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 948 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-07-05 |
TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants
2025-08, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.019
PMID:39832639
|
研究论文 | 开发了一种基于深度学习的不确定性感知分类器，用于自动识别全膝关节置换植入物 | 结合EfficientNet架构与共形预测实现不确定性量化，并集成异常检测机制以提高临床安全可靠性 | 仅能识别九种常见植入物型号，异常检测系统在手动清理的数据集上标记了93%异常图像但仍有未覆盖情况 | 开发自动识别初次全膝关节置换植入物型号的深度学习算法 | 全膝关节置换术中使用的九种不同植入物系统 | 计算机视觉 | 膝关节骨关节病 | X射线摄影 | 卷积神经网络（CNN） | 膝关节X射线图像 | 9651名患者，共111519张图像 | NA | EfficientNet | 准确率 | NA |
| 2 | 2026-07-05 |
Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty
2025-08, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.032
PMID:39880053
|
研究论文 | 开发一种深度学习模型，用于在全髋关节置换术中自动标注骨盆解剖标志并计算相关测量值 | 首次开发了能够在X光片和透视图像上实时、自动化地标注临床相关骨盆解剖标志并提供全髋关节置换术（THA）相关测量值的深度学习模型，其性能与训练有素的人类相当甚至更好 | 未提及具体限制，但可能受限于样本量（161例THA）以及模型在不同临床场景下的泛化能力尚未充分验证 | 开发一种深度学习模型，能够自动标注骨盆前后位X光片和透视图像上的临床相关解剖标志，并实现全髋关节置换术（THA）相关测量的自动化 | 161例全髋关节置换术（THA）患者的术前和术后骨盆前后位X光片以及术中透视图像 | 计算机视觉 | 骨关节疾病（全髋关节置换术相关） | X光成像、透视成像 | 深度学习模型（具体模型类型未明确） | 图像（骨盆前后位X光片和术中透视图像） | 161例全髋关节置换术（THA）样本 | NA | NA | 与人类标注者的比较准确率（20个骨骼标志物中16个、4个植入物标志物中4个、8个透视骨骼标志物中5个达到或超过人类水平） | NA |
| 3 | 2026-07-05 |
A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs
2025-08, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2025.01.038
PMID:39880057
|
研究论文 | 开发一种基于深度学习的自动化算法，用于从膝关节前后位X光片中测量最小关节间隙宽度 | 提出端到端算法，结合深度学习分割模型与计算机视觉方法，可灵活处理天然膝关节和关节置换术后膝关节 | 算法测量结果与人工测量存在0.85毫米的平均绝对误差，且73.2%的测量值偏差小于1毫米 | 实现膝关节内侧和外侧间隙最小关节间隙宽度的自动化测量 | 膝关节前后位X光片 | 计算机视觉 | 骨关节炎 | X光成像 | CNN | 图像 | 583张图像用于分割模型训练验证测试，330张独立图像用于计算机视觉算法开发验证 | NA | U-Net | Dice系数, 平均绝对误差, Bland-Altman图 | NA |
| 4 | 2026-07-03 |
Application of directed message-passing neural network to predict human oral bioavailability of pharmaceuticals
2025-08-19, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00649-6
PMID:40828295
|
研究论文 | 利用定向消息传递神经网络预测药物人体口服生物利用度 | 将D-MPNN与RDKit分子描述符结合，通过原子/键级图特征与全局理化性质的混合表征提升预测准确性，并采用贝叶斯优化和集成学习增强模型鲁棒性 | NA | 建立高精度预测人体口服生物利用度的深度学习模型，辅助早期药物筛选 | 药物分子结构及其口服生物利用度 | 机器学习 | NA | 计算化学、深度学习 | D-MPNN（定向消息传递神经网络） | 分子图结构数据 | NA | Chemprop | D-MPNN | AUC, 准确率 | NA |
| 5 | 2026-07-01 |
Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan
2025-08, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.70086
PMID:40413732
|
研究论文 | 研究脉压和平均动脉压对年龄与白质高信号负荷关系的介导作用，以及白质高信号负荷对认知功能的介导效应 | 发现脉压而非平均动脉压介导年龄与白质高信号负荷的关系，并验证白质高信号负荷在整个成年生命周期中作为认知评分的中介变量 | 样本量较小（231人），且为回顾性研究设计，可能存在未控制的混杂因素 | 探讨血压指标（脉压和平均动脉压）在年龄相关脑白质病变累积及认知功能下降中的中介机制 | 231名无中风和痴呆的成年人 | 机器学习 | 老年性疾病 | 磁共振成像（T2-FLAIR序列） | TrUE-Net深度学习工具 | 医学影像数据 | 231名成年人（来自Aging Brain Cohort研究） | NA | TrUE-Net | NA | NA |
| 6 | 2026-06-26 |
Identification of Isomerically Diverse Ginsenosides Using Engineered Aerolysin Nanopore via Non-Translocation Blockade Sensing
2025-08-04, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202506741
PMID:40456701
|
研究论文 | 通过工程化气单胞菌溶素S278K纳米孔实现非转位阻断传感，用于识别异构多样的人参皂苷 | 提出了一种基于工程化气单胞菌溶素S278K的非转位阻断传感新方法，通过引入S278K突变使纳米孔内腔带高度正电荷，产生强烈电渗流和增强的空间/焓障碍，有效捕获人参皂苷分子并阻止其转位，显著提高检测能力，实现30种不同糖基组成、异构现象、修饰和苷元的人参皂苷的明确识别 | 文中未明确提及限制，可能包括对更复杂样品的泛化能力或技术可重复性需要进一步验证 | 开发一种非转位纳米孔传感方法，以解决结构相似分析物（如人参皂苷）的高精度识别问题 | 异构多样的人参皂苷（糖苷复合物） | 纳米孔传感，糖科学 | NA | 工程化气单胞菌溶素纳米孔传感，深度 | 深度学习 | 纳米孔信号 | 30种不同人参皂苷及实际样品 | 未明确指定 | 未明确指定 | 未明确指定 | 未明确指定 |
| 7 | 2026-06-19 |
What does it take to learn the rules of RNA base pairing? A lot less than you may think
2025-Aug-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.31.668042
PMID:40766544
|
研究论文 | 探讨发现RNA经典碱基配对规则所需的最小条件，发现使用仅含21个参数的随机上下文无关文法模型，结合自动微分和随机梯度下降，仅需少量RNA序列即可学习配对规则 | 证明发现RNA碱基配对规则无需大规模语言模型或大量参数，仅需极简的概率模型和少量无结构、无比对的序列数据即可实现 | 未指定 | 探究识别RNA经典碱基配对规则所需的最小计算和参数条件，质疑高参数深度学习模型的必要性 | RNA序列中的范德沃森–克里克–富兰克林碱基配对规则（A:U, G:C）和摆动配对（G:U） | 自然语言处理， 机器学习 | NA | 随机上下文无关文法（SCFG）， 自动微分， 随机梯度下降 | 随机上下文无关文法（SCFG） | RNA序列 | 最少50条RNA序列（训练集） | 自动微分框架（未指定具体框架，如TensorFlow或PyTorch）， 随机梯度下降 | 随机上下文无关文法（SCFG） | 损失函数（未指定具体指标） | 未指定 |
| 8 | 2026-06-19 |
Artificial Intelligence in Pediatric Endocrinology
2025-08, Advances in pediatrics
DOI:10.1016/j.yapd.2024.12.003
PMID:40582750
|
综述 | 本文探讨人工智能在儿科内分泌学中的应用，包括机器学习、深度学习、自然语言处理等技术，并强调人机协作模式以提升医疗安全和质量 | 系统性地综述了人工智能在儿科内分泌领域的多种技术应用，并突出‘人在回路中’的人机协作理念 | 未具体讨论不同AI技术的实施障碍或临床验证结果 | 分析人工智能在儿科内分泌学中的潜在应用及其对人机协作的依赖 | 儿科内分泌学领域的AI技术（机器学习、深度学习等） | 机器学习 | 儿科内分泌疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 9 | 2026-06-19 |
Leveraging FastViT based knowledge distillation with EfficientNet-B0 for diabetic retinopathy severity classification
2025-Aug, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100325
PMID:40588035
|
研究论文 | 提出一种基于FastViT知识蒸馏与EfficientNet-B0的糖尿病视网膜病变严重程度分类方法 | 创新性地利用FastViT-MA26作为教师模型、EfficientNet-B0作为学生模型的Transformer知识蒸馏框架，在保持轻量级架构的同时实现了高分类准确率 | 未提及 | 开发高效且准确的深度学习模型，用于糖尿病视网膜病变严重程度的自动化诊断 | APTOS失明检测数据集中的3662张DR眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 知识蒸馏 | CNN, Transformer | 图像 | 3662张眼底图像 | PyTorch | FastViT-MA26, EfficientNet-B0, HGNet, ResNet50, MobileNetV3, DeiT | 准确率, 精确率, 召回率, F1分数, Cohen's Kappa系数, 加权Kappa系数, Matthews相关系数, AUC | NA |
| 10 | 2026-06-18 |
Explainable deep learning algorithm for distinguishing IVIG-Resistant Kawasaki disease in Shandong peninsula, China
2025-08-28, BMC pediatrics
IF:2.0Q2
DOI:10.1186/s12887-025-06082-w
PMID:40866882
|
研究论文 | 开发可解释的深度学习模型用于区分山东半岛川崎病患者的IVIG抵抗性 | 首次针对山东半岛川崎病患者建立基于LightGBM的可解释预测模型，用于预测IVIG抵抗性 | NA | 探索川崎病患者IVIG抵抗性的预测因素，并建立基于深度学习的可解释预测模型 | 山东半岛的川崎病患者 | 机器学习 | 川崎病 | NA | LightGBM | 表格数据 | 914名川崎病患者（768名IVIG敏感、146名IVIG抵抗） | LightGBM | LightGBM | AUC | NA |
| 11 | 2026-06-07 |
Classification of familial and non-familial ADHD using auto-encoding network and binary hypothesis testing
2025-Aug-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.15.25333792
PMID:40894124
|
研究论文 | 利用自编码网络和二元假设检验对家族性和非家族性注意缺陷多动障碍进行分类 | 首次结合多模态MRI和深度学习技术区分家族性ADHD与非家族性ADHD，并采用二元假设检验的半监督深度学习框架 | 分类准确率较低（AUC最大0.70），且样本量（438例）可能不足，需进一步验证泛化性 | 探究多模态MRI与深度学习能否区分家族性和非家族性ADHD | 438名儿童（129例家族性ADHD、159例非家族性ADHD和150名健康对照） | 计算机视觉, 机器学习 | 注意缺陷多动障碍 | 多模态MRI（T1加权和弥散加权成像） | 自编码网络, 二元假设检验 | 图像 | 438名儿童（129例家族性ADHD、159例非家族性ADHD、150名对照） | NA | 自编码器 | 准确率, 灵敏度, 特异度, AUC | NA |
| 12 | 2026-06-02 |
Progress and new challenges in image-based profiling
2025-Aug-07, ArXiv
PMID:40799808
|
综述 | 综述了基于图像的细胞表型分析的计算领域进展，包括深度学习方法、单细胞分析和批次效应校正等 | 聚焦于图像分析技术的计算演化而非生物学应用，为研究人员提供了应对进展与挑战的路线图 | 未深入讨论广泛生物学应用中的具体挑战 | 为研究人员提供基于图像表型分析领域的进展与挑战的路线图 | 基于图像的细胞表型分析技术 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 13 | 2026-06-02 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 结合复值表示和Kuramoto同步动力学，提升深度神经网络在视觉分类中的对象绑定能力 | 首次将神经同步假设与复值神经网络结合，通过Kuramoto动力学促进特征相位对齐，实现多对象场景的鲁棒编码 | NA | 探究基于同步的机制如何增强人工模型在视觉分类任务中的对象编码能力 | 手写数字重叠、噪声输入及分布外变换的多对象图像数据 | 计算机视觉 | NA | NA | 前馈神经网络、循环神经网络 | 图像 | NA | NA | 前馈模型、带有反馈连接的循环模型 | 准确率、鲁棒性、泛化能力 | NA |
| 14 | 2026-05-31 |
A Systematic Review of Multimodal Deep Learning and Machine Learning Fusion Techniques for Prostate Cancer Classification
2025-Aug-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.07.25333235
PMID:40832371
|
综述 | 系统回顾了用于前列腺癌分类的多模态深度学习与机器学习融合技术 | 系统地总结了多模态融合方法在前列腺癌分类中的应用现状，并比较了不同融合策略的性能 | 仅纳入了2021至2025年间发表的27篇研究，可能存在发表偏倚；未深入探讨算法的可解释性和临床部署障碍 | 概述当前基于深度学习和机器学习的多模态融合技术在前列腺癌分类中的实现、性能、挑战及临床适用性 | 已发表的使用多模态深度学习或机器学习融合技术进行前列腺癌分类的研究论文 | 机器学习 | 前列腺癌 | NA | CNN | 图像、临床数据 | 27篇研究 | NA | 卷积神经网络 | 准确率、敏感度、特异度 | NA |
| 15 | 2026-05-31 |
Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics
2025-Aug-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117455
PMID:40233489
|
研究论文 | 提出一种基于物理约束的深度学习方法LOCA-PRAM，用于光谐振吸收显微镜中金纳米颗粒的定位与定量，实现数字分辨率的分子诊断 | 利用光子晶体-金纳米颗粒共振耦合增强信号对比度，通过配准经验获得点扩散函数实现逼真训练数据生成，在无需样本分割或酶扩增下实现数字分辨率检测 | 未提及 | 实现高精度、高灵敏度的金纳米颗粒定位与定量，推动数字分辨率分子诊断 | 金纳米颗粒标记的生物分子 | 计算机视觉 | NA | 光谐振吸收显微镜 | 深度学习 | 图像 | NA | NA | LOCA-PRAM | 准确性、灵敏度、亚像素分辨率 | NA |
| 16 | 2026-05-30 |
Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient
2025-Aug, HSS journal : the musculoskeletal journal of Hospital for Special Surgery
IF:1.6Q2
DOI:10.1177/15563316251339660
PMID:40454292
|
综述 | 探讨人工智能在肌肉骨骼疾病诊断和预后中的应用，包括计算机视觉算法和多模态预测模型 | 引入生成式人工智能领域，概述AI模型开发的局限性框架 | 未具体说明，但指出AI模型开发存在局限性 | 帮助临床医生理解机器学习和深度学习在肌肉骨骼疾病管理中的应用意义 | 肌肉骨骼患者和相关AI模型 | 计算机视觉 | 肌肉骨骼疾病 | NA | 深度学习 | 图像、多模态数据 | NA | NA | 计算机视觉算法、多模态预测模型 | NA | NA |
| 17 | 2026-05-27 |
A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study
2025-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.048
PMID:40221285
|
研究论文 | 基于高分辨率T2加权图像的深度学习模型用于术前区分直肠癌T2和T3分期，并与经验丰富的放射科医生进行性能比较 | 首次基于高分辨率T2WI构建DenseNet深度学习模型，并在多中心数据上证明其在区分直肠癌T2和T3分期方面优于经验丰富的放射科医生 | 外部测试集样本量较小（仅26例患者），可能影响模型泛化能力的评估 | 构建深度学习模型用于术前准确区分直肠癌T2和T3分期，以改善治疗决策 | 281例经病理确诊的直肠癌患者，来自四个中心 | 数字病理学，计算机视觉 | 直肠癌 | 高分辨率T2加权成像 | 卷积神经网络（CNN） | 医学图像（高分辨率T2加权MRI） | 281例患者（255例用于模型开发与内部验证，26例用于外部测试） | PyTorch | DenseNet | 准确率，灵敏度，特异度，受试者工作特征曲线下面积（AUC） | NA |
| 18 | 2026-05-27 |
Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation
2025-08, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-025-06211-0
PMID:40580222
|
研究论文 | 开发并验证一种基于经会阴超声图像的多任务深度学习模型，用于自动评估女性盆腔器官脱垂 | 首次利用多任务深度学习模型，通过单个ResNet34特征提取器和四个平行全连接层，同时评估膀胱膨出、子宫脱垂、直肠膨出和会阴体过度活动四种盆腔器官脱垂类型 | 未明确说明限制，可能包括样本量有限、单中心研究或缺乏外部验证 | 开发并验证一种自动评估女性盆腔器官脱垂的深度学习模型，减少诊断差异 | 1340名女性患者的经会阴超声图像 | 计算机视觉 | 盆腔器官脱垂 | 经会阴超声 | 卷积神经网络 | 图像 | 1340名女性患者的1340张超声图像（1072张用于训练，268张用于验证） | PyTorch | ResNet34 | 准确率、AUC | NA |
| 19 | 2026-05-27 |
Pediatric pancreas segmentation from MRI scans with deep learning
2025-Aug, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.06.006
PMID:40645819
|
研究论文 | 评估和验证用于儿童胰腺MRI分割的深度学习算法PanSegNet在急性胰腺炎、慢性胰腺炎和健康对照组中的性能 | 首个经过验证的用于胰腺MRI分割的深度学习解决方案，在健康和疾病状态下均达到专家级性能，并公开提供工具和标注数据集 | NA | 评估和验证儿童胰腺MRI分割的深度学习算法 | 儿童胰腺MRI扫描图像 | 数字病理学 | 胰腺炎 | MRI | 深度学习算法 | 图像 | 84个MRI扫描（42名急性胰腺炎/慢性胰腺炎患儿，42名健康儿童） | NA | PanSegNet | Dice相似系数，95百分位Hausdorff距离，Cohen's kappa | NA |
| 20 | 2026-05-26 |
Deep Learning-Based Fully Automated Aortic Valve Leaflets and Root Measurement From Computed Tomography Images - A Feasibility Study
2025-08-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-24-1031
PMID:40436780
|
研究论文 | 基于深度学习实现CT图像中主动脉瓣叶和根部全自动测量的可行性研究 | 针对根部扩张患者CT数据重新训练现有深度学习算法，实现主动脉瓣叶/根部全自动测量，显著缩短测量时间并降低工作量 | 除了主动脉瓣反流病例的窦管交界处（由于扩张窦部边界不明确，差异达10.3毫米），其他测量参数均具有中高度相关性；样本量有限 | 评估基于深度学习的全自动主动脉瓣叶/根部测量算法在临床中的可行性 | 主动脉瓣叶和根部解剖结构 | 计算机视觉 | 心血管疾病 | 心脏CT | 深度学习算法 | 图像 | 67例心电图门控心脏CT扫描用于重新训练（40名根部扩张患者），100例用于评估（50例主动脉瓣狭窄，50例主动脉瓣反流） | NA | NA | 相关性、差异值、测量时间 | NA |