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 40284 篇文献，本页显示第 1421 - 1440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1421 | 2026-02-03 |
Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103055
PMID:39721356
|
研究论文 | 本文提出了一种基于一致性的预测不确定性指数，用于改进低剂量CT肺癌筛查的风险评估 | 提出了一种结合亚组分析和个性化AI时间-事件模型的新型预测不确定性指数，通过衡量两者预测一致性来评估偏差-方差权衡，提高了预测的透明度和可靠性 | 研究依赖于回顾性数据，且模型可能受到删失数据偏差的影响 | 改进肺癌筛查的风险评估特异性 | 低剂量CT筛查中的肺癌患者 | 数字病理学 | 肺癌 | 低剂量CT，放射组学特征提取 | 神经网络多任务逻辑回归时间-事件模型 | CT图像，患者人口统计学数据 | 3,326名在2015年1月1日至2020年6月30日期间接受低剂量CT筛查并在一年内经病理证实为肺癌的患者 | MONAI | 预训练的深度学习模型 | AUC，假阳性率，假阴性率 | NA |
| 1422 | 2026-02-03 |
Deep learning model for automatic detection of different types of microaneurysms in diabetic retinopathy
2025-Feb, Eye (London, England)
DOI:10.1038/s41433-024-03585-1
PMID:39789187
|
研究论文 | 本研究开发了一种基于深度学习的软件，用于在非增殖性糖尿病视网膜病变患者的结构光学相干断层扫描图像中自动检测和区分低反射和高反射微动脉瘤 | 首次在结构OCT图像上使用深度学习模型（特别是DETR）自动检测和分类不同类型的微动脉瘤（低反射与高反射） | 自动化方法与手动标注之间的差异主要源于自动化方法错误选择了正常视网膜血管，且YOLO模型性能较差 | 开发能够自动检测和区分糖尿病视网膜病变中不同类型微动脉瘤的深度学习软件，以辅助临床早期检测和监测 | 非增殖性糖尿病视网膜病变患者的结构OCT图像及其中的微动脉瘤 | 计算机视觉 | 糖尿病视网膜病变 | 结构光学相干断层扫描 | YOLO, DETR | 图像 | 249名患者（498只眼睛） | NA | YOLO, DETR | AUC | NA |
| 1423 | 2026-02-03 |
AI-based methods for biomolecular structure modeling for Cryo-EM
2025-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102989
PMID:39864242
|
综述 | 本文综述了人工智能（特别是深度学习）在冷冻电镜数据处理关键步骤（如大分子结构建模和异质性分析）中的应用 | 总结了当前最先进的AI技术在冷冻电镜数据处理中的创新应用，特别是深度学习对结构建模和异质性分析性能的提升 | NA | 探讨AI方法在冷冻电镜生物分子结构建模领域的应用与进展 | 冷冻电镜数据处理中的大分子结构建模和异质性分析 | 结构生物学 | NA | 冷冻电镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1424 | 2026-02-03 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 本文综述了放射学领域基础模型的基本概念、训练要求、能力及评估策略，旨在统一技术进展与临床需求，以安全、负责任地训练和应用这些模型 | 系统性地阐述了放射学领域基础模型的训练路径、潜力与挑战，并特别关注了训练数据要求、模型训练范式、能力及评估策略，为放射科医生理解这一变革性技术提供了全面指导 | 本文为综述性文章，未提出新的具体模型或实验，主要基于现有文献进行归纳和展望 | 解释放射学中基础模型的基本概念和术语，并探讨其安全、负责任训练的路径，以最终使患者、医疗服务提供者和放射科医生受益 | 放射学领域的基础模型 | 放射学 | NA | NA | 基础模型 | 文本和影像数据 | NA | NA | NA | NA | NA |
| 1425 | 2026-02-03 |
Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240473
PMID:39964263
|
研究论文 | 本研究通过分析国家肺癌筛查试验的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）在2年间的变化与全因死亡率、心血管死亡率和肺癌死亡率之间的关联 | 首次在大型肺癌筛查队列中，利用经过验证的自动化深度学习算法，量化了连续CT扫描中心外膜脂肪组织（EAT）体积和密度的纵向变化，并将其与长期死亡率结局相关联 | 研究为二次分析，可能存在未测量的混杂因素；EAT的测量依赖于自动化算法，可能存在技术误差；结果主要基于特定筛查人群，外推性需谨慎 | 探究在肺癌筛查人群中，心外膜脂肪组织（EAT）的纵向变化是否与死亡率风险相关 | 参加国家肺癌筛查试验（NLST）并接受连续低剂量CT扫描的个体 | 数字病理学 | 肺癌, 心血管疾病 | 低剂量CT扫描, 深度学习算法 | 深度学习算法 | 医学影像（CT扫描） | 20661名参与者（平均年龄61.4岁，男性12237人） | NA | NA | 风险比（HR）, 95%置信区间（CI） | NA |
| 1426 | 2026-02-03 |
Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture
2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India
DOI:10.1007/s12070-024-05202-9
PMID:40070749
|
研究论文 | 本研究提出了一种利用ResNet-50 CNN架构对喉部内窥镜图像进行二分类（癌变与非癌变）的新方法，以辅助喉癌的早期检测 | 在印度喉癌高发且缺乏先进NBI设备和专业知识的背景下，首次将ResNet-50 CNN架构应用于喉部内窥镜图像的二分类任务，并针对数据稀缺问题将九类形态学分类简化为癌变/非癌变二分类 | 原始研究计划对九种形态学类别进行分类，但因各类别数据不足而简化为二分类；研究仅使用单一医疗中心的数据，可能影响模型泛化能力 | 开发基于深度学习的喉癌早期检测与分类系统 | 喉部内窥镜图像中的癌变与非癌变病变区域 | 计算机视觉 | 喉癌 | 内窥镜成像，图像处理技术 | CNN | 图像 | 来自960名患者的1978张内窥镜图像（其中测试集197张，含43张癌变图像和154张非癌变图像） | NA | ResNet-50 | ROC曲线下面积（AUC），准确率 | NA |
| 1427 | 2026-02-03 |
CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT
2024-Nov-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3496870
PMID:40030354
|
研究论文 | 本文提出了一种基于散射窗口投影和深度学习的无传输扫描衰减补偿方法（CTLESS），用于心肌灌注SPECT成像 | 开发了一种无需单独CT扫描的衰减补偿方法，利用散射能量窗口投影和深度学习网络分割估计的衰减图，从而减少辐射剂量和成本 | 方法依赖于预定义的衰减系数，且需要CT扫描数据进行训练，可能受训练数据质量和泛化能力限制 | 解决心肌灌注SPECT成像中衰减补偿对单独CT扫描的依赖问题，以提高诊断准确性并降低成本和辐射风险 | 心肌灌注SPECT图像，特别是用于检测灌注缺陷的临床任务 | 数字病理学 | 心血管疾病 | 单光子发射计算机断层扫描（SPECT），散射能量窗口投影 | 深度学习网络 | 图像 | 回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像，涉及两个不同摄像头的SPECT扫描仪 | NA | 多通道输入多解码器网络 | AUC, RMSE, SSIM | NA |
| 1428 | 2026-02-03 |
A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction
2024-Jul, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.12025
PMID:38715910
|
综述 | 本文为骨科研究人员提供人工智能技术基础的实用指南，涵盖机器学习任务、神经网络、自然语言处理及生成式AI的入门介绍 | 针对骨科研究领域系统梳理AI技术框架，特别强调生成式AI与大型语言模型在医学研究中的变革潜力 | 作为技术入门指南未涉及具体实验数据或模型验证 | 为骨科研究人员提供参与AI驱动研究所需的基础技术知识 | 骨科研究领域的人工智能技术方法论 | 机器学习 | 骨科疾病 | NA | 神经网络, 深度学习架构, 大型语言模型 | 医学数据, 文本数据 | NA | NA | NA | NA | NA |
| 1429 | 2026-02-03 |
Retrieval augmented scientific claim verification
2024-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae021
PMID:38455840
|
研究论文 | 本文开发了CliVER系统，利用检索增强技术自动验证科学声明，并通过与临床医生比较评估其性能 | 提出了CliVER系统，结合检索增强技术和PICO框架，并创建了新的COVID验证数据集CoVERt，集成多个深度学习模型以提高验证准确性 | 需要进一步测试其临床实用性，且数据集规模有限（仅15个药物声明和96个临床试验摘要） | 自动化科学声明验证，利用PubMed摘要支持或反驳科学声明 | 科学声明（特别是药物相关声明）和PubMed中的临床试验摘要 | 自然语言处理 | COVID-19 | 检索增强技术，PICO框架，深度学习模型集成 | 深度学习模型（具体类型未指定，但提及为state-of-the-art模型） | 文本（PubMed摘要和科学声明） | CoVERt数据集包含15个PICO编码的药物声明和96个手动标记的临床试验摘要；比较实验涉及19个声明和189,648个PubMed摘要 | NA | NA | F1分数，精确度 | NA |
| 1430 | 2026-02-03 |
A deep learning adversarial autoencoder with dynamic batching displays high performance in denoising and ordering scRNA-seq data
2024-Mar-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109027
PMID:38361616
|
研究论文 | 本文提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度神经网络生成框架，用于有效去噪和排序单细胞RNA测序（scRNA-seq）数据 | DB-AAE直接捕获输入数据中的最优特征，增强特征保留，包括细胞类型特异性基因表达模式，并在去噪准确性和生物信号保留方面优于其他方法 | NA | 提高scRNA-seq数据的质量和可靠性，以增强下游分析的准确性 | 单细胞RNA测序（scRNA-seq）数据 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq） | 对抗自编码器（AAE） | 基因表达数据 | 模拟和真实数据集 | NA | 动态批处理对抗自编码器（DB-AAE） | 去噪准确性, 生物信号保留 | NA |
| 1431 | 2026-02-03 |
Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks
2024-Mar-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.07.583913
PMID:38496683
|
研究论文 | 本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因 | 结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用 | 研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型 | 识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制 | 神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系 | 机器学习 | 黑色素瘤 | 高通量siRNA筛选、重组蛋白添加、体内外侵袭实验 | 深度学习注意力网络 | 基因表达数据、细胞迁移数据 | 45个基因面板，涉及c8161和HT1080细胞系 | NA | 注意力网络 | NA | NA |
| 1432 | 2026-02-03 |
Low-contrast-dose liver CT using low monoenergetic images with deep learning-based denoising for assessing hepatocellular carcinoma: a randomized controlled noninferiority trial
2023-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-09298-x
PMID:36576547
|
研究论文 | 本研究通过一项随机对照非劣效性试验，评估了使用双能CT和深度学习去噪技术的低对比剂剂量CT在肝细胞癌高风险患者中的有效性 | 结合双能CT的低单能图像和深度学习去噪技术，首次在随机对照试验中证明可将肝脏CT的对比剂剂量减少40%而不影响肝细胞癌的显影清晰度 | 研究为单中心试验，样本量相对较小（90名参与者），且仅针对肝细胞癌高风险患者，结果可能无法推广到所有人群或其他肝脏病变 | 评估低对比剂剂量CT结合先进成像技术在肝细胞癌检测中的非劣效性 | 肝细胞癌高风险患者 | 数字病理 | 肝细胞癌 | 双能CT，深度学习去噪，模型迭代重建 | 深度学习 | CT图像 | 90名参与者（47名标准剂量组，43名低剂量组） | NA | NA | 肝细胞癌显影清晰度评分，非劣效性检验 | NA |
| 1433 | 2026-02-02 |
Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation
2026-Feb, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70149
PMID:40676371
|
研究论文 | 本研究评估了使用长短期记忆（LSTM）深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的性能 | 首次将LSTM算法应用于儿童活动记录仪和心率数据，以预测睡眠与清醒状态及睡眠阶段（清醒、非快速眼动、快速眼动），相比传统方法（如Sadeh算法）在特异性方面有显著提升，并探索了心率数据对睡眠阶段预测的改进作用 | 研究样本为因疑似睡眠障碍而转诊的儿童，可能限制了结果的普适性；仅评估了三种消费级可穿戴设备，未涵盖所有市场产品；未详细讨论LSTM模型的计算复杂度或实时应用可行性 | 评估LSTM深度学习算法在利用活动记录仪和心率数据预测儿童睡眠与睡眠阶段方面的性能，并与传统方法（逻辑回归和随机森林）进行比较 | 儿童（年龄5-12岁）的睡眠数据，包括活动记录仪和心率测量 | 机器学习 | 睡眠障碍 | 活动记录仪（ActiGraph GT9X）、心率监测、多导睡眠图（PSG） | LSTM | 时间序列数据（原始活动记录仪和心率数据） | 238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人） | 未明确指定，但提及了逻辑回归和随机森林作为基准 | LSTM | 准确率、敏感性、特异性 | NA |
| 1434 | 2026-02-02 |
An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study
2026-Feb, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107192
PMID:41547160
|
研究论文 | 本研究提出了一种基于计算机视觉的算法，用于在锥束计算机断层扫描肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度 | 开发了一种传统计算机视觉算法，能够自动推荐最大化肿瘤供血动脉视图的旋转角度，避免了当前血管追踪软件缺乏自动角度推荐的问题，相比深度学习方法更快速且可解释性更强 | 这是一项初步研究，样本量较小（19例用于算法开发，50例用于内部验证），需要更大规模的患者研究和进一步技术迭代 | 优化肝动脉栓塞术中肿瘤供血动脉的可视化，提高介入放射科医生的手术效率 | 肝细胞癌患者的锥束计算机断层扫描肝动脉造影图像 | 计算机视觉 | 肝细胞癌 | 锥束计算机断层扫描肝动脉造影，3D体积渲染技术 | 传统计算机视觉算法（非深度学习） | 医学图像（3D体积渲染图像序列） | 19例患者用于算法开发，50例患者用于内部验证 | NA | NA | 检索相关性（100%在推荐的前4个角度中包含足够栓塞任务的角度） | NA |
| 1435 | 2026-02-02 |
Classification of lung nodules in CT images based upon a multiplane dense inception network
2026-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70316
PMID:41619284
|
研究论文 | 本研究提出了一种基于多平面密集初始网络（MPDINet）的计算机辅助诊断系统，用于预测肺部CT图像中结节恶性的可能性 | 结合手工纹理特征图与强度CT图像作为网络输入，并利用多平面密集初始网络（MPDINet）增强结节表征，同时保持计算效率 | NA | 开发基于深度学习的计算机辅助诊断系统，用于早期检测肺癌结节 | 肺部CT图像中的结节 | 计算机视觉 | 肺癌 | CT成像 | CNN | 图像 | 1235个结节（802个良性，433个恶性） | NA | DenseNet, GoogLeNet | AUC, 敏感性, 特异性, 精确度 | NA |
| 1436 | 2026-02-02 |
The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia
2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses
IF:1.6Q2
DOI:10.1016/j.jopan.2025.10.003
PMID:41620263
|
综述 | 本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力 | 将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训 | 广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量 | 研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率 | 超声引导区域麻醉（UGRA）及其相关临床实践 | 医学影像分析 | NA | 超声成像 | 深度学习 | 超声图像 | NA | NA | NA | 图像质量、识别置信度 | NA |
| 1437 | 2026-02-02 |
Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications
2026-Feb-01, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-025-00213-x
PMID:41620547
|
综述 | 本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景 | 系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力 | 作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析 | 探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向 | 光声成像技术及其在生物医学领域的应用 | 医学影像 | NA | 光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜 | 深度学习（DL） | 图像 | NA | NA | NA | NA | NA |
| 1438 | 2026-02-02 |
SBTM: epileptic seizure prediction from EEG signal using deep learning in blockchain-enabled smart healthcare monitoring with IoT networking
2026-Jan-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36425-1
PMID:41620453
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1439 | 2026-02-02 |
Diagnostic accuracy of artificial intelligence models for temporomandibular joint anomalies on MRI: a systematic review and meta-analysis
2026-Jan-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-026-01525-6
PMID:41620618
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在磁共振成像上诊断颞下颌关节异常的准确性 | 首次对应用于颞下颌关节MRI的AI模型进行系统综述和荟萃分析，并识别了影响模型性能的关键因素 | 存在显著的异质性（I² > 90%），外部验证有限，临床转化受限 | 评估AI模型在MRI上检测颞下颌关节异常的诊断性能，并分析影响性能的因素 | 颞下颌关节异常 | 医学影像分析 | 颞下颌关节疾病 | 磁共振成像 | 深度学习, 机器学习 | 图像 | NA | NA | ResNet-18, Inception v3, EfficientNet-b4 | 准确率, 灵敏度, 特异性 | NA |
| 1440 | 2026-02-02 |
PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data
2026-Jan-31, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-026-03963-w
PMID:41620776
|
研究论文 | 本文介绍了一个名为PolyAseqTrap的R包，用于从多种3'端测序数据中识别和量化多聚腺苷酸化位点 | 提出了一个通用的多聚腺苷酸化位点识别工具，采用多聚A读取优先级策略、可转移的跨物种深度学习模型以及加权密度峰值聚类方法，以解决内部引物问题和微异质性影响 | NA | 开发一个用于基因组范围内多聚腺苷酸化位点识别和量化的通用工具 | 多聚腺苷酸化位点 | 生物信息学 | NA | 3'端测序 | 深度学习 | 测序数据 | 涉及16种不同的3'测序技术，跨多个物种 | R | NA | NA | NA |