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
41	2026-01-29	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-12-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于自动分割内镜超声图像中的结直肠癌肿瘤、黏膜下层和肌层，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的自动分割，以解决早期直肠癌浸润深度评估中磁共振成像分辨率不足和内镜超声解释依赖操作者的问题	研究样本量相对较小（基于373个专家手动分割），且结果仅反映与手动分割的一致性，未直接验证临床预后	开发自动化图像分割方法以标准化内镜超声对早期直肠癌浸润深度的解释	早期直肠癌的内镜超声图像	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
42	2026-01-28	An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states 2024-Dec-24, ArXiv PMID:39764404	研究论文	本研究应用基于深度学习的AI模型，结合适配体DNA模板银纳米簇，对铜绿假单胞菌的浮游态和生物膜态光学透射显微图像进行高精度检测与分析	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇抑制生物膜形成，实现多学科交叉的生物膜检测新方法	未明确说明模型在多样化环境样本或不同细菌物种上的泛化能力，且未提供与其他先进方法的定量对比结果	开发准确高效的生物膜检测与预防方法，以应对健康、食品工业和环境污染问题	铜绿假单胞菌的浮游态和生物膜态	计算机视觉	NA	光学透射显微镜，适配体DNA模板银纳米簇合成	CNN	图像	NA	NA	U-Net, ResNet18, ResNet34	NA	NA
43	2026-01-27	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-12-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	研究论文	本文提出了一种结合灰狼优化、混合特征提取和深度学习方法的增强型椎间盘突出分类方法	采用灰狼优化算法优化混合特征提取和深度学习模型，以提高椎间盘突出分类的准确性	NA	提高椎间盘突出分类的准确性和效率	椎间盘突出患者或相关医学影像数据	计算机视觉	椎间盘突出	深度学习，混合特征提取	深度学习模型	医学影像	NA	NA	NA	NA	NA
44	2026-01-26	Joint segmentation and image reconstruction with error prediction in photoacoustic imaging using deep learning 2024-Dec, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100645 PMID:39347464	研究论文	本文提出了一种混合贝叶斯卷积神经网络，用于光声成像中联合预测图像和分割，并量化误差	提出混合贝叶斯卷积神经网络，首次在光声成像中实现联合图像重建、分割及误差预测，通过概率分布量化每个像素的误差	模型训练依赖于模拟光声数据，在实验数据中的应用效果可能受模拟与真实差异影响	改进光声成像重建质量，并量化预测误差以验证结果	光声成像数据	计算机视觉	NA	光声成像	CNN	图像	NA	NA	混合贝叶斯卷积神经网络	统计相关性	NA
45	2026-01-25	GeoCrack: A High-Resolution Dataset For Segmentation of Fracture Edges in Geological Outcrops 2024-Dec-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04107-0 PMID:39627257	研究论文	本文介绍了首个用于地质露头裂缝边缘分割的大规模开源标注数据集GeoCrack，并验证了其用于深度学习裂缝分割的潜力	首个大规模开源的地质露头裂缝痕迹标注数据集，为自然裂缝表征设定了新标准，并考虑了真实世界中的多种地质和地貌挑战	NA	通过提供高质量标注数据集，推进地质应用中基于深度学习的裂缝分割研究	地质露头中的裂缝痕迹	计算机视觉	NA	摄影测量	CNN	图像	来自欧洲和中东11个地点的图像，处理后得到12,158个224×224的图像-掩码对	NA	U-Net	IoU	NA
46	2026-01-22	What makes human cortical pyramidal neurons functionally complex 2024-Dec-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.17.628883 PMID:39763809	研究论文	本文提出了一个基于深度学习的框架——功能复杂性指数（FCI），用于量化神经元输入输出复杂性，并比较了人类与啮齿动物皮层锥体神经元的功能复杂性差异	首次提出功能复杂性指数（FCI）作为量化神经元功能复杂性的标准化度量，并揭示了人类皮层锥体神经元在树突膜面积、分支模式及NMDA受体密度和非线性方面的独特结构生物物理基础	NA	探究人类皮层神经元独特性质如何解释其高级认知能力，并开发量化神经元功能复杂性的方法	人类和啮齿动物（大鼠）的皮层锥体神经元	机器学习	NA	深度学习	NA	神经元形态和生理特性数据	NA	NA	NA	NA	NA
47	2026-01-21	Disorder-specific neurodynamic features in schizophrenia inferred by neurodynamic embedded contrastive variational autoencoder model 2024-12-18, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-03200-7 PMID:39695106	研究论文	本研究通过整合神经动力学模型与对比变分自编码器，提取并评估精神分裂症特有的宏观特征，包括个体水平、区域水平参数和时变状态	首次将神经动力学模型与对比变分自编码器结合，用于提取精神分裂症特有的神经动力学特征，并揭示了与症状相关的独特分子机制模式	研究基于多中心数据集，但未具体说明样本异质性或模型泛化能力的详细评估	探索精神分裂症的病理机制，通过神经动力学模型分析微观改变如何影响宏观神经回路和脑功能	精神分裂症患者	机器学习	精神分裂症	神经动力学模型	CVAE	神经影像数据	NA	NA	对比变分自编码器	NA	NA
48	2026-01-15	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	本文介绍了一个名为MMETHANE的开源软件包，用于从微生物组组成和代谢组学数据预测宿主状态	MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英语规则集	NA	开发一种计算工具，将微生物组组成和代谢组学数据与宿主状态联系起来	微生物组组成和代谢组学数据，以及宿主状态	机器学习	炎症性肠病	微生物测序，代谢组学	深度学习模型	微生物测序数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA
49	2026-01-07	Revolutionizing healthcare: a comparative insight into deep learning's role in medical imaging 2024-12-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71358-7 PMID:39632902	研究论文	本文系统探讨了深度学习在医学影像中的应用，特别关注阿尔茨海默病MRI分类，并提出了一个结合云计算的创新框架	设计了一个包含输入层、基于云的预处理与模型执行层以及诊断层的新框架，并系统分析了不同深度学习模型在特定疾病数据集上的性能	未详细讨论其他疾病特定的数据集，且集成模型表现较差	比较深度学习模型在医学影像分析中的角色，特别针对阿尔茨海默病的MRI分类	阿尔茨海默病的MRI扫描图像	计算机视觉	阿尔茨海默病	磁共振成像	CNN, VGG-16, 集成模型	图像	NA	NA	CNN, VGG-16	测试准确率	云计算
50	2025-12-18	Deep Learning-Based Automated Optical Inspection System for the Additive Manufacturing of Diamond Tools 2024-Dec, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0208 PMID:39734731	研究论文	本文提出了一种基于改进YOLOv5s的自动光学检测系统，用于监测增材制造金刚石工具过程中金刚石磨粒的吸附状态	改进了YOLOv5s模型，通过添加检测头、使用深度可分离卷积模块替代标准卷积模块、引入坐标注意力机制，实现了参数和计算量的显著降低，同时提高了检测精度	未明确说明模型在其他工业检测场景中的泛化能力，且未与其他先进检测模型进行广泛对比	开发一种自动光学检测系统，以维持增材制造过程中金刚石磨粒的植砂率	增材制造金刚石工具过程中，针孔上金刚石磨粒的吸附状态	计算机视觉	NA	自动光学检测	CNN	图像	大量空缺和磨损空缺针孔数据	PyTorch	YOLOv5s	检测精度, 检测时间	NA
51	2025-12-17	Automatic detection and classification of beluga whale calls in the St. Lawrence estuary 2024-12-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0030472 PMID:39636175	研究论文	本文介绍了一种自动分析被动声学数据的流程，用于检测和分类圣劳伦斯河口濒危白鲸的叫声	开发了一个结合对象检测和深度学习分类器的自动管道，用于连续分析白鲸声学活动，提供标准且准确的声学存在和发声活动估计	研究聚焦于高居住区Baie Sainte-Marguerite，可能不适用于其他区域；未详细讨论算法在更广泛环境中的泛化能力	通过被动声学监测为白鲸的监测和保护提供实时时空栖息地使用信息	圣劳伦斯河口的濒危白鲸（Delphinapterus leucas）	机器学习	NA	被动声学监测	深度学习分类器	声学数据	NA	NA	NA	NA	NA
52	2025-12-17	Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections 2024-12-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034602 PMID:39692862	研究论文	本研究比较了人类分析师注释、多假设跟踪点击序列分类器和基于深度学习的声学分类器，用于分类抹香鲸点击序列的存在与否，并研究了地中海抹香鲸亚群在巴利阿里群岛周围的时空分布	通过比较人类专家、传统多假设跟踪分类器和深度学习分类器在被动声学监测数据中的表现，揭示了自动分类器在提取生物信息方面的优势和局限性，特别是在处理新站点数据时的性能下降问题	两种自动分类器在部署到新站点时性能均有所下降，且深度学习模型的“黑箱”特性使其潜在偏差难以量化	比较不同分类方法在被动声学监测中检测抹香鲸点击序列的效果，并分析抹香鲸的时空分布模式	抹香鲸（Physeter macrocephalus）的点击序列声学信号	自然语言处理	NA	被动声学监测（PAM）	深度学习分类器	声学录音	NA	NA	NA	与人类标签的一致性百分比	NA
53	2025-12-16	CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3426939 PMID:38990749	研究论文	本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期	设计了一个多尺度卷积-Transformer时期编码器来编码每个睡眠时期的局部显著波形特征和全局特征，并基于协同注意力机制开发了一个跨模态上下文编码器来建模不同模态（如EEG和EOG）之间的跨模态上下文关系	NA	开发一个自动睡眠分期系统，以辅助睡眠评估和疾病诊断	多导睡眠图（PSG）记录，特别是脑电图（EEG）和眼电图（EOG）信号	机器学习	NA	多导睡眠图（PSG）	CNN, Transformer	生理信号（时间序列数据）	使用了三个数据集：一个私有睡眠数据集SSND，以及两个公共数据集Sleep-EDF-153和ISRUC	NA	CareSleepNet（包含多尺度卷积-Transformer时期编码器、基于协同注意力的跨模态上下文编码器、基于Transformer的序列编码器）	NA	NA
54	2025-12-16	BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	本文提出了一种名为BP-Net的新方法，通过自对比掩码模型从光电容积脉搏波中监测血压变化，而非直接估计血压值	将血压监测问题重新定义为追踪血压在时间间隔内的“变化”，而非直接估计其数值，并引入了自对比掩码模型进行成对时间比较	模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证	开发一种基于光电容积脉搏波的深度学习模型，用于检测收缩压的阈值变化，以改善临床血压监测	光电容积脉搏波信号及其对应的收缩压变化	机器学习	心血管疾病	光电容积脉搏波	深度学习模型	生理信号	使用PulseDB数据集，具体样本数量未在摘要中明确说明	NA	BP-Net, 自对比掩码模型	准确率	NA
55	2025-12-16	Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438167 PMID:39102329	研究论文	提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能	开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题	NA	提高运动想象脑电信号的分类性能	运动想象脑电信号	机器学习	NA	脑电信号处理	卷积神经网络	脑电信号	公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset	NA	多尺度多频带卷积黎曼网络	分类准确率	NA
56	2025-12-16	Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3438439 PMID:39102330	研究论文	本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联	提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战	未在摘要中明确说明	预测miRNA与疾病之间的关联	miRNA与疾病	机器学习	结直肠癌、食管癌、前列腺癌	NA	Transformer, 图神经网络	图数据	基于HMDD v2.0和v3.2数据库	NA	DARSFormer, 正交图神经网络, 图Transformer	AUC	NA
57	2025-12-16	An Eye Movement Classification Method Based on Cascade Forest 2024-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3439568 PMID:39106144	研究论文	提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件	创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类	NA	解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题	原始眼动数据	机器学习	NA	眼动追踪技术	级联森林	眼动数据	NA	NA	级联森林	准确率, 效率	NA
58	2025-12-13	Single-nucleus transcriptome atlas of orbitofrontal cortex in amyotrophic lateral sclerosis with a deep learning-based decoding of alternative polyadenylation mechanisms 2024-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.22.573083 PMID:38187588	研究论文	本研究通过单核RNA测序技术，结合深度学习模型APA-Net，揭示了肌萎缩侧索硬化症和额颞叶变性中眶额皮质的细胞类型特异性转录变化和选择性多聚腺苷酸化调控机制	开发了深度学习模型APA-Net，整合转录序列和RNA结合蛋白表达谱，首次在ALS/FTLD中解析细胞类型特异性的选择性多聚腺苷酸化调控模式	研究主要聚焦于C9orf72相关和散发性ALS病例，样本可能未覆盖所有ALS/FTLD亚型，且仅限于眶额皮质区域	探究ALS和FTLD的细胞类型特异性转录变化和选择性多聚腺苷酸化机制，以理解疾病病理生理学	ALS和FTLD患者的眶额皮质组织，包括C9orf72相关ALS（伴或不伴FTLD）和散发性ALS病例	数字病理学	肌萎缩侧索硬化症	单核RNA测序	深度学习模型	转录组序列数据	未明确指定样本数量，但涉及C9orf72相关和散发性ALS病例的眶额皮质组织	NA	APA-Net	NA	NA
59	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
60	2025-12-09	Toward Non-Invasive Diagnosis of Bankart Lesions with Deep Learning 2024-Dec-09, ArXiv PMID:39764408	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，旨在提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构和预训练策略，结合多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，可能减少对侵入性检查的需求	研究样本量相对有限（586个MRI扫描），且模型性能可能受限于数据集的多样性和标注质量	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	肩部MRI扫描（包括标准MRI和MRA）	计算机视觉	骨科损伤（Bankart病变）	MRI成像	深度学习	医学图像（MRI）	586个肩部MRI扫描（来自558名患者，包括335个标准MRI和251个MRA）	PyTorch（基于Swin Transformer的实现通常使用PyTorch）	Swin Transformer	AUC, 准确率, 敏感性, 特异性	NA