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 42964 篇文献，本页显示第 3281 - 3300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3281 | 2026-02-28 |
M2PL-GAN: Multi-View Multi-Level Pathology Semantic Perception Learning for H&E-to-IHC Virtual Staining
2026-Feb-26, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2026.3668248
PMID:41747115
|
研究论文 | 本文提出了一种用于H&E到IHC虚拟染色的多视图多级别病理语义感知学习方法（M2PL-GAN），通过结构上下文关系、特征分布和拓扑感知细粒度语义三个视图增强病理语义对齐 | 引入了从结构上下文关系、特征分布和拓扑感知细粒度语义三个视图的全面语义学习范式，分别对应上下文感知相关机制、局部感知分布对齐机制和图感知双向对比学习机制 | NA | 解决H&E到IHC虚拟染色中病理语义特征对齐困难的问题，提升虚拟染色图像的质量和语义一致性 | H&E染色图像和IHC染色图像 | 数字病理学 | 肿瘤 | 虚拟染色 | GAN | 图像 | NA | PyTorch | GAN | 定量指标和定性评估 | NA |
| 3282 | 2026-02-28 |
Survey of Latest Advancements in Deep Learning for Point Cloud Completion
2026-Feb-26, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2026.3668741
PMID:41747119
|
综述 | 本文全面综述了截至2025年12月，基于深度学习的点云补全方法的最新进展 | 提供了对2024年至2025年最新文献的更新综述，并基于网络具体组件的改进进行了分析性回顾 | 作为一篇综述文章，其本身不提出新的方法或模型，主要依赖现有文献进行分析 | 回顾和总结深度学习在点云补全任务中的最新研究进展 | 点云数据 | 计算机视觉 | NA | NA | 深度学习 | 点云 | NA | NA | NA | NA | NA |
| 3283 | 2026-02-28 |
Deep Learning for Classification and Prognosis of Melanoma in Whole-Slide Images: A Review
2026-Feb-26, The American Journal of dermatopathology
DOI:10.1097/DAD.0000000000003239
PMID:41747151
|
综述 | 本文系统回顾了2020年至2024年间发表的关于使用深度学习对黑色素瘤全切片图像进行诊断分类和预后评估的研究现状、趋势与挑战 | 首次系统性地梳理了深度学习在黑色素瘤全切片图像诊断与预后领域的最新进展，并明确了模型泛化性、可解释性及临床整合等关键挑战与未来研究方向 | 作为一篇综述文章，其局限性在于主要基于对现有文献的分析，未提出新的实验数据或模型 | 概述深度学习在黑色素瘤全切片图像分类与预后评估领域的应用现状、趋势与挑战，并为该领域从研究向临床实践的转化提供指导 | 关于深度学习应用于黑色素瘤全切片图像诊断与预后的相关研究文献 | 数字病理学 | 黑色素瘤 | NA | 深度学习 | 全切片图像 | NA | NA | NA | NA | NA |
| 3284 | 2026-02-28 |
Vision transformer model-based dose prediction and beam angle optimization for BNCT
2026-Feb-26, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae4b03
PMID:41747394
|
研究论文 | 本文提出了一种结合3D Vision Transformer和Mamba模块的深度学习框架，用于硼中子俘获治疗（BNCT）的剂量预测和束流角度优化 | 创新点包括集成3D Vision Transformer与Mamba模块以捕获长程空间依赖性和增强局部特征提取，以及引入ROI引导的注意力机制聚焦于肿瘤和皮肤区域，并结合贝叶斯优化进行束流角度选择 | NA | 开发一个高效且准确的神经网络模型，以预测不同束流角度下的BNCT剂量分布，从而促进治疗计划优化 | 硼中子俘获治疗（BNCT）的治疗计划设计，特别是剂量预测和束流角度优化 | 计算机视觉 | NA | 深度学习，贝叶斯优化 | Vision Transformer (ViT), Mamba | 3D医学图像数据 | 临床数据集 | NA | 3D Vision Transformer, Mamba | 平均绝对误差（MAE），平均绝对百分比误差（MAPE），伽马通过率 | NA |
| 3285 | 2026-02-28 |
Artificial Intelligence in Multiple Sclerosis: Possibilities in Radiological Diagnostics and Progression Assessment
2026-Feb-26, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2808-0083
PMID:41748084
|
综述 | 本文综述了人工智能在放射学领域应用于多发性硬化症的诊断和进展评估的现状与可能性 | 聚焦于人工智能如何应对多发性硬化症诊断复杂性增加带来的挑战，特别是自动化病灶量化和评估复杂生物标志物，并强调了多模态数据整合的重要性 | 临床实践应用面临挑战，包括需要大规模验证数据集和伦理框架 | 探讨人工智能在多发性硬化症放射学诊断和进展评估中的应用潜力与发展方向 | 多发性硬化症 | 数字病理学 | 多发性硬化症 | MRI | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 3286 | 2026-02-28 |
A device-invariant multi-modal learning framework for respiratory disease classification
2026-Feb-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02445-4
PMID:41748911
|
研究论文 | 本文提出了一种设备无关的多模态学习框架，用于通过咳嗽声、人口统计学数据和症状描述进行成人呼吸系统疾病的分类 | 提出了一种设备无关的多模态深度学习框架，通过嵌入对抗分支和不变风险最小化增强损失来解决设备异质性和非结构性偏移问题 | NA | 开发一种可扩展且可转移的基于AI的方法，用于基于咳嗽的呼吸系统疾病筛查，强调多模态融合和鲁棒表示学习在提升临床适用性中的重要性 | 成人呼吸系统疾病 | 机器学习 | 呼吸系统疾病 | 咳嗽声分析 | 深度学习 | 音频, 文本, 人口统计学数据 | 超过10,000个病例，涵盖七种主要呼吸系统疾病 | NA | NA | AUROC | NA |
| 3287 | 2026-02-28 |
Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes
2026-Feb-26, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-026-01449-1
PMID:41748914
|
研究论文 | 本研究提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素滴定管理 | 引入专家引导的可解释人工智能框架，利用Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程结合临床约束迭代优化模型 | 研究主要基于住院患者的电子健康记录数据，可能未完全覆盖门诊或社区糖尿病管理场景 | 提高深度学习模型在糖尿病胰岛素滴定管理中的透明度和可信度 | 2型糖尿病住院患者 | 机器学习 | 糖尿病 | 电子健康记录分析 | 深度学习 | 结构化医疗数据 | 内部数据集1,275名住院患者，外部数据集292名患者 | NA | STII-DIL | 胰岛素滴定准确性，专家评估一致性 | NA |
| 3288 | 2026-02-28 |
Open-Access Fully Automated Intravenous Contrast Detection and Body Part Classification for Computed Tomography Scans: The FALCON Model
2026-Feb-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01865-8
PMID:41749033
|
研究论文 | 本文介绍了一种名为FALCON的开放获取全自动深度学习模型，用于大规模检测CT扫描中的静脉对比剂并进行身体部位分类 | 开发了开放获取的全自动深度学习模型FALCON，首次整合了静脉对比剂检测和身体部位分类功能，适用于头颈部、胸部和腹盆部CT扫描 | 研究未提及模型在更广泛或多样化数据集上的泛化能力，以及可能存在的计算资源需求 | 开发一个快速可靠的自动化工具，用于CT扫描中静脉对比剂的检测和身体部位分类，以解决大型研究数据集中对比剂存在记录不可靠的问题 | CT扫描图像，特别是头颈部、胸部和腹盆部的扫描 | 计算机视觉 | NA | CT扫描 | CNN | 图像 | 3138个CT扫描，来自3126名患者，涵盖五个机构1996年至2023年的数据 | NA | ResNet9 | F1分数 | NA |
| 3289 | 2026-02-28 |
A transparent, lightweight and sustainable Green Learning AI model for prostate cancer detection on MRI
2026-Feb-26, BJU international
IF:3.7Q1
DOI:10.1111/bju.70203
PMID:41749494
|
研究论文 | 开发了一种透明、轻量级的Green Learning AI模型，用于在MRI上自动分割前列腺并检测临床显著前列腺癌 | 提出了一种新型透明且轻量级的Green Learning模型，相比传统深度学习模型参数更少、计算量更低，且与PI-RADS结合能显著提升检测性能 | 研究样本量有限（602例MRI），且仅基于3-T MRI和活检数据，未涉及多中心或外部验证 | 开发自动化前列腺分割和临床显著前列腺癌检测的机器学习模型 | 接受3-T MRI和前列腺活检的男性患者 | 数字病理学 | 前列腺癌 | MRI, 前列腺活检 | Green Learning, U-Net | MRI图像 | 602例MRI（训练集483例，测试集119例），其中224例有临床显著前列腺癌 | NA | Green Learning, U-Net | Dice相似系数, AUC | NA |
| 3290 | 2026-02-28 |
Artificial intelligence for personalized multiple micronutrient supplementation in maternal health
2026-Feb-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics
DOI:10.1002/ijgo.70911
PMID:41755349
|
研究论文 | 本文提出了一种利用人工智能（特别是深度学习和自然语言处理）来个性化孕期多种微量营养素补充（MMS）的概念模型，旨在通过整合多模态健康数据改善母婴营养与健康结局 | 引入了“营养数字孪生”概念，利用AI整合电子健康记录、可穿戴设备、基因组数据等多源信息，模拟不同补充方案下的营养需求与母婴结局，实现风险分层和个性化补充策略 | 依赖高质量、多样化的数据输入，伦理、公平性和模型透明度是关键挑战，且需在实际临床环境中进行前瞻性验证以确保可信度 | 探索AI在孕期个性化多种微量营养素补充中的应用，以优化母婴营养干预策略 | 孕期女性，特别是面临营养不良或微量营养素缺乏风险的群体 | 自然语言处理, 机器学习 | NA | 深度学习, 自然语言处理, 多模态数据整合 | 深度学习模型, NLP算法 | 电子健康记录, 可穿戴传感器数据, 营养与生育应用日志, 基因组标记, 社会人口学信息, 非结构化文本数据 | NA | NA | NA | NA | NA |
| 3291 | 2026-02-28 |
Intelligent Real-Time Acid Rain Sensing Platform Enabled by Curvature-Engineered Droplet-Based DC Nanogenerator with 4500 V Output
2026-Feb-25, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c23721
PMID:41684103
|
研究论文 | 本研究提出了一种基于曲率工程优化的全电流纳米发电机，构建了一个用于实时酸雨监测的智能传感平台 | 通过曲率工程优化流体-固体耦合动力学并调控界面电场梯度，增强了固液界面电荷载流子的时空分离与泵浦积累，从而提高了基于液滴的纳米发电机平台的电荷转移效率 | NA | 开发用于酸雨监测的下一代物联网环境监测平台 | 酸雨 | 机器学习 | NA | NA | CNN | 电流信号 | NA | NA | ResNet18-1D | 准确率 | NA |
| 3292 | 2026-02-28 |
Research Progress in Machine Learning Techniques for Metal-Organic Framework Screening
2026-Feb-25, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21454
PMID:41693125
|
综述 | 本文综述了机器学习技术在金属有机框架筛选中的研究进展，包括数据驱动方法、特征工程演变、高级算法框架的应用以及未来发展方向 | 系统分析了机器学习在MOF筛选中的现状，强调了数据真实性、更新频率对模型可靠性的影响，并探讨了从手动特征工程到自动表示学习的演变，以及深度学习、主动学习和Transformer等高级框架的具体适用性 | 现有主流MOF数据库存在局限性，数据真实性和更新频率可能影响模型可靠性，未来需整合高保真实验数据并提升模型可解释性 | 探讨机器学习技术在金属有机框架筛选中的应用，以高效导航庞大的材料库，解决传统实验和计算筛选面临的挑战 | 金属有机框架材料 | 机器学习 | NA | NA | 图神经网络, Transformer | 材料结构数据 | NA | NA | NA | NA | NA |
| 3293 | 2026-02-28 |
De-identification Strategy and Re-identification Risks for Facial Computed Tomography Images via Deep Learning
2026-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01858-7
PMID:41741849
|
研究论文 | 本研究开发并评估了一种基于深度学习的头部CT图像选择性去标识化方法，该方法在保留面部骨骼结构的同时移除面部软组织特征，并评估了去标识化后的再识别风险 | 提出了一种基于YOLOv8的选择性去标识化方法，专门针对面部CT图像，在保护隐私的同时保留了关键的骨骼结构信息，并首次系统评估了该方法在深度学习模型和人类评估者中的再识别风险 | 研究数据仅来自单一医院的3091名面部骨折患者，可能限制了模型的泛化能力；未评估去标识化对临床诊断任务的具体影响 | 开发一种有效的面部CT图像隐私保护方法，在降低再识别风险的同时保持数据的临床可用性 | 面部CT扫描图像 | 计算机视觉 | 面部骨折 | 计算机断层扫描(CT) | CNN | 医学图像 | 3091名患者的3206次面部CT扫描（共308,982张图像） | PyTorch | YOLOv8 | mAP 0.5, 准确率 | 未明确说明 |
| 3294 | 2026-02-28 |
Artificial Intelligence and CT Neuroimaging in Dementia and Psychotic Disorders: A Viewpoint
2026-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01852-z
PMID:41741853
|
综述 | 本文系统回顾了将人工智能（特别是深度学习）应用于痴呆症或精神病性障碍的CT脑成像研究，并评估了其方法学质量和临床转化潜力 | 首次系统综述了深度学习在精神病性障碍和痴呆症CT神经影像中的应用，并强调了在精神病领域研究的稀缺性及从痴呆症研究中可借鉴的见解 | 纳入研究数量有限（仅7项），所有预测性研究均存在高偏倚风险，报告质量（TRIPOD-AI/CLAIM依从性）不佳，且缺乏外部验证和代码可重复性 | 评估人工智能（特别是深度学习）在利用CT脑成像诊断或预测痴呆症及精神病性障碍方面的应用现状与潜力 | 痴呆症或精神病性障碍患者的CT脑部扫描图像 | 数字病理学 | 老年疾病 | CT神经影像 | 深度学习 | 图像 | 样本量范围从65到917 | NA | NA | NA | NA |
| 3295 | 2026-02-28 |
A Novel Hybrid Large Language Model Approach for Reporting Panoramic Radiographs and Performance Comparison with Current Large Language Models
2026-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01880-9
PMID:41741852
|
研究论文 | 本研究提出了一种结合深度学习图像分析模型与LLM驱动的混合框架，用于提高全景X光片报告的可靠性 | 引入了一种混合框架，将基于YOLOv12的牙齿检测与分割模型的结构化输出与本地托管的大型语言模型（LLM）结合，显著减少了幻觉并提高了报告准确性 | 研究仅评估了50张未见过的X光片，样本量相对较小；商业LLM在报告中表现出100%的幻觉率，表明其在该任务中不可靠 | 开发一种可靠的人工智能辅助牙科放射学解释方法，提高全景X光片报告的准确性和减少幻觉 | 全景X光片 | 计算机视觉, 自然语言处理 | 牙科疾病 | 深度学习图像分析, 大型语言模型 | YOLOv12, LLM | 图像 | 30,954张全景X光片用于训练/验证/测试，50张未见过的X光片用于评估报告准确性 | NA | YOLOv12, DeepSeek R1, Mistral, Llama 3.2, Gemma 3, Qwen3, SmolLM3 | 精确度, 召回率, F1分数, 结构有效性, 一致性, 响应延迟, 令牌长度 | NA |
| 3296 | 2026-02-28 |
Deep Learning-Based Prediction of Visual Field Mean Deviation from Numeric OCT Data in Glaucoma
2026-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01866-7
PMID:41741850
|
研究论文 | 本研究评估了使用深度学习模型基于光学相干断层扫描（OCT）的数值数据预测Humphrey视野分析仪（HFA）30-2平均偏差（MD）的可行性 | 首次直接利用OCT的像素级视网膜厚度数值数据，通过多种深度学习模型（包括CNN和视觉Transformer）进行视野平均偏差的回归和分类预测 | 研究为回顾性设计，样本量相对有限（1200只眼），且所有数据来自同一天采集，可能影响模型泛化能力 | 开发一种基于深度学习的系统，用于从OCT数值数据预测青光眼患者的视野平均偏差，以辅助青光眼诊断 | 青光眼患者和正常对照者的眼睛（共1200只眼，包括432只青光眼眼和768只正常眼） | 计算机视觉 | 青光眼 | 光谱域光学相干断层扫描（OCT），Humphrey视野分析仪（HFA）30-2测试 | CNN, Vision Transformer | 数值数据（像素级视网膜厚度） | 1200只眼（432只青光眼眼，768只正常眼） | NA | ResNet50, VGG16, InceptionV3, EfficientNetB0, DenseNet121, ViT, DeiT, BEiT | 平均绝对误差, 决定系数, Bland-Altman分析, 基于阈值的判别指标 | NA |
| 3297 | 2026-02-28 |
Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning
2026-Feb-25, International orthodontics
IF:1.8Q2
DOI:10.1016/j.ortho.2026.101156
PMID:41747359
|
研究论文 | 本研究评估了使用深度学习从全景X光片中预测垂直骨骼角度的可行性 | 首次利用深度学习模型从更常规获取的全景X光片中预测关键的垂直骨骼角度，而非依赖侧位头颅X光片 | 当前的预测误差尚不足以替代传统的头颅测量分析，需要更大的数据集和外部验证来提升准确性 | 评估人工智能是否能够从全景X光片中预测垂直骨骼角度，以辅助正畸诊断和治疗规划 | 715名患者的侧位头颅X光片和全景X光片 | 计算机视觉 | 骨骼畸形 | X光成像 | CNN | 图像 | 715名患者 | NA | EfficientNet-B3, DenseNet121, DenseNet169, ResNet-50, ResNet-101, VGG16, VGG19 | 平均绝对误差, 决定系数, 组内相关系数 | NA |
| 3298 | 2026-02-28 |
Extracellular matrix stiffness drives post-mitotic nuclear pore complex assembly to promote neuroblastoma pathogenesis
2026-Feb-24, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2025.116858
PMID:41575851
|
研究论文 | 本文研究了细胞外基质刚度通过调控核孔复合体组装促进神经母细胞瘤发病的机制 | 揭示了细胞外基质刚度通过lamin A/C/E2F4/PLK1轴调控有丝分裂后核孔复合体组装的新机制 | NA | 探究细胞外基质刚度如何影响神经母细胞瘤的发病机制 | 神经母细胞瘤细胞、患者来源的类器官 | 数字病理学 | 神经母细胞瘤 | 超分辨率显微镜、深度学习算法、光漂白、CRISPR | NA | 图像、临床样本数据 | 临床神经母细胞瘤样本、患者来源的类器官 | NA | NA | NA | NA |
| 3299 | 2026-02-28 |
Longitudinal multisource clinical model for early lung cancer risk stratification and screening
2026-Feb-24, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2025-101989
PMID:41734977
|
研究论文 | 本研究开发了一种基于多通道卷积神经网络的轻量级模型，利用常规诊疗前数据对肺癌进行纵向风险分层，以支持早期筛查 | 提出了一种轻量级多通道CNN架构，能够同时处理诊断代码、用药记录和医嘱单等多种异构临床数据，并通过似然比特征选择方法将计算需求降低了99.8%，使其适用于资源有限的临床环境 | 模型在精确率-召回率曲线下面积（AUPRC）仅为0.1617，表明在识别少数类（肺癌病例）方面仍有改进空间；用药特征在诊断前阶段的判别信号有限 | 开发一种利用常规临床数据进行肺癌早期风险分层和筛查的深度学习模型 | 来自台湾全民健康保险研究数据库的99,615名个体（575例肺癌病例，99,040例非癌症对照） | 数字病理学 | 肺癌 | 回顾性队列研究，基于电子健康记录（EHR）的数据分析 | CNN | 结构化临床数据（诊断代码、用药记录、医嘱单） | 99,615名个体（575例肺癌，99,040例对照） | 未明确提及 | 多通道卷积神经网络 | F1分数, 精确率, AUROC, AUPRC | 轻量级架构，适用于资源受限的临床环境（具体硬件未提及） |
| 3300 | 2026-02-26 |
Explainable active reinforcement deep learning improves lung cancer detection from CT images
2026-Feb-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38239-7
PMID:41735399
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |