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 272 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-09-18 |
Can Deep Learning Methods Differentiate Temporomandibular Joint Disorders From Healthy Joints? A 3D Artificial Intelligence Algorithm Study Based on CBCT Images
2026-Oct, Journal of oral rehabilitation
IF:3.1Q1
DOI:10.1111/joor.70247
PMID:42367059
|
研究论文 | 本研究开发了基于CBCT图像的深度学习模型，用于颞下颌关节紊乱病的自动分割、分类和分级 | 首次使用nnU-Net v2和3D CNN对CBCT图像中的颞下颌关节紊乱病进行自动分割、二分类、五分类和分级分析 | 需要更大且更平衡的数据集来提高模型对TMD分级分类的准确性 | 开发能够执行颞下颌关节CBCT扫描评估中广泛任务的深度学习模型 | 颞下颌关节紊乱病患者和健康对照的CBCT图像 | 计算机视觉 | 颞下颌关节紊乱病 | CBCT | CNN | 图像 | NA | NA | nnU-Net v2, 3D CNN | DSC, IoU, F1-score | NA |
| 182 | 2026-09-18 |
TOPOS: target organ prediction on scout views for automated CT scan planning
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12623-3
PMID:42135580
|
研究论文 | 该研究开发了一种深度学习模型，用于在CT定位像上分割解剖结构，以实现自动扫描计划并减少过度扫描和辐射暴露 | 提出了一种在CT定位像上分割26个目标结构的深度学习模型，实现了自动扫描计划，显著减少了扫描长度和辐射剂量，同时保持了诊断质量 | 单中心回顾性研究，外部验证仅针对胸部CT，样本量有限，需要进一步多中心前瞻性验证 | 开发深度学习模型以优化CT扫描范围，减少不必要的辐射暴露 | 接受CT扫描的患者 | 医学图像分割 | NA | CT扫描，深度学习 | 深度学习分割模型 | 图像 | 1146名患者用于训练和内部测试（平均年龄63±17岁，577名男性），100名患者内部测试集，36个外部胸部CT，61个内部CT和14个外部CT用于自动与手动计划比较 | NA | NA | Dice-Sørensen系数（DSC），归一化表面距离（NSD），扫描长度，剂量长度乘积（DLP） | NA |
| 183 | 2026-09-18 |
Robust deep learning for incomplete MRI sequences in glioma grading and IDH mutation status prediction: a large-scale multicenter study
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12622-4
PMID:42142114
|
研究论文 | 该研究开发了一种鲁棒的深度学习方法RISEN，用于在不完整MRI序列条件下进行胶质瘤分级和IDH突变状态预测 | 提出RISEN网络，能够从不完整MRI序列中插补缺失特征并学习潜在融合表示，在缺失数据场景下保持稳健性能 | 研究为回顾性设计，模拟缺失场景可能不完全代表真实临床情况，且未报告计算资源细节 | 开发一种稳健且无创的方法，利用不完整MRI数据进行准确的胶质瘤分级和IDH突变状态预测 | 2170名胶质瘤患者的常规MRI扫描数据 | 数字病理学 | 肺癌 | 多参数MRI radiomics | CNN | 图像 | 2170名胶质瘤患者 | NA | RISEN | AUC | NA |
| 184 | 2026-09-18 |
Artificial intelligence-based automated scoring of the mouse grimace scale: a systematic review
2026-Oct, Pain reports
IF:3.4Q2
DOI:10.1097/PR9.0000000000001497
PMID:42746625
|
系统综述 | 本文系统综述了基于人工智能的小鼠面部表情量表（MGS）自动评分研究，评估了其性能和方法学质量 | 首次系统评价人工智能驱动的小鼠面部表情量表自动评分研究，揭示了该领域在外部验证缺失、MGS部分实施和性能指标报告不一致等方面的局限性 | 大多数证据仅基于内部验证，缺乏外部验证；大多数研究仅部分实施了完整的MGS；性能指标报告存在较大变异性 | 系统评估应用人工智能方法进行小鼠面部表情量表自动评分的研究 | 2018年至2025年间发表的8项应用人工智能进行小鼠面部表情量表自动评分的研究 | 计算机视觉 | 疼痛评估 | 深度学习 | NA | 图像 | 8项研究，训练数据集规模从不到100张图像到超过70000张图像不等 | NA | NA | 分类准确率, 相关系数 | NA |
| 185 | 2026-09-18 |
Feasibility and Reproducibility of a Structure-Guided Deep Learning Model for Automatic Detection of the Standard Sagittal Plane in First-Trimester Nuchal Translucency Assessment Using 3D Ultrasound
2026-Oct, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70281
PMID:42104541
|
研究论文 | 该研究开发并验证了一种基于卷积神经网络的深度学习模型3D MSP-net，用于从三维超声体积中自动提取胎儿正中矢状面，以提高早孕期颈项透明层评估的效率和标准化 | 利用颅内结构分割而非面部标志来自动提取正中矢状面，克服了传统方法的局限性，并在挑战性条件下保持稳健性能 | 样本量未明确说明，可能受限于单中心或特定人群，需要进一步多中心验证 | 开发和验证一种新型深度学习算法，用于从三维超声体积中自动提取胎儿正中矢状面，以克服传统方法的局限性 | 接受早孕期颈项透明层筛查的单胎孕妇 | 计算机视觉 | 胎儿遗传异常 | 三维超声 | CNN | 图像 | NA | NA | 3D MSP-net | 成功率 | NA |
| 186 | 2026-09-18 |
Automated Assessment of OCT Angiography Image Quality Using the Artificial Intelligence Ready and Exploratory Atlas for Diabetes Insights Data Set
2026-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101335
PMID:42741389
|
研究论文 | 利用AI-READI数据集开发人工智能模型，自动评估OCTA图像质量 | 使用AI-READI数据集，该数据集包含异构数据，开发的模型在不同机构、相机和图像尺寸上具有泛化能力 | 未明确提及 | 开发OCTA图像质量评估的人工智能模型 | OCTA图像 | 医学图像分析 | 糖尿病 | OCT血管成像 | 深度学习 | 图像 | AI-READI：6269张6×6-mm和325张12×12-mm OCTA图像，来自1067名参与者；MEEI：1100张6×6-mm OCTA图像，来自539名患者 | NA | ResNet, EfficientNet, Vision Transformer, ConvNeXt v2 | 准确率, 灵敏度, 特异性, AUROC | NA |
| 187 | 2026-09-16 |
The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis
2026-10-01, Journal of clinical gastroenterology
IF:2.8Q2
DOI:10.1097/MCG.0000000000002148
PMID:39998988
|
系统综述与meta分析 | 本文通过系统综述与meta分析评估了人工智能结合数字胆道镜对不确定性和恶性胆道狭窄的诊断性能 | 首次通过系统综述与meta分析方法综合评估AI辅助胆道镜在不确定性和恶性胆道狭窄诊断中的表现 | 仅纳入5项研究，样本量有限，且仅一项研究未使用CNN深度学习系统，研究间异质性可能影响结论的稳健性 | 评估基于AI的胆道镜诊断对不确定性和恶性胆道狭窄的诊断性能 | 675个病变及2,685,674张胆道镜图像 | 计算机视觉, 数字病理学 | 胆道狭窄, 胆道恶性肿瘤 | 数字胆道镜, ERCP | CNN | 图像 | 5项研究，675个病变，2,685,674张胆道镜图像，其中CNN分析涉及4项研究538例患者 | NA | 卷积神经网络 | 灵敏度, 特异度, 似然比, 诊断比值比, SROC曲线下面积 | NA |
| 188 | 2026-09-16 |
Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review
2026-Oct, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2026.02.016
PMID:41775582
|
综述 | 本文系统回顾了人工智能模型在预测骨性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能 | 系统评估了机器学习和深度学习模型在骨性III类错颌畸形治疗预测中的应用，并总结了常用的预测因素如Wits评估、ANB角、上下颌比、覆盖和下颌角离散度 | 需要更大规模的多中心数据集和外部验证来提高可靠性、解决偏倚并支持临床实施 | 评估AI模型在预测正颌手术需求方面的性能，并识别影响治疗决策的预测因素 | 骨性III类错颌畸形患者 | 机器学习 | 骨性III类错颌畸形 | 头影测量和临床数据 | 机器学习, 深度学习 | 表格数据, 图像 | 15项研究 | NA | 随机森林, XGBoost, ResNet, CNN | 准确率, 灵敏度, 特异性, AUC | NA |
| 189 | 2026-09-16 |
Artificial Intelligence for Diagnosing Meibomian Gland Dysfunction: A Systematic Review and Meta-Analysis of Diagnostic Test Accuracy Studies
2026-Oct-01, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004151
PMID:41931504
|
系统综述与Meta分析 | 本文系统综述并Meta分析了人工智能基于睑板腺图像诊断睑板腺功能障碍的准确性，并与人类评分者进行比较 | 首次对人工智能读取睑板腺图像诊断睑板腺功能障碍的诊断准确性进行系统综述和Meta分析，并采用GRADE框架评估证据确定性 | 纳入研究普遍存在高偏倚风险，适用性担忧高，证据确定性极低至低，人工智能分级准确性低于人类评分者，且外部验证研究少 | 识别、评价和综合人工智能基于睑板腺图像读取在诊断睑板腺功能障碍中与人类评分者相比的性能 | 睑板腺功能障碍患者及睑板腺图像 | 医学图像分析 | 睑板腺功能障碍 | 非接触红外睑板腺成像, 活体共聚焦显微镜 | 深度学习模型 | 图像 | 14项研究，5511名参与者，18926张睑板腺图像 | NA | NA | 灵敏度, 特异度 | NA |
| 190 | 2026-09-16 |
Interpretable prediction of occult lymph node metastasis in pancreatic ductal adenocarcinoma using a model fusing habitat radiomics and deep learning
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05504-2
PMID:41973202
|
研究论文 | 该研究整合了栖息地放射组学特征与深度学习特征，用于预测胰腺导管腺癌的隐匿性淋巴结转移。 | 构建了一个融合栖息地放射组学特征与深度学习特征的模型，并利用SHAP方法增强了模型的可解释性。 | 摘要中未明确提及研究局限性。 | 评估整合栖息地放射组学特征与深度学习特征在预测胰腺导管腺癌隐匿性淋巴结转移中的价值。 | 来自两个机构的212名符合条件的胰腺导管腺癌患者。 | 数字病理学 | 胰腺癌 | CT影像 | CNN | 图像 | 212名患者（训练集115例，内部验证集50例，外部验证集47例） | NA | ResNet18 | AUC, 决策曲线分析, 校准曲线 | NA |
| 191 | 2026-09-16 |
Radiomics-Guided Automatic Delineation for Clinical Target Volume of Endometrial Cancer: Limited Sample Multicenter Study
2026-10-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.04.014
PMID:41997452
|
研究论文 | 该研究开发了一种放射组学引导的模型无关元学习框架，用于子宫内膜癌术后盆腔放疗中临床靶区的自动勾画，以解决多中心勾画差异和样本量有限的问题 | 提出了一种结合放射组学特征和模型无关元学习策略的3D U-Net模型，用于小样本多中心临床靶区分割任务，有效缓解了机构间勾画风格差异和数据稀缺导致的性能下降 | 样本量有限（207例模拟CT病例和26例外中心病例），且仅针对子宫内膜癌，未验证其他癌症类型 | 开发一种有效方法，解决多机构间临床靶区勾画差异问题，即使在数据可用性有限的情况下 | 子宫内膜癌患者的模拟计算机断层扫描病例 | 数字病理学 | 子宫内膜癌 | 放射组学特征提取 | 3D U-Net，模型无关元学习 | 图像 | 207例来自5个中心的模拟CT病例，26例来自外部中心 | NA | 3D U-Net | Dice相似系数，95百分位Hausdorff距离，平均对称表面距离，4分制专家评分 | NA |
| 192 | 2026-09-16 |
Deep learning reconstruction enables accelerated T2-weighted MRI for rectal cancer staging: a prospective study of diagnostic consistency across NEX value reduction
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05460-x
PMID:41874617
|
前瞻性研究 | 评估基于深度学习的重建算法（DLR）在直肠癌T2加权MRI中，在不同激励次数（NEX）下，与传统重建（ConR）相比的图像质量、解读一致性和扫描效率 | 首次前瞻性评估DLR在直肠癌分期T2加权MRI中减少NEX值的诊断一致性，证明FSENEX2-DLR在减少49%扫描时间的同时保持诊断一致性 | 样本量较小（35例），缺乏组织病理学相关性验证诊断准确性 | 评估DLR算法在不同NEX值下对直肠癌T2加权MRI图像质量、解读一致性和扫描效率的影响 | 接受直肠癌原发分期MRI的连续患者 | 医学影像分析 | 直肠癌 | T2加权MRI | 深度学习重建算法 | 医学图像 | 35例患者，每人6组图像集，共210组图像 | NA | AIR™ Recon DL | 信噪比, 对比噪声比, 5点量表定性评分, 观察者间一致性, 序列间一致性 | NA |
| 193 | 2026-09-16 |
Correction to: Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05466-5
PMID:41896333
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 194 | 2026-09-16 |
Deep learning reconstruction for 40-keV virtual monoenergetic CT of colon cancer: evaluation of image quality and edge sharpness
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05494-1
PMID:41940980
|
研究论文 | 评估深度学习图像重建（DLIR）对结肠癌40-keV虚拟单能CT图像质量和边缘锐度的影响 | 首次在结肠腺癌40-keV虚拟单能成像中系统评估DLIR对多目标（肿瘤、血管、淋巴结）图像质量和边缘锐度的影响，重点关注噪声抑制与边缘清晰度之间的权衡 | 回顾性研究设计，样本量较小（60例），仅采用低碘对比剂方案，未进行诊断准确性试验验证真实临床影响 | 评估DLIR对结肠腺癌40-keV虚拟单能图像客观和主观图像质量的影响，特别是噪声降低与边缘定义之间的权衡 | 确诊结肠腺癌的患者，共60例 | 医学影像分析 | 结肠癌 | 双能量CT、40-keV虚拟单能成像 | 深度学习图像重建 | 医学影像（CT图像） | 60例患者（平均年龄62.8±15.1岁，34例男性） | NA | NA | 对比噪声比（CNR）、边缘上升距离（ERD）、边缘上升斜率（ERS）、5点李克特量表主观评分 | NA |
| 195 | 2026-09-16 |
Vessel-density distribution mapping on portal venous CT and deep learning for 2-year overall survival risk stratification after transarterial chemoembolization in hepatocellular carcinoma
2026-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05505-1
PMID:41945150
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 196 | 2026-09-16 |
Neural Reconstruction in Disorders of Consciousness: Prospects and Emerging Challenges
2026-Oct, The Neuroscientist : a review journal bringing neurobiology, neurology and psychiatry
DOI:10.1177/10738584261434939
PMID:41983343
|
综述 | 本文综述了神经重建方法的发展、其在意识障碍患者中的新兴临床应用，以及相关的解释性挑战，并提出评估建议 | 首次系统性地探讨神经重建技术在意识障碍患者中的应用前景与挑战，并提出以识别意识、验证重建模型和保护患者自主权为核心的评估建议 | 本文为综述性文章，未提供原始实验数据；神经重建技术在意识障碍患者中的实际应用仍面临技术验证和伦理方面的挑战 | 综述神经重建方法的发展及其在意识障碍患者中的临床应用前景，探讨相关的解释性挑战并提出评估建议 | 意识障碍患者（包括植物状态和最小意识状态患者） | 机器学习 | 意识障碍 | 神经影像学, 深度学习 | NA | 脑神经信号 | NA | NA | NA | NA | NA |
| 197 | 2026-09-16 |
AI-driven volumetric approach for automatic chemotherapy response assessment in colorectal liver metastases
2026-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12610-8
PMID:42162286
|
研究论文 | 本研究评估了一种基于人工智能的容积测量方法在结直肠癌肝转移治疗反应评估中的临床效用，并与传统RECIST 1.1标准进行了比较 | 利用深度学习nnU-Net框架实现自动化三维容积评估，在肝脏局限性转移患者中展现出优于RECIST 1.1的预后分层能力 | 在小病灶中分割性能较低（Dice系数仅为0.566±0.330），且临床验证队列中肝脏局限性转移患者样本量较小（n=43） | 评估AI驱动的容积测量方法在结直肠癌肝转移治疗反应评估中的临床效用及预后价值 | 结直肠癌肝转移患者 | 数字病理学 | 结直肠癌 | CT扫描 | CNN | 图像 | 训练集476例CT扫描（来自LiTS、MetaRec和MetaBrest三个数据集），验证集112例CT扫描；临床验证队列157例患者（来自PRODIGE 9-FFCD临床试验），其中肝脏局限性转移43例 | NA | nnU-Net | Dice相似系数、总生存期分析（p值） | NA |
| 198 | 2026-09-13 |
Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders
2026-Oct-01, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00291
PMID:41169217
|
综述 | 本文综述了视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新进展，重点讨论了基于质谱的蛋白质组学技术及人工智能驱动的计算流程在发现生物标志物和治疗靶点中的应用。 | 系统总结了人工智能驱动计算流程（包括GPU加速的深度学习架构）在视网膜蛋白质组学中的应用，强调了这些技术如何克服有限样本量和蛋白质覆盖率等挑战，并提升了大规摸多组学数据中新型蛋白质特征识别的精度和效率。 | 作为综述文章，未提供原始实验数据；文中提到的技术挑战如有限样本量和蛋白质覆盖率虽被讨论，但未给出具体的解决方案细节。 | 总结视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新研究进展，探讨其在发现新型治疗靶点和无创诊断生物标志物方面的潜力。 | 视网膜蛋白质组、神经退行性疾病（如阿尔茨海默病、肌萎缩侧索硬化、帕金森病）和眼部疾病（如青光眼、年龄相关性黄斑变性、糖尿病视网膜病变、视网膜色素变性）。 | 数字病理学 | 肺癌 | 基于质谱的蛋白质组学 | 深度学习 | 蛋白质组学数据、多组学数据 | NA | NA | NA | NA | GPU加速 |
| 199 | 2026-09-10 |
Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach
2026-Oct, Plant, cell & environment
DOI:10.1111/pce.15393
PMID:39866067
|
研究论文 | 利用AVIRIS-NG高光谱数据生成光谱库，结合深度学习技术对印度Shoolpaneshwar野生动物保护区的植物功能类型进行精确分类 | 通过整合AVIRIS-NG高光谱成像和ASD手持光谱仪数据，构建包含130种植物物种的全面光谱库，并使用模糊C均值聚类和多种机器学习分类器实现高精度的PFT分类 | 摘要中未提及明确的局限性 | 利用机载高光谱数据和机器学习技术，实现印度Shoolpaneshwar野生动物保护区植物功能类型的精确分类与监测 | 印度Shoolpaneshwar野生动物保护区的130种植物物种，涵盖多种植物功能类型 | 遥感、机器学习 | NA | AVIRIS-NG高光谱成像、ASD手持光谱仪、光谱库构建、模糊C均值聚类、ISODATA聚类、Jeffries-Matusita距离分析 | Parzen Window (PW)、梯度提升机 (GBM)、随机梯度下降 (SGD) | 高光谱图像和光谱数据 | 130种植物物种 | NA | NA | 总体精度 (OAA)和Kappa系数 | NA |
| 200 | 2026-09-08 |
Evaluation method for driver comfort under multi axis coherent vibration of seats
2026-Oct, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2553136
PMID:40901779
|
研究论文 | 该研究利用深度学习方法评估座椅多轴相干振动对驾驶员舒适度的影响，并通过道路试验验证了主观与客观数据的一致性 | 提出了一种融合多模态相干特征的深度学习模型，用于量化评估座椅多轴振动下的驾驶员舒适度，其性能与人体工程学专家评估相当 | 未明确提及局限性 | 开发一种基于深度学习的驾驶员舒适度评估方法，以提升座椅设计与驾驶员健康和舒适性 | 座椅多轴相干振动对驾驶员舒适度的影响 | 机器学习 | 不适用 | 不适用 | 深度学习模型 | 振动信号和主观评价数据 | 未明确说明样本数量 | 未明确说明 | 未明确说明 | R²（超过70%），以及指标（0.931、0.096、0.071） | 未明确说明 |