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 799 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2026-05-19 |
Which Method Best Predicts Postoperative Complications: Deep Learning, Machine Learning, or Conventional Logistic Regression?
2026-May, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.70145
PMID:42146812
|
review | 比较逻辑回归、机器学习和深度学习在胃肠外科手术后并发症预测中的表现 | 系统比较了传统逻辑回归、机器学习和深度学习在术后并发症预测中的优劣，特别强调了深度学习中图像和时间序列数据的优势及其在表格数据上的不足 | 深度学习模型的“黑箱”性质限制了其可解释性，且在表格临床数据集（如NCD）上表现不如某些机器学习方法 | 评估不同预测模型（逻辑回归、机器学习、深度学习）在胃肠外科手术后并发症预测中的有效性 | 胃肠外科手术后并发症预测模型 | machine learning | 术后并发症 | NA | 逻辑回归，机器学习（随机森林、梯度提升），深度学习 | 表格数据，图像数据，时间序列数据 | NA | NA | NA | 预测准确性 | NA |
| 462 | 2026-05-19 |
Further Detail Concerning the Deep Learning Model for Mortality After Total Gastrectomy
2026-May, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.70155
PMID:42146815
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 463 | 2026-05-19 |
Response to 'Further Detail Concerning the Deep Learning Model for Mortality After Total Gastrectomy'
2026-May, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.70199
PMID:42146826
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 464 | 2026-05-19 |
Educational Impact of Artificial Intelligence-Navigation Surgery on Anatomical Landmark Recognition in Medical Students
2026-May, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.70149
PMID:42146836
|
研究论文 | 评估人工智能导航手术在腹腔镜胆囊切除术中对医学生解剖标志识别能力的教育影响 | 首次将基于深度学习的实时AI导航系统应用于医学生手术教育，并定量评估其对解剖标志识别的学习效果 | AI学习组在理解外科医生视角和意图方面与自我学习组无显著差异 | 评估AI导航手术在提高医学生解剖标志识别能力方面的教育潜力，以减轻教师负担 | 30名五年级医学生，分为外科医生指导组、自我学习组和AI学习组 | 计算机视觉 | NA | NA | 深度学习分割模型 | 图像 | 30名医学生 | PyTorch | HyperSeg | Dice系数 | NA |
| 465 | 2026-05-19 |
Automated assessment of right ventricular systolic function from coronary angiograms with video-based artificial intelligence algorithms: development, validation, comparison against humans, and prospective deployment
2026-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztag059
PMID:42146868
|
research paper | 开发并验证了DeepRV，一种从常规冠脉造影视频中预测右心室收缩功能的深度学习模型，并在前瞻性部署中评估其性能 | 首次从常规冠脉造影视频中自动评估右心室收缩功能，并实现实时推理与开放权重可用性 | NA | 开发并验证基于视频的深度学习模型DeepRV，用于从常规冠脉造影中自动评估右心室收缩功能 | 来自蒙特利尔心脏研究所和加州大学旧金山分校的冠脉造影研究，以及STEMI患者的前瞻性数据 | computer vision | cardiovascular disease | 冠脉造影 | 视频深度学习神经网络 | 视频 | 8053项冠脉造影研究来自6923名患者，外部验证2247项研究，前瞻性部署82例STEMI病例 | NA | DeepRV | AUROC, sensitivity, specificity, negative predictive value, accuracy | NA |
| 466 | 2026-05-19 |
Impact of Pollution on Mental Health: A Systematic Review of Associations, Methodological Challenges, and Future Directions
2026-May, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.72514
PMID:42147472
|
综述 | 系统综述环境污染对心理健康的影响，包括方法学挑战和未来方向 | 探讨人工智能在改善未来研究精度和效率中的潜在应用，并强调数据基础设施改进的前提作用 | 当前研究数据在时间范围和地理覆盖上的局限，以及大多数心理健康数据集的质量有限 | 评估各类污染（空气、噪声、化学污染物）对心理健康的影响，并识别研究中的方法学挑战 | 不同人群的心理健康结果 | 机器学习 | 心理健康疾病 | NA | NA | 文本 | 61项高质量研究 | NA | 时空模型、注意力机制、深度学习 | NA | NA |
| 467 | 2026-05-19 |
Ensemble deep learning model based on CT scans: differentiating and subtype-classifying pancreatic inflammations and tumors, and predicting pancreatic lesion invasiveness
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-aw-2192
PMID:42147868
|
research paper | 开发基于CT图像的集成深度学习模型，用于区分和亚型分类胰腺炎症与肿瘤，并预测胰腺病变的侵袭性 | 整合DeepLabV3、nnUNet-MS和自适应金字塔移位窗口Swin-Transformer三种模块的集成深度学习模型，实现胰腺分割、病变分割和诊断的一体化流程，并在多中心大规模数据上验证 | 未提及具体限制，但可能受限于数据多样性、模型泛化性及预测侵袭性仅针对胰腺导管腺癌 | 基于CT图像准确区分和亚型分类胰腺炎症与肿瘤，以及术前预测病变侵袭性，辅助临床决策与预后评估 | 胰腺疾病患者，包括胰腺炎和胰腺肿瘤 | computer vision, digital pathology | pancreatic diseases, pancreatic cancer | CT imaging | deep learning ensemble model | CT image | 6740名患者的胰腺CT图像 | PyTorch | DeepLabV3, nnUNet-MS, Adaptive Pyramidal Shifted Window-Swin-Transformer | Dice coefficient, Intersection over Union (IoU), sensitivity, accuracy | NA |
| 468 | 2026-05-19 |
Deep learning-based independent lymph node segmentation in esophageal cancer: a precise and efficient approach for radiotherapy planning
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-2067
PMID:42147890
|
研究论文 | 基于深度学习的食管癌淋巴结自动分割模型，用于提高放疗计划制定效率和准确性 | 首次采用nnU-Net模型对食管癌多个淋巴结临床靶区（101-109站）进行独立分割，并通过临床评分验证其实际可用性 | 仅使用单中心回顾性数据，未包含淋巴结转移病例，可能影响模型在真实临床场景中的泛化能力 | 开发和验证基于深度学习的食管癌淋巴结自动分割方法以支持放疗靶区勾画 | 食管癌患者的淋巴结临床靶区（包括101、104、105、106、107、108和109站） | 计算机视觉 | 食管癌 | 增强CT扫描 | nnU-Net | 医学图像（CT） | 364例患者，共计1131个淋巴结靶区 | PyTorch | nnU-Net | Dice相似系数（DSC）、95%豪斯多夫距离（95HD） | NA |
| 469 | 2026-05-19 |
Multi-scale generative adversarial network: three-dimensional reconstruction of the scoliotic spine from biplanar X-rays
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-aw-2176
PMID:42147904
|
研究论文 | 提出一种多尺度生成对抗网络，从双平面X光片中三维重建脊柱侧弯的脊柱结构 | 引入残差密集编码器保留椎体细节、自适应跨视角融合模块整合正交投影、多尺度融合判别器确保结构一致性 | 研究未评估模型在其他脊柱畸形或非脊柱侧弯患者上的泛化能力，另外对真实临床数据性能略有下降但仍保持在5%以内 | 开发一种低辐射、高精度的深度学习框架，从正交X光片实现脊柱三维重建 | 青少年特发性脊柱侧弯（AIS）患者和正常脊柱个体 | 计算机视觉 | 青少年特发性脊柱侧弯 | 双平面X光成像 | 生成对抗网络 | 图像 | 1,087例正常脊柱（CTSpine1K）和138例AIS病例（Cobb角15°-85°），以及38例真实双平面X光病例 | PyTorch | 多尺度生成对抗网络（残差密集编码器、自适应跨视角融合模块、多尺度融合判别器） | 均方误差、峰值信噪比、结构相似性指数、Dice系数、矢状垂直轴、腰椎前凸角、胸椎后凸角 | NA |
| 470 | 2026-05-19 |
Multimodal combined model integrating 2.5D deep learning and habitat radiomics for malignancy discrimination in ≤2 cm BI-RADS 4 breast lesions
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2812
PMID:42147917
|
研究论文 | 开发并外部验证一个多模态融合模型，整合临床超声、生境影像组学和2.5D深度学习，以改善≤2cm BI-RADS 4类乳腺病变的恶性鉴别 | 首次将2.5D深度学习与生境影像组学结合，构建ABVS和SE双模态融合模型，显著提升≤2cm BI-RADS 4病变的恶性判别性能，并进行了严格的外部验证 | 回顾性设计、样本量有限、仅纳入双中心数据、未评估模型对患者管理及活检率的实际影响 | 改善≤2cm BI-RADS 4类乳腺病变的恶性鉴别，减少不必要活检 | ≤2cm BI-RADS 4类乳腺病变 | 医学影像分析 | 乳腺癌 | 自动乳腺容积扫描(ABVS)、应变弹性成像(SE) | 深度学习(2.5D和2D)模型、影像组学-生境模型 | 超声图像 | 686名女性（训练集368例，内部验证集158例，外部测试集160例） | NA | 2.5D深度学习模型、2D深度学习模型 | AUC、校准曲线、Brier分数、决策曲线分析 | NA |
| 471 | 2026-05-19 |
Evaluation of optimal ClearInfinity artificial intelligence deep learning reconstruction algorithm weights with a 70-kVp tube voltage combined with "dual-low" abdominal computed tomography angiography
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2589
PMID:42147944
|
研究论文 | 评估70-kVp管电压结合“双低”腹部CT血管成像中ClearInfinity人工智能深度学习重建算法权重的最优设置 | 首次系统评估不同ClearInfinity深度学习重建权重在70-kVp低管电压和低对比剂剂量条件下的腹部CTA图像质量，发现90%权重可实现显著辐射剂量降低并保持诊断性血管图像质量 | 未提及具体局限性 | 评估70-kVp腹部CTA协议结合ClearInfinity深度学习重建算法在不同权重水平下的图像质量和辐射剂量 | 100名接受腹部CTA检查的患者，分为A组（70-kVp低剂量组）和B组（常规100-kVp标准剂量组） | 医学影像 | 腹部血管疾病 | CT血管成像，深度学习重建算法（ClearInfinity） | 深度学习重建算法 | CT图像 | 100名患者 | NA | ClearInfinity（深度学习重建模型） | CT衰减值，图像噪声（SD），信噪比（SNR），对比噪声比（CNR），主观图像质量评分，辐射剂量参数（CTDIvol、DLP、ED） | NA |
| 472 | 2026-05-19 |
A fusion model of deep learning and conventional features based on computed tomography angiography of carotid plaque for predicting the risk of acute ischemic stroke
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2688
PMID:42147943
|
研究论文 | 开发并验证了一种融合临床风险因素、影像特征与Swin Transformer深度学习特征的颈动脉斑块CTA融合模型，用于预测急性缺血性卒中风险 | 首次将Swin Transformer提取的颈动脉斑块CTA影像特征与常规临床及影像特征融合，构建多模态预测模型，显著优于传统方法，并利用SHAP和Grad-CAM增强模型可解释性 | 回顾性研究设计、样本量有限（264例）、单一中心数据，可能限制模型的泛化能力 | 开发并验证一个集成临床风险因素、影像特征与Swin Transformer深度学习特征的融合模型，用于预测同侧急性缺血性卒中风险 | 颈动脉粥样硬化患者的颈动脉斑块计算机断层扫描血管造影（CTA）图像、临床风险因素及影像特征 | 计算机视觉, 数字病理学 | 急性缺血性卒中, 颈动脉粥样硬化 | 计算机断层扫描血管造影（CTA）, 磁共振成像（MRI） | 深度学习模型（DenseNet121, Swin Transformer） | 图像（CTA）, 临床数据（风险因素）, 影像特征 | 264例颈动脉粥样硬化患者，分为训练集（184例）和测试集（80例） | PyTorch | DenseNet121, Swin Transformer | AUC, 决策曲线分析（DCA）, 校准曲线, SHAP, Grad-CAM | NA |
| 473 | 2026-05-19 |
Artificial Intelligence in Botulinum Toxin Injections: A Mini-Review of Current Applications, Challenges, and Translational Perspectives
2026-May, Cureus
DOI:10.7759/cureus.108898
PMID:42148194
|
综述 | 本文综述了人工智能在肉毒毒素注射中的应用现状、挑战及转化前景 | 首次系统总结AI在肉毒毒素注射全流程中的应用，包括聊天机器人辅助规划、深度学习面部表情分析、基于MRI的肌张力障碍反应预测、多模态机器学习等技术，并提出临床应用框架 | 证据仍为初步且异质性高，存在样本量小、回顾性设计、外部验证有限等局限 | 总结人工智能在肉毒毒素注射中的应用现状，支持临床决策并提供转化方向的建议 | 肉毒毒素注射治疗中的AI应用案例 | 机器学习 | 神经系统疾病 | NA | 深度学习, 多模态机器学习 | 图像, 文本 | NA | NA | NA | NA | NA |
| 474 | 2026-05-17 |
Deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department
2026-May-15, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf254
PMID:40156923
|
研究论文 | 开发深度学习心电图模型用于急诊科冠状动脉血运重建需求的风险分层 | 首次应用卷积神经网络直接从心电图数据预测急性冠脉综合征患者的血运重建需求，并与临床医生解读和心脏生物标志物进行性能对比 | 模型特异性较高但灵敏度较低，相比高灵敏度肌钙蛋白T表现不足 | 开发深度学习模型识别与冠状动脉血运重建可能性相关的心电图模式，以减少诊断不确定性并指导进一步评估 | 急诊科就诊者，包括美国队列（144,691次就诊）和欧洲外部验证队列（18,673次就诊） | 机器学习和数字病理学 | 心血管疾病 | 心电图 | 卷积神经网络 | 心电图信号数据 | 训练集144,691次急诊就诊（美国），测试集35,995次，外部验证集18,673次（欧洲） | NA | 卷积神经网络 | 受试者工作特征曲线下面积、灵敏度、特异度 | NA |
| 475 | 2026-05-16 |
The emergence of superficial dermatophytosis due to Trichophyton indotineae and Trichophyton mentagrophytes genotypes VII and II* in New York: a need for comprehensive testing approaches
2026-May-13, Journal of clinical microbiology
IF:6.1Q1
DOI:10.1128/jcm.00156-26
PMID:41960917
|
研究论文 | 报道2022至2024年间纽约市及周边郡县浅表皮肤癣菌病的快速增加，并开发了自动化深度学习模型用于快速鉴定和药敏测试 | 首次整合自动化深度学习模型、抗真菌药敏测试和全基因组测序，实现对印度毛癣菌及须癣毛癣菌基因型VII和II*的快速鉴定、耐药检测与传播分析 | 数据仅来自纽约市及周边地区，可能无法推广至其他区域 | 应对印度毛癣菌和须癣毛癣菌感染的快速增加，开发高效鉴定、耐药检测和监测方案以改善患者护理和感染控制 | 印度毛癣菌、须癣毛癣菌基因型VII和II*的临床分离株 | 机器学习 | 皮肤癣菌病 | 扩增子测序（ITS）、全基因组测序 | 深度学习模型 | DNA序列 | 188例分离株（含135株印度毛癣菌、39株基因型VII、14株基因型II*） | NA | NA | NA | NA |
| 476 | 2026-05-16 |
Enhancing Bone MRI With Vendor-Independent Deep Learning: A Comparative Study of CT and 3D VIBE CAIPI-Dixon Sequences for Shoulder Assessment
2026 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001819
PMID:41249023
|
研究论文 | 评估使用供应商无关的深度学习重建从肩部3D-VIBE CAIPIRINHA Dixon MRI生成高分辨率类CT骨图像的可行性 | 首次证明供应商无关的深度学习能在肩部MRI中生成高质量类CT骨图像，无需CT辐射 | 未提及 | 评估基于深度学习的MRI重建生成类CT肩部骨图像的可行性 | 肩部MRI和CT图像 | 计算机视觉 | 未指定 | MRI | 深度学习模型 | MRI图像和CT图像 | 99名患者（52名男性，47名女性，年龄17-87岁） | PyTorch | NA | likert量表评分、相对对比噪声比、相对信噪比、Friedman检验、Wilcoxon秩和检验、Kruskal-Wallis检验、组内相关系数 | NA |
| 477 | 2026-05-16 |
Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans
2026 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001828
PMID:41701554
|
研究论文 | 比较基于各向同性与各向异性MRI重建的深度学习模型在盆腔软组织结构分割中的性能 | 首次系统比较各向同性和各向异性MRI重建对骨盆软组织结构（包括骶神经、闭孔神经和梨状肌）深度学习分割的影响 | 样本量较小（仅35例直肠癌患者），且未涉及其他盆腔病变或数据源 | 评估各向同性与各向异性MRI重建对深度学习分割骨盆肌肉和神经组织的性能差异，以优化术前规划和手术导航 | 盆腔软组织结构（骶神经、闭孔神经、梨状肌） | 数字病理学, 计算机视觉 | 直肠癌 | T2加权MRI扫描 | nnU-Net | MRI图像 | 35例直肠癌患者的轴向、矢状和冠状T2加权MRI扫描 | PyTorch | nnU-Net | Dice相似系数, 交并比, 精确率, 召回率 | NA |
| 478 | 2026-05-16 |
Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review
2026-May, Asian cardiovascular & thoracic annals
DOI:10.1177/02184923261432687
PMID:41914776
|
综述 | 本文综述了人工智能在体外生命支持技术（如体外循环、ECMO、心室辅助装置）中的应用现状与未来发展 | 系统梳理了AI在体外循环技术中从历史发展到核心子领域（机器学习、深度学习、认知计算）的全面应用框架 | 作为叙述性综述，可能未涵盖所有最新研究或提供定量对比分析 | 探讨AI在体外技术中提升安全性、精准性和效率的潜力，优化临床表现并支持个性化治疗 | 体外生命支持技术（CPB、ECMO、VAD）及其临床流程 | 机器学习 | 心血管疾病 | NA | NA | 生理数据 | NA | NA | NA | NA | NA |
| 479 | 2026-05-16 |
CREsted: modeling genomic and synthetic cell-type-specific enhancers across tissues and species
2026-May, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-026-03057-2
PMID:41927920
|
研究论文 | CREsted软件包实现了跨组织和物种的细胞类型特异性增强子的建模与设计 | 开发了整合单细胞ATAC-seq数据处理、序列建模、增强子设计与下游分析的端到端软件包，并在斑马鱼胚胎图谱中验证了设计的增强子体内活性 | 未提及具体限制 | 实现跨组织与物种的细胞类型特异性增强子的序列建模与合成设计 | 增强子序列及其细胞类型特异性调控逻辑 | 机器学习, 数字病理学 | NA | 单细胞ATAC-seq | 深度学习模型 | 序列数据 | 小鼠皮层数据集、人类外周血单核细胞数据集、鱼类胚胎发育图谱 | PyTorch | Transformer | NA | NA |
| 480 | 2026-05-15 |
ReaderAdaptNet: modeling reader variability in breast imaging with reader-specific embeddings
2026-May-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae6227
PMID:42009042
|
研究论文 | 提出ReaderAdaptNet，一种通过读者特定嵌入建模乳腺影像中读者变异性的自适应网络 | 首次提出通过读者特定嵌入显式建模读者变异性，并采用两阶段深度学习框架实现个性化分类和快速校准，无需重新训练完整模型 | 未明确说明局限性，但依赖于多读者数据集，可能在小样本场景下泛化能力受限 | 解释并建模乳腺影像判读中的读者变异性，而非消除它，以提高AI模型在真实世界变异性下的可靠性 | 乳腺密度分类和背景实质增强分类任务中的多读者数据集 | 计算机视觉 | 乳腺疾病 | 深度学习 | 自适应网络 | 医学图像 | NA（未明确说明样本数量） | PyTorch | ReaderAdaptNet（包含读者嵌入的两阶段框架） | 平均分类准确率 | NA（未明确说明计算资源） |