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 44618 篇文献，本页显示第 5561 - 5580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5561 | 2026-03-06 |
Research and implementation of intelligent clothing personalized customization system based on deep learning
2026-Mar-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40436-3
PMID:41781421
|
研究论文 | 本研究提出了一种基于深度学习的智能服装个性化定制系统，集成了身体测量、风格偏好学习、虚拟试穿和设计推荐等核心模块 | 提出了一种新颖的CNN-Transformer-GAN混合架构，专门针对个性化服装设计任务进行优化，在测量精度和可视化质量方面显著优于现有方法 | 未明确说明系统对不同体型、年龄和文化的适用性限制，也未讨论长期使用中的算法稳定性问题 | 开发一个智能化的服装个性化定制系统，通过人工智能技术提升服装定制效率和用户满意度 | 服装个性化定制系统及其用户 | 计算机视觉 | NA | 深度学习 | CNN, Transformer, GAN | 图像数据（身体测量）、用户偏好数据 | 120名参与者的单盲用户研究 + 250名用户的大规模部署测试 | 未明确指定（可能为PyTorch或TensorFlow） | CNN-Transformer-GAN混合架构 | 平均绝对误差（MAE）、准确率、响应时间、用户满意度评分 | NA |
| 5562 | 2026-03-06 |
Wire-form shape memory alloy actuators: modeling, design, and control
2026-Mar-03, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-026-01161-z
PMID:41771841
|
综述 | 本文对线状形状记忆合金（WF-SMA）驱动器进行了全面系统的评估，涵盖其建模方法、典型结构、控制策略及多领域前沿应用 | 系统性地整合了WF-SMA驱动器的建模、设计与控制，并提出了融合微纳制造、柔性电子与多功能材料的未来发展方向，以及集成建模-设计-控制框架与深度学习应用的新研究路径 | NA | 评估线状形状记忆合金驱动器的技术现状、挑战与未来发展方向 | 线状形状记忆合金驱动器 | 机器学习 | NA | 微纳制造技术，柔性电子技术 | 神经网络 | NA | NA | NA | NA | NA | NA |
| 5563 | 2026-03-06 |
A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan
2026-Mar-03, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2026.102207
PMID:41780085
|
综述 | 本文系统回顾了国际儿科CT诊断参考水平（DRLs）的证据，评估了约旦当前的辐射剂量实践，并提出了建立国家DRLs和优化成像协议的建议 | 首次针对约旦儿科CT的辐射剂量和图像质量进行范围综述，强调该国缺乏国家DRLs并提出了具体改进措施 | 研究基于文献综述，可能未涵盖所有地区的最新实践，且约旦本地数据有限 | 评估儿科CT辐射剂量实践，推动约旦建立国家诊断参考水平和安全成像协议 | 儿科患者CT扫描的辐射剂量和图像质量 | 医学影像 | NA | CT扫描，深度学习图像重建（DLIR） | NA | 文献数据，辐射剂量指标（如CTDIvol, DLP） | 28项研究 | NA | NA | 辐射剂量降低百分比（20-50%） | NA |
| 5564 | 2026-03-06 |
Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242950
PMID:40018794
|
研究论文 | 本研究旨在利用卷积神经网络模型，通过腹部X光片区分儿科患者的正常肠道气体分布、胃肠道扩张或梗阻，并进一步区分需要手术的梗阻与其他扩张或肠梗阻 | 首次针对儿科人群，利用CNN模型评估胃肠道梗阻的鉴别诊断，并区分需要手术的梗阻与其他扩张，填补了该领域在儿科应用中的空白 | 研究样本量相对有限（正常540例，手术纠正扩张298例，炎症/感染性扩张314例），且数据来源于单一机构，可能影响模型的泛化能力 | 开发一个高精度的深度学习决策支持系统，用于急诊科儿科胃肠道梗阻的快速鉴别诊断 | 儿科患者的腹部X光片，包括正常、手术纠正扩张和炎症/感染性扩张三类 | 计算机视觉 | 胃肠道疾病 | 腹部X光成像 | CNN | 图像 | 正常540例，手术纠正扩张298例，炎症/感染性扩张314例，总计1152例腹部X光片 | NA | ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge | 准确率 | NA |
| 5565 | 2026-03-06 |
Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer
2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253376
PMID:41140117
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，利用治疗前磁共振成像（MRI）预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 首次利用治疗前多序列MRI数据，通过残差卷积神经网络模型预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 研究为回顾性、双中心设计，样本量较小（43名患者，49个病灶），未来需要更大数据集和更多成像模态来提高模型的泛化性和临床适用性 | 开发AI模型以预测三阴性乳腺癌患者对新辅助化疗的治疗反应，辅助临床决策 | 三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 磁共振成像（MRI），包括T2加权、T1加权和扩散加权成像 | CNN | 图像 | 43名患者的49个病灶 | NA | 残差卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |
| 5566 | 2026-03-06 |
Single capture quantitative oblique back-illumination microscopy
2026-Mar-02, Npj imaging
DOI:10.1038/s44303-026-00147-w
PMID:41772037
|
研究论文 | 提出一种基于深度学习的单次捕获定量斜背照明显微镜技术，用于无标记、三维定量相位成像 | 通过深度学习模型从单次斜背照明捕获中准确重建相位信息，显著提升了成像速度并降低了系统复杂性 | 未明确说明深度学习模型在极端样本条件下的泛化能力或计算效率限制 | 开发一种高速、简化的定量相位成像技术，用于动态实时生物医学成像 | 任意厚度的生物样本（如小鼠大脑、人类手臂） | 计算显微成像 | NA | 定量斜背照明显微镜 | 深度学习模型 | 显微图像 | 多种生物样本（未明确具体数量） | NA | NA | 相位成像精度（与传统四捕获方法对比） | NA |
| 5567 | 2026-03-06 |
Evaluation of a Community-Based AI-Assisted Visual Impairment Screening Model for Performance, Operational Efficiency, Acceptability, Feasibility, and Costs: Protocol for a 2-Arm Pragmatic Randomized Controlled Trial
2026-Mar-02, JMIR research protocols
IF:1.4Q3
DOI:10.2196/74164
PMID:41773693
|
研究论文 | 本研究旨在通过一项双臂实用性随机对照试验，评估基于社区的AI辅助视力障碍筛查模型在转诊准确性、操作效率、可接受性、可行性和成本方面的表现 | 首次在真实世界环境中，通过随机对照试验直接比较AI辅助筛查路径与传统筛查路径，并综合评估其临床效用、可接受性、可行性和成本效益 | 研究结果尚未得出，目前仅提供了研究方案和初步招募数据，缺乏最终的性能比较和成本分析结果 | 评估AI辅助视力障碍筛查模型在真实社区环境中的性能、操作效率、可接受性、可行性和成本，并与传统筛查模型进行比较 | 新加坡50岁及以上、视力低于6/12的社区居民 | 数字病理学 | 视力障碍 | 视网膜成像 | 深度学习模型 | 视网膜图像 | 计划招募1000名参与者，截至2024年9月14日已招募487名 | NA | NA | 转诊准确性，操作效率，可接受性，可行性，成本，曲线下面积 | NA |
| 5568 | 2026-03-06 |
Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT
2026-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12010-4
PMID:40981991
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用单张非增强CT图像预测临床显著门静脉高压 | 首次提出基于单张非增强CT横断面图像的深度学习模型来预测CSPH，并比较了四个不同感兴趣区域图像以确定最适合检测CSPH的位置 | 研究样本量相对有限（421名患者），且为单中心回顾性研究，可能影响模型的泛化能力 | 建立预测临床显著门静脉高压的深度学习模型，并比较不同CT图像位置对预测性能的影响 | 慢性肝病患者 | 数字病理学 | 慢性肝病 | 非增强CT成像 | CNN | 图像 | 421名患者 | NA | 卷积神经网络与多层感知机分类器 | AUC, 敏感性, 特异性, Youden指数 | NA |
| 5569 | 2026-03-06 |
MRI-based habitat analysis for pathologic response prediction after neoadjuvant chemoradiotherapy in rectal cancer: a multicenter study
2026-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11997-0
PMID:40981989
|
研究论文 | 本研究通过MRI影像进行栖息地分析，预测直肠癌患者新辅助放化疗后的病理反应 | 结合深度学习自动分割、简单线性迭代聚类划分肿瘤亚区，并融合临床因素、影像组学特征及瘤内异质性特征构建预测模型 | 未在融合模型与瘤内异质性模型之间检测到显著性能差异 | 评估基于MRI的栖息地分析在预测直肠癌患者新辅助放化疗后病理反应中的价值 | 直肠癌患者 | 数字病理学 | 直肠癌 | MRI, 深度学习, 简单线性迭代聚类, 影像组学 | 深度学习模型 | MRI图像 | 1021名直肠癌患者，分为训练测试集（319例）、内部验证集（317例）及两个外部验证集（158例和227例） | NA | NA | AUC, Delong检验, 疾病无进展生存期 | NA |
| 5570 | 2026-03-06 |
Deep learning reconstruction for temporomandibular joint MRI: diagnostic interchangeability, image quality, and scan time reduction
2026-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12029-7
PMID:40996510
|
研究论文 | 本研究评估了深度学习重建的颞下颌关节磁共振成像在诊断可互换性、图像质量和扫描时间方面与传统MRI的对比 | 首次系统评估深度学习重建MRI在颞下颌关节成像中的诊断可互换性，并证明其能显著减少扫描时间同时提升图像质量 | 样本量相对有限（88名患者），且仅针对特定MRI序列（PDW和T2W FS）进行评估 | 评估深度学习重建MRI技术在颞下颌关节成像中的临床应用价值 | 疑似颞下颌关节紊乱患者的磁共振图像 | 医学影像分析 | 颞下颌关节紊乱 | 磁共振成像（MRI），深度学习图像重建 | 深度学习模型 | 医学影像（MRI图像） | 88名患者（平均年龄37±16岁，43名男性）的176个颞下颌关节 | NA | NA | 诊断一致性（95%置信区间），图像质量评分（5点量表），信噪比（SNR），对比噪声比（CNR） | NA |
| 5571 | 2026-03-06 |
Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.002
PMID:41206268
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析，评估了基于医学影像的AI模型在预测胸部肿瘤免疫微环境中PD-L1表达和CD8+ TILs方面的性能 | 首次对基于医学影像的AI模型在预测胸部肿瘤PD-L1表达和CD8+ TILs方面进行系统性综述与荟萃分析，并发现整合多模态影像和深度学习模型可提升预测性能 | 研究间存在显著的异质性（I² > 75%），限制了当前模型的普适性 | 评估AI驱动的医学影像在预测胸部肿瘤免疫微环境（特别是PD-L1表达和CD8+ TILs）方面的进展与性能 | 胸部肿瘤（Thoracic cancer） | 医学影像分析 | 胸部肿瘤 | 医学影像（如CT、MRI等）与人工智能整合分析 | 深度学习模型 | 医学影像 | 共纳入68项研究，其中25项符合荟萃分析条件 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 5572 | 2026-03-06 |
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
2026-Mar, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2025.3602262
PMID:41244311
|
研究论文 | 提出一种利用多模态PET-MR扫描数据生成受试者特异性伪PET图像，并基于此预训练个性化扩散模型以改进低计数PET图像重建的方法 | 通过图像配准在不同患者解剖结构间转换生成受试者特异性伪PET图像，保留MR扫描的解剖信息，从而预训练个性化扩散模型，在低计数数据下提升重建精度 | 未明确说明生成伪PET图像的具体配准算法细节，且实验仅基于[F]FDG数据集，未验证其他示踪剂的泛化能力 | 改进低计数PET图像重建的准确性与解剖特征保留能力 | 多受试者PET-MR扫描数据 | 医学影像重建 | NA | 图像配准，扩散模型 | 扩散模型 | PET图像，MR图像 | 模拟和真实[F]FDG数据集（未指定具体样本数量） | NA | NA | 重建准确性，解剖特征保留度，PET独特特征与PET/MR共有特征的重建权衡 | NA |
| 5573 | 2026-03-06 |
Advancing Stroke Diagnosis: A Comprehensive Review of Artificial Intelligence in Detecting Early Ischemic Changes on Noncontrast CT (NCCT)
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.015
PMID:41290431
|
综述 | 本文综述了人工智能（AI）在非增强CT（NCCT）上检测早期缺血性改变（EIC）以辅助急性缺血性卒中（AIS）诊断的最新应用 | 系统总结了AI在卒中诊断中的两大主要进展：自动计算ASPECTS评分和基于深度学习的EIC检测方法，并探讨了AI在辅助临床决策、优化工作流程方面的潜力 | 本文为综述性文章，未提出新的模型或方法，主要基于现有研究进行总结和讨论 | 探讨人工智能在急性缺血性卒中早期影像学诊断中的应用，以提升诊断的客观性、一致性和准确性 | 非增强CT（NCCT）图像中的早期缺血性改变（EIC） | 数字病理学 | 心血管疾病 | 非增强CT（NCCT） | 机器学习（ML），深度学习（DL） | 图像 | NA | NA | NA | NA | NA |
| 5574 | 2026-03-06 |
Enhancing Pediatric Fracture Detection: Multicenter Evaluation of a Deep Learning AI Model and Its Impact on Radiologist Performance
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.022
PMID:41320594
|
研究论文 | 本研究评估了一种基于深度学习的AI模型在检测儿童骨折方面的效能，并分析了AI辅助对放射科医生诊断表现的影响 | 首次在多中心、多读者研究中评估AI模型对儿童骨折检测的辅助效果，并量化了AI辅助对诊断准确性和效率的提升 | 研究为回顾性设计，样本量有限，且未评估AI模型在罕见骨折类型或复杂病例中的表现 | 评估深度学习AI模型在儿童骨折检测中的临床效用及其对放射科医生诊断性能的影响 | 儿童肌肉骨骼X光片 | 计算机视觉 | 儿童骨折 | X光成像 | 深度学习模型 | 图像 | 第一阶段3016张X光片，第二阶段189个病例 | 未明确提及 | 未明确提及 | 准确率, 灵敏度, 特异性 | 未明确提及 |
| 5575 | 2026-03-06 |
Enhancing digital pathology workflows: computational blur detection for H&E image quality control in preclinical toxicology
2026-Mar, Journal of histotechnology
IF:0.6Q4
DOI:10.1080/01478885.2025.2585615
PMID:41334851
|
研究论文 | 本研究介绍了一种名为MiQC的计算模型，用于检测和量化H&E染色全玻片图像中的失焦区域，以提升数字病理工作流程中的图像质量控制 | 结合局部二值模式和基于DeepFocus的深度学习算法，开发了生产化的计算模型MiQC，用于自动识别WSI中的模糊区域，并通过热图辅助技术人员审核，显著提高了审核效率和图像质量 | 未明确说明模型在极端或罕见病理样本上的泛化能力，以及可能存在的计算资源需求 | 提升临床前毒理学中数字病理工作流程的图像质量控制效率和可扩展性 | H&E染色的全玻片图像 | 数字病理 | NA | 数字成像，计算模型 | 深度学习，局部二值模式 | 图像 | NA | NA | DeepFocus | 扫描仪焦点评分，审核时间减少百分比，吞吐量提升倍数 | NA |
| 5576 | 2026-03-06 |
Deep Learning-Driven Innovations in Echocardiography: Taxonomy, Clinical Impact, Challenges, and Opportunities
2026-Mar, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-025-03944-3
PMID:41400904
|
综述 | 本文对深度学习在超声心动图领域的应用进行了全面分析，重点关注其临床影响、挑战和发展机遇 | 提供了深度学习在超声心动图领域的系统性分类和临床影响分析，并指出了未充分探索的挑战与潜在解决方案 | 作为综述文章，未提出新的实验或模型，主要基于现有文献进行分析 | 分析深度学习如何重塑超声心动图领域，并探讨其临床影响、挑战和未来机会 | 超声心动图数据及相关深度学习研究 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 5577 | 2025-12-22 |
Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications"
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.001
PMID:41421880
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5578 | 2025-12-25 |
Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.002
PMID:41436320
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5579 | 2026-03-06 |
Remodeling of non-coding RNA regulatory networks: Decoding the pathological mechanisms and new therapeutic paradigms of cardiovascular diseases
2026-Mar, Physics of life reviews
IF:13.7Q1
DOI:10.1016/j.plrev.2025.12.007
PMID:41447890
|
综述 | 本文系统总结了非编码RNA在心血管疾病中的表达谱和多层调控机制，并探讨了其作为生物标志物和治疗靶点的潜力 | 提出了一个跨尺度的分析框架，整合网络拓扑、竞争性内源RNA动态、外泌体运输时空梯度及能量/化学计量约束，以统一解释多种心血管疾病表型 | 基于非编码RNA的疗法在现实应用中面临递送效率低、功能冗余和微环境依赖性等挑战 | 解码非编码RNA调控网络在心血管疾病中的病理机制，并探索新的治疗范式 | 非编码RNA（如miRNA、lncRNA、circRNA、snoRNA）在心血管疾病中的作用 | 自然语言处理 | 心血管疾病 | 单细胞多组学、空间转录组学、CRISPR-dCas9系统、深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 5580 | 2026-03-06 |
Deep Learning Radiomics Based on Preoperational Ultrasound Images for Predicting Ipsilateral Ischemic Stroke in Patients with Carotid Artery Stenting: A Multicenter Study
2026-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.006
PMID:41455622
|
研究论文 | 本研究开发并验证了一个结合临床、影像组学和深度学习特征的集成模型，用于预测颈动脉支架植入术后长期同侧缺血性卒中风险 | 首次将临床特征、影像组学特征和深度学习特征整合到单一模型中，用于预测颈动脉支架植入术后的长期卒中风险，并在多中心数据上进行了验证 | 研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证集中有所下降；需要进一步的前瞻性研究验证其临床实用性 | 预测颈动脉支架植入术后患者发生长期同侧缺血性卒中的风险 | 接受颈动脉支架植入术的患者 | 数字病理学 | 心血管疾病 | 超声成像 | 深度学习, 随机生存森林 | 图像 | 802名患者（来自三个中心，2018-2024年） | NA | NA | C-index, Kaplan-Meier分析 | NA |