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 572 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-04-05 |
Self-Paced Learning for Images of Antinuclear Antibodies
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3637237
PMID:41296939
|
研究论文 | 提出一种用于抗核抗体图像检测的自适应学习框架，以处理多实例多标签学习任务 | 引入基于人类标注逻辑的实例采样器、概率伪标签分发器和自步学习权重系数，实现无需手动预处理的端到端优化 | 未提及框架在更广泛临床环境或不同成像设备下的泛化能力验证 | 自动化抗核抗体检测以辅助自身免疫性疾病诊断 | 抗核抗体荧光图像 | 计算机视觉 | 自身免疫性疾病（如狼疮、干燥综合征、硬皮病） | 荧光显微镜成像 | 深度学习框架 | 图像 | 一个ANA数据集和三个公共医学MIML基准数据集 | 未明确指定 | 未明确指定 | F1-Macro, mAP, Hamming loss, one-error | NA |
| 302 | 2026-04-05 |
Artificial intelligence-driven 3-dimensional simulation system for enhanced preoperative planning in gastric cancer surgery: a retrospective validation study
2026-04, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract
IF:2.2Q2
DOI:10.1016/j.gassur.2025.102295
PMID:41371602
|
研究论文 | 本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管 | 结合AI模型自动识别动态胃器官的解剖结构，生成3D图像以可视化胃、周围器官和血管之间的位置关系，这在胃癌手术规划中较为少见 | 研究为回顾性验证，样本量较小（51例），且未在实时手术环境中进行前瞻性测试 | 创建3D模拟系统以辅助胃癌手术的术前规划，提高手术精确性和安全性 | 胃癌患者的术前增强CT图像，用于分割腹部器官（如胃、胰腺）和检测血管结构 | 数字病理 | 胃癌 | 对比增强CT成像 | 深度学习模型 | CT图像 | 51例胃癌患者 | NA | NA | 结构检测置信度评分（5点量表），可靠性评分 | NA |
| 303 | 2026-04-05 |
Association Between Computed Tomography-Based AI-Derived Body Composition and Survival in Patients With Pancreatic Ductal Adenocarcinoma
2026-Apr-01, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000003896
PMID:41428798
|
研究论文 | 本研究探讨了基于CT的AI衍生身体成分参数与胰腺导管腺癌患者总生存期之间的独立关联 | 利用经过验证的深度学习分割算法从诊断性CT扫描中自动评估身体成分，并分析其与不同治疗亚组患者生存结局的关系 | 回顾性研究设计可能引入选择偏倚，且研究结果需在前瞻性队列中进一步验证 | 优化胰腺导管腺癌患者的治疗策略，通过身体成分评估改善临床决策 | 胰腺导管腺癌患者 | 数字病理学 | 胰腺癌 | 计算机断层扫描 | 深度学习 | 医学图像 | 1666名胰腺导管腺癌患者（其中手术切除亚组509人，姑息性全身治疗亚组439人，未接受肿瘤靶向治疗亚组718人） | NA | NA | 风险比, 95%置信区间, P值 | NA |
| 304 | 2026-04-05 |
A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition
2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202516617
PMID:41603116
|
研究论文 | 本文提出了一种无线、无电池的人工喉贴片系统，结合深度学习技术，用于同时识别语音和情感 | 开发了集成碳纳米管薄膜应变传感器和微型柔性印刷电路板的无线无电池人工喉贴片系统，首次实现了语音与情感的同步识别 | 未提及具体样本量或临床验证范围，可能限制其普遍适用性 | 为失声患者开发一种能够识别语音和情感的辅助通信技术 | 失声患者或语音障碍人群 | 机器学习 | 语音障碍 | 碳纳米管薄膜应变传感，近场通信 | 混合深度学习架构 | 喉部信号传感器读数 | NA | NA | 混合深度学习架构 | NA | 智能手机链接系统，低功耗电子组件 |
| 305 | 2026-04-05 |
Accurate predictions of disordered protein ensembles with STARLING
2026-Apr, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10141-2
PMID:41708867
|
研究论文 | 本文介绍了STARLING框架，该框架结合了基于物理的力场和多模态生成式深度学习，用于快速生成准确的本征无序蛋白（IDR）构象集合及其序列表示 | 将基于物理的力场与多模态生成式深度学习相结合，开发了能够快速生成IDR构象集合的框架，并支持离子强度等环境条件调节，以及通过贝叶斯最大熵重加权方案在实验约束下进行集合优化 | NA | 开发一个能够快速生成准确IDR构象集合并支持多种下游应用的框架，以降低计算研究IDR功能的门槛 | 本征无序蛋白和区域（IDRs） | 机器学习 | NA | 基于物理的力场，多模态生成式深度学习 | 生成式深度学习模型 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 306 | 2026-04-05 |
Cell Instance Segmentation: The Devil Is in the Boundaries
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3621093
PMID:41086066
|
研究论文 | 本文提出了一种名为Ceb的新型像素聚类方法，用于细胞实例分割，通过利用细胞边界特征和标签来划分前景像素 | 提出Ceb方法，利用细胞边界特征和标签进行像素聚类，解决了传统像素级目标可能丢失细胞几何属性（如形状、曲率和凸性）的问题 | NA | 改进细胞实例分割的像素聚类方法，以更准确地识别细胞实例 | 细胞实例分割中的前景像素 | 计算机视觉 | NA | 深度学习语义分割 | NA | 图像 | 六个数据集 | NA | NA | NA | NA |
| 307 | 2026-04-05 |
An Alignment and Imputation Network (AINet) for Breast Cancer Diagnosis With Multimodal Multi-View Ultrasound Images
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3625254
PMID:41134947
|
研究论文 | 本文提出了一种用于乳腺癌诊断的新型对齐与插补网络（AINet），通过整合多模态多视图超声图像，解决现有方法在处理缺失模态或视图时的局限性 | 提出了一种结合对齐与插补预训练及分层融合微调的网络，首次通过跨模态对比学习对齐特征，并模拟缺失模态场景进行插补，增强了模型对多模态多视图数据的鲁棒性 | 未明确说明模型在极端缺失情况下的性能边界或计算效率，且可能依赖于特定数据集规模 | 开发一种能有效处理多模态多视图超声图像中缺失数据的深度学习模型，以提升乳腺癌诊断的准确性和临床适用性 | 乳腺癌诊断中的多模态多视图超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习网络 | 多模态多视图超声图像 | 15,223名受试者，来自三个数据集 | 未指定 | 对齐与插补网络（AINet） | 未指定具体指标，但提及显著优于现有方法 | 未指定 |
| 308 | 2026-04-05 |
Prompting Lipschitz-Constrained Network for Multiple-in-One Sparse-View CT Reconstruction
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3627305
PMID:41166618
|
研究论文 | 本文提出了一种名为PromptCT的存储高效深度展开框架，用于处理多合一稀疏视图CT重建，通过引入可证明满足Lipschitz约束的网络LipNet和显式提示模块，在单一模型中处理多种稀疏采样配置 | 提出了可证明满足Lipschitz约束的网络LipNet，并设计了显式提示模块，使单一模型能够处理多种稀疏视图配置，同时理论上证明了算法的收敛性 | 未明确说明模型在极端稀疏视图情况下的性能，也未讨论在实际临床环境中对不同扫描仪和协议的泛化能力 | 解决稀疏视图CT重建中深度学习方法面临的理论可证明性不足和存储成本高的问题 | 稀疏视图CT图像重建 | 计算机视觉 | NA | 稀疏视图CT扫描 | 深度展开网络 | CT图像 | NA | NA | LipNet, PromptCT | 重建质量 | NA |
| 309 | 2026-04-05 |
Smart and efficient waste management through wireless IoT-enabled deep learning
2026-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43827-8
PMID:41922583
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 310 | 2026-04-05 |
A view-flexible deep learning framework for automated analysis of 2D echocardiography
2026-Apr-01, NPJ cardiovascular health
DOI:10.1038/s44325-025-00100-7
PMID:41922808
|
研究论文 | 本研究开发了一种视图灵活深度学习框架，用于从包含左心室的多个超声心动图视图中自动估计左心室射血分数、患者年龄和性别 | 提出了一种视图灵活深度学习框架，能够处理多种超声心动图视图，降低了对图像采集专业知识的依赖，扩展了手持心脏超声的临床应用潜力 | NA | 开发自动化深度学习框架以分析二维超声心动图，支持左心室射血分数、年龄和性别的估计 | 超声心动图图像，特别是包含左心室的视图 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | 回顾性和前瞻性经胸超声心动图数据集，涉及625名患者，其中100名患者用于专家与新手用户数据对比 | NA | NA | 相关系数(r), AUC | NA |
| 311 | 2026-04-05 |
Cell-MICS: Detecting Immune Cells With Label-Free Two-Photon Autofluorescence and Deep Learning
2026-Apr, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70260
PMID:41923530
|
研究论文 | 本文提出了一种结合无标记双光子自发荧光成像与深度学习的方法，用于检测免疫细胞 | 利用计算特异性增强无标记双光子成像，通过卷积神经网络实现免疫细胞的可靠分类，无需传统抗体标记 | NA | 探索多光子成像结合计算特异性在无标记组织中检测特定免疫细胞的潜力 | 免疫细胞，包括T细胞和中性粒细胞等六种分离细胞类型 | 计算机视觉 | NA | 无标记双光子自发荧光成像 | CNN | 图像 | NA | NA | SqueezeNet | ROC-AUC, PR-AUC, F1分数, 精确度, 召回率 | NA |
| 312 | 2026-04-05 |
A lightweight neural model for gas concentration prediction in TDLAS under varying environmental conditions
2026-Apr-01, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127842
PMID:41932085
|
研究论文 | 本文提出了一种基于真菌生长优化多层感知器的轻量级深度学习模型，用于在变化环境条件下通过TDLAS系统预测气体浓度 | 提出了一种集成真菌生长优化算法与多层感知器的轻量级深度学习模型，能够自适应优化网络架构，以应对温度与压力变化对气体浓度测量的影响 | NA | 解决在温度与压力变化环境下，TDLAS系统气体浓度测量的准确性问题 | 气体浓度测量，特别是通过TDLAS/WMS系统在变化环境条件下的预测 | 机器学习 | NA | TDLAS, 波长调制光谱 | MLP | 光谱特征数据 | NA | NA | 多层感知器 | 平均绝对百分比误差, 决定系数 | NA |
| 313 | 2026-04-05 |
Deep learning and statistical methods identify novel asthma risk variants in Europeans
2026-Apr-01, The Journal of allergy and clinical immunology
IF:11.4Q1
DOI:10.1016/j.jaci.2026.03.016
PMID:41932550
|
研究论文 | 本研究通过大规模GWAS荟萃分析、统计方法和深度学习框架，识别了欧洲人群中新的哮喘风险变异，并改进了多基因风险预测 | 结合了多性状分析、条件错误发现率和基于Transformer的深度学习框架，首次系统识别了69个新的全基因组显著位点，并提升了风险预测性能 | 研究仅针对欧洲血统个体，结果可能不适用于其他人群；深度学习模型的可解释性有限 | 精炼欧洲血统个体中哮喘的遗传图谱，并通过统计和深度学习方法改进多基因风险预测 | 欧洲血统的哮喘患者和对照个体 | 机器学习 | 哮喘 | 全基因组关联研究（GWAS）、多性状分析（MTAG）、条件错误发现率（condFDR）、深度学习 | Transformer | 基因组数据 | 158,763例病例和1,652,409例对照 | NA | Transformer | 多基因风险评分（PRS）性能比较 | NA |
| 314 | 2026-04-05 |
AI in Ophthalmology: A Bibliometric Analysis of Retinal Imaging Innovations and Global Research Collaboration
2026-Apr-01, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105458
PMID:41932561
|
研究论文 | 本文通过文献计量学分析，探讨了人工智能在眼科视网膜成像领域的创新应用及全球研究合作动态 | 首次对人工智能在眼科领域的文献进行了全面的文献计量和科学图谱分析，揭示了研究趋势、合作网络及主题演变 | 研究存在现实世界临床整合不足、监管框架缺失以及低资源地区代表性有限等缺口 | 阐明人工智能在眼科应用中的知识图谱、主题演变及合作动态 | 人工智能在眼科视网膜疾病诊断与管理中的研究文献 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 315 | 2026-04-05 |
Beam-hardening correction in clinical x-ray dark-field chest radiography using deep-learning-based bone segmentation
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70422
PMID:41933281
|
研究论文 | 本文提出了一种基于深度学习的骨分割方法，用于校正临床X射线暗场胸部摄影中的束硬化伪影 | 结合深度学习骨分割与基于双能CT数据的衰减贡献掩模，首次在临床暗场胸部摄影中实现束硬化校正，减少骨诱导伪影 | 骨分割网络训练数据规模有限（肋骨196例、锁骨56例），且方法依赖双能CT数据生成衰减贡献掩模，可能限制其普适性 | 通过抑制束硬化引起的伪影，提高临床暗场胸部摄影的可靠性 | 暗场胸部X射线图像（来自慢性阻塞性肺疾病、COVID-19患者及健康人群）及双能CT扫描数据 | 医学影像处理 | 肺部疾病 | Talbot-Lau干涉仪X射线暗场成像、双能CT | 深度学习分割网络 | X射线图像（衰减与暗场图像）、CT扫描数据 | 肋骨分割训练196例、验证49例；锁骨分割训练56例、验证12例、测试12例；应用174例暗场胸部图像（51例慢阻肺、86例COVID-19、37例健康）及2例患者光谱CT | 未明确说明（推测为PyTorch或TensorFlow） | 未明确指定具体架构（如U-Net等） | 视觉评估、定量一致性分析 | 未明确说明 |
| 316 | 2026-04-05 |
Comparing deep learning stroke segmentation in NCCT, CTA, and CTP: Accuracy, domain transfer, and temporal sampling effect
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70419
PMID:41933279
|
研究论文 | 本研究评估并比较了NCCT、CTA、mCTA和CTP图像在基于深度学习的卒中病灶分割中的效果，重点关注模型在不同临床站点间的可迁移性以及CTP时间点选择的影响 | 首次系统比较了多种CT成像类型（NCCT、CTA、mCTA、CTP）在深度学习卒中分割中的性能，并深入研究了跨站点模型迁移性和CTP时间序列采样策略的影响 | 研究样本量有限（91例患者），且仅涉及两个临床站点；CTP时间采样策略未显示出明确趋势，结果受梗死大小和时间场景影响 | 评估不同CT成像模态对深度学习卒中病灶分割的适用性，指导临床环境中成像模态的选择，并探索模型的跨站点泛化能力 | 卒中患者的脑部CT图像，包括非增强CT、CT血管造影、多期相CTA和CT灌注图像 | 医学图像分析 | 卒中 | CT成像（NCCT、CTA、mCTA、CTP） | 深度学习 | 医学图像 | 91例卒中患者（主要站点）和166例卒中患者（第二站点） | nnU-Net | nnU-Net | 改良Dice系数 | NA |
| 317 | 2026-04-05 |
Performance benchmarking of deep learning models for real-time median nerve segmentation and cross-sectional area measurement in ultrasound imaging
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70414
PMID:41933401
|
研究论文 | 本研究开发了一种轻量级深度学习模型MNSeg-Net，用于超声图像中正中神经的实时分割和横截面积测量，以辅助腕管综合征的诊断和手术规划 | 提出了一种新颖的轻量级多尺度特征融合网络MNSeg-Net，仅含2.46M参数，在保持与大型模型相当性能的同时实现实时处理，并成功部署于临床实时设置 | 研究样本量相对有限（100名受试者），且主要聚焦于腕管综合征，未广泛验证于其他神经卡压综合征 | 开发一种准确的深度学习分割方法，用于测量正中神经的横截面积，以促进神经卡压综合征（尤其是腕管综合征）的诊断和手术规划 | 正中神经在超声图像中的分割和横截面积测量 | 计算机视觉 | 腕管综合征 | 超声成像 | CNN | 图像 | 100名受试者，共30000帧超声图像 | NA | MNSeg-Net, UNet, UNet++, U2Net | Dice相似系数, 横截面积差异, Hausdorff距离 | 配备GPU的系统, Av.io HD Epiphan帧抓取器 |
| 318 | 2026-04-04 |
CEREBLEED: Automated Quantification and Severity Scoring of Intracranial Hemorrhage on Noncontrast CT
2026-Apr-03, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000004020
PMID:41930955
|
研究论文 | 本文开发并验证了一个基于深度学习的框架，用于自动分割和量化颅内出血，并提出了一个基于体积关系的严重程度指数 | 开发了一个自动化的深度学习框架，用于颅内出血的分割和量化，并引入了一个新的严重程度指数，该指数基于出血亚型与脑结构的体积关系，旨在标准化严重性评估 | 外部验证中总出血模型的Dice分数较低（中位数0.70），表明模型在外部数据集上的泛化能力可能有限 | 开发一个客观、可重复的工具，用于量化颅内出血的病变负担及其解剖影响，以支持临床决策 | 颅内出血（ICH）在非对比CT（NCCT）上的表现 | 数字病理学 | 颅内出血 | 非对比计算机断层扫描（NCCT） | U-Net | 图像 | 2112个NCCT扫描（1110个用于训练和内部评估，1002个来自外部数据集） | NA | U-Net | Dice分数, 体积相似性, 曲线下面积（AUC）, 敏感性, 特异性 | NA |
| 319 | 2026-04-04 |
Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification
2026-Apr-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-2275
PMID:41481196
|
研究论文 | 本研究开发了一个基于深度学习的计算流程，利用数字组织病理学切片对儿科肉瘤亚型进行准确分类 | 采用多中心数据集并进行图像协调以减少中心特异性伪影，系统评估了多种CNN和ViT架构作为特征提取器，并引入多尺度特征提升分类精度，基于SAMPLER的WSI表示方法使训练速度比传统Transformer编码器快三个数量级 | 未提及 | 开发一个计算流程以准确分类儿科肉瘤亚型，克服其罕见性和亚型多样性带来的诊断挑战 | 儿科肉瘤（包括横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等亚型） | 数字病理学 | 儿科肉瘤 | 组织病理学成像 | CNN, ViT | 图像（全切片图像） | 867张来自三个医疗中心和儿童肿瘤组的全切片图像 | 未提及 | UNI, CONCH | AUC | 未使用图形处理单元（GPU） |
| 320 | 2026-04-04 |
Negative correlation between habenular volume and duration of gambling disorder: Modulation by symptom severity and personality traits
2026-Apr-02, Journal of behavioral addictions
IF:6.6Q1
DOI:10.1556/2006.2025.00360
PMID:41718719
|
研究论文 | 本研究探讨了赌博障碍患者缰核体积与病程的负相关关系，并分析了症状严重程度和人格特质对此关系的调节作用 | 首次揭示了赌博障碍患者缰核体积随病程延长而减少的现象，并发现这种关联在症状严重亚组中尤为显著，同时强调了人格特质（如神经质和尽责性）对缰核结构异质性的影响 | 研究样本仅包括男性患者，限制了结果的普适性；采用回顾性方法计算病程，可能存在回忆偏倚；横断面设计无法确定因果关系 | 阐明赌博障碍患者缰核体积的变化及其与病程、症状严重程度和人格特质的关系 | 68名男性赌博障碍患者和75名男性健康对照者 | 神经影像学 | 赌博障碍 | T1加权磁共振成像 | 深度学习 | MRI图像 | 143名参与者（68名患者，75名对照） | NA | 基于深度学习的自动分割模型 | 偏相关系数（r值），p值 | NA |