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
101	2026-09-24	A novel dual-branch network for comprehensive spatiotemporal information integration for EEG-based epileptic seizure detection 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321942 PMID:40570079	研究论文	本文提出了一种名为Deepwalk-TS的双分支深度行走-Transformer时空融合网络，用于脑电图癫痫发作检测，通过整合时空信息实现高精度诊断	1. 提出了一种新颖的双分支网络架构，结合了基于深度行走的空间分支和引导CNN-Transformer的时间分支；2. 引入了自适应多通道深度行走图框架来捕捉EEG通道间的复杂关系；3. 通过融合策略共同优化特征，实现时空信息的有效整合，在多个数据集上达到最先进性能	摘要中未明确提及该研究的局限性	开发准确的癫痫发作检测方法，通过有效整合EEG信号的时空信息，提高癫痫诊断的准确性和可靠性，以改善患者生活质量	脑电图信号，用于癫痫发作检测	机器学习	癫痫	脑电图	CNN, Transformer, 图神经网络	时序信号（脑电图）	摘要中未提供具体样本量信息	NA	Deepwalk-TS（双分支网络：深度行走图框架和引导CNN-Transformer）	准确率, 灵敏度, 特异性	NA
102	2026-09-24	Monitoring temporal changes in large urban street trees using remote sensing and deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326562 PMID:40570061	研究论文	利用遥感影像和深度学习算法识别旧金山湾区六个县的大型城市行道树，并分析2005-2022年间的时空变化及社会经济差异	在18年时间跨度上监测大型城市行道树的变化，并结合人口普查数据揭示社会人口差异	摘要中未明确提及研究局限性	监测大型城市行道树的时空变化并分析其与社会人口因素的关系	旧金山湾区六个县的大型城市行道树（树冠直径超过7米）	计算机视觉	NA	遥感	深度学习	图像	2005-2022年NAIP影像，覆盖旧金山湾区六个县	NA	NA	NA	NA
103	2026-09-23	Statistics and AI - A Fireside Conversation 2025, Harvard data science review DOI:10.1162/99608f92.c066fe9c PMID:42311443	评论	本文记录了一场关于统计学与人工智能的炉边对话网络研讨会，探讨了AI时代统计学的挑战、机遇及未来发展	以炉边对话形式组织多场专题讨论，汇集统计社区对AI时代关键挑战与机遇的集体见解，提出战略性路线图	仅为研讨会讨论总结，缺乏具体研究数据、实证分析或可量化结论，观点依赖与会者主观经验	探讨AI时代统计学的挑战与机遇，规划统计学的未来发展方向	统计学科、统计社区、AI技术、出版流程、统计教育	机器学习	NA	NA	NA	文本	约1000名在线参会者	NA	NA	NA	NA
104	2026-09-23	Adaptive Time Encoding for Irregular Multivariate Time-Series Classification 2025, Advances in neural information processing systems PMID:42421990	研究论文	本文提出了一种自适应时间编码方法，通过可学习参考点生成潜在表示并引入一致性正则化，以解决不规则多元时间序列分类中的采样不规则问题	提出自适应时间编码方法，在可学习参考点生成潜在表示以捕获缺失模式，并引入一致性正则化整合复杂的时间与变量间信息	摘要中未提及具体限制	解决不规则多元时间序列分类中因采样不规则导致的观测错位和观测数量变化问题，提升分类性能	不规则多元时间序列数据	机器学习	NA	自适应时间编码	NA	时间序列	NA	NA	NA	分类性能	NA
105	2026-09-23	Deep Learning Super-Resolution from Normal to Ultra-High Resolution CT: Conditional Diffusion Model Development and Performance Evaluation in Trabecular Bone Radiomics 2025, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3049109 PMID:42445206	研究论文	本研究开发了一种条件去噪扩散概率模型，用于将正常分辨率CT图像超分辨率重建至超高分辨率水平，并评估其对骨小梁纹理特征的影响	首次将条件去噪扩散概率模型应用于正常分辨率CT到超高分辨率CT的超分辨率重建，并系统评估了超分辨率对骨小梁放射组学纹理特征的影响	样本量较小（仅4例人类尸体股骨），部分纹理特征（聚类突出和聚类阴影）的超分辨率重建效果略低于正常分辨率	开发条件扩散模型实现正常分辨率CT到超高分辨率CT的超分辨率重建，并评估超分辨率对骨小梁纹理度量的影响	人类尸体股骨	医学图像处理	骨质疏松症	多探测器CT、超高分辨率CT	条件去噪扩散概率模型	医学图像	4例人类尸体股骨，7717个训练图像块来自2例股骨，5400个验证图像块来自第3例股骨，190个测试感兴趣区域来自第4例股骨	NA	条件去噪扩散概率模型	一致性相关系数、主成分分析	NA
106	2026-09-21	A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations 2025-01-31, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01517-4 PMID:39891159	研究论文	提出一种基于深度学习的辅助决策模型，从治疗师的示范中学习在机器人辅助康复治疗中何时为患者提供辅助	首次提出从治疗师的示范中学习辅助决策的深度学习方法，结合一维卷积层、卷积注意力机制和全局平均池化层进行时间序列分类，并引入微调实现个性化辅助	在测试数据集上微调后准确率仅76.09%，泛化能力有限；样本量较小；仅针对上肢康复机器人点对点游戏场景	开发一种深度学习解决方案，能够从治疗师的标准中学习判断患者在机器人辅助康复治疗中何时需要辅助	患有神经系统疾病并接受上肢康复机器人治疗的患者	机器学习	神经系统疾病	机器人辅助康复治疗	CNN	时间序列轨迹数据	NA	NA	一维卷积层, 卷积注意力机制, 全局平均池化层, Sigmoid输出层	准确率, F1分数	NA
107	2026-09-21	From CNNs to SAM: A Survey of Deep Learning Techniques for Liver Tumor Segmentation in CT Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3631322 PMID:41550585	综述	本文综述了基于深度学习的肝脏肿瘤CT图像分割技术，分析了100多篇相关研究论文，涵盖输入数据、模型架构和评估指标等多个维度	系统性地梳理了从传统CNN到最新SAM模型在肝脏肿瘤分割中的应用，从多个维度（输入数据、模型架构、评估指标）对100多篇研究进行了全面分析，并探讨了先驱性贡献和新兴趋势	文章为综述性质，未提出新的分割方法或模型；肝脏肿瘤形状、纹理、大小和位置的多样性，邻近器官的相似性，模糊的肿瘤边界以及图像采集条件的不一致性仍然是该领域面临的挑战；传统分割方法劳动密集且耗时，不适用于大规模或实时应用	全面综述深度学习在CT图像肝脏肿瘤分割中的应用，分析现有研究方法、趋势和局限性	CT图像中的肝脏肿瘤	计算机视觉, 数字病理学	肝癌	CT	CNN, SAM	图像	100多篇研究论文	NA	CNN, SAM	NA	NA
108	2026-09-21	Developing a Deep Learning Approach for Automated Body Composition Prediction in Newborns Using Ultrasound Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3639889 PMID:41585011	研究论文	本研究开发了一种结合超声扫描协议与深度学习分析流程的方法，用于自动预测新生儿的身体成分（脂肪量和去脂体重）	首次展示利用深度学习从超声图像中自动预测人体身体成分，提出了一种新颖的超声扫描与解读协议	样本量较小（仅65名早产儿），预测误差（MAPE）仍然较高（约25-26%）	研究超声扫描协议与深度学习分析流程相结合来预测身体成分的可行性，并确定最佳数据处理方法、合适的基线深度学习模型以及最具预测性的解剖位置和图像区域	65名早产儿的超声图像（来自肱二头肌、腹部和股四头肌三个解剖位置）以及通过空气置换体积描记法（ADP）测量的脂肪量和去脂体重真实值	计算机视觉	营养不良	超声成像	CNN	图像	65名早产儿，包含三个解剖位置的超声图像及对应的ADP测量值	NA	EfficientNet-B1	平均绝对百分比误差（MAPE）	NA
109	2026-09-21	Deep learning based optic nerve sheath diameter characterization and structure quantification on transorbital ultrasound images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1705459 PMID:41601796	研究论文	本文提出了一种结合共享和特定特征提取分支以及不确定性感知损失函数的深度神经网络，用于经眶超声图像中的视神经鞘直径表征和结构量化	结合共享和特定特征提取分支，并引入不确定性感知损失函数，使模型能够学习鲁棒的对象结构	未明确提及	实现经眶超声图像中视神经结构的精确分割和视神经鞘直径量化，作为无创评估颅内压升高和其他神经眼科疾病的生物标志物	经眶超声图像中的视神经结构	计算机视觉	颅内压升高、神经眼科疾病	经眶超声成像	CNN	图像	多中心公开数据集（具体样本量未明确）	NA	共享和特定特征提取分支的深度神经网络	Dice分数, AUROC	NA
110	2026-09-21	A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699430 PMID:41602410	研究论文	本文提出了一种两阶段深度学习方法，利用CT图像自动分割结肠癌病灶并预测微卫星不稳定状态，无需手动分割	提出两阶段深度学习系统，结合自动分割模型MSI-SAM和诊断模型，无需手动分割即可基于CT图像预测结肠癌MSI状态	样本量较小（108例），仅包含增强CT扫描，未提及外部验证或多中心数据	构建基于CT扫描的结肠癌微卫星不稳定状态自动预测系统，避免手动分割	结肠癌患者的增强CT扫描图像	数字病理学, 计算机视觉	结肠癌	CT成像	深度学习	图像	108例增强CT扫描（56例MSI-H，52例MSS；升结肠68例，横结肠14例，降结肠18例，乙状结肠8例）	NA	MSI-SAM（分割模型）, 诊断模型	DSC, IoU, AUC, ACC, 敏感性, 特异性	NA
111	2026-09-21	Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1720244 PMID:41602444	研究论文	本文提出了一种基于变分自编码器的双分支深度学习架构，用于从体表电位测量中直接重建心房电图，以支持非侵入性心律失常标测。	提出了一种双分支变分自编码器架构，学习体表电位测量的共享潜在表示，同时优化体表电位自重建和电图预测；使用包含多种心律的计算模型数据集进行训练和评估，并与传统的Tikhonov正则化方法进行了比较。	数据集基于计算模型模拟生成，而非真实患者数据；仅在模拟数据上进行了验证，尚未在临床环境中进行评估。	减少对侵入性标测的依赖，实现更安全、患者特异性的心房心律失常表征。	体表电位测量和心房电图对。	机器学习	心血管疾病	NA	变分自编码器	信号	680对体表电位测量-电图数据	NA	变分自编码器	相关性、峰值检测精度、频谱一致性、空间电压和相位标测	NA
112	2026-09-21	Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1679218 PMID:41613820	研究论文	该研究提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），利用多模态EEG和fMRI数据进行癫痫发作检测	提出了融合改进注意力并行卷积网络（IAPCNet）与GhostNet的混合并行卷积-GhostNet（S-HPCGN）模型，结合增强共空间模式（E-CSP）和深度3D CNN嵌入与平滑金字塔方向梯度直方图（S-PHOG）描述符进行多模态特征融合	未明确说明模型的可解释性改进程度，未讨论计算效率的具体量化指标，未验证在其他数据集上的泛化能力	解决癫痫发作检测中可解释性有限、时空建模不足和泛化能力欠佳的问题，实现稳健的癫痫发作检测	CHB-MIT数据集中24名受试者的儿童头皮EEG记录（22通道10-20系统，256 Hz采样，连续多小时记录）以及UNAM TLE数据集中52名参与者的静息态3T fMRI扫描（26名癫痫患者和26名健康对照）	机器学习	癫痫	EEG、fMRI、高斯中值滤波、自适应权重维纳滤波、共空间模式（CSP）、方向梯度直方图（HOG）	CNN	图像、信号	24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集，26名癫痫患者和26名健康对照）	NA	GhostNet、并行卷积网络（PCNN）、3D CNN、改进注意力并行卷积网络（IAPCNet）	准确率、精确率、灵敏度	NA
113	2026-09-21	Application of artificial intelligence in diagnosis and management of fetal growth disorders: a comprehensive review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1737391 PMID:41625753	综述	本文综述了人工智能在胎儿生长障碍（包括胎儿生长受限和巨大儿）的诊断和管理中的应用，涵盖自动生物测量、预测模型和深度学习算法等方法	系统总结了人工智能在胎儿生长障碍领域的最新应用进展，包括结合母体、胎儿和影像数据的AI模型、基于生物标志物和多普勒指标的预测模型，以及直接应用于超声扫描的深度学习算法，并指出AI在低资源环境下扩展高质量产前护理的潜力	大多数已发表研究受限于回顾性设计、样本量小以及缺乏外部验证，同时还需解决伦理、技术和监管等方面的问题才能实现临床转化	探讨人工智能在胎儿生长障碍检测和管理中的作用，评估其在提高诊断精度和扩展产前护理可及性方面的潜力	胎儿生长障碍相关文献，包括胎儿生长受限、小于胎龄儿、大于胎龄儿及巨大儿	医学影像分析	胎儿生长障碍	超声检查、深度学习、自动生物测量、多普勒指标分析	深度学习算法、预测模型、CNN	图像、文本	NA	NA	NA	准确率	NA
114	2026-09-20	The clinical application of artificial intelligence in cancer precision treatment 2025-01-27, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06139-5 PMID:39871340	综述	本文综述了人工智能在癌症精准治疗中的临床应用，涵盖其在个体化传统疗法、新兴靶向治疗和免疫治疗中的作用，并讨论了相关挑战和伦理问题	系统总结了人工智能在癌症精准医学中的最新应用进展，包括靶点预测、靶向药物生成、免疫治疗反应预测、新抗原预测和长链非编码RNA识别等具体领域	本文为综述性文章，未开展原始实验研究，且未提供具体的定量性能评估数据	综述人工智能在癌症精准治疗中的应用现状，为临床医生和研究人员提供有价值的参考资源，并推动该领域的进一步研究	癌症精准治疗中的人工智能应用，包括机器学习和深度学习方法在肿瘤个体化治疗中的角色	机器学习	癌症	NA	NA	NA	NA	NA	NA	NA	NA
115	2026-09-20	Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis 2025-01-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06007-8 PMID:39856778	研究论文	利用空间转录组数据解构深度学习注意力机制在H&E染色图像上学习到的与组织学相关的免疫特征，用于卵巢癌预后预测	首次使用空间转录组数据解构深度学习CNN模型在H&E染色全切片图像上学习到的注意力特征，揭示其与免疫信号的空间相关性	摘要中未明确提及研究的局限性	预测卵巢癌患者预后并解构深度学习模型的注意力机制，以理解其预测的生物学基础	335例未经治疗的高级别浆液性卵巢癌患者的773张H&E染色肿瘤切片全切片图像，以及独立队列和FFPE样本的空间转录组数据	数字病理学	卵巢癌	H&E染色、空间转录组学	CNN	图像、空间转录组数据	335例患者的773张全切片图像，独立队列和FFPE样本（具体数量未在摘要中说明）	NA	ResNet101	NA	NA
116	2026-09-20	Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images 2025-01-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06017-6 PMID:39849586	研究论文	本文提出了一种深度学习框架，通过针对癌症周围组织（非癌症区域）的微调目标比例，基于组织病理学图像进行胃癌诊断。	发现了非癌症感兴趣区域（ROI）权重依赖的模型性能，表明非癌症区域具有诊断价值，并构建了基于MobileNetV2的DeepNCCNet模型，在外部验证中实现了高泛化能力。	摘要中未明确提及研究的局限性。	利用癌症周围组织的组织病理学图像，提高癌症诊断的准确性，特别是胃癌诊断。	胃癌组织病理学图像中的感兴趣区域（ROI），包括非癌症和癌症区域。	数字病理学	胃癌	组织病理学图像分析	CNN	图像	摘要中未明确说明具体样本数量。	未明确说明	MobileNetV2	准确率	未明确说明
117	2026-09-20	Diagnosis of Parkinson's disease by eliciting trait-specific eye movements in multi-visual tasks 2025-01-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06044-3 PMID:39810187	研究论文	本文通过在虚拟现实环境中设计多视觉任务来诱发帕金森病特异性的眼动异常，并利用深度学习算法对异常特征进行建模，以实现帕金森病的辅助诊断	开发了基于虚拟现实环境的多任务眼动范式，能够诱发帕金森病特异性的眼动异常；结合注视、扫视和平滑追踪行为提取眼动特征，并构建深度学习诊断模型	摘要中未提及	通过虚拟现实环境中的多视觉任务诱发帕金森病特异性眼动异常，并利用深度学习算法实现帕金森病的辅助诊断	114名帕金森病患者和125名健康对照者	数字病理学, 机器学习	帕金森病	虚拟现实眼动追踪	深度学习模型（摘要未指定具体类型）	眼动数据（注视、扫视、平滑追踪行为）	239名参与者（114名帕金森病患者和125名健康对照者）	NA	NA	召回率, 准确率, ROC-AUC	NA
118	2026-09-19	Utilizing deep learning-based causal inference to explore vancomycin's impact on continuous kidney replacement therapy necessity in blood culture-positive intensive care unit patients 2025-01-07, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02662-24 PMID:39656005	研究论文	该研究利用基于深度学习的因果推断方法，探究万古霉素对血培养阳性ICU患者接受连续性肾脏替代治疗（CKRT）风险的影响。	首次将基于深度学习的因果推断模型应用于量化万古霉素对CKRT启动概率的影响，并识别出与万古霉素敏感性相关的特定患者特征	仅基于MIMIC-III单一数据集，样本量有限（1318例，其中仅41例需要CKRT），可能存在选择偏倚，且未在外部数据集验证	预测ICU血培养阳性患者的CKRT需求，并定量评估万古霉素对CKRT启动概率的因果影响	ICU中血培养阳性的患者	机器学习	脓毒症急性肾损伤	NA	随机森林, LightGBM, 深度学习因果推断模型	结构化临床数据	1318例ICU患者（其中41例需要CKRT）	NA	随机森林, Light Gradient Boosting Machine, 深度学习因果推断模型	AUC	NA
119	2026-09-19	Deep learning-based prediction of HER2 status and trastuzumab treatment efficacy of gastric adenocarcinoma based on morphological features 2025-01-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06034-5 PMID:39762854	研究论文	本研究基于胃腺癌的H&E染色组织病理图像，利用深度学习模型预测HER2状态及曲妥珠单抗治疗疗效	首次探讨深度学习提取的形态学特征能否预测抗HER2治疗的疗效，并构建CNN模型同时预测HER2状态和曲妥珠单抗治疗反应	样本量相对有限，仅纳入单中心连续病例，模型在活检标本中预测HER2状态的AUC较低（0.723），需外部多中心验证	探索基于H&E染色形态学特征的深度学习算法，准确预测胃腺癌HER2状态并评估曲妥珠单抗治疗反应，辅助临床决策	胃腺癌患者的手术标本和活检标本，包括接受HER2检测的病例及接受曲妥珠单抗治疗的HER2阳性病例	数字病理学	胃癌	H&E染色、免疫组化（IHC）、荧光原位杂交（FISH）	CNN	图像	300例连续手术标本、101例活检标本（均接受HER2检测），以及41例接受曲妥珠单抗治疗的HER2阳性胃活检标本	NA	卷积神经网络（CNN）	AUC	NA
120	2026-09-19	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	撤稿	该论文提出了一种基于多源地理大数据和深度神经网络的房价评估模型（HPEM），用于房价预测	将注意力机制与空间特征提取相结合，并采用蝙蝠优化算法提高模型的可解释性和准确性	论文已被撤稿	解决传统房价预测模型在泛化性、计算效率和可解释性方面的困难	多源地理大数据和房价数据	机器学习	NA	多源地理大数据分析、深度学习	混合深度学习网络	多源地理数据、结构化数据	房价数据集（具体样本量未提及）	NA	注意力机制与空间特征提取网络	特征稳定性、平均绝对误差（MAE）、训练时间	NA