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 42799 篇文献，本页显示第 2341 - 2360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2341 | 2026-03-06 |
Deep learning reconstruction for temporomandibular joint MRI: diagnostic interchangeability, image quality, and scan time reduction
2026-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12029-7
PMID:40996510
|
研究论文 | 本研究评估了深度学习重建的颞下颌关节磁共振成像在诊断可互换性、图像质量和扫描时间方面与传统MRI的对比 | 首次系统评估深度学习重建MRI在颞下颌关节成像中的诊断可互换性，并证明其能显著减少扫描时间同时提升图像质量 | 样本量相对有限（88名患者），且仅针对特定MRI序列（PDW和T2W FS）进行评估 | 评估深度学习重建MRI技术在颞下颌关节成像中的临床应用价值 | 疑似颞下颌关节紊乱患者的磁共振图像 | 医学影像分析 | 颞下颌关节紊乱 | 磁共振成像（MRI），深度学习图像重建 | 深度学习模型 | 医学影像（MRI图像） | 88名患者（平均年龄37±16岁，43名男性）的176个颞下颌关节 | NA | NA | 诊断一致性（95%置信区间），图像质量评分（5点量表），信噪比（SNR），对比噪声比（CNR） | NA |
| 2342 | 2026-03-06 |
Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability
2026-Mar, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.09.016
PMID:40998241
|
研究论文 | 本研究验证了一种用于自动化头部CT重建的深度学习基础模型，并量化了真实世界数据集中传统手动重建的质量、速度和变异性 | 首次使用深度学习基础模型进行头部CT自动化重建，并作为参考标准评估手动重建的质量和速度，揭示了手动重建中显著的变异性 | 研究仅基于非对比头部CT检查，未涉及其他类型的CT扫描；模型在特定数据集上验证，可能需进一步外部验证 | 验证自动化头部CT重建的深度学习模型，并评估手动重建的质量、速度和变异性 | 1,763例连续的非对比头部CT检查 | 医学影像分析 | NA | CT扫描 | 深度学习基础模型 | CT图像 | 1,763例非对比头部CT检查 | NA | 基础模型 | 地标定位误差、旋转误差、居中误差、缩放误差 | NA |
| 2343 | 2026-03-06 |
Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.002
PMID:41206268
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析，评估了基于医学影像的AI模型在预测胸部肿瘤免疫微环境中PD-L1表达和CD8+ TILs方面的性能 | 首次对基于医学影像的AI模型在预测胸部肿瘤PD-L1表达和CD8+ TILs方面进行系统性综述与荟萃分析，并发现整合多模态影像和深度学习模型可提升预测性能 | 研究间存在显著的异质性（I² > 75%），限制了当前模型的普适性 | 评估AI驱动的医学影像在预测胸部肿瘤免疫微环境（特别是PD-L1表达和CD8+ TILs）方面的进展与性能 | 胸部肿瘤（Thoracic cancer） | 医学影像分析 | 胸部肿瘤 | 医学影像（如CT、MRI等）与人工智能整合分析 | 深度学习模型 | 医学影像 | 共纳入68项研究，其中25项符合荟萃分析条件 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 2344 | 2026-03-06 |
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
2026-Mar, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2025.3602262
PMID:41244311
|
研究论文 | 提出一种利用多模态PET-MR扫描数据生成受试者特异性伪PET图像，并基于此预训练个性化扩散模型以改进低计数PET图像重建的方法 | 通过图像配准在不同患者解剖结构间转换生成受试者特异性伪PET图像，保留MR扫描的解剖信息，从而预训练个性化扩散模型，在低计数数据下提升重建精度 | 未明确说明生成伪PET图像的具体配准算法细节，且实验仅基于[F]FDG数据集，未验证其他示踪剂的泛化能力 | 改进低计数PET图像重建的准确性与解剖特征保留能力 | 多受试者PET-MR扫描数据 | 医学影像重建 | NA | 图像配准，扩散模型 | 扩散模型 | PET图像，MR图像 | 模拟和真实[F]FDG数据集（未指定具体样本数量） | NA | NA | 重建准确性，解剖特征保留度，PET独特特征与PET/MR共有特征的重建权衡 | NA |
| 2345 | 2026-03-06 |
Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction
2026-Mar, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.11.024
PMID:41265766
|
研究论文 | 本研究评估了使用大型语言模型（LLMs）从放射学报告中自动提取真实标签的可行性，以支持放射学人工智能工具的可扩展评估和监控 | 提出利用LLMs自动化提取放射学报告中的真实标签，为AI工具在新硬件（如光子计数CT）上的性能验证提供高效、可扩展的替代方案 | 研究为回顾性分析，可能受限于特定数据集和LLM模型的性能，未全面评估所有可能的诊断任务或硬件变化 | 评估LLMs在自动化提取放射学报告真实标签方面的可行性，以支持AI工具在新型成像硬件上的性能验证 | 针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折的四种FDA批准的深度学习计算机辅助检测和分诊工具 | 计算机视觉 | 肺栓塞, 颅内出血, 颈椎骨折, 椎体压缩性骨折 | 光子计数CT（PCCT）成像, 大型语言模型（LLM）文本处理 | 深度学习, 计算机辅助检测 | 放射学报告文本, CT图像 | 使用新型PCCT扫描仪和传统扫描仪获取的放射学检查报告，具体数量未在摘要中明确 | 未明确指定 | 未明确指定 | Fleiss's κ（用于评估评分者间一致性），性能指标（如准确性、敏感性等，具体未列） | 未明确指定 |
| 2346 | 2026-03-06 |
Advancing Stroke Diagnosis: A Comprehensive Review of Artificial Intelligence in Detecting Early Ischemic Changes on Noncontrast CT (NCCT)
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.015
PMID:41290431
|
综述 | 本文综述了人工智能（AI）在非增强CT（NCCT）上检测早期缺血性改变（EIC）以辅助急性缺血性卒中（AIS）诊断的最新应用 | 系统总结了AI在卒中诊断中的两大主要进展：自动计算ASPECTS评分和基于深度学习的EIC检测方法，并探讨了AI在辅助临床决策、优化工作流程方面的潜力 | 本文为综述性文章，未提出新的模型或方法，主要基于现有研究进行总结和讨论 | 探讨人工智能在急性缺血性卒中早期影像学诊断中的应用，以提升诊断的客观性、一致性和准确性 | 非增强CT（NCCT）图像中的早期缺血性改变（EIC） | 数字病理学 | 心血管疾病 | 非增强CT（NCCT） | 机器学习（ML），深度学习（DL） | 图像 | NA | NA | NA | NA | NA |
| 2347 | 2026-03-06 |
Enhancing Pediatric Fracture Detection: Multicenter Evaluation of a Deep Learning AI Model and Its Impact on Radiologist Performance
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.022
PMID:41320594
|
研究论文 | 本研究评估了一种基于深度学习的AI模型在检测儿童骨折方面的效能，并分析了AI辅助对放射科医生诊断表现的影响 | 首次在多中心、多读者研究中评估AI模型对儿童骨折检测的辅助效果，并量化了AI辅助对诊断准确性和效率的提升 | 研究为回顾性设计，样本量有限，且未评估AI模型在罕见骨折类型或复杂病例中的表现 | 评估深度学习AI模型在儿童骨折检测中的临床效用及其对放射科医生诊断性能的影响 | 儿童肌肉骨骼X光片 | 计算机视觉 | 儿童骨折 | X光成像 | 深度学习模型 | 图像 | 第一阶段3016张X光片，第二阶段189个病例 | 未明确提及 | 未明确提及 | 准确率, 灵敏度, 特异性 | 未明确提及 |
| 2348 | 2026-03-06 |
Enhancing digital pathology workflows: computational blur detection for H&E image quality control in preclinical toxicology
2026-Mar, Journal of histotechnology
IF:0.6Q4
DOI:10.1080/01478885.2025.2585615
PMID:41334851
|
研究论文 | 本研究介绍了一种名为MiQC的计算模型，用于检测和量化H&E染色全玻片图像中的失焦区域，以提升数字病理工作流程中的图像质量控制 | 结合局部二值模式和基于DeepFocus的深度学习算法，开发了生产化的计算模型MiQC，用于自动识别WSI中的模糊区域，并通过热图辅助技术人员审核，显著提高了审核效率和图像质量 | 未明确说明模型在极端或罕见病理样本上的泛化能力，以及可能存在的计算资源需求 | 提升临床前毒理学中数字病理工作流程的图像质量控制效率和可扩展性 | H&E染色的全玻片图像 | 数字病理 | NA | 数字成像，计算模型 | 深度学习，局部二值模式 | 图像 | NA | NA | DeepFocus | 扫描仪焦点评分，审核时间减少百分比，吞吐量提升倍数 | NA |
| 2349 | 2026-03-06 |
Deep Learning-Driven Innovations in Echocardiography: Taxonomy, Clinical Impact, Challenges, and Opportunities
2026-Mar, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-025-03944-3
PMID:41400904
|
综述 | 本文对深度学习在超声心动图领域的应用进行了全面分析，重点关注其临床影响、挑战和发展机遇 | 提供了深度学习在超声心动图领域的系统性分类和临床影响分析，并指出了未充分探索的挑战与潜在解决方案 | 作为综述文章，未提出新的实验或模型，主要基于现有文献进行分析 | 分析深度学习如何重塑超声心动图领域，并探讨其临床影响、挑战和未来机会 | 超声心动图数据及相关深度学习研究 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2350 | 2025-12-22 |
Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications"
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.001
PMID:41421880
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2351 | 2025-12-25 |
Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.002
PMID:41436320
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2352 | 2026-03-06 |
Remodeling of non-coding RNA regulatory networks: Decoding the pathological mechanisms and new therapeutic paradigms of cardiovascular diseases
2026-Mar, Physics of life reviews
IF:13.7Q1
DOI:10.1016/j.plrev.2025.12.007
PMID:41447890
|
综述 | 本文系统总结了非编码RNA在心血管疾病中的表达谱和多层调控机制，并探讨了其作为生物标志物和治疗靶点的潜力 | 提出了一个跨尺度的分析框架，整合网络拓扑、竞争性内源RNA动态、外泌体运输时空梯度及能量/化学计量约束，以统一解释多种心血管疾病表型 | 基于非编码RNA的疗法在现实应用中面临递送效率低、功能冗余和微环境依赖性等挑战 | 解码非编码RNA调控网络在心血管疾病中的病理机制，并探索新的治疗范式 | 非编码RNA（如miRNA、lncRNA、circRNA、snoRNA）在心血管疾病中的作用 | 自然语言处理 | 心血管疾病 | 单细胞多组学、空间转录组学、CRISPR-dCas9系统、深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 2353 | 2026-03-06 |
Deep Learning Radiomics Based on Preoperational Ultrasound Images for Predicting Ipsilateral Ischemic Stroke in Patients with Carotid Artery Stenting: A Multicenter Study
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.006
PMID:41455622
|
研究论文 | 本研究开发并验证了一个结合临床、影像组学和深度学习特征的集成模型，用于预测颈动脉支架植入术后长期同侧缺血性卒中风险 | 首次将临床特征、影像组学特征和深度学习特征整合到单一模型中，用于预测颈动脉支架植入术后的长期卒中风险，并在多中心数据上进行了验证 | 研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证集中有所下降；需要进一步的前瞻性研究验证其临床实用性 | 预测颈动脉支架植入术后患者发生长期同侧缺血性卒中的风险 | 接受颈动脉支架植入术的患者 | 数字病理学 | 心血管疾病 | 超声成像 | 深度学习, 随机生存森林 | 图像 | 802名患者（来自三个中心，2018-2024年） | NA | NA | C-index, Kaplan-Meier分析 | NA |
| 2354 | 2026-03-06 |
HiST: Histological Images Reconstruct Tumor Spatial Transcriptomics via MultiScale Fusion Deep Learning
2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202514351
PMID:41487073
|
研究论文 | 本文开发了一个多尺度卷积深度学习框架HiST，用于从组织学图像重建空间转录组学数据，以评估肿瘤异质性并预测患者预后 | HiST首次通过多尺度融合深度学习，从组织学图像中高精度重建空间分辨的基因表达谱，其性能优于现有模型约两倍，并展示了在多种癌症类型中的临床应用价值 | NA | 开发一个深度学习框架，以低成本从组织学图像中重建空间转录组学数据，用于肿瘤微环境分析和临床预后预测 | 多种癌症类型的组织学图像和空间转录组学数据，包括乳腺癌等 | 数字病理学 | 乳腺癌 | 空间转录组学 | CNN | 图像 | NA | NA | 多尺度卷积深度学习框架 | AUC, 皮尔逊相关系数, 一致性指数 | NA |
| 2355 | 2026-03-06 |
Pixel-level Radiomics and Deep Learning for Predicting Ki-67 Expression in Breast Cancer Based on Dual-modal Ultrasound Images
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.047
PMID:41539915
|
研究论文 | 本研究开发了一种基于双模态超声图像和像素级放射组学特征的深度学习模型，用于预测乳腺癌Ki-67表达 | 提出了一种结合像素级放射组学特征图和Vision-Mamba深度学习架构的新方法，用于从二维和应变弹性成像超声图像中预测Ki-67表达 | 未明确说明模型在更广泛人群或不同超声设备上的泛化能力，以及计算资源需求的具体细节 | 开发一个深度学习模型来预测乳腺癌中的Ki-67表达，以辅助个体化治疗决策 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声成像（二维和应变弹性成像） | 深度学习模型 | 图像 | 1031名乳腺癌患者（训练集616，内部验证集265，外部测试集150），外加63名前瞻性验证患者 | NA | Vision-Mamba | AUC, 校准曲线, 决策曲线分析 | NA |
| 2356 | 2026-03-06 |
Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.050
PMID:41547629
|
研究论文 | 本研究开发了一种名为CL-MGNET的少样本深度学习模型，通过整合18F-PSMA-1007 PET/CT、多参数MRI和临床数据，以预测前列腺癌的高侵袭性生物学特征 | 提出了一种专为少样本学习设计的深度学习网络CL-MGNET，能够有效融合多模态成像和临床数据，在数据有限的情况下实现高性能预测，并展示了跨中心的强泛化能力 | 研究为回顾性设计，样本量相对有限（共377例患者），且外部验证队列规模较小（36例），可能影响结果的普遍适用性 | 开发一个能够预测前列腺癌高风险生物学特征（ISUP分级、包膜外侵犯、手术切缘阳性）的深度学习模型，以改善风险分层和治疗指导 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 18F-PSMA-1007 PET/CT, 多参数MRI | 深度学习 | 图像, 临床数据 | 377例患者（341例来自中心A，36例来自中心B） | NA | CL-MGNET | AUC | NA |
| 2357 | 2026-03-06 |
De novo design of GPCR exoframe modulators
2026-Mar, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09957-1
PMID:41699180
|
研究论文 | 本文介绍了一种名为GPCR外框架调节器（GEMs）的从头设计蛋白质，用于靶向G蛋白偶联受体的跨膜结构域，实现多样化的变构调节 | 首次开发了针对GPCR跨膜结构域的从头设计蛋白质调节器，采用幻觉式设计方法和结构提示策略，实现了对多巴胺D受体的变构调节，包括激动剂-正变构调节器、负变构调节器和偏向性变构调节器 | 研究主要基于多巴胺D受体作为原型模型，未广泛验证其他GPCR靶点；功能恢复实验限于体外功能测定，缺乏体内疗效验证 | 开发针对GPCR跨膜结构域的新型变构调节剂，以拓展GPCR药物发现策略 | G蛋白偶联受体（GPCRs），特别是多巴胺D受体及其功能缺失突变体 | 计算生物学 | NA | 幻觉式设计方法，结构生物学研究，功能测定 | 深度学习模型 | 蛋白质结构数据，功能测定数据 | 四种GEMs蛋白质，针对多巴胺D受体及其突变体进行系统研究 | NA | NA | NA | NA |
| 2358 | 2026-03-06 |
Open-Set Active Learning for Nucleus Detection From the Histopathological Images
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3617073
PMID:41052167
|
研究论文 | 本文提出了一种用于开放集环境中细胞核检测的两阶段主动学习框架，旨在减少标注负担并提高检测准确性 | 首次探索开放集环境下的细胞核检测主动学习，提出基于原型的查询策略和两阶段框架以处理未知类样本 | 未提及具体的数据集规模限制或模型泛化能力的详细评估 | 开发一种在开放集环境中减少标注工作量的细胞核检测主动学习方法 | 组织病理学图像中的细胞核 | 数字病理学 | NA | 深度学习 | CNN | 图像 | NuCLS和PanNuke两个数据集 | PyTorch | NA | 检测准确性 | NA |
| 2359 | 2026-03-06 |
Unsupervised High-Order Implicit Neural Representation With Line Attention for Metal Artifact Reduction
2026-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3620222
PMID:41071700
|
研究论文 | 本文提出了一种基于隐式神经表示的无监督金属伪影减少框架，通过高阶线注意力网络从X射线中捕获局部上下文和几何表示，以重建无伪影的CT图像 | 提出了高阶线注意力网络，通过二阶特征交互改善频谱偏差问题，并设计线性复杂度的线注意力模块建立采样射线间空间点标记的全局关系，采用多局部相邻射线采样策略提供更多上下文信息 | 未在摘要中明确说明 | 减少计算机断层扫描图像中的金属伪影 | 含有金属植入物的CT图像 | 计算机视觉 | NA | 计算机断层扫描 | 隐式神经表示 | 图像 | NA | NA | 高阶线注意力网络 | NA | NA |
| 2360 | 2026-03-06 |
Deep learning in biology faces a transferability crisis
2026-Mar, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3003656
PMID:41774686
|
评论 | 本文讨论了深度学习在生物学领域面临的泛化性危机，并提出了潜在解决方案 | 指出生物学中深度学习模型泛化性问题的严重性，并系统性地提出改进方向 | NA | 分析深度学习在生物学应用中的泛化性挑战，并提出解决策略 | 深度学习模型在生物学领域的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |