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 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2026-04-05 |
Efficient Large-Deformation Medical Image Registration via Recurrent Dynamic Correlation
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3630584
PMID:41201925
|
研究论文 | 提出了一种基于循环动态相关性的高效大变形医学图像配准框架 | 通过循环动态重定位匹配区域来高效捕获大变形所需的长距离对应关系，并采用轻量级循环更新模块和特征解耦来抑制语义冗余 | NA | 解决大变形医学图像配准中的效率与精度挑战 | 医学图像（脑部MRI和腹部CT） | 医学影像分析 | NA | 深度学习图像配准 | 卷积网络，循环网络 | 图像 | NA | NA | 基于循环相关的框架 | 精度，计算量（FLOPs），运行速度 | NA |
| 922 | 2026-04-05 |
FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-Time Training
2026-Apr, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3631049
PMID:41212692
|
研究论文 | 提出一种名为FunOTTA的新型眼底图像测试时适应框架，用于解决跨域眼底图像诊断中的领域偏移问题 | 通过动态内存库去歧义化减少有害先验知识偏差，并引入基于可靠类别条件估计和一致性正则化的增量适应训练目标 | 仅在两种疾病的跨域眼底图像基准上进行了实验验证，未涵盖更广泛的眼科疾病类型 | 提升深度学习模型在跨域眼底图像诊断中的泛化能力 | 眼底图像 | 计算机视觉 | 眼科疾病 | 深度学习 | CNN | 图像 | NA | PyTorch | ResNet, VGG, Transformer | 准确率, AUC | NA |
| 923 | 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 |
| 924 | 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 |
| 925 | 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 |
| 926 | 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 |
| 927 | 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 |
| 928 | 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 |
| 929 | 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 |
| 930 | 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 |
| 931 | 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 |
| 932 | 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 |
| 933 | 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 |
| 934 | 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 |
| 935 | 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 |
| 936 | 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 |
| 937 | 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 |
| 938 | 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 |
| 939 | 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 |
| 940 | 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 |