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 49327 篇文献，本页显示第 13681 - 13700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13681 | 2026-02-27 |
Catheter detection and segmentation in X-ray images via multi-task learning
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03461-7
PMID:40576920
|
研究论文 | 本文提出了一种基于多任务学习的卷积神经网络模型，用于在X射线图像中实时检测和分割导管 | 创新点包括集成ResNet架构与多预测头以实现端到端学习，并引入一种新颖的多级动态资源优先级方法，动态调整训练中的样本和任务权重以优先处理更具挑战性的任务 | NA | 研究目的是通过自动化检测和分割手术设备（如导管或导线）来增强微创心脏手术中的图像引导 | 研究对象是X射线荧光图像中的导管及其电极 | 计算机视觉 | 心血管疾病 | NA | CNN | 图像 | NA | NA | ResNet | 平均J指数, 平均精度 | NA |
| 13682 | 2026-02-27 |
eNCApsulate: neural cellular automata for precision diagnosis on capsule endoscopes
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03425-x
PMID:40615761
|
研究论文 | 本文提出了一种基于神经细胞自动机（NCA）的轻量级模型，用于胶囊内窥镜图像中的出血分割和深度估计，并成功部署到ESP32微控制器上 | 首次将神经细胞自动机（NCA）应用于胶囊内窥镜的出血分割和深度估计，通过知识蒸馏将大型基础模型压缩至轻量级NCA架构，并实现在微型硬件上的高效运行 | 模型性能依赖于伪地面真值质量，且未在多样化临床数据集上进行大规模验证 | 开发适用于无线胶囊内窥镜的轻量级深度学习模型，以实现实时出血分割和深度估计，辅助病理定位和精确诊断 | 胶囊内窥镜图像 | 计算机视觉 | 胃肠道疾病 | 胶囊内窥镜成像 | 神经细胞自动机（NCA） | 图像 | 未明确说明 | 未明确说明 | 神经细胞自动机（NCA） | Dice系数 | ESP32微控制器，ESP32-S3 |
| 13683 | 2026-02-27 |
Annotation-efficient deep learning detection and measurement of mediastinal lymph nodes in CT
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03513-y
PMID:40944829
|
研究论文 | 本文提出了一种新颖的注释高效半监督深度学习方法，用于在对比增强CT扫描中自动检测、分割和测量纵隔淋巴结的短轴长度 | 提出了一种结合专家注释精度和伪标签数据数量优势的半监督方法，通过优化注释/非注释数据集比例来减少手动注释工作量 | 方法依赖于伪标签的过滤质量，可能受到解剖结构重叠排除的影响，且仅在特定数据集上验证 | 开发自动检测、分割和测量纵隔淋巴结短轴长度的深度学习方法，以减少临床实践中的手动工作量和观察者变异性 | 纵隔淋巴结 | 数字病理学 | NA | 对比增强CT扫描 | 3D nnU-Net | CT图像 | 268个注释扫描（1817个淋巴结）用于训练和测试，710个未注释扫描用于伪标签生成 | NA | 3D nnU-Net | 召回率, 精确度, 短轴长度平均差异 | NA |
| 13684 | 2026-02-27 |
Toward robust surgical phase recognition via deep ensemble learning
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03543-6
PMID:41206386
|
研究论文 | 本研究通过集成学习方法结合多种深度学习架构的优势，提高了手术阶段识别的性能 | 采用集成学习策略整合多种深度学习模型的互补优势，以克服单一模型在空间特征捕获、时间依赖建模或类别不平衡处理方面的局限性 | 未明确提及具体局限性 | 提高手术阶段识别的准确性和鲁棒性，以支持手术室中的情境感知系统 | 手术工作流程，特别是手术阶段的自动识别 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GAN | 视频 | Cholec80数据集 | TensorFlow, PyTorch | ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet | F1-score, 准确率, Jaccard Index | NA |
| 13685 | 2026-02-27 |
Surgical instrument-tissue interaction recognition with multi-task-attention video transformer
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03546-3
PMID:41214416
|
研究论文 | 本研究提出了一种多任务注意力视频Transformer模型，用于识别手术器械与组织间的交互作用，通过细粒度时间上下文提升识别性能 | 引入了细粒度时间上下文分析，并设计了多任务注意力模块（MTAM），利用交叉注意力和门控机制优化手术器械、原子动作和解剖目标子任务间的信息交互 | 未明确说明模型在更复杂手术场景或实时应用中的泛化能力，且仅基于特定数据集验证 | 提升手术器械-组织交互识别的准确性，以支持手术工作流分析、自动化安全系统和技能评估 | 手术视频中的器械-组织交互动作 | 计算机视觉 | NA | 视频分析 | Transformer | 视频 | 基于CholecT45-Vid和GraSP-Vid等多个视频数据集 | PyTorch | 视频Transformer | 识别准确率 | NA |
| 13686 | 2026-02-27 |
Phenotypic Characterization Using Open-Source Deep Learning Tools
2026, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4985-5_6
PMID:41479050
|
研究论文 | 本文展示了如何使用开源深度学习工具进行表型特征分析，通过高通量显微镜成像实现细胞表型的自动分割与分类 | 利用开源深度学习工具简化表型特征分析流程，无需高级深度学习知识即可实现自动化图像分析 | 未明确说明具体实验数据规模或模型性能的量化评估 | 推动表型特征分析在高通量显微镜成像中的应用 | 细胞表型（由物质或基因修饰引起的细胞效应） | 计算机视觉 | NA | 高通量显微镜成像 | 深度学习模型（未指定具体类型） | 图像 | NA | 开源软件（未指定具体框架） | NA | NA | NA |
| 13687 | 2026-02-27 |
Diagnostically competitive performance of a physiology-informed generative multi-task network for contrast-free CT perfusion
2026, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2026.1703004
PMID:41669269
|
研究论文 | 本文提出了一种名为MAGIC的深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图 | 结合生成式人工智能与生理信息，将非对比CT映射到多个无对比剂的CT灌注图，并在损失函数中融入生理特征以提高图像保真度 | NA | 解决CT灌注成像成本高、可及性有限以及使用对比剂可能引起不良反应的问题 | 卒中患者的CT图像数据 | 医学影像分析 | 卒中 | CT灌注成像 | 生成式多任务网络 | CT图像 | 来自UF Health的卒中患者CT图像数据 | NA | MAGIC | 视觉质量，诊断准确性 | NA |
| 13688 | 2026-02-27 |
A Biomass-Inspired Hydrogel Patch for Intelligent Pain Monitoring and On-Demand Analgesia
2026, Research (Washington, D.C.)
DOI:10.34133/research.1112
PMID:41684952
|
研究论文 | 本研究开发了一种基于生物质启发的多功能水凝胶贴片，用于智能疼痛监测和按需镇痛 | 首次构建了集成了AI辅助传感评估和按需治疗功能的可穿戴集成贴片，采用生物质复合材料实现实时疼痛监测与治疗 | 研究主要基于小鼠足底切口疼痛模型和特定疾病患者志愿者，未涉及更广泛的疼痛类型或长期大规模临床验证 | 开发一种可持续、客观的疼痛管理策略，实现实时疼痛监测与智能治疗 | 肩周炎和腰椎疾病患者志愿者，以及小鼠足底切口疼痛模型 | 生物医学工程 | 疼痛相关疾病 | 深度学习算法，光热镇痛技术 | 深度学习模型 | 运动相关信号数据 | 特定疾病患者志愿者和小鼠模型 | NA | NA | 准确率 | NA |
| 13689 | 2026-02-27 |
Toward ICE-XRF fusion: real-time pose estimation of the intracardiac echo probe in 2D X-ray using deep learning
2026-Jan, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03493-z
PMID:40824505
|
研究论文 | 本文提出了一种基于深度学习的实时姿态估计算法，用于支持心内超声与X射线的图像融合，以促进心内超声在瓣膜治疗中的应用 | 引入两阶段检测算法，结合目标检测网络和回归网络，实现心内超声探头的实时5自由度姿态估计，支持ICE-XRF融合 | 模型验证主要基于合成数据和少量临床病例（七例），可能需更多真实临床数据以验证泛化能力 | 促进心内超声在临床中的应用，通过图像融合技术改进瓣膜治疗的影像引导 | 心内超声探头在2D X射线中的实时姿态 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 合成数据及七例临床病例 | NA | NA | F1分数, 精确度, 召回率, 位置误差, 旋转误差 | NA |
| 13690 | 2026-02-27 |
High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness
2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2026.3663926
PMID:41706771
|
研究论文 | 本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力 | 提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题 | 未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限 | 提高地震数据垂直分辨率以改善薄层识别能力 | 地震数据 | 计算机视觉 | NA | 深度学习超分辨率 | Transformer, CNN | 地震图像数据 | 多个现场数据集（未指定具体数量） | NA | Swin-Transformer, 3D卷积块 | 保真度、泛化能力、空间一致性、频谱匹配 | NA |
| 13691 | 2026-02-25 |
Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0343285
PMID:41729793
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13692 | 2026-02-27 |
FORCE: Feature-Oriented Representation with Clustering and Explanation
2026-Jan, European journal of artificial intelligence and machine learning
DOI:10.24018/ejai.2026.5.1.1076
PMID:41737733
|
研究论文 | 本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力 | 提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制 | 仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性 | 通过利用潜在未观测结构来提高预测模型的准确性 | 多囊卵巢综合征等疾病的预测模型 | 机器学习 | 多囊卵巢综合征 | SHAP（Shapley Additive exPlanations）值分析 | 深度学习 | 特征数据 | 三个真实数据集 | NA | 神经网络 | F1分数 | NA |
| 13693 | 2026-02-27 |
Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1701944
PMID:41743650
|
研究论文 | 本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证 | 提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解 | 未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战 | 为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架 | 5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击 | 机器学习 | NA | 知识蒸馏、联邦强化学习、区块链技术 | CNN, LSTM, Transformer, SNN | 网络流量数据 | 使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN | NA | EfficientNet, Transformer | 检测准确率、检测延迟、吞吐量退化、能耗 | NA |
| 13694 | 2026-02-27 |
Resilient Sinkhorn-Based Optimal Transport Late Fusion Framework for Breast Cancer Diagnosis
2026, Cancer informatics
IF:2.4Q3
DOI:10.1177/11769351261420789
PMID:41743692
|
研究论文 | 本研究开发了一种基于Sinkhorn最优传输的晚期融合多模态深度学习框架，用于乳腺癌诊断，旨在解决临床数据异步、不配对或不完整等现实挑战 | 首次将乳腺癌晚期融合建模为最优传输问题，并采用动态重加权Sinkhorn融合层来处理数据异构性和模态缺失 | 研究为回顾性研究，性能评估在内部受控条件下进行，未在外部独立数据集上进行验证 | 开发并评估一种在数据异步、不配对或不完整情况下仍保持鲁棒性的、可临床部署的乳腺癌诊断多模态深度学习框架 | 乳腺癌诊断 | 数字病理学 | 乳腺癌 | 多模态深度学习 | 深度学习 | 组织病理学图像, 结构化临床风险因素 | 未明确说明具体样本数量 | 未明确说明 | 未明确说明具体架构，但包含为各模态定制的模型及Sinkhorn融合层 | PR-AUC, 召回率, F1分数, Brier分数 | 未明确说明 |
| 13695 | 2026-02-27 |
Autonomic dysfunction and hypothalamic atrophy in frontotemporal dementia and primary psychiatric disorders
2026 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70284
PMID:41743836
|
研究论文 | 本研究探讨了额颞叶痴呆和原发性精神障碍中自主神经功能障碍与下丘脑萎缩的关系 | 首次使用深度学习方法分析MRI数据，比较了额颞叶痴呆、原发性精神障碍和对照组的自主神经症状与下丘脑体积的关联 | 样本量相对较小，特别是自主神经症状问卷数据部分，且研究为横断面设计，无法确定因果关系 | 研究额颞叶痴呆和原发性精神障碍中自主神经症状与下丘脑病理学的关系 | 额颞叶痴呆患者、原发性精神障碍患者和健康对照者 | 医学影像分析 | 额颞叶痴呆, 原发性精神障碍 | MRI, 自主神经症状问卷 | 深度学习 | MRI图像, 问卷数据 | 自主神经症状问卷数据：FTD n=31, PPD n=30, 对照 n=30；MRI数据：FTD n=259, PPD n=44, 对照 n=62 | NA | NA | p值 | NA |
| 13696 | 2026-02-27 |
Assessing arterial stiffness using characteristics of Korotkoff sounds
2026, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2026.1654162
PMID:41743963
|
研究论文 | 本研究探讨了从袖带血压测量中记录的柯氏音中提取动脉僵硬度相关信息的可行性，并应用特征分析和机器学习方法进行分类 | 首次利用柯氏音特征结合机器学习评估动脉僵硬度，为临床和家庭环境提供了一种非侵入性、便捷的潜在评估工具 | 主要使用年龄作为替代标签，未评估临床结局，无法确定其在心血管风险分层中超越年龄和血压的增量价值，需要更大规模研究及前瞻性验证 | 评估从柯氏音中提取动脉僵硬度信息的可行性，并探索机器学习在血管老化相关群体区分中的应用 | 年轻参与者、老年参与者以及医院中测量了臂踝脉搏波速度的参与者 | 机器学习 | 心血管疾病 | 柯氏音记录、特征提取（时域和频域） | 深度学习模型 | 音频信号（柯氏音） | 123名年轻参与者、112名老年参与者、81名医院参与者 | NA | NA | 准确率 | NA |
| 13697 | 2026-02-27 |
Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70367
PMID:41373115
|
研究论文 | 本研究提出了一种结合CBCT和MRI的深度学习方法来合成CT图像，以提升头癌自适应质子治疗中的剂量计算精度 | 首次将MRI数据整合到CBCT-based CT合成中，以改善软组织轮廓的恢复和剂量计算的准确性 | 数据集规模有限，未来需要更大数据集进行验证 | 提升自适应质子治疗中基于CBCT的CT合成质量，以改善剂量计算精度 | 头癌患者 | 医学影像分析 | 头癌 | CBCT, MRI | cGAN, CycleGAN | 图像 | NA | NA | ResUnet, SwinUnet | HU误差, 剂量差异, 剂量分布 | NA |
| 13698 | 2026-02-27 |
Current State of Artificial Intelligence in Assessing Cardiac Function
2025-Nov-27, Current cardiology reports
IF:3.1Q2
DOI:10.1007/s11886-025-02314-8
PMID:41307845
|
综述 | 本文综述了人工智能在评估心脏功能方面的最新进展，涵盖心电图、超声心动图、心脏CT/MRI及电子健康记录等多种数据模态 | 整合了跨模态AI应用的最新成果，包括基础模型和多模态架构的兴起，这些技术推动了标签高效学习、自动化报告生成和可扩展的群体筛查 | 需要更多稳健的多中心验证、开源代码透明度和前瞻性试验来确认模型的泛化能力并量化患者层面的益处 | 综述人工智能在心血管医学中评估心脏功能的应用进展，旨在促进AI从概念验证向临床不可或缺工具的转变 | 心血管疾病，特别是心脏功能的评估 | 机器学习 | 心血管疾病 | ECG, 超声心动图, 心脏CT/MRI, EHR文本分析 | 深度学习算法, 基础模型, 多模态架构 | 心电图, 图像, 文本 | NA | NA | NA | 准确性 | NA |
| 13699 | 2026-02-27 |
Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases
2025-Nov, The American journal of pathology
DOI:10.1016/j.ajpath.2024.12.018
PMID:39954963
|
综述 | 本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的当前进展与应用潜力 | 强调了利用全切片图像和先进机器学习/人工智能技术进行神经退行性疾病分析的计算神经病理学这一新兴领域，包括自动化疾病分期、识别新型形态学生物标志物以及通过多模态AI方法揭示新临床见解 | 领域面临专家标注有限、切片扫描不可及、机构间差异以及共享大型全切片图像数据集的复杂性等挑战 | 探讨计算神经退行性神经病理学如何增强神经病理学评估、诊断和研究，以推进对神经退行性疾病的理解 | 神经退行性疾病的神经病理学数据，特别是全切片图像 | 数字病理学 | 神经退行性疾病 | 全切片成像，机器学习/人工智能技术 | 深度学习模型，无监督学习模型，可解释AI模型 | 图像（全切片图像） | NA | NA | NA | NA | NA |
| 13700 | 2026-02-27 |
ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics
2025 Nov-Dec, Microbes and infection
IF:2.6Q3
DOI:10.1016/j.micinf.2025.105562
PMID:40915468
|
会议报告 | 本文介绍了ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容 | 汇集了专家讲座、实践课程和小组讨论，全面探讨了AI/ML在病原体识别、抗菌药物敏感性预测和疫情检测等关键应用，并特别强调了标准化协议、监管合规和伦理考量 | NA | 探讨人工智能和机器学习在医学微生物学诊断领域的应用潜力、挑战和未来发展方向 | 医学微生物学诊断技术、AI/ML工具与平台 | 机器学习 | NA | 全基因组测序、MALDI-TOF质谱分析、数字显微镜 | 深度学习 | 基因组数据、质谱数据、显微图像 | NA | NA | NA | NA | NA |