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 1560 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2026-04-04 |
Recent advances and current landscape of software tools for image analysis and dosimetry in nuclear medicine
2026-Mar-08, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-026-00847-7
PMID:41795779
|
综述 | 本文综述了核医学图像分析和剂量学软件工具的最新进展与现状 | 强调AI驱动的分割和时间-活性曲线建模作为提高工作流效率的关键创新，并探讨开源工具在资源受限环境中的可及性 | 现有工具在复杂剂量学场景（如α和俄歇疗法）中的验证、标准化和鲁棒性开发仍需加强 | 评估和促进核医学图像处理与剂量学软件工具的应用，以提升治疗安全性和疗效评估 | 核医学图像分析软件工具，包括开源和商业解决方案 | 数字病理 | NA | SPECT/CT, PET/CT, 深度学习 | NA | 图像 | NA | NA | NA | 准确性, 可重复性 | NA |
| 742 | 2026-04-04 |
Expression of Concern on “A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features"
2026-03, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202603_37714
PMID:41925352
|
声明 | 期刊编辑与出版商针对一篇已发表论文中参考文献的相关性问题发布关切声明 | NA | 作者未对参考文献相关性质疑作出回应，问题尚未解决 | NA | NA | NA | 自闭症谱系障碍 | NA | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 743 | 2026-04-04 |
Side- and patient-based performance of a deep learning system based on the results of individual detection of carotid artery calcifications on panoramic radiographs
2026-Mar, Imaging science in dentistry
IF:1.7Q3
DOI:10.5624/isd.20250232
PMID:41928842
|
研究论文 | 本研究开发了两种用于全景X光片上颈动脉钙化诊断的深度学习系统，并比较了它们在钙化点、单侧和患者层面的诊断性能 | 开发了两种具有不同检测范围的深度学习系统（全图检测与双侧颈部区域限制检测），并首次系统比较了钙化点层面、单侧层面和患者层面三种评估方式的诊断性能 | 研究中观察到相对较多的假阳性病例 | 开发用于全景X光片上颈动脉钙化自动诊断的深度学习系统，并评估其在不同评估层面的性能 | 全景X光片图像 | 数字病理学 | 心血管疾病 | 全景X光摄影 | 深度学习检测模型 | 医学图像（X光片） | 580名患者（290名有颈动脉钙化，290名无钙化对照） | NA | NA | 召回率, 精确率, F1分数, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC | NA |
| 744 | 2026-04-04 |
YOLOv8m-segmentation for detecting cervical burnout and caries in bitewing radiographs: A deep learning approach
2026-Mar, Imaging science in dentistry
IF:1.7Q3
DOI:10.5624/isd.20250194
PMID:41928845
|
研究论文 | 本研究评估了YOLOv8m-seg模型在咬翼X光片上检测和描绘邻面龋及牙颈部烧灼伤的性能，并探讨了增加训练轮次对分割精度和一致性的影响 | 首次将YOLOv8m-seg模型应用于牙科X光片中同时检测龋齿和牙颈部烧灼伤，并系统研究了训练轮次对分割性能的影响 | 模型在非增强验证子集上的性能有所下降，未来需要在更广泛人群和多样化临床环境中评估模型的泛化能力 | 开发一种基于深度学习的自动检测方法，用于在咬翼X光片上区分邻面龋和牙颈部烧灼伤 | 咬翼X光片中的邻面龋和牙颈部烧灼伤病变 | 计算机视觉 | 牙科疾病 | 深度学习，图像分割 | YOLO | X光图像 | 1,410张咬翼X光片（1,128张训练，282张验证） | Ultralytics | YOLOv8m-seg | 精确率，召回率，mAP0.5，mAP0.5-0.95 | NA |
| 745 | 2026-04-01 |
Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics
2026-Mar-31, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.6c00407
PMID:41830590
|
研究论文 | 本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台 | 采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性 | 未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据 | 开发一种快速、低成本、高精度的微塑料定量检测技术 | 经香豆素6染色的微塑料荧光显微图像 | 计算机视觉 | NA | 荧光显微成像 | CNN | 图像 | NA | NA | YOLO v11 | NA | NA |
| 746 | 2026-04-01 |
Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification
2026-Mar-31, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c07113
PMID:41842761
|
研究论文 | 本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别 | 提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐 | NA | 增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战 | 七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株 | 机器学习 | 细菌感染 | 拉曼光谱 | 深度学习 | 光谱数据 | 七种细菌物种的多个批次和菌株样本，以及六种临床分离株 | NA | Raman Spectral Classification Discrepancy Model (RSCDM) | 分类准确率 | NA |
| 747 | 2026-04-01 |
A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model
2026-Mar-31, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae55a8
PMID:41871464
|
研究论文 | 本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化 | 结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析 | 研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应 | 客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据 | 孕妇的脑电图信号 | 机器学习 | NA | 脑电图 | CNN, BiLSTM | 脑电图信号 | 未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据 | 未明确指定，但可能基于TensorFlow或PyTorch | VMD-CNN-BiLSTM混合架构 | 准确率, 损失值 | NA |
| 748 | 2026-04-01 |
Neurosurgical Application of Artificial Intelligence in Pediatric Neuro-Oncology
2026-Mar-31, Journal of Korean Neurosurgical Society
IF:1.4Q3
DOI:10.3340/jkns.2026.0085
PMID:41913971
|
综述 | 本文综述了人工智能在儿童神经肿瘤学围手术期的应用，包括术前分子分型、术中快速诊断和术后预后评估 | 系统性地阐述了AI在儿童神经肿瘤围手术期全流程的整合应用，并探讨了如何通过AI解决该领域因疾病多样性带来的临床挑战 | 数据稀缺性和算法的“黑箱”特性仍然是主要限制 | 探讨人工智能如何解决儿童神经肿瘤学围手术期未满足的临床需求 | 儿童中枢神经系统肿瘤 | 数字病理学 | 儿童神经肿瘤 | Oxford Nanopore测序，刺激拉曼组织学 | 神经网络分类器，深度学习模型 | 影像，基因组数据，临床数据 | NA | NA | NA | NA | NA |
| 749 | 2026-04-01 |
Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study
2026-Mar-30, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2025-337938
PMID:41856522
|
研究论文 | 本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果 | 结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层 | 研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认 | 开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 单细胞RNA测序，对比增强CT成像 | 深度学习，传统影像组学 | 图像，转录组数据 | 1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人） | NA | 早期融合模型，晚期融合模型 | 生存分层，风险分层 | NA |
| 750 | 2026-04-01 |
Inverse treatment planning using deep learning-based organs at risk in radiotherapy for head and neck cancer: a prospective planning study
2026-Mar-30, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-026-02519-y
PMID:41912924
|
研究论文 | 本研究评估了在头颈癌放疗中，使用基于深度学习的危及器官自动分割进行逆向治疗计划的可行性和临床可接受性 | 首次前瞻性地将基于深度学习的危及器官自动分割应用于头颈癌放疗的逆向治疗计划中，并评估其临床可行性 | 单中心研究，样本量较小（25名患者），需要更大规模研究来验证结果并推进全自动化工作流程 | 评估基于深度学习的危及器官自动分割在头颈癌放疗逆向治疗计划中的临床可行性和效果 | 头颈鳞状细胞癌患者 | 数字病理学 | 头颈癌 | 放射治疗计划，深度学习自动分割 | 深度学习模型 | 医学影像数据 | 25名接受根治性或术后（化疗）放疗的头颈癌患者 | NA | NA | 剂量学参数（D95%, D98%, D2%, Dmean），临床可接受性评分 | NA |
| 751 | 2026-04-01 |
Attention-Driven Deep Learning for Hydrocephalus: Preliminary Benchmarking of Multiscale 3D Attention Against Conventional 3D CNN Models Using Ventricular Enlargement on CT
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01948-6
PMID:41912959
|
研究论文 | 本研究开发并比较了一种多尺度注意力3D卷积神经网络（MSA3DNet）与常规3D-CNN模型，用于基于脑室扩大的CT图像进行脑积水分类 | 首次将多尺度编码与注意力机制结合应用于3D CNN，以提升脑积水分类的敏感性和稳定性，同时保持特异性 | 样本量较小（仅98例儿科CT扫描），且为回顾性研究，可能限制模型的泛化能力 | 开发并评估一种基于深度学习的自动化3D CT图像分类方法，用于儿科脑积水的筛查 | 儿科头部CT扫描图像（0-15岁患者） | 计算机视觉 | 脑积水 | CT成像 | CNN | 3D图像 | 98例匿名儿科头部CT检查（48例脑积水，50例正常） | NA | MSA3DNet, 3D-CNN | 准确率, 敏感性, 特异性, F1分数, Matthews相关系数, AUC | NA |
| 752 | 2026-04-01 |
A Hybrid Multi-CNN Feature Fusion and LASSO Optimization Approach for High-Performance Breast Cancer Classification
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01939-7
PMID:41912956
|
研究论文 | 提出一种融合多个CNN特征并结合LASSO优化的混合方法，用于高性能乳腺癌分类 | 融合MobileNetV2、DenseNet121和InceptionV3三种CNN模型的互补特征，并采用LASSO进行特征选择，以增强表示能力和泛化性 | 仅在单一数据集（BUSI）上验证，未来需要在更大规模、多中心数据集上进行验证 | 开发准确、早期的乳腺癌检测方法以提高生存率 | 乳腺超声图像（BUSI数据集） | 计算机视觉 | 乳腺癌 | 深度学习、特征融合、特征选择 | CNN | 图像 | 780张乳腺超声图像 | NA | MobileNetV2, DenseNet121, InceptionV3 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 753 | 2026-04-01 |
Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01931-1
PMID:41912960
|
综述 | 本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述 | 提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势 | 当前研究普遍缺乏计算资源信息，且模型性能评估存在不足 | 综述深度学习在医学超声图像分割领域的研究进展与应用现状 | 医学超声图像 | 计算机视觉 | NA | 深度学习 | CNN, ViT, CNN/ViT混合模型, SAM | 图像 | NA | NA | U-Net | NA | NA |
| 754 | 2026-04-01 |
Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01949-5
PMID:41912962
|
研究论文 | 评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能 | 首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性 | 研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素 | 评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能 | 接受血管内主动脉修复术后进行对比增强CT扫描的患者 | 医学影像分析 | 心血管疾病 | 对比增强CT扫描，虚拟单色CT成像，深度学习图像重建 | 深度学习 | CT图像 | 71例患者，其中41例（58%）检测到内漏 | NA | TrueFidelity-H | AUC, 诊断置信度评分 | NA |
| 755 | 2026-04-01 |
Artificial Intelligence in Diabetes Care
2026-Mar-30, Diabetes, obesity & metabolism
DOI:10.1111/dom.70720
PMID:41913548
|
综述 | 本文综述了人工智能在糖尿病护理中的当前和新兴应用，重点讨论了临床准备度、证据强度及实施考量 | 区分了算法自动化控制方法与基于机器学习的模型（如深度学习和大型语言模型），并强调了其在临床证据标准、安全风险和治理需求上的差异 | NA | 总结人工智能在糖尿病护理中的应用，并评估其临床就绪状态、证据支持及实施要求 | 糖尿病护理中的算法工具，包括自动化胰岛素输送系统、机器学习模型及新兴技术如大型语言模型、可穿戴设备和数字孪生框架 | 机器学习 | 糖尿病 | 连续血糖监测、连接胰岛素输送设备、电子健康记录数据分析 | 深度学习, 大型语言模型 | 临床数据，包括高频生理数据、电子健康记录 | NA | NA | NA | NA | NA |
| 756 | 2026-04-01 |
Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running
2026-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44102-6
PMID:41904286
|
研究论文 | 本研究利用深度学习辅助的红外热成像技术，探讨了跑步期间皮肤温度指标的重复性及其与心肺和体温调节参数的关系 | 首次将深度学习应用于红外热成像数据的自动处理，以标准化感兴趣区域选择，并揭示了皮肤温度指标在重复运动中的高重复性和生理一致性 | 样本量较小（仅11名耐力训练个体），且研究仅针对跑步运动，可能限制了结果的普适性 | 评估深度学习辅助红外热成像在运动生理学中监测体温调节和心肺反应的重复性和生理相关性 | 11名耐力训练的个体 | 计算机视觉 | NA | 红外热成像 | 深度学习 | 图像 | 11名耐力训练的个体 | NA | NA | 皮尔逊相关系数, ICC值 | NA |
| 757 | 2026-04-01 |
Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07053-1
PMID:41896252
|
研究论文 | 本研究提出了一个多传感器、多模态和高光谱数据集，用于支持基于深度学习的笨重废物分类与分割 | 结合了可见光、近红外高光谱、热红外和太赫兹成像四种互补传感器模态，并提供了像素级对齐的多模态数据融合 | NA | 开发一个多模态数据集以支持废物分类中的深度学习应用 | 笨重废物（如木材和非木材材料） | 计算机视觉 | NA | 可见光成像、近红外高光谱成像、热红外成像、太赫兹成像 | CNN | 图像 | 56个注册多传感器场景，划分为22,659个标注补丁 | NA | NA | NA | NA |
| 758 | 2026-04-01 |
Artificial intelligence for detection, grading, and prognostication in prostate cancer pathology: A scoping review
2026-Mar-25, Histology and histopathology
IF:2.5Q2
DOI:10.14670/HH-25-059
PMID:41808601
|
综述 | 本文对人工智能在前列腺癌病理学中用于检测、分级和预后预测的应用进行了范围综述 | 综述了AI在病理学中的最新进展，包括基于深度学习的Gleason分级、预后标志物量化、分子改变预测以及多模态模型整合，并指出了新兴的自监督预训练、基于Transformer的图像模型和语言-视觉系统等未来方向 | 大多数研究为回顾性，终点异质性大；模型在新站点测试时性能常因患者群体和切片制备差异而下降；缺乏大型、高质量标注数据集，技术变异影响可重复性 | 综述人工智能在前列腺癌病理学领域的应用现状、进展与挑战 | 前列腺癌的病理学图像、临床数据及相关AI研究 | 数字病理学 | 前列腺癌 | 机器学习，深度学习 | CNN, 大语言模型 | 组织学图像，临床文本 | NA | NA | 卷积神经网络，Transformer | 准确率 | NA |
| 759 | 2026-04-01 |
Imaging-Based Prediction of Key Breast Cancer Biomarkers Using Deep Learning on Digital Breast Tomosynthesis
2026-Mar-24, European journal of breast health
IF:1.3Q4
|
研究论文 | 本研究评估了使用深度学习模型在数字乳腺断层合成（DBT）图像上非侵入性预测乳腺癌关键生物标志物的可行性 | 首次将深度学习模型应用于DBT图像，用于非侵入性预测多种乳腺癌生物标志物，包括ER、PR、HER2、Ki-67和TNBC | 样本量较小（43例），为回顾性单中心研究，需要更大规模、多中心的前瞻性研究进行验证 | 评估深度学习模型在DBT图像上预测乳腺癌生物标志物的可行性，以作为虚拟活检辅助病理诊断和治疗规划 | 经组织病理学确诊的浸润性乳腺癌患者 | 数字病理学 | 乳腺癌 | 数字乳腺断层合成（DBT）成像，免疫组织化学评估 | CNN | 图像 | 43名匿名女性患者 | NA | VGG19, ResNet50 | 准确率, AUC, F1分数, 马修斯相关系数 | NA |
| 760 | 2026-04-01 |
Deep learning using electroencephalogram (EEG) data for diagnosing and predicting SSRI response in major depressive disorder
2026-Mar-23, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01394-z
PMID:41872325
|
研究论文 | 本研究利用深度学习算法分析脑电图数据，用于诊断重度抑郁症并预测患者对SSRI药物的治疗反应 | 首次将深度学习应用于多个独立脑电图数据集，结合Grad-CAM技术解释分类特征，并模拟临床决策场景评估模型对治疗选择的改善效果 | 样本量相对有限（健康对照146例，患者203例），模型准确率仍有提升空间，且结果需在更广泛人群中验证 | 开发基于脑电图和深度学习的客观诊断工具，实现重度抑郁症的精准诊断和个性化治疗预测 | 重度抑郁症患者和健康对照者的脑电图数据 | 机器学习 | 重度抑郁症 | 脑电图 | 深度学习模型 | 脑电图信号 | 健康对照146例，患者203例，总计349例 | NA | NA | 准确率 | NA |