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 44945 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2026-06-03 |
Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg
2026-Feb-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121729
PMID:41548822
|
研究论文 | 提出一种基于SynthSeg的数据驱动采样策略，用于训练能够分割具有广泛域偏移的胎儿脑部MRI的网络 | 引入一种新颖的数据驱动训练期采样策略，充分利用训练数据的多样性，增强网络对域偏移的泛化能力，并结合SynthSeg框架和域随机化生成多样训练数据 | 在处理解剖异常较少的病例时，分割性能略有下降 | 训练能够自动分割胎儿脑部MRI的网络，处理因主体生理差异和采集环境导致的广泛域偏移，尤其是病理情况下常见的形状差异 | 胎儿脑部核磁共振图像 | 数字病理学 | 胎儿神经发育疾病 | MRI | 卷积神经网络 | 图像 | 未明确说明 | SynthSeg | 卷积神经网络 | 分割质量 | 未明确说明 |
| 162 | 2026-06-03 |
Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images
2026-02-07, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07727-7
PMID:41654817
|
研究论文 | 利用深度学习技术对全景X光图像中的牙齿状况进行分类，比较了自定义CNN、混合CNN机器学习模型和微调预训练架构的性能 | 首次系统比较了自定义CNN、混合CNN-机器学习模型和微调预训练架构在牙科全景X光图像中检测四种牙齿状况（填充物、龋洞、种植体和阻生牙）的性能，并采用随机降采样处理类别不平衡问题 | 系统分类错误揭示了形态相似状况之间的固有问题，表明AI系统应作为临床专业知识的辅助工具，需要前瞻性验证研究 | 评估多种深度学习方法对全景X光片中牙齿状况进行自动化分类的性能 | 全景X光图像中的牙齿状况：填充物、龋洞、种植体和阻生牙 | 计算机视觉 | 口腔疾病 | NA | CNN, 混合CNN-随机森林, VGG16, Xception, ResNet50, 支持向量机, 决策树, 随机森林 | 图像 | 1512张全景X光图像，11137个手动标注的边界框，每个状况894个样本（经过降采样） | NA | 自定义CNN, VGG16, Xception, ResNet50, 随机森林, 支持向量机, 决策树 | 准确率, 精确率, 召回率, F1分数, macro-F1分数 | NA |
| 163 | 2026-06-03 |
Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level
2026-Feb-03, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c13074
PMID:41549613
|
研究论文 | 提出一种基于三维卷积残差网络的深度学习方法，用于对质谱光度法数据进行事件分类，以实现单分子级别的最优质量测量 | 首次利用三维卷积残差网络分析事件时空动态，通过监督学习分类着陆事件，从而隔离最优单分子测量，消除累积直方图伪影，并将分辨能力提升至两倍 | 摘要中未明确提及方法的局限性 | 提高质谱光度法在单分子测量中的质量分辨率、灵敏度和浓度检测能力 | 质谱光度法中的蛋白质结合/解离事件 | 计算机视觉 | NA | 质谱光度法 | 三维卷积残差网络 | 质谱光度法事件缩略图 | 多个实验数据集，包括已分辨和部分分辨的样品，以及不同质量、浓度和积分时间的样本 | PyTorch | 三维卷积残差网络 | 质量分辨率、灵敏度、浓度 | NA |
| 164 | 2026-06-03 |
Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction
2026-Feb, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501513
PMID:41546413
|
研究论文 | 提出DeepR-SXYZ深度学习框架，通过稀疏X-Y-Z重建实现深组织三光子荧光显微镜的百纳秒等效像素驻留时间，大幅提升成像速度 | 首次将深度学习稀疏重建与三光子荧光显微结合，通过结构-动态注意力增强Transformer同步捕获层内形态与层间动态，实现8.8倍加速和60%以上Z轴层恢复 | 依赖配对训练数据（稀疏与密集采样），可能限制在无配对数据场景的泛化性；未明确讨论对活体组织光毒性的量化评估 | 实现三光子荧光显微的高速、低光毒性体积成像，平衡成像速度与空间分辨率 | 脑脉管系统和肌巨噬细胞 | 计算机视觉， 数字病理学 | NA | 三光子荧光显微镜 | CNN， Transformer | 图像（三维体积扫描） | 脑脉管系统和肌巨噬细胞的体积扫描数据 | NA | 卷积神经网络（CNN）， 结构-动态注意力增强Transformer | 加速比， 层恢复率， 等效像素驻留时间 | NA |
| 165 | 2026-06-03 |
The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes
2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 利用深度学习方法创建4D人类胚胎脑图谱，捕捉孕早期大脑的快速解剖变化 | 引入随时间变化的初始图谱并惩罚偏离，确保在胚胎快速发育期间保持特定年龄的解剖结构 | NA | 提供正常胚胎脑发育的详细见解并识别异常，改善产前神经发育障碍的检测、预防和治疗 | 人类胚胎大脑 | 计算机视觉 | 神经发育障碍 | 3D超声成像 | 深度学习 | 3D超声图像 | 来自402名受试者的831张3D超声图像，孕周8至12周 | NA | NA | 消融研究结果 | NA |
| 166 | 2026-06-03 |
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 | 提出一种计算机视觉算法，用于在锥形束CT肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度 | 使用传统计算机视觉方法而非深度学习，实现快速、可解释的自动角度推荐，提高了放射科医生的操作效率 | 研究样本量较小，仅纳入50例患者进行内部验证，需要更大规模研究进一步验证 | 开发一种能够自动推荐最佳旋转角度的计算机视觉算法，以优化肿瘤供血动脉的可视化，辅助肝动脉栓塞术 | 肝细胞癌患者的锥形束CT肝动脉造影图像中的肿瘤供血动脉 | 计算机视觉 | 肝细胞癌 | 锥形束CT肝动脉造影 | NA | 图像 | 19例患者用于算法开发，50例患者用于内部验证 | OpenCV | NA | 检索相关性 | NA |
| 167 | 2026-06-03 |
Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system
2026-Feb, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2026.110061
PMID:41547313
|
研究论文 | 提出一种基于深度学习的生成网络，利用单个红外遥感系统重建泄漏气体羽流的空间位置和三维分布 | 采用八叉树表示建模气体羽流的稀疏三维分布，实现从粗到细的生成，仅需少量计算和内存资源 | 红外遥感仪器的分辨率和计算机存储容量限制了气体羽流重建的空间分辨率 | 解决单个红外遥感系统仅能测量气体浓度二维投影的问题，实现三维气体羽流重建 | 泄漏气体羽流的空间位置和分布 | 计算机视觉 | NA | 红外遥感 | 生成网络 | 红外遥感图像 | 实地实验中的泄漏气体羽流样本 | PyTorch | 八叉树生成网络 | NA | NA |
| 168 | 2026-06-03 |
Deep learning in stroke therapeutics: drug repurposing and beyond
2026-Feb, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2026.2619641
PMID:41549848
|
综述 | 本文综述了深度学习在脑卒中治疗中的应用，重点包括药物重定位及其他前沿领域 | 系统性地将深度学习应用于脑卒中药物重定位，并扩展到临床前建模及临床决策支持，加速了从数据到治疗转化的进程 | 面临模型可解释性不足、泛化能力有限以及真实世界验证困难的挑战 | 梳理深度学习在脑卒中治疗中的现有应用，并探讨其克服病理异质性和治疗窗狭窄等问题及促进药物开发的潜力 | 脑卒中相关的药物重定位、靶点识别、虚拟筛选及临床诊断工具 | 机器学习 | 脑血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 169 | 2026-06-03 |
Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance
2026-Feb-01, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 评估人工智能模型对非典型意义不明确细胞学的甲状腺结节风险分层效果 | 首次应用深度学习AI模型对AUS细胞学的甲状腺结节进行风险分层，并与传统K-TIRADS评分系统直接比较诊断准确性 | 回顾性设计、样本量较小（165个结节）、仅纳入韩国医疗中心数据 | 评估AI模型在AUS细胞学甲状腺结节临床风险分层中的适用性 | 2019年1月至2020年12月韩国五家医疗中心接受甲状腺结节细针穿刺的患者 | 数字病理学， 机器学习 | 甲状腺结节， 甲状腺癌 | 超声成像， 细针穿刺细胞学 | 深度学习模型 | 超声图像 | 165个甲状腺结节 | NA | AI-Thyroid（具体架构未说明） | 敏感度， 阴性预测值， AUC | NA |
| 170 | 2026-06-03 |
Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches
2026-Jan-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae39e2
PMID:41554181
|
research paper | 利用分类和序贯深度学习方法预测乳腺密度，并产生模型不确定性估计 | 首次在深度学习乳腺密度预测中，通过分类和序贯方法产生模型不确定性估计，且不降低预测性能 | 未提及具体限制 | 开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测 | 超过150,000张乳腺X光图像及专家阅读的连续密度评分 | computer vision | breast cancer | NA | CNN (implied by deep learning methods) | 图像 | 超过150,000张乳腺X光图像 | NA | 分类模型, 序贯模型, 回归模型 | RMSE | NA |
| 171 | 2026-06-03 |
Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen health care settings
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf156
PMID:41553357
|
研究论文 | 开发通用机器学习模型用于在未见医疗环境中快速预测抗菌药物耐药性 | 将掩码自编码器（MAE）用于MALDI-TOF质谱数据和化学语言模型（如SELFIES和Molformer）用于抗菌药物表示，提升模型在不同医院和时间段上的泛化能力 | 未明确讨论模型在不同地理区域或更广泛临床场景中的适用性，可能仍存在未覆盖的变异 | 提高机器学习模型在抗菌药物耐药性快速预测中的通用性和鲁棒性 | 来自4家医疗机构的MALDI-TOF质谱数据和抗菌药物化学结构数据 | 自然语言处理 | 抗菌药物耐药性 | MALDI-TOF质谱 | 掩码自编码器, 化学语言模型 | 质谱数据和化学结构数据 | 来自4家医疗机构的样本 | NA | MAE, SELFIES, Molformer | 精确率-召回率曲线下面积 | NA |
| 172 | 2026-06-03 |
Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model
2026-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36747-0
PMID:41549127
|
研究论文 | 提出基于注意力特征卷积神经网络（AFCNN）的大学外语课堂学生情绪识别模型，为教师提供教学反馈并支持其专业发展 | 将注意力机制与卷积神经网络结合引入外语课堂情绪识别领域，实现实时面部表情捕捉与教学反馈联动，并探讨教师专业发展路径 | 模型在遮挡情况下识别准确率下降；仅针对快乐和中性两种情绪效果较好，其他情绪识别能力有限；未提及计算资源消耗及实际课堂部署可行性 | 研究情绪识别技术如何辅助外语教师专业发展，通过实时反馈优化教学互动效果 | 大学外语课堂中学生面部表情及教师教学反馈行为 | 计算机视觉， 自然语言处理 | NA | 深度学习面部表情识别 | AFCNN（注意力特征卷积神经网络） | 课堂图像数据 | 未明确说明样本数量 | NA | AFCNN， VGG16， ResNet18 | 识别准确率 | NA |
| 173 | 2026-06-03 |
Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model
2026-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-34911-6
PMID:41545539
|
研究论文 | 针对左束支传导阻滞患者，采用微调心电图基础模型预测左心室收缩功能障碍 | 提出了一种微调心电图基础模型来专门增强左束支传导阻滞患者的左心室收缩功能障碍检测能力，并通过多中心回顾性分析验证了其优于传统深度学习模型 | 未在论文中明确说明 | 提高左束支传导阻滞患者左心室收缩功能障碍的早期检测能力，尤其在超声心动图不可及时 | 左束支传导阻滞患者 | 机器学习 | 心血管疾病 | 心电图 | 基础模型 | 医学信号 | 892名左束支传导阻滞患者的2031对心电图-超声心动图数据集 | NA | FCN, LSTM-FCN, ResNet, InceptionTime | 准确率, 敏感性, AUROC | NA |
| 174 | 2026-06-03 |
Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment
2026-Jan-17, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-07675-2
PMID:41545817
|
研究论文 | 提出一种基于深度学习的自动腺样体分割方法，并建立基于体积的新型三维腺样体-鼻咽比指数用于腺样体肥大的评估 | 首次使用基于SegResNet的深度学习模型从术前CBCT预测术后气道形态，通过体积差异自动获取腺样体，并提出新型三维体积比指数3D-AN用于评估鼻咽部气道阻塞 | 初步分析表明3D-AN低于0.18时与儿童OSA无显著相关性，可能对低阻塞程度病例灵敏性不足 | 开发自动腺样体分割方法和建立三维体积比指数以准确评估腺样体肥大和鼻咽部气道阻塞 | 使用CBCT扫描和PSG数据的儿童阻塞性睡眠呼吸暂停患者 | 计算机视觉 | 儿童阻塞性睡眠呼吸暂停 | CBCT | 深度学习模型 | CBCT图像 | 3个数据集：63名患儿（术前术后共126次扫描）、26名患儿术后扫描、161名同时具有PSG和CBCT数据的患儿 | PyTorch | SegResNet | Dice相似系数、相对体积误差 | NA |
| 175 | 2026-06-03 |
Liver cancer risk stratification using deep learning on nationwide longitudinal health screening data: a retrospective cohort study
2026-Jan-17, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03323-x
PMID:41547794
|
研究论文 | 利用国家纵向健康筛查数据开发深度学习模型预测肝癌风险，并在韩国大规模回顾性队列中进行验证 | 首次将一维卷积神经网络应用于国家常规筛查大数据进行肝癌风险分层，无需额外诊断检测，显著优于现行国家筛查标准 | 未提及具体局限性，但作为回顾性研究可能存在选择偏倚和混杂因素未完全控制 | 开发并验证基于深度学习的肝癌风险预测模型，支持政策层面的可扩展筛查策略 | 韩国50-69岁成年人，共3,962,209名参与者，其中12,401例肝癌病例 | 机器学习 | 肝癌 | NA | 一维卷积神经网络 | 结构化表格数据（人口统计学、临床、行为、人体测量和实验室特征） | 3,962,209名成人（训练集80%，测试集20%），12,401例肝癌病例 | NA | 1D-CNN | AUROC、AUPRC、灵敏度、特异性 | NA |
| 176 | 2026-06-03 |
Deep learning algorithm for semiquantification of spinal inflammation in axial spondyloarthritis
2026-Jan-16, RMD open
IF:5.1Q1
DOI:10.1136/rmdopen-2025-006403
PMID:41545311
|
研究论文 | 开发基于深度学习的算法用于中轴型脊柱关节炎患者的脊柱炎症半定量评估 | 首次结合注意力U-Net模型实现脊柱炎症的自动检测与半定量评分，涵盖骨髓水肿识别和椎间盘-椎体单元的定位 | 研究仅纳入330名参与者，样本量有限，且未提及模型对不同疾病亚型或图像质量的泛化能力 | 开发深度学习方法实现中轴型脊柱关节炎脊柱炎症的半定量评估 | 中轴型脊柱关节炎患者的全脊柱MRI图像 | 计算机视觉 | 中轴型脊柱关节炎 | MRI（短τ反转恢复序列） | 注意力U-Net | 图像 | 330名中轴型脊柱关节炎患者 | NA | 注意力U-Net | 灵敏度、特异度、准确度、Dice系数、组内相关系数、皮尔逊相关系数 | NA |
| 177 | 2026-06-03 |
Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data
2026-Jan-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-026-68487-0
PMID:41545411
|
研究论文 | 通过空间转录组数据预测基因标记物和细胞类型的鲁棒且可解释的方法STimage | 结合基础模型集成方法量化数据驱动和模型不确定性，并实现单细胞分辨率的归因分析与病理学注释整合 | 未提及计算资源需求和在大规模数据集上的扩展性验证 | 从常规H&E图像直接预测空间基因表达和分类细胞类型 | 包含不同平台的空间转录组数据集 | 数字病理学 | NA | 空间转录组测序（ST）、H&E染色成像 | 集成模型、基础模型 | 图像、基因表达数据 | 涉及多个平台的不同数据集 | PyTorch | 基础模型 | NA | NA |
| 178 | 2026-06-03 |
Harnessing artificial intelligence for the assessment of liver fibrosis and steatosis via multiparametric ultrasound
2026-Jan-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i2.113059
PMID:41551823
|
综述 | 探讨人工智能在多参数超声评估肝纤维化和脂肪变性中的应用现状与未来潜力 | 系统总结了人工智能与多参数超声结合在肝纤维化和脂肪变性评估中的技术进展，强调其提升诊断精度、减少操作者依赖性的优势 | 需要大规模数据集、算法透明性和临床验证等方面的挑战 | 探索人工智能在多参数超声评估肝纤维化和脂肪变性中的当前应用与未来潜力，突出技术进展和临床相关性 | 慢性肝病患者 | 机器学习 | 慢性肝病 | 多参数超声（包括弹性成像和多普勒成像） | NA | 图像（超声图像数据） | NA | NA | NA | 灵敏度 | NA |
| 179 | 2026-06-03 |
Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.111428
PMID:41551523
|
综述 | 综述2015年至2025年间人工智能和机器学习在胃肠道癌症检测、诊断和预后中的应用进展，强调多模态方法和精准医学潜力 | 系统整合了内镜深度学习、影像组学预测生物标志物、大语言模型及多模态AI等多类技术在胃肠道肿瘤中的应用进展 | 缺乏大规模临床验证和标准化工作流程整合模型，且伦理、法律和社会影响问题亟待解决 | 评估人工智能和机器学习在胃肠道癌症精准医疗中的当前应用、性能水平及未来发展路径 | 胃肠道癌症的影像、病理和临床数据，包括内镜图像、放射学报告及生物标志物预测模型 | 自然语言处理, 计算机视觉, 机器学习 | 胃肠癌 | 影像组学 | 深度学习, 大语言模型 | 影像, 文本, 临床数据 | NA | NA | NA | 准确率, AUC | NA |
| 180 | 2026-06-03 |
Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning
2026-Jan-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v32.i1.112090
PMID:41551528
|
研究论文 | 开发并验证一种基于病例级多实例学习框架，用于预测结直肠癌淋巴结转移 | 提出病例级多实例学习框架，模仿病理学家全面阅片模式，能整合同一患者所有原发肿瘤切片的病理特征，优于传统切片级深度学习方法 | 样本量较小（130例），需进一步在多中心数据集上验证 | 提高结直肠癌淋巴结转移预测准确性，辅助风险分层和治疗决策 | T3/T4期结直肠癌患者的淋巴结转移预测 | 数字病理学 | 结直肠癌 | 全切片成像 | 多实例学习 | 医学图像 | 130例T3/T4期结直肠癌患者 | PyTorch | CONCH v1.5, UNI2-h | AUC | NA |