深度学习在生物医药领域的应用

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	2026-10-16	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-03-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于人工智能的MRI方法，用于无创检测AD和MCI患者不同脑区的淀粉样蛋白β沉积	结合放射组学特征提取与多种机器学习算法，并改进原始Transformer架构构建轻量级深度学习模型，实现MRI无创定量检测Aβ蛋白沉积，避免脑脊液穿刺和电离辐射暴露	深度学习模型在测试集上表现不佳（MAE 0.41±0.17，PCC -0.01±0.17），远低于随机森林回归模型，且样本量相对有限，未进行外部验证	研究一种非侵入性磁共振成像方法，用于检测MCI和AD患者不同脑区的淀粉样蛋白β沉积	80名MCI患者和62名AD患者（共142名参与者）	数字病理学	阿尔茨海默病	18F-florbetapir PET成像、三维T1加权MRI、放射组学特征提取	机器学习和深度学习	图像	142名参与者（80名MCI患者和62名AD患者），按8:2比例随机分为训练集和测试集	NA	VB-Net、Transformer、随机森林回归、梯度提升回归、支持向量回归、极端梯度提升、K近邻、随机梯度回归	平均绝对误差、均方误差、R分数、皮尔逊相关系数	NA
2	2026-10-16	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	提出双本体增强临床决策学习方法，用于首次入院患者的死亡率预测	通过诊断和操作分类体系提取层次化表示，结合先验引导注意力机制和概率正则化建模决策过程，并融合人口统计学数据、生命体征和知识增强的医疗编码	未明确说明模型在不同医疗系统和人群中的泛化能力，以及对缺失数据的鲁棒性	解决首次入院患者因缺乏历史就诊序列而难以进行死亡率预测的问题	首次入院的电子健康记录患者，特别是直接进入ICU的单次就诊患者	机器学习	NA	电子健康记录分析	深度学习	时间序列数据、图像（可视化）、文本（医疗编码）	MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%为单次就诊记录	NA	双本体增强学习、先验引导注意力机制、信息融合模块	AUROC、AUPRC	NA
3	2026-10-16	High density EEG and deep learning outcome prediction on the first day of coma after cardiac arrest 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121658 PMID:41412410	研究论文	本研究利用深度学习分析心脏骤停后昏迷患者第一天和第二天的高密度静息态EEG，预测昏迷结局，并评估其与临床预后的互补性	首次在心脏骤停后昏迷第一天应用高密度（62通道）EEG结合深度学习进行结局预测，并在外部19通道数据集上验证了其泛化能力	第二天预测性能较低，外部数据集样本量较小，且未与所有临床指标进行系统比较	评估深度学习分析静息态EEG对心脏骤停后昏迷结局的预测价值，并探讨其与临床预后指标的互补性	心脏骤停后昏迷患者	机器学习	心血管疾病	EEG	CNN	EEG信号	内部数据集：165例患者（第一天），100例患者（第二天），62通道EEG；外部数据集：60例患者，19通道EEG	NA	NA	敏感度，特异度	NA
4	2026-10-16	Lifespan trajectory of claustrum volume in humans - effect of age, hemisphere, and sex, and association with cognitive performance 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121665 PMID:41421500	研究论文	本研究利用3474名1至80岁健康参与者的T1加权3T MRI扫描，采用深度学习自动分割屏状核，并通过规范建模描绘其体积在生命周期中的轨迹，同时分析年龄、半球和性别的影响及其与认知表现的关系	首次在大规模健康人群中系统描绘屏状核体积的生命周期轨迹，并揭示年龄、半球和性别对屏状核体积的显著影响及其与认知功能的关联	研究采用横截面设计，无法直接反映个体纵向变化；仅基于T1加权MRI，可能受分割精度限制；样本以健康人群为主，结论向病理人群推广需谨慎	探究屏状核体积的生命周期轨迹，包括年龄、半球和性别的影响，以及与认知表现的关联	3474名1至80岁健康参与者的屏状核	神经影像学	NA	T1加权3T MRI	深度学习分割模型, 规范模型	图像	3474名健康参与者的T1加权3T MRI扫描	NA	NA	NA	NA
5	2026-10-16	A combined model of convolutional neural networks and graph attention networks for improved classification of mild cognitive impairment 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121674 PMID:41448509	研究论文	该文提出了一种结合卷积神经网络和改良图注意力网络的新模型，用于改善轻度认知障碍的分类	结合CNN和改良GAT模型，利用MRI体积数据和皮层厚度数据的互补优势，通过多层感知机整合特征向量进行分类	未来工作将聚焦于通过额外的数据优化来提升性能	提高轻度认知障碍的分类准确性，以促进早期诊断和治疗	轻度认知障碍患者	医学图像分析	轻度认知障碍	磁共振成像	CNN, GAT	图像	NA	NA	CNN, GAT, 多层感知机	AUC, F1-score, 敏感度, 特异度	NA
6	2026-10-16	Multiscale Pancancer Analysis Uncovers Intrinsic Imaging and Molecular Characteristics Prominent in Breast Cancer and Glioblastoma 2026-Jan, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03235-7 PMID:41094188	研究论文	该研究通过多参数MRI放射组学和深度学习模型，在乳腺癌和胶质母细胞瘤中提取癌症类型共有和特异性的影像特征，并分析其与预后的关联及生物学意义	首次跨癌种分析影像特征，识别出乳腺癌和胶质母细胞瘤共有的放射组学特征，并揭示其与生存预后和生物学通路的关联	回顾性研究设计，样本量有限，需进一步前瞻性验证	探索跨癌种共有的影像表型及其与预后的关系，并提供生物学见解	乳腺癌和胶质母细胞瘤患者	数字病理学, 医学影像分析	乳腺癌, 胶质母细胞瘤	多参数MRI放射组学, 深度学习	深度学习模型, 放射组学模型	医学影像, 基因组数据	总样本793例（I-SPY1乳腺癌队列145例，Duke-UPenn胶质母细胞瘤队列452例，外部验证队列196例）	NA	NA	AUC, p值	NA
7	2026-10-16	Deep learning-derived arterial input function for dynamic brain PET 2025-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本文提出了一种深度学习框架（DLIF），能够直接从动态PET图像序列中估计代谢校正的动脉输入函数（AIF），无需任何血液采样，并在患者数据上验证了其准确性和鲁棒性。	首次提出完全无创的深度学习-derived AIF估计方法，无需任何血液采样，通过结合深度学习捕捉复杂时间动态和基函数嵌入典型AIF形状的先验知识，实现了快速、准确且完全非侵入性的AIF测量替代方案。	摘要中未明确提及局限性，但可能包括：验证仅基于现有患者数据，样本量有限；模型泛化能力需进一步验证；对PET图像质量和扫描协议的依赖性未充分讨论。	开发一种无需动脉血采样的深度学习框架，直接从动态脑PET图像序列中估计代谢校正的动脉输入函数，以替代传统侵入性AIF测量方法。	动态脑PET图像序列及对应的患者数据（包括AIF金标准测量和参数图）	医学图像分析	阿尔茨海默病, 帕金森病	动态PET成像, 放射示踪剂动力学建模	深度学习	图像	现有动态PET患者数据（具体数量未提及）	NA	NA	AIF估计的准确性, 鲁棒性, 参数图与金标准的一致性	NA
8	2026-10-16	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	提出了一种基于方向分布函数（ODF）的无监督深度学习网络ODDRnet，用于扩散磁共振图像的非刚性配准，直接对齐高维fODF并预测密集变形场	直接对齐从原始dMRI信号导出的高维fODF，而非标量图像；预测密集变形场在空间扭曲fODF的同时适当重新定向方向信息，确保准确对齐；端到端无监督深度学习框架	摘要中未明确提及研究的局限性	解决扩散MRI配准中方向信息被忽略的问题，提高白质结构对齐的解剖精确性，改善后续分析如纤维束追踪	扩散MRI数据，包括来自多个公共和私有数据集的fODF	医学图像配准、计算机视觉	脑部疾病（白质相关）	扩散MRI（dMRI）、纤维方向分布函数（fODF）	深度学习网络（针对配准的CNN）	图像（高维fODF）	多个公共和私有数据集（未指定具体样本量）	NA	NA	纤维束Dice系数、纤维束距离	NA
9	2026-10-16	Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer 2025-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf142 PMID:40901703	研究论文	该研究开发了一种名为DeepAFM的多模态深度学习方法，整合组织病理学、基因组特征和临床信息，用于预测晚期非小细胞肺癌患者对抗PD-(L)1免疫治疗的响应	提出了DeepAFM多模态预测模型，结合自监督VQVAE2进行组织病理全切片图像表征学习，并整合基因组和临床数据进行免疫治疗响应预测；同时利用注意力热图和排列重要性评估实现模型可解释性和生物标志物发现	样本量较小（仅93例患者），需要更大规模的多中心队列验证模型的泛化能力和临床实用性	开发多模态深度学习方法，准确预测晚期非小细胞肺癌患者对抗PD-(L)1免疫治疗的响应，并发现潜在生物标志物	93例晚期非小细胞肺癌患者	数字病理学	肺癌	全切片图像分析，基因组改变分析，免疫治疗	多模态深度学习	图像，文本	93例晚期非小细胞肺癌患者	NA	VQVAE2	AUC	NA
10	2026-10-16	DiffPepDock: Efficient protein-peptide docking and binder screening via SE(3)-equivariant diffusion 2025-11, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70338 PMID:41088767	研究论文	该文章提出了基于SE(3)等变扩散模型的高效蛋白质-多肽对接工具DiffPepDock，并用于结合物筛选	采用SE(3)等变扩散模型，并在合成蛋白-片段复合物数据集上预训练后在高品质实验蛋白-多肽结构上微调，同时支持用户指定结合先验（如已知结合基序或参考配体）以辅助口袋选择并提升对接精度	未明确说明	实现准确、高效且具有泛化能力的蛋白质-多肽对接，并用于多肽结合物筛选	蛋白质-多肽复合物及多肽结合物	计算生物学	NA	SE(3)等变扩散	扩散模型	蛋白质结构数据	NA	PyTorch	SE(3)等变扩散模型	准确率，推理时间	NA
11	2026-10-16	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-06, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	本文提出了一种基于计算机视觉的小麦锈病自动检测与严重程度预测流程，利用Xception深度学习分类器区分健康与感染叶片，并通过Grabcut分割和CIELAB颜色空间分析计算病害严重度比率。	提出了一种低成本、可及且自动化的小麦锈病严重程度预测方法，结合Xception分类器、Grabcut前景分割和CIELAB颜色空间分析，在田间条件下使用数字彩色图像进行病害筛查。	摘要中未明确提及研究局限性。	开发一种自动化、低成本的小麦锈病检测与严重程度预测流水线，以替代传统劳动密集型的人工检测方法，实现早期检测和有效作物表型分析。	小麦叶片（健康与锈病感染的叶片），病原体为Puccinia triticina。	计算机视觉	NA	深度学习图像分类、Grabcut分割、CIELAB颜色空间分析	CNN	图像	NA	NA	Xception	NA	NA
12	2026-10-16	A deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从高密度细胞外电生理记录中识别清醒动物中的细胞类型，并在小脑中验证了该方法	结合光遗传学和药理学生成小脑细胞类型的电生理特性真实标签库，并训练半监督深度学习分类器，以高精度预测细胞类型，且在不同探针、实验室、区域和物种间具有泛化能力	未明确说明方法的局限性，如对其他脑区或物种的适用性可能需进一步验证	从细胞外记录中识别细胞类型，并揭示不同功能、分子和解剖特性的神经元的计算作用	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	高密度细胞外电生理记录、光遗传学、药理学	半监督深度学习分类器	电生理数据（波形、放电统计、层信息）	未明确提供，涉及多种细胞类型的记录	NA	NA	准确率	NA
13	2026-10-16	Reinforcement Q-Learning-Based Adaptive Encryption Model for Cyberthreat Mitigation in Wireless Sensor Networks 2025-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s25072056 PMID:40218569	研究论文	本文提出了一种基于强化学习的自适应加密框架，用于无线传感器网络中的网络威胁缓解，通过动态调整加密级别来平衡能效与安全性	提出混合策略推导算法，结合动态Q学习和双Q学习，根据威胁级别自适应切换学习模型，并引入动态超参数调优机制	实验评估仅在模拟的无线传感器网络环境中进行，未在真实网络环境中验证	解决无线传感器网络中资源约束下的自适应安全机制问题，实现能效与安全性的动态平衡	无线传感器网络中的网络威胁，包括DDoS、黑洞攻击和数据注入攻击	网络安全	NA	强化学习、深度学习异常检测、Q学习、双Q学习、马尔可夫决策过程	Q学习、双Q学习、深度学习异常检测模型	网络状态数据（模拟无线传感器网络环境中的实时网络条件数据）	NA	NA	NA	能耗降低率30.5%、数据包投递率92.5%、缓解效率94%、延迟降低37%	NA
14	2026-10-16	A skin disease classification model based on multi scale combined efficient channel attention module 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90418-0 PMID:39972014	研究论文	本文提出了一种基于多尺度通道注意力的皮肤疾病分类模型，并在ISIC2019和HAM10000数据集上进行了验证	改进了金字塔分割注意力模块以充分提取图像的多尺度特征，并使用反向残差结构替换骨干网络中的残差结构，将注意力模块集成到反向残差结构中	未明确讨论模型的计算复杂度或临床部署的可行性	提高皮肤疾病分类的准确性，辅助临床诊断和治疗	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	CNN	图像	ISIC2019和HAM10000皮肤疾病数据集，具体样本数量未提及	NA	多尺度通道注意力网络	准确率	NA
15	2026-10-16	Ensemble fuzzy deep learning for brain tumor detection 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90572-5 PMID:39972098	研究论文	本文提出一种集成模糊深度学习方法用于脑部MRI分析，通过融合多种深度学习架构、模糊池化、模型融合和注意力机制，提高脑组织与异常的分割精度	结合体积模糊池化、模型融合策略、注意力机制以及存储训练样本与最佳模型映射关系的知识库，实现推理时快速选择最优模型	未明确说明模型计算复杂度、泛化能力及在更多临床数据集上的验证情况	改进脑部MRI中脑组织与异常的分割效果	脑部MRI图像	计算机视觉	脑肿瘤	NA	集成深度学习、模糊深度学习	图像	完整的脑部MRI分割数据集	NA	NA	交并比	NA
16	2026-10-16	Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319078 PMID:40173410	研究论文	该研究使用传统机器学习模型（如逻辑回归、SVM、决策树、随机森林、MLP等）预测肝炎感染，并通过超参数调优和集成建模提升性能，同时进行可解释性分析	结合了超参数调优、集成建模和可解释性分析，实现了高精度的肝炎预测，并识别出最有效的特征	未明确说明，但可能包括数据集的泛化能力、样本来源单一等	探索传统机器学习模型在肝炎预测中的应用，并提高预测性能	肝炎感染患者的数据	机器学习	肝炎	NA	逻辑回归, 支持向量机, 决策树, 随机森林, 多层感知机	表格数据	NA	Scikit-learn	逻辑回归, SVM, 决策树, 随机森林, MLP	准确率, AUC, 精确率, 召回率, F1分数	NA
17	2026-10-16	Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0318620 PMID:40193955	研究论文	本研究开发并评估了一种集成深度学习模型，通过整合VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，从MRI扫描中精确识别阿尔茨海默病标志物	提出了一种创新的集成深度学习模型，整合三种预训练模型（VGG16、MobileNet、InceptionResNetV2）的特征，克服了单一模型在处理不同图像形状和纹理时的局限性，从而提高了诊断准确性	摘要中未提及	开发精确的阿尔茨海默病诊断方法，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗	阿尔茨海默病患者的MRI扫描图像	计算机视觉	阿尔茨海默病	MRI	CNN	图像	NA	NA	VGG16, MobileNet, InceptionResNetV2	准确率, 特异性, 灵敏度, 精确率, F1分数	NA
18	2026-10-16	CWMS-GAN: A small-sample bearing fault diagnosis method based on continuous wavelet transform and multi-size kernel attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319202 PMID:40215467	研究论文	提出一种基于连续小波变换和多尺度核注意力机制的GAN方法，用于小样本轴承故障诊断	提出连续小波卷积策略取代传统卷积以捕获频域特征，设计多尺度核注意力机制自适应选择重要特征，并采用结构相似性指数量化评估生成信号质量	未明确说明方法在更复杂工况或更大规模数据集上的泛化能力，也未讨论计算复杂度	解决工业场景下轴承故障信号稀缺导致深度学习诊断模型性能下降的问题	轴承振动信号	机器学习	NA	连续小波变换、生成对抗网络	GAN	振动信号	CWRU和MFPT数据集	NA	GAN	结构相似性指数	NA
19	2026-10-16	Interactive Segmentation Model for Placenta Segmentation from 3D Ultrasound images 2025, Simplifying medical ultrasound. International Workshop on Advances in Simplifying Medical Ultrasound DOI:10.1007/978-3-031-73647-6_13 PMID:40463734	研究论文	本文评估了公开的最先进3D交互式分割模型，并与人在回路方法进行对比，用于3D超声图像中的胎盘分割任务	评估了公开的最先进3D交互式分割模型在3D超声胎盘分割任务中的表现，并与人在回路方法进行对比，同时评估了人在回路模型作为提示数量函数的效率	尚未明确提及	评估公开的最先进3D交互式分割模型，并与人在回路方法进行对比，用于3D超声图像中的胎盘分割任务	3D超声图像中的胎盘	医学图像分割	妊娠相关疾病	3D超声	交互式分割模型	3D超声图像	未明确提及	未明确提及	未明确提及	Dice分数, 归一化表面Dice, 平均对称表面距离, 95%豪斯多夫距离	未明确提及
20	2026-10-16	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-12, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	研究论文	本研究探讨了系统性硬化症（SSc）肺移植受者中延迟胸骨闭合（DCC）的结果、临床风险因素以及基于CT的肺尺寸匹配参数	首次在系统性硬化症肺移植受者中研究延迟胸骨闭合，并利用深度学习算法自动计算肺和胸腔体积进行尺寸匹配预测	回顾性研究设计，样本量有限（92例），单中心数据，可能存在选择偏倚	研究系统性硬化症肺移植受者中延迟胸骨闭合的结果、临床风险因素及基于CT的肺尺寸匹配参数	92例系统性硬化症双肺移植受者	数字病理学	肺癌	CT成像，深度学习算法	CNN	图像	92例系统性硬化症肺移植受者	NA	NA	AUC	NA