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 44212 篇文献，本页显示第 2321 - 2340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2321 | 2026-04-12 |
Bias, fairness, and equity in artificial intelligence systems used in dental imaging: A systematic review
2026-Apr-07, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2026.106433
PMID:41962403
|
系统综述 | 本文对牙科影像中人工智能系统的偏见、公平性和公正性进行了系统性回顾 | 首次系统性评估牙科影像AI研究在偏见、公平性和公正性方面的报告现状，并提出了促进公平临床部署的方法学优先事项 | 纳入研究数量有限（10篇），且研究间存在数据集、模型和结局指标的异质性，未发现基于CBCT的合格研究 | 评估牙科影像AI研究的诊断准确性、方法学质量以及在偏见、公平性和公正性方面的报告情况 | 应用AI于牙科影像的原始研究文章 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 2D牙科影像（如全景X光片、根尖周X光片、咬翼X光片、口内照片） | NA | NA | NA | 诊断准确性 | NA |
| 2322 | 2026-04-12 |
Simultaneous detection of water content and ferulic acid content in Angelica sinensis using NIR-HSI and multi-task hierarchical attention CNN
2026-Apr-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2026.127829
PMID:41962343
|
研究论文 | 本研究结合近红外高光谱成像技术与深度学习，提出一种配备多头分层注意力机制的多任务卷积神经网络，用于同时快速无损检测当归的水分和阿魏酸含量 | 提出了结合多任务样本划分算法、多头分层注意力机制和不确定性驱动的自适应损失平衡策略的集成模型，实现了局部与全局光谱特征的双重捕获及多任务的动态协同优化 | 未明确说明模型在其他中药材或食品中的泛化能力验证情况，也未讨论实际工业部署中的硬件成本与实时性要求 | 实现当归药材的快速、无损、智能化质量检测 | 当归药材样本 | 计算机视觉 | NA | 近红外高光谱成像 | CNN | 光谱图像 | 未明确说明具体样本数量 | 未明确说明 | 1DCNN | R值, RPD值 | NA |
| 2323 | 2026-04-12 |
Alzheimer's disease staging using enhanced inception-ResNet-V2 and improved XceptionNet models for 3D MRI classification and segmentation
2026-Apr-05, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110767
PMID:41941947
|
研究论文 | 提出一种增强的混合深度学习框架，用于阿尔茨海默病的3D MRI分类和分割 | 结合增强的Inception-ResNet-V2进行多分类，改进的XceptionNet进行脑区分割，并采用并行卷积神经网络有效提取3D MRI空间特征 | 未提及模型在外部验证集或临床实际应用中的泛化能力 | 提高阿尔茨海默病的诊断准确性和疾病分期能力 | 阿尔茨海默病患者和正常对照的3D MRI脑部扫描图像 | 医学影像分析 | 阿尔茨海默病 | 3D MRI | CNN | 3D医学影像 | OASIS和ADNI数据集（具体数量未说明） | NA | Inception-ResNet-V2, XceptionNet, 并行卷积神经网络 | 准确率 | NA |
| 2324 | 2026-04-12 |
Enhancing 7T MRI for deep brain stimulation with deep-learning based image reconstruction and dynamic parallel transmission
2026-Apr-04, NeuroImage. Clinical
DOI:10.1016/j.nicl.2026.103993
PMID:41962172
|
研究论文 | 本研究应用基于深度学习的图像重建和动态并行传输技术，优化了7T MRI用于深部脑刺激的成像协议，提高了图像质量并缩短了扫描时间 | 首次将深度学习图像重建与动态并行传输技术结合应用于7T MRI的深部脑刺激协议优化，显著提升了图像质量、目标结构显影和运动鲁棒性，同时大幅减少了扫描时间 | 研究样本量较小（共26例患者），且为单中心研究，需要更大规模的多中心验证来确认结果的普适性 | 优化7T MRI用于深部脑刺激的成像协议，解决其临床应用中存在的B1+发射不均匀性、扫描时间长和运动敏感性问题 | 接受深部脑刺激治疗的患者 | 医学影像分析 | 神经系统疾病（涉及深部脑刺激治疗） | 7T MRI, 动态并行传输, 深度学习图像重建 | 深度学习模型 | MRI图像 | 26例患者（13例使用传统协议，13例使用增强协议） | NA | NA | 图像质量评分, 运动伪影评分, 目标结构显影评分, 扫描时间减少百分比, 体素体积减少百分比, 优势比 | NA |
| 2325 | 2026-04-12 |
Identification of nonconvulsive status epilepticus in the ictal-interictal continuum using artificial intelligence: a prospective observational cohort study
2026-Apr, Encephalitis (Seoul, Korea)
DOI:10.47936/encephalitis.2025.00157
PMID:41834605
|
研究论文 | 本研究旨在利用人工智能技术，基于脑电图功能连接性差异，区分非惊厥性癫痫持续状态与昏迷-发作间期连续状态的患者 | 首次结合图论功能连接性与深度学习模型，对发作间期连续状态中的非惊厥性癫痫持续状态与昏迷状态进行区分，并验证了机器学习方法在此类脑电图模式分类中的可行性 | 样本量相对较小（72例患者），且研究为单中心前瞻性观察性队列设计，需要更大规模的多中心研究进一步验证 | 探究非惊厥性癫痫持续状态与昏迷-发作间期连续状态患者在功能连接性上的差异，并评估基于这些差异的机器学习模型的分类性能 | 发作间期连续状态脑电图模式的患者，包括非惊厥性癫痫持续状态组和昏迷-发作间期连续状态组 | 机器学习 | 癫痫 | 脑电图，短时傅里叶变换 | 卷积神经网络 | 脑电图信号，时频图像 | 72例患者（53例非惊厥性癫痫持续状态，19例昏迷-发作间期连续状态） | NA | NA | 准确率 | NA |
| 2326 | 2026-04-12 |
A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time
2026-Apr, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2026.02.005
PMID:41863188
|
研究论文 | 本研究开发并验证了一个深度学习分诊系统，用于优先处理可疑的乳腺癌活检病例，以模拟方式评估其在马来西亚医院病理工作流程中减少资源消耗和诊断周转时间的潜力 | 提出了一种基于深度学习的自动化分诊框架，通过模拟研究预测其在资源有限医疗系统中的效率提升，首次在马来西亚背景下针对乳腺癌活检进行此类仿真分析 | 研究基于合成数据集进行模拟，尚未在真实世界环境中进行验证，实际应用效果需进一步确认 | 开发一个深度学习分诊系统，以优化乳腺癌活检的病理工作流程，减少诊断延迟和资源消耗 | 乳腺癌活检的数字化病理切片图像 | 数字病理学 | 乳腺癌 | 全切片图像分析 | CNN | 图像 | 大型合成数据集（具体数量未明确说明） | NA | NA | AUC | NA |
| 2327 | 2026-04-12 |
A Multichannel Flexible Interface for Environmental-Robust Laryngeal Signal Decoding
2026-Apr-01, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.6c01457
PMID:41919668
|
研究论文 | 本文提出了一种可穿戴、柔性、多通道的压阻接口，用于在复杂语音行为中解码喉部和下颌下运动，以实现嘈杂或受限环境下的鲁棒人机交互 | 开发了一种集成微金字塔PDMS传感层、导电PPy涂层和多通道电极阵列的柔性可穿戴接口，结合改进的音频频谱图Transformer与多通道融合机制，实现了端到端的语义识别 | 仅使用了14个核心英语词汇构建数据集，词汇量有限；未在更广泛的语音障碍人群或多种语言中进行验证 | 在嘈杂、受限或语音受损环境中实现鲁棒的人机交互 | 喉部和下颌下运动信号 | 机器学习 | NA | 多通道压阻传感，无线数据传输，实时设备端处理 | Transformer | 多通道运动信号数据 | 总计3,840个样本（来自麦克风和发声两个结构化数据集） | NA | 改进的音频频谱图Transformer | 分类准确率 | NA |
| 2328 | 2026-04-12 |
Multimodal Assessment of Biological Age Following Radiation Therapy Among Patients With Early-Stage NSCLC
2026-Apr-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究评估了基于照片的面部年龄和基于肺功能测试的肺年龄与早期非小细胞肺癌患者接受立体定向放疗后总生存期和早期死亡率的关系 | 首次将深度学习模型估计的面部年龄与肺功能衍生的肺年龄结合，作为非侵入性生物年龄指标，用于预测早期非小细胞肺癌患者的生存结局，并发现面部年龄是独立于实际年龄的生存预测生物标志物 | 研究为回顾性队列设计，面部年龄估计依赖于预处理照片的可用性，肺年龄数据仅来自部分患者子集，可能存在选择偏倚，且随访时间中位数为44个月，长期生存影响需进一步验证 | 评估非侵入性生物年龄指标（面部年龄和肺年龄）在预测早期非小细胞肺癌患者接受立体定向放疗后生存结局中的价值 | 年龄≥60岁、接受根治性立体定向放疗的早期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 深度学习模型, 肺功能测试 | 深度学习模型 | 图像, 临床数据 | 670名患者（中位年龄77岁，61%为女性），其中477名有肺功能测试数据 | NA | NA | 风险比, 置信区间, P值 | NA |
| 2329 | 2026-04-01 |
Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study
2026-Mar-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08165-1
PMID:41913156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2330 | 2026-04-12 |
AI-Driven Species Sensitivity Distribution (AI-4-SSD) Framework for Predicting Aquatic Ecological Risks of Chemical Pollutants in Global Near-Coastal Environments
2026-Mar-27, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c00675
PMID:41891423
|
研究论文 | 本文提出了一种基于AI的框架（AI-4-SSD），用于预测全球近岸环境中化学污染物的暴露、水生毒性和风险 | 开发了多模态深度学习模型作为框架核心，首次实现从化学暴露到种群水平水生毒性的全链条预测，并识别出高风险化学物质 | 研究仅针对八种海洋物种和约3000种目标化学物质，可能未涵盖所有潜在污染物和生物多样性影响 | 预测全球近岸环境中化学污染物的水生生态风险，以保护海洋生物多样性 | 全球近岸环境中的化学污染物及其对海洋物种的影响 | 机器学习 | NA | 多模态深度学习 | 深度学习模型 | 化学数据、毒性数据 | 约3000种目标化学物质，涉及八种海洋物种（跨三个门） | NA | 多模态深度学习模型 | 测试集R²为0.85 | NA |
| 2331 | 2026-04-12 |
Deep Learning Enables Pixel-Level Nanoparticle Distribution Mapping in Routine Histological Sections by Integrating Cancer Associated Fibroblasts Features
2026-Mar-27, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.6c01365
PMID:41893882
|
研究论文 | 本研究提出了一种名为NanoNet的深度学习框架，利用成纤维细胞活化蛋白免疫染色来空间表征癌症相关成纤维细胞，并高分辨率预测纳米颗粒在肿瘤组织中的分布 | 首次开发了能够整合癌症相关成纤维细胞特征、从常规组织切片实现像素级纳米颗粒分布预测的深度学习框架，突破了传统医学成像技术在检测纳米颗粒分布方面的局限性 | 未明确说明模型在其他肿瘤类型或更大样本量中的泛化能力，也未详细讨论临床转化所需的技术验证步骤 | 开发能够高精度预测肿瘤内纳米颗粒空间分布的深度学习模型，以优化纳米药物设计和个性化纳米医学 | 肿瘤组织切片中的纳米颗粒分布与癌症相关成纤维细胞的空间关系 | 数字病理学 | 癌症 | 免疫染色（FAP免疫染色）、组织切片成像 | 深度学习模型 | 组织切片图像 | 未明确说明 | 未明确说明 | NanoNet | ICC（组内相关系数）, R² | 未明确说明 |
| 2332 | 2026-04-11 |
FloraSyntropy-net: scalable deep learning with novel FloraSyntropy archive for large-scale plant disease diagnosis
2026-Mar-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-026-01519-4
PMID:41845427
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2333 | 2026-04-12 |
HMP-MUNet: A Hybrid Deep Learning Framework for Automated Skin Lesion Segmentation in Dermoscopic Images
2026-03-17, Journal of visualized experiments : JoVE
DOI:10.3791/69449
PMID:41941514
|
研究论文 | 本文提出了一种用于皮肤镜图像中皮肤病变自动分割的混合深度学习框架HMP-MUNet | 结合状态空间模型与先进多尺度处理能力，通过高阶视觉状态空间模块、多尺度扩张注意力融合网络和并行多深度灵活网络的创新架构设计，在显著减少参数量的同时保持高分割精度 | 需要进一步的临床验证 | 开发一种在保持高诊断准确性的同时具有计算效率的皮肤病变自动分割方法 | 皮肤镜图像中的皮肤病变 | 计算机视觉 | 皮肤癌 | NA | 深度学习 | 图像 | PH2和ISIC2018基准数据集 | NA | U-Net, 高阶视觉状态空间模块, 多尺度扩张注意力融合网络, 并行多深度灵活网络 | Dice相似系数 | NA |
| 2334 | 2026-04-11 |
Improved polygenic risk prediction for alzheimer's disease and related dementias using deep learning: age and APOE-stratified analysis
2026-Mar-12, Alzheimer's research & therapy
DOI:10.1186/s13195-026-02011-w
PMID:41821099
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2335 | 2026-03-05 |
Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction
2026-Mar-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02251-0
PMID:41776433
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2336 | 2026-04-12 |
Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration
2026-Mar-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000001037
PMID:41148218
|
综述 | 本文综述了人工智能在重症监护肾病学中的当前应用、新兴技术以及临床整合面临的挑战 | 概述了包括保形预测、因果推断和强化学习在内的新兴AI技术，以及生成式AI和大语言模型在重症监护肾病学中的潜在应用，并提出了推动该领域发展的四项优先事项 | AI对以患者为中心的结果（如死亡率、透析依赖性和成本效益）的影响仍不确定，并且存在数据异质性、外部验证有限、警报疲劳和经济约束等持续障碍 | 探讨人工智能在重症监护肾病学领域的应用潜力、现有挑战及未来发展方向 | 重症监护肾病学中的临床实践、患者管理及AI工具 | 机器学习 | 肾病 | 机器学习，深度学习，强化学习，生成式AI，大语言模型 | NA | 临床数据 | NA | NA | NA | 预测准确性，诊断能力 | NA |
| 2337 | 2026-04-12 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2026-Mar, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图（ECG）和深度学习的非侵入性血红蛋白（Hb）估计模型，用于检测贫血并预测全因死亡率和新发心力衰竭风险 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并评估其对心血管风险的预测能力 | 研究为回顾性设计，可能存在选择偏倚；模型性能在轻度贫血检测中较低；外部验证集性能略有下降 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其诊断和预后价值 | 心电图信号和对应的血红蛋白水平数据 | 机器学习 | 贫血,心血管疾病 | 心电图（ECG）分析 | 深度学习模型（DLM） | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | 受试者工作特征曲线下面积（AUC）, 灵敏度, 特异性, Pearson相关系数, 风险比（HR） | NA |
| 2338 | 2026-04-12 |
A universal framework for IMRT dose prediction
2026-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70384
PMID:41833521
|
研究论文 | 本文提出了一种名为UniDose的深度学习通用剂量预测模型，旨在适应多种疾病部位和临床场景，特别是针对任意射束配置的IMRT治疗计划 | UniDose模型通过广义输入通道设计（包括归一化处方剂量图、加权避让掩码和射束追踪图像）以及基于nnU-Net的定制化网络架构，实现了跨疾病部位和射束配置的通用剂量预测，并结合了参考引导的优化引擎以确保预测剂量的物理可实现性 | 模型在训练和测试中使用了871名患者的数据，尽管覆盖了25种疾病部位，但可能仍需更大规模、更多样化的数据集以进一步提升泛化能力；此外，模型依赖于特定的射束追踪算法和优化引擎，可能限制了其在其他技术平台上的直接应用 | 开发一个通用的深度学习剂量预测框架，以提升IMRT治疗计划的质量和效率，并增强模型在真实世界多样化临床场景中的适用性 | IMRT治疗计划中的剂量分布预测，重点关注多种疾病部位（如前列腺、肝脏、脑部等）和任意射束配置 | 医学影像分析 | 多种癌症（包括前列腺癌、肝癌、脑瘤等） | 深度学习，射线追踪算法，剂量优化 | CNN | 3D医学影像数据，剂量分布图 | 871名患者，涵盖25种疾病部位 | PyTorch（基于nnU-Net框架） | nnU-Net | Gamma通过率（GPR），剂量体积直方图（DVH）指标 | NA |
| 2339 | 2026-04-12 |
A device-invariant multi-modal learning framework for respiratory disease classification
2026-Feb-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02445-4
PMID:41748911
|
研究论文 | 本文提出了一种设备无关的多模态深度学习框架，用于联合分析咳嗽声学、人口统计学数据和症状描述，以实现成人呼吸系统疾病的多标签分类 | 提出了一种嵌入对抗分支的音频编码器以实现设备无关的特征学习，并结合不变风险最小化增强损失以提高对非结构性偏移的鲁棒性 | NA | 开发一种可扩展且可转移的基于AI的咳嗽驱动呼吸系统筛查方法，以推进临床适用性 | 成人呼吸系统疾病 | 机器学习 | 呼吸系统疾病 | 咳嗽声分析 | 深度学习 | 音频, 人口统计学数据, 文本 | 超过10,000个病例，涵盖七种主要呼吸系统疾病 | NA | NA | AUROC | NA |
| 2340 | 2026-04-12 |
Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes
2026-Feb-26, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01449-1
PMID:41748914
|
研究论文 | 本文提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素剂量调整 | 引入专家引导的可解释人工智能框架，结合Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程编码临床约束以对齐医学专业知识 | 研究主要基于两个电子健康记录队列，样本量相对有限，且外部验证数据集规模较小 | 提高深度学习模型在糖尿病胰岛素剂量调整中的透明度和可信度 | 2型糖尿病住院患者 | 机器学习 | 糖尿病 | 电子健康记录分析 | 深度学习模型 | 电子健康记录 | 内部数据集1,275名住院患者，外部数据集292名患者 | NA | NA | 胰岛素剂量调整准确性 | NA |