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
21	2026-01-05	The place of advanced machine learning techniques in building pancreatic adenocarcinoma survival and recurrence prognosis models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1727806 PMID:41479788	综述	本文评估了机器学习在改善胰腺导管腺癌预后预测中的应用	系统综述了机器学习算法（如随机森林、XGBoost和深度学习）在预测PDAC生存、复发和转移方面相较于传统TNM分期的优越性能，并强调多模态数据整合（临床、影像组学和基因组特征）能实现最高预测准确度	当前模型受限于小规模数据集和回顾性研究设计，缺乏前瞻性验证	评估机器学习技术在胰腺导管腺癌预后预测模型构建中的应用价值	胰腺导管腺癌患者	机器学习	胰腺癌	机器学习算法（如随机森林、XGBoost、深度学习）	随机森林, XGBoost, 深度学习	多模态数据（临床、影像组学、基因组特征）	基于12项研究的系统综述，未明确总样本量	NA	NA	预测准确度	NA
22	2026-01-05	Neural networks and foundation models: two strategies for EEG-to-fMRI prediction 2025, Frontiers in systems biology DOI:10.3389/fsysb.2025.1715692 PMID:41479845	研究论文	本文探讨了从脑电图（EEG）预测功能磁共振成像（fMRI）活动的两种策略：使用传统机器学习和深度学习模型，以及利用预训练的大型语言模型（LLMs）和多模态模型	首次将EEG到fMRI的预测任务同时表述为分类和回归问题，并比较了传统深度学习模型与预训练基础模型两种策略，还探索了思维链方法让LLMs从EEG推断认知功能再预测fMRI	两种策略的自然结合（即在EEG-fMRI数据集上微调LLM）并不直接，需要进一步研究，且研究基于特定神经反馈任务和哈佛-牛津皮质图谱定义的脑区域	从EEG活动预测fMRI活动，以结合两种神经成像技术的优势，为神经科学研究和神经技术应用开辟新途径	执行神经反馈任务的受试者的EEG和fMRI数据	机器学习	NA	EEG, fMRI	MLP, CNN, RNN, transformer, LLMs, 大型多模态模型	时间序列数据（EEG）, 图像数据（fMRI）	NA	NA	MLP, CNN, RNN, Transformer	NA	NA
23	2026-01-05	A multidimensional data-driven approach to surgical plan optimization and postoperative residual tumor prediction in ovarian cancer 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1705428 PMID:41479903	研究论文	本研究开发了一种融合临床特征和腹水免疫微环境特征的多维数据驱动深度学习模型，用于预测卵巢癌术后残留肿瘤状态并辅助手术决策	首次将临床特征与腹水免疫微环境特征整合到深度学习模型中，用于预测卵巢癌术后残留肿瘤状态，并通过梯度特征数量验证优化了特征选择	模型在区分R0和R1状态方面存在局限性，需要进一步优化；样本量相对较小（118例），未来需要扩大数据集	预测卵巢癌术后残留肿瘤状态并优化手术决策	118例FIGO III/IV期高级别浆液性卵巢癌患者	数字病理学	卵巢癌	密度梯度离心，流式细胞术	深度学习模型	临床数据，免疫微环境数据	118例高级别浆液性卵巢癌患者	NA	NA	准确率，精确率，召回率，F1分数	NA
24	2026-01-05	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并详细分析了损失函数和优化器等超参数的影响	未提及模型在真实世界V2X网络中的部署验证或不同交通场景下的泛化能力	提高V2X通信网络的交通信息共享效率和预测准确性	V2X通信网络中的交通流量数据	机器学习	NA	深度学习	RNN, CNN	时间序列数据	NA	NA	GRU, LSTM, BiLSTM	RMSE, 计算效率	NA
25	2026-01-05	Secure pulmonary diagnosis using transformer-based approach to X-ray classification with KL divergence optimization 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1716066 PMID:41480524	研究论文	本文提出了一种基于MedViT和Swin Transformer的深度学习新方法，用于X射线图像的肺部疾病分类，并通过KL散度优化提升性能	结合了MedViT和Swin Transformer两种先进模型，并利用Kullback-Leibler散度作为损失函数来有效处理类别不平衡问题	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种可靠的自动化肺部疾病分类方法以支持临床决策	肺部X射线图像数据集，包含正常、肺部不透明和病毒性肺炎三类	计算机视觉	肺癌	X射线成像	Transformer, CNN	图像	10,425张X射线图像（正常3,750张，肺部不透明3,375张，病毒性肺炎3,300张）	NA	MedViT, Swin Transformer	准确率, 损失值	NA
26	2026-01-04	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	本文提出了一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	提出了一种新颖的无监督多域图像配准框架，通过神经最优传输学习数据分布映射来缓解不同域图像间的特征差异	未明确说明模型在极端解剖变异或病理严重变形情况下的表现	解决多域腹部医学图像（如多模态、多参数图像）的变形配准问题	腹部医学图像，特别是用于诊断肝癌和淋巴瘤等疾病的多域图像	计算机视觉	肝癌，淋巴瘤	医学图像配准	深度学习模型	医学图像（体积数据）	NA	NA	OTMorph（包含传输模块和配准模块）	NA	NA
27	2026-01-04	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，旨在通过语音特征早期检测阿尔茨海默病及相关痴呆症	结合特征工程机器学习与端到端深度学习（包含大型语言模型）两种分类方法，用于从语音中检测认知障碍并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	样本量相对有限（共188名参与者），且研究聚焦于特定任务（Craft Story Recall）的语音数据，可能影响模型的泛化能力	早期检测阿尔茨海默病及相关痴呆症，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	来自LEADS研究的120名患者和68名认知未受损对照者的数字语音录音	自然语言处理	阿尔茨海默病	数字语音分析	特征工程机器学习模型, 端到端深度学习模型	语音	188名参与者（120名患者，68名对照）	NA	大型语言模型	AUC	NA
28	2026-01-03	Correction: Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0005757 PMID:41474694	correction	本文是对先前发表文章（DOI: 10.1371/journal.pgph.0004018）的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
29	2026-01-04	Deep learning for deep learning performance: How much data is needed for segmentation in biomedical imaging? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339064 PMID:41474709	研究论文	本文提出了一种深度学习专用的框架，用于估计医学图像分割任务中达到稳定性能所需的最小数据集规模	提出了一个针对深度学习特性的样本量估计框架，并引入基于LSTM的代理建模流程来预测性能曲线，为医学AI开发中的资源分配提供了实用的经验方法	研究仅验证了两种特定的临床任务（结直肠息肉分割和胶质瘤分割），框架在其他医学图像分割任务中的普适性仍需进一步验证	研究深度学习模型在医学图像分割任务中达到稳定性能所需的最小数据集规模，并开发相应的估计框架	结直肠息肉（来自2D内窥镜图像）和脑胶质瘤（来自3D脑部MRI）	数字病理	结直肠癌, 脑胶质瘤	医学图像分割	CNN, LSTM	2D图像, 3D MRI图像	Kvasir-SEG数据集（2D内窥镜图像）和BraTS 2020数据集（3D脑部MRI），训练配置分别达到200种和40种	NA	Residual U-Net, LSTM	Dice相似系数（DSC）, 平均绝对误差	NA
30	2026-01-04	Alveolar Bone Segmentation Methods in Assessing the Effectiveness of Periodontal Defect Regeneration Through Machine Learning of CBCT Data: A Systematic Review 2025, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/9065572 PMID:41476447	系统综述	本文系统综述了用于评估牙周缺损再生效果的锥形束CT影像中牙槽骨分割方法，重点关注机器学习技术的应用	首次系统性地比较了不同牙槽骨分割方法在牙周缺损再生数字工作流程中的效果，并明确了深度学习（特别是U-Net）在该领域的主导地位	纳入研究数量有限（仅23项），时间范围限制在5年内，且不同研究的分割性能评估指标存在差异	评估锥形束CT影像中牙槽骨分割方法的有效性及其在牙周缺损再生数字工作流程中的潜在价值	牙周缺损患者的锥形束CT影像数据	数字病理学	牙周病	锥形束CT成像	深度学习	医学影像（DICOM格式）	NA	NA	U-Net	Dice相似系数	NA
31	2026-01-04	Risk stratification for early-stage NSCLC progression: a federated learning framework with large-small model synergy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1719433 PMID:41476584	研究论文	本研究开发了一种名为FedCPI的联邦学习框架，用于早期非小细胞肺癌进展的风险分层，并在胃癌和子宫内膜癌任务中验证了其通用性	提出了一种结合大型与小模型特征分解与融合（LMSF）以及联邦自适应通信机制（FACM）的新型联邦学习框架，实现了多中心数据协同下的精准风险分层	研究为回顾性设计，样本量有限（926例），且仅包含四个中心的患者数据	开发一个精确的风险分层系统，以提高预测准确性并优化分层管理，从而指导临床决策	接受根治性手术的I-IIA期非小细胞肺癌患者，并在后续任务中扩展至胃癌和子宫内膜癌患者	数字病理学	肺癌	深度学习	CNN	医学影像数据（推断）	926名来自四个中心的I-IIA期非小细胞肺癌患者	PyTorch（推断）	ResNet18，并结合了视觉基础模型（VFMs）	AUC，准确率，灵敏度，特异度，阳性预测值，阴性预测值	NA
32	2026-01-04	Noninvasive MGMT-promotor methylation prediction in high grade gliomas using conventional MRI and deep learning-based segmentations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1689003 PMID:41476598	研究论文	本研究利用深度学习模型分割常规MRI图像，分析高级别胶质瘤中MGMT启动子甲基化状态的非侵入性预测	首次结合两种深度学习分割模型（DeepBraTumIA和Raidionics）分析肿瘤水肿、增强肿瘤、坏死等体积特征，用于预测MGMT启动子甲基化状态	样本量较小（70例患者），未纳入其他分子影像序列，手动分割验证仅覆盖部分病例	通过深度学习分割的MRI体积数据预测高级别胶质瘤的MGMT启动子甲基化状态，并分析其与生存预后的关联	高级别胶质瘤（包括胶质母细胞瘤和4级星形细胞瘤）患者	数字病理	脑肿瘤	常规磁共振成像	深度学习模型	MRI图像	70例高级别胶质瘤患者（其中45例男性，32例MGMT启动子甲基化），37例用于手动分割验证	NA	DeepBraTumIA, Raidionics	Dice系数, 组内相关系数, 受试者工作特征曲线下面积, 敏感性, 特异性	NA
33	2026-01-04	Image-text guided fundus vessel segmentation via attention mechanism and gated residual learning 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1710343 PMID:41476610	研究论文	本研究提出了一种结合图像-文本引导、注意力机制和门控残差学习的眼底血管分割模型，以提升细血管分割性能并减少对像素级标注的依赖	首次成功将图像-文本模型引入眼底血管分割，并改进了模型架构，包括在CNN主干中嵌入SE模块以自适应重校准通道权重，以及在ViT主干中集成门控残差学习以动态调节图像与文本特征间的信息流	未明确说明模型在更广泛或临床数据集上的泛化能力，以及计算资源需求的具体细节	提高眼底血管分割的准确性，特别是在细血管分割方面，并探索减少对像素级标注依赖的新方法	眼底血管图像及其对应的文本标签	计算机视觉	眼科疾病	深度学习	CNN, ViT	图像, 文本	两个公开数据集（DRIVE和ROSE-1），具体样本数量未在摘要中明确说明	NA	CNN with SE module, ViT with gated residual learning	F1-score, accuracy, sensitivity, specificity	NA
34	2026-01-04	Multi-perspective hotel operation process anomaly prediction method based on graph transformer and autoencoder 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1682701 PMID:41476691	研究论文	提出一种基于多视角图Transformer与自编码器的酒店业务流程异常预测方法，以提升运营稳定性	首次将Petri网与数据属性结合构建多视角轨迹图，并利用注意力机制实现流程行为与数据的深度语义交互	未明确说明方法在超大规模流程或实时流数据场景下的适用性	解决酒店业务流程中因控制流与数据流交互建模不足导致的异常预测精度问题	酒店运营流程中的活动序列及其时间、资源等数据属性	自然语言处理	NA	Petri网建模, 注意力机制	Transformer, Autoencoder	图结构数据, 时序数据	多个真实世界数据集（未明确具体数量）	NA	Graph Transformer, Auto Encoder	准确性	NA
35	2026-01-04	An explainable deep learning-based feature fusion model for acute lymphoblastic leukemia diagnosis and severity assessment 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1694024 PMID:41476880	研究论文	本文提出了一种名为XIncept-ALL的新型深度学习框架，用于急性淋巴细胞白血病的自动检测和严重程度分类	通过特征融合块整合预训练的InceptionV3和Xception网络，并采用数据自动增强技术和Grad-CAM可视化以提升性能与可解释性	使用了新开发的私有数据集Pak-ALL，可能限制模型在其他人群或数据集上的泛化能力	开发一个可靠、可解释的计算机辅助诊断系统，用于急性淋巴细胞白血病的早期检测和严重程度评估	急性淋巴细胞白血病细胞图像	数字病理学	急性淋巴细胞白血病	NA	CNN	图像	新开发的私有数据集Pak-ALL（来自巴基斯坦医院）以及来自可靠网络来源的额外数据集	NA	InceptionV3, Xception	准确率	NA
36	2026-01-04	Nature's cryptographic codebreaker: in silico decoding of apigenin's triple defense against SARS-CoV-2 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1708660 PMID:41477204	研究论文	本研究通过计算建模方法探索了芹菜素对SARS-CoV-2的潜在抗病毒机制	首次结合矩阵分解、深度学习、多尺度分子建模和网络药理学，系统预测并验证了芹菜素通过多靶点机制（包括GRP78、HSPG、Nsp15、AKT1和PTGS2）对抗SARS-CoV-2的潜力	研究主要基于计算模拟，缺乏实验验证；预测结果需进一步体内外实验确认	探索芹菜素治疗SARS-CoV-2的潜在作用及机制，为开发基于天然产物的抗病毒疗法提供依据	芹菜素（一种天然黄酮类化合物）及其与SARS-CoV-2相关蛋白（如GRP78、HSPG、Nsp15）和宿主因子（如AKT1、PTGS2）的相互作用	计算生物学	COVID-19	矩阵分解、深度学习、多尺度分子建模、网络药理学、分子对接	基于图的高斯核相似性模型（GiGs）、卷积自注意力模型（CSatDTA）	分子结构数据、蛋白质结构数据、药物-靶点相互作用数据	NA	NA	GiGs, CSatDTA	结合自由能（kcal/mol）	NA
37	2026-01-04	TIC-FusionNet: A multimodal deep learning framework with temporal decomposition and attention-based fusion for time series forecasting 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333379 PMID:41066756	研究论文	提出了一种名为TIC-FusionNet的多模态深度学习框架，用于时间序列预测，特别针对金融环境中的噪声问题	结合了指数移动平均分解进行去噪和趋势提取、轻量级线性Transformer进行高效长序列建模、以及带有CBAM注意力的空间-通道CNN从K线图图像中捕捉形态模式，并通过门控融合机制自适应地整合数值和视觉模态	未明确提及模型在极端市场事件或数据极度稀缺情况下的表现	解决单模态和短程依赖模型在嘈杂金融环境中的局限性，提升时间序列预测的准确性和泛化能力	六家真实世界公司的股票数据集，包括亚马逊、特斯拉、贵州茅台、中国平安、万科和苹果	机器学习	NA	时间序列分析，图像分析	Transformer, CNN	数值时间序列数据，图像数据	六个股票数据集，涵盖中美主要公司及不同市场板块和波动模式	NA	线性Transformer, CNN with CBAM	预测准确性，泛化能力	NA
38	2026-01-03	DANTE-CAIPI Accelerated Contrast-Enhanced 3D T1: Deep Learning-Based Image Quality Improvement for Vessel Wall MRI 2025-Jan-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8424 PMID:39038956	研究论文	本研究提出了一种基于深度学习的去噪算法，用于加速和血液抑制的对比增强颅内血管壁MRI，以在更短的扫描时间内获得高质量图像	首次将展开的深度卷积网络应用于DANTE-CAIPI-SPACE序列的加速和血液抑制后对比增强颅内血管壁MRI，实现了在缩短扫描时间的同时改善图像质量和信噪比	研究样本量相对较小（64名患者），且未在更广泛或多样化的患者群体中进行验证	评估深度学习去噪算法在加速和血液抑制的对比增强颅内血管壁MRI中改善图像质量、减少伪影和提高信噪比的潜力	颅内血管壁MRI图像	医学影像处理	脑血管疾病	MRI, DANTE血液抑制, CAIPIRINHA加速	CNN	3D MRI图像	64名连续患者	NA	展开的深度卷积网络	SNR, CNR, 图像质量评分, 伪影严重程度评分, 动脉和静脉抑制评分, 病变评估评分	NA
39	2026-01-03	Deep Learning-Based Super-Resolution Reconstruction on Undersampled Brain Diffusion-Weighted MRI for Infarction Stroke: A Comparison to Conventional Iterative Reconstruction 2025-Jan-08, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8482 PMID:39779291	研究论文	本研究评估了基于深度学习的超分辨率重建在脑梗死卒中扩散加权MRI欠采样图像上的图像质量和诊断置信度，并与传统迭代重建方法进行比较	首次将深度学习超分辨率重建技术应用于脑梗死卒中的扩散加权MRI欠采样图像，并与传统压缩感知重建进行系统比较	回顾性研究设计，样本量相对有限（114例），未评估长期临床影响	评估深度学习超分辨率重建在脑梗死卒中扩散加权MRI中的图像质量和诊断价值	脑梗死卒中患者的扩散加权MRI图像	医学影像分析	脑梗死卒中	扩散加权MRI	深度学习超分辨率模型	医学影像	114例连续参与者的DWI检查	NA	NA	SNR, CNR, ADC, 边缘上升距离, Cohen κ系数	NA
40	2026-01-03	Intrapartum electronic fetal heart rate monitoring to predict acidemia at birth with the use of deep learning 2025-Jan, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2024.04.022 PMID:38663662	研究论文	本研究应用深度学习技术开发并验证了一个模型，用于从产时电子胎心监护数据中预测胎儿酸血症	首次将深度学习技术应用于产时电子胎心监护数据分析，以预测胎儿酸血症，提高了复杂数据处理和模式识别能力	数据存在缺失情况（部分文件缺失超过30%），且仅基于单一医疗系统的数据，外部验证仅使用了一个公开数据库	开发并验证一个基于深度学习的模型，用于从电子胎心监护数据中预测胎儿酸血症，以提高监测准确性	产时电子胎心监护数据和对应的脐带血气结果	机器学习	胎儿酸血症	电子胎心监护	深度学习	电子胎心监护数据	最终数据集包含10,182个时间戳在最后电子胎心监护读数30分钟内的匹配记录	NA	NA	AUC, 敏感性, 特异性, 阳性预测值	NA