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 44743 篇文献，本页显示第 3721 - 3740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3721 | 2026-04-04 |
Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology
2026-May-15, Life sciences
IF:5.2Q1
DOI:10.1016/j.lfs.2026.124337
PMID:41881279
|
研究论文 | 本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分 | 结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分 | 研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证 | 评估漆树提取物的抗肥胖疗效及其作用机制 | 雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分 | 机器学习 | 肥胖 | 核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析 | 深度学习, 强化学习 | 生物化学数据、分子结构数据、基因表达数据 | 雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分 | NA | NA | 体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比 | NA |
| 3722 | 2026-04-04 |
Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study
2026-May, BJOG : an international journal of obstetrics and gynaecology
DOI:10.1111/1471-0528.70103
PMID:41332358
|
研究论文 | 本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局 | 开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制 | 样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性 | 探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性 | 晚期妊娠（36-41周）女性，首次尝试阴道分娩 | 数字病理学 | 产科疾病 | 低场MRI，2D T2加权Turbo-Spin-Echo序列 | 3D深度学习分割网络 | MRI图像 | 97名晚期妊娠女性 | NA | NA | 图像重建质量，分割质量，组间变异性，相关性分析，OR值 | 0.55 T Freemax MRI扫描仪 |
| 3723 | 2026-04-04 |
Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70104
PMID:41376335
|
研究论文 | 本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测 | 提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署 | 模型的计算复杂度较高，相比传统CNN需要更多的计算资源 | 加速前列腺癌的早期检测和准确诊断 | 前列腺癌的病理组织图像 | 数字病理学 | 前列腺癌 | 病理图像分析 | CNN, Vision Transformer | 图像 | 使用公开的PANDA数据集进行训练和测试 | NA | VGG-16, DenseNet-121, AlexNet, Vision Transformer | 准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率 | GPU内存, 推理时间 |
| 3724 | 2026-04-04 |
A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70110
PMID:41460794
|
研究论文 | 提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案 | 结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度 | 未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制 | 开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断 | 不完美的细胞结构图像，特别是小鼠脑部图像 | 数字病理学 | NA | 图像增强，深度学习分割 | Cellpose | 图像 | 未明确指定样本数量，但涉及小鼠脑部图像 | 未明确指定，但基于Cellpose算法 | Cellpose with Cyto3 pretrained weight module | IoU, ACC, MCC, Dice | NA |
| 3725 | 2026-04-04 |
Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application
2026-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70115
PMID:41511077
|
研究论文 | 本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性 | 提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性 | 未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高 | 提高多癌症组织病理学图像分类的准确性、效率和临床可解释性 | 组织病理学图像 | 数字病理学 | 多癌症 | 深度学习 | CNN | 图像 | LC25000和BreakHis数据集 | NA | Complementary Residual Retentive Network (C2RN2GC2A) | 准确率, 训练损失, 验证损失, 假阳性数, 假阴性数 | NA |
| 3726 | 2026-04-04 |
Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer
2026-May, Radiology. Imaging cancer
DOI:10.1148/rycan.250345
PMID:41931018
|
研究论文 | 本研究开发了基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于术前预测早期宫颈癌的淋巴结转移 | 结合了肿瘤和淋巴结的影像组学特征与深度学习特征，构建了融合模型（DLR_T+LN），并在多中心数据上进行了验证 | 深度学习-影像组学融合模型（DLR_T+LN）相比仅使用影像组学特征的模型（Rad_T+LN）在性能上未显示出统计学上的显著提升 | 开发术前预测早期宫颈癌淋巴结转移的影像学模型 | 早期宫颈癌患者 | 数字病理学 | 宫颈癌 | 多参数MRI | 深度学习 | MRI图像 | 862名患者 | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 3727 | 2026-04-04 |
CEREBLEED: Automated Quantification and Severity Scoring of Intracranial Hemorrhage on Noncontrast CT
2026-Apr-03, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000004020
PMID:41930955
|
研究论文 | 本文开发并验证了一个基于深度学习的框架，用于自动分割和量化颅内出血，并提出了一个基于体积关系的严重程度指数 | 开发了一个自动化的深度学习框架，用于颅内出血的分割和量化，并引入了一个新的严重程度指数，该指数基于出血亚型与脑结构的体积关系，旨在标准化严重性评估 | 外部验证中总出血模型的Dice分数较低（中位数0.70），表明模型在外部数据集上的泛化能力可能有限 | 开发一个客观、可重复的工具，用于量化颅内出血的病变负担及其解剖影响，以支持临床决策 | 颅内出血（ICH）在非对比CT（NCCT）上的表现 | 数字病理学 | 颅内出血 | 非对比计算机断层扫描（NCCT） | U-Net | 图像 | 2112个NCCT扫描（1110个用于训练和内部评估，1002个来自外部数据集） | NA | U-Net | Dice分数, 体积相似性, 曲线下面积（AUC）, 敏感性, 特异性 | NA |
| 3728 | 2026-04-04 |
Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network
2026-Apr-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3675645
PMID:41926408
|
研究论文 | 本文提出了一种用于手术器械分割的谱注意力上下文交互网络（SCI-Net），以解决复杂背景干扰、器械形态多样和低对比度带来的挑战 | 提出了SCI-Net，结合全局上下文聚合模块（GCAM）、谱增强特征模块（SFM）和尺度感知扩张模块（SDM），通过频域注意力增强特征表达，并自适应整合多尺度特征以改善器械精细边界的分割性能 | NA | 提高手术器械分割的准确性和鲁棒性，以增强机器人手术系统的视觉感知和精确操作能力 | 手术器械 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 多个公开可用的手术器械分割数据集 | NA | SCI-Net | NA | NA |
| 3729 | 2026-04-04 |
Quantum Convolutional Neural Networks: A Survey on Architectures, Applications, and Future Directions
2026-Apr-02, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3677762
PMID:41926404
|
综述 | 本文对量子卷积神经网络（QCNN）的架构、应用及未来方向进行了系统性综述 | 提供了首个系统且全面的QCNN综述，建立了统一的分类体系，并比较了不同架构、应用及工具箱 | 现有研究较为分散，缺乏统一的分类体系或完整综述，本文旨在填补这一空白 | 综述量子卷积神经网络的发展现状、架构变体、应用领域及未来挑战 | 量子卷积神经网络（QCNN）及其在量子多体物理和经典机器学习任务中的应用 | 机器学习 | NA | 量子计算 | 量子卷积神经网络（QCNN） | 高维数据集 | NA | Qiskit Machine Learning, Pennylane, TensorFlow Quantum (TFQ) | 全量子模型、变分模型、混合模型、基于图的模型 | NA | 量子计算平台 |
| 3730 | 2026-04-04 |
Atomic-resolution imaging of gold species at organic liquid-solid interfaces
2026-Apr-02, Science (New York, N.Y.)
DOI:10.1126/science.adw2469
PMID:41926600
|
研究论文 | 本研究结合了提供原子分辨率的液相电子显微镜样本设计与深度学习分析，探索了金吸附原子、石墨载体和溶剂之间的相互作用 | 首次在有机液固界面实现原子分辨率成像，结合深度学习分析，追踪了金吸附原子、二聚体和更大团簇在不同溶剂中的位置 | 研究需要低温下的快速干燥动力学来优化催化性能，这可能在工业应用中带来挑战 | 探索固体-液体界面吸附原子的结构和动力学，以提升催化剂、电化学设备、分子分离技术和金属提取的性能 | 石墨载体上的金吸附原子、二聚体和团簇 | 材料科学 | NA | 液相电子显微镜 | 深度学习 | 图像 | 超过10个石墨载体上的金吸附原子、二聚体和团簇，在五种溶剂中 | NA | NA | NA | NA |
| 3731 | 2026-04-04 |
Dosimetry Analysis of 177Lu-PSMA-I&T in Patients with Low-Volume Oligometastatic Hormone-Sensitive Prostate Cancer: A Secondary Analysis of the LUNAR Trial
2026-Apr-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.271467
PMID:41927282
|
研究论文 | 本文报告了LUNAR试验中针对低体积寡转移激素敏感性前列腺癌患者使用177Lu-PSMA-I&T的剂量学分析结果 | 首次在LUNAR试验的背景下，对177Lu-PSMA-I&T在寡转移激素敏感性前列腺癌患者中的器官和病灶吸收剂量进行了详细分析，并采用了深度学习辅助分割和基于体素的多时间点剂量估算方法 | 由于SPECT的空间分辨率有限，部分体积效应可能导致小体积病灶的吸收剂量被低估，且样本量相对较小（45例患者） | 评估177Lu-PSMA-I&T在寡转移激素敏感性前列腺癌患者中的安全性及病灶剂量异质性 | 低体积寡转移激素敏感性前列腺癌患者 | 数字病理学 | 前列腺癌 | SPECT/CT成像, 深度学习辅助分割, 基于体素的多时间点剂量估算 | 深度学习 | 医学影像（SPECT/CT, PET/CT） | 45例患者，共123个病灶 | NA | NA | 吸收剂量（Gy/GBq）, 中位SUV值 | NA |
| 3732 | 2026-04-04 |
A hybrid bio-inspired model for predicting urban air pollution using deep learning
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40726-w
PMID:41927618
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3733 | 2026-04-04 |
A novel approach for disease and pests detection in potato production system based on deep learning
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45575-1
PMID:41927639
|
研究论文 | 本研究设计了一种基于深度学习的对象检测框架，用于在真实田间条件下识别和分类马铃薯主要病害和害虫 | 提出了一种新颖的深度学习对象检测框架，专门针对真实田间条件下的马铃薯病害和害虫进行识别与分类，并采用了多种最先进的模型进行比较 | 数据集存在类别不平衡问题，且未来需要进行更广泛的跨区域和跨季节验证 | 开发一种能够及时检测马铃薯病害和害虫的方法，以帮助制定有效决策，减少产量损失 | 马铃薯作物及其病害（如晚疫病、叶斑病、卷叶病毒）和害虫（如科罗拉多马铃薯甲虫） | 计算机视觉 | 马铃薯病害 | 深度学习对象检测 | CNN | 图像 | 2,403张田间图像，分为四个类别：晚疫病（630张）、叶斑病（370张）、卷叶病毒（888张）、科罗拉多马铃薯甲虫（515张） | PyTorch | YOLOv8, YOLOv7, YOLOv5, Faster R-CNN | 平均精度均值（mAP）@0.5 | NA |
| 3734 | 2026-04-04 |
Deep learning detection of ectopic canines and molars in mixed dentition
2026-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45912-4
PMID:41927690
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3735 | 2026-04-04 |
Residual Conditional Variational Autoencoder for Multi-Center PET/CT Radiomic Feature Harmonization with Integrated Modeling of Batch Effects and Clinical Covariates
2026-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01934-y
PMID:41927822
|
研究论文 | 本研究提出了一种集成批次信息和临床协变量的残差条件变分自编码器模型（ResCVAE-Harmonizer），用于多中心特征协调，并系统全面地评估其协调性能 | 提出了一种新的ResCVAE-Harmonizer模型，能够同时消除线性和非线性批次效应，并整合临床协变量进行多中心特征协调 | 在线性方差一致性方面略逊于ComBat方法 | 开发并评估一种用于多中心PET/CT影像组学特征协调的深度学习方法 | 多中心PET和CT影像数据 | 数字病理学 | NA | PET/CT成像，影像组学特征提取 | 变分自编码器，残差网络 | 医学影像（PET和CT图像） | 来自9个不同中心的806个病例 | NA | ResCVAE-Harmonizer, 3D-DenseNet-121 | C-index, Levene检验的-log(p)值, 分类准确率, Kaplan-Meier生存曲线, log-rank检验 | NA |
| 3736 | 2026-04-04 |
Automated Detection and Classification of Pleural Effusion on Computed Tomography Using Deep Learning
2026-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01938-8
PMID:41927820
|
研究论文 | 本研究开发并评估了一种基于深度学习的两阶段人工智能框架，用于从非对比胸部CT图像中自动分割和病因学分类胸腔积液 | 提出了一种结合U-Net分割与基于定量影像特征（面积、密度、纹理）的分类的两阶段深度学习框架，首次实现了胸腔积液的自动分割与病因学（脓胸、恶性、漏出性）分类 | 研究为回顾性设计，样本可能有限，且仅基于非对比胸部CT图像，未考虑临床或其他影像数据 | 开发自动分割和病因学分类胸腔积液的人工智能系统，以辅助临床决策 | 非对比胸部CT图像中检测到的胸腔积液区域 | 计算机视觉 | 胸腔积液相关疾病 | 非对比胸部CT成像 | U-Net, 逻辑回归, 支持向量机, 随机森林, 梯度提升 | 图像 | NA | NA | U-Net | 准确率, 宏F1分数 | NA |
| 3737 | 2026-04-04 |
Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla
2026-Apr, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.11.003
PMID:41276422
|
研究论文 | 本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果 | 首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量 | 样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强 | 评估DLBIR技术在轨道MRI中改善图像质量的效益 | 71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁） | 医学影像分析 | 轨道疾病 | 磁共振成像（MRI），基于深度学习的图像重建（DLBIR） | 深度学习模型 | 磁共振图像 | 71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像 | NA | NA | 信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率 | NA |
| 3738 | 2026-04-04 |
Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning
2026-Apr, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-02083-z
PMID:41350440
|
研究论文 | 本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架 | 首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低 | 未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性 | 开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法 | 呼吸道合胞病毒（RSV）的三个非重叠、不规则表位 | 机器学习 | 呼吸道合胞病毒感染 | 深度学习，X射线晶体学 | 生成式深度学习模型 | 蛋白质序列与结构数据 | 未明确说明具体样本数量，但涉及设计的多个单域免疫原 | NA | NA | 交叉反应滴度，中和反应 | NA |
| 3739 | 2026-04-04 |
Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases
2026-Apr, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01921-3
PMID:41366626
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能 | 首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势 | 回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性 | 评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果 | 脑转移瘤患者 | 数字病理学 | 脑转移瘤 | MRI | 深度学习重建模型 | MRI图像 | 47例连续患者，共检测到117个脑转移瘤 | NA | NA | JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR | NA |
| 3740 | 2026-01-06 |
Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision
2026-Apr, 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 |