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 1102 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 | 2026-06-11 |
Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin
2026-Apr-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345196
PMID:41765623
|
研究论文 | 开发了一种集成双发射分子印迹荧光传感器与卷积神经网络的便携式传感平台，用于现场快速检测诺氟沙星 | 将分子印迹传感器与深度学习相结合，利用智能手机捕获荧光图像并优化四种CNN模型，实现自主提取浓度相关特征并校正环境干扰 | 未提及模型在实际复杂环境下的泛化能力及长期应用中的传感器衰减问题 | 实现诺氟沙星的快速、灵敏、现场检测，保障水产品安全 | 诺氟沙星抗生素 | 机器学习 | NA | 分子印迹荧光传感、智能手机成像技术 | 卷积神经网络（CNN） | 荧光图像 | 生物样品中检测限达0.53 μg/kg，加标回收率范围88.0%-110.0% | NA | CNN | 检测限、回收率、相对标准偏差（RSD） | NA |
| 342 | 2026-06-10 |
Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU
2026-Apr-24, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0285
PMID:41715883
|
研究论文 | 开发一种基于单光电容积描记信号的深度学习方法，实现无袖带血压估计 | 提出ResNet-BiGRU混合深度神经网络，结合残差卷积块和双向门控循环单元，同时捕获形态特征和时间特征 | 外部验证使用VitalDB数据集时，收缩压MAE（8.15 mmHg）相比UCI数据集（4.78 mmHg）显著升高，表明模型在不同临床条件下的泛化性能仍有提升空间 | 实现准确、连续、无创的无袖带血压估计 | 单路PPG信号用于血压估计 | 机器学习 | 心血管疾病 | 光电容积描记 | 混合模型（ResNet + BiGRU） | 生理信号（PPG和动脉血压） | 942名受试者（UCI数据集） | NA | ResNet, BiGRU | 平均绝对误差 (MAE) | NA |
| 343 | 2026-06-10 |
Advancements in OCT and OCTA imaging for AMD: An in-depth analysis of research hotspots, emerging trends, and technological innovations
2026-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2026.105402
PMID:41713794
|
综述 | 利用文献计量分析，深度剖析2015-2024年间OCT和OCTA在年龄相关性黄斑变性（AMD）中的研究热点、新兴趋势和技术创新 | 首次通过文献计量方法系统梳理OCT/OCTA在AMD领域的演变，集成热点图谱和前沿主题（如AI联合检测、超反射灶生物标志物、时间序列预测模型） | 仅检索Web of Science Core Collection单一数据库，排除非英文文献，且无法完全涵盖最新发表成果（分析截止于2025年1月） | 绘制OCT与OCTA在AMD研究中的全球合作网络、核心主题和新兴方向，为精准诊断和个性化治疗提供趋势参考 | 2471篇关于OCT/OCTA在AMD应用的英文研究文章（2015-2024年） | 医学影像分析 | 年龄相关性黄斑变性（AMD） | OCT, OCTA | NA | 文献元数据 | 2471篇文章 | CiteSpace, Excel | NA | NA | NA |
| 344 | 2026-06-09 |
Does the Timing of USMLE Step 1 Affect Performance? A Comparison of Pre- and Post-Clerkship Timing in the Pass/Fail Era
2026-Apr-30, Teaching and learning in medicine
IF:2.1Q3
DOI:10.1080/10401334.2026.2662341
PMID:42060292
|
研究论文 | 本研究比较了美国医学执照考试Step 1在临床实习前后进行的时机对通过/失败评分时代考试成绩的影响 | 首次在通过/失败评分改革背景下，系统评估Step 1考试时机对成绩的影响，并引入成就目标理论和自我决定理论作为分析框架 | 观察性研究设计无法排除未测量混淆因素，样本限于20所医学院校，且未控制学校间课程差异 | 检验在通过/失败评分体系下，USMLE Step 1考试时机（临床实习前或后）是否继续影响成绩 | 2020年入学并于2022年1月26日后参加Step 1考试的美国医学生 | 机器学习 | NA | NA | NA | 考试成绩数据 | 20所美国医学院的2020届医学生（匹配组设计） | NA | NA | 失败率、分数 | NA |
| 345 | 2026-06-09 |
ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment
2026-Apr-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01964-6
PMID:42020852
|
研究论文 | 提出并验证了 ThyroFusion，一种融合超声图像、分割掩膜和临床文本报告的多模态深度学习框架，用于甲状腺结节恶性风险评估 | 首次将超声图像、分割掩膜和临床文本报告通过双向跨模态注意力机制融合，并采用冻结 BioBERT 提取文本特征，显著超越单模态方法和资深放射科医生 | 未明确说明，但基于多中心回顾性研究性质，可能受限于数据选择偏倚和外部验证集样本量差异 | 开发和验证多模态深度学习框架，以提高甲状腺结节恶性风险评估的准确性 | 甲状腺结节患者，包括来自西安国际医学中心医院 (1472 例) 及两个临床中心和两个公共数据集 (DDTI 和 TN3K) 的共 6002 例病例 | 计算机视觉, 自然语言处理 | 甲状腺结节 | 超声成像, 临床文本报告 | ResNet-50, Set Transformer, BioBERT | 图像, 文本 | 1472 例 (内部训练) + 4530 例 (外部验证，来自 2 个临床中心和 2 个公共数据集 DDTI、TN3K) | PyTorch | ResNet-50, Set Transformer, BioBERT (冻结) | AUC, 95% 置信区间, p 值, ΔAUC | NA |
| 346 | 2026-06-09 |
Generative deep learning for foundational video translation in ultrasound
2026-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47777-z
PMID:41986471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 347 | 2026-06-09 |
Deep learning for early detection of cerebral small vessel disease using self-supervised graph embeddings and retinal image analysis
2026-Apr-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48421-6
PMID:41986421
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 348 | 2026-06-09 |
rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions
2026-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48797-5
PMID:41974838
|
研究论文 | 提出了rbpCNN，一种生物物理学启发的深度学习模型，用于预测piRNA与mRNA之间的相互作用 | 将生物物理启发下的相互作用通道（包括兼容性通道、螺旋运行通道、位置通道和结构通道）与核苷酸对编码相结合，增强卷积神经网络预测能力 | 未在文中明确指出限制 | 提高piRNA与mRNA相互作用预测的准确性，以支持生殖细胞转录后调控研究及相关医疗领域应用 | piRNA序列与mRNA序列之间的相互作用 | 自然语言处理 | NA | NA | 卷积神经网络（CNN） | 序列数据 | 使用基准数据集和独立外部数据集进行验证 | NA | 轻量级卷积神经网络 | AUC, 准确率 | NA |
| 349 | 2026-06-09 |
Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study
2026-Apr-10, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-026-01381-6
PMID:41957258
|
研究论文 | 利用深度学习分析H&E染色切片构建胃癌病理组学特征以预测预后和治疗反应 | 提出了一种结合门控注意力机制的多尺度图神经网络（MS-GMIL）用于多实例学习，直接从H&E切片构建病理组学特征，并整合转录组数据揭示潜在病理生理机制 | NA | 建立胃癌病理组学特征以改善TNM分期系统的预后信息，并预测化疗和免疫治疗反应 | 胃癌患者 | 数字病理学 | 胃癌 | H&E染色，转录组测序 | 图神经网络 | 图像，转录组数据 | 多中心回顾性研究队列 | PyTorch | MS-GMIL（多尺度图神经网络与门控注意力机制） | 预后预测性能，独立预后因素分析 | NA |
| 350 | 2026-06-09 |
Adults' dental cone beam computed tomography images dataset for detecting and classifying missing teeth
2026-Apr-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07156-9
PMID:41942491
|
研究论文 | 该论文提供了一个来自158名患者的成人牙科锥形束CT图像数据集，用于检测和分类缺牙，并进行了3D标注 | 提供了首个带有精确3D缺牙位置标注的CBCT数据集，特别是处理了金属伪影和现有种植体等复杂情况，并明确了伪影特征 | 未在摘要中明确提及局限性 | 解决高质量CBCT数据集稀缺问题，促进自动化牙科种植规划深度学习模型的训练 | 成人牙科CBCT图像中缺牙的检测与分类 | 数字病理学 | 缺牙症 | CBCT | 深度学习模型 | 图像 | 158名患者，包含501个缺牙部位，其中85个CBCT体数据具有114个特定部位的3D标注（4,994张切片） | NA | NA | NA | NA |
| 351 | 2026-06-09 |
Pushing the limits of fluorescence imaging with a restoration neural network aggregating large-view statistics
2026-Apr-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71278-2
PMID:41946697
|
研究论文 | 提出一种名为LargePNet的恢复神经网络，通过聚合大视野统计信息来扩展荧光成像的极限，显著提升光子受限条件下的成像质量与计算效率 | 首次利用浅层超大核卷积提供的大有效感受野与深层网络的非线性表征能力相结合，实现大视野全局信息的有效恢复，避免了传统小补丁训练导致的保真度与抗噪性损失 | 未明确讨论网络对极端低光照条件的适应性以及可能存在的过拟合风险 | 通过设计大补丁恢复网络提升荧光成像在光子受限条件下的重建质量与计算效率 | 荧光显微镜获取的单图像、视频和体积数据，以及活细胞成像中的细胞骨架动态和超分辨率三色成像 | 计算机视觉 | NA | 荧光显微成像、超分辨率成像 | 卷积神经网络 | 图像、视频、三维体积数据 | 八个代表性恢复任务，包括单图像、视频和体积荧光数据 | PyTorch | LargePNet（基于超大核卷积与尺度分解） | 峰值信噪比 | NA |
| 352 | 2026-06-09 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Apr, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和真实世界表现 | 首次在真实临床环境中评估AI深度学习在甲状腺结节超声分类中的学习曲线，展示多次训练后的显著改进 | AI在复杂或不典型病例（如自身免疫性甲状腺炎、未降胸腺、出血性囊肿）中仍不能替代有经验的临床医生 | 评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和实际应用效果 | 甲状腺结节患者 | 机器学习 | 甲状腺疾病 | 3D超声 | 深度学习 | 超声图像 | 第一阶段110名患者176个结节，第二阶段133名患者228个结节 | NA | NA | 一致性比例 | NA |
| 353 | 2026-06-08 |
Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models
2026-Apr, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04971-6
PMID:41636836
|
研究论文 | 介绍CapsuleSEDualNet深度学习框架，用于鲁棒且可解释的多类指甲疾病诊断 | 将胶囊网络头部与Squeeze-and-Excitation注意力机制集成在MobileNetV2和DenseNet121构成的双骨干架构中，提升特征判别性并利用胶囊网络保留空间层次以改善可解释性 | 尚需进一步临床验证 | 实现稳健、可解释且多类的指甲疾病自动诊断，支持临床决策 | 指甲疾病图像（包括真菌感染和恶性肿瘤） | 计算机视觉 | 指甲疾病 | NA | 胶囊网络 | 图像 | NA | NA | CapsuleSEDualNet（MobileNetV2骨架、DenseNet121骨架、SE注意力模块、胶囊网络头部） | 准确率 | NA |
| 354 | 2026-06-08 |
General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study
2026-Apr, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2026.106077
PMID:41638432
|
研究论文 | 基于CycleGAN的虚拟染色模型将苏木精-伊红染色图像转换为虚拟马松三色染色，显著提升普通病理医生对供体肾脏纤维化评估的准确性，使其接近专科医生水平 | 首次证明深度学习虚拟染色技术可消除普通病理医生与肾脏专科医生在供体肾脏纤维化评估中的诊断差距，使普通病理医生达到近似专科医生的诊断表现 | NA | 评估基于深度学习的虚拟染色技术能否增强普通病理医生对供体肾脏的评估能力，特别是间质纤维化和慢性病理变化的识别 | 供体肾脏组织切片，包括187对全切片图像（H&E和Masson三色染色）及46张冰冻切片 | 数字病理学 | 肾脏疾病 | NA | 生成对抗网络（CycleGAN） | 全切片图像 | 187对配对全切片图像（H&E和Masson三色染色）和46张冰冻切片 | NA | CycleGAN | 加权Kappa系数 | NA |
| 355 | 2026-06-08 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2026.100973
PMID:41638573
|
研究论文 | 使用深度学习对从不吸烟的肺癌患者进行基因组特征预测 | 首次将深度学习方法专门应用于从不吸烟的肺腺癌（NS-LUAD）组织切片图像，以ResNet50为基础设计了一种针对多标签分类优化的定制深度卷积神经网络，能够同时预测16种分子改变 | 部分特征预测性能较低或中等（如肿瘤突变负荷、APOBEC突变特征及部分KRAS热点突变），且模型仅在来自Sherlock-Lung研究的495张全切片图像上进行了评估，样本量有限 | 利用深度学习从组织学全切片图像中预测从不吸烟的肺腺癌患者的基因组特征，以支持分子检测分诊和精准治疗策略 | 从不吸烟的肺腺癌（NS-LUAD）患者的组织学全切片图像 | 数字病理学，计算机视觉 | 肺癌 | 全切片图像，苏木精和伊红染色 | 卷积神经网络 | 图像 | 495张全切片图像（来自Sherlock-Lung研究） | NA | ResNet50 | AUROC | NA |
| 356 | 2026-06-08 |
Image processing-based automatic tooth segmentation and age estimation in sheep using deep learning
2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2026.152803
PMID:41654275
|
研究论文 | 提出一种基于图像处理和深度学习的全自动绵羊牙齿分割与年龄估算框架 | 结合YOLOv8自动分割与多种CNN微调迁移学习，并开发了可公开访问的容器化GUI应用 | 未提及 | 实现客观、可重复的绵羊年龄自动估算 | 绵羊牙齿图像 | 计算机视觉 | NA | 图像处理 | 卷积神经网络（CNN） | 图像 | 未明确说明 | PyTorch, OpenCV | YOLOv8, VGG16, ResNet50, EfficientNetB0, MobileNetV2, Xception, BasicCNN | 准确率 | 未提及 |
| 357 | 2026-06-08 |
Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy
2026-Apr, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.025
PMID:41667344
|
研究论文 | 评估深度学习重建结合对比增强提升技术在“四低”CCTA方案中的图像质量和诊断准确性 | 首次将深度学习重建与对比增强提升技术结合应用于“四低”CCTA方案，在显著降低辐射剂量和造影剂用量的同时保持或提升图像质量 | 样本量相对较小（102例），且为单中心前瞻性研究，可能限制结果的普适性 | 评估DLR算法联合CE-boost技术在低管电压、低流速、低对比剂用量和低浓度CCTA方案中对图像质量和诊断性能的影响 | 102例接受CCTA检查的患者 | 计算机视觉 | 心血管疾病 | CT血管成像 | 深度学习重建 | 图像 | 102例患者（常规剂量组51例，四低组51例） | NA | NA | 信噪比, 对比噪声比, 主观图像质量评分, 诊断准确率, 敏感性 | NA |
| 358 | 2026-06-08 |
Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging
2026-Apr, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106534
PMID:41633072
|
研究论文 | 利用超声成像结合深度学习对肉鸡木质化胸肌进行分类及内部区域分层 | 首次通过超声成像结合深度学习实现WB内部病理区域的分层，并使用ImageJ阈值二值化和标度校准量化病理特征空间范围 | 未提及样本来源、设备泛化性或临床转化等局限 | 利用超声内部空间信息结合深度学习对木质化胸肌进行准确分类和内部区域分层，以提高疾病评估的客观性和应用效率 | 从Arbor Acres肉鸡（n=240，雄性，42天龄）中采集的鸡胸肉片，分为正常、轻度、中度和重度四类 | 计算机视觉, 数字病理学 | 木质化胸肌 | 超声成像, ImageJ阈值二值化 | 卷积神经网络 | 图像 | 240个鸡胸肉样本（每类60个） | PyTorch | MobileNetV3, ResNet18, AlexNet | 准确率, 精确率, 召回率, F1分数 | NA |
| 359 | 2026-06-08 |
ECG and PPG Signals-Based Premature Ventricular Contraction Detection Methods: A Review, Key Challenges, and Future Directions
2026-Apr, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-026-00819-z
PMID:41634439
|
综述 | 本文综述了基于心电图和光电容积描记图信号的室性早搏检测方法，涵盖信号处理、传统机器学习和深度学习方法 | 系统性地将现有室性早搏检测方法分为三类（阈值/启发式、传统机器学习、深度学习），并回顾了预处理技术和性能评估基准 | 未提及具体方法间的定量对比分析，对噪声影响和资源约束仅作方向性讨论 | 总结室性早搏检测方法的现状、关键挑战和未来研究方向 | 基于心电图和光电容积描记图信号的室性早搏检测方法 | 机器学习 | 心血管疾病 | 心电图、光电容积描记图 | 信号处理、传统机器学习模型、深度学习框架 | 信号 | NA | NA | NA | 基准指标 | NA |
| 360 | 2026-06-08 |
Dynamic Eyelid Evaluation Using a Deep Neural Network in Upper Blepharoplasty: A Prospective Multicenter Pilot Study
2026-Apr, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-026-05632-6
PMID:41642312
|
研究论文 | 应用深度神经网络自动分析上睑成形术后眼睑形态，提供客观评价指标 | 首次将UNet和PointRend深度学习技术用于上睑成形术后动态眼睑评估，实现自动测量四项眼睑形态参数 | 样本量有限（仅51例患者和50例志愿者），且未提及算法在不同种族或眼睑类型中的泛化能力 | 评估深度神经网络在眼睑形态分析中的准确性和可重复性，辅助外科医生评估手术效果 | 寻求修复性眼睑成形术的51例患者（102只眼）和50例天生双眼皮志愿者（100只眼） | 计算机视觉 | NA | 深度学习图像分割 | 深度神经网络 | 面部图像和视频 | 51例患者（102只眼）和50例志愿者（100只眼） | PyTorch | UNet, PointRend | 组内相关系数 | NA |