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 44944 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2026-05-30 |
Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study
2026-Apr-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45943-x
PMID:41936642
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 722 | 2026-05-30 |
Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis
2026-Apr-02, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07106-5
PMID:41922381
|
研究论文 | 在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析 | 利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90 | NA | 为乳腺癌组织病理学的AI模型提供高质量注释数据集 | 乳腺癌全切片图像中的恶性和非恶性区域 | 数字病理学 | 乳腺癌 | 全切片成像 | 对比-监督混合机器学习模型 | 图像 | 50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释 | NA | NA | F1分数 | NA |
| 723 | 2026-05-30 |
Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning?
2026-Apr, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02506-5
PMID:41670922
|
研究论文 | 评估深度学习在甲状腺超声TI-RADS分类中的实际学习曲线和准确性 | 首次在真实世界环境中评估AI对甲状腺结节TI-RADS分类的学习曲线，并展示多轮训练后的显著性能提升 | AI在复杂或异常病例（如自身免疫性甲状腺炎、异位胸腺、出血性囊肿）中仍无法替代经验丰富的临床医生 | 评估深度学习AI在甲状腺超声TI-RADS分类中的实际学习效果和临床应用价值 | 甲状腺结节患者的超声影像数据及其ACR TI-RADS分类 | 计算机视觉, 医学影像分析 | 甲状腺结节, 甲状腺疾病 | 3D超声影像 | 深度学习神经网络 | 超声图像 | 第一阶段110例患者（176个结节），第二阶段133例患者（228个结节） | NA | NA | 准确性（AI与医生分类一致率） | NA |
| 724 | 2026-05-30 |
Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging
2026-04, Prenatal diagnosis
IF:2.7Q2
DOI:10.1002/pd.70103
PMID:41761049
|
研究论文 | 评估基于深度学习的三维胎儿脑部分割方法在不同超声设备商数据集上的表现，并提出一种临床医生导向的视觉评估框架 | 引入临床医生导向的视觉评估框架作为Dice相似系数的补充，评估深度学习模型在不同超声设备商数据集上的跨设备稳健性 | 未提及具体限制 | 评估自动胎儿脑(亚)皮质分割方法在不同超声设备商数据集上的性能，并引入临床导向的视觉评估框架 | 141个胎儿（19至26+6孕周）的270个体积超声图像 | 数字病理学 | 无特定疾病 | 3D超声成像 | 深度学习模型 | 3D超声图像 | 270个体积（141个胎儿，孕周19-26+6） | NA | NA | Dice相似系数, 视觉分级（1-4级）, 观察者间一致性 | NA |
| 725 | 2026-05-30 |
An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70070-6
PMID:41922356
|
研究论文 | 介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果 | 提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本 | 未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析 | 开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作 | 基因转录调控机制及基因组功能元件注释 | 机器学习, 自然语言处理 | NA | 深度测序 | 深度学习模型 | DNA序列、转录活性数据 | NA | PyTorch | BioSeq2Seq | 准确率, 改善率 | NA |
| 726 | 2026-05-30 |
Manifold topological deep learning for biomedical data
2026-04-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-71392-1
PMID:41922355
|
research paper | 提出了一种流形拓扑深度学习框架，用于处理生物医学图像数据 | 首次将拓扑深度学习拓展到可微流形数据，结合Hodge理论与卷积神经网络 | 未明确提及局限性 | 开发适用于生物医学图像数据的流形拓扑深度学习方法 | 生物医学图像 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像 | 717,287张生物医学图像（来自11个二维和6个三维数据集） | NA | 卷积神经网络 | NA | NA |
| 727 | 2026-05-30 |
GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks
2026-Apr-01, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09957-5
PMID:41922495
|
研究论文 | 提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测 | 首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性 | 未说明具体限制 | 开发能适应多样化组学数据集、具实际可用性的药物反应预测模型 | 癌症细胞系的多组学数据及药物反应 | 机器学习 | 癌症 | 基因表达谱、多细胞组学平台 | 图卷积网络 (GCN) | 组学数据（RNA数据等） | 未说明具体样本量 | PyTorch | GCN | 预测未见药物性能、批次效应克服能力 | NA |
| 728 | 2026-05-30 |
Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance
2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2026.102712
PMID:41831720
|
研究论文 | 开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值 | 提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平 | 样本量有限（567名患者），且为单中心研究，可能需要更多外部验证 | 评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值 | 急性心肌梗死患者 | 数字病理学 | 心血管疾病 | 心脏磁共振（LGE CMR） | YOLOv8和nnU-Net | 图像 | 567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像 | PyTorch | YOLOv8, nnU-Net | Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数 | 未明确提及但对推理而言快速处理（每张图像0.05秒） |
| 729 | 2026-05-30 |
Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability
2026-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.09.016
PMID:40998241
|
研究论文 | 验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异 | 首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度 | 未提及具体限制 | 验证深度学习模型自动头部CT重建的图像质量和操作者变异 | 1,763例连续非增强头部CT检查中的自动和手动重建结果 | 机器学学习 | 无特定疾病 | 非增强头部CT | 深度学习基础模型 | 图像 | 1,763例非增强头部CT检查，其中100例用于模型验证 | NA | NA | 地标定位误差、旋转误差、中心误差、缩放误差 | NA |
| 730 | 2026-05-30 |
Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction
2026-03, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.11.024
PMID:41265766
|
研究论文 | 评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能 | 首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控 | 大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具 | 验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现 | 四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折） | 自然语言处理、计算机视觉 | 肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折 | 光子计数CT成像 | 大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型 | 文本（放射学报告） | 来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明 | PyTorch | Llama 3.3 | Fleiss κ系数 | NA |
| 731 | 2026-05-30 |
Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma
2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02679
PMID:41435207
|
研究论文 | 应用自动化人工智能影像平台整合淋巴结自动分割与结外侵犯预测，评估对咽癌患者风险分层的预后价值 | 首次将AI预测的结外侵犯淋巴结数量作为独立预后因子，并整合到现有风险分组系统中以改善分层效果 | NA | 评估自动AI预测的结外侵犯淋巴结数量对咽癌患者风险分层的预后价值 | 1,733名接受根治性放疗的咽癌患者的治疗前CT影像数据 | 计算机视觉 | 咽癌 | CT成像 | 深度学习 | 影像 | 1,733名咽癌患者 | NA | 深度学习自动分割模型，结外侵犯预测模型 | C指数，决策曲线分析，风险比 | NA |
| 732 | 2026-05-30 |
Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis
2026-01, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.08.028
PMID:40889566
|
系统综述与荟萃分析 | 评估人工智能模型预测肝细胞癌患者对经动脉化疗栓塞（TACE）治疗反应的性能 | 首次通过荟萃分析系统比较了手工影像组学（HCR）和深度学习（DL）模型在预测TACE疗效方面的性能，并评估了临床数据整合的影响 | 观察到研究中的异质性，表明需要进一步研究来验证模型的一致性和临床适用性 | 评估人工智能模型预测肝细胞癌患者接受TACE后治疗效果的预测性能 | 肝细胞癌（HCC）患者，接受经动脉化疗栓塞（TACE）治疗 | 机器学习 | 肝细胞癌 | 手工影像组学（HCR）、深度学习（DL） | 深度学习模型、手工影像组学模型 | 影像数据、临床数据 | 27项研究纳入综述，其中11项研究用于TACE治疗反应的整体荟萃分析 | NA | NA | 受试者工作特征曲线下面积（AUC） | NA |
| 733 | 2026-05-30 |
From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101144
PMID:41719779
|
系统综述与荟萃分析 | 对深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能与方法学质量进行系统评价和荟萃分析 | 首次采用QUADAS-2工具对DLBCL深度学习分割研究的偏倚风险进行全面评估，并基于随机效应模型计算了合并Dice相似系数 | 纳入研究间算法、研究设计和数据集存在异质性，单中心与多中心研究表现有差异，未来需更大且多样化的队列及改进报告标准 | 评估深度学习模型在PET/CT中自动分割DLBCL的性能与方法学质量 | 15项合格研究（11项定量合成，4项定性评估） | 计算机视觉 | 弥漫性大B细胞淋巴瘤 | PET/CT成像 | 深度学习模型 | 医学影像 | 15项研究（11项定量合成） | NA | NA | Dice相似系数 | NA |
| 734 | 2026-05-30 |
Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review
2026, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2026.101136
PMID:41740538
|
综述 | 该范围综述评估了多组学整合结合机器学习和深度学习方法在癌症知识发现中的应用效果 | 系统性总结了70项研究中多组学整合与ML/DL方法在癌症预测和分型中的应用，揭示了当前研究设计的多样性和知识缺口 | 纳入研究的设计和数据类型差异显著，难以进行跨研究比较，且缺乏标准化整合方法 | 评估多组学整合与ML/DL方法在癌症知识发现中的有效性，并识别关键主题和知识缺口 | 70项关于多组学整合和ML/DL应用的研究 | 机器学习 | 癌症 | 多组学（转录组学、基因组学、蛋白质组学等） | 机器学习、深度学习 | 多组学数据 | 70项研究 | NA | NA | NA | NA |
| 735 | 2026-05-30 |
An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning
2026, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2026.1752423
PMID:41816530
|
研究论文 | 基于多任务深度学习的青少年心理健康智能诊断系统，利用中国青少年的自发文本表达非侵入性预测共病抑郁和焦虑严重程度 | 采用中文优化BERT编码器与多任务学习架构联合预测共病抑郁和焦虑，通过双重特征融合和变分自编码器数据增强解决类别不平衡问题 | 未来需进行纵向验证、多模态整合及道德部署策略研究 | 开发一种文化敏感、可扩展的青少年心理健康筛查工具，替代传统自评量表 | 中国青少年自发文本表达与抑郁焦虑症状的关系 | 自然语言处理 | 青少年抑郁和焦虑 | 自然语言处理，变分自编码器数据增强 | 多任务深度学习 | 文本 | 约1275名青少年的文本回答，扩展测试集308个样本 | PyTorch，Jieba | 中文优化BERT编码器，自注意力机制，双重特征融合（池化[CLS]令牌和全局池化），多任务头 | 皮尔逊相关系数，AUC，F1分数，均方误差 | NA |
| 736 | 2026-05-30 |
Development and evaluation of AI model with deep learning for segmentation of extraocular muscles in thyroid eye disease
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349074
PMID:42189850
|
研究论文 | 开发并评估用于甲状腺眼病眼外肌分割的深度学习AI模型 | 首次开发用于甲状腺眼病眼外肌自动分割的AI模型，并分析了不同数据集大小对分割精度的影响 | 单中心回顾性研究，样本量较小，且仅使用MRI影像数据 | 开发并评估基于深度学习的AI模型用于甲状腺眼病患者眼外肌的自动分割 | 甲状腺眼病（TED）患者 | 计算机视觉, 数字病理 | 甲状腺眼病 | MRI | 深度学习模型 | 图像 | 52例甲状腺眼病患者 | NA | NA | Dice相似系数, 信号强度比 | NA |
| 737 | 2026-05-30 |
Enhancing products performance evaluation through hybrid DistilRoBERTa and BiGRU models
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348316
PMID:42189920
|
研究论文 | 通过结合DistilRoBERTa和双向门控循环单元的混合深度学习模型，对产品评论进行情感分析，提升产品性能评估 | 集成评价理论与混合深度学习方法，通过可解释人工智能的Shapley加法解释方法进行交叉验证，实现了对产品复杂性和可用性的综合评估 | 未提及 | 探索客户评论中产品复杂性的情感分析，提升产品性能评估的准确性和可解释性 | 亚马逊产品评论 | 自然语言处理 | NA | NA | 混合模型（DistilRoBERTa和双向门控循环单元） | 文本 | NA | PyTorch | DistilRoBERTa, 双向门控循环单元 | 准确率 | NA |
| 738 | 2026-05-30 |
Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0350051
PMID:42189894
|
更正 | 本文是对先前一篇关于利用混合深度学习框架检测短视频内容中网络霸凌的文章进行更正 | NA | NA | NA | NA | 自然语言处理 | NA | NA | 深度学习 | 视频 | NA | NA | 混合深度学习框架 | NA | NA |
| 739 | 2026-05-30 |
Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans
2025-Dec-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26365-7
PMID:41339367
|
研究论文 | 利用基础模型提取双时间点CT扫描中的时间变化特征，预测肺癌患者生存期 | 首次将基础模型应用于双时间点CT扫描，通过时间变化特征（欧氏距离、逐元素相减特征向量）提升非小细胞肺癌生存预测效果 | 样本量较小（仅102例），且为单中心回顾性研究，需进一步外部验证 | 验证双时间点CT扫描结合基础模型提取的时间变化特征在肺癌生存预测中的价值 | 接受放射治疗的NSCLC患者 | 医学影像分析 | 非小细胞肺癌 | 基础模型特征提取 | 随机森林、梯度提升生存模型 | CT影像 | 102例NSCLC患者，每例包含治疗前和治疗后CT扫描 | NA | 基础模型（未具体说明架构）、随机森林、梯度提升 | 生存预测性能（具体指标文中未明确给出） | NA |
| 740 | 2026-05-30 |
Mino-Bimaadiziwin and the Pursuit of Harmony
2025-11, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc
IF:7.7Q1
DOI:10.1177/10888683251345043
PMID:41017246
|
研究论文 | 从北美原住民Anishinaabeg视角探讨“美好生活”概念Mino-Bimaadiziwin及其七大美德教导，强调和谐而非幸福 | 提出心理学家应深度理解北美原住民关于幸福的本土世界观，避免文化挪用或殖民化，并通过故事工作呈现与西方观点不同的和谐导向理论 | NA | 引入Mino-Bimaadiziwin概念和七大祖父教导，拓展心理学对幸福的跨文化理解 | Anishinaabeg原住民（包括奥吉布韦、波塔瓦托米等第一民族）的幸福观和七大美德价值观 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |