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 43874 篇文献，本页显示第 1381 - 1400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1381 | 2026-04-14 |
Artificial intelligence in mammography screening: a narrative review of progress, pitfalls, and potential
2026-Apr-01, The British journal of radiology
DOI:10.1093/bjr/tqag053
PMID:41782331
|
综述 | 本文是一篇关于人工智能在乳腺X光筛查中应用进展、挑战与潜力的叙述性综述 | 系统梳理了AI在乳腺X光筛查中的新兴应用，包括基于图像的癌症检测、风险预测和工作流程优化，并强调了其在提高诊断准确性、实现个性化风险评估及优化资源分配方面的潜力 | 算法在不同人群中的泛化能力有限，存在校准和读者响应行为问题，以及监管、伦理和法律障碍，导致实际应用面临挑战 | 探讨人工智能在乳腺X光筛查领域的当前应用、技术基础、性能指标及临床效用，以推动乳腺癌筛查的进步 | 乳腺X光筛查图像及相关AI应用 | 医学影像 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1382 | 2026-04-14 |
An AI-Guided Structure-Based Strategy for the Discovery and Biological Validation of Natural Products Targeting the Vitamin D Receptor From YSQYP in Diabetic Kidney Disease
2026-Apr, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70289
PMID:41934677
|
研究论文 | 本研究提出了一种基于结构和深度学习的筛选策略，从益肾祛瘀方中识别靶向维生素D受体的活性化合物，用于治疗糖尿病肾病 | 结合传统分子对接与深度学习工具（CarsiDock和RTMScore）进行虚拟筛选，并采用表面等离子体共振进行生物物理验证，建立了一种高效的天然产物筛选策略 | 研究主要聚焦于体外细胞实验，未涉及动物模型或临床试验验证，且益肾祛瘀方的其他生物活性成分和机制可能尚未完全阐明 | 从传统中药方剂益肾祛瘀方中筛选靶向维生素D受体的活性化合物，以开发糖尿病肾病的新治疗候选药物 | 益肾祛瘀方中的天然化合物，特别是靶向维生素D受体的成分 | 机器学习 | 糖尿病肾病 | 虚拟筛选，表面等离子体共振，生物测定 | 深度学习 | 分子结构数据，生物物理数据 | NA | NA | NA | 结合亲和力，细胞毒性，细胞凋亡 | NA |
| 1383 | 2026-04-14 |
Artificial Intelligence Enabled Noninvasive Mapping of Cardiac Arrhythmia Origins Using the 12-Lead Electrocardiogram
2026-Apr, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.70319
PMID:41845566
|
综述 | 本文综述了人工智能如何利用标准12导联心电图非侵入性定位心律失常起源点的当前证据、技术进展及临床潜力 | 将AI应用从心律失常检测扩展到非侵入性起源点定位，提出了一种虚拟术前标测概念，旨在指导治疗而不仅是诊断 | 仍面临外部验证不足、数据质量问题、临床医生信任度以及工作流程整合等关键挑战 | 探讨人工智能在基于心电图非侵入性定位心律失常起源点方面的应用与潜力 | 心律失常（重点关注旁路和特发性室性心律失常）的起源点 | 机器学习 | 心血管疾病 | 心电图 | 机器学习, 深度学习 | 信号数据（心电图） | NA | NA | 卷积神经网络 | 准确率 | NA |
| 1384 | 2026-04-14 |
Multi-parametric MRI synthesis for glioblastoma from quantitative MR fingerprinting: Quantitative synthetic neural network (QS-Net)
2026-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70435
PMID:41968695
|
研究论文 | 本文提出了一种名为QS-Net的深度学习模型，用于从定量磁共振指纹图谱合成多参数MRI对比图像，以改善胶质母细胞瘤的诊断和治疗流程 | 开发了一种基于定量磁共振指纹图谱输入的新型深度学习模型QS-Net，采用深度监督残差U-Net生成器和对抗性框架，结合两阶段训练策略分离解剖和病理学习，显著提升了跨厂商泛化能力 | 研究样本量相对较小（32名健康志愿者和18名GBM患者），且为回顾性数据，可能影响模型的广泛适用性 | 开发一种通用性强的深度学习模型，从定量MRI数据合成多参数MRI对比图像，以克服传统定性MRI输入因站点和扫描仪差异导致的泛化性限制 | 胶质母细胞瘤患者和健康志愿者的磁共振成像数据 | 数字病理学 | 胶质母细胞瘤 | 磁共振指纹图谱，多参数MRI | GAN, CNN, Transformer | 图像 | 32名健康志愿者和18名胶质母细胞瘤患者的MRI扫描 | PyTorch | Residual U-Net, Res-Unet, Swin-Transformer | MAE, SSIM, PSNR | NA |
| 1385 | 2026-04-14 |
Multimodal Deep Learning for Pulmonary Nodule Detection on Chest Radiography in High-Risk Adults, With Secondary Validation for All-Cause and Cause-Specific Mortality Prediction: A Multicenter Cohort Study
2026-Apr, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70730
PMID:41969630
|
研究论文 | 本研究开发了一个名为LungProNet的多模态深度学习模型，融合胸部X光片特征与流行病学变量，用于肺结节检测，并验证其在全因及特定原因死亡率预测中的潜力 | 提出了一种结合胸部X光片特征与流行病学变量的多模态深度学习模型，不仅用于肺结节检测，还探索了其在死亡率预测中的二次应用 | 模型在外部验证集ChestDR上的性能（AUC 0.849）低于内部验证集（AUC 0.979），可能存在泛化能力限制 | 开发一个多模态深度学习模型，用于肺结节检测，并验证其在死亡率预测中的辅助应用 | 高风险成年人的胸部X光片及流行病学数据 | 计算机视觉 | 肺癌 | 深度学习 | 多模态深度学习模型 | 图像（胸部X光片）、流行病学变量（年龄、性别、吸烟史、家族史） | 训练和内部验证：TLCID数据集（n=2852/1227）；外部验证：ChestDR数据集（n=4848）；二次验证：PLCO试验（n=24,697） | NA | LungProNet | AUC, 准确率, 敏感性, 特异性, 时间依赖性AUC | NA |
| 1386 | 2026-04-14 |
Progress in machine learning-assisted medical imaging for osteoarthritis and osteoporosis diagnosis: a narrative review
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-aw-2168
PMID:41972027
|
综述 | 本文综述了过去十年中机器学习辅助医学影像在骨关节炎和骨质疏松症诊断方面的进展，并讨论了转化机会与挑战 | 系统总结了AI在OA和OP影像诊断中的演变，从基于放射组学的ML流程到端到端的DL框架，并指出了多模态融合和纵向建模等新兴方向 | 许多深度学习模型的可解释性有限，且存在显著的数据异质性，阻碍了临床转化 | 总结人工智能辅助影像在骨关节炎和骨质疏松症诊断方面的进展，并讨论其转化机会与挑战 | 骨关节炎和骨质疏松症的医学影像数据 | 医学影像分析 | 骨关节炎, 骨质疏松症 | X射线, 计算机断层扫描, 磁共振成像 | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1387 | 2026-04-14 |
Combining 3D iterative image reconstruction and deep learning to improve image quality of knee joint MRI fast sequences: a focus on meniscal injury evaluation
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1845
PMID:41972033
|
研究论文 | 本研究探讨了结合三维迭代图像重建与深度学习的方法，以提升膝关节MRI快速序列的图像质量，并评估其在半月板损伤诊断中的性能 | 首次将三维迭代重建与深度学习模块（iQMR™）结合应用于加速膝关节MRI，在显著缩短扫描时间的同时，保持了与传统序列相当的图像质量和诊断一致性 | 研究为回顾性设计，样本量相对有限（116例患者），且仅评估了特定加速因子下的GRAPPA序列，未涵盖其他加速技术或更广泛的病理类型 | 旨在通过混合重建与深度学习流程，改善加速膝关节MRI的图像质量，并验证其在半月板损伤评估中的诊断效能 | 116例疑似膝关节病变患者（53男，63女，平均年龄53.7±16.9岁）的MRI图像 | 数字病理学 | 半月板损伤 | 磁共振成像（MRI），包括T1加权成像（T1WI）、质子密度加权成像（PDWI）及加速GRAPPA序列 | 深度学习 | 图像 | 116例患者 | NA | NA | 信噪比（SNR）、对比噪声比（CNR）、定性图像质量评分（5点Likert量表）、Stoller分级一致性（加权Kappa、组内相关系数ICC） | NA |
| 1388 | 2026-04-14 |
A comparative study of magnetic resonance imaging image-based deep learning and conventional turbo spin echo sequence in tumor-node staging of rectal cancer
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1884
PMID:41972022
|
研究论文 | 本研究比较了深度学习重建的TSE序列与传统TSE序列在直肠癌肿瘤-淋巴结分期中的诊断性能、分期准确性和采集时间 | 首次将深度学习重建技术应用于直肠癌MRI的TSE序列，显著提高了T分期和N分期的准确性，并减少了扫描时间 | 样本量较小（60名患者），且为单中心研究，可能影响结果的普适性 | 比较深度学习重建TSE序列与传统TSE序列在直肠癌TN分期中的诊断性能 | 直肠癌患者的MRI图像 | 数字病理学 | 直肠癌 | 磁共振成像，深度学习图像重建 | 深度学习模型 | MRI图像 | 60名直肠癌患者 | NA | NA | 准确性，敏感性，特异性，Kappa一致性系数 | NA |
| 1389 | 2026-04-14 |
Development and validation of a deep learning radiomics model for predicting capsular invasion in small renal masses: a multicenter retrospective study
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1-2539
PMID:41972042
|
研究论文 | 本研究开发并验证了一种基于CT图像的深度学习放射组学模型，用于无创预测小肾肿瘤的包膜侵犯 | 结合了放射组学特征和深度学习特征，并利用SHAP进行模型可解释性分析，为小肾肿瘤的术前评估提供了新的多中心验证工具 | 模型在外部测试集上的性能未显著优于单独的放射组学或深度学习迁移模型，且为回顾性研究 | 术前无创预测小肾肿瘤的肾包膜侵犯，以辅助治疗规划 | 小肾肿瘤患者 | 数字病理学 | 肾癌 | CT成像 | 深度学习, 放射组学 | CT图像 | 来自三个中心的413个小肾肿瘤样本（训练集330例，外部测试集83例） | PyRadiomics | ResNet50 | AUC, 校准曲线, 决策曲线 | NA |
| 1390 | 2026-04-14 |
Validation and feasibility of fast knee MRI using a deep learning-assisted 3D iterative image enhancement system
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-2099
PMID:41972050
|
研究论文 | 本研究探讨了使用深度学习辅助的三维迭代图像增强系统实现膝关节高分辨率快速MRI的可行性 | 首次将深度学习辅助的三维迭代图像增强系统应用于膝关节快速MRI，以在加速扫描的同时提升图像质量 | 研究为单中心前瞻性研究，样本量相对有限，且未评估长期临床影响 | 验证深度学习辅助的三维迭代图像增强系统在膝关节快速MRI中的可行性和图像质量提升效果 | 计划进行膝关节MRI平扫的患者 | 医学影像 | 膝关节疾病 | 磁共振成像 | 深度学习模型 | MRI图像 | 134名患者 | NA | NA | 峰值信噪比, 多尺度结构相似性指数, 信噪比, 对比噪声比 | NA |
| 1391 | 2026-04-14 |
Enhancing vision Mamba with two-dimensional position embedding and multiscale fusion for medical image segmentation
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-aw-2178
PMID:41972053
|
研究论文 | 本文提出了一种增强的视觉Mamba模型，通过引入二维位置嵌入和多尺度融合模块来提升医学图像分割的精度和计算效率 | 首次将二维位置嵌入和专门设计的多尺度特征融合块集成到视觉状态空间模型中，以解决Mamba顺序处理中细节信息丢失的问题 | 仅在三个公开数据集上进行了验证，未在更多样化的临床场景和私有数据上进行测试 | 设计一个既能准确识别目标病灶又能保证计算效率的医学图像分割模型 | 医学图像中的感兴趣区域和细粒度病灶 | 计算机视觉 | NA | 深度学习 | 视觉状态空间模型 | 医学图像 | 三个公开数据集 | NA | Vision Mamba | Dice相似系数, 体积重叠误差, 对象间平均表面距离, Jaccard系数, 召回率 | NA |
| 1392 | 2026-04-14 |
WENet: a lightweight dermoscopic image segmentation network with wide edge assistance generated by morphological erosion
2026-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1946
PMID:41972052
|
研究论文 | 本文提出了一种轻量级皮肤镜图像分割网络WENet，通过形态学腐蚀生成宽边缘辅助，以同时解决边缘分割挑战并保持低计算复杂度 | 设计了宽边缘辅助的轻量级分割网络，结合了挤压双路径卷积、统计多特征自适应通道重校准注意力模块以及宽边界生成器，在保持模型紧凑的同时显著提升了边缘分割性能 | 未明确说明模型在更广泛或更具挑战性的临床数据集上的泛化能力，也未详细讨论实时部署在边缘设备上的具体性能指标 | 设计一个同时解决边缘分割挑战并保持低计算复杂度的皮肤镜图像分割模型 | 皮肤镜图像中的病变区域 | 计算机视觉 | 皮肤病变 | 形态学腐蚀 | CNN | 图像 | ISIC2017、ISIC2018和PH2数据集中的皮肤镜图像 | NA | WENet | mIoU, 特异性 | NA |
| 1393 | 2026-04-14 |
Hybrid CNN-GCN framework for brain tumor MRI classification: A graph-based approach to smart healthcare diagnostics
2026-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70560
PMID:41972366
|
研究论文 | 本研究提出并验证了一种融合卷积神经网络和图卷积网络的混合计算框架，用于从磁共振成像中自动分类脑肿瘤 | 提出了一种新颖的混合CNN-GCN框架，将CNN的层次特征提取与GCN的关系推理相结合，并利用粒子群优化算法进行超参数调优以提高泛化能力 | 研究使用了公开的Kaggle数据集，可能无法完全代表临床实践中遇到的所有肿瘤形态和成像条件 | 开发一个自动化、高精度的脑肿瘤分类系统，以支持临床决策和智能医疗诊断 | 脑部磁共振成像 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | CNN, GCN | 图像 | 未明确指定具体数量，但使用了公开的Kaggle MRI数据集，包含四类：胶质瘤、脑膜瘤、垂体瘤和无肿瘤 | TensorFlow, PyTorch | InceptionV3 | 准确率, F1分数 | NA |
| 1394 | 2026-04-14 |
[Gynecology, Obstetrics and Fertility - Reborn in the Digital Revolution]
2026-Apr, Harefuah
PMID:41972445
|
综述 | 本文综述了人工智能（包括机器学习、深度学习和大型语言模型）在妇产科及生殖医学领域的应用进展，如图像处理、并发症预测和临床决策支持 | 强调了人工智能在提升胎儿异常检测、胚胎质量分类和妇科病理早期识别方面的变革性作用，并讨论了其在以色列独特医疗环境中的创新潜力 | 人工智能仅作为辅助工具，无法替代医学判断；模型可靠性、数据隐私安全及多语言（如希伯来语）应用有限仍是挑战 | 回顾人工智能工具在妇产科领域的植入进展，以促进个性化医疗和优化公共卫生资源利用 | 妇产科及生殖医学中的临床数据、医学影像（如产前超声）、病理样本及医疗记录 | 数字病理学 | 妇科疾病 | 机器学习, 深度学习, 大型语言模型 | NA | 图像, 文本 | NA | NA | NA | 诊断准确性, 假阳性率 | NA |
| 1395 | 2026-04-14 |
Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs
2026-Mar-30, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15096-5
PMID:41912727
|
研究论文 | 提出一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库溶解氧浓度 | 设计了一种双通道架构，结合历史多模态观测数据与基于物理模型的未来预测输入，将数据驱动学习与物理洞察相统一，增强对气候变化情景的适应性 | 仅在美国田纳西州Watts Bar Dam进行了案例研究，未在其他水库或区域验证模型的泛化能力 | 开发准确的长周期溶解氧预测模型，以支持水库管理中及时且经济有效的增氧干预 | 水库溶解氧浓度 | 机器学习 | NA | 多模态观测数据采集 | LSTM, 注意力机制 | 多模态环境数据（历史观测数据与物理模型预测数据） | NA | NA | 双通道LSTM结合傅里叶变换与跨模态注意力机制 | RMSE | NA |
| 1396 | 2026-04-14 |
Virtual histology imaging of lymph nodes via dynamic full-field optical coherence tomography and deep learning to differentiate metastasis
2026-Mar-28, Cancer biology & medicine
IF:5.6Q1
|
研究论文 | 本研究验证了动态全场光学相干断层扫描（D-FFOCT）结合深度学习在乳腺癌淋巴结转移检测中的应用，提供了一种快速、无标记的虚拟组织学成像方法 | 首次将D-FFOCT与深度学习结合用于淋巴结转移的虚拟组织学成像，实现了无需组织制备或消耗的快速评估 | 研究仅针对乳腺癌患者，样本量有限（155例患者），且依赖前瞻性双中心队列，可能影响泛化性 | 开发并验证一种用于淋巴结转移检测的快速、无标记虚拟病理工具 | 乳腺癌患者的淋巴结组织 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描（D-FFOCT） | 深度学习模型 | 图像 | 155例乳腺癌患者，共747个新鲜切片的淋巴结玻片 | NA | NA | 灵敏度, 特异性, 受试者工作特征曲线下面积（AUC） | NA |
| 1397 | 2026-04-14 |
Measuring the Impact of AI on Report-Drafting Efficiency in Chest Computed Tomography Interpretation: Retrospective Analysis
2026-Mar-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77967
PMID:41894678
|
研究论文 | 本研究通过回顾性分析评估了AI系统在胸部CT肺结节诊断中对放射科医师报告起草效率的影响 | 采用双重差分设计，结合非等效比较组，首次量化了AI实施前后及长期（长达两年）报告起草时间的变化，并揭示了医院间实施动态的异质性 | 研究仅基于两家医院的数据，结果可能无法推广到其他医疗机构；且未能详细控制所有可能影响报告时间的混杂因素 | 评估AI系统对放射科医师在胸部CT肺结节诊断中报告起草效率的影响 | 来自北京安贞医院和清华长庚医院的185,044份胸部CT报告 | 医学影像分析 | 肺结节 | 胸部CT成像 | 深度学习 | 医学图像（胸部CT） | 185,044份报告 | NA | NA | 报告起草时间（分钟） | NA |
| 1398 | 2026-04-14 |
Cost-effective assessment of effluent COD and total nitrogen using routine online monitoring data: a hybrid deep learning strategy
2026-Mar-25, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-026-15228-x
PMID:41876866
|
研究论文 | 本研究提出了一种基于常规在线监测数据的混合深度学习策略，用于经济高效地评估废水处理厂出水化学需氧量和总氮浓度 | 开发了一种新颖的混合深度学习框架，将长短期记忆网络与极端梯度提升算法相结合，仅利用常规在线传感器数据（流量、氨氮、总磷、pH）作为替代指标来估计复杂水质参数 | 研究基于单一污水处理厂的长期数据，模型在其他处理厂或不同工艺条件下的泛化能力尚未验证 | 开发经济高效的废水处理厂出水水质评估方法，减少对实验室检测的依赖 | 废水处理厂出水化学需氧量和总氮浓度 | 机器学习 | NA | 在线水质监测 | LSTM, XGBoost | 时间序列数据 | 来自实际规模污水处理厂的长期时间序列数据 | NA | LSTM-XGBoost混合架构 | 决定系数 | NA |
| 1399 | 2026-04-14 |
Explainable deep learning framework for fecal contamination detection on chicken eggshells via portable fluorescence imaging under ambient light
2026-Mar-25, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2026.106868
PMID:41967323
|
研究论文 | 本研究评估了使用便携式荧光成像设备结合优化深度学习架构，在环境光下原位检测鸡蛋壳上粪便污染以提升食品安全的效果 | 开发了一种基于便携式荧光成像和可解释AI框架的深度学习系统，能在环境光下稳定检测鸡蛋壳上的粪便污染，无需严格暗室环境 | NA | 增强食品安全，通过原位检测鸡蛋壳上的粪便污染 | 鸡蛋壳（包括棕色和白色鸡蛋）上的粪便污染 | 计算机视觉 | NA | 便携式荧光成像，405 nm和365 nm激发光 | 深度学习 | 荧光图像 | NA | NA | MobileNet, ViT Base 384 | 准确率, SSIM | NA |
| 1400 | 2026-04-14 |
Machine learning for evolutionary genetics and molecular evolution
2026-Mar-24, Trends in genetics : TIG
IF:13.6Q1
DOI:10.1016/j.tig.2026.01.013
PMID:41881768
|
综述 | 本文综述了机器学习在进化遗传学和分子进化领域的应用进展与挑战 | 强调了人工智能在连接基因型、表型和进化历史方面的潜力 | NA | 探讨机器学习在遗传学和进化研究中的应用 | 进化遗传学和分子进化 | 机器学习 | NA | NA | 深度学习 | 大规模数据 | NA | NA | NA | NA | NA |