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 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-04-14 |
Using deep learning to assess the toxicological effects of sublethal exposure of a novel green pesticide in a stored-product beetle
2026-May, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70545
PMID:41635154
|
研究论文 | 本研究利用深度学习评估一种新型绿色农药对仓储害虫的亚致死毒性效应 | 开发了全自动计算机视觉方法标注昆虫身体部位，无需人工干预生成标注数据集，并训练CNN进行姿态估计，结合机器学习分类器分析行为变化 | LC10和LC30类别的个体区分度较低，亚致死浓度效应区分有限 | 评估绿色农药对仓储害虫的亚致死毒性效应，支持害虫综合治理 | 仓储害虫Prostephanus truncatus（大谷蠹） | 计算机视觉 | NA | 计算机视觉，深度学习 | CNN | 图像 | NA | NA | 卷积神经网络 | 平均精度，召回率，F1分数 | NA |
| 702 | 2026-04-12 |
Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial
2026-May-02, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2026.116668
PMID:41819026
|
研究论文 | 本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，探讨其在预后评估和维持治疗获益中的价值 | 首次在CAIRO3试验中应用自动化深度学习分割模型量化肿瘤负荷，并发现低肿瘤体积患者从维持治疗中获益更显著 | 探索性分析，样本量较小（104例患者），需进一步验证 | 评估转移性结直肠癌中肿瘤负荷的预后和预测价值 | CAIRO3试验中伴有肝和/或肺转移的转移性结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习分割模型 | 深度学习模型 | 医学影像 | 104例患者，共3989个转移性病灶 | NA | NA | p值 | NA |
| 703 | 2026-04-12 |
MuTriM: A multiscale deep learning model integrating longitudinal radiomics and pathomic features for predicting recurrence and adjuvant radiation benefit in breast cancer
2026-May-02, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2026.116679
PMID:41850009
|
研究论文 | 本文提出了一种名为MuTriM的多模态深度学习模型，通过整合动态对比增强磁共振成像的放射组学特征和全切片病理图像的病理组学特征，用于预测乳腺癌的复发和辅助放疗获益 | 开发了一个基于注意力的跨模态和跨时间融合框架，首次同时整合了纵向DCE-MRI放射组学特征和WSI上的细胞形态病理组学特征，以多尺度方式预测乳腺癌预后 | 研究样本量相对有限（训练集335例，外部测试集126例），且仅使用了FUSCC和TCGA两个队列的数据，可能缺乏更广泛人群的验证 | 预测乳腺癌患者的无复发生存期和辅助放疗获益，为个体化治疗提供指导 | 乳腺癌患者，包括HER2+和ER+亚型人群 | 数字病理学 | 乳腺癌 | DCE-MRI, 全切片病理成像 | 深度学习模型 | 图像（DCE-MRI和WSI） | 训练集：FUSCC队列335例；外部测试集：TCGA队列126例 | NA | 基于注意力的跨模态和跨时间融合框架 | 风险比, 95%置信区间, p值, C指数 | NA |
| 704 | 2026-04-12 |
18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients
2026-May, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05282-3
PMID:41217477
|
研究论文 | 本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯 | 提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能 | 研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证 | 评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 18F-FDG PET/CT成像 | 集成深度学习模型 | PET图像 | 177名结直肠癌患者 | NA | VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer | AUC, 准确率, F1分数 | NA |
| 705 | 2026-04-12 |
Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis
2026-May, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2026.107092
PMID:41747647
|
研究论文 | 本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体 | 首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析 | 样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证 | 开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断 | 多发性硬化症患者和健康对照个体的EEG信号 | 机器学习 | 多发性硬化症 | EEG信号处理 | KNN, DT, RF, MLP, CNN, LSTM, GRU | EEG信号 | 50名受试者（25名多发性硬化症患者，25名健康对照） | NA | CNN+LSTM, LSTM+GRU | 准确率, 灵敏度, 特异性 | NA |
| 706 | 2026-04-12 |
The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review
2026-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121869
PMID:41881175
|
综述 | 本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述，系统分类并评估了传统方法和深度学习方法 | 首次对脑损伤病灶修复工具进行全面范围综述，系统分类传统与深度学习方法，并提出使用与开发建议 | 仅纳入24篇文献，可能未覆盖所有相关研究；未进行定量荟萃分析 | 综述脑损伤患者MRI病灶修复工具的发展与应用 | 获得性脑损伤患者的T1加权MRI图像 | 数字病理学 | 脑损伤 | T1加权磁共振成像 | CNN, GAN, 去噪扩散模型 | 医学影像 | NA | NA | NA | NA | NA |
| 707 | 2026-04-12 |
Multi-dimensional CT feature screening, construction, and validation of a clinical diagnostic model for thyroid eye disease
2026-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery
DOI:10.1016/j.jcms.2026.104534
PMID:41895192
|
研究论文 | 本研究通过多维CT特征筛选、构建并验证了甲状腺眼病的临床诊断模型 | 首次系统性地结合CT三维重建和多平面重建数据，通过四维参数（点、线、面、体积）的定量测量，并利用LASSO回归进行特征筛选，构建了高精度的TED诊断模型，相比单一筛查指标性能更优 | 研究未整合机器学习、深度学习或影像组学方法，可能限制了模型的进一步优化和临床工作流程效率 | 开发并验证一个用于甲状腺眼病筛查的定量、可重复的临床诊断模型 | 甲状腺眼病患者和对照受试者的眼眶CT影像数据 | 数字病理 | 甲状腺眼病 | 计算机断层扫描（CT）、三维重建、多平面重建 | 逻辑回归 | CT影像 | 未明确具体样本数量，但数据集按7:3比例随机分为训练集和验证集 | SPSS, R语言 | NA | AUC（ROC曲线下面积）、分类准确率 | NA |
| 708 | 2026-04-12 |
ConforFold recovers alternative protein conformations beyond MSA subsampling
2026-May, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70564
PMID:41954434
|
研究论文 | 本文介绍了一个结合二级结构采样与深度学习预测的框架ConforFold，用于恢复多种蛋白质构象状态 | 通过整合二级结构采样到深度学习预测中，克服了基于MSA子采样或扩散模型的限制，能恢复传统方法无法访问的构象 | 未明确提及具体的数据集规模或计算资源限制，可能依赖于特定测试数据集 | 开发一个系统性地采样蛋白质结构集合的预测工具，以研究构象异质性和功能机制 | 具有两种替代构象的蛋白质样本 | 机器学习 | NA | 深度学习，二级结构预测 | Transformer, OpenFold | 蛋白质结构数据 | 未明确指定具体样本数量，但基于测试数据集 | PyTorch（假设基于OpenFold），TensorFlow（可能用于Transformer训练） | Transformer, OpenFold | TM-score, 准确率 | 未明确指定，可能使用GPU进行深度学习训练 |
| 709 | 2026-04-11 |
Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging
2026-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70221
PMID:41489091
|
研究论文 | 本研究评估了多中心MR神经影像数据中图像级标准化方法的性能，重点关注阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR图像 | 首次在ADNI数据集中系统比较了统计方法ComBat与深度学习方法HACA3在跨厂商MR图像标准化中的效果，并利用多指标评估了标准化后图像特征的一致性 | 当前多对比度MR标准化工具在T2-FLAIR图像标准化方面仍存在困难，且研究仅基于ADNI数据集，可能无法推广到其他疾病或影像协议 | 评估多中心MR神经影像研究中扫描仪相关差异，并比较公开可用的图像级标准化工具的性能 | 阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR MR图像，涉及GE、Philips和Siemens三种扫描仪厂商 | 数字病理学 | 阿尔茨海默病 | T1w和T2-FLAIR MRI序列 | 深度学习模型 | 图像 | 扫描仪组分析：1143名ADNI3受试者（233名GE，173名Philips，250名Siemens，其中487名Siemens受试者作为独立参考组）；受试者内比较：8名受试者的配对多厂商扫描会话 | NA | HACA3 | 灰质/白质对比度比，白质高信号体积，Fréchet Inception距离，学习感知图像块相似度 | NA |
| 710 | 2026-03-01 |
Editorial for "Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation"
2026-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70283
PMID:41761402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 711 | 2026-04-11 |
Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning
2026-May, Journal of the Pediatric Orthopaedic Society of North America
DOI:10.1016/j.jposna.2026.100334
PMID:41890888
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期 | 首次利用深度学习自动化提取临床相关参数，构建分类管道以改进LCPD分期的客观性和一致性 | 早期阶段样本代表性不足，模型在完整分类中的准确性中等，需要更大规模多中心数据提升性能 | 开发深度学习模型以自动化和标准化Legg-Calvé-Perthes病的改良Waldenström分期 | Legg-Calvé-Perthes病患者的髋关节X光片（前后位和蛙式侧位） | 数字病理学 | Legg-Calvé-Perthes病 | X光成像 | 深度学习分类模型 | 图像 | 机构1包含2,164张图像，保留测试集229对X光片，外部验证集533对X光片 | NA | NA | Dice系数, AUROC | NA |
| 712 | 2026-04-11 |
Identification of Hepatic Fibrosis and Steatosis via A Point-of-Care Transient Elastography System With Integrated AI
2026-May, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70634
PMID:41947638
|
研究论文 | 本研究开发了一种集成了人工智能的即时弹性成像系统，用于非侵入性评估肝纤维化和脂肪变性 | 结合实时B超图像引导和深度学习分析，提供便携式点对点弹性成像系统，并引入新的多域衰减参数用于脂肪定量 | 研究样本量相对有限，且主要针对慢性肝病患者，未广泛验证于其他肝病类型 | 评估AI-POC-TE系统在诊断肝纤维化和脂肪变性中的准确性，并与传统弹性成像技术进行比较 | 慢性肝病患者 | 数字病理学 | 肝病 | 瞬时弹性成像，B超图像引导，深度学习 | 深度学习模型 | 图像，弹性测量数据 | 138名患者进行肝活检和AI-POC-TE同步检查，1455名患者进行传统弹性成像对比 | 未明确指定 | 未明确指定 | AUROC, Youden's cut-offs, 相关系数 | 未明确指定 |
| 713 | 2026-04-11 |
Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design
2026-May, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70477
PMID:41957905
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 714 | 2026-04-10 |
Deep Learning Methods for De Novo Peptide Sequencing
2026 May-Jun, Mass spectrometry reviews
IF:6.9Q1
DOI:10.1002/mas.21919
PMID:39611290
|
综述 | 本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战 | 系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络 | 未提出新的算法模型，主要侧重于现有方法的归纳与讨论 | 探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准 | 蛋白质串联质谱数据及其对应的肽段序列 | 机器学习 | NA | 串联质谱 | 多层神经网络 | 质谱数据 | NA | NA | NA | NA | NA |
| 715 | 2026-04-10 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 本研究评估了基于深度学习的模型，用于高频超声（HFUS）图像在B模式和Doppler模式下的皮肤病变二分类 | 通过比较单输入CNN与Unity和Cascade架构，结合B模式和Doppler模式数据，探索了定制化深度学习在非侵入性皮肤病变分类中的潜力 | 未明确提及具体局限性，但暗示网络设计和数据质量会影响性能 | 评估深度学习模型在高频超声图像上对皮肤病变进行二分类的性能 | 高频超声（HFUS）图像，包括B模式和Doppler模式 | 计算机视觉 | 皮肤病变 | 高频超声（HFUS）成像 | CNN | 图像 | NA | NA | CNN, Unity, Cascade | 准确率, AUC | NA |
| 716 | 2026-04-10 |
Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study
2026-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005639
PMID:41631492
|
研究论文 | 本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫 | 首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致 | 研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像 | 开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断 | 疑似退行性颈脊髓病患者的颈椎MRI图像 | 计算机视觉 | 退行性颈脊髓病 | MRI | YOLO | 图像 | 735名患者的1431张矢状位T2加权颈椎MRI图像 | NA | YOLO11 | mAP50, 精确度, 召回率 | NA |
| 717 | 2026-04-07 |
The differences in essential facial areas for impressions between humans and deep learning models: An eye-tracking and explainable AI approach
2026-May, British journal of psychology (London, England : 1953)
DOI:10.1111/bjop.12744
PMID:39460393
|
研究论文 | 本研究结合眼动追踪和可解释AI技术，探讨了人类与深度学习模型在面部印象（吸引力、支配性和性别二态性）评估中关注的关键面部区域差异 | 首次将眼动追踪实验与可解释AI（Grad-CAM）方法结合，对比人类视觉注意与深度学习模型特征提取的差异，揭示面部印象形成机制的分离性 | 研究仅针对特定三种面部印象（吸引力、支配性、性别二态性），且面部图像通过几何形态测量学生成，可能未完全覆盖真实人脸的自然变异 | 探究人类与深度学习模型在面部印象评估中依赖的面部特征差异，并验证可解释AI技术在提取印象决定因素中的有效性 | 通过几何形态测量学生成的面部图像，以及参与眼动追踪实验的人类受试者 | 计算机视觉 | NA | 几何形态测量学，眼动追踪，可解释AI（Grad-CAM） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 718 | 2026-04-07 |
Computers and chess masters: The role of AI in transforming elite human performance
2026-May, British journal of psychology (London, England : 1953)
DOI:10.1111/bjop.12750
PMID:39635926
|
研究论文 | 本文通过分析超过1160万次精英棋手的决策，探讨了人工智能（AI）在复杂任务中对人类顶级表现的辅助作用 | 首次量化分析了AI两次革命（1990年代末的PC/互联网和2010年代末的深度学习引擎）对精英棋手决策质量的影响，发现人类进步与AI发展同步，但决策质量在四十年间稳步提升，未出现预期的快速飞跃期 | 研究仅聚焦于国际象棋领域，结论可能无法直接推广到其他复杂任务；且最新神经网络引擎的影响可能尚未完全显现 | 探究AI在人类顶级表现中的辅助角色及其影响机制 | 精英国际象棋选手的决策数据 | 机器学习 | NA | 数据分析、深度学习 | NA | 决策记录数据 | 超过1160万次精英棋手决策 | NA | NA | 决策质量评估 | NA |
| 719 | 2026-04-07 |
The state of modelling face processing in humans with deep learning
2026-May, British journal of psychology (London, England : 1953)
DOI:10.1111/bjop.12794
PMID:40364689
|
综述 | 本文综述了深度学习模型在人类面部处理研究中的现状，并与心理学模型进行了比较 | 通过比较深度学习模型与心理学模型，揭示了深度学习模型在面部编码方面的意外发现，如身份识别网络同时编码表情信息，并提出了未来研究的开放性问题 | NA | 探讨深度学习模型如何模拟人类面部处理系统，并比较其与心理学模型的异同 | 人类面部处理系统，包括核心系统（提取面部编码）和扩展系统（链接个人与社会信息） | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 720 | 2026-04-06 |
Artificial intelligence model for cardiovascular disease risk prediction in breast cancer patients using electronic health records and computed tomography scans
2026-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111455
PMID:41759965
|
研究论文 | 本研究开发了一种融合深度学习模型，利用电子健康记录和CT扫描预测接受放疗的乳腺癌患者的心血管疾病死亡风险 | 首次结合电子健康记录和CT扫描数据，通过融合深度学习模型预测乳腺癌患者的心血管疾病死亡风险 | 研究仅针对接受放疗的乳腺癌患者，可能不适用于其他癌症类型或治疗方式 | 预测乳腺癌患者心血管疾病死亡风险，实现早期检测 | 接受放疗的乳腺癌患者 | 数字病理学 | 心血管疾病 | CT扫描，电子健康记录分析 | 融合深度学习模型 | 图像，文本 | 23,067名患者，包含约500万张CT切片和约60万份电子健康记录文档 | NA | NA | AUC，准确率 | NA |