 肾病 | 机器学习，深度学习，强化学习，生成式AI，大语言模型 | NA | 临床数据 | NA | NA | NA | 预测准确性，诊断能力 | NA |
| 358 | 2026-04-12 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2026-Mar, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图（ECG）和深度学习的非侵入性血红蛋白（Hb）估计模型，用于检测贫血并预测全因死亡率和新发心力衰竭风险 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并评估其对心血管风险的预测能力 | 研究为回顾性设计，可能存在选择偏倚；模型性能在轻度贫血检测中较低；外部验证集性能略有下降 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其诊断和预后价值 | 心电图信号和对应的血红蛋白水平数据 | 机器学习 | 贫血,心血管疾病 | 心电图（ECG）分析 | 深度学习模型（DLM） | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | 受试者工作特征曲线下面积（AUC）, 灵敏度, 特异性, Pearson相关系数, 风险比（HR） | NA |
| 359 | 2026-04-12 |
A universal framework for IMRT dose prediction
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70384
PMID:41833521
|
研究论文 | 本文提出了一种名为UniDose的深度学习通用剂量预测模型，旨在适应多种疾病部位和临床场景，特别是针对任意射束配置的IMRT治疗计划 | UniDose模型通过广义输入通道设计（包括归一化处方剂量图、加权避让掩码和射束追踪图像）以及基于nnU-Net的定制化网络架构，实现了跨疾病部位和射束配置的通用剂量预测，并结合了参考引导的优化引擎以确保预测剂量的物理可实现性 | 模型在训练和测试中使用了871名患者的数据，尽管覆盖了25种疾病部位，但可能仍需更大规模、更多样化的数据集以进一步提升泛化能力；此外，模型依赖于特定的射束追踪算法和优化引擎，可能限制了其在其他技术平台上的直接应用 | 开发一个通用的深度学习剂量预测框架，以提升IMRT治疗计划的质量和效率，并增强模型在真实世界多样化临床场景中的适用性 | IMRT治疗计划中的剂量分布预测，重点关注多种疾病部位（如前列腺、肝脏、脑部等）和任意射束配置 | 医学影像分析 | 多种癌症（包括前列腺癌、肝癌、脑瘤等） | 深度学习，射线追踪算法，剂量优化 | CNN | 3D医学影像数据，剂量分布图 | 871名患者，涵盖25种疾病部位 | PyTorch（基于nnU-Net框架） | nnU-Net | Gamma通过率（GPR），剂量体积直方图（DVH）指标 | NA |
| 360 | 2026-04-11 |
Artificial intelligence in retinal vein occlusion: Current applications, challenges, and future directions
2026-Mar-30, Survey of ophthalmology
IF:5.1Q1
|
综述 | 本文综述了人工智能在视网膜静脉阻塞（RVO）中的应用现状、挑战及未来方向 | 采用综合导向框架，识别了研究中的统一方法趋势，并评估了其临床相关性和转化成熟度 | 大多数证据仍局限于回顾性研究环境，数据集小且主要为单中心，外部和前瞻性验证有限，标注和报告标准不一致 | 探讨人工智能在RVO的早期检测、客观风险分层和个性化管理中的应用 | 视网膜静脉阻塞（RVO） | 计算机视觉 | 视网膜静脉阻塞 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |