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 44944 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2026-06-01 |
Noisy probing dose facilitated dose prediction for pencil beam scanning proton therapy: Physics enhances generalizability
2026-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70509
PMID:42192246
|
研究论文 | 针对质子笔形束扫描治疗，提出一种噪声探针剂量法，通过嵌入质子物理知识增强剂量预测的泛化能力 | 首次将质子物理知识显式嵌入深度学习模型，通过快速生成低统计量噪声探针剂量来替代传统输入，显著提升模型在罕见临床病例中的泛化性能 | 仅对前列腺癌和肺癌两种癌症类型进行了验证，未在其他肿瘤部位或更多样化的治疗方案中评估方法的一般性 | 设计一种物理感知且泛化能力强的人工智能剂量预测方法，提高在线自适应质子治疗的安全性和有效性 | 前列腺癌和肺癌患者的笔形束扫描质子治疗计划 | 机器学习, 数字病理学 | 前列腺癌, 肺癌 | 蒙特卡洛剂量引擎 | 深度学习 | 图像（CT图像） | 103例前列腺癌患者（93训练+10测试）和78例肺癌患者（68训练+10测试），以及12例异常临床病例 | NA | NA | 剂量体积直方图指标, 3D伽马通过率（3%/2mm/10%）, 剂量一致性 Dice系数 | NA |
| 382 | 2026-06-01 |
Realization of Long Axial Field-of-View PET Technology in the Clinic and Research Environment
2026-Apr-27, The British journal of radiology
DOI:10.1093/bjr/tqag096
PMID:42046230
|
综述文章 | 讨论长轴向视野PET技术在临床和研究环境中的实现与应用 | 系统分析了长轴向视野PET技术的临床实现、研究应用及深度学习降噪等前沿发展方向 | 未提及具体实验数据或定量性能对比，缺乏对不同设计方案的详细评估 | 概述长轴向视野PET的技术优势、临床实践考量及未来发展方向 | 长轴向视野PET-CT仪器 | 医学影像 | NA | PET-CT | 深度学习 | 医学影像 | NA | NA | NA | 灵敏度 | NA |
| 383 | 2026-06-01 |
Spatiotemporal deep learning for scar screening in cardiovascular magnetic resonance: Toward selective use of gadolinium
2026-Apr-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102730
PMID:41999922
|
研究论文 | 开发并评估一种基于时空深度学习的方法，利用无造影剂的心脏电影图像识别无心肌疤痕患者，以选择性使用钆对比剂 | 首次提出利用时空深度学习架构从无对比剂电影图像中提取时空特征，通过因子化卷积和残差注意力机制识别无心肌疤痕患者，避免不必要的对比剂注射 | 研究未提及模型在特定亚组（如心肌疤痕类型或严重程度）中的表现差异，且外部验证人群多种族代表性不足 | 开发深度学习模型仅通过电影图像识别无心肌疤痕患者，减少对比剂使用 | 接受心血管磁共振检查的已知或疑似心血管疾病患者 | 计算机视觉, 深度学习 | 心血管疾病 | 心脏磁共振成像 (CMR) | 时空深度学习模型 | 心脏电影图像 (短轴位) | 训练集3000名患者（1753名男性，平均年龄54±18岁），外部验证集1792名患者 | PyTorch | 因子化卷积 + 残差注意力机制 | AUC, 灵敏度, 特异度 | NA |
| 384 | 2026-06-01 |
Customizing native T1 mapping: The effects of compressed sensing, deep learning-based denoising, and high-resolution on measurement of native myocardial T1
2026-Apr-15, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102726
PMID:41997564
|
研究论文 | 评估压缩感知、深度学习去噪和高分辨率对原生心肌T1 mapping测量结果的影响 | 系统评估了不同CS加速水平、空间分辨率以及DL去噪重建组合对定量T1值的影响，并证明在临床可接受的偏差范围内T1值保持稳定 | 单中心研究，样本量有限（41名志愿者），且未纳入真实患者数据，可能无法完全覆盖病理T1范围 | 优化临床心肌T1 mapping的采集效率和鲁棒性，支持个性化协议设计 | 健康志愿者的心肌T1 mapping图像 | 计算机视觉, 数字病理 | 心血管疾病 | 压缩感知, 深度学习去噪重建 | 深度学习去噪模型 | 图像 | 48名健康志愿者（最终纳入41名），并进行9例重复分析 | NA | NA | 图像质量评分（Likert量表）, 模糊度, 混叠伪影, 易感性伪影, T1值偏差 | NA |
| 385 | 2026-06-01 |
Automated scout-image-based estimation of contrast agent dosing: a deep learning approach
2026-04-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02331-1
PMID:41965610
|
研究论文 | 开发并验证了一种基于深度学习的算法，通过CT定位图像自动估算患者体重，进而优化造影剂剂量 | 首次利用深度学习从CT定位图像中自动估算体重，避免了人工测量和自报体重的偏差; 结合情境学习和数据集蒸馏分析体重关键特征; 构建了浏览器界面实现实时剂量估算 | 需要在大规模队列和不同临床中心进行进一步验证 | 实现CT检查中造影剂剂量的自动、准确估算，简化临床工作流程并提高患者安全 | 接受胸腹部CT检查的患者（共817例） | 计算机视觉 | 不适用 | CT扫描 | 卷积神经网络 (EfficientNet) | 图像 (CT定位图像) | 817例患者 | PyTorch | EfficientNet | 平均绝对误差 (MAE) | NA |
| 386 | 2026-06-01 |
Deep learning-based high-speed railway communication systems
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46758-6
PMID:41957081
|
研究论文 | 研究基于深度学习的两种数据驱动框架，以提升高速铁路无线通信系统在严重多普勒频移和快速时变多径条件下的通信质量 | 提出两种数据驱动框架：一是深度神经网络学习信道行为以替代传统时域信道估计中的预设插值模型；二是利用自编码器/解码器结构替代传统处理单元并从数据集获取先验信息 | 文中未明确说明局限性 | 降低高速铁路通信系统在高动态传播条件下的误码概率，提升检测性能 | 高速铁路无线通信系统的信道估计和信号处理 | 机器学习 | NA | NA | 深度神经网络，自编码器/解码器 | 数值数据 | NA | NA | 深度神经网络，自编码器/解码器 | 检测性能 | NA |
| 387 | 2026-04-11 |
Predicting mild familial exudative vitreoretinopathy with autosomal dominant inheritance using deep learning
2026-Apr-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-48051-y
PMID:41957171
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 388 | 2026-04-10 |
Cost-effective and scalable urban air quality monitoring using image-based deep learning
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-47424-7
PMID:41951751
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 389 | 2026-06-01 |
A hybrid architecture with bidirectional gating mechanism for spatiotemporal air quality prediction
2026-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46820-3
PMID:41951756
|
研究论文 | 提出一种带有双向门控机制的CNN-Transformer-LSTM混合架构用于时空空气质量预测 | 提出BG-Hybrid模型，通过双向门控机制动态平衡CNN提取的局部空间特征和Transformer捕获的全局时间依赖关系，实现自适应特征融合 | 未明确说明局限性 | 提升时空空气质量预测的准确性 | 空气质量数据 | 机器学习 | NA | NA | CNN-Transformer-LSTM混合模型 | 时空序列数据 | NA | NA | CNN, Transformer, LSTM, 双向门控机制 | 误差降低 | NA |
| 390 | 2026-06-01 |
Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS
2026-04-06, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02312-4
PMID:41942868
|
研究论文 | 本研究全面探究基于超声图像和临床信息的多模态深度学习模型在预测卵巢肿瘤良恶性方面的有效性，并与放射科医生和O-RADS进行对比 | 构建了两种多模态融合模型（DLM2F和DLM3F），整合灰度超声、彩色多普勒血流成像及临床数据，在性能上超越放射科医生和O-RADS评估 | 研究为回顾性多中心设计，样本量适中（508名患者），可能需前瞻性验证 | 评估多模态深度学习模型在卵巢肿瘤良恶性分类中的诊断能力 | 卵巢肿瘤患者 | 数字病理学 | 卵巢肿瘤 | 超声成像 | 密集卷积网络 | 图像和临床数据 | 508名卵巢肿瘤患者（327例良性，181例恶性） | NA | DenseNet | AUC, 敏感度, 特异度 | NA |
| 391 | 2026-06-01 |
A High-Quality Endoscopic Image Dataset with Annotated Recurrent Laryngeal Nerve for AI-Assisted Thyroid Surgery
2026-Apr-03, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-06961-6
PMID:41932923
|
研究论文 | 介绍首个用于内镜甲状腺手术中喉返神经识别的综合体内数据集ThyRLN-PUMCH | 首次构建了大规模、像素级标注的内镜喉返神经数据集ThyRLN-PUMCH，填补了人工智能辅助头颈外科术中导航的数据空白 | 未提及具体限制 | 解决现有术中神经监测技术成本高、依赖操作者、信号不连续的问题，为训练鲁棒深度学习模型提供数据基础 | 内镜甲状腺手术中的喉返神经识别 | 数字病理学 | 甲状腺手术相关神经损伤 | 内镜成像 | 分割模型（CNN） | 图像 | 28个临床多样化手术案例，共18,178帧像素级标注图像 | NA | NA | NA | NA |
| 392 | 2026-06-01 |
Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images
2026-04-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02335-x
PMID:41933296
|
研究论文 | 提出一种用于婴儿脑MR图像中侧脑室和脉络丛分割的自动化深度学习方法 | 引入解剖感知损失函数，明确强制脉络丛位于侧脑室内的拓扑约束，无需手动标注即可确保解剖一致性 | 仅评估了T1加权MRI数据，未测试其他对比度序列；样本量相对较小（总n=206），且未探索对不同扫描仪或采集协议的可迁移性 | 实现婴儿脑MRI中侧脑室和脉络丛的联合精准分割，以支持脑脊液动力学和早期神经发育研究 | 婴儿脑MR图像中的侧脑室和脉络丛区域 | 数字病理学 | 神经发育疾病 | MRI | 深度学习 | T1加权MR图像 | 公共数据集154例，内部回顾性数据集52例，共206例婴儿 | NA | NA | Dice系数, 95%豪斯多夫距离, 平均对称表面距离 | NA |
| 393 | 2026-06-01 |
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 | 结合深度学习和物理方法设计小分子结合蛋白家族，并应用于传感器开发 | 首次将NTF2折叠与深度学习结合，设计出具有多样性和可设计性口袋几何结构的蛋白质家族，实现六种小分子靶标的计算设计，并利用皮质醇结合蛋白构建化学诱导二聚化系统用于生物传感器 | 未提及长期稳定性和体内应用验证 | 开发按需设计任意小分子传感器的通用平台 | 六种小分子靶标（包括皮质醇）及设计的蛋白质结合剂 | 蛋白质设计, 深度学习 | NA | 深度学习和物理方法 | 深度学习模型 | 蛋白质结构数据 | 六种小分子靶标 | NA | NTF2折叠 | 纳摩尔至低微摩尔结合亲和力 | NA |
| 394 | 2026-06-01 |
Segmentation and diagnosis of anterior cruciate ligament tear using deep learning and radiomics based on knee CT
2026-03-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02297-0
PMID:41877097
|
研究论文 | 基于膝关节CT使用深度学习和影像组学建立前交叉韧带撕裂的分割与诊断模型 | 首次基于膝关节CT而非MRI，结合深度学习和影像组学构建ACL分割与撕裂诊断模型 | 未提及外部验证的多样性及模型泛化性限制 | 建立ACL撕裂的CT分割与诊断AI系统，提高诊断准确性与便利性 | 前交叉韧带撕裂及其分割与诊断 | 计算机视觉 | 前交叉韧带撕裂 | CT扫描 | 3D nnU-Net、支持向量机、随机森林、随机梯度下降 | 影像 | 469名患者用于分割模型，其中328名用于诊断模型 | NA | 3D nnU-Net、SVM、RF、SGD | Dice相似系数、AUC | NA |
| 395 | 2026-06-01 |
Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation
2026-03-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02266-7
PMID:41857518
|
研究论文 | 比较YOLO和U-Net深度学习算法在慢性伤口图像分割中的性能 | 首次系统比较YOLOv8和YOLO11与U-Net在伤口分割中的性能，并使用跨数据集验证确保模型鲁棒性 | 未提及计算资源消耗和临床应用验证 | 评估YOLO系列算法在慢性伤口图像分割中的有效性 | 慢性伤口图像 | 计算机视觉 | 慢性伤口 | NA | 卷积神经网络 (CNN) | 图像 | 使用FUSeg和Wound Data两个数据库，具体样本数量未提及 | NA | YOLOv8, YOLO11, U-Net | IoU, Precision, Recall, Dice相似系数 (DSC) | NA |
| 396 | 2026-06-01 |
Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study
2026-03-09, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02268-5
PMID:41803747
|
研究论文 | 基于多期CT的深度学习影像组学列线图模型用于术前预测肾透明细胞癌WHO/ISUP分级的两中心验证研究 | 首次整合多期CT影像的影像组学特征、深度学习特征和临床变量构建列线图模型，用于无创术前预测ccRCC核分级，并进行了双中心大样本验证 | NA | 开发和验证一种基于多期CT影像的深度学习影像组学列线图模型，用于术前无创预测肾透明细胞癌的WHO/ISUP核分级 | 1499例经组织学确诊的肾透明细胞癌患者 | 数字病理学 | 肾透明细胞癌 | 多期CT成像 | 列线图模型融合影像组学、深度学习与临床特征 | CT影像与临床数据 | 1499例ccRCC患者（训练集929例，内部验证集398例，外部验证集172例） | NA | DenseNet201 | AUC | NA |
| 397 | 2026-06-01 |
Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology
2026-03, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70036
PMID:41205194
|
研究论文 | 本研究应用结合六种迁移学习架构的集成学习模型来检测积液细胞学中的恶性病变 | 这是首个在积液细胞学中应用六模型集成深度学习方法的创新研究 | NA | 开发用于积液细胞学恶性检测的集成学习模型 | 积液细胞学涂片的显微图像 | 数字病理学 | 积液细胞恶性病变 | 巴氏染色涂片显微摄影 | 集成学习模型（包含DenseNet121、Xception、ResNet50、MobileNetV2、InceptionV3和VGG16） | 图像 | 110例积液细胞学病例（59例良性，51例恶性），共755张代表性显微照片 | Jupyter Notebook | DenseNet121, Xception, ResNet50, MobileNetV2, InceptionV3, VGG16 | 灵敏度, 特异度, 准确率, 精确率, 阴性预测值, F1分数, AUROC | NA |
| 398 | 2026-06-01 |
Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review
2026-03, World journal of pediatrics : WJP
IF:6.1Q1
DOI:10.1007/s12519-025-00999-z
PMID:41593252
|
综述 | 对人工智能在儿童神经发育障碍诊断中的应用进行范围综述 | 系统总结了深度学习、监督机器学习、决策支持系统和生物信号分析等多种AI技术在儿科神经发育障碍诊断中的应用现状与效果 | 研究设计、人群和算法标准化存在差异，面临数据隐私与安全、可解释性、公平性与可及性、算法偏见等伦理问题 | 总结当前AI技术在提高儿科神经发育障碍诊断准确性方面的证据 | 儿童神经发育障碍的诊断技术 | 机器学习 | 儿童神经发育障碍 | NA | 深度学习, 监督机器学习 | 神经影像, 生物信号 | 22项研究 | NA | NA | 诊断准确率 | NA |
| 399 | 2026-06-01 |
Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease
2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0139
PMID:41535020
|
研究论文 | 结合短TR采集与深度学习重建的飞行时间磁共振血管成像技术，在烟雾病中实现扫描时间减半同时保持图像质量 | 提出STRA-TOF技术，首次将可变密度泊松圆盘采样与展开深度学习重建相结合，实现约50%扫描时间缩短并保持或改善图像质量 | 烟雾病患者样本量小（仅3例），缺乏大规模临床验证 | 开发并评估短TR采集时间飞行时间磁共振血管成像（STRA-TOF）在颅内血管可视化中的技术可行性和临床价值 | 颅内动脉血管的磁共振血管成像 | 计算机视觉 | 烟雾病 | 磁共振血管成像（MRA） | 深度学习 | 图像 | 10名健康志愿者和3名烟雾病患者 | TensorFlow, PyTorch, MONAI | 展开深度学习重建 | 信噪比（SNR）, 对比噪声比（CNR）, 图像质量评分（3点量表） | NA |
| 400 | 2026-06-01 |
Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI
2026-02-17, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02235-0
PMID:41703497
|
研究论文 | 提出一种基于先验信息的深度学习算法，用于膝关节定位以及膝骨关节炎的诊断与分级，数据来自OAI | 综合考了膝骨数据的先验信息，重新设计KOA评估流程，提出无锚点膝部概率计算网（AKPCNet）的膝关节感兴趣区域提取算法和基于注意力池化的低阶特征强化网络（APLFRNet），并引入注意力池化全局优化算法 | 未明确说明具体限制，但研究仅基于OAI数据集中的X光影像，可能存在数据来源单一和样本选择性偏倚 | 开发并评估一种基于深度学习的方法，实现膝关节全自动分割，并利用先验信息诊断和分级膝骨关节炎 | 膝骨关节炎患者的膝关节X光影像 | 计算机视觉 | 膝骨关节炎 | X光影像 | 深度学习模型 | 图像 | 35,000张膝关节X光片（前后位视图） | NA | AKPCNet, APLFRNet | ROC AUC, 平衡准确率, 准确率 | NA |