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 44218 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 | 2026-05-19 |
Improving visibility of small anatomical details on low and ultra-low dose computed tomography with artificial intelligence-based image reconstructions
2026-Mar-13, Radiation protection dosimetry
IF:0.8Q4
DOI:10.1093/rpd/ncaf171
PMID:41821465
|
研究论文 | 评估人工智能图像重建技术在低剂量和超低剂量CT扫描中提升小解剖结构可见性的效果 | 首次系统评估深度学习图像重建在极低辐射剂量下对胸部小解剖结构诊断质量的影响 | 基于体模和单一肺标本，未包含活体患者数据 | 比较不同CT图像重建技术在不同辐射剂量水平下对诊断图像质量的影响 | PBU-50人体模型和风干人肺标本 | 计算机视觉 | 肺部结节、纤维化、支气管周围病变 | CT扫描 | 深度学习图像重建 | 图像 | 一个PBU-50人体模型（小型成人）和一个风干人肺标本，六个剂量水平 | NA | DLIR-H, ASiR-V, FBP | 描述性统计、视觉分级特征分析 | NA |
| 162 | 2026-03-02 |
Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging
2026-Feb-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03388-2
PMID:41764459
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 163 | 2026-05-19 |
An explainable deep learning framework for video violence detection using unsupervised keyframe selection and attention-based CNN
2026-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-40977-7
PMID:41748832
|
研究论文 | 提出一种可解释的注意力增强卷积神经网络框架，用于视频暴力检测，集成无监督关键帧选择、注意力驱动特征学习和Grad-CAM++可解释性 | 融合无监督关键帧选择、注意力机制和Grad-CAM++可解释性，在降低计算开销的同时提升时空特征判别能力和模型透明度 | 未明确讨论在极低光照、严重遮挡或高动态场景下的鲁棒性，且仅在五类基准数据集上验证，可能泛化到其他暴力场景需进一步测试 | 解决视频暴力检测中的数据冗余、透明度和泛化挑战，实现高效且可解释的实时检测系统 | 视频监控和在线平台中的暴力行为检测 | 计算机视觉 | NA | 无监督关键帧选择（基于相似性聚类）、注意力机制、Grad-CAM++ | CNN（卷积神经网络） | 视频 | 五个基准数据集（RLVS、Hockey Fight、Violent Flow、ShanghaiTech、UCF-Crime） | NA | 注意力增强CNN（具体架构未明确，可能基于常见CNN骨干如ResNet） | 准确率、F1分数、处理速度（FPS）、内存使用量 | NA |
| 164 | 2026-05-19 |
Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review
2026-02, Drug development research
IF:3.5Q2
DOI:10.1002/ddr.70212
PMID:41431184
|
综述 | 综述了数学和人工智能技术在药物发现中的应用 | 系统性地将数学框架与AI技术相结合，并分析了它们在药物开发各阶段的协同作用 | 未提供具体的实验验证或定量比较，分析主要基于现有文献 | 探讨数学建模与AI算法在药物开发中联合应用的潜力，以加速研发并降低风险 | 药物发现过程中的数学和AI技术 | 机器学习 | NA | NA | 机器学习、深度学习、强化学习、自然语言处理、迁移学习 | NA | NA | NA | NA | NA | NA |
| 165 | 2026-05-19 |
Imaging-Based Artificial Intelligence in Vascular and Interventional Radiology: A Narrative Review
2026-Jan-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01803-0
PMID:41491740
|
综述 | 本文探讨了人工智能在血管介入放射学中的应用，涵盖术前、术中和术后各阶段，并分析了不同成像模态和任务类型下的AI模型表现 | 系统性地综述了AI在血管介入放射学全流程中的应用，并特别关注了放射组学与机器学习结合在治疗反应预测和风险分层中的有效性 | 数据集规模有限、存在潜在偏倚以及模型可解释性不足 | 评估AI在血管介入放射学中的应用现状和潜力 | 血管介入放射学中的AI模型及其在解剖结构分割、检测、预测等任务中的表现 | 计算机视觉 | 主动脉夹层、腹主动脉瘤、血管狭窄 | NA | 深度学习 | 图像 | NA | NA | NA | Dice相似系数、准确率、AUC | NA |
| 166 | 2026-05-19 |
Deep Learning Model for Predicting Operative Mortality After Total Gastrectomy: Analysis of the Japanese National Clinical Database (NCD)
2026-Jan, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.70067
PMID:41488848
|
研究论文 | 利用日本国家临床数据库（NCD）大数据开发深度学习模型，预测全胃切除术后手术死亡率 | 首次基于日本国家级大规模数据库（NCD）构建深度学习模型，用于预测全胃切除术后死亡率，模型包含5217个变量，采用四层架构 | 模型准确性有待提高，需引入术后并发症相关变量或常规方法无法分析的新因素 | 开发术前风险分层工具，预测全胃切除术后手术死亡率 | 2018年1月至2019年12月在日本NCD注册的、年龄≥18岁、因胃癌接受全胃切除术的患者 | 机器学习 | 胃癌 | NA | 深度学习模型 | 结构化临床数据 | 14980例（11980例训练，3000例验证），事件发生率1.2% | TensorFlow, Keras | 四层神经网络 | C统计量 | NA |
| 167 | 2026-05-19 |
Uterine cancer classification from CT images using convolutional feature extraction and transformer-based self-attention
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1781499
PMID:41822887
|
研究论文 | 提出一种结合卷积特征提取与Transformer自注意力的混合深度学习框架，用于CT图像的子宫癌分类 | 将DenseNet121的局部特征提取与Transformer的全局自注意力机制相结合，首次应用于CT影像的子宫癌三分类任务 | 未提及 | 提高CT图像子宫癌分类的准确性和鲁棒性 | 子宫癌CT图像，包括正常、良性、恶性三类 | 计算机视觉 | 子宫癌 | CT成像 | 混合模型（CNN + Transformer） | 图像 | 未明确样本数量，数据集为KAUH子宫癌CT数据集 | NA | DenseNet121, Transformer | 准确率, 灵敏度, 特异性, F1分数, AUC | NA |
| 168 | 2026-05-19 |
An integrated automated deep learning framework for annotating tumor-infiltrating lymphocytes in lung adenocarcinoma pathology
2026, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2026.1764743
PMID:41918941
|
研究论文 | 开发了一个全自动深度学习管道，用于肺腺癌病理图像中肿瘤浸润淋巴细胞的精确注释 | 提出了一个集成自动化框架，结合OpenCV图像处理、U2-NetP肿瘤实质分割和YOLOv7淋巴细胞检测，实现了全切片图像中组织轮廓、肿瘤实质和淋巴细胞的全自动、高精度注释，解决了大规模标注数据瓶颈问题 | 基于YOLOv7的淋巴细胞检测F1得分和mAP偏低；可能需要进一步优化轻量级架构以平衡精度和计算效率；依赖单一癌症类型的外部验证 | 开发全自动管道以实现肺腺癌全切片图像中肿瘤浸润淋巴细胞的定量分析，解决监督学习方法的数据瓶颈 | 肺腺癌全切片图像中的肿瘤浸润淋巴细胞 | 计算病理学 | 肺腺癌 | 全切片图像分析 | YOLOv7, U2-NetP | 图像 | 超过20,000个标注单元，来自TCGA队列和内外独立验证队列 | PyTorch, OpenCV | U2-NetP, YOLOv7 | Dice系数, F1得分, mAP@0.5, 组内相关系数 | NA |
| 169 | 2026-05-19 |
Development and validation of a deep learning-based automatic detection and classification model for femoral neck fractures using hip imaging: a retrospective multicenter diagnostic study
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1803858
PMID:42027826
|
研究论文 | 开发和验证基于深度学习模型的股骨颈骨折自动检测与分类方法，使用髋部影像进行多中心回顾性研究 | 首次实现股骨颈骨折的全自动Garden分类，采用大规模多中心数据集，并通过与12名不同经验医师的对比验证模型性能 | 回顾性研究设计，模型实用性需通过前瞻性随机研究进一步验证 | 开发并验证基于深度学习的股骨颈骨折自动检测与Garden分类模型，提升诊断准确性并支持临床决策 | 股骨颈骨折患者髋部影像数据（X线或CT） | 计算机视觉 | 股骨颈骨折 | NA | 深度学习模型 | 图像 | 10,010张髋部影像来自806名患者（训练/内部验证集7,818张529名患者，外部测试集2,192张277名患者） | NA | NA | 敏感性、特异性、准确率、AUC | NA |
| 170 | 2026-05-19 |
A curated dataset and lightweight deep learning framework for tea leaf disease classification
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0349210
PMID:42139322
|
研究论文 | 提出一个混合特征融合轻量级深度学习框架用于茶叶病害分类，并基于精心整理的真实数据集进行验证 | 提出并行运行的混合特征融合架构，结合EfficientNetV2-Small提取局部细微纹理和MobileNetV3-Small捕获全局结构上下文，实现高精度与计算平衡 | 单一架构EfficientNetV2-B3原始准确率略高（97.60% vs 96.80%），但混合框架在精确率-召回率平衡和收敛稳定性上更优 | 实现茶叶病害早期自动检测，支持物联网边缘设备上的实时病害监测 | 茶叶叶片，包括四种类别：枯叶病、红锈病、蛇眼病和健康 | 计算机视觉, 数字病理学 | 茶树叶部病害 | 图像预处理（调整大小、归一化）、动态数据增强（随机旋转、水平翻转、亮度调整） | 混合特征融合架构（双分支并行） | 图像 | 2000张带标注的茶叶叶片图像，均匀分布于四个目标类别 | TensorFlow, PyTorch | EfficientNetV2-Small, MobileNetV3-Small, Vision Transformer (ViT-B16), Custom CNN, ResNet50, DenseNet121, EfficientNetV2-B3 | 准确率, 宏平均AUC | NA |
| 171 | 2026-05-19 |
Role of artificial intelligence in bacterial diagnostics and surveillance of anti-microbial resistance
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261443074
PMID:42145325
|
综述 | 探讨人工智能在抗菌素耐药性诊断和监测中的应用 | 系统性地从表型与基因型鉴定、抗菌药物敏感性测试、耐药性监测和抗生素开发四个主题总结了人工智能的应用 | 未明确提及具体局限性，但依赖数据质量、模型开发及公共卫生和实验室基础设施的整合 | 综述人工智能在抗菌素耐药性诊断中的应用，涵盖表型与基因型鉴定、抗菌药物敏感性测试、耐药性监测和抗生素开发 | 抗菌素耐药性相关的细菌诊断和监测 | 机器学习 | 抗菌素耐药性 | NA | 机器学习, 深度学习 | 基因组图谱、放射影像、显微镜图像、琼脂平板照片、MALDI TOF质谱等生化特征 | NA | NA | NA | 准确性、可重复性、可扩展性 | NA |
| 172 | 2026-05-19 |
Application of intelligent technologies for dysphagia risk prediction: A scoping review
2026 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076261450337
PMID:42145330
|
综述 | 系统评述智能技术在吞咽困难风险预测中的应用现状，包括技术方法、数据来源和模型性能 | 首次以范围综述形式系统总结智能技术用于吞咽困难风险预测的研究现状，涵盖技术方法、数据来源和模型性能，并分析关键技术局限性和临床转化挑战 | 现有证据异质性高且主要处于探索性阶段，多为单中心回顾性队列研究，多模态数据整合和外部验证不足 | 为未来吞咽困难风险预测研究设计和临床实施提供见解 | 吞咽困难风险预测的智能技术研究 | 机器学习 | 吞咽困难 | NA | 传统机器学习模型、传统统计模型、混合模型、深度学习方法 | 结构化临床数据、影像、生理信号、声学信号 | 50至59,811名参与者（共38项研究） | NA | NA | AUC | NA |
| 173 | 2026-05-19 |
Evaluation of artificial intelligence based prosthetic innovation on dental implants: A database research
2026, Bioinformation
DOI:10.6026/973206300221401
PMID:42145363
|
研究论文 | 评估基于人工智能的假体创新在牙种植体中的应用，通过数据库研究验证深度学习模型在牙科全景X光片上自动识别种植体系统的性能 | 首次系统评估深度学习在牙种植体系统自动识别中的效能，尤其在无文档记录情况下提供高精度诊断 | 未说明具体模型类型、计算资源及样本量等细节，且仅基于单一机构图像集，可能影响泛化性 | 验证人工智能辅助牙种植体识别在假体修复中的潜力，解决临床中无文档时种植体识别困难的问题 | 牙科全景X光片中的牙种植体系统 | 数字病理学， 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | 准确率， 精确率， 召回率， F1分数 | NA |
| 174 | 2026-05-19 |
Can machine learning predict non-suicidal self-injury? A systematic review and meta-analysis
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1763121
PMID:42145491
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估机器学习在预测非自杀性自伤行为中的表现 | 首次系统综述机器学习预测非自杀性自伤行为的研究，并定量合成模型性能 | 异质性大、偏倚风险高、横断面研究为主、深度学习模型证据有限 | 评估机器学习模型预测非自杀性自伤行为的准确性和可靠性 | 非自杀性自伤行为预测模型的研究 | 机器学习 | 精神疾病（非自杀性自伤行为） | NA | 集成模型、单一模型、深度学习模型 | NA | 12项研究，33,366名参与者 | NA | NA | 曲线下面积、灵敏度、特异度 | NA |
| 175 | 2026-05-19 |
Development and testing of a smart empowerment education system for gout patients in suburban areas
2026, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2026.1753575
PMID:42145497
|
研究论文 | 开发并评估一种面向郊区痛风患者的智能赋能教育系统（IEES），融合赋能教育、精细化管理方案和智能技术 | 将赋能教育与深度学习推荐算法相结合，开发针对郊区资源有限痛风患者的智能化管理系统 | 样本量较小（仅90例），且未提及长期随访结果和普适性验证 | 解决郊区痛风患者自我管理能力差、治疗依从性低和长期临床结局不佳的问题 | 郊区社区痛风患者 | 机器学习 | 痛风 | NA | 深度学习模型 | 结构化医学数据（临床指标） | 90例痛风患者（观察组45例，对照组45例） | SpringBoot、Vue | NA | 响应时间、预测准确率 | NA |
| 176 | 2026-05-19 |
Deep learning for student engagement analysis in educational psychology
2026, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2026.1764399
PMID:42145535
|
研究论文 | 本文提出一个创新深度学习框架——Engagement Dynamics Forecaster，用于分析与预测学生参与模式 | 结合领域洞察与深度学习，通过流形约束交互滤波器、智能体驱动顺序规划器和不确定性传播正则化器三个组件，处理高维特征空间、时间依赖和预测不确定性，并融入约束优化精炼和基于智能体的决策调度策略，提升性能与可解释性 | 未明确讨论模型的局限性 | 旨在以更高精度和深度分析并预测学生参与模式，为教育心理学提供实用工具 | 学生参与模式 | 机器学习 | NA | 深度学习 | Engagement Dynamics Forecaster（包含Manifold Constrained Interaction Filter、Agent Driven Sequential Planner、Uncertainty Propagation Regularizer） | 学生参与相关数据（类型未指定） | NA | NA | Engagement Dynamics Forecaster | NA | NA |
| 177 | 2026-05-19 |
Optimized deep learning ensemble using Fast Osprey algorithm for accurate lymphoblastic leukemia detection
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1812486
PMID:42145727
|
研究论文 | 提出一种基于快速鱼鹰优化算法的深度学习集成模型，用于准确检测急性淋巴细胞白血病 | 首次将快速鱼鹰优化算法（FOO）用于动态分配集成模型权重，结合多种EfficientNet架构提升检测性能与泛化能力 | 未提及模型在不同临床环境或真实医院数据上的验证，且计算资源需求可能较高 | 开发一个可靠、高效的计算机辅助诊断平台，用于急性淋巴细胞白血病的自动检测 | 公开可用数据集的组合，包含急性淋巴细胞白血病细胞图像 | 计算机视觉 | 急性淋巴细胞白血病 | 深度学习集成方法 | 卷积神经网络集成模型 | 图像 | 多个公开数据集的组合，具体样本数未明确 | NA | EfficientNetB3, EfficientNetV2B3, EfficientNetV2B1 | 准确率, 精确率, 召回率, F1分数 | NA |
| 178 | 2026-05-19 |
Correction: Development and validation of a deep learning-based automatic detection and classification model for femoral neck fractures using hip imaging: a retrospective multicenter diagnostic study
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1857321
PMID:42145752
|
更正 | 对一篇关于基于深度学习的股骨颈骨折自动检测与分类模型开发验证的回顾性多中心诊断研究进行更正 | NA | NA | NA | NA | 计算机视觉 | 股骨颈骨折 | NA | 深度学习 | 髋部影像 | NA | NA | NA | NA | NA |
| 179 | 2026-05-19 |
Deep learning reconstruction improves detection of focal liver lesions in hepatobiliary phase compared to conventional EOB-MRI
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1797117
PMID:42145771
|
研究论文 | 一项前瞻性研究比较深度学习重建与传统EOB-MRI在肝胆期检测局灶性肝脏病灶的性能 | 首次系统对比深度学习重建技术与传统MRI重建在肝胆期对小病灶的检测效果，并基于病灶大小和信号强度进行分层分析 | 单中心研究、样本量较小（53例患者）、未对不同深度学习重建算法进行对比 | 评估深度学习重建在肝胆期EOB-MRI中检测局灶性肝脏病灶的性能优于传统方法 | 肝胆期EOB-MRI图像中的局灶性肝脏病灶（按信号强度分为高信号和低信号两类） | 计算机视觉 | 肝脏疾病 | EOB-MRI（钆塞酸二钠增强磁共振成像），深度学习重建 | 深度学习重建模型 | MRI图像 | 53例患者 | NA | 深度学习重建网络 | 组内相关系数，Wilcoxon符号秩检验，广义估计方程 | NA |
| 180 | 2026-05-19 |
Healthcare analytics perspectives on artificial intelligence-based retinopathy of prematurity screening: a bibliometric mapping study
2026, Frontiers in research metrics and analytics
DOI:10.3389/frma.2026.1772126
PMID:42145902
|
综述 | 对基于人工智能的早产儿视网膜病变筛查研究进行文献计量分析 | 首次对AI驱动的ROP筛查领域进行系统的文献计量分析，揭示其知识结构、地理分布和合作模式 | 仅使用Scopus数据库，可能遗漏部分相关出版物 | 系统评估AI在早产儿视网膜病变筛查中的研究现状、趋势和合作网络 | 2017-2025年间发表的55篇关于AI在ROP筛查中应用的文献 | 自然语言处理, 机器学习 | 早产儿视网膜病变 | 文献计量学分析 | NA | 文献数据 | 55篇出版物 | Bibliometrix, VOSviewer | NA | 引用次数, 出版物数量, 年增长率 | NA |