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
321	2026-05-15	A Stacked Multimodality Model Based on Functional MRI Features and Deep Learning Radiomics for Predicting the Early Response to Radiotherapy in Nasopharyngeal Carcinoma 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.011 PMID:39496536	研究论文	构建并评估一种整合磁共振成像深度学习影像组学、功能成像和临床指标的模型，用于预测鼻咽癌放疗早期疗效	首次将功能MRI特征（ADC、TBF）与深度学习影像组学特征结合，利用堆叠算法构建多模态模型，提升预测性能	未提及	预测鼻咽癌放疗早期疗效，为个性化治疗提供指导	鼻咽癌患者	数字病理学	鼻咽癌	磁共振成像（MRI），扩散加权成像（DWI），动脉自旋标记（ASL）	逻辑回归（LR），XGBoost，支持向量机（SVM），K近邻（KNN）	影像数据，临床指标	训练集194例（医院I），内部验证集82例（医院I），外部验证集40例（医院II）	NA	堆叠集成模型（Stacking）	受试者工作特征曲线下面积（AUC），决策曲线分析	NA
322	2026-05-15	Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.042 PMID:39542806	研究论文	评估在主动脉CTA中使用60 kVp低管电压和深度学习重建算法实现超低辐射和对比剂用量的可行性	首次将60 kVp低管电压与新型深度学习图像重建算法（DLIR-CI）结合应用于主动脉CTA，在保证图像质量的同时实现辐射剂量和对比剂用量的大幅降低	仅针对非肥胖患者，未评估在肥胖患者或更广泛人群中的适用性	评估主动脉CTA中超低辐射和对比剂用量方案的可行性	非肥胖患者主动脉CTA图像质量	计算机视觉	心血管疾病	CT血管成像	深度学习	图像	非肥胖受试者（前瞻性分配到两组）	NA	ClearInfinity (DLIR-CI)	CT衰减值, 图像噪声, 信噪比 (SNR), 对比噪声比 (CNR), 主观图像质量评分, Cohen's kappa系数	NA
323	2026-05-15	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	提出一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，用于骨转移瘤的精确分割	在骨干网络中集成新型Bottleneck Gating Mamba层以增强深层特征图中的长距离依赖；在跳跃连接上设计Skip-Mamba模块促进多尺度特征融合时的长距离建模；在特征提取阶段采用多视角提取模块，利用三种不同大小的卷积核提升对骨转移的敏感性	未在标题和摘要中明确提及	实现骨转移瘤的快速、精确分割，提高患者生存率和治疗效果	骨转移瘤（包括成骨性、溶骨性或混合性病变）的分割	计算机视觉	骨转移瘤（骨癌）	深度学习	Mamba	医学图像	使用BM-Seg数据集（未具体说明样本数量）	NA	Bottleneck Gating Mamba (BGM), Skip-Mamba (SKM), 多视角提取 (MPE)	F1分数，mIoU	NA
324	2026-05-15	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	开发并评估一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移，并利用SHAP增强模型可解释性	首次将临床、PET/CT影像组学和ResNet50深度学习特征结合，通过XGBoost算法构建综合预测模型，并运用SHAP方法提升模型可解释性，为术前无创预测淋巴结转移提供新方法	样本量相对较小（248例），且为单中心回顾性研究，可能限制模型的泛化能力	开发一种可解释的机器学习模型，通过整合PET/CT影像中的临床、影像组学和深度学习特征，提高非小细胞肺癌淋巴结转移预测的准确性	非小细胞肺癌患者术前18F-FDG PET/CT影像数据及其临床信息	机器学习	肺癌	18F-FDG PET/CT影像学	XGBoost	医学影像（PET/CT）	248例非小细胞肺癌患者	NA	ResNet50	AUC, Accuracy, F1-score, Sensitivity, Specificity	NA
325	2026-05-15	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究基于乳腺MRI和超声的纵向多模态深度学习，预测乳腺癌患者新辅助化疗后的病理完全缓解	首次利用纵向多模态深度学习（结合MRI和超声）预测乳腺癌新辅助化疗反应，并整合临床数据构建堆叠模型实现高精度预测	NA	早期无创预测乳腺癌患者新辅助化疗的反应，以制定个性化治疗方案	乳腺癌患者的新辅助化疗反应（病理完全缓解）	医学影像分析，深度学习	乳腺癌	MRI，超声	ResNet50，堆叠模型	图像（MRI和超声）	448例患者，来自三个中心	NA	ResNet50	AUC，准确率，灵敏度，特异度	NA
326	2026-05-15	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	综述	综述了使用机器学习方法预测血脑屏障通透性的最新进展	全面梳理了机器学习在神经系统疾病药物开发中预测血脑屏障通透性的最新应用，强调其作为传统细胞和动物模型的高效替代方案	未提及具体模型性能比较或局限性分析，可能因综述范围所致	回顾和总结机器学习在预测血脑屏障通透性方面的应用，以提高药物开发效率和准确性	血脑屏障通透性预测模型	机器学习	神经系统疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
327	2026-05-15	An explainable deep learning model for diabetic foot ulcer classification using swin transformer and efficient multi-scale attention-driven network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87519-1 PMID:39900977	研究论文	提出一种基于Swin Transformer和高效多尺度注意力驱动网络的双轨融合模型，用于糖尿病足溃疡分类，并集成可解释人工智能	首次采用Swin Transformer与Efficient Multi-Scale Attention-Driven Network (EMADN) 双轨架构进行糖尿病足溃疡分类，结合轻量级多尺度可变形混洗和全局扩张注意力模块进行特征提取，并引入Grad-CAM可解释人工智能方法	NA	开发一种高效自动化的深度学习模型，用于糖尿病足溃疡的准确分类，辅助医疗专业人员诊断	糖尿病足溃疡分类任务，使用DFUC-2021数据集	计算机视觉	糖尿病	NA	混合模型（Swin Transformer与CNN组合）	图像	NA（使用DFUC-2021数据集）	NA	Swin Transformer, Efficient Multi-scale Attention-Driven Network (EMADN), Grad-CAM	准确率, 宏观F1分数	NA
328	2026-05-15	Enhancing depression recognition through a mixed expert model by integrating speaker-related and emotion-related features 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88313-9 PMID:39900968	研究论文	提出一种混合专家模型，通过整合说话人相关和情感相关特征来提升抑郁症识别性能	首次在抑郁症识别中分离并融合说话人相关特征和情感相关特征，采用混合专家模型和多领域自适应算法，在跨语言数据集中表现优异	仅使用语音信号，未结合其他模态信息；自建中文数据集规模可能有限；MAE值在AVEC2014数据集上仍有优化空间	通过融合说话人相关和情感相关的语音特征，提高抑郁症自动识别的准确性并解决跨语言文化差异问题	抑郁症患者的语音信号	机器学习	抑郁症	语音特征提取、迁移学习、多领域自适应	混合专家模型（MoE）	语音数据	自建中文抑郁症数据集（数量未明确）和AVEC2014数据集	PyTorch	时延神经网络（TDNN）	准确率、平均绝对误差（MAE）	NA
329	2026-05-15	Synchronization-based graph spatio-temporal attention network for seizure prediction 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88492-5 PMID:39901056	研究论文	提出了一种基于同步的图时空注意力网络用于癫痫发作预测	首次将图时空注意力网络与同步机制相结合，有效捕捉癫痫发作期间的时空相关性和个体间差异	未提及计算资源需求及模型泛化性验证	提高癫痫发作预测的准确性和可靠性，特别是针对难以分类的受试者	癫痫患者脑电图（EEG）记录中的发作前兆信号	机器学习	癫痫	EEG记录	图注意力网络	脑电图信号	CHB-MIT公共数据集	NA	图时空注意力网络（SGSTAN）	准确率, 特异度, 灵敏度	NA
330	2026-05-15	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	开发深度学习预后模型，评估肿瘤内及瘤周影像组学在预测高级别浆液性卵巢癌患者铂类化疗预后中的意义	首次系统评估肿瘤内和瘤周影像组学特征在深度学习模型中的综合预测价值，并分析了不同扩张像素对预测准确性的影响	外部测试集样本量较小（N=26），可能影响模型泛化能力的全面评估	构建基于深度学习的预后模型，预测接受铂类化疗的高级别浆液性卵巢癌患者的无进展生存期	474例高级别浆液性卵巢癌患者的非增强CT扫描图像，来自两个医疗机构	计算机视觉, 数字病理学	卵巢癌	CT扫描	深度学习模型	图像	474例患者（训练集362例，内部测试集86例，外部测试集26例）	NA	NA	风险比, 受试者工作特征曲线	NA
331	2026-05-15	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	通过多参数MRI结合深度学习与生境影像组学预测胶质瘤病理结果的多中心研究	将生境分析与深度学习相结合，提取成像特征并联合临床特征建模，以预测胶质瘤病理结果，较传统影像组学方法获得更好预测性能	临床特征对预测的辅助证据相对较弱	实现更好的胶质瘤病理结果预测	原发性胶质瘤患者的MRI影像、病理报告和临床病史	数字病理学、机器学习	胶质瘤	多参数MRI（T1对比增强和T2加权序列）	LightGBM, SVM, MLP, DenseNet161, ResNet50, Inception_v3	医学影像、文本（病理报告和临床病史）	387例原发性胶质瘤，来自三家医院，其中264例训练集、82例测试集、41例验证集	NA	DenseNet161, ResNet50, Inception_v3, LightGBM, SVM, MLP	NA	NA
332	2026-05-15	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	基于深度学习弹性配准算法改进常规肿瘤PET/CT配准伪影和图像质量的临床试点研究	首次将深度学习弹性配准方法应用于临床常规肿瘤PET/CT，评估其减少配准伪影和改善图像质量的效果	样本量较小（仅30名患者），且未涉及不同示踪剂和扫描协议的广泛验证	评估深度学习弹性配准算法在减少PET/CT配准伪影和改善图像质量方面的临床潜力	30名接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	计算机视觉	肿瘤	PET/CT	深度学习弹性配准算法	图像	30名患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	NA	弹性配准网络	图像质量Likert评分、标准化摄取值、信噪比、肝肺指数	NA
333	2026-05-15	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	建立了一种多模态深度学习列线图，用于预测灰色区域PSA水平患者中的临床显著性前列腺癌，并与临床和影像组学模型进行比较	首次将深度学习特征、PI-RADS评分和临床变量通过混合融合方法整合为多模态列线图，在预测临床显著性前列腺癌方面显著优于传统影像组学和临床模型	未提及模型的外部验证和前瞻性研究设计	建立用于预测灰色区域PSA水平患者中临床显著性前列腺癌的多模态深度学习列线图	2018年1月至2022年12月期间有病理结果的303名PSA处于灰色区域的患者	数字病理学	前列腺癌	NA	深度学习模型、支持向量机（SVM）、XGBoost	双参数磁共振成像（bp-MRI）图像、临床变量、PI-RADS评分	303名患者	NA	NA	AUC、决策曲线分析	NA
334	2026-05-15	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	提出一种基于深度学习和数字微流控的无标记并行细胞分选方法	将深度学习图像识别与微流控操控结合，利用YOLOv8目标检测模型实现精确液滴分类，并结合安全区间路径规划算法实现多目标、无碰撞的液滴路径规划	未提及具体局限性	实现基于形态学的高精度、无标记细胞分选，以支持诊断、治疗和基础细胞生物学研究	HeLa细胞、聚苯乙烯微珠、红细胞、Jurkat细胞、HL-60细胞	计算机视觉, 数字病理学	不适用	数字微流控（AM-DMF）	YOLOv8（目标检测模型）	图像	HeLa细胞和聚苯乙烯微珠用于初步实验，后续扩展至红细胞、Jurkat细胞和HL-60细胞；具体数量未提及	PyTorch（推测，基于YOLOv8框架）	YOLOv8	分选精度（98.5%）、纯度（96.49%）、回收率（80%）	未提及
335	2026-05-15	How to accurately predict nanobody structure: Classical physics-based simulations or deep learning approaches 2025, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2024.12.001 PMID:40973396	研究论文	本文系统比较了基于物理的模拟和深度学习方法在预测不同类别纳米抗体结构中的准确性	针对纳米抗体CDR3结构预测难题，首次系统性比较经典物理模拟（同源建模+分子动力学）与深度学习（AlphaFold2和RoseTTAFold）两种策略在三种结构类别（凹面、环状、凸面）纳米抗体上的表现，并提出纳米抗体与靶蛋白结合需诱导契合机制的观点	仅选取了三种代表性纳米抗体（Nb32、Nb80、Nb35）进行研究，样本量有限	评估不同预测策略对纳米抗体结构预测的准确性，特别是CDR3区域，并为不同类别纳米抗体提供最佳预测方法建议	三种代表性纳米抗体（Nb32、Nb80、Nb35），分别代表凹面、环状和凸面结构类别	机器学习, 计算机视觉	NA	NA	深度学习模型	蛋白质结构数据	3种纳米抗体（Nb32、Nb80、Nb35）	AlphaFold2, RoseTTAFold	AlphaFold2, RoseTTAFold	预测准确度（通过与实验结构比较）	NA
336	2026-05-15	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	提出一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组和MRI数据，用于脑癌诊断	首次将图注意力网络提取的基因组图嵌入与3D DenseNet的MRI特征图通过交叉注意力机制融合，并采用Entmax sigmoid函数增强分类稀疏性和可解释性	论文未明确提及局限性	提高脑癌诊断的准确性、全面性和可解释性	脑癌患者基因组数据和MRI图像	数字病理学	脑癌	MRI, 基因组测序	图注意力网络, 3D DenseNet, 交叉注意力机制	图像（MRI），基因组数据	四个基准数据集，具体数量未提及	PyTorch	GAT, 3D DenseNet, 交叉注意力	准确率, F1分数	NA
337	2026-05-12	Spike Rate Inference from Mouse Spinal Cord Calcium Imaging Data 2025-Apr-30, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1187-24.2025 PMID:40127941	研究论文	利用监督学习和无监督算法从小鼠脊髓钙成像数据中推断神经元放电率	首次在脊髓神经元上测试了基于深度学习的CASCADE算法和非负解卷积OASIS算法，并公开提供了针对脊髓数据重新训练的模型	未明确说明，但可能包括算法仅基于特定细胞类型（谷氨酸能和GABA能神经元）的验证，以及缺乏对更广泛脊髓区域的泛化评估	评估从脊髓钙成像数据中推断神经元放电率的算法性能，并探索不同脑区之间的泛化能力	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	深度学习（CASCADE）和非负解卷积（OASIS）	钙成像信号	来自小鼠（两性）脊髓背角浅层的谷氨酸能和GABA能神经元数据	PyTorch	CASCADE, OASIS	准确率	NA
338	2026-05-12	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	提出一种基于深度学习的自由水校正方法，用于单壳层扩散MRI数据，以消除自由水引起的部分容积效应	首次将深度学习框架应用于单壳层扩散MRI的自由水校正，通过数据驱动方法推断自由水体素，并实现模型微调和b值重映射以适应新数据	NA	开发一种通用且准确的单壳层扩散MRI自由水校正方法，提高扩散特性估计的一致性和神经通路识别的准确性	人脑连接组项目年轻成人数据集、人脑连接组项目老化数据集以及脑肿瘤连接组数据	数字病理学	NA	扩散磁共振成像，单壳层采集	深度学习模型	图像（扩散加权图像）	使用HCP-ya、HCP-a和BTC数据集，具体样本量未明确说明	NA	NA	一致性和准确性，具体指标未明确说明	NA
339	2026-05-12	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本研究探讨了多脑区皮层表征在决策过程中遵循信息瓶颈原则的机制	首次通过多脑区循环神经网络模型揭示了大脑如何通过信息瓶颈原理形成最优表征，并发现前额叶皮层与运动前区背侧区域之间的信息优先传播机制	NA	阐明决策过程中多脑区皮层表征如何遵循信息瓶颈原则进行分布式计算	恒河猴的背外侧前额叶皮层和背侧运动前区皮层中的单个神经元与多单元活动	机器学习	NA	多脑区循环神经网络	循环神经网络	神经电生理数据	恒河猴实验中的神经元记录数据	PyTorch	多脑区循环神经网络	NA	NA
340	2026-05-12	Spike rate inference from mouse spinal cord calcium imaging data 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603957 PMID:39829770	研究论文	利用监督深度学习与非监督反卷积算法，从小鼠脊髓钙成像数据中推断神经元放电率，并通过真实数据验证和优化模型	首次评估现有尖峰推断算法在脊髓神经元上的适用性，并通过重新训练CASCADE模型显著提升性能，展示了算法在不同神经系统区域间的泛化能力	未提及算法在更广泛脑区或病理条件下的泛化性，且真实数据仅来自小鼠脊髓背角特定细胞类型	验证并优化从脊髓钙成像数据推断神经元放电率的算法，为其在脊髓研究中的可靠应用提供基础	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	CNN（CASCADE）和OASIS	钙成像信号和电生理记录的真实数据	包含谷氨酸能和GABA能神经元的小鼠脊髓背角样本	CASCADE（基于TensorFlow/PyTorch）和OASIS	CASCADE（深度学习模型）和OASIS（非负反卷积）	准确性和泛化性能（具体指标未明确提及，但基于推断准确性评估）	NA