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 1720 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 | 2026-06-02 |
Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective
2025-11, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70317
PMID:41164900
|
综述 | 系统总结了传统和新型鸡蛋新鲜度检测技术，重点探讨对壳蛋和液蛋的适用性，并提出了未来研究方向 | 首次全面对比了传统技术（如哈夫单位、烛光法）与新型技术（如拉曼光谱、电化学-化学计量检测）在壳蛋和液蛋新鲜度检测中的适用性，强调了无损检测和自动化潜力，并指出建立液蛋全球标准的必要性 | 未对各类检测技术进行定量比较，缺乏实际应用场景下的成本效益分析，且对液蛋检测的标准制定路径探索不够深入 | 系统梳理鸡蛋新鲜度检测技术，评估其原理、准确性、成本、模型、持续时间和样品完整性，为建立液蛋新鲜度全球标准提供参考 | 壳蛋和液蛋的新鲜度检测技术 | 机器学习 | NA | 高光谱成像、介电谱、拉曼光谱、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像 | 深度学习、机器学习、堆叠集成策略 | 图像、光谱数据、电化学数据 | NA | NA | NA | 准确率 | NA |
| 2 | 2026-06-01 |
Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-01501
PMID:40168636
|
研究论文 | 提出一个基于组织病理学切片的基线AI模型，用于预测消化道癌症的预后和辅助化疗获益 | 利用超1.3亿张图像块进行自监督学习训练基础模型，并在多国队列中验证其预后预测及辅助化疗获益评估能力 | 尚需前瞻性验证以确认其临床适用性 | 开发一种能够从常规H&E染色组织病理学切片中预测消化系统癌症预后及辅助化疗获益的AI基础模型 | 胃癌和结直肠癌患者（共来自七个队列的4213例患者） | 数字病理学 | 胃癌, 结直肠癌, 食管癌 | NA | 自监督学习, 深度学习 | 图像（组织病理学全切片图像） | 训练集包括104,876张全切片图像（1.3亿图像块），验证集包括1,619例胃癌/食管癌和2,594例结直肠癌患者 | PyTorch | Transformer, ResNet | 一致性指数（Concordance index）, 5年生存率 | NA |
| 3 | 2026-05-31 |
Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22010
PMID:40453545
|
研究论文 | 评估一种基于RFE-SHAP特征选择方法在乳腺组织密度分级分类中的稳健性，使用来自数字乳腺断层合成扫描的放射组学特征 | 结合传统机器学习与可解释AI方法（RFE-SHAP）进行特征选择，并利用组织特异性放射组学特征，以提升乳腺密度分级的自动分类稳健性和可解释性 | 未明确提及局限性，但可能包括样本量有限（尤其是密度D级）、外部验证中密度D级AUC较低（0.673），以及仅使用逻辑回归分类器 | 开发鲁棒的乳腺组织密度自动评估方法以改善乳腺癌风险评估 | 数字乳腺断层合成筛查的原始中央投影图像 | 数字病理 | 乳腺癌 | RFE-SHAP特征选择方法 | 逻辑回归（LR） | 医学影像 | 751例（651例训练集，100例验证集） | NA | NA | NA | NA |
| 4 | 2026-05-30 |
Mino-Bimaadiziwin and the Pursuit of Harmony
2025-11, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc
IF:7.7Q1
DOI:10.1177/10888683251345043
PMID:41017246
|
研究论文 | 从北美原住民Anishinaabeg视角探讨“美好生活”概念Mino-Bimaadiziwin及其七大美德教导，强调和谐而非幸福 | 提出心理学家应深度理解北美原住民关于幸福的本土世界观，避免文化挪用或殖民化，并通过故事工作呈现与西方观点不同的和谐导向理论 | NA | 引入Mino-Bimaadiziwin概念和七大祖父教导，拓展心理学对幸福的跨文化理解 | Anishinaabeg原住民（包括奥吉布韦、波塔瓦托米等第一民族）的幸福观和七大美德价值观 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 5 | 2026-05-27 |
A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer
2025-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.006
PMID:40912952
|
研究论文 | 开发了一种级联深度学习框架，结合肿瘤分割和转移风险分层，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发 | 提出了一种两阶段级联深度学习框架，先进行V-Net肿瘤分割，再进行基于深度学习的转移风险分类，并整合临床病理预测因子构建组合模型，首次实现术前预测晚期胃癌隐匿性腹膜转移和早期腹膜复发的双重任务 | 未提及具体局限性 | 开发并验证一种基于CT的级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发，以优化个性化治疗路径 | 来自三个医疗中心的765例晚期胃癌患者 | 计算机视觉 | 胃癌 | CT成像 | V-Net | 图像 | 765例晚期胃癌患者，内部分为训练集和验证集（OPM 168例，早期PR 212例），外部验证集57例 | NA | V-Net | AUC、灵敏度、特异度 | NA |
| 6 | 2026-05-26 |
Artificial intelligence in nuclear cardiology: Enhancing diagnostic accuracy and efficiency
2025 Nov-Dec, Progress in cardiovascular diseases
IF:5.6Q1
DOI:10.1016/j.pcad.2025.09.010
PMID:41038418
|
综述 | 综述人工智能在核心脏病学中提升诊断准确性和效率的进展 | 系统总结了人工智能在核心脏病学图像优化、虚拟衰减校正、自动化生物标志物量化及多模态数据整合中的创新应用 | 未详细讨论AI模型在不同临床场景下的验证不足及实际部署的挑战 | 探讨人工智能技术如何改善核心脏病学的图像质量、减少辐射暴露并优化诊断流程 | 核心脏病学中的图像获取、重建、解释及临床工作流 | 计算机视觉 | 心血管疾病 | NA | 机器学习模型, 深度学习 | 图像, 临床数据, 压力测试特征 | NA | NA | NA | NA | NA |
| 7 | 2026-05-25 |
AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals
2025-11-04, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae178c
PMID:41135577
|
研究论文 | 基于AI方法使用SCG、ECG和GSR信号预测心力衰竭患者再入院 | 首次利用地震心动图信号结合机器学习模型进行心力衰竭再入院预测，并探索了时间-频率分布方法将SCG信号转换为图像用于深度学习模型 | 样本量较小（仅101名患者），深度学习模型准确率低于传统机器学习算法 | 探索一种非侵入性方法通过预测心力衰竭患者再入院来帮助管理患者 | 心力衰竭患者（包括研究期间再入院者） | 机器学习 | 心血管疾病 | SCG（地震心动图）、ECG（心电图）、GSR（皮肤电反应）信号采集 | K近邻、深度学习模型 | 信号数据 | 101名心力衰竭患者 | NA | K近邻、深度学习模型 | 准确率（89.4%）、灵敏度（87.8%）、特异度（90.1%）、精确度（78.2%）、F1分数（82.7%） | NA |
| 8 | 2026-05-24 |
Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study
2025-11-20, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c05780
PMID:41212638
|
研究论文 | 比较深度学习模型DeepRMSD+Vina与传统分子动力学模拟在碳纳米管与SARS-CoV-2主蛋白酶对接问题中的性能 | 首次评估深度学习在纳米结构对接问题中的表现，并发现其与分子动力学模拟结果高度一致，但需注意柔性环区的局部能量势垒 | 深度学习生成的结构未完全捕捉结合口袋附近柔性环区的结构变化，且其预测的结合构象处于局部能量最小值，需克服能垒才能到达全局最小值 | 评估深度学习方法在纳米生物系统对接中的性能，为纳米医学材料设计提供新思路 | 碳纳米管（最代表性纳米材料）与SARS-CoV-2主蛋白酶（Mpro）的对接系统 | 机器学习 | 新冠肺炎 | 深度学习、分子动力学模拟 | DeepRMSD+Vina | 分子结构数据 | NA | NA | DeepRMSD+Vina | NA | NA |
| 9 | 2026-05-23 |
Deep learning reveals how cells pull, buckle, and navigate fibrous environments
2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2424047122
PMID:41269797
|
研究论文 | 结合相衬显微镜与深度学习实时映射细胞在纤维环境中的力学，揭示张力各向异性如何调控细胞行为 | 首次发现纤维环境中力学方向性超越刚度成为收缩性的主要调控因子，并开发了深度学习驱动的活细胞纤维力显微镜（DLFM）技术 | NA | 探究细胞在纤维基质中的力学感知机制及其对迁移、分裂和分化的影响 | 迁移细胞、干细胞 | 计算机视觉 | NA | 相衬显微镜、深度学习 | 深度学习模型（具体未指定） | 图像、力学数据 | NA | NA | NA | NA | NA |
| 10 | 2026-05-23 |
Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach
2025-Nov, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.07.085
PMID:40967934
|
研究论文 | 利用可解释深度学习方法分析术前12导联心电图，预测非心脏手术中主要心血管事件的风险 | 首次使用深度学习结合术前12导联心电图与常规临床变量，构建多模态融合模型，显著提高非心脏手术后主要不良心血管事件的预测性能；采用生成式反事实框架提供波形级别的解释 | 回顾性研究设计，数据源自单中心（MIMIC-IV数据库），可能存在选择偏倚；模型仅在单一数据库验证，外部泛化性未评估 | 探究术前12导联心电图经深度学习分析能否改善非心脏手术后主要不良心血管事件的风险预测 | 37,081名接受大型非心脏手术的成年患者（2008-2019年，MIMIC-IV数据库） | 机器学习 | 心血管疾病 | 12导联心电图 | 卷积神经网络 | 心电图波形、临床变量 | 37,081名成年患者 | NA | 卷积神经网络 | AUROC（受试者工作特征曲线下面积） | NA |
| 11 | 2026-05-23 |
Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform
2025-11-01, Angiogenesis
IF:9.2Q1
DOI:10.1007/s10456-025-10010-y
PMID:41176522
|
研究论文 | 基于方形芯片平台探究多方向间质流对微血管网络形成的促进作用 | 首次证明多方向间质流促进微血管网络形成，并开发了方形芯片和深度学习分析工具VoCAT | 未明确说明局限性 | 研究多方向间质流对微血管网络形成的影响及其在肿瘤微环境建模中的应用 | 微血管网络和肿瘤细胞迁移 | 机器学习 | NA | 方形芯片平台、深度学习 | 深度学习模型 | 图像 | NA | NA | VoCAT | NA | NA |
| 12 | 2026-05-20 |
Deep Learning for Automated Measures of SUV and Molecular Tumor Volume in [68Ga]PSMA-11 or [18F]DCFPyL, [18F]FDG, and [177Lu]Lu-PSMA-617 Imaging with Global Threshold Regional Consensus Network
2025-11-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.270077
PMID:40967759
|
研究论文 | 提出全球阈值区域共识网络，用于自动化测量[68Ga]PSMA-11或[18F]DCFPyL、[18F]FDG和[177Lu]Lu-PSMA-617成像中的SUV和分子肿瘤体积 | 开发了基于阈值后处理的深度学习框架，显著提升PET和SPECT图像分割的边界定义和标签准确性，Dice准确度比nnU-Net提高3%-5% | 未提及 | 提高自动化测量PET成像中疾病体积和示踪剂亲和性的准确度，改善LuPSMA治疗的患者选择和预后评估 | 转移性去势抵抗性前列腺癌患者的[68Ga]PSMA-11或[18F]DCFPyL PET、[18F]FDG PET和[177Lu]Lu-PSMA-617 SPECT图像 | 数字病理学，计算机视觉 | 前列腺癌 | PET/CT, SPECT/CT | 卷积神经网络 | 图像 | 676张PSMA PET/390张FDG PET/477张LuPSMA SPECT图像用于训练，56例外部测试 | PyTorch | nnU-Net | Dice相似系数，Pearson系数 | NA |
| 13 | 2025-07-10 |
Corrigendum to 'CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy' [Acad Radiol 32/6 (2025) 3397-3409]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.036
PMID:40628644
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14 | 2026-05-16 |
Prediction model based on contrast-enhanced computed tomography images and clinical indicators for the prognosis of pancreatic necrosis in acute pancreatitis
2025-Nov-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045909
PMID:41305799
|
研究论文 | 基于增强CT图像和临床指标建立预测急性胰腺炎胰腺坏死预后的模型 | 首次将深度学习分割的胰腺CT图像与临床指标结合，构建融合模型预测急性坏死性胰腺炎的三种临床结局（坏死组织吸收、持续包裹性坏死和感染性胰腺坏死），并比较了手动与自动分割图像对预测性能的影响 | 未提及局限性 | 提高急性坏死性胰腺炎预后预测的准确性 | 急性坏死性胰腺炎患者的胰腺增强CT图像和临床指标 | 计算机视觉, 数字病理学 | 胰腺炎 | 对比增强CT | Attention U-Net, 3D ResNet, 逻辑回归 | 图像, 表格数据 | 133名急性坏死性胰腺炎患者 | NA | Attention U-Net, 3D ResNet | 准确率 | NA |
| 15 | 2026-05-16 |
Breast tumor diagnosis via multimodal deep learning using ultrasound B-mode and Nakagami images
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22009
PMID:40375887
|
研究论文 | 提出并评估结合超声B模式和Nakagami参数图像的多模态深度学习框架，用于乳腺肿瘤分类 | 首次将B模式图像的组织亮度信息与Nakagami图像的散射特性在多模态深度学习框架中融合，显著提升诊断性能 | NA | 评估多模态深度学习结合B模式和Nakagami图像对乳腺肿瘤分类的诊断性能提升效果 | 乳腺肿瘤的超声B模式图像和Nakagami参数图像 | 计算机视觉, 机器学习 | 乳腺癌 | 超声成像, Nakagami参数成像 | 卷积神经网络(CNN) | 图像 | 来自264名患者的831次超声采集 | NA | EfficientNetV2B0 | AUC（曲线下面积） | NA |
| 16 | 2026-05-16 |
The promise of artificial intelligence and machine learning for migraine treatment outcome prediction: A narrative review
2025-11, Cephalalgia : an international journal of headache
IF:5.0Q1
DOI:10.1177/03331024251395541
PMID:41269887
|
综述 | 本文综述了人工智能与机器学习在预测偏头痛治疗结局中的应用，涵盖模型、技术及未来方向 | 总结当前AI模型预测偏头痛急性和预防治疗效果的研究，并提出融合多模态数据、数字孪生、对话式AI等创新技术的未来方向 | 研究尚处于早期阶段，模型优化、验证及实际临床部署的效用评估仍需进一步探索 | 综述AI/机器学习在偏头痛治疗结局预测中的潜力与方法，推动个性化治疗策略 | 偏头痛患者及其治疗结局预测模型 | 机器学习 | 偏头痛 | NA | 机器学习、深度学习 | 临床特征、影像数据 | NA | NA | NA | NA | NA |
| 17 | 2026-05-15 |
Computational redesign of a thermostable T7 RNA polymerase
2025-Nov-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.12.688101
PMID:41292992
|
研究论文 | 通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体 | 结合已有稳定突变与PROSS识别的新突变，利用数据驱动启发式过滤保留功能，成功设计出热稳定性显著提升的T7 RNAP变体 | 未提及现有非深度学习方法的高成功率可能无法直接推广至其他蛋白质设计场景 | 提高T7 RNA聚合酶的热稳定性以扩展其生物技术应用 | T7 RNA聚合酶及其变体 | 机器学习 | 不适用 | 结构计算设计 | 不适用 | 蛋白质序列和结构数据 | 18个蛋白质设计变体 | PROSS | 不适用 | 功能稳定性T值、熔解温度Tm、保留活动 | NA |
| 18 | 2026-05-08 |
A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR
2025-11-27, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c06097
PMID:41252524
|
研究论文 | 本文提供了使用TS-DAR框架识别生物分子模拟中过渡态的实用指南 | 利用深度学习模型将蛋白质构象映射到超球面潜在空间，通过分布外检测自动识别过渡态，结合VAMP-2和分散损失函数区分亚稳态与过渡态 | NA | 指导研究人员实施和应用TS-DAR框架识别过渡态，辅助研究药物结合、酶活性和突变效应 | 蛋白质构象变化及其在高能态下的过渡态 | 机器学习 | NA | 分子动力学模拟 | 深度学习模型 | 构象数据 | NA | NA | TS-DAR | NA | NA |
| 19 | 2026-05-06 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Nov-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2427161122
PMID:41187076
|
研究论文 | 提出名为PLACER的图神经网络，用于建模蛋白质与小分子相互作用的构象集合 | 采用全原子级描述而非残基级描述，利用图神经网络从部分损坏的输入结构恢复正确原子位置，实现快速随机生成构象集合，显著提升酶设计成功率与活性 | 依赖剑桥结构数据库与蛋白质数据银行训练数据，可能对全新或罕见分子系统泛化能力有限；未明确讨论计算资源需求 | 建模蛋白质与小分子相互作用的构象异质性，以理解自然系统并评估设计系统，尤其提升酶设计成功率 | 蛋白质-小分子相互作用系统的原子级构象集合 | 机器学习 | NA | 图神经网络 | 图神经网络 | 原子级结构数据 | 训练数据来自剑桥结构数据库与蛋白质数据银行 | NA | PLACER，自定义图神经网络 | 酶活性（kcat/Km）、设计成功率 | NA |
| 20 | 2026-05-04 |
Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern
2025-11, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06376-2
PMID:40911057
|
研究论文 | 开发并验证一种受大脑解剖结构约束的深度学习模型，利用超声图像提高胎儿小脑发育不全的产前诊断准确性 | 提出双分支深度学习分类网络ASC-Net，将超声图像和脑部解剖结构掩膜作为独立输入，通过解剖结构约束提升诊断性能 | 研究为回顾性设计，样本来源单一，超声图像选择依赖医生经验，且小脑发育不全病例数有限（302例）可能影响模型泛化性 | 开发一个受胎儿小脑和后颅窝池解剖结构约束的人工智能模型，以改善超声成像中小脑发育不全的产前诊断准确性 | 胎儿小脑发育不全 | 计算机视觉 | 胎儿中枢神经系统发育异常 | 超声成像 | 深度学习分类网络 | 图像 | 302例小脑发育不全和549例正常妊娠病例 | NA | ASC-Net (双分支网络) | 准确率, AUC | NA |