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 50051 篇文献，本页显示第 10601 - 10620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10601 | 2026-05-19 |
Multi-scale generative adversarial network: three-dimensional reconstruction of the scoliotic spine from biplanar X-rays
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-aw-2176
PMID:42147904
|
研究论文 | 提出一种多尺度生成对抗网络，从双平面X光片中三维重建脊柱侧弯的脊柱结构 | 引入残差密集编码器保留椎体细节、自适应跨视角融合模块整合正交投影、多尺度融合判别器确保结构一致性 | 研究未评估模型在其他脊柱畸形或非脊柱侧弯患者上的泛化能力，另外对真实临床数据性能略有下降但仍保持在5%以内 | 开发一种低辐射、高精度的深度学习框架，从正交X光片实现脊柱三维重建 | 青少年特发性脊柱侧弯（AIS）患者和正常脊柱个体 | 计算机视觉 | 青少年特发性脊柱侧弯 | 双平面X光成像 | 生成对抗网络 | 图像 | 1,087例正常脊柱（CTSpine1K）和138例AIS病例（Cobb角15°-85°），以及38例真实双平面X光病例 | PyTorch | 多尺度生成对抗网络（残差密集编码器、自适应跨视角融合模块、多尺度融合判别器） | 均方误差、峰值信噪比、结构相似性指数、Dice系数、矢状垂直轴、腰椎前凸角、胸椎后凸角 | NA |
| 10602 | 2026-05-19 |
Multimodal combined model integrating 2.5D deep learning and habitat radiomics for malignancy discrimination in ≤2 cm BI-RADS 4 breast lesions
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2812
PMID:42147917
|
研究论文 | 开发并外部验证一个多模态融合模型，整合临床超声、生境影像组学和2.5D深度学习，以改善≤2cm BI-RADS 4类乳腺病变的恶性鉴别 | 首次将2.5D深度学习与生境影像组学结合，构建ABVS和SE双模态融合模型，显著提升≤2cm BI-RADS 4病变的恶性判别性能，并进行了严格的外部验证 | 回顾性设计、样本量有限、仅纳入双中心数据、未评估模型对患者管理及活检率的实际影响 | 改善≤2cm BI-RADS 4类乳腺病变的恶性鉴别，减少不必要活检 | ≤2cm BI-RADS 4类乳腺病变 | 医学影像分析 | 乳腺癌 | 自动乳腺容积扫描(ABVS)、应变弹性成像(SE) | 深度学习(2.5D和2D)模型、影像组学-生境模型 | 超声图像 | 686名女性（训练集368例，内部验证集158例，外部测试集160例） | NA | 2.5D深度学习模型、2D深度学习模型 | AUC、校准曲线、Brier分数、决策曲线分析 | NA |
| 10603 | 2026-05-19 |
Evaluation of optimal ClearInfinity artificial intelligence deep learning reconstruction algorithm weights with a 70-kVp tube voltage combined with "dual-low" abdominal computed tomography angiography
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2589
PMID:42147944
|
研究论文 | 评估70-kVp管电压结合“双低”腹部CT血管成像中ClearInfinity人工智能深度学习重建算法权重的最优设置 | 首次系统评估不同ClearInfinity深度学习重建权重在70-kVp低管电压和低对比剂剂量条件下的腹部CTA图像质量，发现90%权重可实现显著辐射剂量降低并保持诊断性血管图像质量 | 未提及具体局限性 | 评估70-kVp腹部CTA协议结合ClearInfinity深度学习重建算法在不同权重水平下的图像质量和辐射剂量 | 100名接受腹部CTA检查的患者，分为A组（70-kVp低剂量组）和B组（常规100-kVp标准剂量组） | 医学影像 | 腹部血管疾病 | CT血管成像，深度学习重建算法（ClearInfinity） | 深度学习重建算法 | CT图像 | 100名患者 | NA | ClearInfinity（深度学习重建模型） | CT衰减值，图像噪声（SD），信噪比（SNR），对比噪声比（CNR），主观图像质量评分，辐射剂量参数（CTDIvol、DLP、ED） | NA |
| 10604 | 2026-05-19 |
A fusion model of deep learning and conventional features based on computed tomography angiography of carotid plaque for predicting the risk of acute ischemic stroke
2026-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2688
PMID:42147943
|
研究论文 | 开发并验证了一种融合临床风险因素、影像特征与Swin Transformer深度学习特征的颈动脉斑块CTA融合模型，用于预测急性缺血性卒中风险 | 首次将Swin Transformer提取的颈动脉斑块CTA影像特征与常规临床及影像特征融合，构建多模态预测模型，显著优于传统方法，并利用SHAP和Grad-CAM增强模型可解释性 | 回顾性研究设计、样本量有限（264例）、单一中心数据，可能限制模型的泛化能力 | 开发并验证一个集成临床风险因素、影像特征与Swin Transformer深度学习特征的融合模型，用于预测同侧急性缺血性卒中风险 | 颈动脉粥样硬化患者的颈动脉斑块计算机断层扫描血管造影（CTA）图像、临床风险因素及影像特征 | 计算机视觉, 数字病理学 | 急性缺血性卒中, 颈动脉粥样硬化 | 计算机断层扫描血管造影（CTA）, 磁共振成像（MRI） | 深度学习模型（DenseNet121, Swin Transformer） | 图像（CTA）, 临床数据（风险因素）, 影像特征 | 264例颈动脉粥样硬化患者，分为训练集（184例）和测试集（80例） | PyTorch | DenseNet121, Swin Transformer | AUC, 决策曲线分析（DCA）, 校准曲线, SHAP, Grad-CAM | NA |
| 10605 | 2026-05-19 |
Artificial Intelligence in Botulinum Toxin Injections: A Mini-Review of Current Applications, Challenges, and Translational Perspectives
2026-May, Cureus
DOI:10.7759/cureus.108898
PMID:42148194
|
综述 | 本文综述了人工智能在肉毒毒素注射中的应用现状、挑战及转化前景 | 首次系统总结AI在肉毒毒素注射全流程中的应用，包括聊天机器人辅助规划、深度学习面部表情分析、基于MRI的肌张力障碍反应预测、多模态机器学习等技术，并提出临床应用框架 | 证据仍为初步且异质性高，存在样本量小、回顾性设计、外部验证有限等局限 | 总结人工智能在肉毒毒素注射中的应用现状，支持临床决策并提供转化方向的建议 | 肉毒毒素注射治疗中的AI应用案例 | 机器学习 | 神经系统疾病 | NA | 深度学习, 多模态机器学习 | 图像, 文本 | NA | NA | NA | NA | NA |
| 10606 | 2026-05-19 |
Current trends and future directions of artificial intelligence in lung cancer diagnosis
2026-Apr-30, Chinese journal of cancer research = Chung-kuo yen cheng yen chiu
|
综述 | 综述人工智能在肺癌诊断中的应用现状与未来方向 | 全面回顾了AI在肺癌早期诊断中的多个应用领域，涵盖医学影像、组织病理学、液体活检、电子健康记录的自然语言处理及基因组分析，并总结了多模态AI平台和FDA批准的计算机辅助诊断系统等前沿进展 | 数据异质性、模型可解释性、隐私保护等挑战阻碍临床转化，且综述主要基于现有文献，未涉及最新未公开研究 | 评估AI在肺癌诊断中的应用潜力及其临床转化价值 | 肺癌诊断中的AI应用，包括机器学习、深度学习和基于Transformer的模型 | 机器学习 | 肺癌 | NA | 机器学习、深度学习、Transformer模型 | 医学影像、组织病理学图像、液体活检数据、电子健康记录文本、基因组谱 | NA | NA | Transformer | NA | NA |
| 10607 | 2026-05-19 |
Turep: Detecting cross-cancer tumor-reactive T cells in single-cell and spatial transcriptomics data
2026-Apr-24, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.21.719961
PMID:42079298
|
研究论文 | 提出Turep，一种利用深度学习方法从单细胞和空间转录组数据中跨癌种检测肿瘤反应性T细胞的工具 | 整合七种人类恶性肿瘤的单细胞RNA和T细胞受体测序数据，识别泛癌肿瘤反应性基因特征，并采用生成式数据增强技术解决数据不平衡问题 | 未在论文标题和摘要中明确提及局限性 | 开发一种稳健的跨癌种预测肿瘤反应性T细胞的方法，以改进免疫治疗预测 | 肿瘤浸润淋巴细胞中的肿瘤反应性T细胞和非反应性旁观细胞 | 机器学习 | 癌症 | 单细胞RNA测序，T细胞受体测序，空间转录组学 | 深度学习模型 | 单细胞转录组数据，空间转录组数据 | 来自七种人类恶性肿瘤的数据 | NA | NA | 受试者工作特征曲线下面积 | NA |
| 10608 | 2026-05-19 |
SIMBA: an agentic AI platform for single-molecule multidimensional imaging
2026-Apr-21, bioRxiv : the preprint server for biology
DOI:10.64898/2026.04.16.719005
PMID:42079268
|
研究论文 | 介绍了一个名为SIMBA的智能单分子多维生物成像AI平台，用于统一单分子定位、光谱处理和深度学习去噪 | 首次将大语言模型智能体引入单分子多维成像分析，实现用户意图理解、分析流程编排和计算工具动态选择，以单一交互式框架统一传统分散的工作流 | NA | 开发一个统一的AI驱动平台，简化单分子多维成像的数据分析流程，降低使用门槛，提高可扩展性和可重复性 | 单分子荧光成像数据，包括空间定位、光谱信息和纳米尺度环境异质性 | 数字病理学、计算机视觉、机器学习 | NA | 超分辨率荧光显微镜、单分子光谱分析、深度学习 | 大语言模型（LLM）、监督学习模型 | 图像 | NA | PyTorch、TensorFlow | NA | NA | NA |
| 10609 | 2026-05-19 |
Enhancing movie script creation through retrieval-augmented LLMs and stable diffusion scene modeling
2026-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45852-z
PMID:41922447
|
研究论文 | 利用RAG和Stable Diffusion增强电影剧本自动生成与场景建模 | 首次将检索增强生成与Stable Diffusion结合，实现从剧本到场景的端到端自动化生成，并比较了RAG与微调两种方法的有效性 | 剧本生成的质量仍受限于训练数据集的规模与多样性，场景可视化仅依赖CLIP评分衡量，缺乏人类专家评估 | 探索利用大语言模型和稳定扩散模型自动生成电影剧本及对应场景的可行性 | 电影剧本的自动生成与对应场景的可视化建模 | 自然语言处理, 计算机视觉 | NA | 检索增强生成, 稳定扩散模型 | 大语言模型, 扩散模型 | 文本, 图像 | 多个电影剧本数据集中训练的模型 | PyTorch | Gemini-Pro, GPT-2, Bloom, CompVis | 余弦相似度, 困惑度, CLIP分数 | NA |
| 10610 | 2026-05-19 |
ChunkyBERT: a novel technique for multiclass political bias detection in news media
2026-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-46646-z
PMID:41922711
|
研究论文 | 提出一种名为ChunkyBERT的新方法，利用BERT模型对新闻媒体中的多类政治偏见进行检测 | 通过将长政治文章分割成固定长度的片段，分别使用预训练BERT编码，再经由Transformer编码器和注意力池化机制聚合片段级嵌入，实现对完整文本的利用，无需手动生成特征 | 未明确提及局限性，但可能受限于分割长度选择和计算资源需求 | 提出一种可扩展的政治偏见检测方法，应用于新闻分类为左倾、中间派和右倾倾向 | 新闻媒体中的政治文章 | 自然语言处理 | NA | NA | BERT（双向编码器表示来自Transformers）、Transformer编码器 | 文本 | NA | PyTorch（假设，基于BERT常见实现） | BERT、Transformer编码器 | 准确率（86.22%）、AUC-ROC（0.96） | NA |
| 10611 | 2026-05-19 |
AI and the digital pathology revolution: clinical applications in cancer diagnosis and assessment
2026-Apr, Expert review of molecular diagnostics
IF:3.9Q1
DOI:10.1080/14737159.2026.2665801
PMID:42070246
|
综述 | 本文综述了人工智能与数字病理学在癌症诊断与评估中的临床应用 | 全面总结了从经典机器学习到深度学习模型（如卷积神经网络、Transformer和基础计算病理模型）的转变，以及多模态AI系统整合组织学图像与文本数据的涌现研究 | 未提供具体实验验证或定量分析结果 | 探讨数字病理学和人工智能如何改变癌症诊断与评估过程，并展望其未来在常规病理实践中的嵌入 | 数字病理学与人工智能技术在癌症诊断中的临床应用 | 数字病理学 | 癌症 | 数字病理学全切片成像 | 深度学习模型（卷积神经网络、Transformer、基础计算病理模型） | 图像（H&E染色组织切片） | NA | NA | 卷积神经网络、Transformer、基础计算病理模型 | NA | NA |
| 10612 | 2026-05-19 |
Artificial Intelligence in Low-Dose Computed Tomography Lung Cancer Screening: Clinical Integration, Validation, and Translational Challenges
2026-Apr, Cureus
DOI:10.7759/cureus.107050
PMID:42147591
|
综述 | 本文综述了人工智能在低剂量CT肺癌筛查中的临床应用、验证研究及转化挑战 | 系统总结了AI在LDCT筛查中从算法性能到临床整合与人类-AI协作的转化进展 | 外部验证不足、泛化性有限、可解释性差、工作流整合困难，且放射科医师信任度及人机交互影响实际应用 | 总结AI在LDCT肺癌筛查中的方法、临床验证及转化挑战 | LDCT筛查中应用的AI技术及其临床整合 | 机器学习 | 肺癌 | NA | 深度学习, 放射组学 | 图像 | NA | NA | NA | NA | NA |
| 10613 | 2026-05-19 |
Morphology-guided deep learning for nanoparticle agglomeration diagnostic assays
2026-Mar-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-45423-2
PMID:41917119
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10614 | 2026-05-19 |
Atlas of predicted protein complex structures across kingdoms
2026-Mar-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-70884-4
PMID:41882029
|
研究论文 | 利用AlphaFold2的ColabFold框架预测了110万个蛋白质-蛋白质相互作用结构，构建了跨物种的蛋白质复合物图谱 | 首次大规模跨物种预测蛋白质复合物结构，涵盖细菌、古菌、人类、小鼠、植物和人类-病毒对，并发现跨物种共享的蛋白质复合物结构 | 预测结构依赖计算机模型，实验验证仅针对特定病毒受体，覆盖范围有限 | 系统性地预测和解析跨物种蛋白质复合物的三维结构，揭示进化保守性和功能关系 | 蛋白质复合物的预测结构及蛋白质-蛋白质相互作用 | 机器学习 | NA | AlphaFold2, ColabFold | AlphaFold2 | 蛋白质序列 | 110万个蛋白质-蛋白质相互作用结构，覆盖细菌、古菌、人类、小鼠、植物和人类-病毒对 | ColabFold | AlphaFold2 | 高置信度结构分类标准 | NA |
| 10615 | 2026-05-19 |
Assessing the influence of kernel selection on chest computed tomography image quality across varying dose levels using TrueFidelity reconstruction
2026-Mar-13, Radiation protection dosimetry
IF:0.8Q4
DOI:10.1093/rpd/ncaf143
PMID:41821439
|
研究论文 | 评估不同剂量水平下使用不同重建核对胸部CT图像质量的影响 | 首次比较GE Healthcare的TrueFidelity DLIR软件中标准核与肺部核在全剂量和超低剂量胸部CT图像质量上的差异 | 样本量较小（仅25名患者），且对超低剂量协议无法得出可靠结论 | 评估全剂量和超低剂量胸部CT扫描中使用TrueFidelity标准核与肺部核重建的图像质量 | 25名接受胸部CT扫描的患者图像 | 计算机视觉 | 肺部疾病 | CT | 深度学习图像重建（DLIR） | 图像 | 25名患者的胸部CT图像 | NA | TrueFidelity | 视觉分级特征（VGC）曲线下面积（AUCVGC） | NA |
| 10616 | 2026-05-19 |
From digital chest tomosynthesis to 3D CT
2026-Mar-13, Radiation protection dosimetry
IF:0.8Q4
DOI:10.1093/rpd/ncaf162
PMID:41821455
|
研究论文 | 提出一种从数字胸部断层合成到三维CT的高效深度学习重建方法 | 提出通过从投影数据的小块中重建矢状CT切片，显著降低内存需求，并采用体素分类（空气、软组织、骨）替代连续HU值预测 | 难以重建精细细节，尚不适合临床应用 | 开发一种低资源需求的断层合成体积成像重建方法 | 数字胸部断层合成投影图像及其对应的CT重建 | 计算机视觉 | NA | 数字胸部断层合成 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 10617 | 2026-05-19 |
Improving visibility of small anatomical details on low and ultra-low dose computed tomography with artificial intelligence-based image reconstructions
2026-Mar-13, Radiation protection dosimetry
IF:0.8Q4
DOI:10.1093/rpd/ncaf171
PMID:41821465
|
研究论文 | 评估人工智能图像重建技术在低剂量和超低剂量CT扫描中提升小解剖结构可见性的效果 | 首次系统评估深度学习图像重建在极低辐射剂量下对胸部小解剖结构诊断质量的影响 | 基于体模和单一肺标本，未包含活体患者数据 | 比较不同CT图像重建技术在不同辐射剂量水平下对诊断图像质量的影响 | PBU-50人体模型和风干人肺标本 | 计算机视觉 | 肺部结节、纤维化、支气管周围病变 | CT扫描 | 深度学习图像重建 | 图像 | 一个PBU-50人体模型（小型成人）和一个风干人肺标本，六个剂量水平 | NA | DLIR-H, ASiR-V, FBP | 描述性统计、视觉分级特征分析 | NA |
| 10618 | 2026-03-02 |
Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging
2026-Feb-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03388-2
PMID:41764459
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10619 | 2026-05-19 |
An explainable deep learning framework for video violence detection using unsupervised keyframe selection and attention-based CNN
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40977-7
PMID:41748832
|
研究论文 | 提出一种可解释的注意力增强卷积神经网络框架，用于视频暴力检测，集成无监督关键帧选择、注意力驱动特征学习和Grad-CAM++可解释性 | 融合无监督关键帧选择、注意力机制和Grad-CAM++可解释性，在降低计算开销的同时提升时空特征判别能力和模型透明度 | 未明确讨论在极低光照、严重遮挡或高动态场景下的鲁棒性，且仅在五类基准数据集上验证，可能泛化到其他暴力场景需进一步测试 | 解决视频暴力检测中的数据冗余、透明度和泛化挑战，实现高效且可解释的实时检测系统 | 视频监控和在线平台中的暴力行为检测 | 计算机视觉 | NA | 无监督关键帧选择（基于相似性聚类）、注意力机制、Grad-CAM++ | CNN（卷积神经网络） | 视频 | 五个基准数据集（RLVS、Hockey Fight、Violent Flow、ShanghaiTech、UCF-Crime） | NA | 注意力增强CNN（具体架构未明确，可能基于常见CNN骨干如ResNet） | 准确率、F1分数、处理速度（FPS）、内存使用量 | NA |
| 10620 | 2026-05-19 |
Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review
2026-02, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70212
PMID:41431184
|
综述 | 综述了数学和人工智能技术在药物发现中的应用 | 系统性地将数学框架与AI技术相结合，并分析了它们在药物开发各阶段的协同作用 | 未提供具体的实验验证或定量比较，分析主要基于现有文献 | 探讨数学建模与AI算法在药物开发中联合应用的潜力，以加速研发并降低风险 | 药物发现过程中的数学和AI技术 | 机器学习 | NA | NA | 机器学习、深度学习、强化学习、自然语言处理、迁移学习 | NA | NA | NA | NA | NA | NA |