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 39754 篇文献，本页显示第 1941 - 1960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1941 | 2026-01-20 |
LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules
2025-Jan, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230444
PMID:38848168
|
研究论文 | 本研究结合图像掩蔽和显著性激活图，系统探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献 | 通过图像掩蔽和Grad-CAM方法，首次系统分析了深度神经网络在肺结节分类中依赖的放射学特征，特别是结节纹理和形态特征的重要性 | 研究仅基于NLST数据集的固体肺结节，可能不适用于其他类型结节或不同人群 | 探索深度神经网络在低剂量CT图像中分类不确定肺结节时依赖的放射学特征 | 来自国家肺癌筛查试验（NLST）的固体肺结节（直径4-20毫米）患者 | 计算机视觉 | 肺癌 | 低剂量CT扫描 | 深度神经网络 | 图像 | 来自NLST的固体肺结节患者 | NA | NA | AUC | NA |
| 1942 | 2026-01-20 |
Application of artificial intelligence in cervical cytology: a systematic review of deep learning models, datasets, and reported metrics
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1678863
PMID:41550300
|
综述 | 本文系统综述了2022年至2025年间应用于宫颈细胞学图像的深度学习模型，重点关注模型架构、数据集和性能指标 | 首次系统性地总结了深度学习在宫颈细胞学中的应用趋势，并识别了混合模型和Vision Transformer方法的兴起 | 数据集临床代表性有限，交叉验证不足，诊断标准不一致 | 评估人工智能在宫颈细胞学中的应用现状，以支持癌前病变的早期检测 | 宫颈细胞学图像 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN, ViT, 混合模型 | 图像 | NA | NA | 卷积神经网络, Vision Transformer, 混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1943 | 2026-01-20 |
An in-depth exploration of machine learning methods for mental health state detection: a systematic review and analysis
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1724348
PMID:41550350
|
综述 | 本文对2015年至2024年间应用于心理健康状态检测的机器学习方法进行了系统回顾与分析 | 系统性地识别、分类并分析了用于心理健康检测的机器学习技术，特别指出了模型可解释性与预测准确性之间的核心权衡 | 纳入的研究数量有限（35篇），且部分研究数据收集方式为手动，可能影响结果的普适性 | 识别和分类应用于心理健康检测的机器学习技术，并分析该领域最常用的算法 | 心理健康状态检测相关的研究文献 | 机器学习 | 心理健康问题 | NA | 监督学习, 无监督学习, 深度学习 | 在线社交网络数据, 手动收集数据 | 基于35篇符合纳入标准的研究 | NA | 逻辑回归, 深度学习架构 | NA | NA |
| 1944 | 2026-01-20 |
Ensemble learning for predicting microsatellite instability in colorectal cancer using pretreatment colonoscopy images and clinical data
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1734076
PMID:41551159
|
研究论文 | 本研究开发并评估了一种集成学习框架，结合预处理结肠镜图像和常规临床数据，用于结直肠癌中微卫星不稳定性的非侵入性预测 | 提出了一种集成学习框架，首次将预处理结肠镜图像与常规临床数据相结合，用于非侵入性预测结直肠癌的微卫星不稳定性，并通过多数投票集成方法提升了预测性能 | 研究为回顾性设计，可能受限于数据收集的偏差；未在外部验证集上进行测试，泛化能力有待进一步验证 | 开发一种非侵入性、自动化的方法，用于预测结直肠癌中的微卫星不稳定性，以替代传统侵入性检测 | 经病理确诊且通过免疫组化确定微卫星不稳定性状态的结直肠癌患者 | 数字病理学 | 结直肠癌 | 免疫组化，聚合酶链反应 | CNN, Transformer, Logistic Regression, Random Forest, Support Vector Machine, Gradient Boosting | 图像，临床数据 | 1844名患者 | TensorFlow, PyTorch, Scikit-learn | ResNet-50, EfficientNet, DenseNet, VGG-16, Vision Transformer | 准确率，精确率，召回率，AUROC | NA |
| 1945 | 2026-01-20 |
A CT-based deep learning model to predict local recurrence-free survival in primary retroperitoneal sarcoma
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1725377
PMID:41551503
|
研究论文 | 本研究构建了一个基于术前CT的深度学习模型，用于预测原发性腹膜后肉瘤患者的局部无复发生存期 | 首次将深度学习应用于预测原发性腹膜后肉瘤的局部复发风险，并证明其优于传统手工放射组学模型和临床模型 | 回顾性研究设计，样本量较小（115例患者），缺乏外部验证队列 | 预测原发性腹膜后肉瘤患者的局部无复发生存期，以辅助风险分层和个体化治疗决策 | 原发性腹膜后肉瘤患者 | 数字病理 | 腹膜后肉瘤 | CT成像 | 深度学习模型 | CT图像 | 115例原发性腹膜后肉瘤患者（训练集86例，验证集29例） | NA | 端到端深度学习模型 | C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析, 生存分析 | NA |
| 1946 | 2026-01-19 |
Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations
2026-Feb-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.08.059
PMID:40915433
|
研究论文 | 本研究开发了一种名为k-GINR的新型两阶段隐式神经表示网络，用于加速非笛卡尔磁共振成像的重建 | 结合对抗性训练的隐式神经表示网络，能够直接重建非笛卡尔k空间数据，并在高加速比下表现出优越性能 | NA | 加速磁共振成像采集，减少图像伪影，提高重建效率 | 患者特异性非笛卡尔磁共振成像数据 | 医学影像 | 肝脏疾病 | 非笛卡尔采样磁共振成像 | 隐式神经表示, 生成对抗网络 | k空间数据, 图像 | 118个前瞻性采集的StarVIBE T1加权肝脏扫描及相应线圈数据 | NA | k-GINR, NeRP, k-NeRP, Deep Cascade CNN | 峰值信噪比 | NA |
| 1947 | 2026-01-19 |
Dose Reduction in 4-Dimensional Computed Tomography Imaging: Breathing Signal-Guided Deep Learning-Driven Data Acquisition
2026-Feb-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.08.047
PMID:40975131
|
研究论文 | 本文提出了一种基于深度学习的呼吸信号引导数据采集方法，用于减少4D CT成像中的辐射剂量 | 利用患者呼吸信号指导深度学习模型预测最优投影数据采集时机，实现剂量减少，同时保持图像质量 | 研究为回顾性分析，需前瞻性验证；模型性能依赖于呼吸信号质量 | 减少4D CT成像中的辐射剂量，同时保持诊断质量 | 294名患者的1415个呼吸信号及104个独立临床4D CT扫描 | 医学影像处理 | 胸部肿瘤 | 4D CT成像 | 深度学习模型 | 呼吸信号、CT投影数据、图像 | 1415个呼吸信号（来自294名患者），104个独立4D CT扫描 | NA | NA | Dice系数、Hausdorff距离、位移场、伪影频率 | NA |
| 1948 | 2026-01-19 |
Real-Time Deep-Learning Image Reconstruction and Instrument Tracking in MR-Guided Biopsies
2026-Feb, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70138
PMID:41035253
|
研究论文 | 本研究提出了一种基于深度学习的实时图像重建与器械跟踪方法，用于加速磁共振引导下的前列腺活检流程 | 首次在临床环境中使用深度学习对欠采样k空间数据进行实时图像重建和活检针导引器跟踪，并在真实患者数据上验证了高加速因子下的跟踪性能 | 前瞻性验证样本量较小（8例患者），且仅针对特定器械（活检针导引器）进行跟踪验证 | 通过深度学习加速磁共振引导活检的成像流程，实现实时器械跟踪以提高临床工作效率 | 接受经直肠磁共振引导活检的男性患者 | 医学影像分析 | 前列腺癌 | 2D Cartesian平衡稳态自由进动序列，3T磁共振成像 | 深度学习模型（具体架构未明确说明） | 多切片MR DICOM图像，原始k空间数据 | 训练集：1289例男性患者（8464次扫描）；前瞻性测试集：8例男性患者（10个动态k空间样本） | NA | NA | 器械尖端预测误差，成功帧比例（误差<5mm），威尔逊95%置信区间 | NA |
| 1949 | 2026-01-19 |
Deep learning on meta-analytic data for therapeutic decision-making in central nervous system aspergillosis
2026-Jan-17, BMC infectious diseases
IF:3.4Q2
DOI:10.1186/s12879-026-12573-7
PMID:41547764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1950 | 2026-01-19 |
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 | 本研究利用韩国全国性纵向健康筛查数据，开发了一种深度学习模型来预测肝癌风险，旨在改进当前主要关注病毒性肝炎或肝硬化的筛查策略 | 首次将深度学习模型应用于全国性纵向健康筛查数据，以预测肝癌风险，并能够识别无既往肝病的高风险个体，超越了当前基于病毒性肝炎或肝硬化的国家筛查标准 | 研究为回顾性队列设计，可能存在选择偏倚；模型性能虽优于现有标准，但绝对风险预测的AUPRC值较低（0.029），表明在极低发病率人群中识别病例仍具挑战性 | 开发并验证一个基于深度学习模型的肝癌风险分层工具，利用常规收集的全国性筛查和索赔数据，无需额外诊断测试 | 2010年至2015年间参与韩国国家健康筛查计划的50-69岁成年人，共3,962,209名，其中包含12,401例肝癌病例 | 数字病理学 | 肝癌 | 全国性健康筛查数据（包括人口统计学、临床、行为、人体测量学和实验室特征） | CNN | 结构化健康筛查数据 | 3,962,209名成年人（训练集80%，测试集20%），包含12,401例肝癌病例 | 未明确指定，可能为TensorFlow或PyTorch | 一维卷积神经网络 | AUROC, AUPRC, 敏感性, 特异性 | NA |
| 1951 | 2026-01-19 |
Deep learning-based multimodal pathogenomics integration for precision cancer prognosis
2026-Jan-17, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-026-07682-5
PMID:41547829
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1952 | 2026-01-19 |
Deep learning for pediatric femoral neck fracture detection in a multicenter study
2026-Jan-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.114372
PMID:41541682
|
研究论文 | 本研究开发了一种深度学习模型，用于在儿科髋关节X光片上自动检测和定位股骨颈骨折 | 这是目前最全面的多中心人工智能诊断研究之一，用于检测儿科股骨颈骨折，并首次在急诊科骨科医生中验证了AI辅助能显著提高诊断性能，特别是对经验有限的医生 | NA | 开发并验证一个深度学习模型，以自动检测儿科髋关节X光片中的股骨颈骨折，支持急诊环境下的临床决策 | 儿科髋关节X光片 | 计算机视觉 | 股骨颈骨折 | X光成像 | CNN | 图像 | 2,594张髋关节X光片，来自8个中心的2,116名患者 | NA | YOLOv11s | mAP@0.5, AUC | NA |
| 1953 | 2026-01-19 |
DrowsyDG-Phys: Generalizable driver drowsiness estimation in conditional automated vehicles using physiological signals
2026-Jan-16, Accident; analysis and prevention
DOI:10.1016/j.aap.2026.108407
PMID:41547100
|
研究论文 | 本研究提出了一种名为DrowsyDG-Phys的新型领域泛化框架，用于在条件自动驾驶车辆中基于生理信号进行可泛化的驾驶员睡意估计 | 提出了一种结合时域和频域特征学习的主干网络，并集成了三种新颖的损失函数：基于先验知识的对比正则化、促进异质性泛化的特征中心化损失，以及用于对齐睡意评估标准的新损失函数 | 未明确说明模型在更广泛或更复杂真实驾驶场景中的泛化能力限制 | 提高基于生理信号的驾驶员睡意检测模型在跨领域条件下的泛化能力和鲁棒性 | 驾驶员 | 机器学习 | NA | 生理信号测量（心电图、皮肤电活动、呼吸信号） | 深度学习 | 生理信号（时间序列数据） | 60名参与者在模拟SAE 3级驾驶场景中收集的数据集，以及三个现有数据集 | NA | NA | 准确率 | NA |
| 1954 | 2026-01-19 |
Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI
2026-Jan-16, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.050
PMID:41547629
|
研究论文 | 本研究开发了一种名为CL-MGNET的少样本深度学习模型，通过整合多模态成像和临床数据来预测前列腺癌的高风险生物学特征 | 提出了一种专门设计的少样本深度学习网络CL-MGNET，能够融合PET/CT、mpMRI和临床变量，在有限训练数据下优化性能，并在多中心验证中展现出强大的泛化能力 | 研究为回顾性设计，训练数据仅基于30名患者的受限子集，外部验证队列规模较小（36名患者），可能影响模型的广泛适用性 | 开发一个可泛化的深度学习模型，用于前列腺癌的风险分层，预测高侵袭性生物学特征 | 前列腺癌患者，包括来自两个医疗中心的377名患者 | 数字病理学 | 前列腺癌 | 18F-PSMA-1007 PET/CT, 多参数MRI (mpMRI) | 深度学习 | 图像, 临床数据 | 377名患者（中心A: 341名，中心B: 36名） | NA | CL-MGNET | AUC | NA |
| 1955 | 2026-01-19 |
Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study
2026-Jan-16, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.033
PMID:41547630
|
研究论文 | 本研究基于双能CT碘图，利用深度学习分析预测胃癌中PD-L1表达水平 | 首次将深度学习应用于双能CT碘图，构建深度学习特征签名模型，用于非侵入性预测胃癌PD-L1表达，并融合临床特征提升预测性能 | 样本量相对有限，且为回顾性多中心研究，可能存在选择偏倚 | 评估基于双能CT碘图的深度学习分析在预测胃癌PD-L1表达中的价值 | 胃癌患者 | 数字病理 | 胃癌 | 双能CT | CNN | 图像 | 267名胃癌患者（训练集143例，内部验证集60例，外部验证集64例） | NA | ResNet-50 | AUC | NA |
| 1956 | 2026-01-19 |
Sex and Stress Govern the Function and Innervation of a Basolateral Amygdala to Nucleus Accumbens Corticotropin-Releasing Hormone/GABA-Expressing Projection
2026-Jan-14, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.1239-25.2025
PMID:41271439
|
研究论文 | 本研究探讨了早期生活逆境如何通过影响基底外侧杏仁核到伏隔核的CRH/GABA投射通路，以性别特异性的方式调控奖赏行为 | 首次揭示了CRH/GABA BLA-NAc投射通路在奖赏行为调控中的性别特异性功能差异，并发现其神经支配模式受性别和早期生活逆境的共同影响 | 研究主要基于小鼠模型，人类相关性尚需进一步验证；神经支配模式的差异与行为表型之间的因果关系尚未完全阐明 | 探究早期生活逆境对奖赏行为调控神经环路的性别特异性影响机制 | CRH-Cre转基因小鼠的基底外侧杏仁核到伏隔核的CRH/GABA投射神经元 | 神经科学 | 情感障碍 | 组织透明化技术、光片荧光显微镜、化学遗传学（DREADDs）、电生理记录、全脑神经投射图谱绘制 | 深度学习 | 显微图像、电生理信号、行为数据 | 对照组和早期生活逆境组的成年雄性和雌性CRH-Cre小鼠 | NA | NA | NA | NA |
| 1957 | 2026-01-19 |
Basic Process Equation for Analytical Chemistry - An Inclusive and Conciliatory Approach
2026-Jan-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05444
PMID:41468535
|
研究论文 | 本文提出了一种以信息流为基准的分析化学基本过程方程，旨在统一传统单变量数据方法与基于多变量数据的现代分析方法 | 首次引入'分析算子'概念作为信息转换的核心，并提出了一个包容性框架以协调传统分析化学与基于化学计量学、数据挖掘、机器学习等现代方法 | 仅以植物油碘值测定为例进行说明，尚未在更广泛的分析化学领域进行全面验证 | 建立分析化学的统一理论框架，实现从测量到信息的范式转变 | 分析化学过程与信息转换机制 | 分析化学 | NA | 化学计量学、数据挖掘、机器学习、深度学习、人工智能 | NA | 单变量数据、多变量数据 | NA | NA | NA | NA | NA |
| 1958 | 2026-01-19 |
Advancing skin cancer detection through deep learning and fusion of patient metadata and skin lesion images
2026-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26392-4
PMID:41530207
|
研究论文 | 本研究提出了一种结合患者元数据和皮肤病变图像的AI框架，用于在远程皮肤病学分诊中自动分类可疑与非可疑皮肤病变 | 通过融合患者元数据（如病变大小、颜色、形状、年龄和性别）与图像数据，并采用多数投票技术集成多个AI模型，显著提升了分类性能，同时引入了软注意力模块以增强模型决策的可解释性 | 研究数据仅来自英国私立皮肤癌诊断中心网络，可能缺乏多样性和代表性，且未详细讨论模型在临床环境中的实际部署挑战 | 开发自动化方法以减少皮肤癌诊断的等待时间，并支持远程皮肤病学分诊中的快速决策 | 皮肤病变图像及患者元数据，用于分类可疑与非可疑皮肤病变 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像, 元数据 | 79,246张皮肤病变图像，来自19,295名患者，包含22个元特征 | NA | NA | 敏感性, 特异性 | NA |
| 1959 | 2026-01-19 |
CT-free attenuation and scatter correction of [11C]CFT brain PET using a Bi-directional matching network
2026-Jan-13, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2026.121721
PMID:41539466
|
研究论文 | 本研究提出并扩展了一种用于[11C]CFT脑部PET的无CT衰减与散射校正深度学习框架，旨在避免CT相关的辐射暴露 | 采用了一种双向离散过程匹配网络，通过离散一致性约束在未校正与完全校正图像间建立可逆变换，无需生成伪CT或依赖解剖学先验信息 | 研究仅针对90名帕金森综合征患者进行评估，样本量相对有限，且方法在更广泛神经系统疾病或不同PET示踪剂中的普适性有待验证 | 开发一种无需CT扫描即可实现准确PET定量成像的衰减与散射校正方法，以减少患者的辐射暴露 | 帕金森综合征患者的[11C]CFT脑部PET图像 | 医学影像分析 | 帕金森病 | PET成像 | 深度学习网络 | 医学图像 | 90名帕金森综合征患者 | NA | Bi-directional Discrete Process Matching network, CycleGAN, Pix2Pix, Rectified Flow | MAE, PSNR, SSIM, CCC, PCC, Dice系数 | NA |
| 1960 | 2026-01-19 |
Natural biowaste material-based green triboelectric nanogenerators for self-powered gait monitoring
2026-Jan-13, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra09038e
PMID:41541210
|
研究论文 | 本文报道了基于天然生物废料材料的绿色摩擦纳米发电机，用于自供电步态监测 | 系统研究了三种新型摩擦负电材料（象苹果、姜黄皮、芋头茎粉），并展示了象苹果粉基TENG在柔性传感器中的应用，实现了99.3%的运动检测准确率 | NA | 开发基于天然生物材料的环保、自供电摩擦纳米发电机，用于可持续能量收集和绿色自供电传感器应用 | 天然生物废料材料（象苹果、姜黄皮、芋头茎粉）及其在摩擦纳米发电机中的性能 | NA | NA | 摩擦纳米发电机技术 | 深度学习模型 | 运动监测数据 | NA | NA | NA | 开路电压, 功率密度, 灵敏度, 运动检测准确率 | NA |