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 42905 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 | 2026-03-07 |
Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study
2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.66.4.09
PMID:41787625
|
研究论文 | 本研究评估了DenseNet121和ResNet50两种深度学习架构在利用多参数心脏磁共振成像自动分类冠状动脉疾病方面的性能与统计稳健性 | 结合了患者级别的严格数据划分、现实的预处理流程以及全面的统计推断测试（如Shapiro-Wilk检验和Brown-Forsythe检验），以生成可重复且具有临床意义的性能评估 | 未明确提及样本的具体来源或多样性，可能影响模型的泛化能力；仅比较了两种深度学习架构，未探索其他可能更优的模型 | 评估深度学习模型在冠状动脉疾病检测中的性能和统计稳健性，以支持早期诊断和临床决策 | 冠状动脉疾病患者的心脏磁共振成像数据 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | CNN | 图像 | NA | NA | DenseNet121, ResNet50 | 准确率, AUC-ROC, 精确率-召回率曲线下面积 | NA |
| 2502 | 2026-03-06 |
A data fusion deep learning approach for accurate organelle-based classification of cancer cells
2026-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00425-8
PMID:41659840
|
研究论文 | 提出了一种基于细胞器形态和空间组织的自动化、可解释深度学习框架，用于从高分辨率荧光显微镜图像中对乳腺癌细胞系进行分类 | 开发了一种端到端框架，结合了基于补丁的采样、稀疏性过滤和通道级中间融合策略，以独立提取和整合细胞器特异性特征，无需手动分割和3D渲染步骤 | 研究仅针对六种乳腺癌细胞系进行评估，尚未在更广泛的癌症类型或临床样本中得到验证 | 开发一种自动化、可解释的深度学习框架，利用亚细胞细胞器组织对癌细胞进行分类 | 六种乳腺癌细胞系的高分辨率荧光显微镜图像 | 数字病理学 | 乳腺癌 | 荧光显微镜成像 | 深度学习 | 图像 | 六种乳腺癌细胞系的荧光显微镜图像，使用5折交叉验证 | NA | NA | 分类准确率 | NA |
| 2503 | 2026-03-06 |
PriBeL-Net: Extending betel leaf dataset with CNN-based image classification
2026-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2026.103828
PMID:41778255
|
研究论文 | 本研究通过比较四种深度学习框架在自定义数据集上的性能，评估了它们在受控和田间环境下的图像分类效果，并确定DenseNet121为最适合农业应用的模型 | 在自定义数据集上系统比较了四种深度学习框架在受控和田间环境下的性能，并针对农业应用场景提出了模型优化方向 | EfficientNetB0在噪声真实数据集上表现不佳，表明轻量级模型在处理复杂农业环境时存在限制 | 评估深度学习模型在农业图像分类任务中的性能，并确定最适合田间应用的模型 | 槟榔叶图像数据集 | 计算机视觉 | NA | 图像分类 | CNN | 图像 | 自定义数据集（具体数量未说明） | TensorFlow, Keras | MobileNetV2, EfficientNetB0, ResNet50V2, DenseNet121 | 准确率, F1分数 | NA |
| 2504 | 2026-03-06 |
AI-based prostate volume estimation from multi-planar MRI under variable acquisition protocols
2026-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2026.100738
PMID:41783490
|
研究论文 | 本研究开发了一种基于知识的深度学习分割模型，用于适应不同MRI采集协议（包括仅轴向的简化协议）的前列腺体积估计 | 提出了一种结合知识对比损失的深度学习模型，能够在训练和推理中仅使用轴向分割标注，同时整合未标注的正交视图，提高了模型在真实临床工作流程中的适应性 | 研究为回顾性设计，且仅基于单一机构的3-Tesla MRI数据，可能限制了模型的泛化能力 | 开发并评估一种能够适应不同MRI采集协议的前列腺体积估计深度学习模型 | 经活检确认的前列腺癌患者的MRI图像 | 数字病理学 | 前列腺癌 | 多参数3-Tesla MRI | 深度学习 | MRI图像 | 629例多参数3-Tesla前列腺MRI检查 | nnU-Net | 2D nnU-Net | Dice Score Coefficient, Relative Volume Difference, Bland-Altman分析, 组内相关系数 | NA |
| 2505 | 2026-03-06 |
Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70227
PMID:41419989
|
研究论文 | 提出一种自监督扫描特异性深度学习框架REFINE-MORE，用于加速多参数定量MRI重建 | 结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率 | NA | 开发用于加速多参数定量MRI重建的自监督扫描特异性深度学习框架 | 体模和活体脑部数据 | 医学影像处理 | NA | 多参数定量磁化转移成像 | 深度学习 | MRI图像 | 体模和活体脑部数据 | NA | 隐式神经表示 | 归一化均方根误差, 结构相似性指数 | NA |
| 2506 | 2026-03-06 |
Dynamic-Guided Diffusion Probability Model for Cranial Nerves Segmentation
2026-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70191
PMID:41428854
|
研究论文 | 本文提出了一种动态引导扩散概率模型，用于从多模态磁共振图像中分割颅神经束，以提高分割准确性 | 提出了一种结合多通道注意力和非局部注意力机制的动态引导机制（SE-A-NL模块），以整合颅神经的内在特征、环境特征和多模态图像信息 | 未明确说明模型的计算复杂度、泛化能力到其他神经结构或数据集，以及临床验证的充分性 | 提高颅神经束在磁共振图像中的分割性能，以支持其形态和方向的定量分析 | 五对颅神经束 | 数字病理学 | NA | 磁共振成像（MRI） | 扩散概率模型 | 多模态磁共振图像 | NA | NA | 动态引导扩散概率模型，SE-A-NL模块 | 20项评估指标（具体未列明，但提及在16项中优于现有技术） | NA |
| 2507 | 2026-03-06 |
A Deep Learning Framework for Predicting Teprotumumab Treatment Response in Thyroid Eye Disease
2026-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2026.101098
PMID:41783079
|
研究论文 | 开发并评估一个基于深度学习的框架，用于量化甲状腺眼病（TED）在替妥木单抗治疗前后的严重程度，并创建预测模型以预测个体患者对治疗的反应 | 整合基于CT的眶容积特征和临床数据，开发深度学习分类模型来量化TED严重程度，并构建回归模型预测治疗反应，为个体化治疗规划提供数据驱动工具 | 回顾性单中心研究，样本量有限（治疗反应组仅19例患者），需要外部验证和前瞻性研究确认 | 开发深度学习框架以客观量化TED严重程度并预测替妥木单抗治疗反应 | 甲状腺眼病患者（184例）和正常眶解剖个体（44例作为对照），以及治疗前后影像的19例患者 | 数字病理 | 甲状腺眼病 | 计算机断层扫描（CT） | 深度学习分类模型, 回归模型 | 图像, 临床数据 | 184例TED患者, 44例正常对照, 19例治疗反应患者 | NA | NA | 准确率, AUC, 均方根误差, 决定系数（R²） | NA |
| 2508 | 2026-03-06 |
Closing the loop: A systematic review of artificial intelligence in circular e-waste management
2026-Mar-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2026.115392
PMID:41653831
|
系统综述 | 本文系统综述了人工智能在电子废弃物循环管理中的应用，分析了2019年至2025年10月间的147篇文献 | 提出了一个六层分类法来结构化文献证据，涵盖AI方法、生命周期阶段、数据、废物类型、限制、挑战及未来路径，并将AI系统从终端处理重构为再生循环 | 数据可用性和泛化性不足，缺乏标准化、互操作性差距，以及AI伦理和监管采纳的障碍，限制了不确定性感知电子废物系统的发展 | 探讨人工智能如何促进从线性废物处理向循环路径的战略转变，以支持可持续电子废物管理 | 电子废弃物（e-waste） | 机器学习 | NA | 深度学习 | NA | NA | 147篇文献 | NA | NA | NA | NA |
| 2509 | 2025-12-23 |
Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures
2026-Mar-05, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003823
PMID:41424025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2510 | 2026-03-06 |
Boosting Crystalline Property Prediction through Dynamical Feature Updating and Wavelet-Denoised Features: A New Deep Learning Model
2026-Mar-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c03930
PMID:41711197
|
研究论文 | 提出了一种名为WANN的新型深度学习框架，通过动态特征更新和小波去噪特征来提升晶体材料性质的预测精度 | 引入了迭代子嵌入模块来隐式捕获多体原子相互作用，无需预定义的特征工程；构建了基于小波的多尺度特征分析回归组件 | 未明确提及模型在处理极端复杂材料体系或超大规模数据集时的具体限制 | 准确预测多种材料的物理和化学性质，特别是多组分材料 | 晶体材料，包括高熵合金和陶瓷等 | 机器学习 | NA | NA | GNN, 深度学习模型 | 原子结构数据 | NA | NA | Wavelet Atomic Neighborhood Network (WANN) | 平均绝对误差 (MAE) | NA |
| 2511 | 2026-03-06 |
Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression
2026-Mar-05, Neurosurgical review
IF:2.5Q1
DOI:10.1007/s10143-026-04196-y
PMID:41781568
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2512 | 2026-03-06 |
Time-frequency-spatial channel attention network for semantic decoding: an exploratory EEG study
2026-Mar-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03539-7
PMID:41781649
|
研究论文 | 本研究提出了一种名为TFSANet的深度学习模型，用于从脑电图信号中解码语义信息，并探索其在失语症患者中的应用 | 设计了针对中文语言刺激的语义任务范式，并构建了结合时域、频域和空间通道注意力的深度学习模型TFSANet，以解码与语义相关的脑电图特征 | 脑电图数据集有限，特别是包含中文语言刺激的数据集 | 研究语言处理和表征的神经机制，并开发解码语义信息的方法 | 失语症患者和健康受试者 | 脑机接口 | 失语症 | 脑电图 | 深度学习 | 脑电图信号 | 17名参与者（包括失语症患者和健康受试者） | NA | Time-Frequency-Spatial Channel Attention Network | 准确率 | NA |
| 2513 | 2026-03-06 |
Artificial intelligence-enabled ultrasound diagnosis and stratification of follicular thyroid neoplasms: a multi-center study
2026-Mar-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02489-6
PMID:41781694
|
研究论文 | 本研究开发并验证了一种基于超声图像的深度学习模型，用于术前区分滤泡性甲状腺癌和滤泡性甲状腺腺瘤，并对滤泡性甲状腺癌进行侵袭亚型分类 | 首次开发了能够同时区分滤泡性甲状腺癌与腺瘤并对癌进行侵袭亚型分类的AI模型，通过多中心大样本验证，在多种临床环境中均表现出良好泛化能力 | 研究为回顾性设计，需要前瞻性研究进一步验证模型在真实临床环境中的表现 | 开发可靠的术前诊断工具，改善滤泡性甲状腺肿瘤的鉴别诊断和风险分层 | 滤泡性甲状腺肿瘤患者，包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤 | 数字病理 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 1531名患者用于模型开发，900名患者用于外部验证（来自31家医院） | NA | NA | AUC, 宏AUC | NA |
| 2514 | 2026-03-06 |
Unsupervised segmentation of dynamic pulmonary MRI using cross-modality adaptation with annotated CT images
2026-Mar-05, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-026-03584-5
PMID:41784882
|
研究论文 | 本文提出了一种利用标注CT图像进行跨模态适应的无监督方法，用于动态肺部MRI的肺实质分割 | 提出了一种结合掩码自编码器预学习模态不变特征、利用标注CT训练初始分割器、并通过选择-精炼流程生成高质量伪标签的新框架，实现了无需MRI标注的跨模态分割 | 方法依赖于现有标注CT数据，且在处理不同中心采集的MRI数据时可能存在泛化性限制 | 实现动态肺部MRI的肺实质无监督分割，以支持临床诊断和治疗规划 | 肺部MRI和CT图像 | 计算机视觉 | 肺病 | 动态肺部MRI, CT | 深度学习 | 图像 | 31个未标注4D MRI, 30个标注CT图像用于训练；20个和12个4D MRI用于测试 | NA | 掩码自编码器 | Dice分数, 平均表面距离 | NA |
| 2515 | 2026-03-06 |
AI-Driven Analysis of Cardiopulmonary Exercise Tests to Identify Gas Exchange and Ventilatory Thresholds
2026-Mar-05, Sports medicine (Auckland, N.Z.)
DOI:10.1007/s40279-026-02403-w
PMID:41784915
|
研究论文 | 本研究评估了一种名为Oxynet的深度学习模型，用于通过心肺运动测试数据自动识别气体交换和通气阈值，并与专家视觉检查进行比较 | 利用预训练的深度学习模型（Oxynet）自动识别心肺运动测试中的乳酸阈值和呼吸补偿点，减少阈值检测的主观性 | 研究主要针对健康个体，未涉及疾病患者；样本量相对有限，且模拟数据与真实数据的区分能力有待提高 | 评估深度学习模型在心肺运动测试中自动识别气体交换和通气阈值的准确性和可靠性 | 心肺运动测试数据，包括模拟和真实的通气与气体交换文件 | 机器学习 | NA | 心肺运动测试 | 深度神经网络 | 时间序列数据（气体交换和通气曲线） | 超过1200个CPET文件用于预训练，后续评估涉及50个模拟文件、50个真实文件、163个CPET用于微调，以及50个独立真实斜坡CPET文件 | NA | Oxynet | ANOVA p值, 效应大小（ω2）, 均值偏差 | NA |
| 2516 | 2026-03-06 |
Impact of Deep Learning-Based Time-of-Flight PET Images of Small Tumors Using a Human Anatomic Phantom
2026-Mar-04, Journal of nuclear medicine technology
IF:1.0Q4
DOI:10.2967/jnmt.125.270450
PMID:41188046
|
研究论文 | 本研究使用人体解剖模型定量评估深度学习时间飞行PET成像对小肿瘤图像质量的影响 | 首次系统评估不同精度水平的深度学习时间飞行PET重建方法对小肿瘤图像质量的影响 | 研究基于人体模型而非真实患者数据，临床验证有限 | 评估深度学习时间飞行PET成像技术对小肿瘤图像质量的提升效果 | 人体胸腹部模型中的肺部和肝脏肿瘤 | 医学影像分析 | 肺癌, 肝癌 | 时间飞行PET成像, 深度学习图像重建 | 深度学习模型 | PET/CT图像 | 人体模型扫描数据，包含6个采集时间点 | NA | 高精度深度学习模型 | SUV, SUVmax, 形状指数图 | NA |
| 2517 | 2026-03-06 |
Machine Learning-Driven R&D of Perovskites and Spinels: From Traditional Models to Deep Learning
2026-Mar-04, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202502228
PMID:41778675
|
综述 | 本文综述了机器学习在钙钛矿和尖晶石材料研发中的应用，从传统机器学习模型到深度学习模型的演变 | 深入探讨了深度学习如何通过端到端特征提取克服传统机器学习的限制，并提出了整合贝叶斯学习和置信度感知建模以提高模型可靠性的前沿方法 | 指出高质量数据稀缺是核心挑战，并强调需要超越预测准确性，关注模型可靠性和鲁棒性 | 加速钙钛矿和尖晶石等战略材料的研发，通过机器学习范式提高研发效率和准确性 | 钙钛矿和尖晶石材料 | 机器学习 | NA | 机器学习，深度学习 | 传统机器学习模型，深度学习模型 | 多模态数据 | NA | NA | NA | 预测准确性，模型可靠性，鲁棒性 | NA |
| 2518 | 2026-03-06 |
PortInput: Enabling Always-available Micro-gesture Input with Pressure Array Sensor
2026-Mar-04, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3670615
PMID:41779644
|
研究论文 | 本文介绍了一种基于压力阵列传感器的便携式微手势输入系统PortInput，通过深度学习模型识别14种微手势，并在AR头戴设备中验证其性能 | 开发了三种便携式原型（指套式、指戴式和表面式），利用压力阵列传感器实现环境无关的微手势交互，并提出了基于深度学习的识别模型 | 未明确说明样本规模或长期使用的耐久性测试，且仅与单一商业设备进行了比较 | 开发一种鲁棒、实时且环境无关的微手势输入系统，以提升增强现实和普适计算中的交互体验 | 微手势输入系统，包括压力阵列传感器原型和深度学习识别模型 | 人机交互 | NA | 压力阵列传感器，深度学习 | 深度学习模型 | 压力模式数据 | NA | NA | NA | 准确性，输入速度，感知工作量 | NA |
| 2519 | 2026-03-06 |
SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation For Myoelectric Gesture Recognition
2026-Mar-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3670388
PMID:41779657
|
研究论文 | 本文提出了一种基于扩散模型的数据增强方法SASG-DA，用于解决表面肌电信号手势识别中训练数据稀缺导致的过拟合和泛化能力差的问题 | 引入了语义表示引导机制以增强生成保真度，提出高斯建模语义采样策略以实现灵活多样的样本生成，并进一步引入稀疏感知语义采样策略以探索代表性不足的区域，从而提高分布覆盖和样本效用 | NA | 提高表面肌电信号手势识别的性能与泛化能力 | 表面肌电信号手势识别 | 机器学习 | NA | 表面肌电信号采集 | 扩散模型 | 表面肌电信号 | Ninapro DB2、DB4和DB7基准数据集 | NA | SASG-DA | NA | NA |
| 2520 | 2026-03-06 |
Deep Learning-Based Vitiligo Activity Evaluation Using Wood's Lamp Imaging: A Clinical Decision Support
2026-Mar-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3670244
PMID:41779660
|
研究论文 | 本文提出了一种基于深度学习的端到端系统，利用伍德灯成像技术支持白癜风病灶的定位、纵向跟踪和活动性评估 | 首次将Mask R-CNN与t-SNE和VIDA评分结合，用于伍德灯成像下的白癜风病灶自动分割、色素状态分析和疾病活动性评估，并进行了纵向风险建模 | 未明确提及样本量的具体数字，且外部验证的性能可能受限于数据集的多样性和规模 | 开发自动化、定量的白癜风疾病监测和治疗评估工具，以支持临床决策 | 白癜风患者的伍德灯成像数据 | 计算机视觉 | 白癜风 | 伍德灯成像 | CNN | 图像 | NA | NA | Mask R-CNN, U-Net, U-Net++, U2-Net, DeepLabV3 | Dice系数, 平均交并比, 曲线下面积 | NA |