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 46085 篇文献，本页显示第 2501 - 2520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2501 | 2026-06-01 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2026-05, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 应用基于人工智能的迁移学习模型对甲状腺细胞病理学Bethesda系统进行分类 | 首次将集成迁移学习应用于TBSRTC分类，通过加权软投票组合六种预训练模型（Xception、ResNet50V2、DenseNet121、MobileNetV2、InceptionV3、EfficientNetB3），提升了分类精度 | 数据集规模较小（仅94例FNAC病例，949张代表图像），缺乏全切片影像验证，需要更大样本来进一步验证 | 评估集成软投票迁移学习模型在根据TBSRTC对甲状腺细胞学涂片进行分类时的性能 | 甲状腺细针穿刺细胞学涂片图像 | 计算机视觉 | 甲状腺疾病 | NA | 集成迁移学习（CNN） | 图像 | 94例甲状腺FNAC病例，共949张代表图像 | NA | DenseNet121, ResNet50V2, Xception, MobileNetV2, InceptionV3, EfficientNetB3 | 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, AUCROC | NA |
| 2502 | 2026-06-01 |
Community medical centers struggle to produce well-calibrated clinical prediction models: Data augmentation can help
2026-May, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2026.105012
PMID:41825516
|
研究论文 | 研究社区医疗中心在临床预测模型本地校准中面临的样本量不足问题，并评估合成数据生成作为数据扩充方法的有效性 | 首次系统评估社区医疗机构在机器学习模型本地化中因样本量不足导致的校准困难，并提出利用深度学习合成数据生成技术进行数据扩充以改善模型校准性能 | 研究仅基于两个农村医院和一个城市学术医疗中心的数据，可能无法推广到所有社区医疗机构；合成数据质量对校准效果的长期影响尚未验证 | 探究社区医疗中心是否有足够患者数据支持机器学习模型的本地校准，以及合成数据生成能否帮助缓解样本量不足问题 | 30天非计划再入院预测模型在多家不同规模医院的本地校准效果 | 机器学习 | 再入院预测 | 合成数据生成 | 深度学习 | 结构化电子健康记录数据 | 真实网络医院数据集（两个农村医院和一个城市学术医疗中心）以及多站点ICU模拟数据集 | NA | NA | 校准度 | NA |
| 2503 | 2026-03-30 |
Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study
2026-May, Obesity surgery
IF:2.9Q1
DOI:10.1007/s11695-026-08568-7
PMID:41904288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2504 | 2026-03-31 |
Evaluating deep learning attenuation correction for single-photon emission computed tomography myocardial perfusion imaging: Lessons from clinical validation
2026-May, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2026.102701
PMID:41905547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2505 | 2026-06-01 |
Mapping 25 years of forensic and legal medicine research: a multi-database bibliometric and science-mapping analysis (2000-2025)
2026-May, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2026.103127
PMID:41965962
|
研究论文 | 对2000-2025年间法医学与法律医学研究进行多数据库文献计量与科学映射分析 | 首次整合多数据库（Web of Science核心合集和Scopus）进行长达25年的法医学文献全景分析，并结合Callon中心性-密度主题映射和趋势主题分析揭示学科演进 | 仅纳入英文文献且主要依赖Web of Science核心合集，可能遗漏部分非英文或灰色文献；关键词同义变体（如medico-legal vs medicolegal）的标准化处理可能影响部分主题的覆盖率 | 通过文献计量方法系统刻画法医学与法律医学的研究格局、演进趋势和主题结构，为研究优先级设定和编辑策略提供依据 | 2000-2025年间Web of Science核心合集和Scopus收录的法医学与法律医学相关文献 | 自然语言处理 | NA | NA | NA | 文本 | 16190篇文献（Web of Science核心合集），来自3052个来源，49746位作者 | NA | NA | NA | NA |
| 2506 | 2026-06-01 |
Effect of deep learning attenuation correction on accuracy of stress myocardial perfusion imaging
2026-May, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2026.102706
PMID:42000122
|
研究论文 | 探讨深度学习衰减校正对心肌灌注成像检测冠心病准确性的影响 | 首次在碲锌镉相机上应用深度学习衰减校正，并系统比较自动化分析、视觉解读及不同成像位置的诊断准确性 | 深度学习衰减校正的准确性低于无衰减校正方法，且像素级分析在DLAC中分类准确率较低 | 评估深度学习衰减校正对SPECT心肌灌注成像检测冠心病准确性的效果 | 100名疑似冠心病患者的心肌灌注成像和冠状动脉造影数据 | 机器学习 | 冠心病 | SPECT心肌灌注成像，深度学习衰减校正 | 深度学习模型 | 医学图像 | 100名患者 | NA | NA | 曲线下面积，准确率 | NA |
| 2507 | 2026-06-01 |
Noisy probing dose facilitated dose prediction for pencil beam scanning proton therapy: Physics enhances generalizability
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70509
PMID:42192246
|
研究论文 | 针对质子笔形束扫描治疗，提出一种噪声探针剂量法，通过嵌入质子物理知识增强剂量预测的泛化能力 | 首次将质子物理知识显式嵌入深度学习模型，通过快速生成低统计量噪声探针剂量来替代传统输入，显著提升模型在罕见临床病例中的泛化性能 | 仅对前列腺癌和肺癌两种癌症类型进行了验证，未在其他肿瘤部位或更多样化的治疗方案中评估方法的一般性 | 设计一种物理感知且泛化能力强的人工智能剂量预测方法，提高在线自适应质子治疗的安全性和有效性 | 前列腺癌和肺癌患者的笔形束扫描质子治疗计划 | 机器学习, 数字病理学 | 前列腺癌, 肺癌 | 蒙特卡洛剂量引擎 | 深度学习 | 图像（CT图像） | 103例前列腺癌患者（93训练+10测试）和78例肺癌患者（68训练+10测试），以及12例异常临床病例 | NA | NA | 剂量体积直方图指标, 3D伽马通过率（3%/2mm/10%）, 剂量一致性 Dice系数 | NA |
| 2508 | 2026-06-01 |
Realization of Long Axial Field-of-View PET Technology in the Clinic and Research Environment
2026-Apr-27, The British journal of radiology
DOI:10.1093/bjr/tqag096
PMID:42046230
|
综述文章 | 讨论长轴向视野PET技术在临床和研究环境中的实现与应用 | 系统分析了长轴向视野PET技术的临床实现、研究应用及深度学习降噪等前沿发展方向 | 未提及具体实验数据或定量性能对比，缺乏对不同设计方案的详细评估 | 概述长轴向视野PET的技术优势、临床实践考量及未来发展方向 | 长轴向视野PET-CT仪器 | 医学影像 | NA | PET-CT | 深度学习 | 医学影像 | NA | NA | NA | 灵敏度 | NA |
| 2509 | 2026-06-01 |
Customizing native T1 mapping: The effects of compressed sensing, deep learning-based denoising, and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 评估压缩感知、深度学习去噪和高分辨率对原生心肌T1 mapping测量结果的影响 | 系统评估了不同CS加速水平、空间分辨率以及DL去噪重建组合对定量T1值的影响，并证明在临床可接受的偏差范围内T1值保持稳定 | 单中心研究，样本量有限（41名志愿者），且未纳入真实患者数据，可能无法完全覆盖病理T1范围 | 优化临床心肌T1 mapping的采集效率和鲁棒性，支持个性化协议设计 | 健康志愿者的心肌T1 mapping图像 | 计算机视觉, 数字病理 | 心血管疾病 | 压缩感知, 深度学习去噪重建 | 深度学习去噪模型 | 图像 | 48名健康志愿者（最终纳入41名），并进行9例重复分析 | NA | NA | 图像质量评分（Likert量表）, 模糊度, 混叠伪影, 易感性伪影, T1值偏差 | NA |
| 2510 | 2026-06-01 |
Automated scout-image-based estimation of contrast agent dosing: a deep learning approach
2026-04-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02331-1
PMID:41965610
|
研究论文 | 开发并验证了一种基于深度学习的算法，通过CT定位图像自动估算患者体重，进而优化造影剂剂量 | 首次利用深度学习从CT定位图像中自动估算体重，避免了人工测量和自报体重的偏差; 结合情境学习和数据集蒸馏分析体重关键特征; 构建了浏览器界面实现实时剂量估算 | 需要在大规模队列和不同临床中心进行进一步验证 | 实现CT检查中造影剂剂量的自动、准确估算，简化临床工作流程并提高患者安全 | 接受胸腹部CT检查的患者（共817例） | 计算机视觉 | 不适用 | CT扫描 | 卷积神经网络 (EfficientNet) | 图像 (CT定位图像) | 817例患者 | PyTorch | EfficientNet | 平均绝对误差 (MAE) | NA |
| 2511 | 2026-06-01 |
Deep learning-based high-speed railway communication systems
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46758-6
PMID:41957081
|
研究论文 | 研究基于深度学习的两种数据驱动框架，以提升高速铁路无线通信系统在严重多普勒频移和快速时变多径条件下的通信质量 | 提出两种数据驱动框架：一是深度神经网络学习信道行为以替代传统时域信道估计中的预设插值模型；二是利用自编码器/解码器结构替代传统处理单元并从数据集获取先验信息 | 文中未明确说明局限性 | 降低高速铁路通信系统在高动态传播条件下的误码概率，提升检测性能 | 高速铁路无线通信系统的信道估计和信号处理 | 机器学习 | NA | NA | 深度神经网络，自编码器/解码器 | 数值数据 | NA | NA | 深度神经网络，自编码器/解码器 | 检测性能 | NA |
| 2512 | 2026-04-11 |
Predicting mild familial exudative vitreoretinopathy with autosomal dominant inheritance using deep learning
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48051-y
PMID:41957171
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2513 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2514 | 2026-06-01 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
研究论文 | 提出一种带有双向门控机制的CNN-Transformer-LSTM混合架构用于时空空气质量预测 | 提出BG-Hybrid模型，通过双向门控机制动态平衡CNN提取的局部空间特征和Transformer捕获的全局时间依赖关系，实现自适应特征融合 | 未明确说明局限性 | 提升时空空气质量预测的准确性 | 空气质量数据 | 机器学习 | NA | NA | CNN-Transformer-LSTM混合模型 | 时空序列数据 | NA | NA | CNN, Transformer, LSTM, 双向门控机制 | 误差降低 | NA |
| 2515 | 2026-06-01 |
Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS
2026-04-06, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02312-4
PMID:41942868
|
研究论文 | 本研究全面探究基于超声图像和临床信息的多模态深度学习模型在预测卵巢肿瘤良恶性方面的有效性，并与放射科医生和O-RADS进行对比 | 构建了两种多模态融合模型（DLM2F和DLM3F），整合灰度超声、彩色多普勒血流成像及临床数据，在性能上超越放射科医生和O-RADS评估 | 研究为回顾性多中心设计，样本量适中（508名患者），可能需前瞻性验证 | 评估多模态深度学习模型在卵巢肿瘤良恶性分类中的诊断能力 | 卵巢肿瘤患者 | 数字病理学 | 卵巢肿瘤 | 超声成像 | 密集卷积网络 | 图像和临床数据 | 508名卵巢肿瘤患者（327例良性，181例恶性） | NA | DenseNet | AUC, 敏感度, 特异度 | NA |
| 2516 | 2026-06-01 |
A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery
2026-Apr-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06961-6
PMID:41932923
|
研究论文 | 介绍首个用于内镜甲状腺手术中喉返神经识别的综合体内数据集ThyRLN-PUMCH | 首次构建了大规模、像素级标注的内镜喉返神经数据集ThyRLN-PUMCH，填补了人工智能辅助头颈外科术中导航的数据空白 | 未提及具体限制 | 解决现有术中神经监测技术成本高、依赖操作者、信号不连续的问题，为训练鲁棒深度学习模型提供数据基础 | 内镜甲状腺手术中的喉返神经识别 | 数字病理学 | 甲状腺手术相关神经损伤 | 内镜成像 | 分割模型（CNN） | 图像 | 28个临床多样化手术案例，共18,178帧像素级标注图像 | NA | NA | NA | NA |
| 2517 | 2026-06-01 |
Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images
2026-04-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02335-x
PMID:41933296
|
研究论文 | 提出一种用于婴儿脑MR图像中侧脑室和脉络丛分割的自动化深度学习方法 | 引入解剖感知损失函数，明确强制脉络丛位于侧脑室内的拓扑约束，无需手动标注即可确保解剖一致性 | 仅评估了T1加权MRI数据，未测试其他对比度序列；样本量相对较小（总n=206），且未探索对不同扫描仪或采集协议的可迁移性 | 实现婴儿脑MRI中侧脑室和脉络丛的联合精准分割，以支持脑脊液动力学和早期神经发育研究 | 婴儿脑MR图像中的侧脑室和脉络丛区域 | 数字病理学 | 神经发育疾病 | MRI | 深度学习 | T1加权MR图像 | 公共数据集154例，内部回顾性数据集52例，共206例婴儿 | NA | NA | Dice系数, 95%豪斯多夫距离, 平均对称表面距离 | NA |
| 2518 | 2026-06-01 |
Small-molecule binding and sensing with a designed protein family
2026-Mar-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70953-8
PMID:41904144
|
研究论文 | 结合深度学习和物理方法设计小分子结合蛋白家族，并应用于传感器开发 | 首次将NTF2折叠与深度学习结合，设计出具有多样性和可设计性口袋几何结构的蛋白质家族，实现六种小分子靶标的计算设计，并利用皮质醇结合蛋白构建化学诱导二聚化系统用于生物传感器 | 未提及长期稳定性和体内应用验证 | 开发按需设计任意小分子传感器的通用平台 | 六种小分子靶标（包括皮质醇）及设计的蛋白质结合剂 | 蛋白质设计, 深度学习 | NA | 深度学习和物理方法 | 深度学习模型 | 蛋白质结构数据 | 六种小分子靶标 | NA | NTF2折叠 | 纳摩尔至低微摩尔结合亲和力 | NA |
| 2519 | 2026-06-01 |
Segmentation and diagnosis of anterior cruciate ligament tear using deep learning and radiomics based on knee CT
2026-03-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02297-0
PMID:41877097
|
研究论文 | 基于膝关节CT使用深度学习和影像组学建立前交叉韧带撕裂的分割与诊断模型 | 首次基于膝关节CT而非MRI，结合深度学习和影像组学构建ACL分割与撕裂诊断模型 | 未提及外部验证的多样性及模型泛化性限制 | 建立ACL撕裂的CT分割与诊断AI系统，提高诊断准确性与便利性 | 前交叉韧带撕裂及其分割与诊断 | 计算机视觉 | 前交叉韧带撕裂 | CT扫描 | 3D nnU-Net、支持向量机、随机森林、随机梯度下降 | 影像 | 469名患者用于分割模型，其中328名用于诊断模型 | NA | 3D nnU-Net、SVM、RF、SGD | Dice相似系数、AUC | NA |
| 2520 | 2026-06-01 |
Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation
2026-03-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02266-7
PMID:41857518
|
研究论文 | 比较YOLO和U-Net深度学习算法在慢性伤口图像分割中的性能 | 首次系统比较YOLOv8和YOLO11与U-Net在伤口分割中的性能，并使用跨数据集验证确保模型鲁棒性 | 未提及计算资源消耗和临床应用验证 | 评估YOLO系列算法在慢性伤口图像分割中的有效性 | 慢性伤口图像 | 计算机视觉 | 慢性伤口 | NA | 卷积神经网络 (CNN) | 图像 | 使用FUSeg和Wound Data两个数据库，具体样本数量未提及 | NA | YOLOv8, YOLO11, U-Net | IoU, Precision, Recall, Dice相似系数 (DSC) | NA |