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 43005 篇文献，本页显示第 5161 - 5180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5161 | 2026-02-06 |
Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models
2026-Feb-04, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04971-6
PMID:41636836
|
研究论文 | 提出了一种名为CapsuleSEDualNet的新型深度学习框架，用于实现稳健且可解释的多类别指甲疾病诊断 | 将胶囊网络头与SE注意力机制集成在结合MobileNetV2和DenseNet121的双主干架构中，SE块增强了特征区分能力，胶囊头保留了空间层次结构以提高可解释性 | 需要进一步的临床验证 | 实现自动化指甲疾病筛查，为早期和可及的皮肤病学评估提供关键临床解决方案 | 指甲疾病，包括真菌感染和恶性肿瘤 | 计算机视觉 | 皮肤病 | 深度学习 | Capsule Network, CNN | 图像 | NA | NA | CapsuleSEDualNet, MobileNetV2, DenseNet121 | 分类准确率 | NA |
| 5162 | 2026-02-06 |
Shaping the future of myopia: artificial intelligence for vitreoretinal complications of high and pathologic myopia
2026-Feb-04, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-07098-9
PMID:41636834
|
综述 | 本文综述了人工智能（特别是深度学习）在检测高度近视和病理性近视的玻璃体视网膜并发症（如视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变）方面的应用现状 | 系统总结了深度学习在多种眼科成像模态（如OCT、眼底摄影）中对近视相关视网膜病变的分类与分割任务的应用，并指出从CNN架构向Transformer骨干网络及预训练/基础模型的发展趋势 | 研究间存在病例定义、数据集和评估方法的显著异质性，外部验证报告不一致，且需进一步工作以实现临床转化，包括稳健的外部验证、临床决策校准和前瞻性评估 | 评估人工智能在检测近视相关视网膜并发症方面的潜力，以缓解近视流行带来的医疗系统压力 | 高度近视和病理性近视患者的视网膜并发症，包括视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变 | 数字病理学 | 近视 | OCT、眼底摄影、荧光素血管造影、超声检查 | 深度学习 | 图像 | NA | NA | CNN, Transformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 5163 | 2026-02-06 |
A new model based on multi-axis vision transformer for chondromalacia patella diagnosis in magnetic resonance scans
2026-Feb-04, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-026-01707-5
PMID:41637014
|
研究论文 | 本文提出了一种基于多轴视觉Transformer的深度学习架构，用于磁共振扫描中髌骨软骨软化症的诊断 | 首次将Multi-Axis Vision Transformer (MaxViT) 应用于髌骨软骨软化症的MRI图像分类，并与多种Transformer和CNN模型进行了对比 | 未提及模型在外部验证集上的泛化性能或临床部署的可行性 | 开发一种基于深度学习的准确诊断髌骨软骨软化症的方法 | 磁共振成像 (MRI) 扫描图像 | 计算机视觉 | 髌骨软骨软化症 | 磁共振成像 (MRI) | Transformer, CNN | 图像 | NA | NA | Multi-Axis Vision Transformer (MaxViT), Vision Transformer (ViT), Swin Transformer, GoogLeNet, ResNet18, MobileNetV2 | 准确率, 精确率, 召回率, F1分数 | NA |
| 5164 | 2026-02-06 |
3DFE-Net: Three-dimensional fusion enhancement network based on multi-attention mechanism for multi-modal magnetic resonance images
2026-Feb-04, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03499-4
PMID:41637028
|
研究论文 | 本文提出了一种基于多注意力机制的三维融合增强网络（3DFE-Net），用于多模态磁共振图像融合 | 首次提出基于深度学习的三维医学图像融合方法，设计了多感受野卷积块（MRFC）和多感受野瓶颈块（MRFB）替代传统卷积块，并构建了结合通道注意力、自注意力和空间注意力的多注意力融合模块 | NA | 解决深度学习在三维医学图像融合领域的空白，提升多模态磁共振图像的融合效果 | 多模态磁共振图像（MR-T1ce和MR-T2） | 计算机视觉 | 胶质瘤 | 磁共振成像 | CNN | 三维医学图像 | NA | NA | 3DFE-Net | 信息熵（EN）、互信息（MI）、标准差（SD）、二进制质量评估（Qabf）、视觉信息保真度（VIF） | NA |
| 5165 | 2026-02-06 |
Rapid, label-free cancer detection in fresh pancreatic tissue using deep learning and multispectral Mueller matrix polarimetry
2026-Feb-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3661029
PMID:41637699
|
研究论文 | 本研究提出了一种结合多光谱穆勒矩阵偏振测量和深度学习的方法，用于新鲜胰腺组织中快速、无标记的癌症检测 | 首次将多光谱穆勒矩阵偏振测量与深度学习结合，实现新鲜组织活检中像素级的癌症自动识别，无需染色或组织切片 | 研究主要针对胰腺导管腺癌，未涉及其他癌症类型；方法依赖于定制设备，可能限制广泛临床应用 | 开发一种快速、无标记的术中癌症检测方法，以替代传统冷冻切片评估 | 胰腺导管腺癌患者的新鲜组织活检样本 | 计算机视觉 | 胰腺癌 | 多光谱穆勒矩阵偏振测量 | 深度学习模型 | 偏振分辨的多光谱图像 | 来自胰腺导管腺癌患者的活检样本（具体数量未在摘要中说明） | NA | NA | 分类性能（与临床常规冷冻切片评估相当） | NA |
| 5166 | 2026-02-06 |
Robust Distance Estimation with Out-of-distribution Detection in Ophthalmic Surgery
2026-Feb-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2026.3661297
PMID:41637700
|
研究论文 | 本文提出了一种深度学习框架，用于在眼科手术中通过光学相干断层扫描（OCT）M扫描进行稳健的距离估计和分布外检测 | 结合自适应远程运动中心（RCM）视网膜建模和时间序列分析，有效检测和纠正分割错误，并估计距离及其置信水平 | NA | 提高眼科手术中器械到视网膜距离估计的准确性，以增强患者安全性 | 离体人眼 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描（OCT） | 深度学习 | 时间序列数据 | NA | NA | NA | 准确率, 平均绝对误差（MAE） | NA |
| 5167 | 2026-02-06 |
Forensic Transcriptomics: Research Progress of the Past Two Decades
2026-Feb-04, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzag007
PMID:41639008
|
综述 | 本文回顾了过去二十年法医转录组学的研究进展，重点介绍了从靶向mRNA分型到高通量测序及非编码RNA应用的技术演变及其在法医实践中的潜力 | 整合了文献计量学分析，系统梳理了法医转录组学在多个法医领域的新范式与最新进展，并强调了结合深度学习与多模态分析的前沿方向 | 面临标准化、样本采集与处理、伦理及证据解释等实践瓶颈 | 总结法医转录组学的研究进展，展望其在法医实践中的应用前景与挑战 | 法医生物样本的转录组学特征，包括mRNA与非编码RNA | 法医科学 | NA | 高通量测序、DNA微阵列、大规模并行测序 | 深度学习 | 转录组数据 | NA | NA | NA | NA | NA |
| 5168 | 2026-02-06 |
Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter study
2026-Feb-04, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12351-8
PMID:41639308
|
研究论文 | 本研究开发了一种基于双能CT的深度学习放射组学模型，用于预测颈动脉支架植入术后新发同侧缺血性病变 | 首次构建了结合临床-影像学特征、手工放射组学特征和深度学习特征的组合模型，并利用SHAP分析提高了模型的可解释性 | 研究为回顾性设计，样本量有限（336例），且仅基于双能CT图像 | 开发可解释的预测模型，以识别颈动脉支架植入术后新发同侧缺血性病变的高风险患者 | 颈动脉支架植入术患者 | 数字病理学 | 心血管疾病 | 双能CT成像 | 深度学习, 支持向量机 | 医学影像 | 336例患者（训练集135例，内部验证集58例，外部测试集143例） | Scikit-learn | NA | AUC | NA |
| 5169 | 2026-02-06 |
Comparison of Image Quality Reconstructed Using Iterative Reconstruction and Deep Learning Algorithms Under Varying Dose Reductions in Dual-Energy Carotid CT Angiography
2026-Feb-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01848-9
PMID:41639501
|
研究论文 | 本研究比较了在双能颈动脉CT血管成像中，使用迭代重建和深度学习算法在不同剂量降低下的图像质量 | 首次在双能颈动脉CTA中系统评估深度学习图像重建（DLIR-H）在低剂量和超低剂量协议下的性能，并与迭代重建（ASIR-V）进行对比 | 深度学习算法无法完全补偿当辐射和对比剂进一步减少时的图像质量下降 | 评估在降低辐射剂量和对比剂用量的情况下，深度学习图像重建算法在颈动脉CTA中维持图像质量的潜力 | 接受双能颈动脉CT血管成像的180名患者 | 医学影像 | 颈动脉疾病 | 双能CT血管成像 | 深度学习图像重建（DLIR-H） | CT图像 | 180名患者，分为对照组、低剂量组和超低剂量组 | NA | DLIR-H | CT值、噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表） | NA |
| 5170 | 2026-02-06 |
A Deep Learning Model to Detect Acute MCA Occlusion on High-Resolution Noncontrast Head CT
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8954
PMID:40780878
|
研究论文 | 本研究开发了一种深度学习模型，用于基于高分辨率非增强头部CT检测急性大脑中动脉闭塞 | 利用高分辨率非增强CT（NCCT）数据，通过3D深度学习模型进行逐体素血栓分割，以检测急性MCA闭塞，其准确性接近CTA，为资源有限环境下的卒中分诊提供了新工具 | 研究为回顾性设计，且性能在包含M2段闭塞时略有下降 | 评估深度学习模型使用高分辨率NCCT成像数据识别急性MCA闭塞的可行性和准确性 | 大脑中动脉（MCA）血栓 | 数字病理学 | 心血管疾病 | 高分辨率非增强CT（NCCT）， CT血管造影（CTA） | 3D深度学习模型 | 医学影像（CT图像） | 总计5659次连续检查（4648次用于训练和验证，1011次用于独立测试） | NA | NA | AUROC, 准确率, 灵敏度, 特异性 | NA |
| 5171 | 2026-02-06 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 本研究验证了一种集成回顾性运动校正的深度学习重建方法，用于3D T1加权脑部MRI，旨在改善认知障碍患者中的运动伪影问题 | 将回顾性运动校正机制整合到深度学习重建流程中，针对3D脑部MRI中的运动伪影进行校正，而传统深度学习方法主要关注提升信噪比 | 研究样本量相对较小（41名参与者），且仅在特定成像站点和时间内进行数据采集，可能限制结果的普遍适用性 | 验证一种集成运动校正的深度学习重建方法在3D T1加权脑部MRI中的效果，以改善运动伪影并提高图像质量 | 健康志愿者（控制运动队列）和因记忆丧失接受评估的患者（临床队列） | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，集成侦察加速运动估计与减少（SAMER）采集 | 深度学习 | 3D脑部MRI图像 | 41名参与者（15名女性，平均年龄58岁），共154个图像体积 | NA | NA | 分割误差，图像质量评分（5点Likert量表），组内相关系数 | NA |
| 5172 | 2026-02-06 |
Spine age derived from DXA vertebral fracture assessment images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry
2026-Feb-03, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research
IF:5.1Q1
DOI:10.1093/jbmr/zjaf194
PMID:41408721
|
研究论文 | 本研究利用深度学习从DXA椎体骨折评估图像中预测脊柱年龄，并探讨其与骨折和死亡风险的关联 | 首次通过深度学习从DXA VFA图像中估计脊柱年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折和死亡风险 | 研究基于特定人群（加拿大马尼托巴省），可能限制结果的普适性；随访时间平均3.9年，相对较短 | 评估基于深度学习的脊柱年龄预测在骨折和死亡风险预测中的独立价值 | 年龄≥50岁、接受DXA VFA检查的成年人 | 数字病理学 | 骨质疏松症 | DXA（双能X射线吸收法）椎体骨折评估 | CNN | 图像 | 训练集：韩国队列10,341人；测试集：加拿大马尼托巴省8,810人 | NA | 卷积神经网络 | 调整后风险比 | NA |
| 5173 | 2026-02-06 |
Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions
2026-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8992
PMID:41617400
|
研究论文 | 本研究前瞻性验证了深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列在评估颅内强化病灶中的诊断质量 | 首次在常规3D容积MRI应用中广泛验证深度学习重建方法，并采用两步法（变分网络启发与超分辨率算法）进行图像重建 | 研究仅针对颅内强化病灶，未涵盖其他类型病变；样本量相对有限（115例） | 评估深度学习加速3D T1-MPRAGE序列在颅内强化病灶诊断中的图像质量与临床适用性 | 接受增强脑部MRI检查的门诊患者（115例，含68名女性/47名男性） | 医学影像分析 | 颅内病变（含肿瘤、血管病变等） | 3T MRI系统扫描，对比增强T1-MPRAGE序列 | 深度学习重建方法（含变分网络与超分辨率算法） | 3D MRI图像 | 115例患者 | NA | 变分网络启发架构，超分辨率算法 | 非劣效性检验（15%边界），噪声感知、伪影、锐利度、整体诊断质量的统计学显著性（P值） | NA |
| 5174 | 2026-02-06 |
Multiplex live imaging approaches to interrogate the interplay of multiple signaling pathways
2026-Feb-03, Cell structure and function
IF:2.0Q4
DOI:10.1247/csf.25129
PMID:41638680
|
综述 | 本文综述了多重活体成像技术在同时可视化活细胞中多个信号通路方面的策略与应用，特别是在癌症生物学中揭示信号异质性和动态变化 | 整合了光谱多重、细胞内多重、细胞间多重和时间多重等多种成像策略，并结合计算方法和深度学习算法提升信号分离能力，实现对单细胞水平多信号通路的同时动态追踪 | 未具体说明实验验证的样本规模或临床转化中的实际限制，主要聚焦于技术综述而非实证研究 | 探讨多重活体成像技术在研究细胞信号网络动态交互中的应用，以理解癌症等疾病中的信号通路调控 | 活细胞中的信号通路，特别是癌症信号网络 | 生物成像与计算分析 | 癌症 | 多重活体成像、荧光生物传感器、光谱成像、荧光各向异性、荧光寿命成像、拉曼成像 | 深度学习算法 | 活细胞成像数据 | NA | NA | NA | NA | NA |
| 5175 | 2026-02-06 |
Multiple paths to recovery after the Permian-Triassic mass extinction
2026-Feb-02, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.11.065
PMID:41512851
|
研究论文 | 本研究使用基于深度学习的方法，结合定量分类多样性测量，分析了二叠纪-三叠纪大灭绝事件后三个幸存类群的形态和分类恢复模式 | 首次结合深度学习自动提取形态特征与定量分类多样性测量，揭示了大灭绝后生物恢复的两种主要路径：填补模式和扩张模式 | 研究聚焦于三个海洋无脊椎动物类群，可能无法完全代表所有幸存类群的恢复模式 | 探究大灭绝事件后幸存谱系如何重建多样性 | 菊石、腕足动物和介形虫三个在二叠纪-三叠纪大灭绝事件中经历选择性灭绝的类群 | 古生物学 | NA | 深度学习 | NA | 形态特征数据 | NA | NA | NA | NA | NA |
| 5176 | 2026-02-06 |
Cardiovascular measures from abdominal MRI provide insights into abdominal vessel genetic architecture
2026-Feb-02, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01242-6
PMID:41629584
|
研究论文 | 本研究利用深度学习从腹部MRI中分割心脏、主动脉和腔静脉，生成六个图像衍生表型，并探索其与疾病结果、遗传和环境因素的关联 | 首次从非特异性腹部MRI中提取心血管表型，并识别出72个遗传关联（其中15个为新发现），为心血管疾病风险筛查提供了新见解 | 研究基于UK Biobank队列，可能受人群特异性限制，且腹部MRI非专门心血管成像，可能影响测量精度 | 探索腹部MRI衍生心血管表型与疾病风险及遗传架构的关联 | 44,541名UK Biobank参与者的腹部MRI扫描 | 数字病理学 | 心血管疾病 | 腹部磁共振成像 | 深度学习 | 图像 | 44,541名参与者 | NA | NA | NA | NA |
| 5177 | 2026-02-06 |
A dedicated deep learning workflow for automatic Fasciola hepatica and Calicophoron daubneyi egg detection using the Kubic FLOTAC microscope
2026-Feb, International journal for parasitology
IF:3.7Q1
DOI:10.1016/j.ijpara.2025.08.007
PMID:40882888
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于识别Fasciola hepatica和Calicophoron daubneyi虫卵，通过Kubic FLOTAC显微镜优化诊断流程 | 结合FLOTAC/Mini-FLOTAC技术与人工智能预测模型，实现了高灵敏度、准确性和精度的自动化寄生虫卵检测，并针对两种寄生虫卵的区分进行了系统优化 | NA | 改进反刍动物寄生虫的粪便显微镜诊断方法，以控制其传播 | Fasciola hepatica和Calicophoron daubneyi这两种对反刍动物健康和经济有重大影响的吸虫 | 计算机视觉 | 寄生虫感染 | FLOTAC/Mini-FLOTAC技术 | 深度学习模型 | 图像 | 使用两个数据集：一个来自卵样加标样本和自然感染样本的模拟条件数据集，另一个来自经光学显微镜验证的田间样本数据集 | NA | NA | 平均绝对误差 | 集成AI服务器用于图像分析 |
| 5178 | 2026-02-06 |
PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist
2026-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.004
PMID:40892627
|
方法学论文 | 本文介绍了PRIME 2.0清单，这是一个用于标准化心血管影像人工智能应用开发、评估与报告的更新版领域特定框架 | 针对从传统机器学习向深度学习、大语言模型及多模态生成式AI的快速演进进行了更新，并纳入了心血管影像特有的复杂性考量 | NA | 为心血管影像领域的人工智能研究提供标准化评估与报告框架 | 心血管影像相关的人工智能应用 | 医学影像分析 | 心血管疾病 | NA | 深度学习, 大语言模型, 多模态生成式AI | 影像数据 | NA | NA | NA | NA | NA |
| 5179 | 2026-02-06 |
Time-Frequency Collaborative Learning for Imbalanced Ship Motion Data With Missing Labels in Sea State Estimation
2026-Feb, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3610416
PMID:40997001
|
研究论文 | 本文提出了一种名为BalanceSSE的新型半监督学习方法，用于处理类别不平衡且存在标签缺失的船舶运动数据，以进行海况估计 | 提出了一种结合动态插补、不平衡时频协同学习和聚类近邻分类器的集成方法，以同时解决船舶运动数据中的类别不平衡和标签缺失问题 | 未明确说明方法在极端数据缺失或极高类别不平衡情况下的鲁棒性，也未与其他领域的数据集进行广泛验证 | 开发一种能够有效处理类别不平衡和标签缺失数据的半监督学习方法，以提升海况估计的准确性 | 船舶运动数据 | 机器学习 | NA | 半监督学习，时间频率分析 | NA | 时间序列数据 | NA | NA | 动态插补模块，不平衡时频学习模块，ClusterProx分类器 | NA | NA |
| 5180 | 2026-02-06 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2026-Feb, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 本文提出了一种基于多光谱成像和YOLOv5的血细胞识别方法，通过融合五个波长的图像来提升细胞边界和结构的识别性能 | 利用多光谱成像替代传统的单波长显微图像，结合改进的YOLOv5模型，显著提高了血细胞（尤其是稀有白细胞）的识别精度 | 未明确说明样本来源、数据规模及模型在更广泛临床环境中的泛化能力 | 开发一种高精度的自动化血细胞识别方法，以辅助医学诊断 | 血细胞（红细胞、血小板、白细胞） | 计算机视觉 | NA | 多光谱成像 | YOLOv5 | 多光谱图像 | NA | NA | YOLOv5 | 识别精度 | NA |