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 42805 篇文献，本页显示第 1221 - 1240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2026-03-18 |
Reply to the Letter to the Editor: A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI
2026-Mar-16, European radiology
IF:4.7Q1
DOI:10.1007/s00330-026-12457-z
PMID:41838097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1222 | 2026-03-18 |
Deep learning-based identification of chronic pulmonary embolism on CTPA: a regional lung analysis using multiplanar MIP images
2026-Mar-16, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00699-x
PMID:41838262
|
研究论文 | 本研究评估了卷积神经网络在CTPA衍生的MIP图像上识别慢性肺栓塞和慢性血栓栓塞性肺动脉高压的性能，通过分层肺体积分割分析不同血管区域的诊断价值 | 采用包括近端肺血管和分层肺体积分割的新方法，评估不同血管区域对诊断慢性肺栓塞和慢性血栓栓塞性肺动脉高压的价值 | 样本量较小（共123例），且仅使用单一影像模态（CTPA）进行模型训练和验证 | 开发基于深度学习的慢性肺栓塞和慢性血栓栓塞性肺动脉高压自动识别方法 | 慢性肺栓塞患者、急性肺栓塞患者和正常对照组的CTPA影像数据 | 计算机视觉 | 肺栓塞 | CTPA, MIP图像处理 | CNN | 医学影像（CTPA MIP图像） | 123例（41例慢性肺栓塞、41例急性肺栓塞、41例正常对照） | NA | NA | AUROC | NA |
| 1223 | 2026-03-18 |
An integrated microfluidic system for automatic and self-validated analysis of cervical extracellular vesicle markers PD-L1 and ERBB3
2026-Mar-16, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry
IF:1.8Q3
DOI:10.1007/s44211-026-00871-8
PMID:41838284
|
研究论文 | 本文介绍了一种集成的微流控系统，用于自动且自我验证地分析宫颈细胞外囊泡标记物PD-L1和ERBB3 | 开发了一种集成、自我验证的微流控系统，能够快速在芯片上分离并多重识别妇科EV标记物，结合深度学习YOLOv8实现自动化荧光识别，显著提高了检测的可靠性和效率 | 研究仅验证了四种细胞系（SiHa、C33A、HeLa和H8），未涉及临床样本，且检测限为15.56颗粒/μL，可能对极低浓度样本的检测存在限制 | 旨在通过非侵入性液体活检方法，实现妇科恶性肿瘤（如宫颈癌）的早期和精确诊断 | 宫颈细胞外囊泡（EVs），特别是外泌体，及其标记物PD-L1和ERBB3 | 生物医学工程 | 宫颈癌 | 微流控技术、荧光检测、深度学习图像识别 | YOLOv8 | 荧光图像 | 四种细胞系（SiHa、C33A、HeLa和H8） | NA | YOLOv8 | 检测限（LOD） | NA |
| 1224 | 2026-03-18 |
CT acquisition protocols in lung cancer screening: implications for guideline development from a worldwide survey
2026-Mar-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-026-02239-y
PMID:41838308
|
研究论文 | 本研究通过全球调查评估了肺癌筛查中CT图像采集协议的现状，以支持指南制定 | 首次在全球范围内系统调查肺癌筛查中CT采集协议的应用情况，揭示了多专业参与不足和技术参数变异性大的问题 | 调查回复率有限，部分技术问题未完全回答，可能无法代表所有机构的实际情况 | 评估肺癌筛查中CT图像采集协议的当前应用情况，为指南制定提供依据 | 全球71家肺癌筛查机构 | 数字病理学 | 肺癌 | CT扫描 | NA | CT图像 | 来自29个国家的71家机构 | NA | NA | NA | NA |
| 1225 | 2026-03-18 |
Radiomics in fetal brain MRI: a narrative review
2026-Mar-16, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00697-z
PMID:41838340
|
综述 | 本文是一篇关于胎儿脑部MRI影像组学的叙述性综述，总结了其技术基础、临床应用及未来方向 | 系统性地将影像组学这一新兴的、数据驱动的方法应用于胎儿脑部MRI评估，揭示了人眼难以察觉的细微成像模式，为产前诊断和预后提供了新的视角 | 该领域尚处于早期阶段，需要更大规模、多中心、采用标准化协议的研究来提高普适性并减少变异性 | 探讨影像组学在胎儿脑部MRI中的应用潜力，以改善胎儿脑部发育评估、表型分析、疾病诊断及神经发育结局预测 | 胎儿脑部MRI图像 | 数字病理学 | NA | MRI | 机器学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1226 | 2026-03-18 |
Generating synthetic CEM from low-energy images using deep learning: A future without contrast media? A proof-of-concept study
2026-Mar-16, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-026-00681-7
PMID:41838331
|
研究论文 | 本研究利用深度学习从低能量对比增强乳腺摄影图像生成合成碘增强图像，探索无对比剂应用的潜力 | 首次使用二维循环生成对抗网络从低能量CEM图像生成视觉上类似临床碘增强的合成图像，并展示了在病灶检测和背景实质增强评估中的潜在应用 | 研究为回顾性设计，样本量较小（140例检查），且仅作为概念验证研究，需要更大规模的前瞻性验证 | 探索深度学习生成合成碘增强乳腺摄影图像的可行性，以减少对比剂使用 | 对比增强乳腺摄影图像（低能量和碘增强图像） | 计算机视觉 | 乳腺疾病 | 对比增强乳腺摄影 | GAN | 图像 | 140例CEM检查（训练集100例患者390张图像，测试集40例患者） | NA | 二维循环生成对抗网络 | 对比噪声比, 平均绝对误差, 结构相似性指数, 准确率, 敏感性, 特异性 | NA |
| 1227 | 2026-03-18 |
Current and future contributions of AI to pulmonary function test interpretation, diagnostic approaches, and predictions of disease progression
2026-Mar-16, Expert review of respiratory medicine
IF:2.9Q2
DOI:10.1080/17476348.2026.2647482
PMID:41838429
|
综述 | 本文综述了人工智能（AI）在肺功能测试（PFT）解释、诊断方法和疾病进展预测方面的当前及未来贡献 | 系统总结了AI在PFT中应用的最新进展，包括机器学习、深度学习和可解释AI方法，并强调了多学科合作的重要性 | 算法性能存在变异性、可解释性有限、依赖训练数据的质量和代表性、临床背景整合不足 | 探讨AI如何增强肺功能测试的解释、标准化流程并支持临床决策 | 肺功能测试数据及相关临床决策 | 机器学习 | 肺病 | NA | NA | 肺功能测试数据 | NA | NA | NA | 准确性、可重复性 | NA |
| 1228 | 2026-03-18 |
On Demographic Group Fairness Guarantees in Deep Learning
2026-Mar-16, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2026.3674484
PMID:41838507
|
研究论文 | 本文提出了一个分析数据分布与深度学习公平性保证之间关系的综合理论框架，并提出了一个实用的公平性感知正则化方法 | 建立了一个考虑人口群体间数据分布异质性的新理论框架，推导了公平性误差和收敛率的理论界限，并提出了直接最小化组间特征质心和协方差差异的公平性感知正则化方法 | 理论框架和实验验证主要基于特定数据集，其普适性需要在更广泛的应用场景中进一步验证 | 研究深度学习模型中的群体公平性保证，分析数据分布异质性对公平性与准确性权衡的影响 | 深度学习模型在不同人口群体（如种族类别）上的公平性表现 | 机器学习 | 眼科疾病，胸腔积液，皮肤病变 | 深度学习 | 深度学习模型 | 图像，表格数据，文本 | 多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测） | NA | NA | AUC, ES-AUC, 子组性能 | NA |
| 1229 | 2026-03-18 |
GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning
2026-Mar-16, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2026.3674608
PMID:41838499
|
研究论文 | 本文提出了一种名为GeoCTP的几何深度学习框架，用于准确预测多功能癌症治疗肽 | 首次专门针对多功能癌症治疗肽设计的预测工具，结合了序列和结构信息，并采用了两级对比学习策略来增强特征对齐和类间区分能力 | 未在摘要中明确提及 | 开发一个准确预测多功能癌症治疗肽的计算工具 | 癌症治疗肽 | 生物信息学 | 癌症 | ESMfold, ESM-2语言模型 | Graph Transformer | 序列数据, 3D结构数据 | 未在摘要中明确提及 | 未在摘要中明确提及 | Graph Transformer | 未在摘要中明确提及 | 未在摘要中明确提及 |
| 1230 | 2026-03-18 |
Zero Echo Time Magnetic Resonance Imaging of the Spine
2026-Mar-16, Seminars in musculoskeletal radiology
IF:0.9Q4
DOI:10.1055/a-2803-1958
PMID:41839202
|
综述 | 本文综述了零回波时间磁共振成像在脊柱成像中的技术原理、临床应用及新兴角色 | 详细阐述了零回波时间成像作为一种无电离辐射的CT类骨组织可视化技术，及其在补充标准MRI序列、减少对CT依赖方面的创新应用 | 提到了该技术存在气体模拟钙化、金属相关伪影和空间分辨率有限等常见解读陷阱 | 评估零回波时间磁共振成像在脊柱疾病诊断、治疗规划和随访中的临床应用价值 | 脊柱（包括创伤性、退行性、炎症性、肿瘤性、感染性和发育性脊柱疾病），以及儿科和胎儿脊柱 | 数字病理 | NA | 零回波时间磁共振成像，基于深度学习的重建策略 | NA | 磁共振图像 | NA | NA | NA | NA | NA |
| 1231 | 2026-03-18 |
Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen
2026-Mar-16, Clinical & experimental ophthalmology
DOI:10.1111/ceo.70110
PMID:41839531
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1232 | 2026-03-18 |
Identifying Venous Insufficiency in Head and Neck Reconstruction Flaps Using Machine Learning and Deep Learning Methods
2026-Mar-16, Head & neck
DOI:10.1002/hed.70235
PMID:41839653
|
研究论文 | 本研究利用机器学习和深度学习方法，通过分析头颈癌患者重建皮瓣的术后照片，识别静脉功能不全 | 首次将深度学习和机器学习方法结合应用于头颈重建皮瓣静脉功能不全的早期检测，并利用SHAP和Grad-CAM进行特征可视化和验证 | 研究为单中心回顾性分析，样本量有限，可能影响模型的泛化能力 | 开发一种可靠、便捷的AI辅助工具，用于早期检测头颈重建皮瓣中的静脉功能不全，以减少皮瓣失败风险 | 头颈癌患者术后重建皮瓣的临床数据和照片 | 计算机视觉 | 头颈癌 | 机器学习，深度学习 | CNN | 图像 | 576名患者的2575张皮瓣图像（2010张正常，565张静脉功能不全） | NA | ResNet, GoogleNet, Densenet | 准确率，AUC，灵敏度，特异性 | NA |
| 1233 | 2026-03-18 |
Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen-Response
2026-Mar-16, Clinical & experimental ophthalmology
DOI:10.1111/ceo.70108
PMID:41839708
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1234 | 2026-03-18 |
Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-38522-7
PMID:41839918
|
研究论文 | 本文提出了一种基于深度学习的边界敏感网络（BS-Net），用于腰椎CT图像的椎体分割和滑脱测量，以提高腰椎疾病的自动化诊断准确性 | 提出了集成多任务边缘处理模块和上下文双边融合模块的BS-Net，结合边缘损失函数和形态学后处理，实现了联合分割与量化 | 未明确说明模型在不同成像设备或扫描参数下的泛化能力，也未讨论对复杂病理病例的处理效果 | 开发自动化腰椎椎体分割和滑脱测量方法，辅助腰椎疾病的临床诊断 | 腰椎CT图像中的椎体结构 | 数字病理学 | 腰椎疾病 | CT成像，MRI成像 | 深度学习网络 | 医学图像（CT，MRI） | 379名患者的783张腰椎CT图像，以及公开SPIDER MRI数据集 | NA | Boundary-Sensitive Network（BS-Net） | MIoU，Dice系数，ICC | NA |
| 1235 | 2026-03-18 |
ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43589-3
PMID:41839937
|
研究论文 | 提出一种名为ProSeg的新型深度学习框架，用于解决MRI中前列腺分区（外周带和中央腺体）的高精度分割难题 | 设计了专门的ProSeg模块，整合了各向异性卷积（用于外周带边界精确描绘）和跨切片注意力机制（用于中央腺体纹理建模）的双重互补过程 | 未在摘要中明确说明 | 提升MRI影像中前列腺分区（外周带和中央腺体）的分割精度，以支持精准诊断和治疗规划 | 前列腺MRI影像 | 数字病理学 | 前列腺癌 | MRI | 深度学习 | 图像 | Promise12和Promise158两个数据集 | NA | ProSeg | Dice系数 | NA |
| 1236 | 2026-03-18 |
Deep learning-based physiological risk stratification in night-shift hospital workers
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43982-y
PMID:41839952
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1237 | 2026-03-18 |
Deep learning enhanced prediction framework for bio oil yield from organic solid waste with chemically informed features
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-43604-7
PMID:41839987
|
研究论文 | 本研究开发了一个基于深度学习的预测框架，用于预测有机固体废物热解产生的生物油产率 | 提出了一种化学引导的特征工程策略，结合了元素比率、灰分校正挥发性和能量密度指数，并使用VIF驱动的特征选择来减少多重共线性，同时保持机理相关性 | NA | 提高有机固体废物热解生物油产率的预测准确性，以指导实验设计、生物质筛选和工艺优化 | 来自不同生物质来源和热解条件的245个样本 | 机器学习 | NA | 热解 | 深度学习，回归模型 | 化学和热化学特征数据 | 245个样本 | NA | 深度神经网络 | R², RMSE | NA |
| 1238 | 2026-03-18 |
The first reported case using real-time artificial intelligence with single-port robotics for colorectal surgery
2026-Mar-16, Surgical endoscopy
DOI:10.1007/s00464-026-12688-7
PMID:41840080
|
研究论文 | 本文报告了首例将实时人工智能与单孔机器人平台结合用于结直肠手术的案例 | 首次成功将基于计算机视觉和深度学习的人工智能软件与单孔机器人平台集成，用于结直肠手术，提供实时视觉提示 | 仅基于单例患者报告，样本量小，缺乏大规模验证 | 探索人工智能与单孔机器人平台在结直肠手术中的集成应用，以提高手术安全性和效率 | 接受回肠造口逆转手术的患者 | 计算机视觉 | 结直肠疾病 | 深度学习软件 | 深度学习模型 | 手术视频图像 | 1例患者 | NA | NA | 准确识别，精确识别 | NA |
| 1239 | 2026-03-18 |
R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model
2026-Mar-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40522-6
PMID:41840099
|
研究论文 | 本文提出了一种名为R3MV的新型可靠系统架构，用于皮肤癌分类，该系统采用渐进式异构多块模型 | 提出了一种独特的CNN模型PHMBCNN，采用渐进学习策略；设计了R3MV三层决策融合系统，整合了单个CNN模型预测、特征融合分类架构和基于CNN模型输出训练的元分类器，并通过多数投票程序提高决策可靠性 | 未明确说明模型在更广泛临床场景中的泛化能力或计算效率 | 提高皮肤病变图像分类的准确性和可靠性 | 皮肤癌图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, GRU | 图像 | 两个数据集：PAD_UFES_20和HAM10000 | NA | PHMBCNN, PHMBCNN-GRU | 准确率 | NA |
| 1240 | 2026-03-18 |
Out-of-Distribution Detection in Medical Image Segmentation with β -VAE and Likelihood Regret
2026-Mar-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-026-01907-1
PMID:41840137
|
研究论文 | 本文提出了一种结合β-VAE和似然后悔的新方法，用于医学图像分割中的分布外检测，能同时识别图像样本和分割掩码的分布外情况 | 首次同时检测图像样本和分割掩码的分布外情况，引入似然后悔计算OOD分数以提高分布拟合评估的准确性 | 未明确说明具体数据集规模或计算资源细节，可能限制方法在更大规模或不同医疗场景下的泛化能力评估 | 解决医学图像分割中分布外数据的检测问题，提高模型在真实医疗应用中的鲁棒性 | 3D医学图像及其分割掩码 | 计算机视觉 | NA | 深度学习 | VAE, U-Net | 3D医学图像 | NA | NA | β-VAE, U-Net | OOD检测性能（未指定具体指标） | NA |