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 42905 篇文献，本页显示第 7321 - 7340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2026-01-07 |
DeepADR: multimodal prediction of adverse drug reaction frequency by integrating early-stage drug discovery information via Kolmogorov-Arnold networks
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf695
PMID:41481073
|
研究论文 | 本文介绍了一个名为DeepADR的多模态深度学习框架，用于整合早期药物发现信息，通过Kolmogorov-Arnold网络预测药物不良反应的发生和频率 | DeepADR通过整合化学结构、生物靶点图谱和基于大语言模型的药物不良反应术语语义表示，并利用Kolmogorov-Arnold网络融合异构数据，增强了多模态间复杂非线性关系的建模，提高了预测性能 | 未在摘要中明确提及 | 预测药物不良反应的发生和频率，以支持早期安全评估和候选药物优先排序 | 药物化合物及其相关的不良反应 | 机器学习 | NA | 多模态深度学习，大语言模型 | Kolmogorov-Arnold网络 | 化学结构数据，生物靶点数据，文本语义数据 | 未在摘要中明确提及 | 未在摘要中明确提及 | Kolmogorov-Arnold网络 | 未在摘要中明确提及 | 未在摘要中明确提及 |
| 7322 | 2026-01-07 |
Attention GhostUNet++: Enhanced Segmentation of Adipose Tissue and Liver in CT Images
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11254588
PMID:41337067
|
研究论文 | 本研究提出了一种名为Attention GhostUNet++的新型深度学习模型，用于从CT图像中自动精确分割腹部脂肪组织和肝脏 | 将通道、空间和深度注意力机制集成到Ghost UNet++的瓶颈结构中，以增强特征细化、上下文理解和计算效率 | 在边界细节分割方面存在微小局限 | 开发一种用于身体成分分析的自动化、精确的医学图像分割方法 | 腹部脂肪组织（包括皮下脂肪和内脏脂肪）以及肝脏 | 数字病理学 | 心血管疾病 | CT成像 | CNN | 图像 | 使用了AATTCT-IDS和LiTS两个公开数据集，具体样本数量未在摘要中说明 | NA | Ghost UNet++ | Dice系数 | NA |
| 7323 | 2026-01-07 |
Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification
2025-Jun-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.10.25328700
PMID:40585079
|
研究论文 | 本研究开发了一个基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿童肉瘤亚型 | 整合了多中心数据并进行图像协调，系统评估了多种CNN和ViT架构作为特征提取器，并引入了基于SAMPLER的轻量级、快速训练的分类器 | 研究依赖于特定的多中心数据集，可能未涵盖所有罕见亚型或外部验证中心的变异性 | 开发一个机器学习驱动的计算管道，以准确分类儿童肉瘤亚型，减少诊断障碍 | 儿童肉瘤的数字化组织学切片 | 数字病理学 | 儿童肉瘤 | 组织学成像，全切片图像数字化 | CNN, ViT | 图像 | 867张全切片图像，来自三个医疗中心和儿童肿瘤学组 | NA | UNI, CONCH | AUC | NA |
| 7324 | 2026-01-07 |
Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters
2025-Apr-17, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.16.25325947
PMID:40321262
|
研究论文 | 本研究提出首个用于妊娠期宫颈3D T2加权图像的自动化多层分割和生物测量深度学习流程 | 首次开发了针对妊娠期宫颈MRI的自动化深度学习分割与生物测量方法，并构建了公开可用的3D群体平均图谱 | 仅评估了20个数据集，样本量相对较小，且未明确说明模型在异常病例或不同扫描参数下的泛化能力 | 开发自动化方法以改进妊娠期宫颈MRI测量，减少人工干预并提高分析效率 | 妊娠期宫颈的3D T2加权MRI图像 | 数字病理学 | 妊娠相关疾病 | 3D T2加权MRI | 深度学习 | 3D MRI图像 | 20个数据集用于评估，270个正常足月病例用于分析 | NA | NA | 与手动测量比较的性能评估 | NA |
| 7325 | 2026-01-07 |
A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93473-9
PMID:40133346
|
研究论文 | 本文提出了一种多层深度自编码器方法，用于跨层物联网攻击检测 | 引入多层深度自编码器，利用其分层简化能力提取全局和局部特征的潜在表示，并集成RNN、GNN和TCN等深度学习算法以增强检测能力 | NA | 解决物联网网络安全中特征表示、可扩展性和灵活性需求，提升跨层攻击检测效果 | 物联网网络中的跨层攻击，如网络层的中间人攻击和传输层的分布式拒绝服务攻击 | 机器学习 | NA | 深度学习算法 | 自编码器, RNN, GNN, TCN | 网络数据 | 使用基准数据集和真实场景进行广泛模拟 | NA | 多层深度自编码器 | 检测准确率, 误报率 | NA |
| 7326 | 2026-01-07 |
Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses
2025-Feb-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56784-z
PMID:39915478
|
研究论文 | 本研究开发了基于术前多期CT图像的深度学习模型，用于预测肾肿块恶性和侵袭性病理特征 | 首次使用多期卷积神经网络从CT图像中预测肾肿块的恶性和侵袭性，其性能超越了资深放射科医生、放射组学模型及肾测量评分列线图 | 研究仅基于单一机构的回顾性和前瞻性数据，未在外部验证集上进行测试，且样本量相对有限 | 改善肾肿块的诊断，区分良性肿块与侵袭性癌症，以优化治疗决策 | 肾肿块患者及其术前CT图像 | 计算机视觉 | 肾癌 | 计算机断层扫描（CT） | CNN | 图像 | 4557名患者的13261个术前CT体积 | NA | 多期卷积神经网络 | AUC | NA |
| 7327 | 2026-01-07 |
AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions
2025, Acta haematologica
IF:1.7Q3
DOI:10.1159/000546303
PMID:40349705
|
综述 | 本文综述了人工智能在输血医学中的应用、机遇、挑战及未来方向 | 系统性地探索了AI工具（包括机器学习、深度学习、自然语言处理和预测分析）在输血医学多个领域的整合潜力 | 当前应用大多处于探索性阶段，且面临临床工作流变异性、算法透明度、公平获取以及数据隐私与偏见等伦理挑战 | 探讨人工智能在输血医学中的整合应用，以应对长期存在的挑战并推动精准医学发展 | 输血医学的多个领域，包括供者管理、血液产品质量优化、输血需求预测和出血风险评估等 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理, 预测分析 | NA | NA | NA | NA | NA | NA | NA |
| 7328 | 2026-01-07 |
FastKAN-DDD: A novel fast Kolmogorov-Arnold network-based approach for driver drowsiness detection optimized for TinyML deployment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332577
PMID:41191636
|
研究论文 | 本文提出了一种基于快速Kolmogorov-Arnold网络的新型驾驶员疲劳检测模型FastKAN-DDD，并针对TinyML部署进行了优化 | 首次将FastKAN架构应用于驾驶员疲劳检测领域，结合可学习的径向基函数非线性激活函数，并通过后训练量化技术实现了极低的计算开销和内存占用 | 研究仅使用了UTA-RLDD单一数据集进行验证，未在更广泛的实际驾驶场景中进行测试 | 开发适用于资源受限嵌入式系统的轻量级、可解释、高性能驾驶员疲劳检测模型 | 驾驶员疲劳状态检测 | 机器学习 | NA | 后训练量化（动态范围、float-16、仅权重量化） | FastKAN（快速Kolmogorov-Arnold网络） | 图像数据（来自UTA-RLDD数据集） | UTA-RLDD数据集（具体样本数量未在摘要中说明） | NA | FastKAN（基于径向基函数的可学习激活函数） | 准确率, 推理延迟, 内存占用 | 微控制器系统（TinyML部署环境） |
| 7329 | 2026-01-07 |
Revolutionizing healthcare: a comparative insight into deep learning's role in medical imaging
2024-12-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71358-7
PMID:39632902
|
研究论文 | 本文系统探讨了深度学习在医学影像中的应用，特别关注阿尔茨海默病MRI分类，并提出了一个结合云计算的创新框架 | 设计了一个包含输入层、基于云的预处理与模型执行层以及诊断层的新框架，并系统分析了不同深度学习模型在特定疾病数据集上的性能 | 未详细讨论其他疾病特定的数据集，且集成模型表现较差 | 比较深度学习模型在医学影像分析中的角色，特别针对阿尔茨海默病的MRI分类 | 阿尔茨海默病的MRI扫描图像 | 计算机视觉 | 阿尔茨海默病 | 磁共振成像 | CNN, VGG-16, 集成模型 | 图像 | NA | NA | CNN, VGG-16 | 测试准确率 | 云计算 |
| 7330 | 2026-01-07 |
A novel optimization-driven deep learning framework for the detection of DDoS attacks
2024-Nov-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77554-9
PMID:39543174
|
研究论文 | 本文提出了一种基于优化驱动深度学习框架的DDoS攻击检测方法 | 结合条件生成对抗网络进行数据平衡，并采用堆叠稀疏去噪自编码器与萤火虫-黑寡妇混合优化算法进行攻击分类 | 仅使用单一数据集进行验证，未在更广泛网络环境中测试 | 开发高效的入侵检测系统以识别DDoS攻击 | 云计算或网络环境中的DDoS攻击流量 | 机器学习 | NA | 深度学习 | CGAN, SSDAE | 网络流量数据 | CICDDoS2019数据集 | NA | 条件生成对抗网络, 堆叠稀疏去噪自编码器 | 准确率 | NA |
| 7331 | 2026-01-06 |
Deep learning diagnosis model of spinal tuberculosis based on CT bone window gradient attention mechanism: multi-center study
2026-Dec, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2025.2599329
PMID:41459642
|
研究论文 | 本研究基于CT骨窗图像开发了一种深度学习模型，旨在提高脊柱结核的早期诊断准确性 | 结合CT骨窗梯度注意力机制，改进了ResNet50网络，构建了端到端的深度学习诊断模型，专注于提取骨小梁微骨折和钙化轮廓梯度等特征 | NA | 提高脊柱结核的早期诊断准确性 | 脊柱结核患者 | 计算机视觉 | 脊柱结核 | CT成像 | CNN | 图像 | 1027例多中心回顾性数据 | NA | U-Net, ResNet50 | AUC, 准确率, 灵敏度 | NA |
| 7332 | 2026-01-06 |
Functional near-infrared spectroscopy-based computer-aided diagnosis of major depressive disorder using explainable artificial intelligence: Comparison with conventional machine learning
2026-Mar-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.120985
PMID:41422962
|
研究论文 | 本研究开发了一种基于可解释人工智能的功能性近红外光谱计算机辅助诊断模型，用于识别重度抑郁症患者与健康对照者之间的脑半球间不对称性差异 | 首次将可解释人工智能技术（如层相关传播）应用于功能性近红外光谱数据，以可视化深度学习模型的决策过程，并揭示重度抑郁症患者脑功能不对称性的关键特征 | 样本量相对较小（共116名参与者），且仅基于单一言语流畅性任务的数据，可能限制了模型的泛化能力 | 开发并验证一种基于功能性近红外光谱和可解释人工智能的重度抑郁症计算机辅助诊断方法 | 48名重度抑郁症患者和68名健康对照者 | 机器学习 | 重度抑郁症 | 功能性近红外光谱 | CNN | 光谱数据 | 116名参与者（48名患者，68名健康对照） | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性 | NA |
| 7333 | 2026-01-06 |
Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study
2026-Feb-01, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109161
PMID:41252869
|
研究论文 | 本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了一个深度学习放射组学列线图来预测患者总生存期 | 首次结合3D自动分割模型与深度学习放射组学列线图，用于小细胞肺癌患者的总生存期预测，实现了高精度的病灶分割和多中心验证的预测性能 | 临床因素的加入未显著提升深度学习放射组学列线图的预测效能，且研究为回顾性设计，可能存在选择偏倚 | 预测小细胞肺癌患者的总生存期，以支持个性化治疗 | 小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | 深度学习 | CT图像 | 1061名来自中国四家医院的小细胞肺癌患者 | nnU-Net | nnU-Net | Dice相似系数, 一致性指数, 净重分类改善, 综合判别改善 | NA |
| 7334 | 2026-01-06 |
A Novel Instance Segmentation Method for Real-Time Detection of Thyroid Nodules in Ultrasound Videos: A Multi-Center Study
2026-Feb, Ultrasound in medicine & biology
|
研究论文 | 本文提出了一种用于甲状腺超声视频中实时检测甲状腺结节的新型实例分割方法，通过多中心研究验证其性能 | 引入可变卷积网络增强结节纹理特征提取能力，提出双向Mamba模块提升视频数据的长程建模能力，结合Sobel边缘算子模块优化结节边界准确性，并定义了检测率指标以评估模型临床效率 | NA | 提高甲状腺超声视频中多结节实例分割的准确性和检测率 | 甲状腺超声视频中的多发性甲状腺结节 | 计算机视觉 | 甲状腺结节 | 超声成像 | 深度学习模型 | 超声视频 | 来自多家医院的验证集数据（具体样本数未明确说明） | NA | 可变卷积网络, 双向Mamba模块, Sobel边缘算子模块 | Dice系数, 检测率 | NA |
| 7335 | 2026-01-06 |
Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications
2026-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103320
PMID:41338039
|
综述 | 本文对人工智能在抑郁症诊断中的方法学与临床应用进行了系统性综述 | 全面梳理了AI驱动抑郁症诊断的最新进展，重点关注多模态数据融合与先进神经网络架构的应用潜力 | 存在数据集偏差、算法透明度不足、临床适用性有限等挑战 | 评估人工智能在抑郁症早期检测与分类领域的应用现状与发展方向 | 抑郁症诊断相关的人工智能系统 | 机器学习 | 抑郁症 | 机器学习、深度学习 | NA | 语言数据、行为数据、生理数据（来自社交媒体、临床访谈、语音记录、可穿戴设备） | NA | NA | 神经网络 | 诊断准确率 | NA |
| 7336 | 2026-01-06 |
[Artificial intelligence empowering sports medicine]
2026-Jan-06, Zhonghua yi xue za zhi
|
综述 | 本文综述了人工智能技术在运动医学多个领域的应用与最新进展 | 全面总结了AI在运动医学中从损伤预测、影像诊断到手术辅助、康复监测及患者教育的多领域深度整合应用 | NA | 回顾人工智能技术在运动医学领域的应用进展并展望未来发展趋势 | 运动医学领域的诊断、治疗、康复及患者教育流程 | 计算机视觉, 自然语言处理, 机器学习 | 运动损伤 | 深度学习, 机器学习, 计算机视觉, 大语言模型 | 深度学习模型, 机器学习模型, 大语言模型 | 影像数据, 文本数据 | NA | NA | NA | NA | NA |
| 7337 | 2026-01-06 |
Deliberate solitude for clinical reasoning
2026-Jan-06, Diagnosis (Berlin, Germany)
DOI:10.1515/dx-2025-0133
PMID:41489300
|
评论 | 本文探讨了在临床推理中，刻意独处如何可能通过精炼直觉、提高诊断准确性来支持专家表现，并借鉴了认知心理学、哲学和教育学的研究 | 将刻意独处的概念引入临床推理领域，提出其可能作为减少认知偏差、提升诊断准确性的新策略，这在医学教育中尚未被充分探索 | 目前缺乏具体实证研究支持，独处的具体机会和益处尚不确定，无法提出明确的行动方案 | 探讨刻意独处是否能够支持和提升临床推理的发展与表现 | 临床医生及其在临床推理中的思维过程 | 医学教育 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7338 | 2026-01-06 |
PGMNet: a polyp segmentation network based on bit-plane slicing and multi-scale adaptive fusion
2026-Jan-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae300a
PMID:41429053
|
研究论文 | 本文提出了一种基于位平面切片和多尺度自适应融合的息肉分割网络PGMNet，旨在提高结肠镜检查中息肉检测和分割的准确性 | PGMNet结合了PVTv2编码器、全局-局部交互关系模块（GLIRM）和多阶段特征聚合模块（MFAM），通过位平面切片机制抑制噪声，并利用门控机制高效聚合多尺度信息 | 未在摘要中明确提及 | 开发一种准确高效的息肉分割网络，以辅助结直肠癌的早期预防和治疗 | 结肠镜检查图像中的息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 五个公开可用的息肉数据集 | 未在摘要中明确提及 | PVTv2, GLIRM, MFAM | mDice, mIoU | 未在摘要中明确提及 |
| 7339 | 2026-01-06 |
Deep learning approach for critical exposure during division of the inferior mesenteric artery in colorectal surgery
2026-Jan-05, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-03121-7
PMID:41486401
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7340 | 2026-01-06 |
Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT
2026-Jan-05, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02152-2
PMID:41489766
|
研究论文 | 本研究开发了深度学习模型，用于99mTc-MAA SPECT图像的CT无衰减校正和基于蒙特卡洛的散射校正，旨在提高90Y-SIRT治疗规划和预治疗剂量学的定量准确性 | 采用改进的3D Swin UNETR架构，首次开发了用于SPECT图像衰减校正、散射校正及联合校正的深度学习模型，实现了无需CT数据的定量分析 | 研究基于222名患者数据，样本量相对有限；模型性能在联合校正任务中相对误差较高（16.45%）；未在更广泛临床环境中验证 | 提高90Y选择性内放射治疗（SIRT）中SPECT图像的定量准确性，以优化治疗规划和剂量学评估 | 222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者数据 | 医学影像分析 | 肝脏肿瘤（适用于SIRT治疗） | SPECT成像，蒙特卡洛散射校正，深度学习 | 深度学习模型 | 3D SPECT图像 | 222名患者 | PyTorch（基于Swin UNETR架构推断） | 改进的3D Swin UNETR | 平均误差（ME），相对误差（RE），Gamma分析通过率，平均绝对误差（MAE） | 未明确指定，但提及适用于缺乏充足计算资源进行蒙特卡洛模拟的临床环境 |