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
381	2026-04-05	Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1665173 PMID:41018263	研究论文	本研究开发并评估了基于彩色眼底照相和光学相干断层扫描的双模态深度学习模型，用于检测多种视网膜疾病，并评估其诊断性能和泛化能力	提出了双模态融合模型（Fusion-MIL），结合了彩色眼底照相和光学相干断层扫描数据，在多种设备和扫描模式下表现出优于单模态模型的诊断性能和高泛化能力	研究为横断面设计，未进行前瞻性验证；样本量相对有限，且数据来自特定医院和设备，可能影响模型在更广泛人群中的适用性	开发并评估深度学习模型，用于检测和分类多种视网膜疾病，提升诊断准确性和泛化能力	视网膜疾病患者，包括糖尿病视网膜病变、年龄相关性黄斑变性、病理性近视、视网膜前膜和黄斑水肿等	计算机视觉	视网膜疾病	彩色眼底照相，光学相干断层扫描	深度学习模型，多实例学习	图像	1445对CFP-OCT图像来自1029名患者，另有1184对用于ATN分类	NA	Fusion-MIL, CFP-MIL, OCT-MIL	AUC	NA
382	2026-04-02	Predicting Acute Exacerbation Phenotype in Chronic Obstructive Pulmonary Disease Patients Using VGG-16 Deep Learning 2025, Respiration; international review of thoracic diseases DOI:10.1159/000540383 PMID:39047695	研究论文	本研究利用VGG-16深度学习模型提取HRCT扫描特征，结合临床特征和定量CT参数，预测慢性阻塞性肺疾病患者的急性加重表型	首次将VGG-16深度学习特征与定量CT参数及临床特征结合，构建预测COPD急性加重的综合模型，并在外部验证队列中验证了其稳健性	研究为回顾性设计，样本量相对较小（219例患者），外部验证队列仅29例患者，可能影响模型的泛化能力	开发基于深度学习的模型，用于预测慢性阻塞性肺疾病患者的急性加重表型	219例接受吸气和呼气HRCT扫描的慢性阻塞性肺疾病患者	数字病理学	慢性阻塞性肺疾病	HRCT扫描	CNN	图像	219例患者（训练/测试队列）和29例患者（外部验证队列）	NA	VGG-16	AUC	NA
383	2026-04-02	Achieving accurate prostate auto-segmentation on CT in the absence of MR imaging 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110588 PMID:39419353	研究论文	本研究探讨了在缺乏MRI的情况下，通过深度学习模型仅使用CT输入实现前列腺自动分割的准确性	提出了一种基于CT-MRI配准信息的增量学习策略，以提升在MRI可用性有限时的CT前列腺分割精度	研究样本量相对较小（111例患者），且依赖于CT-MRI配准数据作为参考轮廓，可能受配准误差影响	实现在无MRI时仅基于CT的前列腺自动分割，达到与MRI相当的分割准确性	前列腺放疗患者的CT和MRI图像	数字病理	前列腺癌	CT-MRI配准，深度学习	深度学习模型	医学图像（CT和MRI）	111例前列腺放疗患者，分为训练集（37例）、验证集（20例）和测试集（54例）	NA	NA	Dice相似系数（DSC），95%定向Hausdorff距离（HD95）	NA
384	2026-04-02	A feasibility study of dose-band prediction in radiation therapy: Predicting a spectrum of plan dose 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110593 PMID:39489427	研究论文	本文提出了一种名为“剂量带预测”的新方法，用于在放射治疗中预测一系列剂量分布，以改进计划制定和质量保证	首次提出剂量带预测方法，通过Upper/Lower-band模型预测剂量谱，而非单一剂量分布，为自动计划和质量保证提供更多选择	研究样本量有限（三个数据集共195例），且仅针对特定癌症类型（鼻咽癌和宫颈癌）和放疗技术（螺旋断层放疗、IMRT、VMAT）进行验证	开发一种能够预测剂量谱的深度学习方法，以增强放射治疗计划制定的灵活性和质量保证能力	鼻咽癌和宫颈癌患者的放疗剂量分布	医学影像分析	鼻咽癌, 宫颈癌	放射治疗计划，包括螺旋断层放疗、IMRT、VMAT	3D神经网络	3D剂量分布数据	104例鼻咽癌病例（数据集1），54例宫颈癌病例（数据集2），37例宫颈癌病例（数据集3），总计195例	NA	Upper-band模型, Lower-band模型	平均差异百分比	NA
385	2026-04-02	Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers 2025-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110650 PMID:39581351	研究论文	本文提出了一种基于深度学习的多CT优化框架，用于头颈癌强度调制质子治疗中考虑解剖结构变化的自适应治疗计划方法	创新点在于结合深度学习和多CT优化，利用U-net架构预测稳健剂量，并通过剂量模拟算法生成可交付计划，以提高治疗计划对解剖变化的鲁棒性	研究为回顾性分析，样本量较小（55例患者），且仅针对头颈癌，未在其他癌症类型中验证	研究目标是开发一种自适应治疗计划方法，以应对头颈癌强度调制质子治疗中的解剖结构变化和不确定性	研究对象为55例头颈癌患者，包括训练集（38例）、验证集（7例）和测试集（10例）	数字病理学	头颈癌	锥形束CT（CBCT）、可变形配准、多CT优化	深度学习模型	CT图像	55例头颈癌患者（38例训练、7例验证、10例测试）	NA	U-net	D2%、均匀性指数、适形性指数	NA
386	2026-03-31	Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review 2025-01, Journal of gerontological nursing IF:1.1Q3 DOI:10.3928/00989134-20241210-01 PMID:39746126	系统综述	本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型	首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法	纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性	评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景	慢性病和终末期疾病患者	自然语言处理, 机器学习	老年疾病	NA	监督学习算法, 深度学习模型	NA	NA	NA	神经网络模型, 逻辑回归, 树模型	NA	NA
387	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个通用的网络平台，支持所有生物体（包括人类、植物、动物和病毒）的多组学数据分析，并集成了自动化超参数调优和基因集富集分析功能	未在摘要中明确提及具体限制	构建一个基于深度学习的网络平台，用于表型预测和生物标志物发现	所有生物体（包括人类、植物、动物和病毒）的多组学数据	机器学习	NA	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
388	2026-03-23	TRANSFORMER-BASED T1-TRACTOGRAPHY 2025, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10981144 PMID:40814567	研究论文	本文提出了一种基于Transformer的T1加权MRI纤维束追踪方法，通过改进现有CoRNN架构，提升白质通路估计的准确性	将Transformer模块引入T1加权纤维束追踪，替代传统的循环单元和序列表示，改进纤维方向分布的表示和预测网络	研究仅针对健康成年人的数据，未涉及病理状态或更广泛人群的验证	提高T1加权MRI纤维束追踪的准确性，使其更接近扩散MRI金标准	人类大脑白质通路	医学影像分析	NA	T1加权MRI, 扩散MRI	Transformer	MRI图像	健康正常成年人数据	NA	Transformer	角度一致性	NA
389	2026-03-22	SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics 2025-01, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.09.015 PMID:39362628	研究论文	提出一种基于图增强的新方法SpaGRA，用于空间分辨转录组学中的自动多关系构建和空间域识别	引入图增强技术，动态调整边权重，利用多头图注意力网络揭示多样节点关系，并构建多视图关系以解决随机选择带来的采样偏差	未明确说明方法在超大规模数据集上的计算效率或对特定组织类型的泛化能力限制	改进空间分辨转录组学中的空间域识别任务，通过多关系构建提升准确性	空间分辨转录组学数据，包括小鼠下丘脑、小鼠胚胎和Visium HD数据中的细胞或点	计算生物学	NA	空间分辨转录组学	GAT	空间转录组数据	多个数据集，具体样本数量未明确说明	NA	多头图注意力网络	空间域识别性能，具体指标未明确说明	NA
390	2026-03-21	The impact of artificial intelligence on the endoscopic assessment of inflammatory bowel disease-related neoplasia 2025, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251348574 PMID:40556746	综述	本文总结了人工智能在炎症性肠病相关肿瘤内镜评估中的应用现状、潜在益处、局限性和未来方向	聚焦于AI在IBD相关肿瘤内镜检测中的应用，这是相对于非IBD人群研究较为有限的领域，并强调了其在减少观察者间变异、改善活检靶向和个性化监测策略方面的潜力	针对IBD相关肿瘤的临床数据仍然有限，需要更多在IBD特定队列中的验证研究以及与临床工作流程的整合	总结人工智能技术在检测IBD相关肿瘤方面的应用证据	炎症性肠病患者及其内镜评估	数字病理学	炎症性肠病	内镜检查	机器学习, 深度学习	内镜图像	NA	NA	NA	灵敏度	NA
391	2026-03-21	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通信网络中用于交通预测的应用	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，并优化了损失函数和优化器等超参数	未明确说明数据来源、具体网络拓扑结构以及模型在真实V2X环境中的部署验证	提高V2X通信网络的交通信息预测准确性，以改善交通管理、缓解拥堵并提升网络安全与能效	V2X通信网络中的交通流量模式	机器学习	NA	NA	RNN, CNN	交通流量数据	NA	NA	GRU, LSTM, BiLSTM	准确率, 计算效率, RMSE	NA
392	2026-03-21	CMNet: an asymmetric dual-branch network for accurate cotton segmentation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1692647 PMID:41852902	研究论文	本文提出了一种名为CMNet的新型双分支棉花分割网络，用于在复杂田间环境中实现精确的棉花分割	提出了一种非对称双分支网络CMNet，通过引入2D选择性扫描模块替代原始Transformer分支来优化ParaTransCNN架构，并集成可变形卷积网络模块以增强对不规则形状目标的感知，同时采用ASPP模块和scSE注意力机制来增强多尺度特征表示和特征建模能力	未明确说明模型在极端光照条件或严重遮挡情况下的性能表现	提高复杂田间环境下棉花分割的准确性和鲁棒性，为智能农业应用提供技术支持	田间棉花图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	未明确说明具体样本数量，但使用了自建的田间棉花图像数据集	PyTorch	U-Net, ParaTransCNN, Vision Mamba	Dice系数, mIoU, 准确率	未明确说明具体计算资源
393	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_9 PMID:41800187	研究论文	本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力	LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力	研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估	预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估	卒中后失语症患者	数字病理学	卒中后失语症	rs-fMRI	图神经网络（GNN）	神经影像数据（rs-fMRI）	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
394	2026-03-17	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	本文提出将人工智能与微生理系统和多组学平台结合，以推动暴露组学研究，实现疾病预防和个性化健康管理	提出“暴露组登月计划”统一愿景，将微生理系统、多组学平台和人工智能整合，创建器官、个体和人群的数字孪生模型	需要扩展模型的适用领域、实施稳健的数据安全措施，并优先采用透明可解释的算法	推动暴露组学研究，通过人工智能整合环境暴露数据以理解和预防人类疾病	人类环境暴露数据、微生理系统生成的数据、多组学平台数据	机器学习	NA	多组学平台	深度学习	异质数据流	NA	NA	NA	NA	NA
395	2026-03-17	AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687056 PMID:41312237	综述	本文综述了人工智能在质谱化学鉴定中的应用，特别是在代谢组学和人类暴露组项目中预测保留时间的方法	整合机器学习（包括深度学习和图神经网络）进行保留时间预测，并结合概率校准和跨平台协调，以提高代谢物注释的置信度	NA	通过人工智能增强保留时间预测，以改善人类暴露组项目中环境与内源性化学物质的鉴定	人类生物样本中的环境与内源性化学物质	机器学习	NA	液相色谱-高分辨率质谱, 气相色谱	深度学习, 图神经网络, 迁移学习	质谱数据	NA	NA	NA	NA	NA
396	2026-03-14	Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.002 PMID:39549604	研究论文	本研究利用深度学习生成伪CT图像进行衰减校正，评估了在99mTc-GSA SPECT/CT肝成像中深度学习衰减校正的准确性	首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露	研究仅纳入正常和异常肝功能患者各一例，样本量小，且未涵盖多种肝病和肝脏形态变化	评估深度学习生成的伪CT图像在99mTc-GSA SPECT/CT成像中衰减校正的准确性	99mTc-GSA SPECT/CT肝成像数据	医学影像分析	肝病	SPECT/CT成像	GAN	医学影像（SPECT和CT图像）	2例患者（正常和异常肝功能各一例）	NA	CycleGAN	总肝计数、结构相似性指数（SSIM）、变异系数（%CV）	NA
397	2026-03-14	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	本研究探讨了使用深度学习重建的单次屏气扩散加权磁共振成像在恶性肝肿瘤患者中的可行性，并与导航触发扩散加权成像进行比较	首次将深度学习重建技术应用于单次屏气扩散加权磁共振成像，以改善图像质量并可能作为导航触发成像的补充	研究未明确深度学习重建的具体模型架构和计算资源，且样本量相对有限（91例患者）	比较单次屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的图像质量和可行性	恶性肝肿瘤患者	医学影像分析	肝恶性肿瘤	扩散加权磁共振成像，深度学习重建	深度学习模型	磁共振图像	91例患者	NA	NA	信噪比，对比噪声比，表观扩散系数值	NA
398	2026-03-14	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	本研究评估了使用TotalSegmentator进行头部CT扫描面部特征去除的流程，以降低再识别风险并保护数据隐私	首次将TotalSegmentator应用于头部CT扫描的面部特征去除，并与现有先进算法进行比较，展示了其在隐私保护方面的优越性	研究仅基于单一数据集（UCLH EIT Stroke数据集），样本量为1404个渲染图像，可能无法完全代表所有临床场景	评估面部识别技术在医学影像中的隐私风险，并开发一种有效的去面部特征流程以降低再识别风险	头部CT扫描的渲染图像，包括去面部特征前后的对比	医学影像分析	卒中	CT扫描，深度学习模型	深度学习模型，支持向量机	图像	1404个高质量渲染图像，来自UCLH EIT Stroke数据集	NA	NA	ROC-AUC, 准确率	NA
399	2026-03-14	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统纯CNN方法，在寄生虫分类任务中实现了更高的准确率	数据集较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中对土壤传播蠕虫和血吸虫病进行分类，以改善在资源有限环境下的诊断	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病等类别以及阴性样本	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像，来自埃塞俄比亚公共卫生研究所	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
400	2026-03-13	ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants 2025-Jan-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.25.630221 PMID:39829783	研究论文	本文介绍了一种名为ChromBPNet的深度学习模型，用于解析染色质可及性，揭示顺式调控序列语法、转录因子足迹和调控变异	ChromBPNet通过分解酶特异性偏差与调控序列决定因素，实现了跨实验和测序深度的紧凑转录因子基序词典、协同基序语法和精确足迹的稳健发现	NA	研究染色质可及性的序列语法和遗传变异，以解码调控DNA和遗传变异	顺式调控元件、染色质可及性、转录因子结合	机器学习	NA	染色质可及性测定	深度学习DNA序列模型	DNA序列	NA	NA	ChromBPNet	NA	NA