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
281	2026-05-16	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-04-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	利用深度学习网络整合方法BIONIC，分析阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病研究，揭示GPNMB+小胶质细胞和星形胶质细胞作为Aβ-Tau相互作用的调节因子	NA	揭示阿尔茨海默病中Aβ与Tau蛋白相互作用的调节机制，寻找早期治疗靶点	阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	机器学习	阿尔茨海默病	蛋白质组学、蛋白-蛋白相互作用	深度学习	蛋白质组数据、蛋白-蛋白互作数据、组织病理数据、基因表达数据	ROSMAP队列（具体数量未提及）	NA	BIONIC	NA	NA
282	2026-05-16	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	开发并验证基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态	首次结合临床数据、MRI影像组学和病理组学构建多模态列线图，通过ResNet-101深度学习提取影像和病理特征，整合多模态数据反映肿瘤异质性，实现高精度MSI预测	未提及外部验证集样本量较小且可能存在的选择偏倚；列线图在临床实践中可能面临数据整合和标准化挑战	开发多模态深度学习模型以非侵入性方式预测直肠癌MSI状态，辅助临床决策	直肠癌患者的MSI状态预测，包括临床变量、MRI影像（T2WI、DWI、增强T1WI）和HE染色病理图像	机器学习，数字病理学	直肠癌	MRI（T2WI、DWI、增强T1WI），HE染色，免疫组化染色	ResNet-101	图像（MRI和病理切片）、临床数据	467例直肠癌患者（中心1: 347例，中心2和3: 120例）	NA	ResNet-101	AUC，灵敏度，特异度	NA
283	2026-05-16	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	利用一站式CT扫描中的深層學習預測接受再灌注治療的腦卒中患者出血性轉化	首次使用多相CT血管造影和CT灌注图像进行深度学习模型的全自动出血性转化预测，并在多中心数据中验证	回顾性研究设计，样本量相对较小，且数据来自不同医院的扫描仪，可能影响模型泛化性	开发和验证基于多相CTA和CTP图像的深度学习模型，用于预测急性缺血性脑卒中患者接受再灌注治疗后的出血性转化	229名接受再灌注治疗的急性缺血性脑卒中患者	计算机视觉, 数字病理学	脑卒中	多相CT血管造影, CT灌注成像	CNN	图像	229名患者（训练内部验证集183例，外部测试集46例）	NA	DenseNet	受试者工作特征曲线	NA
284	2026-05-16	Accelerated Spine MRI with Deep Learning Based Image Reconstruction: A Prospective Comparison with Standard MRI 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.004 PMID:39580249	研究论文	前瞻性比较深度学习图像重建加速脊柱MRI与标准MRI的性能	首次前瞻性评估深度学习加速脊柱MRI在扫描时间、图像质量和诊断互换性方面的表现	未提及具体限制	评估深度学习重建MRI在图像采集时间、整体图像质量和诊断互换性方面与标准MRI的性能	脊柱不适患者	机器学习	脊柱疾病	MRI	深度学习模型	图像	200名参与者（107名男性，平均年龄46.56±17.07岁）	NA	深度学习图像重建网络	信噪比(SNR)、对比噪声比(CNR)、相似性度量、主观评分、病变检测频率	NA
285	2026-05-16	Radiomics Model Based on Contrast-enhanced CT Intratumoral and Peritumoral Features for Predicting Lymphovascular Invasion in Hypopharyngeal Squamous Cell Carcinoma 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.017 PMID:39643470	研究论文	基于增强CT瘤内和瘤周特征构建放射组学模型，用于预测下咽鳞状细胞癌的淋巴血管侵犯	整合了增强CT瘤内和1-5mm瘤周区域（Peri1V-5V）的放射组学特征，并结合深度学习模型和临床特征建立列线图，有效预测LVI状态，其中Peri1V-Radscore模型在验证集中表现最佳	研究为单中心回顾性设计，样本量较小（166例），且外部验证缺失，模型泛化性有待进一步评估	评估基于增强CT瘤内和瘤周放射组学特征预测HSCC患者LVI状态的可行性	下咽鳞状细胞癌（HSCC）患者的淋巴血管侵犯（LVI）状态	计算机视觉, 数字病理	下咽鳞状细胞癌	增强CT	深度学习模型, 放射组学模型	图像（CT影像数据）	166例HSCC患者（47例LVI阳性，119例LVI阴性）	NA	NA	AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA）	NA
286	2026-05-16	Feasibility of Sub-milliSievert Low-dose Computed Tomography with Deep Learning Image Reconstruction in Evaluating Pulmonary Subsolid Nodules: A Prospective Intra-individual Comparison Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.042 PMID:39674695	研究论文	评估使用深度学习图像重建的亚毫西弗低剂量CT在评价肺亚实性结节中的可行性	首次前瞻性个体内比较研究，验证亚毫西弗低剂量CT结合高强度深度学习图像重建在保持图像质量的同时大幅降低辐射剂量	未具体说明局限性，但可能包括样本量有限或单一中心设计	全面评估深度学习图像重建的低剂量CT在评价肺亚实性结节中的可行性	肺亚实性结节患者及其CT图像	计算机视觉	肺癌	CT	深度学习图像重建	图像	102名患者，358个亚实性结节	NA	深度卷积神经网络	图像噪声、对比噪声比、信噪比、主观评分、检测率、假阳性率	NA
287	2026-05-16	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-04, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	研究论文	利用DSLD API开发了一个工具，用于识别和分类声称具有减肥、增肌和排毒效果的膳食补充剂标签	首次提出了一种系统化的四步分类方法，结合了启发式规则和多模态深度学习模型来识别膳食补充剂标签中的特定声称，并比较了两者的性能	启发式规则的开发耗时较长（110小时），且仅适用于减肥、增肌和排毒三类声称，对其他类型声明的适用性未验证	创建一个易于使用的工具，以分类膳食补充剂标签中的减肥、增肌和排毒声称	DSLD数据库中的膳食补充剂标签	自然语言处理	NA	NA	多模态深度学习模型	文本	4745个DSLD标签	NA	多模态深度学习模型（具体架构未说明）	召回率、特异性、精确率、阴性预测值、F1分数、准确率、ROC曲线	未说明
288	2026-05-16	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	利用循环和卷积神经网络对脑电图信号进行分类，以检测引导意象和脑力工作负荷状态	首次比较了基于26个认知电极和256通道全信号的分类效果，证明认知电极即可达到类似性能	样本量较小仅26名学生，且未涉及临床应用验证	验证是否可通过深度学习检测引导意象放松状态与脑力工作负荷状态之间的差异并进行分类	引导意象放松技术和脑力工作负荷任务下的脑电图信号	机器学习	心理健康	密集阵列脑电图放大器	循环神经网络, 卷积神经网络	脑电图信号	26名学生	NA	EEGNet, LSTM, 1D CNN, 混合模型（1D CNN + LSTM）	准确率, 召回率, 精确率, F1分数, 损失值	NA
289	2026-05-16	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-02-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	开发深度学习模型预测阿尔茨海默病连续谱中的认知转化	利用纵向多变量数据（人口统计学、病史、神经心理学结果、实验室和神经影像结果）构建深度学习模型，实现不同时间点的认知转化预测，并通过逐步简化变量集获得高AUC值的简约模型	模型基于ADNI队列数据，可能需外部验证；预设定阈值可能影响治疗升级决策的泛化性	开发深度学习模型以预测阿尔茨海默病患者的认知转化，指导临床治疗决策	阿尔茨海默病神经影像学倡议队列中的607名个体（基线）及纵向随访数据	机器学习	阿尔茨海默病	NGS	深度学习	表格数据（人口统计学、病史、神经心理学、实验室、神经影像结果）	607名基线个体，其中538人随访12个月，482人随访24个月，268人随访36个月，280人随访48个月	NA	深度学习（未指定具体架构）	AUC	NA
290	2026-05-16	Development of Nipple Trauma Evaluation System With Deep Learning 2025-02, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	利用深度学习开发乳头创伤评估系统，通过图像分类自动检测和分级乳头创伤	首次将深度学习应用于母乳喂养支持领域，开发了基于七个乳头创伤体征的图像分类系统	数据集规模较小（753张图像），且四类分类器在无创伤和轻度类别上的召回率和精确率较低	开发一套基于深度学习的乳头创伤评估系统，以支持母乳喂养护理人员	乳头创伤图像（来自先前研究），包括裂缝、脱皮、紫癜、结痂等八类体征	计算机视觉	乳腺疾病	NA	目标检测与图像分类模型	图像	753张乳头创伤图像	NA	NA	精确率、召回率、总体准确率、AUC、每秒帧数	NA
291	2026-05-16	Forecasting stock prices using long short-term memory involving attention approach: An application of stock exchange industry 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319679 PMID:40100866	研究论文	该研究利用长短期记忆网络结合注意力机制预测股票价格，以卡拉奇证券交易所100指数为应用案例	首次将注意力机制与LSTM结合用于卡拉奇证券交易所的股价预测，并比较了四种深度学习模型的性能	未提及模型的泛化能力及在不同市场条件下的适用性，可能存在过拟合风险	通过深度学习模型提高股票价格预测的准确性，以稳定经济	卡拉奇证券交易所100指数的每日商业数据	自然语言处理	NA	NA	人工神经网络、递归神经网络、长短期记忆网络、门控循环单元	时间序列数据	从2008年2月22日至2021年2月23日的每日股票数据	TensorFlow, PyTorch	人工神经网络、RNN+Attention、LSTM+Attention、GRU+Attention	R平方	NA
292	2026-05-16	IV3TM: Inception V3 enabled bidirectional long short-term memory network for brain tumor classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335397 PMID:41134912	研究论文	提出一种基于Inception V3和双向长短期记忆网络的脑肿瘤分类方法	结合Inception V3的空间特征提取能力和BiLSTM的序列依赖学习能力，用于脑肿瘤MRI图像分类	未提及具体限制	提高脑肿瘤分类的准确性和效率，以辅助早期诊断和治疗	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	Inception V3, BiLSTM	图像	使用Brain MRI图像数据集和Figshare脑肿瘤数据集	NA	Inception V3, BiLSTM	特异性、准确率、精确率、F1分数、敏感度、均方根误差	NA
293	2026-05-15	Secure facial biometric authentication in smart cities using multimodal methodology 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	提出了一种结合CNN、ResNet-50和ElGamal加密的多模态深度学习方法，用于智慧城市中的人脸生物特征安全认证	将CNN的低层特征保留、ResNet-50的高层语义特征提取与ElGamal密码系统融合，实现人脸特征提取与安全传输一体化	仅在CelebA数据集上评估，未提及在真实智慧城市部署场景下的性能表现及计算开销	解决智慧城市中人脸生物特征认证的安全问题，防止未经授权的访问和欺骗攻击	人脸图像及其生物特征的安全认证与隐私保护	计算机视觉	NA	人脸识别, ElGamal加密	CNN, ResNet-50	图像	CelebA Faces数据集（未说明具体样本数量）	NA	卷积神经网络 (CNN), ResNet-50	准确率, 平均损失值	NA
294	2026-05-15	A generalizable diffusion framework for 3D low-dose and few-view cardiac SPECT imaging 2025-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103729 PMID:40752375	研究论文	提出一种名为DiffSPECT-3D的扩散框架，用于3D低剂量和少视角心脏SPECT成像，能够泛化到不同的采集设置	提出一种一致性策略，利用图像和投影数据，使扩散采样与低剂量/少视角投影测量、图像数据和扫描仪几何对齐，无需重新训练或微调即可泛化到不同采集设置；同时引入2.5D条件策略结合CT解剖空间信息和全变分约束，解决3D内存和计算问题	NA	开发一种能泛化到不同采集设置的扩散框架，改善低剂量和少视角条件下心脏SPECT成像质量	临床Tc-tetrofosmin负荷/静息SPECT研究数据	计算机视觉	冠状动脉疾病	SPECT	扩散模型	图像	795名患者的1325项临床Tc tetrofosmin负荷/静息研究	NA	DiffSPECT-3D	心脏导管检查结果、核心脏病学家的诊断审查	NA
295	2026-05-15	Computational redesign of a thermostable T7 RNA polymerase 2025-Nov-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.12.688101 PMID:41292992	研究论文	通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体	结合已有稳定突变与PROSS识别的新突变，利用数据驱动启发式过滤保留功能，成功设计出热稳定性显著提升的T7 RNAP变体	未提及现有非深度学习方法的高成功率可能无法直接推广至其他蛋白质设计场景	提高T7 RNA聚合酶的热稳定性以扩展其生物技术应用	T7 RNA聚合酶及其变体	机器学习	不适用	结构计算设计	不适用	蛋白质序列和结构数据	18个蛋白质设计变体	PROSS	不适用	功能稳定性T值、熔解温度Tm、保留活动	NA
296	2026-05-15	Computational prediction of mutagenicity through comprehensive cell painting analysis 2025-10-17, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf014 PMID:40757573	研究论文	利用细胞绘画数据开发机器学习模型预测化合物致突变性，并与基于结构的传统模型比较	首次全面利用细胞绘画特征进行致突变性预测，并证明表型改变浓度的选择可显著提升预测性能	数据集固有局限性和细胞绘画技术的实验室间变异导致某些化合物难以预测	探索细胞绘画特征在化合物致突变性预测中的有效性，并与基于化学结构的传统方法对比	化合物致突变性预测模型	机器学习	NA	细胞绘画分析	随机森林、支持向量机、极端梯度提升	细胞形态特征数据与图像	Broad研究所数据集包含超过30000种分子；美国环保署数据集包含1200种化合物的多浓度图像	Scikit-learn, XGBoost	NA	准确率	NA
297	2026-05-15	Accelerating cardiac radial-MRI: Fully polar based technique using compressed sensing and deep learning 2025-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103732 PMID:40749276	研究论文	开发基于极坐标傅里叶变换的压缩感知和深度学习算法，用于加速2D心脏径向MRI，去除频率插值误差并提高重建质量	首次利用极坐标傅里叶变换替代非均匀快速傅里叶变换作为前向成像算子，消除了频率插值误差并简化了深度学习框架的数据一致性项计算	未提及	提出一种替代NUFFT的快速径向MRI方法，优先提高动态成像中小区域的重建质量	心脏径向MRI图像重建	计算机视觉	心血管疾病	MRI	深度学习压缩感知	图像	未提及	NA	可变分裂、梯度下降	结构相似性指数、放射学评分	NA
298	2026-05-15	petBrain: a new pipeline for amyloid, Tau tangles and neurodegeneration quantification using PET and MRI 2025-09-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01839-y PMID:41029733	研究论文	介绍petBrain，一个利用PET和MRI进行淀粉样蛋白、Tau蛋白缠结和神经退行性变定量分析的新流程	提出端到端处理流程，整合深度学习分割和标准化生物标志物定量，以网络形式实现，无需本地基础设施或软件知识	未在摘要中明确说明	实现阿尔茨海默病A/T2/N生物标志物的标准化、快速定量分析	阿尔茨海默病患者的淀粉样蛋白PET、tau-PET和结构MRI数据	数字病理学	阿尔茨海默病	PET, MRI	深度学习	图像	未明确说明	NA	NA	与ADNI数据库的一致性、与脑脊液/血浆生物标志物、临床状态和认知表现的符合度	网络形式，无需本地计算基础设施
299	2026-05-15	Centiloid values from deep learning-based CT parcellation: a valid alternative to freesurfer 2025-09-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01860-1 PMID:41029783	研究论文	开发并验证了一种基于深度学习的CT分割管线，作为FreeSurfer的替代方法，用于标准化阿尔茨海默病淀粉样蛋白PET/CT图像中的Centiloid值计算	首次利用深度学习从PET/CT中的CT图像进行脑区分割，替代MRI-based FreeSurfer管线，实现无MRI的Centiloid定量	未明确提及，可能包括样本量有限、需进一步验证在不同PET示踪剂和临床场景中的泛化性	评估深度学习CT分割管线在Centiloid定量中的准确性，验证其作为MRI-free替代方案的可靠性	306名参与者（23名年轻对照组和283名患者）的18F-FBB PET/CT和MRI数据	计算机视觉, 数字病理学, 机器学习	阿尔茨海默病	PET/CT成像，深度学习CT分割	深度学习模型（具体类型未明确）	图像（CT和PET图像）	306名参与者（23名年轻对照组，283名患者）	NA	NA	R², 效应量, 方差, ROC分析中的准确性和阈值	未提及
300	2026-05-15	Longitudinal structural MRI-based deep learning and radiomics features for predicting Alzheimer's disease progression 2025-08-07, Alzheimer's research & therapy DOI:10.1186/s13195-025-01827-2 PMID:40775357	研究论文	利用纵向结构MRI的深度学习和影像组学特征预测阿尔茨海默病进展	结合3D残差网络和注意力机制的时间感知LSTM模型，首次在纵向MRI中融合深度学习嵌入与灰质影像组学特征	样本量有限，计算资源不足，需更大规模、更多样化的研究来验证结果	预测轻度认知障碍向阿尔茨海默病的转化	阿尔茨海默病神经影像学倡议中的228名轻度认知障碍参与者	数字病理学、机器学习	阿尔茨海默病	结构磁共振成像	3D残差网络、长短期记忆网络	T1加权MRI图像	228名MCI参与者	PyTorch	ResNet3D, LSTM	c-index, AUC	NA