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
2261	2026-04-10	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	综述	本文探讨了将全息显微医学成像与深度学习技术相结合用于癌症诊断的新方法，分析了其优势、挑战及未来趋势	提出了一种结合定量相位成像（QPI）与深度学习（如U-Net和Vision Transformer）的集成方法，以捕获传统成像技术无法提供的详细结构（相位）信息，从而提高癌症诊断的准确性	文中未明确提及具体实验数据或样本量，主要基于文献综述和分析，因此缺乏实证研究的局限性讨论	研究旨在通过整合全息显微相位成像和深度学习技术，改进癌症诊断的准确性和全面性	癌症诊断中的生物结构成像，特别是通过全息显微技术捕获的振幅和相位细节	数字病理学	癌症	全息显微医学成像，定量相位成像（QPI）	深度学习模型，包括U-Net和Vision Transformer（ViT）	全息显微图像	NA	NA	U-Net, Vision Transformer（ViT）	NA	NA
2262	2026-04-10	Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.240238 PMID:39807983	研究论文	本研究评估了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并探讨其在评估临床显著前列腺癌中的潜在价值	首次利用pix2pix算法从四种非对比MRI序列合成对比增强MRI，以减少对比剂使用的潜在风险	研究为回顾性设计，且模拟图像与真实图像的相似度在外部测试集上有所下降	评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌PI-RADS评分中的应用价值	疑似前列腺癌的男性患者	数字病理学	前列腺癌	多参数MRI，包括T1加权成像、T2加权成像、扩散加权成像和表观扩散系数图	GAN	MRI图像	567名男性患者（平均年龄66岁±11），分为训练测试集（244例）、内部测试集（104例）、外部测试集1（143例）和外部测试集2（76例）	NA	pix2pix	多尺度结构相似性指数，Cohen κ	NA
2263	2026-04-10	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	本研究开发并评估了一种基于集成深度学习的模型，用于自动化检测和分割CT扫描中的肺部肿瘤	采用3D U-Net集成方法，平衡了体积上下文与分辨率，并展示了模型在外部站点上的泛化能力	研究为回顾性设计，可能受限于数据集的特定来源和时间范围	开发自动化工具以辅助肺部肿瘤的检测和分割，减少人工标注的负担和变异性	CT模拟扫描图像及临床肺部肿瘤分割标注	计算机视觉	肺癌	CT扫描	深度学习	图像	训练集：1,504个CT扫描；测试集：150个CT扫描（其中100个为单肿瘤子集）	NA	3D U-Net	灵敏度, 特异度, 假阳性率, Dice相似系数	NA
2264	2025-01-29	Deep Learning MRI Reconstruction Delivers Superior Resolution and Improved Diagnostics 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.242952 PMID:39873600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2265	2026-04-10	Deep Learning Superresolution for Simultaneous Multislice Parallel Imaging-Accelerated Knee MRI Using Arthroscopy Validation 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.241249 PMID:39873603	研究论文	本研究通过关节镜验证，评估了深度学习超分辨率技术在膝关节MRI中的诊断性能	首次使用关节镜作为独立参考标准，验证了深度学习超分辨率技术在加速膝关节MRI中的诊断性能	研究样本量相对较小（116名成人），且仅针对膝关节特定病变进行评估	验证深度学习超分辨率MRI在膝关节病变诊断中的性能	患有膝关节疼痛的成人患者	医学影像分析	膝关节疾病	深度学习超分辨率, 同时多层并行成像加速MRI	深度学习模型	MRI图像	116名成人（平均年龄45岁，74名男性）	NA	NA	AUC, Cohen κ, Gwet AC2, Likert评分	3 T MRI扫描仪
2266	2026-04-10	RETRACTED: Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315143 PMID:39951439	研究论文	本文提出了一种基于知识图谱和YOLOv4目标检测算法的智能电网设备故障诊断模型，旨在提高诊断准确性和效率	创新性地将YOLOv4目标检测算法与知识图谱结合，统一多模态信息的表征和存储，以提升智能电网设备故障诊断的准确性和速度	未在摘要中明确提及具体限制，如模型泛化能力、数据多样性或实际部署挑战	开发一种更准确、快速且易于操作的智能电网设备故障诊断技术，以解决现有技术中应用复杂和诊断率低的问题	智能电网设备及其故障诊断	机器学习	NA	深度学习多模态语义模型和知识图谱	CNN	多模态信息（可能包括图像、文本等）	NA	NA	YOLOv4	准确性、速度、易操作性	NA
2267	2026-04-10	RETRACTED: Optimizing chemotherapeutic targets in non-small cell lung cancer with transfer learning for precision medicine 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319499 PMID:40299923	研究论文	本文提出了一种结合混合UNet Transformer、改进Rime优化算法和深度迁移学习的药物发现模型，用于识别非小细胞肺癌的化疗靶点	提出了一种混合UNet Transformer架构用于从药物和蛋白质序列中提取深度特征，并引入了改进的Rime优化算法进行特征选择，同时设计了深度迁移学习模型以提高药物发现的准确性	未提及模型在临床实际应用中的验证情况，也未讨论模型对不同患者亚群的泛化能力	优化非小细胞肺癌的化疗靶点识别，推动精准医疗发展	非小细胞肺癌患者的药物靶点	机器学习	肺癌	特征提取，迁移学习	Transformer, UNet, LSTM	序列数据（药物序列和蛋白质序列）	使用了Davis、KIBA和Binding-DB三个基准数据集，具体样本数量未明确说明	NA	混合UNet Transformer, DTransL	准确率	NA
2268	2026-04-10	RETRACTED: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	本研究提出了一个融合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生成绩预测	提出了理论指导的TGEL-Transformer框架，首次将多元智能理论和社会认知理论融入深度学习模型，设计了双通道特征处理模块、理论指导的四头注意力机制和可解释预测层	未在摘要中明确说明	解决传统教育数据挖掘方法难以整合异构特征数据、现有深度学习模型缺乏教育理论指导且可解释性不足的问题	学生	教育数据挖掘	NA	深度学习	Transformer	异构特征数据（认知、情感、环境维度）	6,608名学生（主要数据集），480名跨文化数据（外部验证）	未在摘要中明确说明	TGEL-Transformer（Theory-Guided Educational Learning Transformer）	RMSE, R2	未在摘要中明确说明
2269	2026-04-07	Dosiomics-guided deep learning for radiation esophagitis prediction in lung cancer: optimal region of interest definition via multi-branch fusion auxiliary learning 2025-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111121 PMID:40921328	研究论文	本研究开发了一种结合剂量组学和深度学习的模型，通过多任务辅助学习自动定义感兴趣区域，用于预测肺癌患者放疗后≥2级放射性食管炎	提出了一种剂量组学引导的深度学习网络，利用多任务辅助学习基于辐射剂量分布图像自动定义准确且客观的感兴趣区域，并结合对比学习和辅助分割模块	研究为回顾性设计，可能受到选择偏倚的影响，且外部验证集样本量相对较小	开发一个预测模型，用于准确预测肺癌患者接受放疗后发生≥2级放射性食管炎的风险	接受放疗的肺癌患者	数字病理学	肺癌	剂量组学特征提取，深度学习	CNN	辐射剂量分布图像	488名患者（训练集235例，内部验证集101例，外部验证集1为57例，外部验证集2为95例）	PyTorch	ResNet34	AUC	NA
2270	2026-04-07	Training bias and sequence alignments shape protein-peptide docking by AlphaFold and related methods 2025-Nov, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70331 PMID:41084281	研究论文	本研究评估了AlphaFold2-Multimer、AlphaFold3、Boltz-1和Chai-1等深度学习模型在预测蛋白质-肽复合物结构时的性能，并分析了其训练偏差和对序列比对信息的利用方式	首次系统比较了四种主流深度学习模型在蛋白质-肽对接任务中的表现，揭示了模型对训练数据中已见结构的偏好性，并深入探究了蛋白质和肽段多重序列比对（MSA）对预测准确性的贡献	研究基于实验解析的结构数据集，可能无法完全覆盖所有新型蛋白质或结合位点；肽段序列的MSA通常较浅或质量较差，可能影响模型性能评估	评估深度学习模型预测蛋白质-肽复合物结构的性能，并理解其工作原理和局限性	蛋白质-肽相互作用复合物	计算生物学, 结构生物信息学	NA	多重序列比对（MSA）, 深度学习结构预测	深度学习模型	蛋白质三维结构数据, 序列比对数据	NA	NA	NA	NA	NA
2271	2026-04-07	Deep learning for automatic vertebra analysis: A methodological survey of recent advances 2025-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102652 PMID:41033041	综述	本文对近年来基于深度学习的自动椎体分析方法进行了系统性综述，总结了网络架构改进和学习策略设计方面的进展	作为该领域最新的综述，全面整合了公开数据集和评估指标，并分析了多模态学习、领域泛化及基础模型集成等未来研究方向	NA	系统总结自动椎体分析领域的最新进展，指导未来研究开发鲁棒、可泛化且临床可部署的系统	椎体检测与分割方法	计算机视觉	脊柱相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
2272	2026-04-07	Energy-Efficient Machine Learning Based Denoising Techniques for Sustainable Medical Imaging 2025-09-16, Journal of visualized experiments : JoVE DOI:10.3791/68968 PMID:41052129	研究论文	本研究提出了一种结合图像增强和K-means聚类预处理的节能型医学图像去噪方法，旨在降低计算成本和能耗	提出了一种集成图像锐化核和K-means聚类分割的预处理流程，能有效识别解剖边界和噪声区域，从而提升卷积自编码器的训练效率和去噪效果	未明确说明具体使用的CT和MRI公开数据集细节及样本规模，且未详细描述对比实验设置	开发节能高效的医学图像去噪技术，以支持可持续医疗成像实践和远程诊断	CT和MRI医学图像	医学影像处理	NA	图像去噪	卷积自编码器	医学图像	NA	NA	卷积自编码器	峰值信噪比, 结构相似性指数, 分类准确率	GPU
2273	2026-04-07	Detecting structural heart disease from electrocardiograms using AI 2025-08, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	本文介绍了一种名为EchoNext的深度学习模型，用于从心电图检测多种结构性心脏病	模型基于大规模多样化健康系统的超过100万条心律和影像记录进行训练，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家，且在不同护理环境和种族/民族群体中表现一致	NA	利用人工智能扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	深度学习模型	心电图（心律记录）和影像记录	超过100万条心律和影像记录	NA	EchoNext	诊断准确性	NA
2274	2026-04-07	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	本研究评估了在卒中MRI分析中排除不确定急性缺血性病变病例对深度学习工具诊断性能的影响，并识别了与这些不确定病例相关的因素	首次量化了排除不确定病例对深度学习工具诊断比值比的放大效应，并识别了MRI伪影、病灶大小、位置和年龄等与诊断不确定性相关的独立因素	单中心回顾性研究，可能受选择偏倚影响；未评估不同深度学习模型间的差异	评估卒中MRI分析中的谱偏倚，并探究排除不确定病例对深度学习工具诊断性能的影响	疑似卒中成年患者的脑部MRI图像	数字病理学	卒中	脑部MRI	深度学习	图像	989名患者	NA	NA	诊断比值比	NA
2275	2026-04-07	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试工具TumorImagingBench	首次系统性地比较了多种基础模型在定量肿瘤影像生物标志物提取任务中的表现，并分析了模型对临床变异性的鲁棒性和可解释性	仅使用了六个公开数据集（共3244个扫描），可能无法涵盖所有临床场景和肿瘤类型	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3244个扫描（来自六个公开数据集）	NA	多种架构（具体未说明）	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
2276	2026-04-07	Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment 2025-02, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70098 PMID:39927866	综述	本文综述了人工智能在心脏CT成像中用于缺血性疾病评估的应用	强调了AI在心脏CT成像中检测人眼难以察觉的洞察和模式，以提升诊断准确性和效率的潜力	NA	探讨AI在心脏CT成像中对缺血性心脏病的评估作用，旨在优化工作流程并提高心脏护理效率	心脏CT成像数据，包括斑块负荷、狭窄严重程度和CT衍生的血流储备分数等功能评估	医学影像分析	心血管疾病	心脏CT成像	机器学习，深度学习	CT图像	NA	NA	NA	NA	NA
2277	2026-04-07	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-01-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	综述	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用预测的计算方法，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基方法比序列基方法提供更高的生物准确性，并揭示功能位点如结合和催化残基	面临高分辨率结构数据有限和有效负采样需求等挑战	推动蛋白质-蛋白质相互作用预测，以理解细胞过程并揭示健康和疾病的分子机制	蛋白质-蛋白质相互作用	机器学习	NA	结构基预测	机器学习,深度学习	蛋白质结构数据	NA	NA	NA	预测准确性	NA
2278	2026-04-07	Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics 2025-01-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010081 PMID:39858475	综述	本文综述了特征选择技术如何通过提高机器学习模型在高维数据集中的可解释性和性能，来应对癌症异质性带来的诊断挑战	探讨了人工智能驱动的特征选择在自动化特征提取方面的潜力，并强调了整合深度学习模型和多组学策略的未来方向	方法仍面临数据质量保证、过拟合缓解和可扩展性处理等关键限制	提升癌症诊断的精确性，特别是肿瘤亚型的分类	肿瘤亚型及其生物行为	机器学习	癌症	多组学数据整合	机器学习模型，深度学习模型	高维数据集	NA	NA	NA	NA	NA
2279	2026-04-06	A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics 2025-12-05, Journal of visualized experiments : JoVE DOI:10.3791/69355 PMID:41428661	研究论文	本研究提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态	创新性地结合了GARCH模型、双向LSTM网络和Kolmogorov-Arnold网络，以协同方式量化时变波动性、建模双向时间关系并精炼非线性模式，超越了传统模型的局限	未明确提及具体限制，但可能包括模型复杂度高、计算资源需求大或对特定市场条件的泛化能力未知	开发一个稳健的预测工具，以准确预测原油价格，支持能源政策制定、风险对冲和金融衍生品定价	西德克萨斯中质原油的每日价格数据	机器学习	NA	NA	GARCH, BiLSTM, KAN	时间序列数据	39年的每日价格数据（1986-2025年）	NA	GARCH, Bidirectional LSTM, Kolmogorov-Arnold Network	均方根误差, 平均绝对误差, 决定系数	NA
2280	2026-04-06	A Novel Hybrid Deep Learning Model for Attack Detection in IoT Environment: Convolutional Neural Network with Transformer Approach 2025-11-18, Journal of visualized experiments : JoVE DOI:10.3791/68750 PMID:41359642	研究论文	提出一种基于CNN与Transformer的混合深度学习模型，用于物联网环境中的攻击检测与分类	首次将卷积神经网络与Transformer架构结合，构建混合模型用于物联网攻击检测，在保持高精度的同时显著降低计算复杂度	仅使用单一数据集（CIC-IoT-2023）进行验证，未在更广泛的物联网场景和实时部署环境中测试	开发高效的深度学习安全方法，实时检测物联网网络中的异常活动和潜在威胁	物联网网络通信数据中的攻击模式与异常行为	机器学习	NA	深度学习	CNN, Transformer	网络流量数据	CIC-IoT-2023数据集，包含33种物联网威胁类型，分为7个类别	NA	CNN-Transformer混合架构	准确率, 精确率, 召回率, F1分数, 损失值	NA