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
421	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
422	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
423	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
424	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
425	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
426	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
427	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
428	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
429	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
430	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
431	2026-01-03	Artificial intelligence-driven automated lung sizing from chest radiographs 2025-Jan, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2024.08.015 PMID:39182615	研究论文	本研究开发了一种基于深度学习和计算机视觉的自动化系统，用于从便携式胸部X光片中生成标准化的肺部尺寸测量，以改善肺移植中的供体-受体尺寸匹配	首次提出结合深度学习与计算机视觉的自动化肺部尺寸测量系统，能够从包含技术挑战（如实变、积液、患者旋转）的X光片中生成6种不同的肺部高度和宽度测量值	需要在更大规模的队列中进行验证	开发自动化系统以改善肺移植中的供体-受体尺寸匹配	肺移植受者的胸部X光片	计算机视觉	肺移植	胸部X光成像	深度学习	图像	50名肺移植受者的胸部X光片	NA	NA	测量误差（百分比和毫米）、评估者间一致性、评估者内一致性	NA
432	2026-01-03	CineVN: Variational network reconstruction for rapid functional cardiac cine MRI 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30260 PMID:39188085	研究论文	本文提出了一种名为CineVN的变分网络重建方法，用于快速功能心脏电影MRI，旨在实现高时空分辨率和低时间模糊	结合时空变分网络与共轭梯度下降，优化数据一致性并提升图像质量，在实时心脏电影MRI中实现高时空分辨率	NA	开发一种高度加速的心脏电影MRI重建方法，以准确评估心室容积和心肌应变	健康受试者和心脏病患者	医学影像	心血管疾病	电影MRI	变分网络	图像	18名健康受试者和46名患者	NA	变分网络	图像质量指标、心室容积、心肌应变参数	NA
433	2026-01-03	Automated MRI-based segmentation of intracranial arterial calcification by restricting feature complexity 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30283 PMID:39221515	研究论文	本文开发了一种基于MRI的自动深度学习模型，用于颅内动脉钙化的分割和检测	提出了一种在变分自编码器框架下的新型深度学习模型，并引入了一种理论基础的差异损失函数，以优化从MRI提取的网络特征并限制其复杂性，从而学习更具泛化能力的MRI特征，提高分割准确性和检测钙化的鲁棒性	NA	开发自动深度学习模型，用于MRI上颅内动脉钙化的分割和检测	颅内动脉钙化	计算机视觉	心血管疾病	MRI	变分自编码器	图像	113名受试者	NA	NA	Dice相似系数, 精确率-召回率曲线下面积, 95% Hausdorff距离, 平均对称表面距离, F1分数, 召回率, 精确率	NA
434	2026-01-03	Classification of psychosis spectrum disorders using graph convolutional networks with structurally constrained functional connectomes 2025-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106771 PMID:39383678	研究论文	本文探讨了使用图卷积网络和结构约束的功能连接组对精神病谱系障碍进行分类的问题	采用图卷积网络处理精神病谱系障碍的分类任务，结合MultiVERSE算法生成网络嵌入，并识别了右顶下皮层PGi区域作为网络枢纽	分类准确率仅略高于63%，表明模型性能仍有提升空间，且样本可能未覆盖所有精神病谱系变体	区分精神病谱系障碍个体（包括亚综合征精神病样体验者和健康对照）	包含亚综合征精神病样体验者、可诊断障碍患者及健康对照的多样化精神病谱系条件数据集	机器学习	精神病谱系障碍	脑网络特征分析，MultiVERSE网络嵌入算法	支持向量机，图卷积网络	功能连接组，结构网络	NA	NA	图卷积网络	准确率	NA
435	2026-01-03	Combining Biology-based and MRI Data-driven Modeling to Predict Response to Neoadjuvant Chemotherapy in Patients with Triple-Negative Breast Cancer 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240124 PMID:39503605	研究论文	本研究结合基于生物学的数学模型和深度学习，利用新辅助化疗前的MRI数据预测三阴性乳腺癌患者的治疗反应	将基于生物学的数学模型与基于MRI数据驱动的深度学习模型相结合，用于预测肿瘤对新辅助化疗的时空演变	回顾性研究，样本量有限（118例患者），模型性能在预测手术时肿瘤状态的AUC为0.72，仍有提升空间	预测局部晚期三阴性乳腺癌患者对新辅助化疗的治疗反应	三阴性乳腺癌患者	数字病理学	乳腺癌	MRI	CNN	图像	118名女性患者（中位年龄51岁，范围29-78岁）	NA	卷积神经网络	一致性相关系数, AUC	NA
436	2026-01-03	SCIseg: Automatic Segmentation of Intramedullary Lesions in Spinal Cord Injury on T2-weighted MRI Scans 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240005 PMID:39503603	研究论文	开发了一个名为SCIseg的深度学习工具，用于在T2加权MRI扫描上自动分割脊髓损伤中的脊髓和髓内病变	提出了一个开源深度学习模型SCIseg，能够处理不同扫描仪、分辨率、方向和病因的多样化MRI数据集，并自动提取临床相关的病变特征	研究为回顾性设计，模型性能在病变分割上的Dice分数（0.61）仍有提升空间	开发用于脊髓损伤中髓内病变自动分割的深度学习工具	脊髓损伤患者的T2加权MRI扫描	数字病理学	脊髓损伤	T2加权MRI	CNN	图像	191名患者	NA	NA	Dice分数	NA
437	2026-01-03	Probabilistic 3D Correspondence Prediction from Sparse Unsegmented Images 2025, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-73290-4_12 PMID:39554756	研究论文	本文提出了一种名为SPI-CorrNet的统一模型，用于从稀疏医学图像数据中预测三维对应关系，以改进统计形状建模的准确性和鲁棒性	利用教师网络正则化特征学习，并量化数据依赖的偶然不确定性，以处理稀疏或低质量成像数据	未明确讨论模型在更广泛解剖结构或不同成像模态下的泛化能力	开发一种直接从稀疏未分割医学图像中推断统计形状建模的方法，以简化流程并提高临床适用性	左心房（来自LGE MRI数据集）和肝脏（来自Abdomen CT-1K数据集）的解剖结构	计算机视觉	心血管疾病	深度学习	神经网络	图像	NA	NA	SPI-CorrNet	准确性, 鲁棒性	NA
438	2026-01-03	Overcoming the preferred-orientation problem in cryo-EM with self-supervised deep learning 2025-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02505-1 PMID:39558095	研究论文	本文开发了一种名为spIsoNet的自监督深度学习软件，用于解决冷冻电镜单颗粒分析中的粒子取向偏好问题	首次提出端到端的自监督深度学习解决方案，利用偏好取向视图恢复欠采样视图的分子信息，无需额外的样本制备程序	未明确说明算法在极端取向偏差情况下的性能边界	解决冷冻电镜单颗粒分析中的粒子取向偏好问题，提高三维重建的精度	核糖体、β-半乳糖苷酶、血凝素三聚体等生物大分子复合物	计算结构生物学	NA	冷冻电镜单颗粒分析、亚断层图平均	深度学习	冷冻电镜图像、三维分子密度图	多个代表性生物系统数据集（包括先前难以处理的血凝素三聚体数据集）	NA	NA	角度各向同性、粒子对齐精度	NA
439	2026-01-03	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-Jan, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释人工智能技术，基于NHANES数据开发深度学习模型，用于牙周炎的早期风险筛查和诊断分析	首次将可解释人工智能技术应用于牙周炎的早期筛查，通过LIME方法提供个体化风险评估并识别关键关联因素	研究数据来源于NHANES调查，可能存在选择偏倚；预处理后样本量减少可能影响模型泛化能力	开发基于可解释人工智能的牙周炎早期筛查工具	NHANES调查中的30,465名参与者数据	机器学习	牙周炎	深度学习，机器学习，可解释人工智能	深度学习模型，机器学习模型	临床特征数据	预处理后全年龄段9,632名参与者，50岁以上年龄段5,601名参与者	NA	NA	AUC	NA
440	2026-01-03	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	本文开发了一种快速重建管道BUDA-cEPI RUN-UP，用于实现无畸变的扩散磁共振成像，通过深度学习重建技术显著缩短重建时间	提出了基于机器学习的展开重建方法，结合虚拟线圈概念和U-Net正则化，以模拟S-LORAKS正则化效果，同时将重建时间大幅减少约88倍	未明确说明样本量或具体临床验证范围，可能局限于方法学开发阶段	开发快速重建管道，以促进BUDA-cEPI在常规临床和神经科学应用中的部署	扩散磁共振成像（dMRI）数据	医学影像处理	NA	扩散磁共振成像（dMRI），BUDA-cEPI序列	人工神经网络，U-Net	磁共振图像	NA	NA	U-Net	归一化均方根误差	NA