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 624 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2026-07-30 |
Cross-Stream and Cross-Channel Attention Networks for Surgical Skill Classification in Open Surgery From Hand Kinematics
2026-Aug, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70215
PMID:42504036
|
研究论文 | 提出跨流与跨通道注意力网络，基于手部运动学对开放式手术技能进行分类 | 整合跨流和跨通道注意力机制，捕捉手间、手内及运动层次的交互特征 | 未明确说明局限性，可能受限于样本量小或任务特定性 | 利用手部运动学数据对开放式手术技能进行自动分类评估 | 20名受训者的打结、连续缝合和间断缝合任务中的手部运动学数据 | 机器学习 | NA | 手部运动学分析 | LSTM, Transformer | 运动学数据 | 20名受训者，201次试验 | NA | LSTM, Transformer | 准确率, 与独立评审员的一致性 | NA |
| 502 | 2026-07-30 |
Applications of Artificial Intelligence in Cancer Diagnosis and Treatment
2026-Aug, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.72143
PMID:42504045
|
综述 | 综述人工智能在癌症诊断与治疗中的应用进展，涵盖筛查、诊断、治疗决策及存在的挑战 | 系统梳理AI在癌症全程管理中的现有限制与潜力，强调临床转化需跨学科协作，并指出基础模型与生成式AI的新挑战 | 数据偏差、模型可解释性不足、临床可靠性与泛化性有限，以及监管和伦理问题尚未解决 | 评估AI在癌症筛查、诊断、诊疗及治疗中的实用性，明确证据充分的领域与证据不足的领域 | 癌症诊断与治疗中的人工智能应用 | 机器学习 | 癌症 | NA | 机器学习、深度学习 | 临床数据、影像数据、多模态数据 | NA | NA | NA | NA | NA |
| 503 | 2026-07-30 |
Explainable deep learning techniques for microscopic fungi classification using a learnable threshold-based ReLULeaky activation function and transfer learning
2026-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100683
PMID:42518512
|
研究论文 | 提出一种可解释的深度学习方法，结合可学习阈值ReLULeaky激活函数和迁移学习，用于显微镜真菌图像分类 | 将可学习阈值机制的ReLULeaky激活函数集成到ResNet34中，动态调整激活水平以增强特征表示和分类性能，同时加入可解释性分析确保模型关注生物显著形态特征 | 未明确提及局限性 | 提高显微镜真菌分类的准确性和速度，实现早期感染检测 | 显微镜图像中的真菌类别 | 计算机视觉 | 真菌感染 | 显微成像 | CNN (卷积神经网络) | 图像 | 未明确提及 | PyTorch | ResNet34 | 准确率, F1-score, 精确率, AUC | NA |
| 504 | 2026-07-30 |
Deep Learning-Based Quantification of Vitreous Hyperreflective Foci as a Biomarker for Intraocular Inflammation
2026-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101263
PMID:42518791
|
研究论文 | 开发并验证一种基于深度学习的AI管道，用于从OCT图像中定量玻璃体高反射灶并评估其与眼内炎症的关联 | 首次使用U-Net Transformer模型自动化定量OCT图像中的玻璃体高反射灶，并建立其作为眼内炎症成像生物标志物的关联 | 需要在更大更多样化的数据集中进行进一步验证 | 探究自动定量玻璃体高反射灶作为眼内炎症评估的成像生物标志物的潜力 | 玻璃体高反射灶（vHRF）及眼内炎症（IOI） | 计算机视觉 | 眼内炎症，年龄相关性黄斑变性，葡萄膜炎性黄斑水肿 | OCT成像 | U-Net Transformer | OCT图像 | 369名患者的1049个OCT体积（其中34个为IOI阳性） | NA | U-Net Transformer (UNETR) with Vision Transformer backbone | 接收者操作特征（ROC），精确率-召回率（PR），预测值，广义估计方程（GEE） | NA |
| 505 | 2026-07-30 |
Transformer-based rapid dose calculation for carbon ion therapy
2026-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70587
PMID:42519894
|
研究论文 | 提出基于Transformer的碳离子治疗快速剂量计算方法，从单束计算到完整计划累计剂量评估建立端到端工作流 | 首次将Transformer架构应用于碳离子逐束剂量计算，并与LSTM进行系统对比，证明Transformer在剂量精度上优于LSTM，同时显著快于传统蒙卡算法 | CT HU梯度强度（CHGI）仅能解释局部剂量差异约30%的方差，其余影响因素未明确；模型仅在头颈部病例上验证，泛化性有限 | 推动基于人工智能的碳离子束剂量引擎向临床可用方向发展，实现快速准确的在线自适应放疗剂量计算 | 碳离子放射治疗中的逐束剂量分布与完整治疗计划累计剂量 | 机器学习 | 头颈部肿瘤 | 碳离子放射治疗, CT成像 | Transformer, LSTM | 三维CT图像, 束流能量参数 | 6例头颈部肿瘤患者 | PyTorch | Ci-DoTA（DoTA风格Transformer）, Ci-DoLSTM（LSTM基线模型） | γ分析(3%/3mm, 1%/1mm), 体素级误差指标, 推理时间 | 单GPU（具体型号未在摘要中明确） |
| 506 | 2026-07-30 |
Accurate estimation of intravoxel incoherent motion parameters based on implicit neural representation
2026-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70599
PMID:42519880
|
研究论文 | 提出基于隐式神经表示的IVIM参数估计框架，实现全局空间感知与精准拟合 | 首次将隐式神经表示与空间感知特征设计结合用于IVIM参数估计，通过坐标编码实现全局空间感知并利用局部3D补丁增强上下文建模 | 未明确说明局限性，但传统方法依赖局部感受野的限制已被部分克服 | 解决传统IVIM参数估计方法对噪声敏感且未利用空间相关性的问题 | 脑数字体模、AAPM乳腺IVIM-dMRI挑战数据及临床胶质母细胞瘤患者数据 | 机器学习 | 胶质母细胞瘤 | IVIM扩散加权成像 | 隐式神经表示 | 图像 | 100例乳腺IVIM-dMRI挑战数据集及临床GBM患者数据 | NA | IVIM-INR | 归一化平均绝对误差、组内相关系数 | NA |
| 507 | 2026-07-29 |
CARES-Net: a channel-attention residual network for multi-disease classification in small-sample 1H NMR metabolomics data
2026-08-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345614
PMID:42191258
|
研究论文 | 提出CARES-Net，一种用于1H NMR代谢组学小样本多疾病分类的通道注意力残差网络 | 将残差连接与通道注意力机制整合，自适应重加权光谱特征，增强有效代谢信号并抑制噪声和冗余变量 | NA | 提升基于小样本NMR代谢组学的疾病分类准确性 | 儿童营养不良和胰腺导管腺癌（PDAC）患者的血清1H NMR数据集 | 机器学习 | 营养不良, 胰腺导管腺癌 | NMR代谢组学 | CNN | 光谱数据 | 儿童营养不良和PDAC患者的小样本血清样本 | PyTorch | 残差网络，通道注意力机制 | 准确率 | NA |
| 508 | 2026-07-29 |
Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal
2026-Aug, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2555516
PMID:40985643
|
研究论文 | 提出一种联邦学习启用的统一Transformer模型，用于癫痫发作检测，解决数据隐私和时空特征提取问题 | 将联邦学习与Paillier同态加密结合，并采用混合图注意力框架（边缘增强图卷积网络和谱图注意力）及统一Transformer模型，同时实现隐私保护、时空特征提取和分类精度提升 | 未提及具体局限性 | 开发一种保护数据隐私的癫痫发作检测方法，提高分类准确性 | 脑电图（EEG）信号中的癫痫发作特征 | 机器学习 | 癫痫 | EEG信号处理、多尺度小波系数、独立成分分析 | Transformer、图卷积网络 | EEG信号 | 三个数据集 | NA | 统一Transformer、边缘增强图卷积网络、谱图注意力 | 准确率、安全性、精确率 | NA |
| 509 | 2026-07-29 |
Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development
2026-Aug, The Journal of hospital infection
IF:3.9Q1
DOI:10.1016/j.jhin.2026.04.019
PMID:42069224
|
系统综述 | 对人工智能在医院感染防控中的实际实施、影响及模型开发后的差距进行系统综述 | 区分了已实施集成的系统与未实施的开发/验证研究，并关注非预期后果（如不必要的隔离或警报疲劳）的量化 | 研究证据碎片化，多局限于回顾性模型开发；实施研究常缺乏标准化感染结局和后续监测；未控制混杂因素的自身前后对照评价造成偏倚风险 | 综合评估人工智能/机器学习在急性护理医院感染防控中的实际实施效果、影响及模型开发后的差距 | 急性护理医院的感染防控系统 | 机器学习 | 医院感染 | NA | 传统机器学习、自然语言处理、深度学习、基于规则或专家系统 | NA | 59项研究（其中9项为实际实施，50项为开发/验证） | NA | NA | NA | NA |
| 510 | 2026-07-29 |
Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model
2026-Aug, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.126.055813
PMID:42312380
|
研究论文 | 利用深度生成模型从弥散加权成像和液体衰减反转恢复序列合成急性缺血性卒中患者的MR灌注图，并进行了外部验证 | 首次从非对比MRI序列（DWI和FLAIR）生成合成T-max灌注图，避免了对比剂注射，缩短了成像时间 | 基于回顾性数据，样本量有限（355名患者），外部验证的Dice系数较低（0.59） | 开发一种无需对比剂的深度学习模型，从常规MRI序列推断灌注信息，简化急性卒中成像流程 | 急性前循环卒中患者的MRI数据（DWI、FLAIR、DSC灌注） | 机器学习 | 急性缺血性卒中 | MRI（弥散加权成像、液体衰减反转恢复、动态磁敏感对比增强灌注） | 去噪扩散概率模型和生成对抗网络 | 图像 | 355名急性前循环卒中患者（来自欧洲两个中心） | NA | 去噪扩散概率模型（2.5维架构） | 图像相似度度量、Dice系数 | NA |
| 511 | 2026-07-29 |
Diagnostic assessment of artificial intelligence reconstruction on accelerated prostate MRI: a retrospective, paired, multi-reader multi-case study
2026-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12479-7
PMID:41925836
|
研究论文 | 评估AI重建技术在加速前列腺MRI中维持前列腺癌检测性能的效果 | 首次在多读者多病例研究中验证AI重建可实现六倍加速而不显著降低前列腺癌检测性能 | 更高加速倍数下诊断性能下降趋势需进一步前瞻性评估 | 评估AI重建加速前列腺MRI在保持诊断性能方面的有效性 | 120例来自UMCG的多线圈T2加权前列腺MRI扫描和312例来自NYU的公开扫描数据 | 医学影像 | 前列腺癌 | MRI | 深度学习模型 | MRI图像 | 432例前列腺MRI扫描（120例UMCG + 312例NYU） | NA | NA | AUROC, 图像质量Likert评分 | NA |
| 512 | 2026-07-28 |
3D Freehand Ultrasound Reconstruction of the Carotid Artery
2026-Aug, Ultrasound in medicine & biology
|
研究论文 | 提出一种无需传感器的三维自由手部超声重建颈动脉的方法，利用两流物理启发学习预测姿态模型（PLPPI）结合散斑去相关和空间信息进行帧对齐 | 创新地将散斑去相关作为归纳偏置（时间信息）与空间信息整合到两流物理启发学习预测姿态模型（PLPPI）中，通过相关层协同时空线索实现自由手部帧对齐，显著提升重建精度并降低计算资源需求 | 未明确说明局限性，但可能受限于志愿者样本量较小（20人）以及仅针对颈动脉的特定解剖部位 | 开发一种传感器less的三维自由手部超声重建方法，提高重建精度和计算效率 | 20名人类志愿者（10男10女）的颈动脉B模式超声数据 | 计算机视觉 | 心血管疾病 | 超声成像 | 残差神经网络（ResNet） | 二维超声图像 | 20名志愿者（10男10女） | PyTorch | ResNet | 全局像素重建误差、最终漂移、最终漂移率 | NA |
| 513 | 2026-02-08 |
Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer
2026-Aug, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-026-04220-z
PMID:41649698
|
研究论文 | 本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测 | 整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性 | 研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性 | 开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局 | 晚期非小细胞肺癌患者 | 机器学习 | 肺癌 | 超深度ctDNA测序（MSK-ACCESS和ctDx Lung） | DeepSurv | 基因组数据、临床病理特征 | 1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人） | NA | DeepSurv | 时间依赖性曲线下面积（AUC）、风险比（HR） | NA |
| 514 | 2026-07-26 |
From deep learning-based toxicity prediction to theoretical simulation-based mechanism analysis: A case study of 33 typical pesticides and their transformation products
2026-Aug-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.142624
PMID:42269292
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 515 | 2026-07-26 |
Deep learning-assisted chrysotile asbestos screening in soil: A hierarchical statistical approach to error propagation
2026-Aug-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.142934
PMID:42435689
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 516 | 2026-07-26 |
Artificial Intelligence Techniques in Cardiac Neuromodulation: Mechanisms, Applications, and Pathways to Clinical Translation
2026-Aug, Journal of arrhythmia
IF:2.2Q2
DOI:10.1002/joa3.70434
PMID:42499589
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 517 | 2026-07-26 |
Automated quality indicators for echocardiographic recordings and measurements: consequences for left ventricular global longitudinal strain
2026-Aug, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyag124
PMID:42500507
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 518 | 2026-07-24 |
AI-Assisted Capsule Endoscopy for Detection of Ulcers and Erosions in Crohn's Disease: A Multicenter Validation Study
2026-Aug, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2025.09.036
PMID:41076040
|
research paper | 多中心研究验证了人工智能辅助胶囊内镜在克罗恩病溃疡和糜烂检测中的性能 | 首次多中心验证不同设备（PillCamSB3和Olympus EC-10）下AI辅助读片的诊断性能，显著缩短读片时间 | NA | 验证AI模型在不同小肠胶囊内镜设备中检测溃疡和糜烂的性能 | 克罗恩病患者小肠胶囊内镜影像（溃疡和糜烂病变） | computer vision | Crohn's disease | SBCE | CNN | image | 259例SBCE检查 | NA | 深度学习模型 | sensitivity, specificity, positive predictive value, negative predictive value, accuracy | NA |
| 519 | 2026-07-24 |
Artificial Intelligence-Based Detection of Achalasia on Plain Chest Radiography
2026-Aug, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2025.08.024
PMID:40975366
|
研究论文 | 开发并验证基于胸部平片深度学习的人工智能模型用于诊断贲门失弛缓症 | 首次利用深度学习模型从胸部平片中自动检测贲门失弛缓症，提供了一种非侵入性筛查方法 | 未在论文摘要中明确说明 | 开发和验证一个基于胸部平片的深度学习模型用于贲门失弛缓症的诊断 | 贲门失弛缓症患者的胸部平片 | 计算机视觉 | 贲门失弛缓症 | NA | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 520 | 2026-07-22 |
Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans
2026-Aug, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05352-6
PMID:41524986
|
研究论文 | 开发并评估一种基于深度学习的算法，用于在CT扫描中自动检测胆囊结石 | 首次提出一种完整的深度学习流水线，结合胆囊分割和结石边界框检测，实现对CT图像中胆囊结石的自动化高灵敏度识别 | 回顾性单中心研究，样本量有限（90例测试集），对低密度或小尺寸结石的检测灵敏度较低，且未在外部数据集验证 | 评估深度学习算法在CT扫描中自动检测胆囊结石的诊断准确性 | 胆囊结石患者、非结石患者及胆囊切除术后的CT扫描图像 | 计算机视觉 | 胆囊结石 | CT扫描 | 深度学习模型（分割与检测结合） | 图像 | 1143例CT扫描（493例阳性、470例阴性、180例术后）用于训练，90例（每组30例）用于测试 | NA | 分割模型（U-Net相关）、检测模型（基于区域提议网络等） | Dice系数、灵敏度、特异度、ROC曲线分析 | NA |