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 48077 篇文献，本页显示第 2701 - 2720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2701 | 2026-07-06 |
Efficient Prediction Model of mRNA End-to-End Distance and Conformation: Three-Dimensional RNA Illustration Program (TRIP)
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3766-1_13
PMID:38502487
|
研究论文 | 介绍了一种名为TRIP的计算机模拟模型，用于高效预测mRNA末端距和构象 | 提出了一种基于单链模型和单分子荧光原位杂交实验角度限制的快速高效预测模型，仅需最多三个输入即可获取输出，并实现RNA三维构象的粗略可视化 | NA | 开发一种快速高效的预测模型，用于预测长mRNA的末端距和三维构象 | 长mRNA分子 | 计算机模拟， 生物信息学 | NA | 计算机模拟， 单分子荧光原位杂交（smFISH） | 单链模型 | RNA序列及构象数据 | NA | NA | NA | NA | NA |
| 2702 | 2026-07-06 |
Beyond the AJR: Deep Learning Model for Risk-Based Breast Cancer Screening
2023-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28703
PMID:36350116
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2703 | 2026-07-06 |
Deep Learning vs Traditional Breast Cancer Risk Models to Support Risk-Based Mammography Screening
2022-10-06, Journal of the National Cancer Institute
DOI:10.1093/jnci/djac142
PMID:35876790
|
研究论文 | 比较深度学习与传统乳腺癌风险模型在基于风险的乳腺X线筛查中的准确性 | 首次在前瞻性筛查队列中验证深度学习乳腺癌风险模型优于传统风险模型 | 未明确提及局限性，但可能包括数据来源局限性或模型泛化能力 | 评估深度学习风险评分与传统风险评分在识别筛查中癌症患者方面的准确性 | 57,617名患者的119,139次双侧筛查乳腺X线图像 | 深度学习 | 乳腺癌 | 乳腺X线成像 | 深度学习模型 | 图像 | 57,617名患者，119,139次筛查乳腺X线图像 | NA | NA | 接收者操作特征曲线下面积、癌症检出率 | NA |
| 2704 | 2026-07-05 |
3D anatomical atlas of the heads of male and female adult Chamaeleo calyptratus
2026-Aug, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.70077
PMID:41239830
|
研究论文 | 首次完整描述了成年雄性 and 雌性变色龙（Chamaeleo calyptratus）头部的三维解剖图谱，包括骨骼、神经、肌肉等软硬组织 | 首次提供变色龙头骨完整骨骼和软组织的数字解剖图谱，包括颅缝和肌肉附着点的首次图谱，并利用对比增强染色、microCT扫描和深度学习模型进行分割 | 仅基于两个成年标本，样本量小，可能无法完全代表种群变异，且未涵盖幼体或不同年龄阶段的变化 | 提供变色龙头部解剖结构的全面描述，探索性别差异，并为爬行动物进化发育研究和教育提供数字资源 | 成年雄性 and 雌性变色龙（Chamaeleo calyptratus）的头部解剖结构 | 数字病理学 | NA | 对比增强染色, microCT扫描, 深度学习分割 | 深度学习模型 | 图像（microCT扫描） | 两个成年标本（一雄一雌） | NA | NA | NA | NA |
| 2705 | 2026-07-05 |
Automated multiclass bone segmentation using deep learning: implications for templating in radial head replacement
2026-Aug, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2026.02.005
PMID:41720251
|
研究论文 | 训练并验证基于nnU-Net的深度学习模型，实现桡骨头置换术中多类骨骼的自动化分割，以提高术前三维模板制作的效率和精度 | 首次将nnU-Net深度学习模型应用于桡骨头置换术的多类骨骼分割，实现了皮质骨和非皮质骨的精确分割，分割时间从手动78分钟缩短至3分钟，且性能在不同性别、手臂侧和CT层厚下保持一致 | 模型无法捕捉软骨组织，这可能会影响某些临床应用中的分割完整性 | 开发和验证用于桡骨头置换术术前三维模板制作的多类骨骼自动分割深度学习模型 | 上肢骨骼（肱骨、尺骨、桡骨的皮质和非皮质区域） | 深度学习, 医学图像分割 | 骨科疾病（桡骨头骨折或相关适应症） | CT扫描 | nnU-Net | 三维CT图像 | 93例上肢CT扫描 | PyTorch | nnU-Net | Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差 | NA |
| 2706 | 2026-07-05 |
Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China
2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111596
PMID:42134661
|
研究论文 | 开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌患者放射性颞叶损伤的检测和自动可视化 | 首次构建了基于2.5D ResNet的多任务学习网络，集成RTLI分类与分割任务，并在中国南部和北部不同流行病学区域进行了跨地域验证 | 仅使用轴向T2加权MRI单一序列，未纳入其他MRI序列或临床指标；前瞻性临床获益的验证仍在进行中 | 开发一种能够早期检测放射性颞叶损伤并自动可视化病灶的深度学习模型，以辅助临床诊断 | 鼻咽癌患者放疗后出现的放射性颞叶损伤 | 计算机视觉 | 鼻咽癌 | MRI | 多任务深度学习模型 | 图像 | 956名鼻咽癌患者，来自中国南部和北方的回顾性和前瞻性队列 | PyTorch | 2.5D ResNet | AUC, DSC, 灵敏度 | NA |
| 2707 | 2026-07-05 |
Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor
2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2026.111606
PMID:42162744
|
研究论文 | 开发一个多中心验证的三序列深度学习模型，用于下咽肿瘤的三维MRI分割，并评估AI辅助能否缩小轮廓勾画的专业差距 | 首次提出多中心验证的三序列3D nnU-Net模型用于下咽鳞状细胞癌MRI分割，并通过随机交叉读者研究证明AI辅助能显著提升不同资历放射肿瘤医生的勾画一致性和效率，同时引入基于MRI质量特征的低重叠风险模型以支持部署决策 | 研究为回顾性设计，样本量有限（727例），且外部验证中低重叠风险模型的AUC在外部队列有所下降（0.71-0.78），可能需要进一步优化 | 开发并验证深度学习辅助的MRI自动分割方法，以提高下咽鳞状细胞癌放射治疗计划中靶区勾画的准确性和一致性，缩小专家经验差距 | 来自三个医疗机构的727名下咽鳞状细胞癌患者 | 计算机视觉, 医学影像分析 | 下咽鳞状细胞癌 | MRI | 3D nnU-Net | 三维MRI图像（三序列） | 727名患者，分为开发队列（530例）、内部测试队列（37例）、外部队列1（109例）和外部队列2（51例） | PyTorch | 3D nnU-Net, XGBoost（用于低重叠风险模型） | Dice相似系数（DSC）、表面DSC、平均对称表面距离（ASSD）、平均表面距离（MSD）、Fleiss' κ、5点Likert评分、受试者工作特征曲线下面积（AUC） | NA |
| 2708 | 2026-07-05 |
Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery
2026-Jul-04, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-026-05289-x
PMID:42399390
|
研究论文 | 评估商用深度学习算法在全脊柱X光片上测量脊椎-骨盆参数的准确性，并分析其在融合手术后的局限性 | 首次评估商业AI软件在脊柱融合术后患者中的测量可靠性下降，并量化了与放射科医生的诊断一致性 | 对腰椎前凸参数的测量一致性仅为中等（ICC 0.68），且在脊柱内固定术后患者中测量偏差增大，相关性降低 | 评估商用AI算法在站立位全脊柱X光片中自动测量脊柱-骨盆参数的诊断准确性 | 临床队列的全脊柱X光片，包含495份影像，其中包含脊柱融合术后亚组 | 计算机视觉 | 脊柱疾病 | 深度学习算法，全脊柱X光成像 | CNN | 医学图像 | 495份全脊柱X光片 | NA | 商用AI算法（未具体说明架构） | 平均绝对误差，组内相关系数，Spearman相关系数，敏感性，特异性，预测值 | NA |
| 2709 | 2026-07-05 |
Deep Learning-Based Panoramic Radiograph Retrieval from Antemortem Images for Forensic Identification
2026-Jul-04, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-026-03905-y
PMID:42399502
|
研究论文 | 评估基于深度学习的全景放射照片检索方法在法医鉴识中的应用 | 提出了一种专家辅助的半自动化卷积神经网络框架，用于大规模检索法医身份识别，并采用ConvNeXt-Tiny骨干网络实现最佳性能 | 未提及限制信息 | 评估基于深度学习的方法在法医鉴识中大规模检索全景牙科X光片的适用性 | 全景放射照片（牙科X光片） | 计算机视觉 | NA | NA | 卷积神经网络（CNN） | 图像（全景X光片） | 842名个体的2,440张全景X光片 | PyTorch | ConvNeXt-Tiny | Top-1准确率, Top-3准确率, Top-5准确率 | NA |
| 2710 | 2026-07-05 |
Enhancing Volumetric Imaging in Linear-Array Photoacoustic Tomography: multiview fusion with deep learning
2026-Jul-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3709999
PMID:42397995
|
研究论文 | 提出一种基于模型深度学习框架MV-FISTA-Net，通过多视角融合提升线性阵列光声断层扫描的三维成像分辨率 | 将快速迭代收缩阈值算法展开为可学习的3D架构，并设计两阶段训练策略弥合合成数据与真实实验数据之间的差距 | 未提及 | 解决线性阵列光声断层扫描中三维成像的各向异性空间分辨率问题，特别是提升仰角方向分辨率 | 光声断层扫描成像 | 计算机视觉 | NA | 光声断层扫描 | 深度学习模型 | 图像 | 仿真数据、体模数据、人体在体数据集 | PyTorch | FISTA, MV-FISTA-Net | 分辨率提升倍数 | 未提及 |
| 2711 | 2026-07-05 |
A multimodal deepsurv approach: integrating radiomics and clinical factors for brain metastasis survival prediction
2026-Jul-03, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2026.112180
PMID:42398164
|
研究论文 | 提出一种结合影像组学和临床因素的多模态深度生存模型，用于脑转移瘤患者生存预测 | 首次将影像组学特征与临床因素整合至DeepSurv框架，用于脑转移瘤生存预测，并利用时间依赖的AUROC评估不同时间点预测性能 | 样本量相对较小且来自单一机构，不同原发肿瘤来源类别不平衡，需外部多机构验证后方可临床应用 | 开发并评估基于影像组学的深度学习模型，利用治疗前MRI和临床数据预测脑转移瘤患者的生存结局 | 199例来自Pretreat-MetsToBrain-Masks数据集的脑转移瘤患者 | 数字病理学 | 脑转移瘤 | MRI | DeepSurv | 影像数据（MRI序列）、临床数据 | 199名患者 | PyRadiomics, PyTorch | DeepSurv | C-index, 综合Brier分数, 综合负二项对数似然分数, 时间依赖AUROC | NA |
| 2712 | 2026-07-05 |
Artificial Intelligence in Echocardiography for Valvular Heart Disease
2026-Jul-03, Trends in cardiovascular medicine
IF:7.3Q1
DOI:10.1016/j.tcm.2026.06.006
PMID:42398662
|
review | 系统总结了人工智能在心脏瓣膜病超声心动图评估中的最新进展 | 探讨了AI通过无监督聚类挖掘潜在高风险表型以及整合多模态数据预测不良结局的能力 | 当前在数据标准化、模型可解释性和临床转化方面仍面临挑战 | 为提升心脏瓣膜病患者的精准诊断和预后评估提供新思路 | 心脏瓣膜病的超声心动图评估 | 计算机视觉 | 心脏瓣膜病 | 深度学习 | 卷积神经网络 | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 2713 | 2026-07-05 |
Neuroimaging-derived biotypes of self-reported insomnia symptoms are differentially associated with affective symptoms
2026-Jul-03, Biological psychiatry. Cognitive neuroscience and neuroimaging
DOI:10.1016/j.bpsc.2026.06.014
PMID:42398825
|
研究论文 | 通过生成式深度学习模型，识别出伴有自我报告失眠症状的青少年中的两种神经解剖学生物型，并发现它们与情感症状的不同关联 | 首次采用生成式深度学习模型从灰质体积数据中识别失眠症状的神经解剖学生物型，并揭示不同生物型在行为与遗传水平上对焦虑和抑郁的差异化易感性 | 未明确提及 | 探究失眠症状的神经解剖学异质性如何差异化影响睡眠障碍与情感症状之间的关系 | 伴有自我报告失眠症状的青少年样本，以及用于验证的成人样本 | 机器学习 | 失眠症状、焦虑症、抑郁症 | 神经影像学（灰质体积数据） | 生成式深度学习模型 | 神经影像数据（灰质体积） | 研究涉及青少年样本和用于验证的成人样本，具体数量未明确说明 | NA | NA | NA | NA |
| 2714 | 2026-07-05 |
Segmentation of the parasagittal dura mater on multi-center 3D-FLAIR MRI
2026-Jul-03, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.122099
PMID:42398843
|
研究论文 | 开发了一种基于nnU-Net的深度学习模型mcPSD-Net，用于在多个中心的3D-FLAIR MRI图像上自动分割矢状窦旁硬脑膜 | 首次实现了多中心、多扫描仪条件下矢状窦旁硬脑膜的自动分割，并利用该模型分析了PSD体积随年龄和性别的变化 | 未提及具体限制，但可能包括样本量较小、分割精度在部分指标上有限（如Dice系数0.76） | 开发自动化分割矢状窦旁硬脑膜的工具，并探究PSD体积与年龄、性别的关系 | 矢状窦旁硬脑膜（PSD） | 计算机视觉 | 阿尔茨海默病相关 | 3D-FLAIR MRI | nnU-Net | 图像 | 训练集55例，测试集25例，来自ADNI及本地数据集 | PyTorch | nnU-Net | Dice系数、精确率、召回率、Hausdorff距离、HD95、平均对称表面距离 | NA |
| 2715 | 2026-07-05 |
A hybrid quantum-classical framework for MRI-based deep brain tumor segmentation and classification
2026-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-58823-1
PMID:42399301
|
研究论文 | 提出了一种混合量子经典框架QFormer-Brain，用于基于MRI的脑肿瘤分割和分类 | 将量子表示学习集成到Transformer模型中，利用量子编码和变分量子电路增强非线性特征表示，提高对复杂MRI数据的判别特征提取能力 | 未在更广泛的数据集或临床环境中验证，量子计算资源当前受限 | 提升MRI脑肿瘤自动分割和分类的准确性 | 脑肿瘤MRI图像 | 机器学习 | 脑肿瘤 | MRI | 混合量子经典模型 | 图像 | BraTS 2021公开数据集 | IBM Qiskit | Swin-UNETR, 变分量子电路, 量子Transformer分类器 | Dice相似系数, 交并比, 准确率, 灵敏度, 特异度, F1分数 | 8量子比特变分量子电路, 1024次测量, 通过IBM Qiskit Aer模拟器运行 |
| 2716 | 2026-07-05 |
Automated identification of clinically important Candida yeast species for microscopic images using self-supervised learning
2026-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-60672-x
PMID:42399363
|
研究论文 | 开发并验证了一种基于自监督深度学习模型（DINOv2）的自动化系统，用于从显微镜图像中识别临床相关的念珠菌物种 | 首次将自监督学习模型DINOv2应用于临床念珠菌显微镜图像识别，结合YOLOv4 tiny目标检测和UNet语义分割，在多种分类任务中超越传统基线模型 | 需要多中心外部验证，且当前仅针对两种念珠菌物种进行验证，未来需扩展至更多物种和临床场景 | 实现临床重要念珠菌物种的自动、快速且高准确率的显微镜图像识别 | 白色念珠菌（Candida albicans）和克柔念珠菌（C. krusei）的显微镜图像 | 计算机视觉 | 真菌感染疾病 | 显微镜成像 | 自监督深度学习（DINOv2）、卷积神经网络（YOLOv4 tiny、UNet） | 显微镜图像 | 未明确提及总体样本量，但包含二分类和四分类任务，以及五折交叉验证（准确率94.8-98.3%） | PyTorch | DINOv2、YOLOv4 tiny、UNet、Vision Transformer | 平均精度均值（mAP@50）、精确率-召回率曲线下面积（AUC-PR）、Dice系数、交并比（IOU）、豪斯多夫距离、准确率、召回率、F1分数、AUC-ROC | 未明确提及 |
| 2717 | 2026-07-05 |
Automated diagnosis of keratitis from low-quality slit-lamp images using an improved generative adversarial network
2026-Jul-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02952-4
PMID:42399459
|
研究论文 | 提出一种用于低质量裂隙灯图像角膜炎自动诊断的框架，集成图像增强和病变感知分类 | 提出随机退化算法模拟临床常见伪影，并结合改进生成对抗网络恢复诊断特征与上下文感知分类器增强病变表征 | NA | 实现低质量裂隙灯图像的角膜炎自动诊断，减少资源有限环境的诊断差距 | 角膜炎的低质量裂隙灯图像 | 计算机视觉 | 角膜炎 | 裂隙灯成像 | 生成对抗网络 | 图像 | 10,498张裂隙灯图像（多中心数据集） | NA | 改进生成对抗网络 | AUC | NA |
| 2718 | 2026-07-05 |
A hybrid underwater crack image enhancement method
2026-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-60181-x
PMID:42399472
|
研究论文 | 提出一种结合传统图像处理与深度学习的混合水下裂缝图像增强方法 | 创新性地融合传统算法的可解释性与深度学习算法的通用性，引入深度可分离卷积和像素注意力机制提升特征提取能力并降低计算复杂度 | NA | 提升水下裂缝图像的清晰度与质量 | 水下裂缝图像 | 计算机视觉 | NA | NA | 卷积神经网络 (CNN) | 图像 | NA | NA | 边缘特征提取网络 | 峰值信噪比，结构相似性，水下图像质量度量，基于像素的对比度质量指标 | NA |
| 2719 | 2026-07-05 |
Annotation-efficient weed detection using DINOv3-distilled YOLOv12
2026-Jul-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-60555-1
PMID:42399661
|
研究论文 | 提出一种基于DINOv3蒸馏YOLOv12的标注高效杂草检测方法 | 创新性地利用经过DINOv3 ViT-B/16教师模型对大规模无标注农业图像进行特征分布蒸馏，然后仅用少量标注样本微调轻型YOLOv12n骨干网络，实现标签高效的杂草检测 | 全标签监督训练仍然是最强设置，所提方法仅提供适度且一致的标注效率提升，而非完全取代全监督训练 | 解决深度学习杂草检测在大规模部署时边界框标注成本高昂的问题，提出一种标注高效的杂草检测框架 | 杂草检测，精度农业中的杂草识别 | 计算机视觉 | NA | NA | CNN, Transformer | 图像 | Roboflow Weeds基准数据集（单类别）和CottonWeedDet12多类别数据集，实验中仅使用20%标注子集 | PyTorch, Streamlit | DINOv3 ViT-B/16, YOLOv12n | mAP@0.5:0.95 | NA |
| 2720 | 2026-07-05 |
Computing inspired by the brain: a journey from algorithms to organoids
2026-Jul-03, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-026-01012-x
PMID:42399712
|
评论 | 本文追踪了从符号逻辑系统到人工神经网络、神经形态处理器，最终到整合活体神经结构的生物混合计算机的脑启发计算演化历程，并探讨了类器官智能的变革潜力及其面临的技术、生物和伦理挑战 | 提出了类器官智能这一新兴前沿方向，利用实验室培养的活体神经类器官作为计算基质，超越了传统神经形态计算的局限 | 类器官智能面临重大的技术、生物学和伦理挑战，目前仍处于早期探索阶段 | 梳理脑启发计算从算法到类器官的演变过程，并评估类器官智能的变革潜力 | 脑启发计算的不同阶段：符号逻辑系统、人工神经网络、神经形态处理器、生物混合计算机及类器官智能 | 机器学习 | NA | NA | 人工神经网络、神经形态处理器 | NA | NA | NA | NA | NA | NA |