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 43462 篇文献，本页显示第 2541 - 2560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2541 | 2026-03-16 |
Applications and clinical translation of artificial intelligence in CBCT-based detection of endodontic lesions: a scoping review
2026-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00876-5
PMID:41188594
|
综述 | 本文是关于人工智能在CBCT影像中检测根尖周病变应用与临床转化的范围综述 | 系统梳理了AI（特别是深度学习）在CBCT影像中自动检测、分类和分割根尖周病变的最新应用进展，并评估了其临床转化潜力 | 大多数研究为回顾性，使用小型或同质数据集，缺乏外部验证或标准金标准比较（如组织学相关性） | 评估人工智能在基于CBCT的根尖周病变检测中的应用现状、诊断性能及临床转化前景 | 根尖周病变 | 数字病理 | 牙科疾病 | CBCT成像 | CNN | 图像 | NA | NA | U-Net, DenseNet, PALNet | 灵敏度, AUC | NA |
| 2542 | 2026-03-16 |
Diagnostic performance of artificial intelligence for facial fracture detection: a systematic review
2026-Apr, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00878-3
PMID:41291186
|
系统综述 | 本文系统评估了人工智能模型在CT、CBCT和平片X光上检测面部骨折的诊断性能 | 首次系统综述了AI在面部骨折检测中的诊断性能，涵盖了多种成像模态和AI模型 | 纳入研究主要为回顾性、单中心设计，样本量有限，标注实践不一致，且缺乏外部或前瞻性验证 | 评估人工智能模型在面部骨折检测中的诊断性能 | 用于面部骨折检测的人工智能模型 | 计算机视觉 | 面部骨折 | CT, CBCT, 平片X光 | 目标检测模型, 分类模型, 分割模型, 混合框架 | 图像 | 23项研究（具体样本量未在摘要中明确给出） | NA | YOLOv5, Faster R-CNN, ResNet, Swin Transformer | 敏感性, 特异性, AUC | NA |
| 2543 | 2026-03-16 |
Integrating artificial intelligence (AI) into colorectal cancer reporting
2026-Apr, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70029
PMID:41588707
|
综述 | 本文综述了人工智能在结直肠癌病理报告标准化及新型预后生物标志物发现中的应用进展 | 提出结合传统病理特征与AI衍生预后指标的协同方法，以优化结直肠癌风险评估 | NA | 探讨人工智能如何提升结直肠癌病理报告的标准化并识别新的预后生物标志物 | 结直肠癌的病理报告和预后生物标志物 | 数字病理学 | 结直肠癌 | 深度学习 | 深度学习模型，视觉语言模型 | 全切片图像 | NA | NA | NA | NA | NA |
| 2544 | 2026-03-16 |
Beyond whole-image learning: anatomically partitioned deep learning models for superior sinonasal disease classification
2026-Mar-15, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12436-4
PMID:41832258
|
研究论文 | 本研究提出了一种基于解剖分区的深度学习模型，用于提升鼻窦疾病的CT诊断准确性 | 通过解剖分区策略替代全图像学习，针对鼻窦解剖异质性设计疾病特异性网络，显著提高了诊断性能 | 研究为回顾性设计，样本量有限（150例手动分割），且仅针对特定解剖区域 | 提升基于CT的鼻窦疾病分类诊断准确性 | 鼻窦CT图像中的13个解剖区域（包括双侧鼻腔、上颌窦、筛窦等） | 数字病理学 | 鼻窦疾病 | CT成像 | 深度学习 | 医学图像（CT） | 2947例CT检查（其中150例用于手动分割） | nnU-Net v2 | nnU-Net | 敏感性, 特异性, AUC, Dice系数 | NA |
| 2545 | 2026-03-16 |
Explainable deep learning for early diagnosis of chronic kidney disease from CT images in Bangladeshi patients
2026-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-42654-1
PMID:41832284
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2546 | 2026-03-16 |
Integrative Approaches in Lung Cancer Diagnosis: Bridging Molecular Biomarkers and AI Driven Imaging
2026-Mar-14, Biomarkers : biochemical indicators of exposure, response, and susceptibility to chemicals
IF:2.0Q4
DOI:10.1080/1354750X.2026.2644329
PMID:41830914
|
综述 | 本文综述了分子生物标志物与人工智能驱动的影像学在肺癌诊断中的整合方法 | 分析了将分子生物标志物（如EGFR、ALK、KRAS等）与人工智能（特别是机器学习和深度学习）驱动的影像学（如低剂量CT扫描的影像组学和模式识别）进行整合的潜力，以实现更快、更精确、更具个性化的肺癌诊断 | 面临数据标准化、模型可解释性、临床验证和伦理问题等诸多挑战 | 探讨肺癌诊断领域如何整合分子生物学和计算技术的最新进展 | 肺癌 | 数字病理学 | 肺癌 | 液体活检、循环肿瘤DNA、下一代测序、多组学方法（基因组学、转录组学、蛋白质组学） | 机器学习, 深度学习 | 图像, 分子数据 | NA | NA | NA | NA | NA |
| 2547 | 2026-03-16 |
Decoding soil properties from surface cracks using Minkowski functionals, junction crack angle distributions, and AI-based image analysis
2026-Mar-14, The European physical journal. E, Soft matter
DOI:10.1140/epje/s10189-026-00567-x
PMID:41830988
|
研究论文 | 本研究通过Minkowski泛函、裂缝交汇角分布和基于AI的图像分析，解码土壤表面裂缝以识别土壤类型和亚型 | 结合形态学描述符（如Minkowski泛函和裂缝交汇角分布）与卷积神经网络，实现对土壤类型的精确分类，准确率达100% | NA | 通过分析干燥裂缝模式，准确识别土壤类型和亚型，应用于农业土壤评估、行星地形研究等领域 | 不同土壤类型及其亚类（如洪水左岸和非洪水右岸的土壤） | 计算机视觉 | NA | 图像分析 | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 2548 | 2026-03-16 |
Super-resolution deep learning reconstruction enhances visualization of cerebral aneurysms on magnetic resonance angiography
2026-Mar-14, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-026-03965-2
PMID:41831007
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2549 | 2026-03-16 |
A multimodal feature disentanglement model for lymphadenopathy diagnosis based on BUS and CDFI ultrasound videos: a retrospective, prospective, multicenter study
2026-Mar-14, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12409-7
PMID:41831029
|
研究论文 | 本研究开发并验证了一种基于B超和彩色多普勒血流成像视频的多模态深度学习模型，用于淋巴结病变的诊断 | 提出了一种多模态特征解耦模型，整合了B超和彩色多普勒血流成像视频以及患者临床信息，以提高淋巴结病变的诊断准确性 | NA | 开发并验证一个深度学习模型，用于基于多模态超声视频诊断淋巴结病变 | 淋巴结病变患者 | 计算机视觉 | 淋巴结病变 | B超, 彩色多普勒血流成像 | 深度学习模型 | 视频 | 7371名患者，共提取147,420个关键帧 | NA | 多模态特征解耦模型 | AUC, 准确率, 灵敏度, 特异度, 精确度 | NA |
| 2550 | 2026-03-16 |
MyoClass: A modular multimodal auto-classification system for myocardial tissue characterization
2026-Mar-14, The international journal of cardiovascular imaging
DOI:10.1007/s10554-026-03684-y
PMID:41831142
|
研究论文 | 提出了一种名为MyoClass的深度学习框架，用于整合多模态心脏磁共振成像数据和患者元数据，实现心肌组织的自动分类 | 开发了一个模块化的多模态自动分类系统，首次整合了多种CMR序列、左心室形态描述符、T1定量映射和患者元数据，无需手动分割即可实现准确分类 | 研究样本量相对较小（150名患者），需要在更大规模的多中心数据集中进一步验证 | 开发一个自动化系统，用于区分健康心肌、心肌炎和心肌梗死 | 心肌组织 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | MLP | 图像, 元数据 | 150名患者（每类50名） | NA | 多层感知机 | 准确率 | NA |
| 2551 | 2026-03-16 |
ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments
2026-Mar-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06938-5
PMID:41832216
|
研究论文 | 本文介绍了ROBUST-MIPS数据集，该数据集结合了手术工具的姿态和实例分割标注，旨在促进手术工具定位的研究 | 提出了结合手术工具姿态和实例分割的标注数据集，并论证了姿态标注在语义信息丰富性和标注效率之间的平衡优势 | NA | 促进手术工具定位研究，通过提供联合标注数据集支持下游任务比较 | 腹腔镜手术工具 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 基于现有ROBUST-MIS数据集衍生 | NA | NA | NA | NA |
| 2552 | 2026-03-16 |
Classification of health product defect reports by deep learning
2026-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43961-3
PMID:41832296
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2553 | 2026-03-16 |
Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma
2026-Mar-14, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02253-y
PMID:41832418
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2554 | 2026-03-15 |
Correction: Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction
2026-Mar-13, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2832-9144
PMID:41825460
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2555 | 2026-03-16 |
A Multicenter Study on Deep Learning Model-Assisted Detection of Brain Metastases in MR Images
2026-Mar-13, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.002
PMID:41832083
|
研究论文 | 本研究开发并验证了一个基于深度学习的脑转移检测模型（BMDM），用于在磁共振图像中诊断脑转移，并通过多中心数据评估了其辅助放射科医生提升诊断效率和性能的效果 | 开发了一个专门用于脑转移检测的深度学习模型，并在多中心研究中比较了放射科医生单独、模型单独及模型辅助三种阅读模式，显著提升了小病灶和岛叶病灶的检测灵敏度 | 研究为回顾性设计，可能受到数据选择偏倚的影响；未在更广泛的外部数据集上进行验证 | 开发并验证一个深度学习模型，以辅助放射科医生在磁共振图像中更高效、准确地检测脑转移 | 脑转移患者的磁共振图像 | 计算机视觉 | 脑转移 | 磁共振成像 | 深度学习模型 | 图像 | 训练和测试集包含950名患者，验证集包含423名患者 | NA | NA | AFROC曲线下面积, 灵敏度 | NA |
| 2556 | 2026-03-16 |
Development and Validation of a Deep Learning System for Echocardiographic Assessment of 16-Segment LV Wall Thickness
2026-Mar-13, Ultrasound in medicine & biology
|
研究论文 | 本研究开发并验证了一种基于深度学习的系统，用于自动测量16段左心室壁厚度，通过超声心动图评估左心室肥厚的病理进展 | 首次提出基于深度学习的自动测量16段左心室壁厚度的方法，并在体内和体外数据集中进行验证，减少了传统方法的时间消耗和变异性 | 研究样本量相对有限（197名患者），且未在更广泛或多样化的临床人群中验证，可能影响泛化能力 | 开发并验证一种自动测量16段左心室壁厚度的深度学习系统，以改善左心室肥厚的诊断和治疗评估 | 超声心动图图像，包括正常壁厚度和增厚壁厚度的患者队列 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习算法 | 图像 | 92,984张超声心动图（正常壁厚度队列），26,523张超声心动图（增厚壁厚度数据集），2,238张超声心动图（体外数据集），总计197名患者 | NA | NA | Dice相似系数，Hausdorff距离，平均绝对误差 | NA |
| 2557 | 2026-03-16 |
Deep learning techniques for crop classification in complex agricultural landscapes
2026-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-37806-2
PMID:41820421
|
研究论文 | 本文提出了一种结合植被指数和注意力机制的深度学习方法，用于复杂农业景观中的作物分类 | 引入了Tanh激活的自注意力机制，在作物分类中取得了最高准确率（88.89%），优于乘法注意力、软注意力和全局注意力 | NA | 提高复杂农业景观中作物分类的准确性 | 遥感数据中的作物类型 | 计算机视觉 | NA | 遥感技术、植被指数分析 | 深度学习模型 | 时间序列遥感数据、频率信息数据 | NA | NA | 自注意力机制、乘法注意力、软注意力、全局注意力 | 准确率 | NA |
| 2558 | 2026-03-16 |
Enhanced pneumonia prognosis via a hybrid deep learning ensemble: Dense Net, Efficient Net, and VGG16 integration
2026-Mar-12, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本研究提出了一种集成DenseNet、EfficientNet和VGG16的深度学习框架，用于增强肺炎的预后诊断 | 提出了一种结合深度CNN和InceptionV3的混合特征提取方法，并应用贝叶斯优化与粒子群优化的混合策略进行超参数调优 | NA | 开发一个稳健、临床可行且高度可靠的早期准确肺炎诊断解决方案 | 肺炎 | 计算机视觉 | 肺炎 | 深度学习 | CNN | 图像 | NA | NA | DenseNet, EfficientNet, VGG16, InceptionV3 | 准确率, 灵敏度, 特异性 | NA |
| 2559 | 2026-03-16 |
AI in the Prediction of Hepatic Fibrosis Progression Using Non-Coding RNAs
2026-Mar-12, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2026.120973
PMID:41831666
|
综述 | 本文综述了人工智能在利用非编码RNA预测肝纤维化进展中的应用，包括最新发现、挑战与未来机遇 | 整合人工智能与多组学数据及非编码RNA互作网络，提升肝纤维化进展预测的精确性和非侵入性诊断工具 | 数据标准化和临床验证的必要性尚未完全解决，存在潜在挑战 | 探讨人工智能在肝纤维化中识别非编码RNA生物标志物、预测疾病分期和风险分层的作用 | 肝纤维化及其进展至肝硬化和肝细胞癌的过程 | 机器学习 | 肝纤维化 | 转录组数据分析 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 2560 | 2026-03-16 |
Evolutionary-Based Deep Learning Network Model using Adaptive Mixing Differential Evolution and Application in Acute Pulmonary Embolism
2026-Mar-12, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2026.03.009
PMID:41831678
|
研究论文 | 本文提出了一种基于进化计算的深度学习网络模型EDLAlexNet，用于急性肺栓塞的预测和分析 | 提出了一种结合Q学习和对立学习的自适应混合差分进化算法MIXDE，并将其集成到AlexNet模型中，用于急性肺栓塞的预测 | NA | 开发一种高效、准确的工具，用于急性肺栓塞的预测和分析，以克服现有评估方法的复杂性、耗时性和侵入性等局限 | 中低风险和高风险的急性肺栓塞患者 | 机器学习 | 急性肺栓塞 | NA | CNN | 血液生化指标、生命体征、临床参数和临床特征 | NA | NA | AlexNet | 准确率, 特异性, 敏感性, AUC | NA |