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 1493 篇文献，本页显示第 1141 - 1160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2026-03-07 |
Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma
2026-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.250407
PMID:41718534
|
研究论文 | 本研究评估了整合多模态数据的深度学习模型在预测肝细胞癌微血管侵犯方面的性能，并探讨了不同手动标注方法对模型性能的影响 | 通过比较体素级掩码和边界框两种手动标注方法，发现边界框标注在保持模型整体AUC统计可比性的同时，显著提高了标注效率 | 本研究为回顾性研究，样本量相对有限（281例患者），且外部验证集性能（AUC约0.76-0.77）低于内部测试集 | 预测肝细胞癌术前微血管侵犯 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | MRI | 深度学习模型 | 多序列MRI图像 | 281例患者（来自三个中心） | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 1142 | 2026-03-07 |
Motor imagery EEG signal classification using minimally random convolutional kernel transform and hybrid deep learning
2026-Mar, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121816
PMID:41719718
|
研究论文 | 本文提出了一种基于最小随机卷积核变换和混合深度学习的新方法，用于分类运动想象脑电图信号 | 创新点包括使用最小随机卷积核变换高效提取特征，并提出了基于CNN和LSTM的新型深度学习模型作为基线 | 未明确说明具体局限性，但提到未来方向包括通过非加性电极-源融合提高低信噪比和个体间变异性下的鲁棒性 | 提高运动想象脑电图任务的分类准确性和计算效率 | 运动想象脑电图信号 | 机器学习 | NA | 脑电图 | CNN, LSTM | 脑电图信号 | 使用了PhysioNet和BCI Comp IV 2a数据集，但未明确样本数量 | NA | CNN-LSTM | 准确率 | NA |
| 1143 | 2026-03-07 |
Simultaneous synthesis of perfusion and ventilation images from CT using a dual-decoder residual attention network for lung disease diagnosis
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70498
PMID:41746161
|
研究论文 | 本研究开发了一种基于深度学习的双解码器残差注意力网络，用于从三维CT图像中同时生成肺灌注和通气图像 | 提出了一种双解码器残差注意力网络（DDRAN），能够同时从三维CT合成肺灌注和通气图像，而以往研究只能单独预测其中一种 | 研究样本量相对较小（98例），且未明确说明模型在更广泛人群或不同疾病类型中的泛化能力 | 开发一个深度学习框架，用于从三维CT图像中同时生成肺灌注和通气图像，以支持肺部疾病的诊断 | 接受单光子发射CT灌注图像、通气图像和三维CT图像检查的98例患者 | 数字病理学 | 肺部疾病 | 单光子发射CT（SPECT）、三维CT成像 | CNN | 图像 | 98例患者 | NA | 双解码器残差注意力网络（DDRAN）、单解码器残差注意力网络（RAN） | 结构相似性指数（SSIM）、斯皮尔曼等级相关系数（Rs）、Dice相似系数（DSC） | NA |
| 1144 | 2026-03-07 |
Quantitative evaluation of a deep learning-based noise reduction algorithm in digital radiography using noise power spectrum analysis
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70521
PMID:41741150
|
研究论文 | 本研究通过噪声功率谱分析，定量评估了数字放射摄影中基于深度学习的噪声降低算法的图像质量 | 引入了噪声功率谱改进因子作为补充指标，以量化频率范围内的噪声抑制，并促进方法间的直接比较 | 未将噪声分析与诊断性能指标结合以全面评估临床效用，需要进一步研究 | 定量评估商业深度学习噪声降低算法在数字放射摄影中的图像质量 | 商业深度学习噪声降低算法和传统基于规则的噪声降低算法 | 计算机视觉 | NA | 数字放射摄影 | 深度学习 | 图像 | NA | NA | NA | 噪声功率谱改进因子 | NA |
| 1145 | 2026-03-07 |
A Deep Learning Model for Absolute Risk Prediction of Alcohol Use Disorder in Adolescents and Young Adults
2026-Mar, Drug and alcohol review
IF:3.0Q2
DOI:10.1111/dar.70131
PMID:41748155
|
研究论文 | 本文开发了一种深度学习模型，用于预测青少年和年轻成年人中酒精使用障碍的绝对风险 | 这是首个用于酒精使用障碍绝对风险预测的深度学习模型 | NA | 早期识别高风险个体，以减少酒精使用障碍的风险 | 使用酒精的青少年和年轻成年人 | 机器学习 | 酒精使用障碍 | NA | 深度学习模型 | 纵向研究数据 | 来自国家青少年至成人健康纵向研究的数据 | NA | NA | AUC, E/O比率 | NA |
| 1146 | 2026-03-07 |
Filling of incomplete sinograms from sparse PET detector configurations using a residual U-Net
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70293
PMID:41755757
|
研究论文 | 本研究提出了一种基于改进残差U-Net的深度学习网络，用于填充稀疏PET探测器配置产生的不完整正弦图数据，以降低长轴视野PET扫描仪的成本 | 首次将改进的残差U-Net架构应用于稀疏PET探测器配置的正弦图数据恢复，通过模拟移除50%探测器（棋盘格模式）训练网络，有效补偿数据欠采样 | 预测的正弦图存在平滑效应，导致重建图像在精细细节上缺乏锐度 | 开发一种降低长轴视野PET扫描仪制造成本的技术方案，通过深度学习恢复稀疏探测器缺失的数据 | 稀疏探测器配置的PET系统产生的正弦图数据 | 医学影像处理 | NA | PET成像 | CNN | 正弦图（投影数据） | 使用GE Signa PET/MR的标准临床PET扫描数据进行训练 | NA | 残差U-Net | 平均绝对误差, 结构相似性 | NA |
| 1147 | 2026-03-07 |
Image quality restoration in 15-s breath-hold PET using a diffusion-based neural network
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70361
PMID:41761600
|
研究论文 | 本文提出了一种基于扩散概率模型的深度学习框架TAM-DiffPET，用于提升15秒屏气PET扫描的图像质量，抑制噪声并增强病灶可见性 | 引入了时间注意力调制机制来增强扩散模型，通过注入扩散时间步嵌入和时序上下文线索来细化中间特征表示 | 研究仅基于单一医院的230名患者数据，未在多中心或更大规模数据集中验证 | 改善超短采集时间下屏气PET扫描的图像质量，以提升病灶检测能力并减少呼吸运动伪影 | 230名患者的屏气PET扫描图像 | 医学影像处理 | 胸腹部疾病 | PET成像 | DDPM, U-Net, CycleGAN | 图像 | 230名患者，其中180例用于训练，50例用于评估 | NA | TAM-DiffPET, U-Net, CycleGAN, DDPM | PSNR, SSIM, 体素级SUV分布 | NA |
| 1148 | 2026-03-07 |
Deep Learning Models for Shelf Life Prediction and Regulation of Various Foods: A Systematic Review
2026-Mar, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70945
PMID:41762635
|
综述 | 本文系统回顾了深度学习在食品保质期预测与调控领域的研究进展 | 提出了保质期反向调控的概念，为食品安全、生产效率和智能供应链整合提供了创新解决方案 | NA | 探索深度学习在食品保质期预测与调控领域的研究与应用 | 各种食品 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1149 | 2026-03-07 |
Could statistical potential models achieve comparable or better performance than deep learning models?
2026-Mar-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag088
PMID:41766645
|
研究论文 | 本文系统评估了传统统计势模型在蛋白质-配体相互作用预测中的性能，并提出了一种混合统计势模型HybridSP，在数据有限条件下取得了与深度学习模型相当甚至更优的性能 | 提出了一种结合距离依赖原子-原子势、原子-残基势和方向依赖原子-残基势的混合统计势模型HybridSP，并采用亲和力加权方案校正统计分布偏差 | 研究主要基于CASF-2016等标准基准测试，在更广泛的实际药物发现场景中的泛化能力有待进一步验证 | 评估传统统计势模型在蛋白质-配体相互作用预测中的潜力，特别是在数据有限条件下与深度学习模型的性能比较 | 蛋白质-配体相互作用 | 计算生物学 | NA | 统计势模型，虚拟筛选，分子对接 | 统计势模型，深度学习模型 | 蛋白质-配体复合物结构数据 | CASF-2016基准数据集，DUD-E和DUD-A数据集 | NA | HybridSP（混合统计势模型） | 对接成功率，富集因子 | NA |
| 1150 | 2026-03-07 |
From data to treatment plan: An AI-driven path for automated breast radiotherapy planning
2026-Mar, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70491
PMID:41769854
|
研究论文 | 本研究提出并验证了TARS-B框架，这是一个结合深度学习决策模块和全自动治疗计划系统的AI驱动框架，用于自动化乳腺癌放疗的模态选择和计划生成 | 开发了一个集成化的AI框架，首次将放疗技术选择（3D-CRT或IMRT）与全自动治疗计划生成结合在一个自动化流程中，显著减少了计划时间并保持了剂量学质量 | 研究样本量相对较小（60例患者），且其中一例因解剖异常导致重新计划失败，表明框架可能对复杂解剖结构适应性有限 | 开发并验证一个AI驱动的自动化框架，以优化乳腺癌放疗的工作流程，包括选择最合适的放疗技术和生成高质量的治疗计划 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 3D适形放疗（3D-CRT），调强放疗（IMRT） | 深度学习，神经网络 | 患者数据，剂量学参数 | 60例乳腺癌患者（30例原接受3D-CRT治疗，30例原接受IMRT治疗） | NA | NA | PTV覆盖率（V95%），热点（V105%），危及器官约束，低剂量浴，中剂量浴，计划时间 | NA |
| 1151 | 2026-03-07 |
Association between deep learning-based atrial fibrillation burden and in-hospital mortality
2026-Mar, PLOS digital health
DOI:10.1371/journal.pdig.0001266
PMID:41779734
|
研究论文 | 本研究利用深度学习模型分析心电图波形数据，探讨了重症监护病房患者中高心房颤动（AF）负荷与院内死亡率之间的关联 | 首次将深度学习技术应用于计算动态、实时的AF负荷，并将其作为重症患者不良结局的预测指标进行研究 | 研究排除了年龄≥90岁及AF负荷>0.9的患者，可能限制了结果的普遍性；且为回顾性研究，存在固有的局限性 | 评估高AF负荷是否与重症患者的院内死亡率独立相关，并探索AF负荷对死亡率预测的贡献 | 重症监护病房（ICU）的成年患者 | 医疗人工智能 | 心血管疾病 | 心电图波形分析 | 深度学习模型 | 心电图波形数据 | 来自MIMIC-III数据库的7,734名患者（其中5,734名低AF负荷，2,000名高AF负荷）及Yongin Severance医院的数据 | 未明确说明 | 未明确说明 | AUC（曲线下面积） | NA |
| 1152 | 2026-03-07 |
A RRA Perspective on AI and Machine Learning Applications in Radiology: From Experimental to Clinically Viable Solutions
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.021
PMID:41781091
|
综述 | 本文作为放射学研究联盟系列综述的第一篇，探讨了人工智能和机器学习在放射学诊断、工作流优化和报告生成三个领域的应用及其向临床可行技术的过渡 | 首次从放射学研究联盟的视角系统性地回顾了AI在放射学中的多领域应用，并强调了从实验性创新到临床可行技术的转变过程 | AI应用仍面临性能不稳定、泛化能力有限以及工作流整合障碍等挑战 | 评估人工智能和机器学习在放射学领域的应用现状、进展及临床转化潜力 | 放射学中的诊断解释、工作流程优化和报告生成 | 自然语言处理, 计算机视觉, 机器学习 | NA | 深度学习, 多模态大语言模型, 自然语言处理 | NA | NA | NA | NA | NA | 准确性, 效率, 报告质量 | NA |
| 1153 | 2026-03-07 |
AI-guided wound closure: complementing surgical judgment
2026-Mar, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000004724
PMID:41789220
|
评论 | 本文讨论了人工智能（AI）在引导外科伤口闭合中的应用，强调了AI作为辅助工具增强而非取代外科医生判断的作用 | 强调了AI在伤口闭合中自动化评估、轨迹规划和缝合辅助的创新应用，并指出了当前AI理论能力与临床验证之间的差距，提出了包括前瞻性试验、可解释AI和多模态融合系统在内的具体研究路径 | 当前AI能力与临床验证之间存在差距，存在组织特异性和可解释性方面的挑战，且AI无法替代外科医生在平衡张力、灌注和组织完整性方面的核心技能 | 探讨AI引导伤口闭合的临床和技术方面，强调外科医生监督的重要性，并推动AI在外科实践中的伦理和有效整合 | 外科伤口闭合过程 | 计算机视觉, 机器学习 | NA | 深度学习, 计算机视觉, 机器人控制 | NA | NA | NA | NA | NA | NA | NA |
| 1154 | 2026-03-06 |
Closing the loop: A systematic review of artificial intelligence in circular e-waste management
2026-Mar-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2026.115392
PMID:41653831
|
系统综述 | 本文系统综述了人工智能在电子废弃物循环管理中的应用，分析了2019年至2025年10月间的147篇文献 | 提出了一个六层分类法来结构化文献证据，涵盖AI方法、生命周期阶段、数据、废物类型、限制、挑战及未来路径，并将AI系统从终端处理重构为再生循环 | 数据可用性和泛化性不足，缺乏标准化、互操作性差距，以及AI伦理和监管采纳的障碍，限制了不确定性感知电子废物系统的发展 | 探讨人工智能如何促进从线性废物处理向循环路径的战略转变，以支持可持续电子废物管理 | 电子废弃物（e-waste） | 机器学习 | NA | 深度学习 | NA | NA | 147篇文献 | NA | NA | NA | NA |
| 1155 | 2025-12-23 |
Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003823
PMID:41424025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1156 | 2026-03-06 |
Boosting Crystalline Property Prediction through Dynamical Feature Updating and Wavelet-Denoised Features: A New Deep Learning Model
2026-Mar-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03930
PMID:41711197
|
研究论文 | 提出了一种名为WANN的新型深度学习框架，通过动态特征更新和小波去噪特征来提升晶体材料性质的预测精度 | 引入了迭代子嵌入模块来隐式捕获多体原子相互作用，无需预定义的特征工程；构建了基于小波的多尺度特征分析回归组件 | 未明确提及模型在处理极端复杂材料体系或超大规模数据集时的具体限制 | 准确预测多种材料的物理和化学性质，特别是多组分材料 | 晶体材料，包括高熵合金和陶瓷等 | 机器学习 | NA | NA | GNN, 深度学习模型 | 原子结构数据 | NA | NA | Wavelet Atomic Neighborhood Network (WANN) | 平均绝对误差 (MAE) | NA |
| 1157 | 2026-03-06 |
Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression
2026-Mar-05, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-026-04196-y
PMID:41781568
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1158 | 2026-03-06 |
Time-frequency-spatial channel attention network for semantic decoding: an exploratory EEG study
2026-Mar-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03539-7
PMID:41781649
|
研究论文 | 本研究提出了一种名为TFSANet的深度学习模型，用于从脑电图信号中解码语义信息，并探索其在失语症患者中的应用 | 设计了针对中文语言刺激的语义任务范式，并构建了结合时域、频域和空间通道注意力的深度学习模型TFSANet，以解码与语义相关的脑电图特征 | 脑电图数据集有限，特别是包含中文语言刺激的数据集 | 研究语言处理和表征的神经机制，并开发解码语义信息的方法 | 失语症患者和健康受试者 | 脑机接口 | 失语症 | 脑电图 | 深度学习 | 脑电图信号 | 17名参与者（包括失语症患者和健康受试者） | NA | Time-Frequency-Spatial Channel Attention Network | 准确率 | NA |
| 1159 | 2026-03-06 |
Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study
2026-Mar-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02489-6
PMID:41781694
|
研究论文 | 本研究开发并验证了一种基于超声图像的深度学习模型，用于术前区分滤泡性甲状腺癌和滤泡性甲状腺腺瘤，并对滤泡性甲状腺癌进行侵袭亚型分类 | 首次开发了能够同时区分滤泡性甲状腺癌与腺瘤并对癌进行侵袭亚型分类的AI模型，通过多中心大样本验证，在多种临床环境中均表现出良好泛化能力 | 研究为回顾性设计，需要前瞻性研究进一步验证模型在真实临床环境中的表现 | 开发可靠的术前诊断工具，改善滤泡性甲状腺肿瘤的鉴别诊断和风险分层 | 滤泡性甲状腺肿瘤患者，包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤 | 数字病理 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 1531名患者用于模型开发，900名患者用于外部验证（来自31家医院） | NA | NA | AUC, 宏AUC | NA |
| 1160 | 2026-03-06 |
Unsupervised segmentation of dynamic pulmonary MRI using cross-modality adaptation with annotated CT images
2026-Mar-05, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03584-5
PMID:41784882
|
研究论文 | 本文提出了一种利用标注CT图像进行跨模态适应的无监督方法，用于动态肺部MRI的肺实质分割 | 提出了一种结合掩码自编码器预学习模态不变特征、利用标注CT训练初始分割器、并通过选择-精炼流程生成高质量伪标签的新框架，实现了无需MRI标注的跨模态分割 | 方法依赖于现有标注CT数据，且在处理不同中心采集的MRI数据时可能存在泛化性限制 | 实现动态肺部MRI的肺实质无监督分割，以支持临床诊断和治疗规划 | 肺部MRI和CT图像 | 计算机视觉 | 肺病 | 动态肺部MRI, CT | 深度学习 | 图像 | 31个未标注4D MRI, 30个标注CT图像用于训练；20个和12个4D MRI用于测试 | NA | 掩码自编码器 | Dice分数, 平均表面距离 | NA |