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 891 篇文献，本页显示第 681 - 700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 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 |
| 682 | 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 |
| 683 | 2026-04-04 |
Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network
2026-Apr-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3675645
PMID:41926408
|
研究论文 | 本文提出了一种用于手术器械分割的谱注意力上下文交互网络（SCI-Net），以解决复杂背景干扰、器械形态多样和低对比度带来的挑战 | 提出了SCI-Net，结合全局上下文聚合模块（GCAM）、谱增强特征模块（SFM）和尺度感知扩张模块（SDM），通过频域注意力增强特征表达，并自适应整合多尺度特征以改善器械精细边界的分割性能 | NA | 提高手术器械分割的准确性和鲁棒性，以增强机器人手术系统的视觉感知和精确操作能力 | 手术器械 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 多个公开可用的手术器械分割数据集 | NA | SCI-Net | NA | NA |
| 684 | 2026-04-04 |
Quantum Convolutional Neural Networks: A Survey on Architectures, Applications, and Future Directions
2026-Apr-02, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3677762
PMID:41926404
|
综述 | 本文对量子卷积神经网络（QCNN）的架构、应用及未来方向进行了系统性综述 | 提供了首个系统且全面的QCNN综述，建立了统一的分类体系，并比较了不同架构、应用及工具箱 | 现有研究较为分散，缺乏统一的分类体系或完整综述，本文旨在填补这一空白 | 综述量子卷积神经网络的发展现状、架构变体、应用领域及未来挑战 | 量子卷积神经网络（QCNN）及其在量子多体物理和经典机器学习任务中的应用 | 机器学习 | NA | 量子计算 | 量子卷积神经网络（QCNN） | 高维数据集 | NA | Qiskit Machine Learning, Pennylane, TensorFlow Quantum (TFQ) | 全量子模型、变分模型、混合模型、基于图的模型 | NA | 量子计算平台 |
| 685 | 2026-04-04 |
Atomic-resolution imaging of gold species at organic liquid-solid interfaces
2026-Apr-02, Science (New York, N.Y.)
DOI:10.1126/science.adw2469
PMID:41926600
|
研究论文 | 本研究结合了提供原子分辨率的液相电子显微镜样本设计与深度学习分析，探索了金吸附原子、石墨载体和溶剂之间的相互作用 | 首次在有机液固界面实现原子分辨率成像，结合深度学习分析，追踪了金吸附原子、二聚体和更大团簇在不同溶剂中的位置 | 研究需要低温下的快速干燥动力学来优化催化性能，这可能在工业应用中带来挑战 | 探索固体-液体界面吸附原子的结构和动力学，以提升催化剂、电化学设备、分子分离技术和金属提取的性能 | 石墨载体上的金吸附原子、二聚体和团簇 | 材料科学 | NA | 液相电子显微镜 | 深度学习 | 图像 | 超过10个石墨载体上的金吸附原子、二聚体和团簇，在五种溶剂中 | NA | NA | NA | NA |
| 686 | 2026-04-04 |
Dosimetry Analysis of 177Lu-PSMA-I&T in Patients with Low-Volume Oligometastatic Hormone-Sensitive Prostate Cancer: A Secondary Analysis of the LUNAR Trial
2026-Apr-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.271467
PMID:41927282
|
研究论文 | 本文报告了LUNAR试验中针对低体积寡转移激素敏感性前列腺癌患者使用177Lu-PSMA-I&T的剂量学分析结果 | 首次在LUNAR试验的背景下，对177Lu-PSMA-I&T在寡转移激素敏感性前列腺癌患者中的器官和病灶吸收剂量进行了详细分析，并采用了深度学习辅助分割和基于体素的多时间点剂量估算方法 | 由于SPECT的空间分辨率有限，部分体积效应可能导致小体积病灶的吸收剂量被低估，且样本量相对较小（45例患者） | 评估177Lu-PSMA-I&T在寡转移激素敏感性前列腺癌患者中的安全性及病灶剂量异质性 | 低体积寡转移激素敏感性前列腺癌患者 | 数字病理学 | 前列腺癌 | SPECT/CT成像, 深度学习辅助分割, 基于体素的多时间点剂量估算 | 深度学习 | 医学影像（SPECT/CT, PET/CT） | 45例患者，共123个病灶 | NA | NA | 吸收剂量（Gy/GBq）, 中位SUV值 | NA |
| 687 | 2026-04-04 |
A hybrid bio-inspired model for predicting urban air pollution using deep learning
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40726-w
PMID:41927618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 688 | 2026-04-04 |
A novel approach for disease and pests detection in potato production system based on deep learning
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45575-1
PMID:41927639
|
研究论文 | 本研究设计了一种基于深度学习的对象检测框架，用于在真实田间条件下识别和分类马铃薯主要病害和害虫 | 提出了一种新颖的深度学习对象检测框架，专门针对真实田间条件下的马铃薯病害和害虫进行识别与分类，并采用了多种最先进的模型进行比较 | 数据集存在类别不平衡问题，且未来需要进行更广泛的跨区域和跨季节验证 | 开发一种能够及时检测马铃薯病害和害虫的方法，以帮助制定有效决策，减少产量损失 | 马铃薯作物及其病害（如晚疫病、叶斑病、卷叶病毒）和害虫（如科罗拉多马铃薯甲虫） | 计算机视觉 | 马铃薯病害 | 深度学习对象检测 | CNN | 图像 | 2,403张田间图像，分为四个类别：晚疫病（630张）、叶斑病（370张）、卷叶病毒（888张）、科罗拉多马铃薯甲虫（515张） | PyTorch | YOLOv8, YOLOv7, YOLOv5, Faster R-CNN | 平均精度均值（mAP）@0.5 | NA |
| 689 | 2026-04-04 |
Deep learning detection of ectopic canines and molars in mixed dentition
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45912-4
PMID:41927690
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 690 | 2026-04-04 |
Residual Conditional Variational Autoencoder for Multi-Center PET/CT Radiomic Feature Harmonization with Integrated Modeling of Batch Effects and Clinical Covariates
2026-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01934-y
PMID:41927822
|
研究论文 | 本研究提出了一种集成批次信息和临床协变量的残差条件变分自编码器模型（ResCVAE-Harmonizer），用于多中心特征协调，并系统全面地评估其协调性能 | 提出了一种新的ResCVAE-Harmonizer模型，能够同时消除线性和非线性批次效应，并整合临床协变量进行多中心特征协调 | 在线性方差一致性方面略逊于ComBat方法 | 开发并评估一种用于多中心PET/CT影像组学特征协调的深度学习方法 | 多中心PET和CT影像数据 | 数字病理学 | NA | PET/CT成像，影像组学特征提取 | 变分自编码器，残差网络 | 医学影像（PET和CT图像） | 来自9个不同中心的806个病例 | NA | ResCVAE-Harmonizer, 3D-DenseNet-121 | C-index, Levene检验的-log(p)值, 分类准确率, Kaplan-Meier生存曲线, log-rank检验 | NA |
| 691 | 2026-04-04 |
Automated Detection and Classification of Pleural Effusion on Computed Tomography Using Deep Learning
2026-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01938-8
PMID:41927820
|
研究论文 | 本研究开发并评估了一种基于深度学习的两阶段人工智能框架，用于从非对比胸部CT图像中自动分割和病因学分类胸腔积液 | 提出了一种结合U-Net分割与基于定量影像特征（面积、密度、纹理）的分类的两阶段深度学习框架，首次实现了胸腔积液的自动分割与病因学（脓胸、恶性、漏出性）分类 | 研究为回顾性设计，样本可能有限，且仅基于非对比胸部CT图像，未考虑临床或其他影像数据 | 开发自动分割和病因学分类胸腔积液的人工智能系统，以辅助临床决策 | 非对比胸部CT图像中检测到的胸腔积液区域 | 计算机视觉 | 胸腔积液相关疾病 | 非对比胸部CT成像 | U-Net, 逻辑回归, 支持向量机, 随机森林, 梯度提升 | 图像 | NA | NA | U-Net | 准确率, 宏F1分数 | NA |
| 692 | 2026-04-04 |
Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla
2026-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.11.003
PMID:41276422
|
研究论文 | 本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果 | 首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量 | 样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强 | 评估DLBIR技术在轨道MRI中改善图像质量的效益 | 71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁） | 医学影像分析 | 轨道疾病 | 磁共振成像（MRI），基于深度学习的图像重建（DLBIR） | 深度学习模型 | 磁共振图像 | 71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像 | NA | NA | 信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率 | NA |
| 693 | 2026-04-04 |
Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning
2026-Apr, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-02083-z
PMID:41350440
|
研究论文 | 本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架 | 首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低 | 未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性 | 开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法 | 呼吸道合胞病毒（RSV）的三个非重叠、不规则表位 | 机器学习 | 呼吸道合胞病毒感染 | 深度学习，X射线晶体学 | 生成式深度学习模型 | 蛋白质序列与结构数据 | 未明确说明具体样本数量，但涉及设计的多个单域免疫原 | NA | NA | 交叉反应滴度，中和反应 | NA |
| 694 | 2026-04-04 |
Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases
2026-Apr, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01921-3
PMID:41366626
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能 | 首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势 | 回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性 | 评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果 | 脑转移瘤患者 | 数字病理学 | 脑转移瘤 | MRI | 深度学习重建模型 | MRI图像 | 47例连续患者，共检测到117个脑转移瘤 | NA | NA | JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR | NA |
| 695 | 2026-01-06 |
Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision
2026-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.12.006
PMID:41486036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 696 | 2026-04-04 |
External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy
2026-Apr, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2026.01.014
PMID:41525968
|
研究论文 | 本研究外部验证了一种仅基于心电图的可解释深度学习算法（FactorECG算法），用于预测心脏再同步化治疗后的无应答情况 | 首次在外部队列中验证了仅使用心电图数据的可解释深度学习算法在预测CRT无应答方面的泛化能力，并探索了结合机械不同步指标的价值 | 外部验证队列样本量较小（仅161例患者），且仅针对容积无应答进行了验证，未涵盖临床结局 | 验证可解释深度学习算法在预测心脏再同步化治疗应答方面的有效性和泛化性 | 接受心脏再同步化治疗的心力衰竭患者 | 机器学习 | 心血管疾病 | 心电图分析 | 深度学习算法 | 心电图 | 外部验证队列：161例患者；原始训练数据：>100万次心电图中间搏动 | NA | FactorECG算法 | C统计量 | NA |
| 697 | 2026-04-04 |
Topological control of spontaneous failure in active nematic solids
2026-Apr, Nature materials
IF:37.2Q1
DOI:10.1038/s41563-026-02493-x
PMID:41741734
|
研究论文 | 本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中如何集中内应力并控制自发断裂的机制 | 发现了多缺陷构型（特别是缺陷四极子）在活性固体断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测最终星状体形成 | NA | 探究拓扑缺陷如何控制活性向列固体的自发机械失效 | 重构的二维肌动球蛋白网络 | 机器学习 | NA | NA | 深度学习模型 | 实验数据 | NA | NA | NA | NA | NA |
| 698 | 2026-04-04 |
Structuring large language models for chemical health risk reasoning in environmental and occupational exposure
2026-Apr-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141820
PMID:41865571
|
研究论文 | 本文提出了一种集成深度学习化合物属性预测、检索增强生成和提示工程的健康风险助手，用于环境与职业暴露中的化学健康风险推理 | 通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行结构化、角色特定的毒理学推理 | 未明确说明模型在处理极端罕见化合物或高度不确定数据时的具体局限性 | 开发一个可信且可扩展的AI推理框架，用于公共和环境健康保护中的化学风险评估 | 化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景 | 自然语言处理 | NA | 深度学习化合物属性预测, 检索增强生成, 提示工程 | 大语言模型 | 文本, 结构化知识 | 在一个包含100个问题的基准测试上进行评估，涵盖慢性毒性、职业危害和暴露特定风险 | NA | NA | 正确性, 忠实性, 领域特定帮助性 | NA |
| 699 | 2026-04-04 |
Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images
2026-Apr, Surgery today
IF:1.7Q2
DOI:10.1007/s00595-025-03152-5
PMID:41109897
|
研究论文 | 本研究评估了基于多模态成像（包括非增强CT、增强CT和PET）的深度学习模型在诊断食管癌淋巴结转移方面的性能，并与专家评估进行比较 | 开发了一种结合CT和PET图像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当 | 研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力 | 评估深度学习模型利用多模态成像检测食管癌淋巴结转移的性能，并与专家诊断进行比较 | 食管癌患者的淋巴结（来自167名接受食管切除术的患者） | 计算机视觉 | 食管癌 | 非增强CT、增强CT、正电子发射断层扫描（PET）成像 | 深度学习模型 | 图像（CT和PET图像） | 521个淋巴结来自167名食管癌患者 | NA | NA | 受试者工作特征曲线下面积（AUC） | NA |
| 700 | 2026-04-04 |
Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images
2026-Apr, Yonsei medical journal
IF:2.6Q1
DOI:10.3349/ymj.2025.0133
PMID:41914320
|
研究论文 | 本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤 | 采用Attention U-Net模型，并比较了有无直肠引导的分割效果，发现叠加直肠轮廓可提高分割准确性 | 研究为回顾性设计，样本量有限（458例），且仅基于T2加权图像，未考虑多模态数据 | 开发直肠癌肿瘤的自动分割模型以提高诊断效率 | 直肠癌患者的T2加权磁共振图像 | 数字病理学 | 直肠癌 | T2加权磁共振成像 | CNN | 图像 | 458例患者 | NA | Attention U-Net | Dice相似系数 | NA |