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
21	2026-06-02	Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective 2025-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70317 PMID:41164900	综述	系统总结了传统和新型鸡蛋新鲜度检测技术，重点探讨对壳蛋和液蛋的适用性，并提出了未来研究方向	首次全面对比了传统技术（如哈夫单位、烛光法）与新型技术（如拉曼光谱、电化学-化学计量检测）在壳蛋和液蛋新鲜度检测中的适用性，强调了无损检测和自动化潜力，并指出建立液蛋全球标准的必要性	未对各类检测技术进行定量比较，缺乏实际应用场景下的成本效益分析，且对液蛋检测的标准制定路径探索不够深入	系统梳理鸡蛋新鲜度检测技术，评估其原理、准确性、成本、模型、持续时间和样品完整性，为建立液蛋新鲜度全球标准提供参考	壳蛋和液蛋的新鲜度检测技术	机器学习	NA	高光谱成像、介电谱、拉曼光谱、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像	深度学习、机器学习、堆叠集成策略	图像、光谱数据、电化学数据	NA	NA	NA	准确率	NA
22	2026-06-02	Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study 2025-Oct, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.07.084 PMID:40902262	研究论文	利用深度学习分割胎盘绒毛膜绒毛组织，分析绒毛特征与母婴特征之间的关联	首次大规模应用深度学习分割技术，自动检测超过900万个胎盘绒毛膜绒毛，并通过无监督聚类识别出与已知分类一致的绒毛亚型	研究样本仅来自单一出生队列，可能限制结果的普适性；未涉及其他妊娠并发症或胎盘病理状态	量化胎盘绒毛膜绒毛的组织学特征，并探究其与分娩孕周、母亲年龄和婴儿性别的关联	1531张足月胎盘全切片图像中的胎盘绒毛膜绒毛	数字病理学	NA	全切片成像	深度学习分割模型	图像	1531张足月胎盘全切片图像	NA	NA	统计显著性 p 值	NA
23	2026-06-02	Early Prediction and Risk Analysis Using Hybrid Deep Learning Techniques in Multimodal Biomedical Image 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23001 PMID:41015781	研究论文	提出一种混合深度学习框架，整合多模态医学图像以提升早期癌症预测能力	将ORB手工特征提取与InceptionV4深度学习特征提取相结合，并采用稀疏逻辑回归与MS-GWNN分类器进行多模态图像融合与肿瘤恶性程度预测	未来工作需探索更多成像模态集成、临床实时应用及融合策略优化，同时可引入可解释AI提升模型可解释性	开发高效模型处理多样化医学图像，提取有意义特征并准确分类癌变区域	多模态医学图像（如MRI和CT扫描）中的癌变区域	计算机视觉	癌症	MR成像, CT成像	混合深度学习模型（InceptionV4, 稀疏逻辑回归, MS-GWNN）	图像	TCIA数据集	NA	InceptionV4, ORB, 稀疏逻辑回归, MS-GWNN	准确率, 灵敏度, 特异度	NA
24	2026-06-02	E2E-TM: Dual-Way Feature Extraction and End-to-End Transformer Based Parkinson's Disease Diagnosis Using Integrated MR Imaging and Electroencephalogram Signals 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23002 PMID:41015780	研究论文	提出一种基于双路特征提取和端到端Transformer的帕金森病诊断方法，整合磁共振成像和脑电图信号	提出E2E-TM端到端Transformer模块，集成多尺度主干卷积、双路主干卷积和双并行注意力网络，实现MRI和EEG数据的协同特征提取与诊断分类	未提及在多样化临床数据集上的泛化能力验证及与真实世界诊断环境的对比评估	开发高精度帕金森病早期诊断模型，克服传统机器学习方法的数据代表性和过拟合问题	帕金森病患者的磁共振成像和脑电图数据	机器学习	帕金森病	MRI, EEG	Transformer, 卷积神经网络	图像, 信号	NA	NA	E2E-TM, Multi-TC, DW-TC, DPANet, Super U-Net	诊断性能（分类准确率等对比指标）	NA
25	2026-06-02	Real-Time Classification for EEG Data in Children With ASD Using Deep Learning Techniques 2025-10, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.23009 PMID:41116645	研究论文	开发并验证了一种基于深度学习的框架，用于自闭症谱系障碍儿童脑电图数据的实时分类	提出了一种混合卷积神经网络-长短期记忆网络框架，能够同时提取脑电图信号的空间和时间特征，实现对儿童自闭症谱系障碍脑电图数据的实时分类	混合模型的准确率（87.5%）略低于基线ResNet模型（89.1%）	提高自闭症谱系障碍儿童脑电图诊断的准确性并实现及时干预	60名儿童（30名自闭症谱系障碍患者和30名典型发育儿童）的脑电图记录	机器学习	自闭症谱系障碍	脑电图	混合卷积神经网络-长短期记忆网络	脑电图信号	60名儿童	MATLAB	卷积神经网络-长短期记忆网络, ResNet	准确率, 精确率, 召回率, F1分数	NA
26	2026-06-02	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-09, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发和验证基于腕戴式加速度计和深度学习的算法，用于自动检测全面性或双侧强直阵挛性发作，并集成到商用智能手表中	采用基于分位数聚合的可调灵敏度集成的卷积神经网络架构，实现高检测性能与可调灵敏度	错过了两次发作，其中一次因佩戴传感器的患者手臂被床栏杆卡住而未能检测到	自动检测全面性惊厥性发作	全面性或双侧强直阵挛性发作患者	机器学习	癫痫	三维加速度计	卷积神经网络	加速度数据	384名患者（训练集37人含54次发作，独立测试集347人含49次发作）	NA	集成卷积神经网络（Episave）	灵敏度、误报率、检测潜伏期	NA
27	2026-06-02	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	综述了基于图像的细胞表型分析的计算领域进展，包括深度学习方法、单细胞分析和批次效应校正等	聚焦于图像分析技术的计算演化而非生物学应用，为研究人员提供了应对进展与挑战的路线图	未深入讨论广泛生物学应用中的具体挑战	为研究人员提供基于图像表型分析领域的进展与挑战的路线图	基于图像的细胞表型分析技术	计算机视觉	NA	显微镜成像	深度学习	图像	NA	NA	NA	NA	NA
28	2026-06-02	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	结合复值表示和Kuramoto同步动力学，提升深度神经网络在视觉分类中的对象绑定能力	首次将神经同步假设与复值神经网络结合，通过Kuramoto动力学促进特征相位对齐，实现多对象场景的鲁棒编码	NA	探究基于同步的机制如何增强人工模型在视觉分类任务中的对象编码能力	手写数字重叠、噪声输入及分布外变换的多对象图像数据	计算机视觉	NA	NA	前馈神经网络、循环神经网络	图像	NA	NA	前馈模型、带有反馈连接的循环模型	准确率、鲁棒性、泛化能力	NA
29	2026-06-02	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	开发了mamp-ml，一个基于深度学习的机器学习框架，用于预测植物受体-配体相互作用及免疫原性结果	利用大规模蛋白质语言模型ESM-2结合已有功能数据，实现了无需实验结构即可高精度预测植物免疫原性，并支持LRR受体-配体组合的高通量筛选	在独立测试集上预测准确率为73%，可能存在局限性，且未提供模型在其他植物或配体类型上的泛化能力评估	开发一种计算框架，用于预测植物受体-配体免疫原性，克服实验验证的瓶颈	植物LRR受体与配体的相互作用及其免疫原性结果	机器学习	NA	蛋白质语言模型（ESM-2）	深度学习模型（ESM-2为基础）	序列数据（受体和配体序列）	利用过去二十多年基础研究的现有功能数据	NA	ESM-2	准确率	NA
30	2026-06-02	An Efficient Deep Learning Framework for Automated Epileptic Seizure Detection: Toward Scalable and Clinically Applicable Solutions 2025-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22983 PMID:40620110	研究论文	提出一种基于图卷积神经网络的癫痫发作检测框架，高效编码脑电图电极空间依赖关系	利用图卷积神经网络显式编码脑电图电极间的空间依赖关系，捕获更全面的时空特征	未提及框架对噪声或伪影的鲁棒性，且仅测试了两类数据库，泛化性需进一步验证	开发高效、可扩展的癫痫发作自动检测方法，面向临床应用	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	图卷积神经网络	脑电图信号	CHB-MIT数据库（多通道脑电图）和内部SH-SDU数据库	NA	图卷积神经网络	准确率、灵敏度、特异性、事件级灵敏度、假阳性率	NA（平均每1小时多通道脑电图测试时间3.89秒）
31	2026-06-02	Robust Brain Tumor Detection and Classification From Multichannel MRI Using Deep Learning 2025-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.22991 PMID:40686315	研究论文	提出一种利用深度学习从多通道MRI中检测和分类脑肿瘤的稳健方法	将双边界敏感变换（DBST）算法用于肿瘤边缘精确检测，结合尺度不变特征变换（SIFT）方法提供稳健特征，并采用DarkNet53和DenseNet201深度学习模型增强分类性能	未来需探索更先进的深度学习架构，整合更多模态，进一步提高检测和分类的准确性与稳健性	开发基于计算机视觉和深度学习的脑肿瘤检测与分类稳健方法，克服传统方法的局限性	多通道MRI图像中的脑肿瘤	计算机视觉, 数字病理学	脑肿瘤	MRI	DarkNet53, DenseNet201	图像（多通道MRI）	公开可用的多通道MRI大数据集	MATLAB	DarkNet53, DenseNet201	特异性, 灵敏度	NA
32	2026-06-02	IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification 2025-02, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108277 PMID:39586227	研究论文	提出一种基于物联网和分数阶粪甲虫优化深度学习方法的乳腺组织病理图像癌症分类系统	将分数阶粪甲虫优化算法（FDBO）结合SqueezeNet进行乳腺组织病理图像分类，并利用FDBO实现物联网路由优化	文中未明确讨论局限性	提高基于组织病理图像的乳腺癌症分类准确率，构建高效的物联网医疗系统	乳腺组织病理图像数据集	计算机视觉	乳腺癌	组织病理学成像	深度学习（SqueezeNet、LadderNet）	图像	NA	NA	SqueezeNet、LadderNet	准确率、敏感度、特异度、阴性预测值、阳性预测值	NA
33	2026-06-02	Challenges and applications of artificial intelligence in infectious diseases and antimicrobial resistance 2025-Jan-07, npj antimicrobials and resistance DOI:10.1038/s44259-024-00068-x PMID:39843587	综述	本文综述了人工智能在传染病和抗菌药物耐药性领域的应用，包括诊断、治疗和药物发现	系统总结了AI在传染病控制中的当前应用及其潜在优势和创新点	未明确讨论AI在实际临床部署中的障碍和算法偏差问题	探讨人工智能在传染病诊断、治疗和药物发现中的挑战与应用	传染病和抗菌药物耐药性的诊断、治疗及药物发现过程	机器学习	传染病	NA	CNN, LSTM	图像、文本	NA	NA	NA	NA	NA
34	2026-06-01	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-12-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本研究探讨了基于LoRA的方法在U-Net上对动脉瘤性蛛网膜下腔血肿分割进行迁移学习，比较了多种参数高效微调策略，并开发了新型CP-LoRA和DoRA变体方法	首次将LoRA方法应用于U-Net的动脉瘤性蛛网膜下腔血肿分割迁移学习，提出了基于张量CP分解的CP-LoRA方法以及将权重矩阵分解为幅度和方向分量的DoRA变体，证明过参数化（高秩）优于严格低秩适应	样本量较小（30例动脉瘤性SAH患者），使用3折交叉验证；对体积较小的血肿分割精度较低（Dice 0.107-0.361）；研究仅针对单一机构的数据集	探索迁移学习从创伤性脑损伤血肿到动脉瘤性蛛网膜下腔血肿分割的可行性，并评估LoRA方法相比传统微调策略的性能优势	动脉瘤性蛛网膜下腔血肿的CT扫描分割	数字病理学, 计算机视觉	脑血管疾病	CT扫描	U-Net, LoRA, DoRA	图像	124例创伤性脑损伤患者（预训练）+ 30例动脉瘤性SAH患者（微调）	PyTorch	U-Net	Dice系数	NA
35	2026-06-01	Deep Transfer Learning Links Benign Glands to Prostate Cancer Progression via Transcriptomics 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf119 PMID:41317378	研究论文	利用深度迁移学习框架DEGAS分析前列腺癌空间转录组数据，识别与癌症进展高度相关的细胞和组织，发现形态学良性腺体中MSMB表达下调与肿瘤侵袭性相关	首次将深度迁移学习应用于空间转录组学分析前列腺癌的区域效应，揭示良性腺体中MSMB下调与免疫微环境改变的关联	NA	利用深度迁移学习分析前列腺癌空间转录组，探索良性组织中的分子变化与癌症进展的关系	前列腺癌空间转录组样本及患者组织样本	机器学习	前列腺癌	空间转录组测序、单细胞转录组测序、免疫组化	深度迁移学习	空间转录组数据、单细胞转录组数据、蛋白表达数据	NA	DEGAS	NA	NA	NA
36	2026-06-01	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-12-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习流程和尺度增强U-Net，用于胸部CT图像中连续气道分割	直接通过端到端渐进式学习解决大小气道分支间的不平衡问题，并在第三阶段引入自适应拓扑响应损失（ATRL）以增强气道连续性	未在本文中明确说明	提高胸部CT图像中气道分割的连续性和准确性	胸部CT图像中的气道结构	计算机视觉	呼吸系统疾病	CT成像	U-Net	图像	ATM'22挑战数据集和内部数据集	NA	Scale-Enhanced U-Net (SE-UNet)	Tree length Detection rate (TD), Branch Detection rate (BD)	NA
37	2026-06-01	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出CerviHFENet框架，基于混合特征提取的深度学习，对颈椎X光片进行多标签分类，识别六种上颈椎异常	首次整合混合特征提取机制，同时提取颈椎解剖特征和不同颈部位置下的骨结构动态变化；采用改进的focal loss函数学习六种异常间的互斥或条件依赖关系	样本量较小，仅249名患者参与；未提及模型在外部数据集上的泛化能力验证	开发深度学习模型，实现上颈椎X光片中多种异常的多标签分类，提高诊断准确性	患者上颈椎X光片（扩展位、中立位、屈曲位三视图）中的六种异常	计算机视觉	颈椎疾病	X光成像	CNN（混合特征提取模型）	图像	249名患者，747张X光图像	PyTorch	自适应ROI检测模块 + 混合特征提取机制（未具体说明基础架构）	AUC, mAP	NA
38	2026-06-01	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	开发并验证一种整合多序列MRI放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴脉管间隙浸润	首次将放射组学特征与深度学习特征结合，构建多模态MRI模型用于术前无创预测子宫内膜癌LVSI，并在多中心数据中验证其优越性能	未在标题和摘要中明确提及局限性	开发并验证基于术前多序列MRI的整合放射组学和深度学习特征的多模态模型，用于预测子宫内膜癌患者的淋巴脉管间隙浸润	892例术后病理确诊的子宫内膜癌患者的多中心回顾性数据	计算机视觉, 数字病理学	子宫内膜癌	MRI多序列成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN, 放射组学	图像（MRI）	892例患者（训练队列378例，内部验证160例，外部验证354例）	PyRadiomics	VGG 11, ResNet 101, DenseNet 121	AUC（受试者工作特征曲线下面积）	NA
39	2026-06-01	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-Dec-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	利用深度学习在双能CT扫描中区分痛风结晶与伪影，提升诊断准确性	首次将深度学习算法应用于DECT中区分绿色编码的痛风石与块状伪影，并采用逐病灶和逐患者分析评估模型性能	未明确提及研究局限性	评估深度学习在DECT扫描中区分痛风石与伪影的诊断准确性	来自47名痛风患者和27名无痛风对照的DECT扫描中的18704个感兴趣区域	机器学习和医学影像	痛风	双能CT	CNN, SVM	图像	47名痛风患者和27名无痛风的对照者，共18704个感兴趣区域	NA	CNN, SVM	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率	NA
40	2026-06-01	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	提出一个基于组织病理学切片的基线AI模型，用于预测消化道癌症的预后和辅助化疗获益	利用超1.3亿张图像块进行自监督学习训练基础模型，并在多国队列中验证其预后预测及辅助化疗获益评估能力	尚需前瞻性验证以确认其临床适用性	开发一种能够从常规H&E染色组织病理学切片中预测消化系统癌症预后及辅助化疗获益的AI基础模型	胃癌和结直肠癌患者（共来自七个队列的4213例患者）	数字病理学	胃癌, 结直肠癌, 食管癌	NA	自监督学习, 深度学习	图像（组织病理学全切片图像）	训练集包括104,876张全切片图像（1.3亿图像块），验证集包括1,619例胃癌/食管癌和2,594例结直肠癌患者	PyTorch	Transformer, ResNet	一致性指数（Concordance index）, 5年生存率	NA