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 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2026-04-01 |
Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review
2026-Mar-31, Asian cardiovascular & thoracic annals
DOI:10.1177/02184923261432687
PMID:41914776
|
综述 | 本文是一篇关于人工智能在体外循环技术中当前应用与未来方向的叙述性综述 | 系统性地概述了人工智能在体外循环技术（如CPB、ECMO、VADs）中的整合潜力，并探讨了其通过实时数据、预测算法和决策支持系统优化临床实践的创新方向 | 作为一篇叙述性综述，未进行原始数据收集或定量分析，主要基于现有文献的总结与展望 | 旨在全面介绍人工智能的基本概念、发展历程，并探讨其在体外循环技术领域的应用现状与未来整合方向 | 体外循环技术，包括心肺转流术（CPB）、体外膜肺氧合（ECMO）和心室辅助装置（VADs） | 医疗人工智能 | 心血管疾病 | NA | NA | 实时生理数据 | NA | NA | NA | NA | NA |
| 402 | 2026-04-01 |
Decoding chemical composition of urinary crystals from ultrasonic echo signals via deep learning
2026-Mar-31, Mikrochimica acta
DOI:10.1007/s00604-026-08019-1
PMID:41915224
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 403 | 2026-04-01 |
Source apportionment of pollution in the Tianjin Haihe river sluice based on the TCN-APCS-MLR model
2026-Mar-31, Environmental geochemistry and health
IF:3.2Q2
DOI:10.1007/s10653-026-03139-2
PMID:41915250
|
研究论文 | 本研究提出了一种结合TCN与APCS-MLR的模型，用于天津海河闸口污染源解析，以解决复杂流域中时间动态和非线性驱动机制带来的挑战 | 整合了时间卷积网络（TCN）与绝对主成分得分-多元线性回归（APCS-MLR），利用TCN的因果和膨胀卷积提取时间依赖性，增强了时间特征建模能力，同时保持了模型的可解释性 | 未明确讨论模型在其他流域或不同时间尺度下的泛化能力，以及可能的数据局限性 | 开发一种改进的污染源解析模型，以更准确、及时地追踪复杂流域中的污染来源 | 天津海河闸口的污染源 | 环境科学 | NA | 水质数据分析，主成分分析（PCA），多元线性回归（MLR） | TCN, APCS-MLR | 水质数据 | 2022年至2024年的每日水质数据 | NA | 时间卷积网络（TCN） | R值，RMSE，MAE，累积方差贡献率 | NA |
| 404 | 2026-04-01 |
Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study
2026-Mar-30, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2025-337938
PMID:41856522
|
研究论文 | 本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果 | 结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层 | 研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认 | 开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 单细胞RNA测序，对比增强CT成像 | 深度学习，传统影像组学 | 图像，转录组数据 | 1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人） | NA | 早期融合模型，晚期融合模型 | 生存分层，风险分层 | NA |
| 405 | 2026-04-01 |
Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study
2026-Mar-30, JMIR research protocols
IF:1.4Q3
DOI:10.2196/91239
PMID:41911013
|
研究论文 | 本研究旨在开发和验证基于移动成像和机器学习的模型，用于检测龋齿、封闭剂和氟斑病 | 首次将移动健康技术与计算机视觉、机器学习和深度学习结合，利用智能手机和低成本口内相机图像，在人群水平上同时检测龋齿、封闭剂和氟斑病严重程度 | 研究样本仅包括科罗拉多州约1000名青少年，且生活在公共供水系统氟化物水平自然升高的社区，可能限制结果的普遍性 | 开发并验证用于检测龋齿病变、识别封闭剂和量化氟斑病严重程度的模型，以支持公共卫生监测和个体化评估 | 美国科罗拉多州约1000名青少年，重点关注其恒磨牙（龋齿和封闭剂）和上颌前牙（氟斑病） | 计算机视觉 | 龋齿 | 智能手机相机成像、低成本口内相机成像 | 机器学习、深度学习 | 图像 | 约1000名青少年（截至2026年1月已收集约300名参与者的数据） | NA | 神经网络分类器 | 分层交叉验证、多类别性能指标 | NA |
| 406 | 2026-04-01 |
Development of a multimodal obstructive sleep apnea diagnostic prediction model using two-dimensional facial images and clinical data
2026-Mar-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3678664
PMID:41911139
|
研究论文 | 本研究开发了一种结合二维面部照片、头影测量X光片和临床数据的多模态人工智能模型，用于增强阻塞性睡眠呼吸暂停（OSA）的筛查 | 提出了一种新颖的多模态AI驱动OSA筛查方法，整合了面部图像和临床数据，显著优于单模态和双模态方法 | 研究未明确提及模型在更广泛人群或不同种族群体中的泛化能力，且对腹部周长较小患者的敏感性较低 | 开发一种多模态AI模型以增强阻塞性睡眠呼吸暂停（OSA）的筛查，促进早期诊断 | 710名接受多导睡眠图检查的患者，包括肥胖、老年和男性患者等亚组 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 多导睡眠图 | 深度学习模型 | 图像, 临床数据 | 710名患者 | NA | ShuffleNet-V2, 深度神经网络 | AUC, 敏感性, 特异性, 准确性, F1分数 | NA |
| 407 | 2026-04-01 |
Automatic Segmentation of Placenta from MR images Using a Novel BiGC U-Net
2026-Mar-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3678395
PMID:41911136
|
研究论文 | 本研究提出了一种名为BiGC U-Net的新型深度学习架构，用于从磁共振图像中自动分割胎盘 | 提出了结合双向门控卷积模块、分层正则化机制和创新数据增强策略的增强型U-Net架构 | 未明确说明模型在临床环境中的泛化能力或计算效率限制 | 开发自动分割胎盘磁共振图像的准确方法，以支持胎盘植入谱疾病的定量分析 | 胎盘磁共振图像 | 数字病理学 | 胎盘植入谱疾病 | 磁共振成像 | CNN | 图像 | 三个胎盘磁共振数据集：公开数据集、谢菲尔德教学医院数据集及组合数据集 | 未明确说明 | BiGC U-Net, U-Net, Attention U-Net, ResNet, UNet++, TransUNet, nnUNet, SSM-Mamba | Dice相似系数, 95百分位Hausdorff距离, 相对体积差异 | NA |
| 408 | 2026-04-01 |
Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction
2026-Mar-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3678266
PMID:41911134
|
研究论文 | 本文提出了一种结合分层学习和自适应特征选择的新框架ASHL-DTI，用于提升药物-靶点相互作用预测的准确性和泛化能力 | 提出ASHL-DTI框架，首次将分层学习与自适应Top-k特征选择机制相结合，以捕获多层次分子内关联并保留最具预测性的特征 | 未在摘要中明确说明 | 提高药物-靶点相互作用预测的准确性，以支持药物发现和再利用 | 药物-靶点相互作用对 | 机器学习 | NA | 深度学习 | 深度学习框架 | 分子关联数据 | 多个公共基准数据集（未指定具体数量） | NA | ASHL-DTI（自定义架构） | NA | NA |
| 409 | 2026-04-01 |
Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images
2026-Mar-30, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2026.3675381
PMID:41911145
|
研究论文 | 提出一种用于高分辨率遥感图像语义分割的语义提示与图卷积结构蒸馏框架 | 整合多模态特征增强与双路径知识蒸馏，设计了辅助空间特征提取模块和RGB表示模块进行特征去噪与对齐，并引入基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏 | NA | 解决高分辨率遥感图像语义分割中的模态异质性、细粒度对象结构和高计算成本等挑战 | 遥感图像（Vaihingen和Potsdam数据集） | 计算机视觉 | NA | NA | 深度学习模型 | 图像（RGB图像和归一化数字表面模型nDSM数据） | Vaihingen和Potsdam数据集 | NA | SPGSNet-S*（语义提示与图卷积结构蒸馏框架） | 参数量（8.89 M）、浮点运算量（2.29 G FLOPs） | NA |
| 410 | 2026-04-01 |
Examining the Use of Consumer Wearable Devices and Digital Tools for Stress Measurement in College Students: Scoping Review of Methods
2026-Mar-30, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/64144
PMID:41911361
|
综述 | 本文对2020年至2025年间发表的文献进行了范围综述，系统评估了在大学生群体中使用可穿戴设备和数字工具进行压力测量的方法、常用传感器、生理信号及机器学习或深度学习模型的应用现状 | 本综述创新性地聚焦于大学生这一特定人群，系统梳理了可穿戴设备在压力检测中的应用，并重点分析了传感器类型、生理信号、建模方法及方法学质量，而非仅关注算法性能，从而识别了限制现实世界部署的持续差距 | 纳入的研究中人口统计学报告不一致，样本量普遍较小且缺乏合理性论证，时间序列建模算法的应用有限，且多数研究依赖现有数据集（如仅包含15名参与者的Wearable Stress and Affect Detection数据集），数据多样性不足 | 系统回顾文献，以确定在大学生中使用可穿戴技术和数字工具进行压力测量的最佳实践和新兴趋势，并评估用于压力检测的传感器类型、数据集和机器学习方法的共性 | 大学生群体 | 数字健康 | 心理健康问题 | 数字表型分析，可穿戴传感器监测 | 机器学习，深度学习 | 生理信号数据（如皮肤电活动） | 综述共纳入134项研究，其中约80%使用现有数据集的研究依赖于仅包含15名参与者的Wearable Stress and Affect Detection数据集 | NA | 支持向量机 | NA | NA |
| 411 | 2026-04-01 |
An Introduction to AI for Clinicians: Tutorial
2026-Mar-30, Interactive journal of medical research
IF:1.9Q3
DOI:10.2196/85266
PMID:41911411
|
教程 | 本文是一篇面向临床医生的AI入门教程，旨在介绍人工智能的基本原理及其在医学中的应用 | 为临床医生提供结构化、循序渐进的AI学习框架，强调AI作为现代医学核心能力的重要性 | 作为入门教程，内容侧重于基础概念，未深入探讨具体技术细节或高级模型 | 教育临床医生理解AI的基本概念，以应对AI工具在医疗实践中的整合 | 临床医生，特别是缺乏AI正式教育但已接触AI工具的从业者 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 412 | 2026-04-01 |
A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study
2026-Mar-30, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/83743
PMID:41911549
|
研究论文 | 本研究提出了一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，旨在平衡精确特征提取与敏感数据保护 | 将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析自适应添加拉普拉斯噪声，实现了特征提取与隐私保护的协同优化 | 未整合病理图像和蛋白质组学数据，未来可扩展至癌症亚型分类和生物标志物发现 | 开发一个在隐私保护下平衡预测准确性与数据安全性的泛癌生存预测框架 | 泛癌及单癌生存预测，涉及临床数据、mRNA数据和microRNA表达数据 | 机器学习 | 癌症 | 多模态数据融合，差分隐私 | 深度学习 | 临床数据，mRNA数据，microRNA表达数据 | NA | NA | 基于多头注意力的双层特征融合框架 | 一致性指数（C-index），5折交叉验证 | NA |
| 413 | 2026-04-01 |
Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs
2026-Mar-30, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15096-5
PMID:41912727
|
研究论文 | 本文提出了一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库中的溶解氧浓度 | 该框架结合了数据驱动学习和物理知识，采用双通道设计，分别从历史多模态数据和基于物理的未来预测模型中学习，以增强对气候变化的适应性 | NA | 开发一个能够准确预测水库溶解氧浓度的长期预测模型，以支持及时且成本效益高的增氧干预措施 | 水库中的溶解氧浓度 | 机器学习 | NA | 多模态观测数据引擎 | LSTM | 多模态环境数据 | NA | NA | FOCAL MODE | RMSE | NA |
| 414 | 2026-04-01 |
A unified deep learning framework for cross-platform harmonization of multi-tracer PET quantification in neurodegenerative disease
2026-Mar-30, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-026-02570-0
PMID:41912831
|
研究论文 | 本文开发并验证了一个统一的深度学习框架，用于跨平台（PET-MRI与PET-CT）和多示踪剂条件下神经退行性疾病PET定量数据的标准化 | 首个统一的、解剖引导的深度学习框架，能够将多种示踪剂和扫描仪制造商的PET-MRI定量结果标准化至PET-CT标准，并实现零样本泛化到未见过的示踪剂 | 标准化后的淀粉样蛋白Centiloid差异（4.1）略高于PET-CT重测变异性 | 解决神经退行性疾病诊断和治疗监测中，PET-MRI与PET-CT定量结果因系统偏差而无法进行阈值转移和跨站点比较的问题 | 神经退行性疾病的PET成像数据 | 医学影像分析 | 神经退行性疾病 | PET成像（F-FDG、F-florbetaben、F-florzolotau、F-florbetapir、F-FP-CIT示踪剂） | 深度学习 | 医学影像（PET、MRI、CT） | 配对同日扫描N=70；多中心验证N=420（三个站点，四个供应商） | NA | 视觉Transformer自编码器 | 跨平台偏差减少百分比（>80%）、Centiloid差异、tau SUVR阈值对齐 | NA |
| 415 | 2026-04-01 |
Inverse treatment planning using deep learning-based organs at risk in radiotherapy for head and neck cancer: a prospective planning study
2026-Mar-30, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-026-02519-y
PMID:41912924
|
研究论文 | 本研究评估了在头颈癌放疗中，使用基于深度学习的危及器官自动分割进行逆向治疗计划的可行性和临床可接受性 | 首次前瞻性地将基于深度学习的危及器官自动分割应用于头颈癌放疗的逆向治疗计划中，并评估其临床可行性 | 单中心研究，样本量较小（25名患者），需要更大规模研究来验证结果并推进全自动化工作流程 | 评估基于深度学习的危及器官自动分割在头颈癌放疗逆向治疗计划中的临床可行性和效果 | 头颈鳞状细胞癌患者 | 数字病理学 | 头颈癌 | 放射治疗计划，深度学习自动分割 | 深度学习模型 | 医学影像数据 | 25名接受根治性或术后（化疗）放疗的头颈癌患者 | NA | NA | 剂量学参数（D95%, D98%, D2%, Dmean），临床可接受性评分 | NA |
| 416 | 2026-04-01 |
Attention-Driven Deep Learning for Hydrocephalus: Preliminary Benchmarking of Multiscale 3D Attention Against Conventional 3D CNN Models Using Ventricular Enlargement on CT
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01948-6
PMID:41912959
|
研究论文 | 本研究开发并比较了一种多尺度注意力3D卷积神经网络（MSA3DNet）与常规3D-CNN模型，用于基于脑室扩大的CT图像进行脑积水分类 | 首次将多尺度编码与注意力机制结合应用于3D CNN，以提升脑积水分类的敏感性和稳定性，同时保持特异性 | 样本量较小（仅98例儿科CT扫描），且为回顾性研究，可能限制模型的泛化能力 | 开发并评估一种基于深度学习的自动化3D CT图像分类方法，用于儿科脑积水的筛查 | 儿科头部CT扫描图像（0-15岁患者） | 计算机视觉 | 脑积水 | CT成像 | CNN | 3D图像 | 98例匿名儿科头部CT检查（48例脑积水，50例正常） | NA | MSA3DNet, 3D-CNN | 准确率, 敏感性, 特异性, F1分数, Matthews相关系数, AUC | NA |
| 417 | 2026-04-01 |
A Hybrid Multi-CNN Feature Fusion and LASSO Optimization Approach for High-Performance Breast Cancer Classification
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01939-7
PMID:41912956
|
研究论文 | 提出一种融合多个CNN特征并结合LASSO优化的混合方法，用于高性能乳腺癌分类 | 融合MobileNetV2、DenseNet121和InceptionV3三种CNN模型的互补特征，并采用LASSO进行特征选择，以增强表示能力和泛化性 | 仅在单一数据集（BUSI）上验证，未来需要在更大规模、多中心数据集上进行验证 | 开发准确、早期的乳腺癌检测方法以提高生存率 | 乳腺超声图像（BUSI数据集） | 计算机视觉 | 乳腺癌 | 深度学习、特征融合、特征选择 | CNN | 图像 | 780张乳腺超声图像 | NA | MobileNetV2, DenseNet121, InceptionV3 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 418 | 2026-04-01 |
Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01931-1
PMID:41912960
|
综述 | 本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述 | 提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势 | 当前研究普遍缺乏计算资源信息，且模型性能评估存在不足 | 综述深度学习在医学超声图像分割领域的研究进展与应用现状 | 医学超声图像 | 计算机视觉 | NA | 深度学习 | CNN, ViT, CNN/ViT混合模型, SAM | 图像 | NA | NA | U-Net | NA | NA |
| 419 | 2026-04-01 |
Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction
2026-Mar-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01949-5
PMID:41912962
|
研究论文 | 评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能 | 首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性 | 研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素 | 评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能 | 接受血管内主动脉修复术后进行对比增强CT扫描的患者 | 医学影像分析 | 心血管疾病 | 对比增强CT扫描，虚拟单色CT成像，深度学习图像重建 | 深度学习 | CT图像 | 71例患者，其中41例（58%）检测到内漏 | NA | TrueFidelity-H | AUC, 诊断置信度评分 | NA |
| 420 | 2026-04-01 |
Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study
2026-Mar-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-08165-1
PMID:41913156
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |