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 39829 篇文献，本页显示第 3261 - 3280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3261 | 2026-01-06 |
[Artificial intelligence empowering sports medicine]
2026-Jan-06, Zhonghua yi xue za zhi
|
综述 | 本文综述了人工智能技术在运动医学多个领域的应用与最新进展 | 全面总结了AI在运动医学中从损伤预测、影像诊断到手术辅助、康复监测及患者教育的多领域深度整合应用 | NA | 回顾人工智能技术在运动医学领域的应用进展并展望未来发展趋势 | 运动医学领域的诊断、治疗、康复及患者教育流程 | 计算机视觉, 自然语言处理, 机器学习 | 运动损伤 | 深度学习, 机器学习, 计算机视觉, 大语言模型 | 深度学习模型, 机器学习模型, 大语言模型 | 影像数据, 文本数据 | NA | NA | NA | NA | NA |
| 3262 | 2026-01-06 |
Deliberate solitude for clinical reasoning
2026-Jan-06, Diagnosis (Berlin, Germany)
DOI:10.1515/dx-2025-0133
PMID:41489300
|
评论 | 本文探讨了在临床推理中，刻意独处如何可能通过精炼直觉、提高诊断准确性来支持专家表现，并借鉴了认知心理学、哲学和教育学的研究 | 将刻意独处的概念引入临床推理领域，提出其可能作为减少认知偏差、提升诊断准确性的新策略，这在医学教育中尚未被充分探索 | 目前缺乏具体实证研究支持，独处的具体机会和益处尚不确定，无法提出明确的行动方案 | 探讨刻意独处是否能够支持和提升临床推理的发展与表现 | 临床医生及其在临床推理中的思维过程 | 医学教育 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3263 | 2026-01-06 |
PGMNet: a polyp segmentation network based on bit-plane slicing and multi-scale adaptive fusion
2026-Jan-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae300a
PMID:41429053
|
研究论文 | 本文提出了一种基于位平面切片和多尺度自适应融合的息肉分割网络PGMNet，旨在提高结肠镜检查中息肉检测和分割的准确性 | PGMNet结合了PVTv2编码器、全局-局部交互关系模块（GLIRM）和多阶段特征聚合模块（MFAM），通过位平面切片机制抑制噪声，并利用门控机制高效聚合多尺度信息 | 未在摘要中明确提及 | 开发一种准确高效的息肉分割网络，以辅助结直肠癌的早期预防和治疗 | 结肠镜检查图像中的息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 五个公开可用的息肉数据集 | 未在摘要中明确提及 | PVTv2, GLIRM, MFAM | mDice, mIoU | 未在摘要中明确提及 |
| 3264 | 2026-01-06 |
Deep learning approach for critical exposure during division of the inferior mesenteric artery in colorectal surgery
2026-Jan-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03121-7
PMID:41486401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3265 | 2026-01-06 |
HiST: Histological Images Reconstruct Tumor Spatial Transcriptomics via MultiScale Fusion Deep Learning
2026-Jan-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202514351
PMID:41487073
|
研究论文 | 本文开发了一个多尺度卷积深度学习框架HiST，用于从组织学图像重建空间转录组学数据，以评估肿瘤异质性并预测患者预后 | HiST首次通过多尺度融合深度学习，从组织学图像中高精度重建空间分辨的基因表达谱，其性能优于现有模型约两倍，并展示了在多种癌症类型中的临床应用价值 | NA | 开发一个深度学习框架，以低成本从组织学图像中预测空间转录组学数据，用于肿瘤微环境分析和临床预后评估 | 多种癌症类型（如乳腺癌）的组织学图像和空间转录组学数据 | 数字病理学 | 乳腺癌 | 空间转录组学 | CNN | 图像 | NA | NA | 多尺度卷积深度学习框架 | AUC, Pearson相关系数, 一致性指数 | NA |
| 3266 | 2026-01-06 |
Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging
2026-Jan-05, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70221
PMID:41489091
|
研究论文 | 本研究评估了多中心神经影像研究中用于减少扫描仪差异的图像级标准化方法，特别比较了统计方法ComBat和深度学习方法HACA3在ADNI数据集T1w和T2-FLAIR图像上的性能 | 首次在ADNI数据集中系统评估并比较了统计与深度学习标准化方法对多厂商扫描仪T1w和T2-FLAIR图像一致性的改善效果，并引入图像特征相似性指标进行量化分析 | 当前多对比度MR标准化工具在T2-FLAIR图像的标准化上仍存在困难，且研究仅基于ADNI数据集，可能无法推广到其他疾病或扫描协议 | 评估多中心MR神经影像研究中扫描仪相关差异，并比较公开可用的图像级标准化工具的性能 | 阿尔茨海默病神经影像倡议（ADNI）数据集中的T1w和T2-FLAIR MRI图像，涉及不同厂商（GE、Philips、Siemens）的扫描仪 | 医学影像分析 | 阿尔茨海默病 | MRI（T1w和T2-FLAIR序列） | 深度学习模型（具体为HACA3） | 医学影像（MRI图像） | 扫描仪组分析：1143名ADNI3受试者（233名GE、173名Philips、250名Siemens，另487名Siemens受试者作为独立参考组）；受试者内比较：8名受试者的配对多厂商扫描会话 | NA | HACA3 | 灰质/白质对比度比（G/W ratio）、白质高信号体积（WMH volume）、Fréchet Inception Distance（FID）、Learned Perceptual Image Patch Similarity（LPIPS） | NA |
| 3267 | 2026-01-06 |
<SPAN style="font-weight: 400;">Deep Learning-derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-Type Metastatic Colorectal Cancer</SPAN>
2026-Jan-05, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-25-3080
PMID:41489691
|
研究论文 | 本研究探讨了从CT图像中自动提取的肌肉骨骼比作为肌少症标志物，在预测RAS野生型转移性结直肠癌患者抗EGFR治疗获益中的预后和预测价值 | 首次使用深度学习模型自动从CT图像中计算肌肉骨骼比，并将其作为生物标志物来识别可能从抗EGFR治疗中获益的转移性结直肠癌患者亚群 | 研究样本量有限，且验证队列为回顾性真实世界数据，可能存在选择偏倚 | 评估肌少症标志物在转移性结直肠癌患者治疗反应预测中的作用 | RAS野生型转移性结直肠癌患者 | 数字病理学 | 结直肠癌 | 计算机断层扫描 | 深度学习模型 | 医学影像 | PanaMa研究中的189名患者，加上一个真实世界验证队列 | NA | NA | 风险比, 置信区间, P值 | NA |
| 3268 | 2026-01-06 |
Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT
2026-Jan-05, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02152-2
PMID:41489766
|
研究论文 | 本研究开发了深度学习模型，用于99mTc-MAA SPECT图像的CT无衰减校正和基于蒙特卡洛的散射校正，旨在提高90Y-SIRT治疗规划和预治疗剂量学的定量准确性 | 采用改进的3D Swin UNETR架构，首次开发了用于SPECT图像衰减校正、散射校正及联合校正的深度学习模型，实现了无需CT数据的定量分析 | 研究基于222名患者数据，样本量相对有限；模型性能在联合校正任务中相对误差较高（16.45%）；未在更广泛临床环境中验证 | 提高90Y选择性内放射治疗（SIRT）中SPECT图像的定量准确性，以优化治疗规划和剂量学评估 | 222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者数据 | 医学影像分析 | 肝脏肿瘤（适用于SIRT治疗） | SPECT成像，蒙特卡洛散射校正，深度学习 | 深度学习模型 | 3D SPECT图像 | 222名患者 | PyTorch（基于Swin UNETR架构推断） | 改进的3D Swin UNETR | 平均误差（ME），相对误差（RE），Gamma分析通过率，平均绝对误差（MAE） | 未明确指定，但提及适用于缺乏充足计算资源进行蒙特卡洛模拟的临床环境 |
| 3269 | 2026-01-06 |
Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance
2026-Jan-05, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-01002-0
PMID:41489764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3270 | 2026-01-06 |
Diabetic foot ulcer classification using an enhanced coordinate attention integrated ConvNext model
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01692-1
PMID:41489793
|
研究论文 | 本文提出了一种结合坐标注意力机制增强的ConvNeXt模型，用于基于图像的糖尿病足溃疡自动分类 | 提出了一种混合模型，将坐标注意力机制集成到ConvNeXt架构中，以捕获空间长程依赖特征，从而提高糖尿病足溃疡图像分类的准确性 | 未明确说明数据集的来源、规模多样性以及模型在临床环境中的泛化能力验证 | 开发一种自动化的深度学习方法，以加速糖尿病足溃疡的评估过程并提供最佳治疗建议 | 糖尿病足溃疡图像 | 计算机视觉 | 糖尿病足溃疡 | 图像处理（自适应阈值分割） | CNN | 图像 | NA | NA | ConvNeXt | 准确率, F1分数 | NA |
| 3271 | 2026-01-06 |
OGTCN-E-MGO: an optimized deep learning framework for EEG-based schizophrenia detection
2026-Jan-05, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01695-y
PMID:41489794
|
研究论文 | 提出一种名为OGTCN-E-MGO的优化深度学习框架，用于基于脑电图（EEG）信号的精神分裂症自动检测 | 提出了一种优化的门控时序卷积网络（OGTCN），该网络集成了门控循环单元（GRU）、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO），用于精神分裂症的EEG信号分类 | NA | 实现精神分裂症的自动分类，通过分析EEG信号获取与精神分裂症认知变化相关的神经活动变化 | 精神分裂症患者 | 机器学习 | 精神分裂症 | 脑电图（EEG） | GRU, TCN | 脑电图信号 | 两个数据集：数据集1包含28名个体的19通道EEG信号；数据集2包含81名个体的64通道EEG信号 | NA | 优化的门控时序卷积网络（OGTCN），集成GRU、改进的时序卷积网络（ITCN）和增强的山地瞪羚优化器（E-MGO） | 准确率 | NA |
| 3272 | 2026-01-06 |
Diffusion-MRI-Based Estimation of Cortical Architecture via Machine Learning (DECAM) in Primate Brains
2026-Jan-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512752
PMID:41486548
|
研究论文 | 本文提出了一种名为DECAM的基于扩散MRI和机器学习的框架，用于非侵入性地估计灵长类动物大脑的皮质细胞结构 | DECAM框架通过创新的最佳响应约束优化深度学习模型，并开发了皮质标签向量以解决复杂形态下dMRI与组织学数据配准不准的问题，实现了高保真、可重复的全脑神经元胞体密度映射 | 当前研究主要基于非人类灵长类动物数据，尚未在人类大脑中全面验证；框架虽可扩展至其他神经病理学指标，但具体应用仍需进一步开发 | 开发一种非侵入性方法，利用扩散MRI和机器学习准确估计大脑皮质细胞结构，以促进转化应用 | 灵长类动物（非人类灵长类）的大脑 | 机器学习 | NA | 扩散MRI（dMRI），组织学 | 深度学习 | 图像（扩散MRI图像，组织学图像） | NA | NA | NA | NA | NA |
| 3273 | 2026-01-06 |
Development of a Prediction Model for Progression Risk in High-Grade Gliomas Based on Habitat Radiomics and Pathomics
2026-Jan-04, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70304
PMID:41486586
|
研究论文 | 本研究基于栖息地影像组学和病理组学构建了预测高级别胶质瘤进展风险的模型 | 首次将栖息地影像组学与病理组学特征相结合，构建了用于预测高级别胶质瘤进展风险的联合模型 | 研究为回顾性分析，样本量较小（72例），需要更大规模的前瞻性研究进行验证 | 开发预测高级别胶质瘤进展风险的预测模型 | 高级别胶质瘤患者 | 数字病理学 | 胶质瘤 | 磁共振成像，全切片成像 | 深度学习 | 图像 | 72例患者（训练集52例，测试集20例） | NA | 多种网络架构 | C-index，AUC | NA |
| 3274 | 2026-01-06 |
High-Conductivity Electrolytes Screened Using Fragment- and Composition-Aware Deep Learning
2026-Jan-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202521575
PMID:41486708
|
研究论文 | 本文介绍了一种用于筛选高电导率电解质的深度学习框架，该框架通过整合分子间和分子内属性，实现了对锂离子电池电解质配方的准确且可解释的电导率预测 | 提出了一个集成了溶剂间分子归因和功能单元分子内归因的深度学习框架，构建了层次化表示，将配方分解为分子及其功能单元，同时整合比例、物理化学描述符和盐身份，以生成混合物不变的嵌入，用于准确且可解释的电导率预测 | 未明确提及具体的数据集规模限制或模型泛化能力的边界条件 | 开发一种数据驱动的、可解释的电解质设计方法，以加速高性能电池电解质的筛选 | 锂离子电池电解质配方，包括锂盐和有机溶剂的混合物 | 机器学习 | NA | 深度学习 | 深度学习框架 | 化学配方数据，包括分子结构、比例和物理化学描述符 | NA | NA | NA | 预测离子电导率的准确性 | NA |
| 3275 | 2026-01-06 |
Deep Learning Integration in Optical Microscopy: Advancements and Applications
2026-Jan-04, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70112
PMID:41486782
|
综述 | 本文探讨了深度学习在光学显微镜中的集成应用，重点关注图像分类、分割和计算重建等关键领域 | 系统性地综述了深度学习如何解决光学显微镜的传统挑战，如光学像差、衍射极限分辨率和低信噪比，并强调了其在提高图像质量、减少人工干预和降低领域专业知识依赖方面的创新作用 | 需要大量标注数据集、动态样本变异性、模型可解释性不足以及潜在的数据偏差 | 探索深度学习在光学显微镜中的应用，以提升图像处理和分析能力 | 光学显微镜图像数据 | 计算机视觉 | NA | 光学显微镜 | CNN, U-Net, ResNet, GAN | 图像 | NA | NA | 卷积神经网络, U-Net, 残差网络, 生成对抗网络 | NA | NA |
| 3276 | 2026-01-06 |
Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision
2026-Jan-03, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.12.006
PMID:41486036
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3277 | 2026-01-06 |
Voxel-based correction of CT attenuations for accurate quantification of coronary artery calcification in low tube voltage scans with deep learning reconstruction
2026-Jan-03, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.12.008
PMID:41486057
|
研究论文 | 本研究提出了一种基于体素的CT衰减校正方法，用于在低管电压扫描结合深度学习重建下准确量化冠状动脉钙化 | 提出了一种基于体素的CT衰减校正方法，通过体模扫描建立线性回归模型，将低管电压扫描的CT衰减映射到标准协议，从而有效校正低管电压协议在冠状动脉钙化评估中引入的高估偏差 | 研究仅针对特定扫描协议（80 kVp与DLIR）和特定患者群体，未探讨其他低剂量协议或不同重建算法的影响，且校正公式依赖于体模数据，可能在不同设备或设置下需要重新校准 | 开发一种校正方法，以在低管电压扫描结合深度学习重建的临床实践中实现准确的冠状动脉钙化评估和风险分层 | 体模扫描（包含各种插入物）和转诊进行冠状动脉钙化评分的患者 | 医学影像分析 | 心血管疾病 | CT扫描、深度学习图像重建 | 线性回归模型 | CT图像 | 190名患者 | NA | NA | CT衰减、标准差、信噪比、钙化体积、等效质量、Agatston评分、风险分层误分类率 | NA |
| 3278 | 2026-01-06 |
Sex estimation from human calvarial bone photographs with deep learning approach
2026-Jan-02, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2026.103070
PMID:41485422
|
研究论文 | 本研究利用深度学习模型基于颅盖骨照片进行性别估计 | 首次直接使用颅盖骨照片（无需形态测量）通过深度学习模型进行性别估计，避免了传统方法的繁琐测量步骤 | 研究样本量有限（内表面210张、外表面310张照片），且仅针对18岁以上尸检案例，未来需扩大样本以提高模型性能 | 开发一种基于颅盖骨照片的自动化性别估计方法，应用于法医人类学领域 | 18岁以上尸检案例的颅盖骨内表面（endocranial）和外表面（ectocranial）照片 | 计算机视觉 | NA | 深度学习 | CNN, SVM, K-NN | 图像 | 内表面照片210张（105男/105女），外表面照片310张（155男/155女） | NA | ResNet50 | 准确率 | NA |
| 3279 | 2026-01-06 |
Toward clinical translation of AI-Led drug discovery in endometrial cancer
2026-Jan, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2025.2557602
PMID:40908794
|
综述 | 本文综述了深度学习在子宫内膜癌药物发现各阶段的应用，并讨论了其临床转化面临的挑战与解决方案 | 聚焦于子宫内膜癌这一特定领域，系统性地探讨了深度学习在药物发现中的临床转化瓶颈，并提出了多学科整合的实践路径 | 作为一篇综述，未提出新的实验数据或模型，主要基于现有文献进行分析，可能受限于已发表研究的覆盖范围和质量 | 探讨深度学习在子宫内膜癌药物发现中的临床应用潜力与转化障碍 | 子宫内膜癌（EC） | 机器学习 | 子宫内膜癌 | 深度学习（DL） | NA | NA | NA | NA | NA | NA | NA |
| 3280 | 2026-01-06 |
RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study
2026-Jan, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.09.051
PMID:41052566
|
研究论文 | 本研究利用深度学习模型M2M从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模人群队列中评估其与年龄、性别、种族及自我报告青光眼等因素的关联 | 首次在基于人群的大规模队列（CLSA）中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性 | 研究为横断面设计，无法确定因果关系；RNFL厚度通过模型从眼底照片估计，而非直接OCT测量；依赖自我报告的青光眼诊断，可能存在误报或漏报 | 评估加拿大老龄化纵向研究队列中视网膜神经纤维层厚度与人口统计学因素及青光眼状态的关联 | 加拿大老龄化纵向研究基线综合队列中45至85岁的参与者 | 数字病理学 | 青光眼 | 眼底摄影，光学相干断层扫描 | 深度学习模型 | 图像 | 28,114名参与者 | NA | M2M | Pearson相关系数，p值，β系数 | NA |