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 43650 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-05-01 |
Artificial intelligence in airway management: A systematic review and meta-analysis
2025-11, Anaesthesia, critical care & pain medicine
DOI:10.1016/j.accpm.2025.101589
PMID:40645499
|
系统综述与元分析 | 总结人工智能在气道管理中的预测困难气道能力 | 首次通过元分析综合评估多种AI模型在困难气道预测中的判别能力 | 纳入研究数量有限，部分模型（如SVM和NB）的异质性高（I²>99%） | 评估AI模型在困难气道预测中的表现 | 13项研究，涉及ED患者和全身麻醉手术患者 | 机器学习 | 困难气道 | NA | 深度学习模型（VGG）、传统机器学习模型（SVM、NB） | NA | 13项研究（未具体说明样本数量） | NA | VGG、支持向量机（SVM）、朴素贝叶斯（NB） | AUROC | NA |
| 42 | 2026-05-01 |
Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits
2025-Jul-03, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2025.05.015
PMID:40543505
|
研究论文 | 提出多模态深度学习模型M-REGLE，从生理波形数据中联合表征并提升心血管性状的遗传预测能力 | 首次利用多模态深度学习方法（卷积变分自编码器）联合表征心电图和光电容积描记图，进行全基因组关联研究，发现比单模态方法多19.3%的遗传位点 | 未提及模型在不同人群或设备上的泛化性验证，且仅验证了两种模态（ECG和PPG）的结合效果 | 探索多模态生理波形数据在复杂性状遗传研究中的优势，提升心血管疾病遗传预测的准确性 | 心电图和光电容积描记图中的生理波形数据 | 机器学习 | 心血管疾病 | NA | 卷积变分自编码器 | 生理波形（心电图和光电容积描记图） | 多个生物样本库数据集，具体样本量未明确 | NA | 卷积变分自编码器 | 遗传风险评分预测准确性、发现位点数量 | NA |
| 43 | 2026-05-01 |
Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning
2025-Apr-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 评估记忆偏差对AlphaFold建模SLC膜蛋白替代构象状态的影响，并提出结合ESM与模板建模的方法以持续生成多构象模型 | 首次系统评估记忆偏差对AlphaFold建模SLC蛋白多构象状态的影响，并提出一种结合ESM与模板建模的简单快速方法，能可靠生成内外开放两种构象，并通过进化协方差数据进行实验验证 | NA | 开发一种能够克服记忆偏差、稳定建模SLC膜蛋白替代构象状态的方法 | SLC超家族整合膜蛋白（包括SLC35F2等转运体）的替代构象状态 | 机器学习 | NA | AlphaFold、ESM（进化规模建模）、模板建模、序列进化协方差分析 | AlphaFold2、AlphaFold3、ESM | 蛋白质序列、结构模板 | 多种SLC膜蛋白（具体数量未提及） | NA | AlphaFold2, AlphaFold3, ESM | 由进化协方差数据实验验证（具体指标未提及） | NA |
| 44 | 2026-05-01 |
Deep learning-based free-water correction for single-shell diffusion MRI
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110326
PMID:39827997
|
研究论文 | 提出一种基于深度学习的单壳层弥散MRI自由水校正方法 | 首次将深度学习框架应用于单壳层弥散MRI数据中的自由水污染映射和校正，克服了传统双室模型仅适用于多壳层数据的限制 | 未明确提及局限性 | 开发一种通用深度学习框架用于单壳层弥散MRI的自由水校正，提升弥散特性估计的准确性和白质纤维束可视化的清晰度 | 人脑弥散MRI图像中的自由水部分容积效应 | 计算机视觉 | 老年疾病（研究涉及HCP Aging数据集） | 弥散加权成像（DWI） | 深度学习框架 | 图像 | 三个数据集：HCP Young Adults (HCP-ya)、HCP Aging、脑肿瘤连接组数据 (BTC)，具体样本量未提供 | NA | NA | 一致性、准确性、可视化清晰度 | NA |
| 45 | 2026-05-01 |
OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data
2025-Feb, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-024-00958-2
PMID:38805131
|
研究论文 | 提出OrganoIDNet深度学习工具，用于从时序成像数据中识别PDAC类器官与PBMC共培养的治疗效果 | 首次将深度学习应用于PDAC类器官与免疫细胞共培养的实时成像分析，能够区分类器官大小和健康状态，并纵向监测免疫治疗反应 | NA | 开发和验证基于深度学习的工具，用于实时监测PDAC类器官对化疗和免疫治疗的反应 | 小鼠和人源PDAC类器官、PBMCs共培养模型 | 数字病理学 | 胰腺导管腺癌（PDAC） | 活细胞成像 | 深度学习 | 明场图像 | 小鼠和人源PDAC类器官样本 | NA | OrganoIDNet | 准确率、CellTiter-Glo终点增殖试验验证 | NA |
| 46 | 2026-05-01 |
AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions
2025, Acta haematologica
IF:1.7Q3
DOI:10.1159/000546303
PMID:40349705
|
综述 | 探讨人工智能在输血医学中的应用，包括机器学习、深度学习、自然语言处理和预测分析，覆盖捐赠者管理、血液产品质量优化、输血需求预测和出血风险评估等 | 系统总结了AI在输血医学各个领域的潜在应用，强调其在提升运营效率、患者安全和资源分配方面的优势，并为未来精准医疗和负责任整合提供了方向 | 综述提及早期研究多为探索性，面临临床工作流变异性、算法透明度、公平获取以及数据隐私和偏差等伦理挑战 | 评估人工智能在输血医学中的整合机会、挑战和未来发展方向 | 输血医学中的AI驱动工具，包括机器学习、深度学习、自然语言处理和预测分析 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 47 | 2026-05-01 |
Deep Learning Applications in Lymphoma Imaging
2025, Acta haematologica
IF:1.7Q3
DOI:10.1159/000547427
PMID:40659002
|
综述 | 综述了深度学习在淋巴瘤影像学中的应用，包括自动检测、分割和分类 | 首次系统总结深度学习在PET/CT、CT和MRI三种模态中淋巴瘤自动检测、分割和分类的应用现状 | 成像协议差异影响模型泛化性、依赖小型回顾性数据集、模型可解释性不足以及AI工具与临床工作流集成困难 | 探索深度学习在淋巴瘤影像学诊断与管理中的应用潜力和挑战 | 淋巴瘤患者的PET/CT、CT和MRI影像数据 | 计算机视觉 | 淋巴瘤 | NA | 深度学习模型（如卷积神经网络CNN等） | 医学影像（PET/CT、CT、MRI） | 小型回顾性数据集（未明确具体数量） | NA | NA | NA | NA |
| 48 | 2026-05-01 |
A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities
2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society
IF:5.9Q1
DOI:10.1109/tase.2025.3556290
PMID:40893870
|
research paper | 提出一种跨模态互知识蒸馏框架，用于处理不完整多模态数据以实现阿尔茨海默病的早期诊断 | 首次提出不完整跨模态互知识蒸馏方法，通过模态解缠教师模型和学生模型的双向知识迁移，有效利用多模态和单模态数据子队列 | NA | 开发能够应对实际临床中多模态数据缺失的深度学习框架，提升阿尔茨海默病早期诊断性能 | 阿尔茨海默病神经影像数据（MRI和PET模态）的不完整多模态子队列 | computer vision | 阿尔茨海默病 | MRI, PET | CNN | image | 阿尔茨海默病神经影像倡议数据集，具体样本量未提及 | PyTorch | NA | NA | NA |
| 49 | 2026-05-01 |
A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1699430
PMID:41602410
|
研究论文 | 构建两阶段深度学习系统，使用CT图像预测结肠癌微卫星不稳定性状态 | 提出无需手动分割的两阶段深度学习系统，结合MSI-SAM分割模型和MSI状态诊断模型，实现自动预测 | 样本量较小（108例），仅包含增强CT扫描，需进一步验证泛化能力 | 开发基于CT图像的结肠癌微卫星不稳定性状态自动预测方法 | 结肠癌患者CT扫描图像及对应MSI状态（MSI-H和MSS） | 计算机视觉 | 结肠癌 | CT扫描 | 深度学习（两阶段：分割模型和诊断模型） | 图像（CT扫描） | 108例增强CT扫描（68例升结肠、14例横结肠、18例降结肠、8例乙状结肠；56例MSI-H和52例MSS） | NA | MSI-SAM（分割模型）和MSI状态诊断模型 | DSC, IoU, AUC, 准确率(ACC), 灵敏度, 特异度 | NA |
| 50 | 2026-05-01 |
Deep Learning of Multimodal Ultrasound: Stratifying the Response to Neoadjuvant Chemotherapy in Breast Cancer Before Treatment
2024-02-02, The oncologist
DOI:10.1093/oncolo/oyad227
PMID:37669223
|
研究论文 | 开发两种多模态超声深度学习模型，在治疗前预测乳腺癌对新辅助化疗的耐药和病理完全缓解 | 首次利用多模态超声（灰阶二维超声和超声弹性成像）结合临床病理信息，构建两个深度学习模型分别预测耐药和病理完全缓解，并联合进行分层预测 | NA | 非侵入性预测乳腺癌患者对新辅助化疗的耐药和病理完全缓解，实现治疗前分层预测 | 乳腺癌患者 | 机器学习, 医学影像 | 乳腺癌 | 多模态超声（灰阶二维超声和超声弹性成像） | 深度学习模型 | 图像（超声图像） | 170名乳腺癌患者 | NA | NA | AUC, 敏感性, 阴性预测值 | NA |
| 51 | 2026-05-01 |
Prognostic significance of collagen signatures at breast tumor boundary obtained by combining multiphoton imaging and imaging analysis
2024-Feb, Cellular oncology (Dordrecht, Netherlands)
DOI:10.1007/s13402-023-00851-4
PMID:37606817
|
研究论文 | 通过结合多光子成像和影像分析，探索乳腺肿瘤边界胶原特征对患者预后的意义 | 首次利用深度学习自动分类模型从多光子图像中识别肿瘤边界胶原特征，并结合岭回归分析构建CSTB评分，展示其优于传统临床模型的预后性能 | 样本量较小，仅涉及小规模数据，外部验证数据集可能有限 | 探索乳腺肿瘤边界胶原特征的预后意义，构建自动化预后预测工具 | 人类乳腺肿瘤样本 | 数字病理学 | 乳腺癌 | 多光子显微镜（MPM） | 深度学习模型 | 多光子图像 | NA | NA | NA | AUC，Cox比例风险回归分析，Kaplan-Meier生存分析 | NA |
| 52 | 2026-05-01 |
Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy
2023-12-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13243613
PMID:38132197
|
综述 | 系统评估深度学习在胃癌内镜辅助诊断中应用的研究现状 | 首次系统总结深度学习在胃癌分类、检测、肿瘤浸润深度评估、癌灶勾画、病变分割及早期和癌前病变识别中的多种应用，并对比AI与内镜医师的诊断性能 | 主要受限于单中心研究、未公开数据集、回顾性算法训练可能不代表真实临床表现、模型细节缺乏影响可重复性 | 评估深度学习在胃癌前病变、早期胃癌和胃肿瘤分析中的应用现状 | 深度学习算法用于胃肿瘤内镜图像检测的研究 | 计算机视觉 | 胃癌 | 内镜成像 | CNN | 图像 | 42项研究 | NA | NA | 诊断准确率 | NA |
| 53 | 2026-05-01 |
Brain-Wide Projections and Differential Encoding of Prefrontal Neuronal Classes Underlying Learned and Innate Threat Avoidance
2023-08-09, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0697-23.2023
PMID:37491314
|
研究论文 | 通过全脑连接组图谱和光纤光度记录，揭示内侧前额叶皮层不同神经元类别在习得性和先天性威胁回避中的差异编码机制 | 开发了DeepTraCE和DeepCOUNT两种基于深度学习的定量分析方法，首次实现了对全脑范围内大量标记轴突和细胞体的高通量量化，并揭示了mPFC不同投射类别在威胁回避中的功能特化 | 未提及具体限制 | 阐明mPFC神经元连接与功能之间的关系，理解威胁回避行为的神经基础 | 雄性和雌性小鼠内侧前额叶皮层投射至伏隔核、腹侧被盖区或对侧mPFC的神经元类别 | 机器学习, 数字病理学 | 恐惧症, 焦虑症, 情绪障碍 | 组织透明化, 光片荧光显微镜, 纤维光度记录, TRAP2小鼠 | CNN, U-Net | 图像 | 雄性小鼠、雌性小鼠 | PyTorch | U-Net, 深度学习追踪模型 | NA | NA |
| 54 | 2026-05-01 |
Comparison between renal pelvic and ureteral tumors in muscle-invasive upper tract urothelial carcinoma
2023-Mar, Cancer science
IF:4.5Q1
DOI:10.1111/cas.15634
PMID:36330561
|
研究论文 | 比较肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤的临床特征、分子亚型和肿瘤微环境差异 | 利用深度学习算法从H&E组织切片中分类分子亚型，揭示肾盂肿瘤倾向管腔型而输尿管肿瘤倾向基底型和P53样型，并首次对比肿瘤微环境异质性 | NA | 探究肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤在临床特征、分子亚型和肿瘤微环境方面的差异 | 肌层浸润性上尿路上皮癌患者 | 数字病理学 | 上尿路上皮癌 | 深度学习、H&E组织学 | 深度学习算法 | 临床数据、H&E组织切片图像 | 来自SEER数据库的多中心数据及单中心数据 | NA | NA | NA | NA |
| 55 | 2026-05-01 |
Restaining-based annotation for cancer histology segmentation to overcome annotation-related limitations among pathologists
2023-Feb-10, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2023.100688
PMID:36873900
|
研究论文 | 提出SegPath数据集用于癌症组织学分割，通过免疫荧光复染克服病理学家注释局限 | 开发了SegPath生成流程，利用脱色后免疫荧光复染获得大规模注释数据集（比公开注释大10倍以上），并能克服病理学家注释偏差 | 未讨论模型在不同癌症类型或染色条件下的泛化能力，也未提及计算资源消耗 | 解决深度学习中病理图像分割训练数据不足和注释偏差问题 | H&E染色癌症组织切片中的八种主要细胞类型 | 数字病理学 | 癌症 | H&E染色、免疫荧光染色 | 深度学习分割模型（未明确指定） | 图像 | SegPath数据集，规模为公开注释的10倍以上 | NA | NA | 分割准确性 | NA |
| 56 | 2026-05-01 |
DeepciRGO: functional prediction of circular RNAs through hierarchical deep neural networks using heterogeneous network features
2020-Nov-12, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-020-03748-3
PMID:33183227
|
研究论文 | 提出一种基于层次深度神经网络的模型DeepciRGO，利用异构网络特征预测环状RNA的基因本体功能 | 首次利用异构网络中的拓扑特征和层次深度神经网络预测环状RNA功能，并通过HIN2Vec表示学习方法融合多源交互网络信息 | 仅基于人工构建的小规模数据集circRNA2GO-62，且预测性能指标较低（最高F值为0.412），未整合RNA结构和序列信息以获得更优性能 | 利用深度学习模型预测环状RNA的生物学功能，以降低实验成本并揭示其在疾病中的调控机制 | 62种环状RNA及其185个基因本体注释 | 自然语言处理 | NA | NA | 层次深度神经网络 | 异构网络数据 | 62个环状RNA样本 | NA | 层次深度神经网络 | F值, 召回率, 准确率 | NA |
| 57 | 2026-05-01 |
Artificial intelligence quantified tumour-stroma ratio is an independent predictor for overall survival in resectable colorectal cancer
2020-Nov, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2020.103054
PMID:33039706
|
研究论文 | 开发深度学习模型自动量化肿瘤间质比，验证其对可切除结直肠癌总生存期的独立预测价值 | 首次实现基于深度学习对结直肠癌HE染色全切片图像进行全自动化肿瘤间质比量化，并在独立队列中验证其预后价值，可减少病理学家工作负担 | NA | 评估深度学习量化的肿瘤间质比对结直肠癌患者总生存期的独立预测能力 | 结直肠癌患者的HE染色全切片图像 | 数字病理学 | 结直肠癌 | HE染色 | 卷积神经网络 | 图像 | 发现队列 499 例，验证队列 315 例 | NA | CNN | 风险比，95%置信区间，P值 | NA |
| 58 | 2026-04-30 |
Predicting intracranial aneurysm rupture risk and intervention outcomes using denoising-enhanced CT Angiography
2026-Apr-28, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9093
PMID:41213812
|
研究论文 | 开发一种多模态框架，用于预测颅内动脉瘤破裂风险及干预结果，并引入去噪算法增强CTA图像质量 | 提出了一种创新的去噪算法提升CTA图像质量，并整合了临床变量、影像组学纹理特征和深度学习衍生的动脉瘤形态数据构建多模态框架，相比单模态模型显著提高了预测性能 | 研究为回顾性多中心设计，可能引入选择偏倚；未明确提及外部验证集或前瞻性验证结果 | 开发多模态框架评估颅内动脉瘤破裂风险并预测干预结果，同时通过去噪算法改善CTA图像质量以提升形态学分析 | 颅内动脉瘤患者及其CTA影像数据 | 计算机视觉 | 颅内动脉瘤 | CTA（CT血管造影） | CNN（卷积神经网络） | 图像 | 352名颅内动脉瘤患者 | NA | NA | AUC（曲线下面积） | NA |
| 59 | 2026-04-30 |
Multiclass Arrhythmia Classification Using Multimodal Smartwatch Photoplethysmography Signals Collected in Real-Life Settings
2026-Apr, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3613471
PMID:40986597
|
研究论文 | 利用真实环境中收集的多模态智能手表光电容积描记信号进行多类心律失常分类 | 采用轻量级双向门控循环单元深度学习模型，结合多模态输入（1D PPG、加速度计和心率数据），在真实环境下实现了对房颤与房性/室性早搏的高精度区分，尤其在PAC/PVC检测上达到83%的敏感性，且计算效率提升14倍 | 高密度脂蛋白相关分类（PAC/PVC）的敏感性仍有提升空间，且研究基于单一临床试验数据，外部数据集虽验证了泛化性但样本类型有限 | 开发一种能准确区分心房颤动与房性/室性早搏的轻量级深度学习方法，以减少假阳性检测 | 利用Pulsewatch临床试验中106名受试者超过两周的智能手表光电容积描记数据 | 机器学习 | 心律失常（心房颤动、房性/室性早搏） | 光电容积描记（PPG） | 双向门控循环单元（Bi-GRU） | 信号数据（PPG、加速度计、心率） | 106名受试者超过两周的监测数据 | NA | 1D双向GRU | 敏感性、准确率、AUROC | NA |
| 60 | 2026-04-30 |
Colorectal mucosal exposure area assessment using artificial intelligence: a multicenter prospective observational study
2026-03, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2695-1832
PMID:40902624
|
研究论文 | 提出基于深度学习的累积结直肠黏膜暴露面积系统，并在多中心前瞻性观察研究中验证其作为结肠镜检查质量指标的有效性 | 首次提出累积结直肠黏膜暴露面积作为结肠镜检查质量指标，并结合深度学习技术构建自动化评估系统 | 研究未明确说明系统的泛化能力及在不同医疗环境中的适用性，且样本量相对有限 | 评估累积结直肠黏膜暴露面积作为结肠镜检查质量指标的有效性 | 510名接受结肠镜检查的参与者 | 计算机视觉 | 结直肠癌 | 深度学习 | ResNet50, UNet++ | 图像 | 510名参与者的结肠镜检查图像 | NA | ResNet50, UNet++ | 腺瘤检出率，息肉检出率，调整后比值比，调整后发生率比 | NA |