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 42799 篇文献，本页显示第 5701 - 5720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5701 | 2026-01-25 |
Advancements in radiation dose reduction for pediatric CT head Imaging: A scoping review of emerging Technologies, Protocols, and optimization strategies
2026-Mar, Technical innovations & patient support in radiation oncology
DOI:10.1016/j.tipsro.2026.100374
PMID:41567817
|
综述 | 本文是一篇范围综述，重点回顾了儿科头部CT成像中用于降低辐射剂量的先进技术、协议和优化策略 | 系统性地综述了人工智能驱动的深度学习图像重建（DLIR）算法在儿科超低剂量CT协议中的应用，相较于传统技术，能在降低辐射剂量的同时保持甚至提升诊断图像质量 | 作为一篇范围综述，其结论基于对现有文献的总结，而非原始研究数据，且纳入的文献数量有限（24篇），可能未涵盖所有相关技术 | 评估儿科头部CT成像中先进的辐射剂量降低技术、协议和优化策略，旨在实现最佳辐射剂量与诊断图像质量的平衡 | 儿科患者群体 | 数字病理 | NA | 计算机断层扫描（CT）、迭代重建（IR）、深度学习图像重建（DLIR） | 深度学习算法 | 医学影像（CT图像） | 基于24篇纳入文献的研究数据 | NA | NA | 辐射剂量参数、诊断图像质量 | NA |
| 5702 | 2026-01-25 |
SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices
2026-Feb-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2026.345075
PMID:41577417
|
研究论文 | 本研究提出了一种基于深度学习和智能手机的比率荧光传感器，用于现场检测环境污染物6PPD-Q | 结合硅量子点和钌配合物构建双发射比率荧光探针，并集成YOLOv5算法与3D打印便携设备，实现可视化实时检测 | 检测范围分为两个线性区间（0.0066-2 μg/mL和2-7 μg/mL），可能在实际应用中需要分段校准 | 开发快速、高响应、特异性的6PPD-Q现场检测方法 | 轮胎衍生的新兴污染物N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌（6PPD-Q） | 环境分析化学 | NA | 比率荧光传感，智能手机成像，3D打印设备制造 | 深度学习，目标检测 | 荧光图像，RGB数值 | NA | PyTorch | YOLOv5 | 检测限（LOD），线性关系 | 智能手机处理器，3D打印便携设备 |
| 5703 | 2026-01-25 |
Rapid MR examination with deep learning reconstruction improves diagnosis of complicated acute appendicitis
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112554
PMID:41289720
|
研究论文 | 本研究评估了采用深度学习重建的非对比快速磁共振成像协议在诊断急性阑尾炎并发症方面的性能 | 首次将深度学习重建技术应用于非对比快速MRI协议，以提高对复杂阑尾炎的诊断准确性 | 样本量较小（仅62名患者），且部分患者仅接受MRI检查，缺乏完全一致的比较组 | 评估深度学习重建在快速MRI中诊断复杂阑尾炎的效果 | 急性阑尾炎患者，包括孕妇 | 医学影像分析 | 急性阑尾炎 | 磁共振成像（T2加权、T1加权、扩散加权成像）、深度学习重建 | 深度学习模型 | 医学影像（MRI图像） | 62名患者，其中55名确诊急性阑尾炎 | NA | NA | 敏感性、阴性预测值、受试者工作特征分析、kappa统计 | NA |
| 5704 | 2026-01-25 |
Deep learning-reconstructed hepatobiliary MRI: Enhancing biliary delineation, lesion margin sharpness, and small lesion detection
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112574
PMID:41314015
|
研究论文 | 本研究评估了深度学习重建的T1加权VIBE序列在肝胆MRI中相对于传统VIBE序列在胆道可视化、病灶检测和伪影抑制方面的性能 | 首次将深度学习重建技术应用于肝胆MRI的T1加权VIBE序列，实现了更薄的1.5毫米层厚扫描，显著提升了三级胆管显示、病灶边缘锐利度和小病灶检测能力 | 纹理自然度略有降低，且研究为回顾性设计，样本量相对有限 | 评估深度学习重建的MRI序列在肝胆成像中的临床应用价值 | 疑似肝脏病变的患者及其MRI图像 | 医学影像分析 | 肝脏疾病 | 钆塞酸增强MRI，深度学习图像重建 | 深度学习模型 | MRI图像 | 94名患者，145个病灶 | NA | NA | 边缘上升距离，对比噪声比，检测率 | NA |
| 5705 | 2026-01-25 |
Personalized adrenal gland volume reference ranges and development of a fully automated deep learning screening tool
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112591
PMID:41352231
|
研究论文 | 本研究开发了一种基于低剂量CT的全自动深度学习工具，用于筛查肾上腺体积异常并建立个性化参考范围，以辅助诊断肾上腺疾病 | 首次基于低剂量CT开发了全自动深度学习工具，并建立了考虑年龄、性别、体表面积和血液标志物等个体化因素的肾上腺体积参考范围 | 研究仅基于低剂量非增强胸部CT数据，未包含其他影像模式；异常检测系统在肾上腺增生验证集中的检出率为77.09%，仍有提升空间 | 开发自动化肾上腺体积测量工具并建立个性化参考范围，以辅助肾上腺疾病的筛查和诊断 | 接受低剂量非增强胸部CT检查的成年人（≥18岁），包括健康参考组、高血压/糖尿病验证组和肾上腺异常验证组 | 数字病理学 | 肾上腺疾病 | 低剂量CT | 深度学习 | CT图像 | 训练集400张低剂量胸部CT图像，验证集550张图像；总研究人群18,538名成年人，其中健康参考组7,907人 | nnU-Net | nnU-Net | Dice相似系数, ICC | NA |
| 5706 | 2026-01-25 |
Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112606
PMID:41406589
|
研究论文 | 本研究评估了三种CT重建方法结合智能金属伪影减少技术在处理外周动静脉畸形线圈栓塞后CT血管造影图像质量方面的效果 | 首次比较了滤波反投影、自适应统计迭代重建和深度学习重建结合智能金属伪影减少技术在外周动静脉畸形栓塞后评估中的应用 | 单中心研究，样本量较小（30例患者），可能限制结果的普遍性 | 评估不同CT重建方法结合金属伪影减少技术对栓塞后动静脉畸形图像质量的改善效果 | 接受线圈栓塞治疗的外周动静脉畸形患者 | 医学影像 | 外周动静脉畸形 | 双能CT血管造影，虚拟单能成像 | 深度学习重建 | CT图像 | 30例患者 | NA | NA | 标准差，伪影指数，对比噪声比，主观评分 | NA |
| 5707 | 2026-01-25 |
The effect of spatial and intensity level augmentation of structural magnetic resonance images on autism diagnosis model
2026-Feb, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2026.104830
PMID:41499905
|
研究论文 | 本研究探讨了结构磁共振图像的空间和强度水平增强对自闭症诊断模型性能的影响 | 提出了结合空间和强度水平增强的数据增强方法，并发现特定增强技术（如随机噪声注入）能提升模型性能，而左右翻转则降低性能 | 未详细说明数据稀缺的具体原因或样本来源的局限性，且增强方法的泛化性可能受限于特定数据集 | 通过数据增强提高深度学习模型在自闭症诊断中的鲁棒性和泛化能力 | 结构磁共振图像 | 医学影像分析 | 自闭症 | 结构磁共振成像 | 深度学习模型 | 图像 | NA | NA | NA | AUC | NA |
| 5708 | 2026-01-25 |
Acceleration of chemical shift encoding-based water-fat imaging for pancreatic proton density fat fraction mapping in a single breath-hold: Data from the LION study
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112641
PMID:41499911
|
研究论文 | 本研究评估了使用压缩感知和深度学习辅助重建算法加速基于化学位移编码的胰腺质子密度脂肪分数成像技术，以实现单次屏气高分辨率脂肪定量 | 首次将深度学习辅助重建算法应用于加速的化学位移编码水脂分离成像，用于胰腺脂肪定量，提高了成像速度和图像质量 | 研究样本仅限于无糖尿病的肥胖成年人，且仅使用单一MRI设备，可能限制结果的普适性 | 开发并评估加速的胰腺脂肪定量成像技术，以用于肥胖和代谢疾病研究 | 71名无糖尿病的肥胖成年人的腹部MRI数据集 | 医学影像 | 代谢综合征 | 化学位移编码水脂分离成像，压缩感知，深度学习重建 | 深度学习辅助重建算法 | MRI图像 | 104个腹部MRI数据集，来自71名成年人 | NA | NA | 线性度（R2），组内相关系数，噪声水平 | 3T MRI设备（Philips Ingenia Elition X） |
| 5709 | 2026-01-25 |
Deep learning image reconstruction improves 40 keV virtual monoenergetic image quality in rectal cancer
2026-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112646
PMID:41520415
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）在直肠癌40 keV虚拟单能成像（VMI）中的图像质量和诊断性能 | 首次将DLIR应用于直肠癌40 keV VMI，并与ASIR-V重建方法进行比较，以改善低能量VMI的图像噪声和诊断性能 | 样本量较小（62例患者），且DLIR在诊断性能（如T分期）上的提升有限（AUC=0.592） | 评估DLIR对40 keV VMI图像质量的影响及其在评估直肠癌壁外静脉侵犯（EMVI）和T分期中的诊断性能 | 62例直肠腺癌患者 | 医学影像 | 直肠癌 | 双能计算机断层扫描（DECT）、虚拟单能成像（VMI）、深度学习图像重建（DLIR） | 深度学习模型 | CT图像 | 62例患者 | NA | NA | CT衰减值、图像噪声、对比噪声比（CNR）、信噪比（SNR）、边缘上升斜率（ERS）、噪声功率谱（NPS）曲线下面积、受试者工作特征曲线下面积（AUC） | NA |
| 5710 | 2026-01-25 |
Assessing greenspace and cardiovascular disease risk through deep learning analysis of street-view imagery in the US-based nationwide Nurses' Health Study
2026-Feb, Environmental epidemiology (Philadelphia, Pa.)
DOI:10.1097/EE9.0000000000000442
PMID:41567830
|
研究论文 | 本研究利用深度学习分析美国护士健康研究中的街景图像，评估特定绿化类型（如树木、草地）与心血管疾病风险之间的关联 | 首次在大规模前瞻性队列中，使用深度学习从街景图像中提取特定绿化类型（树木、草地等）的暴露数据，而非传统的卫星植被指数，减少了暴露分类错误并提高了政策相关性 | 研究仅针对美国女性护士群体，可能限制了结果的普适性；绿化暴露估计基于街景图像，可能无法完全捕捉私人庭院或室内绿化 | 评估街景绿化措施与心血管疾病发病率之间的关联 | 美国护士健康研究中的女性护士参与者 | 计算机视觉 | 心血管疾病 | 街景图像分析 | 深度学习模型 | 图像 | 88,788名参与者，基于3.5亿张街景图像 | NA | NA | 风险比, 置信区间 | NA |
| 5711 | 2026-01-25 |
Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease
2026-Jan-24, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01945-9
PMID:41579320
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5712 | 2026-01-25 |
Machine Learning Approach Enables Highly Accurate Identification of At-Risk Metabolic Dysfunction-Associated Steatohepatitis
2026-Jan-23, Hepatology research : the official journal of the Japan Society of Hepatology
IF:3.9Q1
DOI:10.1111/hepr.70125
PMID:41575840
|
研究论文 | 本研究开发了一种基于随机森林的机器学习模型，用于仅使用七个常规临床参数准确识别高危代谢功能障碍相关脂肪性肝炎 | 提出了一种无需肝脏硬度测量的简单机器学习模型，在识别高危MASH方面表现出高准确性，优于现有非侵入性方法 | 研究基于特定多中心队列，可能在不同人群或医疗环境中的普适性有限 | 开发一种无需肝脏硬度测量的机器学习模型，以准确识别高危代谢功能障碍相关脂肪性肝炎 | 884名经组织学确认的代谢功能障碍相关脂肪性肝病患者 | 机器学习 | 代谢功能障碍相关脂肪性肝炎 | 机器学习算法训练与验证 | 随机森林, 逻辑回归, 梯度提升, 支持向量机, 深度学习 | 临床参数（年龄、性别、BMI、血液学/生化参数、合并症） | 884名患者（80%用于推导，20%用于验证） | NA | 随机森林 | AUROC | NA |
| 5713 | 2026-01-25 |
TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers
2026-Jan-23, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2026.3657361
PMID:41576119
|
研究论文 | 本研究提出了一种名为TransSE的深度学习框架，结合卷积和循环神经网络与跨物种迁移学习，用于从基因组序列中区分超级增强子和典型增强子 | TransSE采用两阶段策略，先在人类和小鼠组合数据上进行预训练以学习保守调控特征，再进行物种特异性微调以捕获生物体特定模式，从而提高了预测准确性和跨物种泛化能力 | NA | 开发一种高精度且具有跨物种泛化能力的计算模型，用于从基因组序列中识别超级增强子 | 人类和小鼠的基因组序列数据 | 机器学习 | NA | 基因组序列分析 | CNN, RNN | 基因组序列 | NA | NA | NA | AUC | NA |
| 5714 | 2026-01-25 |
Expression of Concern: Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach
2026-Jan-23, JMIR formative research
IF:2.0Q4
DOI:10.2196/91833
PMID:41576282
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5715 | 2026-01-25 |
Enhancing knowledge graph recommendations through deep reinforcement learning
2026-Jan-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31109-8
PMID:41577729
|
研究论文 | 本文提出了一种基于知识图谱和深度强化学习的推荐框架RKGnet，旨在解决推荐系统中的冷启动和可解释性问题 | 结合知识图谱的结构优势与强化学习的自适应决策能力，动态迭代用户偏好并揭示用户的层次化潜在兴趣 | NA | 提高推荐系统的准确性和可解释性，解决冷启动问题 | 推荐系统中的用户和物品 | 机器学习 | NA | 深度强化学习 | 深度强化学习模型 | 知识图谱数据 | NA | NA | RKGnet | 准确性, 鲁棒性, 可解释性 | NA |
| 5716 | 2026-01-25 |
Hybrid deep learning framework MedFusionNet assists multilabel biomedical risk stratification from imaging and tabular data
2026-Jan-23, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01334-3
PMID:41577997
|
研究论文 | 提出一种结合单变量阈值与多变量建模的混合并行深度学习框架MedFusionNet，用于多标签医学图像分类和癌症风险分层 | 提出融合自注意力机制、密集连接和特征金字塔网络的混合并行架构，支持多模态数据融合，并引入单变量阈值预筛选特征以提升模型性能与可解释性 | 未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，且对计算资源需求未详细分析 | 开发一个鲁棒且可解释的多标签医学图像分类与癌症风险分层系统 | 医学图像（如胸部X光片）及对应的文本与临床元数据 | 计算机视觉 | 肺癌, 宫颈癌 | 深度学习 | CNN, 自注意力机制 | 图像, 文本, 表格数据 | 多个数据集（包括NIH ChestX-ray14和自定义宫颈癌数据集），具体样本数量未明确 | 未明确指定 | MedFusionNet（融合自注意力机制、密集连接、特征金字塔网络） | 准确率, 鲁棒性, 可解释性 | 未明确说明 |
| 5717 | 2026-01-25 |
Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning
2026-Jan-22, Light, science & applications
DOI:10.1038/s41377-026-02190-z
PMID:41565620
|
研究论文 | 本研究提出了一种结合太赫兹时域光谱与深度学习的化学成像系统，用于准确检测和识别隐藏的化学品与爆炸物 | 首次将太赫兹时域光谱与深度学习结合，实现像素级化学物质识别，并利用等离子体纳米天线阵列增强系统性能，在复杂环境下保持高分类准确率 | 未明确提及系统在极端环境或更广泛材料类型下的性能限制 | 开发一种非侵入式、远距离的化学与爆炸物检测技术，以应对全球安全挑战 | 隐藏的化学品和爆炸物，包括药物辅料和爆炸化合物 | 计算机视觉 | NA | 太赫兹时域光谱 | 深度神经网络 | 光谱数据 | 八种化学品 | NA | NA | 分类准确率 | NA |
| 5718 | 2026-01-25 |
Corrigendum to 'Predictions of Response in Non-small Cell Lung Cancer Patients Treated with Immune Checkpoint Inhibitors Using Clinical Data, Deep Learning, and Radiomics' [Acad Radiol 33 (2026) 236-254]
2026-Jan-22, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2026.01.012
PMID:41577514
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5719 | 2026-01-25 |
DynamicGT: A dynamic-aware geometric transformer model to predict protein-binding interfaces in flexible and disordered regions
2026-Jan-21, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101454
PMID:41435823
|
研究论文 | 本文提出了一种动态感知的几何Transformer模型（DynamicGT），用于预测蛋白质结合界面，特别是在无序和柔性区域 | 将构象动力学整合到协作图神经网络与几何Transformer中，通过动态调节核心与表面残基间的消息传递，增强了关键相互作用的检测 | 模型依赖于分子动力学模拟和AlphaFlow生成的构象数据，可能受限于数据质量和覆盖范围 | 提高蛋白质结合界面预测的准确性，特别是在无序和柔性区域 | 蛋白质-蛋白质相互作用，特别是无序、瞬态和未结合结构 | 机器学习 | NA | 分子动力学模拟，AlphaFlow生成的构象 | 图神经网络（GNN），Transformer | 蛋白质结构数据，分子动力学模拟数据 | 基于1毫秒分子动力学模拟数据集，并增强AlphaFlow生成的构象 | NA | 协作图神经网络（Co-GNN），几何Transformer（GT） | 预测准确性 | NA |
| 5720 | 2026-01-25 |
A zero-shot learning framework for chilli leaf disease detection, classification and severity estimation using contrastive image text representations
2026-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32959-y
PMID:41559188
|
研究论文 | 本文提出了一种零样本学习框架，用于辣椒叶病害的检测、分类和严重程度估计，利用对比图像文本表示方法 | 提出了一种零样本双编码器框架，结合Vision Transformer和RoBERTa语义编码器，能够识别未见过的病害类别并基于病变面积比估计其严重程度，无需重新训练模型 | 未明确说明框架在处理极端环境条件或高度变异病害模式时的泛化能力，且数据集可能未涵盖所有潜在病害类型 | 开发一个零样本学习框架，以自动检测、分类和估计辣椒叶病害的严重程度，解决传统方法对未见病害识别不足的问题 | 辣椒叶病害 | 计算机视觉 | 植物病害 | 对比图像文本表示学习 | Vision Transformer, RoBERTa | 图像 | 未明确指定，但使用了一个在不同环境条件下收集的辣椒叶数据集 | 未明确指定，可能基于PyTorch或TensorFlow | Vision Transformer, RoBERTa | 准确率, 精确率, 召回率 | 未明确指定 |