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 44210 篇文献，本页显示第 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2026-05-06 |
TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models
2026-Feb-17, bioRxiv : the preprint server for biology
DOI:10.64898/2026.02.15.706007
PMID:41756895
|
研究论文 | 提出了TITAN-BBB，一种利用表格、图像和文本特征并通过注意力机制结合的多模态深度学习架构，用于预测血脑屏障渗透性 | 首次将传统化学描述符与深度学习嵌入集成到多模态架构中，利用注意力机制融合表格、图像和文本特征，并构建了迄今最大的BBB渗透性数据集 | NA | 开发计算模型预测血脑屏障渗透性，替代资源密集且通量低的传统实验方法 | 血脑屏障渗透性预测 | 机器学习 | NA | NA | 多模态深度学习模型 | 表格数据、图像、文本 | 汇集多个文献来源，构建了目前最大的BBB渗透性数据集 | PyTorch | 注意力机制 | 平衡准确率、平均绝对误差 | NA |
| 802 | 2026-05-06 |
Deep learning-based system for automated staging of lower molar maturation
2026-02, Journal of the World federation of orthodontists
IF:2.6Q1
DOI:10.1016/j.ejwf.2025.08.004
PMID:41073252
|
研究论文 | 基于深度学习系统自动分级下颌磨牙成熟度的研究 | 首次使用四种卷积神经网络架构（Xception、ResNet、MobileNet和Inception）对下颌第二、第三磨牙成熟阶段进行自动分类，并利用Grad-CAM可视化模型注意力区域 | 研究为横断面设计，样本量有限（1805张图像），且仅针对下颌磨牙，可能不适用于其他牙齿或人群 | 评估自动分级牙齿成熟度系统在齿面正畸治疗规划中的辅助诊断价值 | 下颌第二磨牙和第三磨牙的成熟阶段 | 计算机视觉 | 无 | NX | 卷积神经网络（CNN） | 图像（分段全景X光片） | 1805张图像 | NA | Inception, ResNet, Xception, MobileNet | 准确率, 精确率, 召回率, F1分数, 科恩kappa系数 | NA |
| 803 | 2026-05-06 |
Deep Learning-Based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study
2026-01-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf220
PMID:41168671
|
研究论文 | 开发并验证一种基于深度学习的模型，用于超声图像中乳房植入物的分类 | 利用多机构大样本数据，结合Grad-CAM可解释性技术，自动化分类乳房植入物的制造商和纹理特征 | 模型依赖回顾性数据，且可能受限于超声图像质量和标注准确性 | 满足对可靠植入物识别方法的需求，改善临床工作流程和患者结果 | 乳房植入物 | 计算机视觉 | 乳房植入物相关疾病 | 超声成像 | 深度学习模型 | 图像 | 28712份乳房超声PNG文件，来自2580名患者的4136个植入物 | NA | NA | 平衡准确率 | NA |
| 804 | 2026-05-06 |
A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery
2026-01-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf238
PMID:41234118
|
综述 | 系统回顾人工智能在整容手术中的应用、挑战和未来发展方向 | 首次系统总结AI在整容手术全流程中的应用（术前预测、术中导航、术后监测），提出基于大语言模型工具的发展前景 | 多数研究处于早期阶段，外部验证有限，数据集异构，结果指标不一致，偏倚风险中等至严重 | 系统整理和评估人工智能在整容手术中的现有应用、面临的挑战及未来趋势 | AI、机器学习、深度学习、计算机视觉或大语言模型在美容或整容手术中的应用研究 | 计算机视觉, 自然语言处理, 机器学习 | 其他（整容手术相关） | NA | CNN, LSTM, GAN, 大语言模型 | 图像, 文本, 视频 | 38项研究（从3941篇记录中筛选） | NA | NA | 准确性, 精确率, 召回率, F1分数, AUC, Dice系数 | NA |
| 805 | 2026-05-06 |
A Deep Learning-Based Ensemble Model for Automated Nasolabial-Fold Severity Grading
2026-01-29, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf161
PMID:40798848
|
研究论文 | 提出并验证了一种基于深度学习的集成模型DeepFold，用于自动、客观地对鼻唇沟严重程度进行WSRS分级 | 首次将深度学习集成策略应用于鼻唇沟严重程度自动分级，通过多数投票法整合三个独立网络，提升了模型鲁棒性并降低了类不平衡的影响 | NA | 开发并验证一种基于WSRS的鼻唇沟严重程度自动分级模型，实现客观、可重复的临床评估 | 鼻唇沟（NLF）严重程度分级 | 计算机视觉 | 面部衰老 | NA | CNN | 图像 | 6718张面部图像（1718张临床门诊图像，5000张CelebA数据集图像） | PyTorch | ResNet-50, SeResNet-50 | 准确率, F1分数, 混淆矩阵 | NA |
| 806 | 2026-05-06 |
Deep Learning-Based Quality Control and Diagnosis of Bronchial Images
2026, Respiration; international review of thoracic diseases
DOI:10.1159/000548342
PMID:41308068
|
综述 | 系统分析深度学习技术在支气管镜图像质量控制与诊断分析中的应用潜力 | 探索人工智能提升支气管镜图像质量控制和诊断分析的应用前景 | 模型泛化能力有限，需多中心临床验证优化鲁棒性 | 增强支气管镜图像的质量控制与诊断效率 | 支气管镜图像 | 计算机视觉 | 肺部疾病 | NA | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 807 | 2026-05-06 |
Predicting Intracranial Pressure Levels: A Deep Learning Approach Using Computed Tomography Brain Scans
2026-Jan-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003661
PMID:40719476
|
研究论文 | 提出使用深度学习模型从CT脑扫描预测颅内压水平的方法 | 将人口统计学数据和格拉斯哥昏迷量表评分作为CT扫描的额外通道进行模型训练 | 需要进一步验证结果并提高临床适用性 | 开发非侵入性颅内压评估方法 | 颅内压水平 | 深度学习 | 颅内压升高 | CT扫描 | CNN | 图像 | 578对CT脑扫描及相关数据 | NA | 四种不同的深度学习模型 | AUC, 召回率 | NA |
| 808 | 2026-05-06 |
Automated counting of prostate cell types with image processing and machine learning
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340628
PMID:42081477
|
研究论文 | 提出了一种结合图像处理和深度学习的自动化系统，用于从手机拍摄的图像中计数前列腺癌细胞 | 创新性地使用普通手机摄像头获取图像，并通过结合卷积神经网络与选择性搜索算法的两阶段流水线，克服了移动图像中的变异性和无关内容，实现了高精度细胞计数 | 未提及具体局限性，但可能受限于手机图像质量和数据多样性 | 开发一种自动化的前列腺癌细胞计数软件系统，以提高传统手动计数的准确性和效率 | 前列腺癌细胞图像 | 计算机视觉, 机器学习 | 前列腺癌 | NA | 卷积神经网络 | 图像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 809 | 2026-05-06 |
Reducing annotation burden in medical imaging with ADGNET: A semi-supervised deep learning strategy
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348596
PMID:42081490
|
研究论文 | 提出ADGNET，一种半监督框架，通过共享特征表示联合优化图像重建与分类，用于阿尔茨海默病诊断 | 采用双任务设计，结合残差骨干网络与注意力调制实现动态特征选择，并利用焦点损失处理类别不平衡，从而从有限标注中有效学习特征 | NA | 减少医学影像标注负担，提高少样本情况下的诊断性能 | 阿尔茨海默病患者的MRI图像 | 数字病理学 | 阿尔茨海默病 | MRI成像 | 半监督深度学习框架 | 图像 | 两个公开数据集：KACD（2D，6400张图像）和ROAD（3D，532次扫描） | PyTorch | ResNet, Grad-CAM | 准确率, 精确率, 召回率, F1分数, AUC, Dice系数 | NA |
| 810 | 2026-05-06 |
ATF-MGIAM: Medically-guided interpretable attention mapping for robust pertussis cough sound recognition
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0348508
PMID:42081564
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 811 | 2026-05-06 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Nov-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2427161122
PMID:41187076
|
研究论文 | 提出名为PLACER的图神经网络，用于建模蛋白质与小分子相互作用的构象集合 | 采用全原子级描述而非残基级描述，利用图神经网络从部分损坏的输入结构恢复正确原子位置，实现快速随机生成构象集合，显著提升酶设计成功率与活性 | 依赖剑桥结构数据库与蛋白质数据银行训练数据，可能对全新或罕见分子系统泛化能力有限；未明确讨论计算资源需求 | 建模蛋白质与小分子相互作用的构象异质性，以理解自然系统并评估设计系统，尤其提升酶设计成功率 | 蛋白质-小分子相互作用系统的原子级构象集合 | 机器学习 | NA | 图神经网络 | 图神经网络 | 原子级结构数据 | 训练数据来自剑桥结构数据库与蛋白质数据银行 | NA | PLACER，自定义图神经网络 | 酶活性（kcat/Km）、设计成功率 | NA |
| 812 | 2026-05-06 |
Potential of artificial intelligence in the diagnosis and treatment of vertebral compression fractures: A 20-year bibliometric analysis (2004-2023)
2025-Oct-03, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044876
PMID:41054042
|
研究论文 | 通过文献计量学分析，总结了2004至2023年间人工智能在椎体压缩骨折诊断与治疗中的应用研究趋势和关键贡献者 | 首次对AI在VCF领域的应用进行20年文献计量分析，揭示了从传统手术向AI驱动诊断和机器人辅助干预的主题演变，并识别出2019年后深度学习作为最强引用突现主题 | 仅纳入Web of Science Core Collection的英文文献，可能存在语言和数据库偏差；未深入分析具体AI方法的性能或临床有效性 | 通过文献计量学分析绘制AI在VCF中的知识图谱，识别时间模式、研究热点和有影响力的贡献者，以指导未来研究方向 | 2004至2023年间发表的462篇关于AI应用于椎体压缩骨折的英文文献 | 自然语言处理, 文献计量学 | 椎体压缩骨折, 老年疾病 | 文献计量学分析 | NA | 文献元数据 | 462篇英文文章 | CiteSpace 6.2.R6 | NA | 发表趋势, 关键词突现, 中心性评分 | NA |
| 813 | 2026-05-06 |
Robust R-peak detection in noisy ECG using deep residual U-Net for enhanced cardiac rhythm analysis
2025-Oct-03, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044968
PMID:41054115
|
研究论文 | 提出了一种深度残差U-Net（ResU-Net）架构，用于在噪声心电图信号中稳健地检测R波，以增强心律分析 | 结合残差网络和U-Net架构的优点，引入跳跃连接、多尺度特征提取和注意力机制，提升了噪声条件下的特征学习和检测鲁棒性 | 未明确讨论模型的计算复杂度和实时性，且仅在公开数据库上进行验证，缺乏真实临床环境下的测试 | 开发一种能处理噪声和形态变异的心电图R波检测方法，为自动心律分析提供可靠基础 | 心电图信号中的R波峰值 | 机器学习 | 心律失常 | ECG信号处理 | 深度残差U-Net（ResU-Net） | 一维时间序列信号 | 使用MIT-BIH心律失常数据库、INCART数据库和QT数据库进行训练和评估 | PyTorch | ResNet, U-Net | 灵敏度, 阳性预测值, F1分数 | NA |
| 814 | 2026-05-06 |
Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis
2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.)
DOI:10.1016/j.eimce.2025.06.004
PMID:40754353
|
研究论文 | 基于AI的CT影像分析，探讨非危重型COVID-19肺炎患者糖皮质激素剂量的影响因素并构建预测模型 | 利用人工智能深度学习技术精确量化肺部CT影像中的病变面积，结合多变量逻辑回归分析糖皮质激素剂量与影像特征的关系，首次构建了基于CT特征的剂量预测模型 | 样本量较小，仅为单中心回顾性研究，需通过更大规模的前瞻性研究验证 | 确定非危重型COVID-19肺炎患者糖皮质激素的最佳剂量，分析影响因素并建立预测模型 | 非危重型COVID-19肺炎患者 | 数字病理学 | COVID-19肺炎 | CT影像 | 深度学习 | CT影像 | 273例非危重型COVID-19肺炎患者（最终分析243例，训练集168例，验证集75例） | NA | 用于分割肺部和病变区域的深度学习模型（具体架构未明确说明） | AUC | NA |
| 815 | 2026-05-06 |
Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning
2025-06-16, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf047
PMID:40173420
|
研究论文 | 利用自然语言处理和深度学习分析社交媒体上与隆胸假体疾病相关的讨论 | 首次使用一种在1.24亿条X帖子训练的自然语言处理模型（RoBERTa）分析社交媒体上关于隆胸假体疾病的患者认知和情感反应，并揭示了负面情绪和恐惧类帖子与假体取出率之间的强相关性 | 未提及 | 分析X平台上患者对隆胸假体疾病的认知和情感反应，并探讨社交媒体讨论对患者决策的影响 | 2014年至2023年间发布的提及隆胸假体的X帖子 | 自然语言处理, 机器学习 | 隆胸假体疾病 | 自然语言处理, 深度学习 | RoBERTa（鲁棒优化的双向编码器表示） | 文本 | 6099条X帖子 | PyTorch, TensorFlow | RoBERTa | 皮尔逊相关系数 | NA |
| 816 | 2026-05-06 |
CDSNet: An automated method for assessing growth stages from various anatomical regions in lateral cephalograms based on deep learning
2025-06, Journal of the World federation of orthodontists
IF:2.6Q1
DOI:10.1016/j.ejwf.2024.09.007
PMID:39578153
|
研究论文 | 提出CDSNet，一种基于深度学习的可解释模型，用于从头颅侧位片中评估生长阶段（特别是颈椎、牙列和额窦） | 首次整合颈椎、牙列和额窦多区域特征，利用可解释深度学习评估生长阶段，显著优于传统CVM方法 | 未提及 | 开发深度学习模型CDSNet，自动评估头颅侧位片中的生长阶段，以辅助正畸诊断 | 头颅侧位片和手腕骨X光片中的颈椎、牙列和额窦影像 | 数字病理学 | 正畸相关生长阶段评估 | 头颅侧位片成像 | 深度学习模型（CDSNet） | X光图像 | 来自接受正畸治疗患者的1732对头颅侧位片和手腕骨X光片 | NA | CDSNet（可解释深度网络） | 准确率、精确率、召回率、F1分数 | NA |
| 817 | 2026-05-06 |
SSA-sMLP: A venous thromboembolism risk prediction model using separable self-attention and spatial-shift multilayer perceptrons
2025-06, Thrombosis research
IF:3.7Q1
DOI:10.1016/j.thromres.2025.109334
PMID:40344789
|
研究论文 | 针对静脉血栓栓塞风险预测中多维特征集成不足的问题，提出一种结合可分离自注意力和改进空间移位多层感知器的深度学习模型SSA-sMLP | 首次将可分离自注意力与S-MLPv2模块集成，通过动态上下文向量和线性解耦策略实现跨维特征交互建模，利用无参移位操作和分裂注意力机制精确捕捉局部非线性关联 | 未明确讨论外部验证结果及模型在其他医疗场景的泛化能力 | 提升静脉血栓栓塞风险预测的准确性和鲁棒性，平衡计算效率与模型性能 | 医院113836份临床记录中的静脉血栓栓塞风险数据 | 机器学习 | 静脉血栓栓塞 | NA | 深度学习模型（SSA-sMLP） | 临床记录数据 | 113836份临床记录 | NA | 可分离自注意力模块、改进空间移位多层感知器（S-MLPv2） | 准确率（87.99%）、F1分数（65.9%） | NA |
| 818 | 2026-05-06 |
Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8566
PMID:39947682
|
研究论文 | 利用基于物理的合成MR图像和深度迁移学习减少回波平面成像中的伪影 | 提出一种基于物理的伪影合成方法生成逼真MR图像，并结合堆叠迁移学习策略训练GAN，以有效减少EPI中的多种伪影，同时保留对比度信息 | NA | 验证基于物理的合成图像和堆叠迁移学习在EPI伪影减少中的应用效果 | MR脑部图像及其伪影 | 计算机视觉 | 复发性胶质母细胞瘤 | MRI | 生成对抗网络 | 图像 | 1392名患者的4573个解剖MR序列，以及49名复发性胶质母细胞瘤患者的ADC图 | PyTorch | 改进的Pix2PixGAN架构，带有Attention-R2UNet生成器 | 均方误差、结构相似性指数、多尺度结构相似性指数、峰值信噪比、豪斯多夫距离 | NA |
| 819 | 2026-05-06 |
Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8544
PMID:39433334
|
research paper | 比较六种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，评估U-Mamba_Bot等模型在临床和研究中的应用潜力 | 首次系统比较CNN、CNN混合Transformer和Mamba架构在大量脑结构（122个）分割任务中的性能，并验证U-Mamba_Bot在精度和可靠性上的优势 | 数据集规模有限，未来需更大样本验证；模型在其他神经疾病中的适用性尚未探索 | 评估先进深度学习模型在脑MRI多结构分割中的效果，为临床和研究提供最有效工具 | 1510例T1加权脑MRI扫描，包括正常对照和阿尔茨海默病患者 | computer vision | 阿尔茨海默病 | MRI | CNN, Transformer, Mamba | image | 1510例T1加权脑MRI | NA | nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc | Dice相似系数, 95百分位豪斯多夫距离 | NA |
| 820 | 2026-05-06 |
Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8567
PMID:40147833
|
研究论文 | 采用深度学习方法加速颈髓MRI采集，评估其在退行性脊柱病变与脊髓病诊断中的图像质量与诊断效能 | 首次使用商用且独立于供应商的深度学习重建算法，前瞻性评估加速颈椎MRI在真实患者中的诊断性能，并与传统MRI对比 | NA | 比较传统颈椎MRI与基于深度学习重建的加速颈椎MRI在评估退行性脊柱疾病和脊髓病时的图像质量和诊断性能 | 50名患有退行性颈椎疾病或脊髓病的患者 | 机器学习 | 退行性脊柱疾病， 脊髓病 | MRI | 深度学习 | 图像 | 50名患者 | NA | 深度学习重建模型（未指定具体架构） | 信噪比（SNR）， 对比噪声比（CNR）， 整体图像质量5分制评分， 灵敏度， 特异度 | NA |