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 39146 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-01-28 |
Real-time vehicle control via edge cloud sensor fusion and CNN based perceptron
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103779
PMID:41583916
|
研究论文 | 本研究开发了一种混合边缘-云方法，通过集成深度学习和物联网传感器融合技术，实现自适应实时车辆控制 | 提出了一种结合物联网传感器融合与CNN感知的混合边缘-云架构，用于实时车辆控制，并在低成本边缘设备上验证了深度学习部署的可行性 | 未明确说明模型在不同天气或极端环境下的泛化能力，且样本规模和测试场景的具体细节未详细描述 | 开发一种可靠的自适应实时车辆控制系统，以提升智能交通系统的感知与决策能力 | 车辆控制，特别是基于传感器数据的物体检测、停车时间预测和制动控制 | 计算机视觉 | NA | 物联网传感器融合，超声波测距 | CNN | 传感器数据（超声波范围数据） | NA | NA | NA | R², 均方误差 | Jetson Nano, Raspberry Pi |
| 2 | 2026-01-28 |
Enhanced-performance flexible pressure sensors enabled by synergistic effect of hierarchical porous structures for motion sensing and deep learning-assisted speech recognition
2026-Apr, Journal of colloid and interface science
IF:9.4Q1
DOI:10.1016/j.jcis.2025.139706
PMID:41435647
|
研究论文 | 本研究通过结合3D打印和静电纺丝的混合制造策略，开发了一种具有分层多孔结构的高性能柔性压力传感器，并展示了其在运动传感和深度学习辅助语音识别中的应用 | 提出了一种基于混合制造技术（3D打印与静电纺丝结合）和分层多孔结构协同效应的柔性压力传感器新策略，并通过集成深度学习算法扩展了其在语音识别方面的功能 | 未明确说明传感器在长期稳定性、大规模生产成本或极端环境下的性能表现 | 开发高性能柔性压力传感器，用于人体生理运动信号监测和智能语音感知 | 柔性压力传感器及其在人体运动信号和语音信号检测中的应用 | 机器学习和智能传感 | NA | 三维打印、静电纺丝、直接墨水书写、牺牲模板法 | 深度学习算法 | 压力信号数据、语音信号数据 | NA | NA | NA | 灵敏度、响应时间、检测限、识别准确率 | NA |
| 3 | 2026-01-28 |
Investigation of droplet dynamics in the hypermonotectic succinonitrile-water system in a temperature gradient and microgravity conditions supported by deep learning computer vision
2026-Apr, Journal of colloid and interface science
IF:9.4Q1
DOI:10.1016/j.jcis.2025.139684
PMID:41455349
|
研究论文 | 本文研究了在温度梯度和微重力条件下，超单晶体系中的液滴动力学，利用深度学习计算机视觉技术进行分析 | 结合微重力实验与基于mask R-CNN和SORT的深度学习计算机视觉模型，用于液滴检测与追踪，揭示了液滴运动与表面张力的温度依赖性 | 实验仅在六分钟的微重力条件下进行，可能限制了长期观察；部分液滴粘附于容器边界，可能影响运动分析的准确性 | 研究液-液相分离及液滴在温度梯度下的动力学行为 | 超单晶-水体系中的液滴 | 计算机视觉 | NA | 原位观察，深度学习计算机视觉 | CNN | 图像 | NA | TensorFlow, PyTorch | mask R-CNN, SORT | NA | NA |
| 4 | 2026-01-28 |
Unfolding the diagnostic pipeline of diabetic retinopathy with artificial intelligence: A systematic review
2026 Mar-Apr, Survey of ophthalmology
IF:5.1Q1
|
综述 | 本文系统综述了人工智能在糖尿病视网膜病变诊断流程中的应用，包括图像预处理、视盘定位与移除、血管分割、特征提取和严重程度分类等阶段 | 提出并实现了一个系统化的AI诊断流程，在MESSIDOR数据集上达到了98.02%的准确率，优于现有方法 | 面临当前挑战，未具体说明数据集的泛化能力或临床部署的障碍 | 自动化并增强糖尿病视网膜病变的诊断，实现早期和准确的筛查 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 深度学习模型 | 图像 | 基于MESSIDOR数据集，具体数量未明确 | NA | NA | 准确率 | NA |
| 5 | 2026-01-28 |
Quantifying 3D foot and ankle alignment using an AI-driven framework: a pilot study
2026-Mar, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05038-6
PMID:41014330
|
研究论文 | 本研究提出了一种基于AI的框架，通过深度学习自动检测足踝三维对齐，使用负重CT图像进行解剖标志点预测 | 采用基于热图预测的3D U-Net模型直接从负重CT图像预测22个解剖标志点，无需分割或迭代网格配准方法 | 探索性研究，样本量较小（74例），需更大数据集评估其临床适用性 | 自动化足踝对齐评估，用于诊断畸形、治疗规划和结果监测 | 骨科患者，包括足部畸形病例如高弓足和扁平外翻足 | 计算机视觉 | 足踝畸形 | 负重CT成像 | CNN | 图像 | 74例骨科患者 | NA | 3D U-Net | 平均绝对误差 | NA |
| 6 | 2026-01-28 |
Deep learning for automated alveolar cleft segmentation and bone graft volume estimation in cone-beam computed tomography imaging: a multicenter study
2026-Mar, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.10.020
PMID:41390267
|
研究论文 | 本研究开发了一种基于深度学习的工具，用于在锥形束计算机断层扫描（CBCT）成像中自动分割牙槽裂区域并估算骨移植体积 | 首次提出并验证了基于3D U-Net的深度学习模型，用于牙槽裂的自动化分割和骨移植体积估算，实现了高效且准确的临床辅助诊断 | 研究样本量相对较小（88例CBCT扫描），且仅针对非综合征性单侧牙槽裂患者，可能限制了模型的泛化能力 | 训练和验证一种深度学习工具，以自动分割牙槽裂区域并估算所需骨移植体积 | 非综合征性单侧牙槽裂患者的CBCT扫描图像 | 数字病理学 | 牙槽裂 | 锥形束计算机断层扫描（CBCT）成像 | CNN | 三维图像 | 88例CBCT扫描（训练集45例，验证集10例，测试集33例） | NA | 3D U-Net | Dice相似系数（DSC） | NA |
| 7 | 2026-01-28 |
Artificial intelligence (AI) uses in stereotactic radiosurgery (SRS): outcome prediction with brain metastasis (BM) - A systematic review
2026-Mar, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2026.111854
PMID:41500171
|
系统综述 | 本文系统综述了人工智能在脑转移瘤立体定向放射外科预后预测中的应用 | 整合了基于影像的机器学习和深度学习工具，用于预测局部控制、生存和治疗相关毒性，并强调了多模态数据（如MRI影像组学特征与临床变量）融合带来的高性能 | 需要进一步的多中心验证和临床工作流程整合 | 评估人工智能在脑转移瘤立体定向放射外科预后预测中的应用潜力 | 接受立体定向放射外科治疗的脑转移瘤患者 | 数字病理学 | 脑转移瘤 | MRI影像组学 | CNN, RNN, SVM, 集成方法 | 影像, 临床数据 | 21项研究（2018-2024年） | NA | Conv-GRU | AUC | NA |
| 8 | 2026-01-28 |
Real-world diagnostic performance of knee MRI protocols accelerated using simultaneous multi-slice acquisition and deep learning reconstruction
2026-Mar, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05058-2
PMID:41109866
|
研究论文 | 评估使用同步多层采集和深度学习重建的加速膝关节MRI协议在检测内部紊乱损伤方面是否不劣于传统的并行成像协议 | 结合同步多层采集和深度学习重建技术，在真实世界临床环境中评估加速MRI协议的诊断性能 | 部分指标未达到严格的不劣性边界，研究为回顾性队列设计 | 评估加速膝关节MRI协议的诊断性能 | 接受膝关节MRI检查并在180天内进行关节镜检查的患者 | 数字病理学 | 膝关节损伤 | MRI, 同步多层采集, 深度学习重建 | 深度学习 | MRI图像 | 1055名患者 | NA | NA | 敏感性, 特异性 | NA |
| 9 | 2026-01-28 |
AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review
2026-Feb-01, American journal of clinical oncology
DOI:10.1097/COC.0000000000001238
PMID:40679809
|
系统综述 | 本文对人工智能在非小细胞肺癌预后预测中的应用进行了系统综述 | 系统比较了AI与传统预后方法（如TNM分期）的性能，并指出深度学习在预后预测中优于传统机器学习 | 综述指出AI方法在临床广泛应用前需通过精心设计的临床试验进行充分验证 | 评估人工智能算法在非小细胞肺癌预后预测中的应用效果 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | NA | 机器学习, 深度学习 | 组织学数据, 遗传数据, CT, PET, MR影像 | 初始识别3880项研究，经筛选后纳入309项 | NA | NA | 预后性能 | NA |
| 10 | 2026-01-28 |
The Future trends of Artificial Intelligence and innovative technologies in the new era of pharmaceutical sciences and Industry 4.0
2026-Feb, Drug development and industrial pharmacy
IF:2.4Q3
DOI:10.1080/03639045.2025.2590707
PMID:41241791
|
综述 | 本文综述了人工智能在药学科学中的变革性影响，重点关注其与现代技术的融合以及在药物研发、生产及数字化转型中的推动作用 | 整合人工智能与机器学习、深度学习及工业4.0技术（如物联网、机器人、区块链、数字孪生），以推动个性化医疗和自适应制造流程 | 面临数据隐私、算法偏见及法规更新需求等挑战 | 探讨人工智能在药学科学及工业4.0新时代中的未来趋势和创新技术应用 | 药学科学领域，包括药物研发、生产、供应链优化及个性化医疗 | 机器学习 | NA | NA | NA | 基因组数据、临床数据、环境数据 | NA | NA | NA | NA | NA |
| 11 | 2026-01-28 |
Artificial intelligence in psychiatry: Current and emerging trends, clinical applications, and research gaps explored through a bibliometric analysis
2026-Feb, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2026.104828
PMID:41499904
|
综述 | 本文通过文献计量学方法分析了精神病学领域基于人工智能的科学出版物，以识别主要主题、研究趋势和未来机会 | 利用文献计量学方法系统梳理了精神病学中AI研究的演变趋势，并识别了新兴主题如数字健康、可解释性以及伦理治理 | 研究主要基于Web of Science数据库的出版物，可能存在发表偏倚，且未深入评估单个研究的质量或临床有效性 | 分析精神病学领域人工智能研究的出版趋势、核心主题及未来研究方向 | 1980年至2025年间发表在Web of Science精神病学类别下的2328篇原创研究文章 | 自然语言处理 | 精神疾病 | 文献计量分析 | NA | 文本 | 2328篇原创研究文章 | RStudio, Bibliometrix | NA | NA | NA |
| 12 | 2026-01-28 |
A deep learning-based tool for rapid and automated detection of Cryptosporidium oocysts: A new approach for veterinary diagnostics and epizootiological surveys
2026-Feb, Experimental parasitology
IF:1.4Q3
DOI:10.1016/j.exppara.2026.109099
PMID:41529739
|
研究论文 | 本研究开发了一种基于深度学习的工具，用于快速自动检测犊牛粪便样本显微图像中的隐孢子虫卵囊 | 首次将最先进的目标检测算法YOLOv10和YOLOv11应用于隐孢子虫卵囊的自动化识别，为兽医诊断和流行病学调查提供了新方法 | 研究仅使用了406张标注图像的数据集，样本量相对有限，可能影响模型的泛化能力 | 开发一种快速、准确、自动化的隐孢子虫卵囊检测工具，以改善疾病管理和控制 | 感染隐孢子虫的犊牛粪便样本中的隐孢子虫卵囊 | 计算机视觉 | 隐孢子虫病 | 显微成像 | 目标检测模型 | 图像 | 406张标注图像 | NA | YOLOv10, YOLOv11 | 精确率, 召回率, 平均精度均值(mAP) | NA |
| 13 | 2026-01-28 |
Artificial Intelligence in Nutrigenomics: A Critical Review on Functional Food Insights and Personalized Nutrition Pathways
2026-Feb, Journal of human nutrition and dietetics : the official journal of the British Dietetic Association
IF:2.9Q3
DOI:10.1111/jhn.70200
PMID:41542760
|
综述 | 本文批判性地评估了人工智能在营养基因组学中的应用，重点关注其在解释功能性食物-基因相互作用、支持个性化营养策略以及实现基于证据的饮食干预以改善健康结果方面的作用 | 系统性地整合了人工智能（特别是机器学习和深度学习）在营养基因组学领域的最新应用，强调了其在识别复杂基因-饮食相互作用、支持生物标志物发现和实现实时监测方面的创新潜力 | 存在算法偏见、数据隐私和伦理治理方面的挑战，且综述范围可能受限于2010-2025年的文献，未能涵盖更早期的研究 | 评估人工智能在营养基因组学中的应用潜力，以推动个性化营养和基于证据的饮食干预 | 营养基因组学、功能性食物、基因-饮食相互作用、个性化营养策略 | 机器学习 | 肥胖、糖尿病、心血管疾病 | 机器学习、深度学习 | NA | 遗传数据、代谢数据、生活方式数据 | 基于142项研究的定性综合，未提供具体样本量 | NA | NA | NA | NA |
| 14 | 2026-01-28 |
Evaluating the impact of deep learning-based image denoising on low-dose CT for lung cancer screening
2026-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70480
PMID:41579047
|
研究论文 | 本研究评估了基于深度学习的图像去噪技术对低剂量CT在肺癌筛查中的影响，通过客观图像质量指标和结节相关特征进行比较分析 | 系统比较了七种深度学习去噪方法在低剂量CT图像上的性能，并量化了去噪对实性和亚实性结节特征及Lung-RADS分类准确性的影响 | 亚实性结节仍受噪声和去噪引入的偏差影响较大，且需进一步验证去噪技术对诊断性能的临床影响 | 评估深度学习去噪技术对低剂量CT图像质量的提升效果及其在肺癌筛查中的潜在应用价值 | 低剂量CT胸部扫描图像，重点关注实性和亚实性肺结节 | 计算机视觉 | 肺癌 | 低剂量CT扫描 | 深度学习 | CT图像 | 来自LDCT和投影数据收集的胸部CT扫描数据集，具体样本数量未明确说明 | NA | NA | 均方根误差, 峰值信噪比, 结构相似性指数, 结节大小, CT密度, Lung-RADS分类 | NA |
| 15 | 2026-01-28 |
Automated landmark detection and view positioning assessment of shoulder grashey view radiographs using cascade deep learning: A dual-center validation study
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70285
PMID:41579106
|
研究论文 | 本研究开发并验证了一个级联深度学习模型，用于自动定位肩关节Grashey位X光片上的解剖标志并评估投照位置 | 结合RetinaNet和U-Net架构的级联深度学习框架，用于自动检测14个解剖标志并测量关键肩角等放射学参数，其性能在不同图像质量下保持一致 | 模型仅在两个医疗中心的650张X光片上进行训练和验证，样本量有限，且外部验证仅包含50张图像 | 开发并验证一个深度学习模型，用于自动定位肩关节Grashey位X光片的解剖标志并准确评估放射学投照位置 | 肩关节Grashey位X光片 | 计算机视觉 | 肩袖病变 | X光成像 | 深度学习 | 图像 | 650张肩关节Grashey位X光片（500张用于训练，100张用于内部测试，50张用于外部测试） | NA | RetinaNet, U-Net | 平均标志点误差（毫米），关键肩角误差（度） | NA |
| 16 | 2026-01-28 |
Advances in endometrial cancer screening: a comprehensive review of current methods and emerging technologies
2026-Feb, International journal of clinical oncology
IF:2.4Q3
DOI:10.1007/s10147-025-02941-9
PMID:41385140
|
综述 | 本文全面回顾了子宫内膜癌筛查方法的演变，涵盖传统方法、新兴技术和整合策略 | 整合分子诊断与传统影像学方法，并探讨了深度学习在组织病理学图像分子亚型预测中的应用 | 普遍筛查对无症状人群成本过高，且部分方法（如特定基因面板的甲基化分析）的敏感性和特异性范围较宽 | 评估子宫内膜癌筛查技术的进展，优化诊断准确性、可及性和成本效益 | 子宫内膜癌筛查方法，包括传统影像学、分子诊断和细胞学技术 | 数字病理学 | 子宫内膜癌 | DNA甲基化分析，液体基细胞学，免疫细胞化学，数字图像分析 | 深度学习 | 组织病理学图像 | NA | NA | NA | 敏感性，特异性 | NA |
| 17 | 2026-01-28 |
Multifeature Ultrasound-Based Classification for Breast Lesions: A Comparative Study of PONS Image Enhancement Technology
2026-Feb, Mayo Clinic proceedings. Innovations, quality & outcomes
DOI:10.1016/j.mayocpiqo.2025.100691
PMID:41584234
|
研究论文 | 本研究开发了一种结合原始B超图像与两种优化表征（增强超声和质量改进超声）的多特征框架，用于乳腺癌分类，以克服B超在人工智能诊断中的图像质量差和操作者变异性等关键限制 | 提出了一个结合原始B超扫描与PONS图像增强技术生成的两个优化表征（增强超声和质量改进超声）的多特征框架，显著提升了乳腺癌分类性能，并比较了GCN、MAE和MSCNN三种深度学习架构在该框架下的表现 | 研究为回顾性研究，未来需要探索增强的融合策略并在更广泛的人群中进行验证 | 开发一个稳健的乳腺癌分类框架，以克服B超在人工智能诊断中的局限性 | 来自688名患者的62,912个乳腺超声扫描 | 计算机视觉 | 乳腺癌 | 超声成像，PONS图像增强技术 | GCN, MAE, CNN | 超声图像 | 62,912个乳腺超声扫描（来自688名患者） | NA | 图卷积网络(GCN), 掩码自编码器(MAE), 多尺度卷积神经网络(MSCNN) | 准确率, AUC, F1分数, 灵敏度, 特异性 | NA |
| 18 | 2026-01-28 |
A comprehensive combined dataset on Hibiscus and Tea plant leaf disease images for classifications
2026-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112357
PMID:41586079
|
研究论文 | 本研究构建了一个结合木槿和茶树叶片病害图像的综合数据集，并利用ConvNextTiny深度学习模型进行分类，实现了96%的整体准确率 | 首次将两种不同植物物种（木槿和茶树）的叶片病害图像整合到一个数据集中，并应用ConvNextTiny轻量级模型进行跨物种分类 | 数据集仅包含两种植物物种，可能无法泛化到其他植物病害；数据增强虽平衡了类别，但可能引入人工偏差 | 开发一个用于植物病害分类的综合数据集和深度学习模型，以支持早期病害检测 | 木槿和茶树的叶片图像，涵盖多种病害类别和健康状态 | 计算机视觉 | 植物病害 | 图像采集（SONY α7 II DSLR相机、OnePlus 7T）、数据增强（翻转、旋转、缩放、平移、噪声添加、亮度调整） | 深度学习 | 图像 | 1,413张原始图像和13,000张增强图像 | NA | ConvNextTiny | 准确率 | NA |
| 19 | 2026-01-28 |
Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models
2026-Feb, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71544
PMID:41589030
|
研究论文 | 本研究通过公平感知的深度学习生存模型，旨在减少前列腺癌根治术后生存预测中的种族差异 | 将公平感知方法应用于生存分析领域，比较了两种公平感知深度学习生存模型以缓解种族差异 | 研究主要基于美国国家癌症数据库，可能受数据质量和代表性限制，且公平性评估主要关注种族群体 | 开发公平的机器学习模型以减少前列腺癌生存预测中的种族差异 | 前列腺癌患者，特别是接受根治性前列腺切除术的患者 | 机器学习 | 前列腺癌 | 生存分析 | 深度学习 | 临床数据 | 418,968名患者，包括白人（78.5%）、黑人（13.2%）、西班牙裔（4.5%）、亚裔（1.9%）和其他（2.0%） | NA | Deep Cox Proportional Hazards Model, Fair Deep Cox Proportional Hazards Model, Group Distributionally Robust Optimization Deep Cox Proportional Hazards Model | C-index | NA |
| 20 | 2026-01-28 |
Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70298
PMID:41589400
|
研究论文 | 本研究针对双面板前列腺专用PET扫描仪，比较了多种图像重建策略，包括传统MLEM、PSF建模、混合列表模式重建及基于深度学习的后处理增强方法，以优化图像质量和减少伪影 | 开发了结合多射线建模的列表模式MLEM算法，并首次将Swin-UNETR深度学习模型应用于专用PET扫描仪的后重建增强，显著提升了小病灶的对比噪声比和一致性 | 研究主要基于模拟和体模数据，未涉及真实患者数据，且方法性能可能受病灶大小和对比度影响 | 优化双面板前列腺专用PET扫描仪（ProVision）的图像重建策略，提高图像质量和病灶检测能力 | 双面板前列腺专用PET扫描仪（ProVision）及其采集的数据，包括缩放NEMA图像质量体模和实验性人体骨盆体模（Adam-PETer） | 医学影像 | 前列腺癌 | PET成像，时间飞行深度相互作用探测，列表模式采集 | 深度学习模型 | PET图像数据 | 模拟数据（缩放NEMA体模）和实验数据（Adam-PETer体模） | NA | Swin-UNETR | 对比恢复系数（CRC），对比噪声比（CNR），对比噪声一致性（CNC） | NA |