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	2026-09-21	A MEMS seismometer respiratory monitor for work of breathing assessment and adventitious lung sounds detection via deep learning 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93011-7 PMID:40089574	研究论文	开发了一种基于MEMS地震检波器的可穿戴贴片，用于定量评估呼吸做功并通过深度学习检测异常肺音	首次将宽带多轴MEMS地震检波器集成到微型贴片中，同时捕获高频肌动图和肺源性振动，结合数据融合深度学习模型实现呼吸做功定量评估和异常肺音自动检测	未明确提及	开发一种低剖面设备，实现呼吸健康的准确和定量监测，提供呼吸系统健康的预防性见解	124名医院环境中的患者	机器学习	肺癌, 慢性阻塞性肺疾病, 肺炎	MEMS地震检波器, 高频肌动图, 肺源性振动监测	深度学习	信号, 图像	124名患者	NA	数据融合深度学习模型	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC-PR	NA
282	2026-09-21	Exploring the impact of myoelectric prosthesis controllers on visuomotor behavior 2025-03-12, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01604-0 PMID:40075405	研究论文	本研究探讨了肌电假肢控制器对视觉运动行为的影响，比较了标准控制策略与位置感知控制策略	首次探索了新型位置感知控制器对视觉运动行为的影响，并证明了眼动指标对假肢控制干预的敏感性	参与者为无肢体差异者，而非实际假肢使用者，可能影响结果的生态效度	探究使用标准控制策略与位置感知控制策略操作模拟肌电假肢时，视觉运动行为如何变化	无肢体差异的参与者	机器学习	NA	眼动追踪，运动捕捉	NA	眼动数据，运动捕捉数据	NA	NA	NA	视觉注视时间，抓取阶段持续时间，假肢运动平滑度	NA
283	2026-09-21	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	该研究利用深度学习构建了肝移植受者长期预后预测模型，并分别评估了 deceased donor 和 living donor 移植的生存概率	首次基于 UNOS 大规模数据库，使用 Deeplearning4j 多层感知机分别对 deceased donor 和 living donor 肝移植受者进行长达 23 年的生存预测，并发现供体类型对生存预测无显著影响	仅使用单一 Deeplearning4j MLP 模型，未与其他深度学习或传统机器学习模型进行对比；研究基于 UNOS 数据库，可能存在数据偏倚和外部验证不足的问题	利用深度学习开发先进的预后模型，评估肝移植受者的长期结局，并区分 deceased donor 与 living donor 移植	1998 年至 2023 年 UNOS 数据库中 deceased donor 和 living donor 肝移植受者的临床、人口学和移植相关数据	机器学习	肝移植	NA	MLP	表格数据	353,589 条记录，410 个属性，来自 1998 年至 2023 年 UNOS 数据库，最终选取 23 个属性	Deeplearning4j	Multilayer Perceptron	Sensitivity, Specificity, Accuracy	NA
284	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
285	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
286	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
287	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
288	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
289	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
290	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
291	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
292	2026-09-20	Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology 2025-12-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-4350 PMID:41166699	研究论文	开发了一个深度学习框架Path2Omics，从组织病理学图像中独立预测基因表达和甲基化，覆盖30种TCGA癌症类型	Path2Omics包含FFPE模型和FF模型，整合模型结合两者预测，比单独FFPE模型提升30%，稳健预测约4400个基因；推断的基因表达在预测患者生存和治疗反应方面与实际值密切匹配	研究未明确提及局限性，但可能包括依赖TCGA数据、外部验证数据集有限等	利用常规组织病理学切片推进精准肿瘤学	30种TCGA癌症类型的组织病理学图像和分子数据	数字病理学	泛癌症	组织病理学成像，转录组学和甲基化预测	深度学习	图像	NA	NA	NA	NA	NA
293	2026-09-20	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	提出了一种用于空间转录组和蛋白质组数据的分层图Transformer基础模型HEIST	1. 采用分层图建模组织：高层为空间细胞图，低层为每个细胞的基因共表达网络图；2. 不使用固定基因词汇表，而是从共表达网络和细胞上下文计算基因嵌入；3. 通过层内和跨层消息传递利用层次结构，无需重新训练即可泛化到新的数据类型（如空间蛋白质组）；4. 使用空间感知的对比学习和掩码自编码目标进行预训练	摘要中未明确提及	解决现有模型忽略空间信息或细胞内复杂遗传和蛋白质程序、无法推断细胞内部调控如何适应微环境线索、以及固定基因词汇表限制泛化性的问题	空间转录组学和蛋白质组学数据，包括来自15个器官124个组织的2230万个细胞	空间组学，机器学习	NA	空间转录组学，空间蛋白质组学	图Transformer，基础模型	图数据，空间坐标，基因表达，蛋白质丰度	2230万个细胞，来自15个器官的124个组织	PyTorch	分层图Transformer	临床结果预测准确性，细胞类型注释准确性，基因插补准确性	NA
294	2026-09-20	Dual-feature selectivity enables bidirectional coding in visual cortical neurons 2025-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665209 PMID:40777393	研究论文	该研究揭示了猕猴视觉皮层V1和V4区域神经元对两种视觉特征的双重选择性编码策略，并结合功能数字孪生模型系统识别神经元的偏好和非偏好特征	首次发现视觉皮层神经元具有双重特征选择性，即对两种不同视觉特征分别产生增强和抑制反应，并利用深度学习功能数字孪生模型系统识别每个神经元的偏好和非偏好特征，证明了该编码策略在小鼠视觉皮层中保守存在	研究主要基于猕猴和小鼠的视觉皮层，尚未在更广泛的物种或脑区中验证该编码策略的普遍性；数字孪生模型的预测准确性可能受限于训练数据的质量和覆盖范围	探究视觉皮层神经元的特征编码策略，特别是双重特征选择性及其对刺激编码和群体表征的影响	猕猴视觉皮层V1和V4区域的神经元，以及小鼠初级和外侧视觉皮层的神经元	计算神经科学	NA	神经元记录，功能数字孪生模型（基于深度学习的预测模型）	深度学习	神经元记录数据，图像数据	NA	NA	NA	NA	NA
295	2026-09-20	Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning 2025-Dec, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02528-1 PMID:39809933	研究论文	本文提出SCP-Nano，一种结合实验和深度学习的流程，能在单细胞分辨率下量化纳米载体在小鼠全身的靶向分布	开发了SCP-Nano流程，在单细胞分辨率下以极低剂量（低至0.0005 mg/kg）实现全身纳米载体成像，并揭示了不同纳米载体的新分布模式	摘要中未明确提及	开发高效准确的纳米载体分析方法，以促进靶向药物递送系统的开发	纳米载体（脂质纳米颗粒、脂质体、聚复合物、DNA折纸、腺相关病毒）及小鼠全身	计算机视觉	肺癌	深度学习成像分析	深度学习	图像	NA	NA	NA	NA	NA
296	2026-09-20	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过综述理论、实验和比较数据，结合群体测序与深度学习方法，推断家养动物与野生祖先的全基因组重组率，发现混合结果	利用深度学习方法和群体测序数据，对鸡/红原鸡、绵羊/盘羊、山羊/野山羊进行新的全基因组重组率比较，并发现家养并非一致增加重组率	研究仅涉及三种动物比较，样本量有限；深度学习推断方法可能存在误差；综述部分受限于已有文献的覆盖面	重新审视驯化是否导致全基因组重组率增加的假说，并提供新的实证证据	鸡与红原鸡、绵羊与盘羊、山羊与野山羊	机器学习	NA	群体测序	深度学习	基因组序列	未明确说明具体样本数量	NA	NA	NA	NA
297	2026-09-20	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-12, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级Covid-19预测，并进行了回顾性评估	利用Transformer神经网络融合历史病例数据、死亡数据和社交媒体情感数据，并开发了多级和多尺度注意力机制进行自适应时频分析	需要进行前瞻性验证以评估模型在实时演变数据条件下的实用性	提高大流行病预测的准确性，特别是县级Covid-19病例和死亡的预测	县级Covid-19病例和死亡数据	机器学习	Covid-19	多源数据融合	Transformer	时间序列数据、文本数据	三个Omicron变异波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
298	2025-11-14	Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Dec, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105881 PMID:41223632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
299	2026-09-20	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	研究论文	该研究利用街景图像和深度学习对武汉武昌老旧社区的街道空间质量进行定量评估，并提出优化策略	结合街景图像、语义分割和Place Pulse 2.0数据集预测主观感知维度，并利用Local Moran's I和SHAP分析链接主客观指标，提出可复现、可解释且文化适应的评估框架	未明确提及，可能包括样本区域单一、主观感知预测依赖Place Pulse 2.0的泛化性等	定量评估老旧社区街道空间质量并提出优化策略	武汉武昌老旧社区的街道空间	计算机视觉	NA	街景图像、语义分割、深度学习	深度学习	图像	未明确，高分辨率街景图像数据集覆盖武昌区	NA	NA	相关性分析（未具体说明指标）	NA
300	2026-09-20	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	该研究结合生物信息学分析和深度学习模型，从TCGA-UVM队列的miRNA测序数据中识别出一个五miRNA预后特征，用于葡萄膜黑色素瘤的预后预测和治疗指导	首次将单变量Cox回归与多层感知机深度学习模型相结合来筛选葡萄膜黑色素瘤的预后miRNA，并通过多数据库验证了五miRNA特征的预后和治疗意义	样本量较小（仅80例患者），MLP分类性能中等（AUC=0.71），缺乏实验验证	识别葡萄膜黑色素瘤中可靠的预后miRNA生物标志物，并探索其治疗潜力	TCGA-UVM队列中80例葡萄膜黑色素瘤患者的miRNA测序数据和临床数据	机器学习	葡萄膜黑色素瘤	miRNA测序	多层感知机	文本	80例葡萄膜黑色素瘤患者的miRNA测序和临床数据	NA	多层感知机	AUC	NA