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
401	2026-06-04	The Rich and the Simple: On the Implicit Bias of Adam and SGD 2025-Dec, Advances in neural information processing systems PMID:42232482	研究论文	探讨Adam和SGD在训练神经网络时的隐含偏差差异，Adam对简单性偏差更具抵抗力	首次证明Adam相比SGD能学习更丰富复杂的特征，产生非线性决策边界，在分布偏移下表现更好	NA	研究Adam与SGD在深层学习中的隐含偏差差异	两层ReLU神经网络	机器学习	NA	NA	两层ReLU神经网络	高斯数据	NA	NA	两层ReLU网络	测试准确率	NA
402	2026-06-04	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	提出一种基于图注意力网络的模型ATOMIC，利用人类肠道微生物组预测特应性皮炎	首次将图注意力网络与微生物共表达网络结合，整合微生物基因组信息作为节点特征，增强了捕捉功能相关微生物模式的能力，并提供了可解释的注意力机制	研究样本量较小（99个样本），且仅聚焦于特应性皮炎，可能限制模型的泛化能力	开发可解释的深度学习模型，利用肠道微生物组预测特应性皮炎，并识别潜在生物标志物	特应性皮炎患者与健康对照的肠道微生物组样本	机器学习	特应性皮炎	NA	图注意力网络 (GAT)	肠道微生物组丰度数据	99个成年患者与健康对照的肠道微生物组样本	PyTorch	图注意力网络	AUROC, AUPRC	NA
403	2026-06-04	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	综合评述人工智能在精准医疗中推动范式转变的关键应用领域、新兴趋势和未来方向	全面分析AI如何重塑从传统诊疗向个性化健康管理生态的转变，并探讨共生AI等未来框架	证据基础不均衡、模型泛化性不足，以及数据隐私、算法公平性和可解释性等伦理问题	阐明AI驱动精准医疗转变的核心作用及未来发展方向	AI技术在精准医疗全价值链中的创新应用	机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	多模态数据	NA	NA	NA	NA	NA
404	2026-06-04	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	research paper	开发基于深度学习的多模态框架，整合MRI、临床和实验室数据，预测肝外胆管癌患者PD-L1和VEGF表达并进行预后分析	首次将深度学习特征、影像组学特征和临床-实验室特征通过重复注意机制整合，实现对肝外胆管癌免疫和血管生成生物标志物的无创预测	回顾性研究设计，样本量有限（96例），模型对PD-L1表达的预测性能中等（AUC=0.71），可能影响泛化能力	开发非侵入性方法预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	肝外胆管癌（eCCA）患者	digital pathology	extrahepatic cholangiocarcinoma	MRI成像	CNN	图像	96例患者的16050张原始MRI图像（11505张T1WI，2371张T2WI，2372张DWI）和1570张含肿瘤图像（990张T1WI，289张T2WI，291张DWI）	PyTorch	重复注意机制	AUC	NA
405	2026-06-03	C2FAU-Net: A Deep Learning Approach with Multi-scale Strategy for Automated Delineation of Organs-at-risk in Cervical Cancer High-dose Rate Brachytherapy 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_65_25 PMID:41939154	研究论文	提出一种基于多尺度策略的深度学习模型C2FAU-Net，用于宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画	采用粗到细的注释策略与变形数据增强，结合三维注意力U-Net架构，显著降低了手动勾画时间，同时保持与手动勾画相当的剂量学参数	未提及具体限制	提高宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画效率与临床适用性	宫颈癌患者盆腔高危器官（膀胱、直肠、乙状结肠）	计算机视觉	宫颈癌	高剂量率近距离治疗	三维注意力U-Net	医学图像	100例宫颈癌患者（80例训练，10例验证，10例测试）	NA	C2FAU-Net（基于三维注意力U-Net）	体积Dice相似系数（DSC）、第95百分位数豪斯多夫距离（HD95）、平均对称表面距离（ASSD）、精确率、召回率	NA
406	2026-06-03	Overview of Deep Learning Algorithms and Optimizers for Brain Tumor Segmentation 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_12_25 PMID:41939149	综述	分析用于脑肿瘤分割的不同深度学习架构及优化器的性能	全面比较不同深度学习架构与优化器的组合效果，并总结各方法在脑肿瘤分割中的表现	计算复杂度高、数据集不平衡、跨临床场景泛化能力不足	综述深度学习算法及优化器在脑肿瘤分割中的应用现状与挑战	脑肿瘤分割任务中的深度学习模型与优化方法	计算机视觉	脑肿瘤	NA	卷积神经网络	医学图像	NA	NA	卷积神经网络	Dice系数, 精确率, 准确率, 平均交并比	NA
407	2026-06-03	Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1690082 PMID:41939693	研究论文	提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析	提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断	常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性	开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性	视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损）	计算机视觉，自然语言处理	神经眼科疾病	OCT血管成像，MRI	NeuroGraphPath	图像	NA	NA	NeuroGraphPath	病变定位性能、不确定性感知推理、可解释性	NA
408	2026-06-02	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-12-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	提出一种名为sDCFE的新型统计特征选择方法，用于通过多组学整合进行生物标志物发现和癌症分类	通过扩展Fisher-like方差分析，加入中位数绝对偏差正则化项和聚类分离组件，增强鲁棒性和可解释性；结合XGBoost、sDCFE与深度学习的混合模型实现近乎完美的泛癌分类	未提及具体局限性	开发稳定且可解释的特征选择方法，实现跨癌症类型和阶段的准确分类，支持早期诊断和风险分层	TCGA和PCAWG数据集中的泛癌样本，以及肺鳞状细胞癌（LUSC）分期数据	机器学习	泛癌, 肺鳞状细胞癌	RNA-seq, 甲基化测序	CNN, XGBoost, logistic回归	基因组数据, 表观基因组数据	TCGA和PCAWG数据集（具体数量未提及），LUSC分期数据	NA	CNN	准确率, MCC, AUC	NA
409	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
410	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
411	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
412	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
413	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
414	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
415	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
416	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
417	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
418	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）
419	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
420	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