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 42795 篇文献，本页显示第 3521 - 3540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3521 | 2026-02-22 |
Leveraging Artificial Intelligence to Transform Thoracic Radiology for Lung Nodules and Lung Cancer: Applications, Challenges, and Future Directions
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000866
PMID:41246950
|
综述 | 本文回顾了人工智能在胸部放射学（特别是肺结节和肺癌领域）的应用历史、现状、挑战及未来方向 | 系统梳理了从早期基于临床知识的AI方法到深度学习、Transformer架构的演进路径，并探讨了基础模型、多模态AI和多组学方法在肺癌领域的前沿应用 | 作为综述文章，未提出新的具体模型或实验数据，主要基于现有文献进行归纳分析 | 总结人工智能在胸部放射学（肺结节与肺癌）中的应用进展，并探讨未来发展方向 | 肺结节与肺癌相关的医学影像及临床数据 | 数字病理学 | 肺癌 | 医学影像分析 | 深度学习, Transformer | 医学影像 | NA | NA | Transformer | NA | NA |
| 3522 | 2026-02-22 |
Real-World Prospective Validation and Economic Evaluation of Deep Learning- Based Diabetic Retinopathy Detection From Fundus Photographs: A Systematic Review and Meta-analysis
2026-Mar-01, Diabetes care
IF:14.8Q1
DOI:10.2337/dc25-1493
PMID:41259706
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析，评估了基于深度学习的糖尿病视网膜病变检测系统在真实世界前瞻性验证中的诊断性能和经济性 | 首次系统性地综合了深度学习糖尿病视网膜病变检测系统在真实世界前瞻性环境中的验证证据，并评估了其在不同国家背景下的经济可行性 | 缺乏评估多种糖尿病视网膜病变严重程度或糖尿病性黄斑水肿的研究，限制了亚组分析的能力；低收入国家的研究不足，限制了相关洞察 | 评估基于深度学习的糖尿病视网膜病变检测系统在不同国家实施的前瞻性验证可行性和经济证据 | 使用眼底照片进行糖尿病视网膜病变检测的深度学习系统 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | 深度学习模型 | 眼底照片 | 47项研究纳入荟萃分析 | NA | NA | 受试者工作特征曲线下面积 | NA |
| 3523 | 2026-02-22 |
AI in ethnopharmacology, the pharmaceutical industry, and its applications
2026-Mar, Annales pharmaceutiques francaises
IF:1.0Q4
DOI:10.1016/j.pharma.2025.11.011
PMID:41338450
|
综述 | 本文综述了人工智能在民族药理学、制药工业及其应用中的角色，特别是在药物发现、质量控制和可持续发展方面的作用 | 将人工智能技术（如机器学习、深度学习和自然语言处理）整合到民族药理学实践中，用于数据挖掘、分子对接、生物活性预测和临床验证，以提升传统药物研究的效率和证据基础 | 标准化和验证任务以及监管框架仍需改进 | 探讨人工智能如何增强民族药理学实践，促进药物发现和传统知识与现代制药科学的融合 | 民族药理学中的传统知识、药用植物、药物化合物以及制药工业应用 | 自然语言处理 | NA | 数据挖掘分析、分子对接系统、生物活性预测建模、临床验证过程、组学研究（基因组学、代谢组学、蛋白质组学） | 机器学习, 深度学习 | 民族植物学记录、组学数据、临床数据 | NA | NA | NA | NA | NA |
| 3524 | 2026-02-22 |
Quantitative CT and Artificial Intelligence in Chronic Lung Disease
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000867
PMID:41417666
|
综述 | 本文综述了定量CT和人工智能技术在慢性肺病（如COPD和ILD）诊断与管理中的应用、优势、挑战及未来方向 | 系统总结了基于密度和纹理特征的定量CT技术以及新兴的机器学习和深度学习方法在慢性肺病评估中的应用，并讨论了其在超越视觉评估和传统密度方法方面的鲁棒性和可重复性 | 文章指出了当前这些技术在临床应用中所面临的挑战和局限性，包括采纳障碍和待解决的问题 | 探讨定量CT和人工智能技术在慢性肺病（特别是COPD、ILD和肺移植/造血干细胞移植后的闭塞性细支气管炎综合征）的影像评估中的应用价值与发展方向 | 慢性阻塞性肺疾病（COPD）、纤维化性间质性肺疾病（ILD）以及肺/造血干细胞移植受者的闭塞性细支气管炎综合征患者 | 数字病理学 | 肺癌 | CT成像，定量CT分析 | 机器学习，深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 3525 | 2026-02-22 |
Artificial Intelligence in Coronary Computed Tomography: Current Applications, Future Potentials, and Real-world Challenges
2026-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000873
PMID:41527165
|
综述 | 本文综述了人工智能在冠状动脉计算机断层扫描（CT）成像中的当前应用、未来潜力及现实挑战 | 系统性地总结了AI在心脏CT成像全流程（从图像采集、重建到分析）中的最新进展，并前瞻性地探讨了生成式AI、大语言模型和数字孪生等前沿技术在心血管精准医疗中的革命性潜力 | 面临数据多样性与标准化不足、模型可解释性有限以及监管审批流程复杂等挑战，阻碍了AI技术在临床实践中的全面整合 | 探讨人工智能技术在冠状动脉CT成像领域的应用现状、发展前景及面临的现实障碍，以推动心血管精准医疗的发展 | 冠状动脉疾病（CAD）的CT成像数据、临床数据及实验室数据 | 医学影像分析, 机器学习 | 心血管疾病 | 心脏计算机断层扫描（CT）成像 | 深度学习, 机器学习, 生成式AI, 大语言模型（LLMs） | 医学影像（CT图像）, 临床数据, 实验室数据 | NA | NA | NA | NA | NA |
| 3526 | 2026-02-22 |
Deep learning architectures for modeling and forecasting stroke cases in Ghana
2026-Mar, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association
|
研究论文 | 本研究利用深度学习模型对加纳的卒中病例进行建模与预测，以支持数据驱动的公共卫生策略 | 在加纳卒中预测中首次应用并比较了多种深度学习架构，包括LSTM、BLSTM、ConvLSTM和BConvLSTM，并纳入糖尿病患病率作为协变量 | 研究仅使用了月度卒中病例数据，可能未涵盖所有相关风险因素；模型在ConvLSTM和BConvLSTM上表现不佳，表明架构选择需进一步优化 | 建模和预测加纳的卒中发病率，为公共卫生规划和干预提供数据支持 | 加纳的卒中病例数据 | 机器学习 | 卒中 | NA | LSTM, BLSTM, ConvLSTM, BConvLSTM | 时间序列数据 | 2018年至2023年的月度卒中病例数据 | Python, R | LSTM, BLSTM, ConvLSTM, BConvLSTM | MAE, MSE, RMSE, MAPE | NA |
| 3527 | 2026-02-22 |
A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction
2026-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.250360
PMID:41718531
|
研究论文 | 本研究开发了一种基于三维胸部CT扫描的自监督基础模型（UCLIF），用于肺癌的诊断和预后预测 | 提出了首个基于大规模三维胸部CT扫描的自监督基础模型，通过对比掩码图像建模任务进行预训练，并在多个下游临床任务中验证了其优越性 | 研究为回顾性多中心研究，可能存在选择偏倚；模型在特定历史时间段（1958年至2019年）的数据上训练，可能无法完全代表当前临床实践 | 开发并评估一个用于肺癌临床任务的自监督胸部CT基础模型 | 肺癌患者的三维胸部CT扫描图像 | 数字病理学 | 肺癌 | 三维胸部CT扫描 | 自监督学习基础模型 | 三维医学图像（CT扫描） | 预训练使用33,901个三维胸部CT扫描；下游评估涉及656名患者 | NA | UCLIF（Unified CT-Based Lung Cancer Imaging Foundation） | 准确度, 敏感度, 特异度, AUC | NA |
| 3528 | 2026-02-22 |
Pediatric Personalized Deep Learning Models for Segmentation of Hepatoblastoma at CT and MRI
2026-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.250041
PMID:41718532
|
研究论文 | 本研究评估了成人训练模型在儿童肝母细胞瘤分割中的泛化能力，并开发了专门针对儿童CT和MRI影像训练的深度学习分割模型 | 开发了首个专门针对儿童肝母细胞瘤的深度学习分割模型，证明了针对特定人群（儿科）定制模型优于通用（成人）模型 | 研究数据来自单一临床试验（AHEP0731），模型性能可能受限于该特定数据集的分布 | 评估成人训练模型在儿科影像分割中的泛化能力，并开发针对儿科患者的专用分割模型 | 儿童肝母细胞瘤患者的CT和MRI影像 | 数字病理学 | 肝母细胞瘤 | CT, MRI | CNN | 医学影像 | CT数据集104名参与者，MRI数据集123名参与者 | NA | 3D U-Net | Dice相似系数, 体积百分比误差 | NA |
| 3529 | 2026-02-22 |
Feasibility of the Belun sleep platform for obstructive sleep apnea diagnosis: A pilot case series from India
2026-Mar-01, Lung India : official organ of Indian Chest Society
IF:1.3Q4
|
研究论文 | 本研究评估了Belun Ring设备在印度人群中诊断阻塞性睡眠呼吸暂停的可行性，并与多导睡眠图进行对比 | 首次在印度人群中评估基于光电容积脉搏波描记法和深度学习的Belun Ring家庭睡眠呼吸暂停测试设备，作为多导睡眠图的替代方案 | 样本量小（仅6名成人），设备在50%的病例中错误分类OSA严重程度，主要低估中度疾病，限制了其诊断适用性 | 评估Belun Ring设备在资源有限环境中诊断阻塞性睡眠呼吸暂停的可行性和诊断性能 | 六名连续接受多导睡眠图检查的疑似阻塞性睡眠呼吸暂停的印度成人患者 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 光电容积脉搏波描记法，深度学习分析 | 深度学习模型 | 生理信号数据 | 6名成人患者 | NA | NA | 灵敏度，Pearson相关系数，呼吸暂停低通气指数，氧减指数 | NA |
| 3530 | 2026-02-22 |
Features of B-mode ultrasound and contrast-enhanced ultrasound of carotid plaque based on deep learning enhance the prediction of vulnerable plaques associated with acute ischemic stroke
2026-Feb-21, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12376-z
PMID:41721846
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，利用颈动脉斑块的B型超声和超声造影特征来预测急性缺血性卒中的风险 | 首次将深度学习AI模型与超声及超声造影特征结合，显著提升了急性缺血性卒中风险的预测性能，并展示了良好的泛化能力 | 研究为回顾性设计，且外部验证集样本量相对较小，可能影响结果的普遍适用性 | 开发并评估基于超声特征的AI模型，以预测颈动脉斑块相关的急性缺血性卒中风险 | 颈动脉斑块的超声及超声造影图像 | 计算机视觉 | 急性缺血性卒中 | B型超声，超声造影 | CNN | 图像 | 923名患者（回顾性）用于训练和内部测试，143名患者（前瞻性）用于外部测试 | PyTorch | ResNet34 | AUC | NA |
| 3531 | 2026-02-22 |
Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis
2026-Feb-21, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05433-0
PMID:41721867
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在预测结直肠癌患者同步性和异时性肝转移方面的性能 | 首次对AI模型（包括影像组学和深度学习）在预测结直肠癌肝转移方面的性能进行系统性评估和荟萃分析，整合了多种模型的敏感性和特异性数据 | 纳入研究的方法学和报告质量普遍较低（RQS平均分16.4/36），存在参考标准和指标测试领域的偏倚风险，研究间存在异质性 | 评估影像组学和深度学习模型能否准确预测结直肠癌患者的同步性和异时性肝转移 | 结直肠癌患者 | 医学影像分析 | 结直肠癌 | 影像组学特征提取，深度学习 | 影像组学模型，深度学习模型 | 医学影像数据 | 来自21项研究的患者数据（具体样本量未在摘要中明确给出） | NA | NA | 敏感性，特异性，SROC曲线下面积，阳性似然比，阴性似然比，阳性预测值，阴性预测值 | NA |
| 3532 | 2026-02-22 |
Prospective pilot evaluation of a deep learning model for kidney stone detection on CT using a web-based workflow platform
2026-Feb-21, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-026-05057-9
PMID:41722009
|
研究论文 | 本研究前瞻性地评估了一个基于深度学习的肾结石检测模型在模拟真实放射学工作流程的Web平台上的性能、可用性和工作流程兼容性 | 采用前瞻性评估方法，在模拟真实放射学工作流程的Web平台上部署深度学习模型，而非仅依赖回顾性数据集，并动态计算诊断指标和记录人机交互以评估性能稳定性 | 未尝试与PACS/RIS系统完全集成，仅作为临床实施前的中间步骤 | 评估深度学习模型在真实放射学工作流程条件下对肾结石检测的性能和实用性 | 非对比腹部CT图像中的肾结石 | 计算机视觉 | 肾结石 | CT成像 | CNN | 图像 | 内部数据集235例（3,452张切片），独立保留集732张切片，前瞻性评估中三位放射科医生上传并标注了5,152张匿名CT切片 | 未明确提及 | 双阶段卷积神经网络 | 准确率, 灵敏度, 特异性, 精确率, Cohen's kappa | 未明确提及 |
| 3533 | 2026-02-22 |
Morphology-adaptive Au-Ag nanowire elastronics for integrated FlexoSERS and bioelectrical sensing
2026-Feb-20, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.aec2162
PMID:41706838
|
研究论文 | 本文介绍了一种形态自适应的金-银纳米线弹性电子平台，该平台能够贴合多种几何形状，并实现多模态光学-电学传感 | 提出了一种简便通用的模板引导生长策略，可直接在1D纳米/微针、2D弹性薄膜和3D多孔结构上制造垂直排列的金-银纳米线阵列，实现了跨维度（1D-3D）的应变耐受FlexoSERS与可靠生物电传感的统一 | NA | 开发用于下一代可穿戴健康监测器、智能睡眠评估和人机界面的多功能传感平台 | 金-银纳米线阵列、1D纳米/微针、2D弹性薄膜、3D多孔海绵结构 | NA | NA | 模板引导生长策略、表面增强拉曼散射（SERS）、生物电信号监测 | 深度学习 | 心电图（ECG）信号、肌电图（EMG）信号 | NA | NA | NA | SERS信号均匀性（RSD = 7.2%）、应变稳定性（100%应变下）、循环耐久性（2500次循环后）、睡眠与清醒状态的准确分类 | NA |
| 3534 | 2026-02-22 |
Negative correlation between habenular volume and duration of gambling disorder: Modulation by symptom severity and personality traits
2026-Feb-20, Journal of behavioral addictions
IF:6.6Q1
DOI:10.1556/2006.2025.00360
PMID:41718719
|
研究论文 | 本研究探讨了赌博障碍患者缰核体积与病程的负相关关系，并分析了症状严重程度和人格特质对此关系的调节作用 | 首次使用深度学习自动分割方法量化缰核体积，并揭示了病程与缰核体积的负相关性在严重症状亚组中尤为显著，同时考虑了人格特质的影响 | 样本仅包括男性患者，限制了结果的普适性；研究为横断面设计，无法确定因果关系 | 阐明赌博障碍患者缰核体积的变化及其与病程、症状严重程度和人格特质的关系 | 68名男性赌博障碍患者和75名男性健康对照者 | 神经影像学 | 赌博障碍 | T1加权MRI，深度学习自动分割 | 深度学习 | MRI图像 | 143名参与者（68名患者，75名对照） | NA | NA | 相关系数(r)，p值 | NA |
| 3535 | 2026-02-22 |
KD-SqueezeNet: an efficient deep learning strategy for the multi-task diagnosis of neonatal lung diseases
2026-Feb-20, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-026-06534-0
PMID:41718759
|
研究论文 | 本研究开发了一种轻量级深度学习模型KD-SqueezeNet，用于通过胸部X光片对新生儿肺部疾病进行分类，旨在提高诊断准确性和效率 | KD-SqueezeNet集成了知识蒸馏技术，是一种可解释的轻量级模型，在参数数量较少的情况下，在准确性和稳定性方面优于EfficientNet、GhostNet、InceptionNet、RegNet和Vision Transformer等多种模型 | NA | 开发一种高效的深度学习策略，用于新生儿肺部疾病的多任务诊断 | 2,089名新生儿的临床和影像记录，包括胸部X光片 | 计算机视觉 | 新生儿肺部疾病 | 胸部X光成像 | CNN | 图像 | 2,089名新生儿，分为五组：支气管肺发育不良（205例）、肺炎（505例）、气胸（201例）、呼吸窘迫综合征（629例）和正常（549例） | NA | SqueezeNet | 准确率, 精确率, 召回率, F1分数, AUROC | NA |
| 3536 | 2026-02-22 |
Deep learning-based attenuation and scatter correction in myocardial SPECT without using X-ray CT images
2026-Feb-20, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-026-01015-3
PMID:41718858
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3537 | 2026-02-22 |
Antimicrobial resistance gene diversity, prevalence, and mobility within four landfills
2026-Feb-20, Canadian journal of microbiology
IF:1.8Q4
DOI:10.1139/cjm-2025-0226
PMID:41719533
|
研究论文 | 本研究通过基因组解析宏基因组测序和深度学习工具，评估了四个活跃城市垃圾填埋场及其邻近水系统中的抗生素抗性基因多样性和流行情况 | 结合序列搜索和深度学习工具，首次系统评估了垃圾填埋场作为抗生素抗性基因热点及其在抗性基因横向转移中的作用 | 研究仅基于四个垃圾填埋场样本，可能无法完全代表全球所有填埋场情况 | 评估垃圾填埋场是否为抗生素抗性的热点区域，并探究其是否通过抗性基因横向转移贡献全球抗性微生物多样性 | 四个活跃城市垃圾填埋场及其邻近地下水或地表水系统中的微生物群落和抗生素抗性基因 | 宏基因组学 | NA | 基因组解析宏基因组测序 | 深度学习工具 | 宏基因组序列数据 | 四个活跃城市垃圾填埋场及其邻近水系统样本 | NA | NA | NA | NA |
| 3538 | 2026-02-22 |
Dynamic changes to the tibiofemoral joint line with increasing osteoarthritis severity and its relationship to constitutional alignment : a radiological analysis of 3,320 knees
2026-Feb-19, Bone & joint open
IF:2.8Q1
|
研究论文 | 本研究利用深度学习软件分析了3320例膝关节置换术前负重全长X光片，探讨了骨关节炎严重程度与膝关节线动态变化及固有对线之间的关系 | 首次使用深度学习软件大规模量化分析骨关节炎进展中膝关节线的动态变化，并区分了固有对线与动态变化对线的影响 | 研究为横断面回顾性分析，无法确定因果关系；仅基于X光片评估，缺乏其他影像学或临床数据验证 | 探讨骨关节炎严重程度与膝关节线动态变化及固有对线参数之间的关系 | 接受全膝关节置换术患者的3320例膝关节术前负重全长X光片 | 数字病理学 | 骨关节炎 | X光成像，深度学习图像分析 | NA | X光图像 | 3320例膝关节术前负重全长X光片 | NA | NA | p值统计显著性 | NA |
| 3539 | 2026-02-22 |
Adaptive learning rate optimization in deep recurrent architectures for precision PM2.5 forecasting under climate variability
2026-Feb-19, Chemosphere
IF:8.1Q1
|
研究论文 | 本研究评估了高级学习率调度策略，以改进LSTM和GRU在PM2.5预测中的性能，使用亚特兰大2023-2025年的空气质量与气象数据 | 比较了多项式、分段常数和余弦衰减调度策略，揭示了架构特定的敏感性，并建立了针对特定地点时间序列空气质量监测的可靠计算基线 | 余弦衰减在孤立实例中减少了峰值误差，但对随机梯度噪声的鲁棒性不足 | 提高PM2.5预测的准确性，以保障公共健康并支持工业排放管理和基于证据的政策制定 | 亚特兰大2023-2025年的空气质量与气象数据 | 机器学习 | NA | NA | LSTM, GRU | 时间序列数据（空气质量与气象数据） | 亚特兰大2023-2025年的数据（具体样本数量未明确） | NA | LSTM, GRU | MAE, R值 | NA |
| 3540 | 2026-02-22 |
A deep learning model based on multi-scale self-attention mechanism and 3D EEM fluorescence spectroscopy for water pollution source apportionment: Emphasis on EEM regional feature analysis
2026-Feb-19, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2026.141559
PMID:41720029
|
研究论文 | 本文提出了一种基于多尺度自注意力机制和3D EEM荧光光谱的深度学习模型，用于水污染源解析，特别强调EEM区域特征分析 | 模型整合了3D EEM光谱与多尺度自注意力机制，通过多尺度荧光区域积分特征工程，发现了“维度悖论”，即中等50 nm特征尺度优于更高分辨率的25 nm尺度，挑战了传统高分辨率必然提升性能的假设 | NA | 水污染源解析和水质监测 | 五种水源：鱼塘养殖废水、地下水、地表水、工业废水和模拟废水 | 机器学习 | NA | 3D EEM荧光光谱 | 深度学习模型 | 光谱数据 | NA | NA | 多尺度自注意力机制 | 测试准确率 | NA |