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 47335 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 | 2026-05-27 |
Correction to "Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data"
2026-May-26, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.6c05436
PMID:42113025
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2502 | 2026-06-21 |
MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma
2026-May-16, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2026.05.005
PMID:42144163
|
研究论文 | 开发无需PET的深度学习模型，从常规CT自动分割代谢肿瘤体积并验证其在鼻咽癌中的预后价值 | 首次实现仅基于CT的自动代谢肿瘤体积分割，无需PET，结合双窗口CT输入和新型7层MedNext-Insight模型，在预后评估中表现与基于PET的真实MTV相当 | 预后分析中排除了12名基线远处转移患者；样本量有限，内部验证集仅135例；未进行外部多中心验证 | 开发一种资源高效的PET-free方法，用于鼻咽癌代谢肿瘤体积的自动分割和风险分层 | 392名鼻咽癌患者的PET/CT影像数据及内部时间验证队列135例患者 | 计算机视觉 | 鼻咽癌 | PET/CT | CNN | 医学影像 | 训练集314例（含63例验证），测试集78例，时间验证集135例 | PyTorch | MedNext-Insight, no-new-U-Net version 2, Pix2Pix, 3D-CycleGAN | Dice相似系数, 敏感性, 一致性指数 (C-index), 组内相关系数 (ICC) | NA |
| 2503 | 2026-06-21 |
Performance and Utility of the Sybil Deep Learning Model for Lung Cancer Risk Prediction in Asian High- and Low-Risk Populations
2026-May-14, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2026.05.002
PMID:42140481
|
研究论文 | 评估深度学习模型Sybil在亚洲高风险和低风险人群中预测肺癌风险的表现和实用性 | 首次在亚洲人群（包含大量从不吸烟者）中验证Sybil模型的性能，展示其在不同风险谱系中的稳健性 | 短期表现在存在肉芽肿性后遗症、亚实性结节或基线未检测到结节的患者中下降；研究为单中心回顾性分析，需进一步验证 | 评估Sybil深度学习模型在亚洲肺癌筛查队列中的性能和实用性 | 21,087名50-80岁接受LDCT筛查的亚洲个体（包括大量从不吸烟者） | 计算机视觉 | 肺癌 | 低剂量胸部CT（LDCT） | 深度学习模型 | 图像（CT影像） | 21,087名参与者（包括4,611名≥20包年吸烟史、5,378名<20或未知包年吸烟史、11,098名从未吸烟者） | 未明确提及 | Sybil（具体架构未明确说明） | AUROC（曲线下面积） | 未明确提及 |
| 2504 | 2026-06-21 |
Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development
2026-Apr-30, The Journal of hospital infection
IF:3.9Q1
DOI:10.1016/j.jhin.2026.04.019
PMID:42069224
|
系统综述 | 本研究系统综述了人工智能在急性护理医院感染防控中的实际实施情况，发现仅有少数研究实现了真实世界部署 | 区分了已实施系统与未实施的开发/验证研究，聚焦实施后的实际影响而非仅模型开发 | 纳入研究多为回顾性开发，实施研究较少且缺乏对意外后果的量化评估，存在偏倚和适用性问题 | 综合评估AI/ML在急性护理医院感染防控中的实施现状及其与实际工作整合的差距 | 急性护理医院感染防控相关的AI/ML研究 | 机器学习 | 医院感染 | NA | 传统机器学习、自然语言处理、深度学习、基于规则或专家系统 | NA | 59项研究（9项实施研究，50项开发/验证研究） | NA | NA | NA | NA |
| 2505 | 2026-06-21 |
CSVSUF: A Deep Unfolding Framework for Compressive Spectral Video Sensing
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3700920
PMID:42275332
|
研究论文 | 提出了一种基于深度展开框架的压缩光谱视频传感方法，结合物理引导建模与深度先验学习以提升重建精度 | 首次设计时空-频谱先验学习Transformer（STS-PLT）捕获多维相关性，并将传统模型驱动优化与深度学习展开框架整合于压缩光谱视频重建中 | 未提及具体局限性，但可能受限于CASSI系统的硬件约束及对复杂动态场景的泛化能力 | 开发高效且准确的光谱视频重建方法，克服现有模型驱动与深度学习方法的不足 | 动态场景下的光谱视频数据 | 计算机视觉 | 不适用 | 压缩光谱视频传感（CSVS）、编码孔径快照光谱成像（CASSI） | Transformer | 光谱视频数据 | 不适用 | PyTorch | 时空-频谱先验学习Transformer（STS-PLT） | 重建准确度、视觉质量 | 不适用 |
| 2506 | 2026-06-20 |
Motivations for Artificial Intelligence, for Deep Learning, for ALife: Mortality and Existential Risk
2024-02-01, Artificial life
IF:1.6Q2
DOI:10.1162/artl_a_00427
PMID:38346273
|
综述文章 | 回顾人工智能在过去一个世纪的发展轨迹，探讨人工生命的影响，并分析由此带来的机遇与风险 | 揭示了AI问题构建方式中存在的二元对立（符号主义与生命主义），并探讨其对存在风险的深远影响 | 未提供具体的实验验证或数据支持，可能缺乏实证基础 | 分析AI发展中的技术路径分歧及其对人类存在风险的哲学影响 | AI发展的历史轨迹、生命主义与符号主义的方法论对比 | 机器学习 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 2507 | 2026-06-19 |
Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids
2026-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group
IF:3.0Q2
DOI:10.1080/02656736.2026.2634734
PMID:41755457
|
研究论文 | 开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于MR引导高强度聚焦超声治疗子宫肌瘤时对皮下腹部脂肪层的分割，以提升治疗安全性和效率 | 首次将注意力门控U-Net应用于MR-HIFU治疗中的皮下脂肪自动分割，实现了从3分钟的手动分割缩短到3秒的自动化处理 | NA | 实现MR引导高强度聚焦超声治疗子宫肌瘤过程中皮下脂肪层的自动分割，增强治疗安全性和效率 | 子宫肌瘤患者的腹部MR图像中的皮下脂肪层 | 计算机视觉, 数字病理学 | 子宫肌瘤 | MR引导高强度聚焦超声 | 卷积神经网络 | 图像 | 62名接受MR-HIFU治疗的患者的MR图像 | NA | 注意力门控U-Net | Dice系数, 第95百分位数Hausdorff距离, 平均脂肪层厚度误差 | NA |
| 2508 | 2026-06-19 |
Sweet artificial intelligence as digital catalysts in infectious diseases: Glycomics and glycoanalysis
2026-Oct-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2026.118863
PMID:42218857
|
综述 | 总结人工智能、机器学习和深度学习在感染生物学糖组学和糖分析中的应用 | 系统性地总结了AI/ML/DL在糖组学中的应用，包括糖结构分析、凝集素-糖结合预测、病原性评估和生物标志物发现，并介绍了SweetNet和LectinOracle等代表性模型 | 标注稀疏、批次效应、结构覆盖不全、模型可解释性有限 | 探讨AI在感染生物学糖组学和糖分析中的应用现状与前景 | 糖组学和糖分析数据及相关AI模型 | 机器学习 | 感染性疾病 | 质谱、核磁共振、色谱、糖/凝集素微阵列 | CNN, GNN, 序列模型, Transformer | 糖组学数据 | NA | NA | SweetNet, LectinOracle | NA | NA |
| 2509 | 2026-06-19 |
SPIRAL: A probabilistic deep learning framework for Chinese liquor (Baijiu) classification via near-infrared hyperspectral imaging
2026-Aug-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2026.149583
PMID:42176475
|
研究论文 | 提出SPIRAL概率深度学习框架，结合近红外高光谱成像技术，用于白酒的酒精含量、香气类型和品牌快速无损分类 | 首次将概率深度学习与近红外高光谱成像结合用于白酒分类，通过自适应方差学习处理化学基质复杂性和测量变异性带来的光谱不确定性 | 未提及模型的泛化能力验证和实际工业部署中的挑战 | 开发快速、非破坏性的白酒分析方法，用于食品安全和质量控制 | 中国白酒（白酒） | 机器学习 | NA | 近红外高光谱成像 | 概率深度学习框架（SPIRAL） | 高光谱图像 | 1000张近红外高光谱图像，涵盖49种白酒、9种酒精含量、5种香气类型和30多个品牌 | PyTorch | NA | F1分数 | NA |
| 2510 | 2026-06-19 |
Non-invasive predictive model for incidental gallbladder carcinoma based on multimodal features: Integrating clinical data, MRI radiomics, and deep transfer learning features
2026-Aug, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2026.102826
PMID:42172792
|
研究论文 | 基于临床数据、MRI放射组学及深度学习特征建立无创预测模型，用于偶发性胆囊癌的术前风险评估 | 首次整合多模态特征（临床数据、MRI放射组学与深度学习特征）构建预测模型，且显著优于单模态模型 | NA | 开发偶发性胆囊癌的无创术前预测模型，实现风险分层 | 偶发性胆囊癌患者及良性胆囊疾病患者 | 机器学习 | 胆囊癌 | MRI | 深度学习模型 | 图像数据（MRI） | 299例良性胆囊疾病患者和106例偶发性胆囊癌患者 | NA | NA | AUC | NA |
| 2511 | 2026-06-19 |
Artificial intelligence in nuclear medicine
2026-Jul-01, The British journal of radiology
DOI:10.1093/bjr/tqag012
PMID:41564330
|
综述 | 探讨人工智能在核医学中的潜力与应用，涵盖成像流程从采集到临床决策支持的各个环节，并讨论从开发到临床实施的挑战与机遇 | 系统性回顾AI在核医学中的全流程应用，特别强调从开发到临床实施的转化，并指出当前只有少数AI应用达到商业成熟度 | AI在核医学中实现商业成熟的应用极少，且大多数开发仍停留在原型阶段，未广泛用于临床 | 评估人工智能在核医学中的当前应用与未来潜力，重点关注其从开发到临床实施的过渡 | 核医学中的AI应用，包括图像采集、重建、后处理、分析及临床决策支持 | 机器学习 | 肿瘤学, 神经学 | NA | 深度学习, 卷积神经网络 | 医学图像 | NA | NA | 卷积神经网络 | NA | 图形处理器 |
| 2512 | 2026-06-19 |
A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics
2026-Jul, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2026.3660643
PMID:41671114
|
研究论文 | 提出一种嵌入驾驶模式的深度学习框架，用于建模多尺度跟驰动态中的个体驾驶员异质性 | 系统性地将离散驾驶模式嵌入车辆运动预测，利用混合深度学习架构融合GRU和LSTM，统一了离散决策与连续动力学，更准确地表征个体驾驶员的动态异质性 | NA（摘要未明确说明局限性） | 解决跟驰建模中个体驾驶员异质性的表示难题，提升多尺度跟驰动态预测的准确性 | 个体驾驶员的跟驰行为，包括稳态跟驰、加速、巡航等不同驾驶模式下的动态变化 | 机器学习 | NA | NA | GRU、LSTM | 高分辨率交通轨迹数据 | NA（摘要未说明具体样本量） | PyTorch（假设） | GRU, LSTM | 多项预测误差指标（未具体列出） | NA |
| 2513 | 2026-06-19 |
Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma
2026-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000876
PMID:41854294
|
研究论文 | 本研究评估了两种新型2.5维深度学习模型在预测临床IA期肺腺癌内脏胸膜侵犯中的性能，并与传统2D和3D模型进行比较 | 首次验证2.5D深度学习模型（特别是多视图方法）用于内脏胸膜侵犯预测，通过可解释可视化揭示空间相关生物标志物 | 未明确说明 | 评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯中的性能 | 804名经病理确诊的IA期肺腺癌患者 | 计算机视觉 | 肺癌 | NA | 2.5D深度学习模型（多视图模型和上下文模型） | CT图像 | 804名患者，分为训练集（360人）、内部验证集（155人）和外部测试集（289人） | NA | NA | AUC，准确率，阳性预测值，阴性预测值 | NA |
| 2514 | 2026-06-19 |
AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance
2026-Jul, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.04.003
PMID:42034503
|
研究论文 | 本研究前瞻性地评估了基于AI的降噪技术对模拟低剂量小儿胸部X光片图像质量和诊断性能的影响 | 首次在大规模多中心前瞻性研究中验证了一种与设备无关的深度学习降噪系统，并评估了其在约50%剂量减少下诊断性能的变化幅度 | 非劣效性检验未通过，因为诊断性能差异的置信区间跨越了预设的非劣效性界值，且研究使用了模拟低剂量数据而非临床获取的原始低剂量数据 | 评估基于AI的降噪技术是否能在模拟低剂量小儿胸部X光片中提高图像质量和维持诊断性能 | 420名接受临床胸部X光检查的小儿患者 | 计算机视觉 | 肺炎、肺不张、心脏扩大 | X光摄影，深度学习降噪 | CNN | 图像 | 420名小儿患者，来自四家三级医院 | NA | 深度残差卷积神经网络 | 结构相似性、噪声特性、AUC | NA |
| 2515 | 2026-06-19 |
FINS: An interactive platform for automated zebrafish image analysis and morphological screening
2026-Jul, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2026.100426
PMID:42067140
|
研究论文 | 介绍了一个交互式网络平台FINS，用于斑马鱼图像的自动分析和形态筛选 | 集成基于深度学习的分类与可视化质量控制，实现自动评分，减少人工评分时间和变异性 | NA | 开发一个可重复、可扩展的斑马鱼形态学自动评分工具 | 斑马鱼胚胎图像 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像 | NA | TensorFlow, PyTorch, Keras | CNN | F1分数 | NA |
| 2516 | 2026-06-19 |
DSMDTN: A Data-Selective Multiscale Dual Transfer Network for Fault Diagnosis of Key Components in Rotating Machinery
2026-Jul, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2026.3662702
PMID:41706780
|
研究论文 | 提出了一种数据选择性多尺度双迁移网络，用于旋转机械关键部件的故障诊断 | 创新性地结合数据选择器、多尺度拼接U-Net和双分类器，实现了跨工况和噪声环境下的高效故障诊断 | 未提及 | 提高滚动轴承在不同工作条件和噪声环境下的故障诊断性能 | 旋转机械关键部件（如滚动轴承）的故障诊断 | 机器学习 | NA | NA | U-Net | 振动信号 | CWRU公开数据集和PT500mini试验台自采数据集 | NA | 多尺度拼接U-Net（MCU-Net） | 准确率 | NA |
| 2517 | 2026-06-19 |
DeePedIMV: Deep learning model for early prediction of invasive mechanical ventilation in critically ill children
2026 Jul-Aug, Heart & lung : the journal of critical care
IF:2.4Q2
DOI:10.1016/j.hrtlng.2026.102761
PMID:41849979
|
研究论文 | 开发并评估用于危重儿童有创机械通气早期预测的深度学习模型DeePedIMV | 首次将深度学习应用于危重儿童有创机械通气需求的早期预测，可提前8小时预警，且性能优于传统评分和机器学习模型 | 单中心回顾性研究，需要外部验证和前瞻性评估 | 提前预测危重儿童有创机械通气需求，支持早期临床恶化识别 | 儿科重症监护病房（PICU）年龄<18岁的危重患儿 | 机器学习 | 儿科重症疾病 | 电子病历数据分析 | 深度学习模型（DeePedIMV） | 时间序列临床数据 | 1318例PICU住院病例（含688例IMV病例，占52.2%） | NA | NA | AUROC, AUPRC, 阳性预测值, 似然比 | NA |
| 2518 | 2026-06-19 |
ECG-Gated Retrospective Coronary CT Angiography With Deep Learning Reconstruction on 8-cm Detector CT Scanners: Pushing Radiation Dose Towards Prospective Acquisition on 16-cm Wide-Detector Scanners
2026-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000879
PMID:41891715
|
研究论文 | 利用深度学习重建技术，将8厘米探测器CT扫描仪上的回顾性冠脉CTA辐射剂量降低至16厘米宽探测器前瞻性扫描的水平，并验证图像质量非劣效性 | 首次证明深度学习重建能使8厘米探测器扫描仪的回顾性冠脉CTA辐射剂量降至与16厘米宽探测器前瞻性扫描相当的水平，同时保持图像质量不劣于常规剂量 | 样本量较小，且仅纳入特定体重（55-75 kg）和心率（<75 bpm）的患者，可能限制结果的普适性 | 评估利用深度学习重建技术降低8厘米探测器CT扫描仪回顾性冠脉CTA辐射剂量至16厘米宽探测器前瞻性扫描水平的可行性 | 8厘米探测器CT扫描仪上接受低剂量和常规剂量回顾性冠脉CTA的患者 | 计算机视觉 | 心血管疾病 | 冠脉CT血管成像 | 深度学习重建 | 图像 | 83例低剂量（A组）和62例常规剂量（B组）回顾性冠脉CTA病例 | NA | 深度学习重建 | 信号噪声比、主观评分 | NA |
| 2519 | 2026-06-19 |
Deep learning models to predict mammographic density jointly on standard dose and low dose images
2026-Jul-01, The British journal of radiology
DOI:10.1093/bjr/tqag090
PMID:42049900
|
research paper | 使用深度学习模型在标准剂量和低剂量乳腺X光图像上预测乳腺密度 | 训练联合模型在标准剂量和模拟低剂量图像上预测密度，验证低剂量图像可用于准确风险分层 | 模拟低剂量图像与实际低剂量图像之间存在差异，导致预测误差略有增加 | 评估深度学习模型是否能在低剂量乳腺X光图像上准确估计乳腺密度，以实现早期乳腺癌风险分层 | 标准剂量和低剂量乳腺X光图像 | machine learning | breast cancer | mammography | CNN | image | 训练集107,619张标准剂量乳腺X光图像，独立测试集294对标准剂量和真实低剂量图像 | NA | NA | root mean squared error (RMSE) | NA |
| 2520 | 2026-06-19 |
Time-aware attention network for multi-step future prediction in wastewater treatment
2026-Jul-01, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2026.130193
PMID:42296759
|
研究论文 | 提出一种时间感知注意力网络（TAANet），用于污水处理过程中的多步未来预测 | 首次实现轨迹级别的多指标同时预测、基于注意力的动态融合模块捕获时变相互依赖关系、多分量时间嵌入显式编码周期和日历结构以表征非平稳系统行为 | NA | 提升污水处理过程中多步预测的准确性，支持未来状态感知和运行决策 | 污水处理过程中的多个参数（如化学需氧量去除效率） | 机器学习 | NA | NA | 时间感知注意力网络 | 传感器数据 | 来自实际城市污水的长期厌氧生化处理实验数据集 | PyTorch | Transformer, Informer, PatchTST, iTransformer | R值, 均方误差 | NA |