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 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-04-01 |
An Introduction to AI for Clinicians: Tutorial
2026-Mar-30, Interactive journal of medical research
IF:1.9Q3
DOI:10.2196/85266
PMID:41911411
|
教程 | 本文是一篇面向临床医生的AI入门教程，旨在介绍人工智能的基本原理及其在医学中的应用 | 为临床医生提供结构化、循序渐进的AI学习框架，强调AI作为现代医学核心能力的重要性 | 作为入门教程，内容侧重于基础概念，未深入探讨具体技术细节或高级模型 | 教育临床医生理解AI的基本概念，以应对AI工具在医疗实践中的整合 | 临床医生，特别是缺乏AI正式教育但已接触AI工具的从业者 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 302 | 2026-04-01 |
A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study
2026-Mar-30, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/83743
PMID:41911549
|
研究论文 | 本研究提出了一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，旨在平衡精确特征提取与敏感数据保护 | 将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析自适应添加拉普拉斯噪声，实现了特征提取与隐私保护的协同优化 | 未整合病理图像和蛋白质组学数据，未来可扩展至癌症亚型分类和生物标志物发现 | 开发一个在隐私保护下平衡预测准确性与数据安全性的泛癌生存预测框架 | 泛癌及单癌生存预测，涉及临床数据、mRNA数据和microRNA表达数据 | 机器学习 | 癌症 | 多模态数据融合，差分隐私 | 深度学习 | 临床数据，mRNA数据，microRNA表达数据 | NA | NA | 基于多头注意力的双层特征融合框架 | 一致性指数（C-index），5折交叉验证 | NA |
| 303 | 2026-04-01 |
Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs
2026-Mar-30, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15096-5
PMID:41912727
|
研究论文 | 本文提出了一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库中的溶解氧浓度 | 该框架结合了数据驱动学习和物理知识，采用双通道设计，分别从历史多模态数据和基于物理的未来预测模型中学习，以增强对气候变化的适应性 | NA | 开发一个能够准确预测水库溶解氧浓度的长期预测模型，以支持及时且成本效益高的增氧干预措施 | 水库中的溶解氧浓度 | 机器学习 | NA | 多模态观测数据引擎 | LSTM | 多模态环境数据 | NA | NA | FOCAL MODE | RMSE | NA |
| 304 | 2026-04-01 |
A unified deep learning framework for cross-platform harmonization of multi-tracer PET quantification in neurodegenerative disease
2026-Mar-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02570-0
PMID:41912831
|
研究论文 | 本文开发并验证了一个统一的深度学习框架，用于跨平台（PET-MRI与PET-CT）和多示踪剂条件下神经退行性疾病PET定量数据的标准化 | 首个统一的、解剖引导的深度学习框架，能够将多种示踪剂和扫描仪制造商的PET-MRI定量结果标准化至PET-CT标准，并实现零样本泛化到未见过的示踪剂 | 标准化后的淀粉样蛋白Centiloid差异（4.1）略高于PET-CT重测变异性 | 解决神经退行性疾病诊断和治疗监测中，PET-MRI与PET-CT定量结果因系统偏差而无法进行阈值转移和跨站点比较的问题 | 神经退行性疾病的PET成像数据 | 医学影像分析 | 神经退行性疾病 | PET成像（F-FDG、F-florbetaben、F-florzolotau、F-florbetapir、F-FP-CIT示踪剂） | 深度学习 | 医学影像（PET、MRI、CT） | 配对同日扫描N=70；多中心验证N=420（三个站点，四个供应商） | NA | 视觉Transformer自编码器 | 跨平台偏差减少百分比（>80%）、Centiloid差异、tau SUVR阈值对齐 | NA |
| 305 | 2026-04-01 |
Inverse treatment planning using deep learning-based organs at risk in radiotherapy for head and neck cancer: a prospective planning study
2026-Mar-30, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-026-02519-y
PMID:41912924
|
研究论文 | 本研究评估了在头颈癌放疗中，使用基于深度学习的危及器官自动分割进行逆向治疗计划的可行性和临床可接受性 | 首次前瞻性地将基于深度学习的危及器官自动分割应用于头颈癌放疗的逆向治疗计划中，并评估其临床可行性 | 单中心研究，样本量较小（25名患者），需要更大规模研究来验证结果并推进全自动化工作流程 | 评估基于深度学习的危及器官自动分割在头颈癌放疗逆向治疗计划中的临床可行性和效果 | 头颈鳞状细胞癌患者 | 数字病理学 | 头颈癌 | 放射治疗计划，深度学习自动分割 | 深度学习模型 | 医学影像数据 | 25名接受根治性或术后（化疗）放疗的头颈癌患者 | NA | NA | 剂量学参数（D95%, D98%, D2%, Dmean），临床可接受性评分 | NA |
| 306 | 2026-04-01 |
Attention-Driven Deep Learning for Hydrocephalus: Preliminary Benchmarking of Multiscale 3D Attention Against Conventional 3D CNN Models Using Ventricular Enlargement on CT
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01948-6
PMID:41912959
|
研究论文 | 本研究开发并比较了一种多尺度注意力3D卷积神经网络（MSA3DNet）与常规3D-CNN模型，用于基于脑室扩大的CT图像进行脑积水分类 | 首次将多尺度编码与注意力机制结合应用于3D CNN，以提升脑积水分类的敏感性和稳定性，同时保持特异性 | 样本量较小（仅98例儿科CT扫描），且为回顾性研究，可能限制模型的泛化能力 | 开发并评估一种基于深度学习的自动化3D CT图像分类方法，用于儿科脑积水的筛查 | 儿科头部CT扫描图像（0-15岁患者） | 计算机视觉 | 脑积水 | CT成像 | CNN | 3D图像 | 98例匿名儿科头部CT检查（48例脑积水，50例正常） | NA | MSA3DNet, 3D-CNN | 准确率, 敏感性, 特异性, F1分数, Matthews相关系数, AUC | NA |
| 307 | 2026-04-01 |
A Hybrid Multi-CNN Feature Fusion and LASSO Optimization Approach for High-Performance Breast Cancer Classification
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01939-7
PMID:41912956
|
研究论文 | 提出一种融合多个CNN特征并结合LASSO优化的混合方法，用于高性能乳腺癌分类 | 融合MobileNetV2、DenseNet121和InceptionV3三种CNN模型的互补特征，并采用LASSO进行特征选择，以增强表示能力和泛化性 | 仅在单一数据集（BUSI）上验证，未来需要在更大规模、多中心数据集上进行验证 | 开发准确、早期的乳腺癌检测方法以提高生存率 | 乳腺超声图像（BUSI数据集） | 计算机视觉 | 乳腺癌 | 深度学习、特征融合、特征选择 | CNN | 图像 | 780张乳腺超声图像 | NA | MobileNetV2, DenseNet121, InceptionV3 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 308 | 2026-04-01 |
Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01931-1
PMID:41912960
|
综述 | 本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述 | 提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势 | 当前研究普遍缺乏计算资源信息，且模型性能评估存在不足 | 综述深度学习在医学超声图像分割领域的研究进展与应用现状 | 医学超声图像 | 计算机视觉 | NA | 深度学习 | CNN, ViT, CNN/ViT混合模型, SAM | 图像 | NA | NA | U-Net | NA | NA |
| 309 | 2026-04-01 |
Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01949-5
PMID:41912962
|
研究论文 | 评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能 | 首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性 | 研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素 | 评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能 | 接受血管内主动脉修复术后进行对比增强CT扫描的患者 | 医学影像分析 | 心血管疾病 | 对比增强CT扫描，虚拟单色CT成像，深度学习图像重建 | 深度学习 | CT图像 | 71例患者，其中41例（58%）检测到内漏 | NA | TrueFidelity-H | AUC, 诊断置信度评分 | NA |
| 310 | 2026-04-01 |
Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study
2026-Mar-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08165-1
PMID:41913156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 311 | 2026-04-01 |
A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches
2026-Mar-30, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70301
PMID:41913432
|
研究论文 | 本研究比较了传统、贝叶斯和基于深度学习的IVIM-MRI拟合技术在胶质瘤分级中的应用，特别关注了空间感知Transformer方法的性能 | 首次在胶质瘤分级中评估并比较了传统、贝叶斯及基于深度学习的IVIM拟合方法，特别是引入了新颖的空间感知Transformer架构（NATTEN-17和SA-17），这些方法在模拟和体内数据中均显示出优越的准确性和视觉质量 | 研究为回顾性设计，样本量较小（仅20例患者），且缺乏外部验证，可能限制结果的普遍适用性 | 评估不同IVIM-MRI拟合方法在胶质瘤患者中的性能，以提高肿瘤分级的准确性 | 胶质瘤患者（包括2级、3级和4级）的术前扩散加权MRI数据，以及基于分形噪声的模拟数据 | 医学影像分析 | 胶质瘤 | IVIM-MRI（体素内不相干运动磁共振成像），扩散加权成像（DWI） | 深度学习，Transformer | MRI图像 | 20例胶质瘤患者（5例2级，3例3级，12例4级）的术前DWI数据，以及分形噪声模拟数据 | NA | IVIM-NET, NATTEN-17, SA-17 | 中位数绝对百分比误差（MDAPE），中位数百分比误差，ROC曲线下面积（AUC） | NA |
| 312 | 2026-04-01 |
Artificial Intelligence in Diabetes Care
2026-Mar-30, Diabetes, obesity & metabolism
DOI:10.1111/dom.70720
PMID:41913548
|
综述 | 本文综述了人工智能在糖尿病护理中的当前和新兴应用，重点讨论了临床准备度、证据强度及实施考量 | 区分了算法自动化控制方法与基于机器学习的模型（如深度学习和大型语言模型），并强调了其在临床证据标准、安全风险和治理需求上的差异 | NA | 总结人工智能在糖尿病护理中的应用，并评估其临床就绪状态、证据支持及实施要求 | 糖尿病护理中的算法工具，包括自动化胰岛素输送系统、机器学习模型及新兴技术如大型语言模型、可穿戴设备和数字孪生框架 | 机器学习 | 糖尿病 | 连续血糖监测、连接胰岛素输送设备、电子健康记录数据分析 | 深度学习, 大型语言模型 | 临床数据，包括高频生理数据、电子健康记录 | NA | NA | NA | NA | NA |
| 313 | 2026-04-01 |
Transformer-based super-resolution lung CT images improve visualization of multiple diseases
2026-Mar-30, The British journal of radiology
DOI:10.1093/bjr/tqag069
PMID:41915020
|
研究论文 | 本研究评估了基于Transformer的Swin2SR模型在肺部CT图像超分辨率增强中的应用及其临床潜力 | 首次将Transformer架构的Swin2SR模型应用于肺部CT图像的超分辨率增强，显著提升了放射科医生对图像质量和病灶可见性的主观评分 | 研究为回顾性设计，样本量相对有限（303例），且仅评估了主观评分，缺乏客观诊断性能指标的验证 | 评估深度学习模型在医学图像超分辨率增强中的效果，以改善肺部疾病的CT图像可视化 | 来自三家医院的303例患者的胸部CT扫描图像，涵盖13种主要肺部疾病 | 计算机视觉 | 肺癌 | CT扫描 | Transformer | 图像 | 303例患者 | NA | Swin2SR | 图像噪声, 信噪比, 5点Likert量表评分 | NA |
| 314 | 2026-04-01 |
Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks
2026-Mar-29, Accident; analysis and prevention
DOI:10.1016/j.aap.2026.108522
PMID:41911624
|
研究论文 | 本研究开发了一种结合Hankel-DMD与时空图神经网络的混合框架，用于预测短期邻里级别的交通事故数量 | 提出了一种结合Hankel-DMD与STGNN的混合框架，能够以可解释的方式同时捕捉时空动态和空间依赖性 | NA | 预测城市交通事故的时空风险，支持主动安全管理 | 美国丹佛市78个邻里的每日交通事故记录 | 机器学习 | NA | Hankel-DMD, 图神经网络 | STGNN | 时空数据 | 2019年至2021年78个邻里的每日事故记录 | NA | STGNN | 平均绝对误差, 均方根误差 | NA |
| 315 | 2026-04-01 |
Small-molecule binding and sensing with a designed protein family
2026-Mar-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70953-8
PMID:41904144
|
研究论文 | 本文结合深度学习和物理方法，设计了一个具有多样口袋几何形状的蛋白质家族，用于计算设计针对六种小分子靶标的结合剂，并开发了基于皮质醇结合剂的生物传感器 | 首次将深度学习方法与物理方法结合，生成可设计口袋几何形状的蛋白质家族，并成功应用于小分子结合剂的计算设计和生物传感器开发 | 未提及具体实验规模或样本量限制，可能受限于计算资源和蛋白质设计的复杂性 | 开发一种基于蛋白质设计的小分子结合剂和传感器平台 | 六种小分子靶标及其对应的设计蛋白质结合剂 | 机器学习 | NA | 深度学习，物理方法，蛋白质设计 | 深度学习模型 | 蛋白质结构数据，小分子数据 | NA | NA | NA | 结合亲和力（纳摩尔至低微摩尔范围），原子级设计准确性 | NA |
| 316 | 2026-04-01 |
Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running
2026-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-44102-6
PMID:41904286
|
研究论文 | 本研究利用深度学习辅助的红外热成像技术，探讨了跑步期间皮肤温度指标的重复性及其与心肺和体温调节参数的关系 | 首次将深度学习应用于红外热成像数据的自动处理，以标准化感兴趣区域选择，并揭示了皮肤温度指标在重复运动中的高重复性和生理一致性 | 样本量较小（仅11名耐力训练个体），且研究仅针对跑步运动，可能限制了结果的普适性 | 评估深度学习辅助红外热成像在运动生理学中监测体温调节和心肺反应的重复性和生理相关性 | 11名耐力训练的个体 | 计算机视觉 | NA | 红外热成像 | 深度学习 | 图像 | 11名耐力训练的个体 | NA | NA | 皮尔逊相关系数, ICC值 | NA |
| 317 | 2026-04-01 |
Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity
2026-Mar-28, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2026.110746
PMID:41911955
|
研究论文 | 本研究比较了特征选择和降维方法在基于功能连接的认知任务解码中的性能，使用机器学习分类器评估预测准确性 | 首次系统比较特征选择和降维方法在认知任务解码中的性能，并识别了特征保留与预测准确性之间的“最佳平衡点” | 研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性 | 比较特征选择和降维方法在功能磁共振成像数据中认知任务解码的预测性能 | 功能磁共振成像生成的功能连接数据 | 机器学习 | NA | 功能磁共振成像 | NA | 功能连接数据 | 两个开源数据集 | NA | NA | 解码准确性 | NA |
| 318 | 2026-04-01 |
Scratcher: An automated machine-vision tool for dissecting the neural basis of itch
2026-Mar-28, Neuroscience
IF:2.9Q2
|
研究论文 | 本文介绍了一种名为Scratcher的自动化机器视觉工具，用于分析小鼠的抓挠行为，以研究瘙痒的神经基础 | 开发了基于实时物体检测算法的GUI工具，实现了半监督自动化分析，结合光遗传和化学遗传策略，加速了对瘙痒神经回路的理解 | 工具依赖于半监督自动化，可能仍存在主观性；研究主要聚焦于急性瘙痒模型，未涵盖慢性瘙痒 | 研究瘙痒诱导抓挠行为的神经机制，开发自动化工具以替代传统手动主观方法 | 实验室小鼠（包括Fos-TRAP转基因小鼠线） | 计算机视觉 | 瘙痒症 | 光遗传学、化学遗传学、实时物体检测 | 物体检测算法 | 视频 | 未明确指定样本数量，但涉及小鼠实验 | 未指定 | 未指定 | 未指定 | 计算成本低廉，具体资源未详细说明 |
| 319 | 2026-04-01 |
Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging
2026-Mar-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07053-1
PMID:41896252
|
研究论文 | 本研究提出了一个多传感器、多模态和高光谱数据集，用于支持基于深度学习的笨重废物分类与分割 | 结合了可见光、近红外高光谱、热红外和太赫兹成像四种互补传感器模态，并提供了像素级对齐的多模态数据融合 | NA | 开发一个多模态数据集以支持废物分类中的深度学习应用 | 笨重废物（如木材和非木材材料） | 计算机视觉 | NA | 可见光成像、近红外高光谱成像、热红外成像、太赫兹成像 | CNN | 图像 | 56个注册多传感器场景，划分为22,659个标注补丁 | NA | NA | NA | NA |
| 320 | 2026-04-01 |
Progress and new challenges in image-based profiling
2026-Mar-27, Molecular systems biology
IF:8.5Q1
DOI:10.1038/s44320-026-00197-7
PMID:41896452
|
综述 | 本文回顾了基于图像的细胞表型分析在计算领域的发展，重点介绍了从特征提取到归一化和批次校正的生物信息学过程，以及深度学习对该领域的重塑 | 深入探讨了深度学习如何从根本上重塑基于图像的细胞表型分析领域，并强调了单细胞分析、稳健相似性度量以及新模态（如光学池筛选、时间成像和3D类器官分析）扩展等关键方法学进展 | 该领域仍面临重大挑战，特别是在开发新兴时间和3D数据模态的方法、建立稳健的质量控制标准和工作流程以及解释处理后的特征方面 | 为研究人员提供导航基于图像的细胞表型分析领域进展和新挑战的路线图 | 基于图像的细胞表型分析的计算方法和应用 | 数字病理学 | NA | 显微镜成像、光学池筛选、时间成像、3D类器官分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |