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 45616 篇文献，本页显示第 2921 - 2940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2921 | 2026-05-19 |
Feature stabilization in convolutional neural networks using Proportional Integral Controller for lung nodule classification
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1794876
PMID:42147037
|
研究论文 | 提出基于比例积分控制器的卷积神经网络，用于肺结节分类中的特征稳定化 | 首次将控制理论中的比例积分控制器引入CNN框架，通过调节特征表示改善模型收敛稳定性和泛化能力 | 仅在单一数据集（IQ-OTH/NCCD）上验证，未提供计算资源消耗详细分析 | 提升CT图像肺结节分类的可靠性和特征稳定性 | IQ-OTH/NCCD肺癌数据集中的肺结节CT图像 | 计算机视觉 | 肺癌 | CT成像 | CNN（卷积神经网络） | 图像 | NA | PyTorch | CNN | 准确率, F1分数, 精确率 | NA |
| 2922 | 2026-05-19 |
Deep ensemble optimized models for probabilistic CTV breast segmentation
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1777653
PMID:42147036
|
研究论文 | 系统评估并优化六种深度学习模型用于全乳放疗中临床靶体积的概率分割，并构建概率图以改善一致性和减少偏差 | 首次通过组合最优深度学习模型构建概率图来量化CTV分割的不确定性，并分析高一致性与低一致性等概率体积的差异 | 单机构数据，且部分模型需要空间提示（MedSAM2），概率图应用需进一步临床验证 | 优化放疗治疗和最小化毒性，实现OARs和CTV的有效自动分割并评估不确定性 | 全乳放疗患者的计划CT图像中的右侧和左侧乳房临床靶体积 | 数字病理学, 计算机视觉 | 乳腺癌 | CT成像 | UNet, SegResNetDS, DynUNet, nnU-Net, MedSAM2 | CT图像 | 来自单个机构的961例计划CT（861训练，100测试） | MONAI, Total Segmentator | UNet, SegResNetDS, DynUNet, nnU-Net, MedSAM2 | Dice相似系数, 平均表面距离, Hausdorff距离 | NA |
| 2923 | 2026-05-19 |
AI-mediated ultrasound radiomics in the diagnosis and treatment of triple-negative breast cancer: research progress and future challenges
2026, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2026.1802259
PMID:42147216
|
综述 | 探讨人工智能介导的超声影像组学在三阴性乳腺癌诊断与治疗中的研究进展及未来挑战 | 系统总结了AI驱动的超声影像组学从基础鉴别诊断到多亚型分类的演变，以及通过多模态图像融合提升诊断性能的创新点 | 技术向临床转化面临标准化数据协议不足、模型可解释性有限及缺乏严格多中心验证研究等挑战 | 概述AI介导的超声影像组学在TNBC非侵入性诊断与治疗中的现状及未来方向 | 三阴性乳腺癌（TNBC） | 机器学习 | 乳腺癌 | 超声影像组学 | 机器学习、深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2924 | 2026-05-19 |
Deep learning-based high-throughput phenotyping for tiller quantification in interspecific bentgrass hybrids using YOLOv8
2026, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2026.1810220
PMID:42147275
|
研究论文 | 使用YOLOv8深度学习模型对杂交翦股颖分蘖进行高通量表型定量分析 | 首次将YOLOv8单阶段检测器应用于植物分蘖计数，证明其在密集遮挡场景下优于传统两阶段模型Faster R-CNN | 仅针对杂交翦股颖群体，模型对其他草种的泛化能力未验证；边缘检测方法和Faster R-CNN在密集冠层中性能下降 | 开发自动化、高通量的分蘖计数方法以替代人工计数，支撑育种项目 | 杂交翦股颖群体的分蘖结构 | 计算机视觉, 数字病理学 | 不适用 | 基于图像的高通量表型分析 | YOLOv8, Faster R-CNN | 图像 | 770个杂交翦股颖植物样本的带注释图像数据集 | PyTorch | YOLOv8, Faster R-CNN | R² | 不适用 |
| 2925 | 2026-05-19 |
Correction: An integrated automated deep learning framework for annotating tumor-infiltrating lymphocytes in lung adenocarcinoma pathology
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1841924
PMID:42147404
|
更正 | 对一篇关于肺腺癌病理中肿瘤浸润淋巴细胞自动化深度学习注释框架的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2926 | 2026-05-19 |
Artificial intelligence in ophthalmology: from innovation to clinical integration
2026, Frontiers in ophthalmology
DOI:10.3389/fopht.2026.1839194
PMID:42147450
|
观点文章 | 综述人工智能在眼科学中的创新及其临床整合进展 | 系统阐述多模态学习系统、大型语言模型集成及全球眼保健网络部署等未来发展方向 | 未深入讨论算法泛化性不足的具体案例及伦理监管挑战的解决方案 | 评估AI在眼科疾病检测、临床决策支持、手术规划及远程医疗中的应用现状与未来方向 | 眼科影像数据（眼底照相、OCT、视野检查）及AI诊断系统 | 机器学 | 糖尿病视网膜病变、年龄相关性黄斑变性、青光眼 | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2927 | 2026-05-19 |
Advancements in Image-Based Artificial Intelligence in the Diagnosis and Treatment of Head and Neck Squamous Cell Carcinoma: A Narrative Review
2026, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S593911
PMID:42147747
|
综述 | 综述了基于影像的人工智能在头颈部鳞状细胞癌诊断与治疗中的应用进展 | 系统梳理了影像组学和深度学习在头颈鳞癌诊疗中的基本流程，并探讨了与新兴成像技术（如高光谱成像、光学相干断层扫描、傅里叶变换红外光谱）的融合 | 纳入的研究多为回顾性、单中心设计，外部验证有限，亟需前瞻性、多中心研究以推动临床转化 | 总结人工智能在头颈鳞癌早期筛查、准确诊断、治疗反应预测中的应用，并讨论未来方向 | 头颈部鳞状细胞癌相关的医学影像数据 | 计算机视觉, 机器学习 | 头颈部鳞状细胞癌 | 影像组学, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2928 | 2026-05-19 |
Hexa classification of erythemato-squamous disease using deep dual features-based neural network
2026, Postepy dermatologii i alergologii
IF:1.4Q3
DOI:10.5114/ada.2026.159120
PMID:42148331
|
研究论文 | 提出一种基于深度双特征神经网络的六分类方法，用于高效分类红斑鳞状皮肤病的临床图像 | 融合DarkNet和ShuffleNet的深度双网络DuoNet提取空间特征，结合海象优化算法进行特征选择，并采用深度信念网络实现六类皮肤病的精准分类 | 未提及模型在真实临床环境中的泛化能力验证及计算资源需求评估 | 开发一种深度学习框架实现红斑鳞状皮肤病的六分类诊断 | 临床皮肤图像数据集 | 计算机视觉 | 皮肤病 | NA | CNN（卷积神经网络） | 图像 | 来自公开数据集的临床皮肤图像 | NA | DarkNet, ShuffleNet, 深度信念网络 | 准确率 | NA |
| 2929 | 2026-05-19 |
Quantitative Analysis of the Impact of Region of Interest Information on Deep Learning Algorithms for Thyroid Ultrasound Imaging
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2026.3667415
PMID:42148375
|
研究论文 | 定量分析在甲状腺超声图像分类和病变定位的深度学习模型中，加入放射科医生定义的感兴趣区域（ROI）信息的影响 | 首次定量评估了在深度学习模型训练中引入放射科医生定义的感兴趣区域信息对甲状腺超声图像分类和病变定位性能的影响 | NA | 评估在训练深度学习模型时加入放射科医生定义的感兴趣区域信息对甲状腺超声图像分类和病变定位效果的定量影响 | 甲状腺超声图像中的病变区域 | 计算机视觉 | 甲状腺疾病 | 超声成像 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2930 | 2026-05-19 |
Clinical Applications of Deep Learning for Glottal Area Segmentation and Glottal Area Waveform Feature Computation
2026, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2026.3684089
PMID:42148373
|
研究论文 | 提出一种基于深度学习的自动化系统，用于声门区域分割和声门面积波形特征提取 | 整合YOLO和U-Net架构实现声门检测与分割，显著提升声门面积波形分析的效率和准确性 | 训练数据仅来自声带结节患者，可能限制模型在其他喉部疾病或不同人口统计学群体中的泛化能力 | 开发自动化声门区域分割与声门面积波形特征提取系统，以辅助喉部评估 | 23名声带结节患者的36个视频频闪喉镜记录 | 计算机视觉 | 声带结节 | 视频频闪喉镜 | YOLO, U-Net | 图像 | 5017张标注帧，来自23名患者 | NA | YOLO, U-Net | Intersection over Union, Dice相似系数 | NA |
| 2931 | 2026-05-19 |
Analysis of the performance of LSTM-DNN models with the consideration of signal complexity in milling processes
2026, Journal of intelligent manufacturing
IF:5.9Q1
DOI:10.1007/s10845-025-02646-w
PMID:42148385
|
研究论文 | 本文研究了铣削过程中信号复杂性对LSTM-DNN模型性能的影响 | 首次系统分析了信号复杂性对深度学习模型在铣削加工中的性能影响，揭示了信号复杂性在不同切削阶段对模型精度和不确定性的显著影响 | 研究仅限于铣削过程的切削力信号分析，未涉及其他加工类型或传感器信号，且模型性能随深度增加时单调性减弱 | 考察信号复杂性对深加工过程中深度学习模型性能的影响 | 铣削过程中的切削力信号 | 机器学习 | NA | NA | LSTM-DNN | 时间序列信号（切削力） | NA | NA | LSTM-DNN（长短期记忆-深度神经网络） | 精度, 不确定性 | NA |
| 2932 | 2026-05-19 |
Artificial Intelligence and Radiomics in Molecular Oncology Imaging
2026, Recent results in cancer research. Fortschritte der Krebsforschung. Progres dans les recherches sur le cancer
DOI:10.1007/978-3-032-15314-2_12
PMID:42149186
|
综述 | 探讨人工智能和影像组学在分子肿瘤学成像中的应用与前景 | 系统比较了传统影像组学与深度学习方法（CNN、Transformer），并引入自监督学习和多模态学习等新兴技术 | 数据需求大、标准化不足、可解释性差、缺乏严格的临床验证 | 推动分子成像真正实现个性化癌症诊疗 | 分子肿瘤学成像中的影像组学和AI方法 | 医学影像分析 | 肿瘤 | 分子成像 | CNN, Transformer | 影像数据 | NA | NA | 卷积神经网络, Transformer | NA | NA |
| 2933 | 2026-05-19 |
Optical and Photoacoustic Imaging
2026, Recent results in cancer research. Fortschritte der Krebsforschung. Progres dans les recherches sur le cancer
DOI:10.1007/978-3-032-15314-2_15
PMID:42149189
|
综述 | 本文综述了光学成像（荧光成像、生物发光成像和光声成像）在临床前肿瘤评估中的应用、各自优缺点及发展前景 | 综合比较三种光学成像技术的原理、优势与局限，并强调了基于深度学习的三维成像技术对推动其临床转化的作用 | 未详细讨论不同成像技术的临床验证周期或具体算法性能指标，也未涉及与其他成像方式（如PET、CT）的对比 | 评估光学成像技术在肿瘤发展、进展和治疗评估中的应用现状与未来方向 | 荧光成像、生物发光成像、光声成像三种体内光学成像技术 | 计算机视觉 | 肿瘤 | 光学成像，包括荧光成像、生物发光成像、光声成像 | NA | 图像 | NA | NA | NA | NA | NA |
| 2934 | 2026-05-19 |
Dual-Network Deep Learning for Accelerated Head and Neck MRI: Enhanced Image Quality and Reduced Scan Time
2025-12, Head & neck
DOI:10.1002/hed.28255
PMID:40693394
|
研究论文 | 评估双网络深度学习超分辨率方法在头颈部T1和T2加权MRI中提升图像质量和缩短扫描时间的效果 | 提出双网络深度学习超分辨率方法同时提升图像质量和缩短扫描时间，并通过前瞻性临床研究验证其有效性 | 样本量较小（58例），且未报告算法对诊断准确性的影响 | 评估双网络深度学习超分辨率方法在头颈部MRI中的应用，以提升图像质量和缩短扫描时间 | 头颈部肿块患者 | 医学影像 | 头颈部肿块 | MRI | 双网络深度学习 | MRI图像 | 58名参与者（34男，24女，平均年龄51.37±13.24岁） | NA | 双网络深度学习超分辨率网络 | 信噪比, 对比度噪声比, 对比度, 图像清晰度Likert评分, 病灶显著性Likert评分, 结构描绘Likert评分, 伪影Likert评分 | NA |
| 2935 | 2026-05-19 |
Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach
2025-10, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.70020
PMID:40619593
|
研究论文 | 本研究提出了一种基于人工智能的实时标准平面检测软件AI-SPS，用于髋关节超声检查中发育性髋关节发育不良的诊断 | 首个将实时深度学习目标检测模型用于髋关节超声标准平面自动检测的创新方法，特别是YOLOv11n模型在准确性和速度上表现优异 | 研究仅基于单一机构的45个临床超声视频数据，样本量有限，且未涉及不同超声设备和操作者的泛化性验证 | 开发一种基于AI的实时标准平面检测系统，以减少DDH超声筛查中的操作者依赖性，提高诊断一致性和准确性 | 髋关节超声视频中的标准平面与非标准平面帧 | 计算机视觉 | 发育性髋关节发育不良 | 超声成像 | SSD-MobileNet V2, YOLOv11n | 图像 | 2,737个标注帧（1,737个标准+1,000个非标准）来自45个临床超声视频，另含934个独立验证帧 | PyTorch, TensorFlow | SSD-MobileNet V2, YOLOv11n | 准确率, 精确率, 召回率, F1分数 | NA |
| 2936 | 2026-05-19 |
Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum
2025-08-15, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00250
PMID:40748894
|
研究论文 | 本文通过组合优化5'UTR和N端编码序列，实现了谷氨酸棒状杆菌中重组蛋白表达水平的连续调控，并建立了序列特征与表达水平之间的关联模式 | 首次系统建立5'UTR与NCS特征序列与蛋白表达之间的关系模式，并筛选出与外源蛋白兼容性强的特征序列，通过组合实现蛋白表达的动态调节 | 目前对5'UTR和NCS序列与蛋白表达率之间关系的研究仍不充分 | 探究谷氨酸棒状杆菌中5'UTR和NCS特征序列与蛋白表达模式的关系，并为精细调控基因表达或蛋白生产提供潜在工具 | 谷氨酸棒状杆菌中外源蛋白的表达调控 | 机器学习 | NA | 深度测序 | 深度学习模型 | 序列数据 | 两个文库（5'UTR库和NCS库）包含碱基N，并通过FACS和深度测序筛选 | NA | 深度学习 | 荧光强度 | NA |
| 2937 | 2026-05-19 |
AI in Orthopedic Research: A Comprehensive Review
2025-08, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.26109
PMID:40415515
|
综述 | 全面回顾人工智能在骨科研究中的应用，包括诊断、预测分析及新兴技术，并讨论其局限性与未来方向 | 系统整合了AI在骨折检测、骨关节炎分级、预后预测及机器人、增强现实、数字孪生和外部骨骼控制等新兴应用，提供了跨领域的综合视角 | 数据异质性、算法偏差、模型“黑箱”特性以及鲁棒性验证不足等挑战仍需解决 | 综述AI在肌肉骨骼诊疗中的当前发展、关键限制及未来整合方向 | 骨科诊断影像（X光、MRI）、患者多模态数据（步态、影像特征）及手术规划工具 | 计算机视觉, 机器学习 | 骨科疾病（骨折、骨关节炎） | 深度学习、预测分析 | 深度学习算法 | 影像数据（X光、MRI）、步态运动数据 | 未提及 | NA | NA | 诊断准确率、可重复性评估 | NA |
| 2938 | 2026-05-19 |
Mapping the Conformational Heterogeneity Intrinsic to the Protein Native Ensemble
2025-07-15, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.5c00201
PMID:40615361
|
综述 | 本文综述了如何在AlphaFold时代利用实验和计算技术绘制蛋白质天然构象集合的异质性，强调从单一结构到构象集合的转变 | 提出了序列-集合-功能的新范式，强调即使对于看似良好折叠的蛋白质也需要考虑构象集合的异质性 | 未深入探讨具体方法的技术细节或定量比较方法间差异 | 阐明蛋白质构象多样性对功能理解的重要性，推动从单一结构到构象集合的研究范式转变 | 蛋白质天然构象集合 | 自然语言处理 | 不适用 | 多探针实验、计算建模 | 不适用 | 文本 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 2939 | 2026-05-19 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-06, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 利用18F-FDG PET颅外归一化结合行为CRS-R评分建立预测意识障碍患者一年后恢复的预后模型 | 首次将18F-FDG PET图像的颅外组织归一化方法与行为CRS-R评分相结合，构建多模态预后模型，显著提升了意识恢复预测的准确性 | 初步研究，样本量有限（87例），且未在独立的大规模外部验证集上进行验证 | 开发一个基于18F-FDG PET和临床行为评分的预后模型，用于预测长期意识障碍患者一年后的恢复情况 | 87名新诊断为长期意识障碍的患者 | 机器学习, 数字病理 | 意识障碍 | 18F-FDG PET/CT | DenseNet121, 深度学习表格模型 | 图像（PET/CT）、表格数据（行为评分） | 87名意识障碍患者，其中52名恢复意识，35名未恢复 | PyTorch | DenseNet121 | AUC, 特异性, 灵敏度, 准确率 | NA |
| 2940 | 2026-05-19 |
Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29646
PMID:39467097
|
研究论文 | 通过扩展相位图建模提高OAI数据集中软骨T2映射的准确性和可重复性 | 首次将EPG建模应用于OAI数据集，并系统比较EPG方法与单指数方法在软骨T2映射中的表现 | 未明确提及具体限制 | 评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响 | OAI数据集中50名按骨关节炎严重程度分层的受试者和50名无骨关节炎诊断的受试者 | 机器学习 | 骨关节炎 | 多回波自旋回波序列 | 深度学习 | 图像 | 100名受试者（50名OA患者，50名健康者，每组25名女性，平均年龄约61岁） | NA | NA | 平均绝对误差, Bland-Altman分析, Lin's一致性系数, 变异系数 | NA |