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	2026-03-06	Addressing myocardial infarction in South-Asian populations: risk factors and machine learning approaches 2025-Feb-03, NPJ cardiovascular health DOI:10.1038/s44325-024-00040-8 PMID:41776250	综述	本文探讨了南亚人群心肌梗死的风险因素，并强调了机器学习和深度学习在提升诊断与预测准确性方面的潜在作用	结合南亚人群特有的心血管风险因素，利用机器学习和深度学习模型（如CNN和Transformer）分析临床特征、心电图和心脏生物标志物等多模态数据，以改进传统风险评估工具	缺乏高质量数据集，且临床应用面临挑战	提升南亚人群心肌梗死的风险预测、诊断和管理水平	南亚人群的心肌梗死风险因素	机器学习	心血管疾病	NA	CNN, Transformer	临床特征、心电图、心脏生物标志物等多模态数据	NA	NA	卷积神经网络, Transformer	NA	NA
402	2026-03-06	From video to vital signs: a new method for contactless multichannel seismocardiography 2025-Jan-10, NPJ cardiovascular health DOI:10.1038/s44325-024-00034-6 PMID:41775984	研究论文	本研究提出了一种利用智能手机视频进行非接触式多通道心震图测量的创新方法	首次利用标准智能手机视频从多个胸部位置捕获心震图信号，结合计算机视觉和深度学习技术提升信号分辨率	研究仅在14名健康参与者中进行测试，样本量较小，且未在患者群体中验证	开发一种成本效益高、易于普及的心脏监测工具	健康参与者的胸部振动信号	计算机视觉	心血管疾病	心震图	深度学习	视频	14名健康参与者的28个胸部视频	NA	NA	均方误差, 心率估计偏差, 相关系数	NA
403	2026-03-06	Dual-hybrid intrusion detection system to detect False Data Injection in smart grids 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316536 PMID:39869576	研究论文	本文提出了一种用于智能电网中检测虚假数据注入攻击的新型双混合入侵检测系统	提出了一种结合粒子群优化和灰狼优化进行混合特征选择，并集成CNN和LSTM网络的混合深度学习分类器的新型入侵检测系统框架	研究基于模拟数据集，未来需集成真实世界智能电网数据进行验证，并需解决大规模部署中的实时处理和可扩展性挑战	增强智能电网中入侵检测系统检测虚假数据注入攻击的准确性和鲁棒性	智能电网中的虚假数据注入攻击	机器学习	NA	NA	CNN, LSTM	工业控制系统网络攻击数据集（电力系统数据集）	NA	NA	CNN, LSTM	准确率, 召回率, 精确率, F值	NA
404	2026-03-06	A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1498832 PMID:40485725	研究论文	本研究利用深度学习U-Net模型自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割	首次在骨髓纤维化患者的骨盆定量脂肪MRI中应用并比较了四种U-Net模型（包括2D和3D注意力U-Net）进行骨髓自动化分割	研究仅基于58名患者的数据集，样本量相对较小；且仅评估了U-Net系列模型，未与其他先进分割架构对比	自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割	骨髓纤维化患者的骨盆MRI图像，重点关注股骨近端和髂后骨的骨髓区域	数字病理学	骨髓纤维化	定量脂肪MRI	CNN	图像	58名骨髓纤维化患者的容积图像	NA	U-Net, 2D U-Net, 2D attention U-Net, 3D U-Net, 3D attention U-Net	平均Jaccard指数, 平均体积误差, 平均Hausdorff距离, 平均体积交集比	NA
405	2026-03-06	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	综述	本文是一篇关于深度学习在强迫症研究中应用的叙述性综述，总结了10项相关研究的主要发现	系统性地综述了深度学习在强迫症诊断、症状分类和治疗反应预测中的应用潜力，并指出了利用被动收集数据（如可穿戴设备）进行早期检测和持续症状追踪的新兴机遇	当前模型受限于小样本量、缺乏治疗预测的比较研究，以及对早期反应检测或可扩展监测解决方案的关注不足	评估深度学习在解决强迫症诊断和治疗挑战方面的应用现状与前景	强迫症患者	机器学习	强迫症	NA	深度学习	神经影像数据, EEG数据, 临床数据	NA	NA	NA	准确率	NA
406	2026-03-06	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.98 PMID:40937159	研究论文	本文开发了一种名为EPISeg的深度学习模型，用于自动分割脊髓梯度回波平面成像数据，并公开了一个多中心数据集	提出首个针对梯度回波平面成像数据的自动脊髓分割深度学习模型，并公开了多中心标注数据集	未明确说明模型在极端运动伪影或严重信号丢失情况下的性能限制	开发自动化工具以改进脊髓功能磁共振成像数据的预处理流程	脊髓梯度回波平面成像数据	数字病理学	NA	功能磁共振成像，梯度回波平面成像	深度学习模型	医学影像	多中心数据集（具体数量未明确）	NA	EPISeg	分割质量	NA
407	2026-03-06	Tokenization and deep learning architectures in genomics: A comprehensive review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.07.038 PMID:40821715	综述	本文全面回顾了基因组学中标记化技术和深度学习架构的应用与挑战	系统梳理了基因组学中标记化技术与深度学习架构的现状，并指出当前标记化方法在捕捉DNA序列基序方面的不足，强调未来模型需整合更具生物学相关性的标记化技术	未提出新的具体模型或技术，主要基于现有文献进行总结，缺乏实证研究验证	综述基因组学领域深度学习架构与标记化技术的研究进展，探讨其应用与改进方向	基因组学中的DNA序列数据及相关计算任务（如抗菌素耐药性预测、基因注释）	自然语言处理, 机器学习	NA	DNA测序技术	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
408	2026-03-06	Bridging the clinical gap: Confidence informed IDH prediction in brain gliomas using MRI and deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf142 PMID:40842645	研究论文	本文提出了一种结合体素分割网络与贝叶斯逻辑回归的深度学习框架，用于基于MRI图像无创预测脑胶质瘤的IDH突变状态并提供置信度评分	首次将体素级分割网络(MC-net)与贝叶斯逻辑回归(BLR)相结合，为IDH状态预测提供置信度评分，解决了深度学习模型临床转化中的可靠性评估难题	研究依赖于多中心数据但未提及外部验证集的独立性能，模型在罕见亚型或非典型病例中的表现尚未验证	开发一种能够提供预测置信度的非侵入性方法，用于脑胶质瘤IDH突变状态的准确预测，以辅助临床决策	脑胶质瘤患者	数字病理学	脑胶质瘤	MRI成像	深度学习, 贝叶斯模型	医学影像(MRI)	来自8个机构的2,481例胶质瘤病例	未明确说明	MC-net, 贝叶斯逻辑回归(BLR)	分类准确率, AUC, Brier分数	NA
409	2026-03-06	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，以早期检测阿尔茨海默病及相关痴呆症	结合特征工程机器学习和端到端深度学习（包含大型语言模型）进行语音分析，用于认知障碍检测和亚型区分	样本量相对较小（188名参与者），且研究聚焦于早期发病群体，可能限制泛化性	通过语音分析实现认知障碍的早期检测，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	早发性阿尔茨海默病患者、早发性非阿尔茨海默病认知障碍患者及认知未受损对照者	自然语言处理	阿尔茨海默病	数字语音录音分析	机器学习, 深度学习	语音	188名参与者（120名患者，68名对照）	NA	大型语言模型	AUC	NA
410	2026-03-06	Analysis of genetic polymorphisms in sudden sensorineural hearing loss and artificial intelligence-supported individualized precision therapy 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1643435 PMID:41783579	研究论文	本研究通过分析突发性感官神经性听力损失患者的遗传多态性，并构建人工智能模型，探索了个体化精准治疗策略	结合遗传多态性分析与深度学习CNN模型，为SSNHL提供个体化治疗预测，并比较了不同治疗方法的疗效	样本量相对有限（总样本300例），且仅基于特定遗传位点进行分析，可能未涵盖所有影响因素	识别影响SSNHL治疗效果的关键因素，并开发个体化精准治疗预测模型	200例SSNHL患者（内部数据集）和100例独立外部验证病例	机器学习	突发性感官神经性听力损失	血液检测遗传多态性分析	CNN, 随机森林, 支持向量机, 多因素逻辑回归	临床数据、遗传数据	300例（200例内部数据集 + 100例外部验证集）	NA	卷积神经网络	敏感性, 特异性, 准确率	NA
411	2026-03-05	Hybrid deep learning model for autism spectrum disorder diagnosis 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28819-4 PMID:41462499	研究论文	本文提出了一种用于儿童自闭症谱系障碍诊断的混合深度学习模型，并在面部图像数据集上进行了性能评估	提出并比较了多种混合深度学习模型（如MobileNetV2+GRU），其中MobileNetV2+GRU模型在测试集上表现出最优性能	研究仅基于Kaggle的面部图像数据集，未涉及其他多模态数据（如fMRI、游戏评估、运动特征等），且未说明模型的临床验证情况	开发一种客观、高效的深度学习模型，用于儿童自闭症谱系障碍的早期诊断	自闭症谱系障碍儿童的面部图像数据	计算机视觉	自闭症谱系障碍	深度学习	CNN, LSTM, GRU	图像	来自Kaggle仓库的面部图像数据集（具体数量未说明）	NA	MobileNetV2, BiLSTM, ResNet50, LSTM, EfficientNetB4, InceptionV3, GRU	准确率, 精确率, F1分数, ROC值	NA
412	2026-03-05	A Pre-Trained Model Customization Framework for Accelerated PET/MR Segmentation of Abdominal Fat in Obstructive Sleep Apnea 2025-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243243 PMID:41464242	研究论文	本研究验证了一种基于预训练网络的定制化框架，用于开发自动化内脏和皮下脂肪组织分割模型，利用阻塞性睡眠呼吸暂停患者的PET/MRI混合数据进行腹部脂肪量化	提出了一个可扩展的定制化框架，结合预训练的UNet-ResNet50模型和闭环训练系统，首次在PET/MRI混合成像中实现腹部脂肪的自动分割，同时支持体积和代谢分析	模型在轮廓/边界描绘方面的Dice相似系数较低（0.43和0.54），可能影响分割精度；样本量相对有限，仅基于OSA患者数据	开发一个自动化框架，用于加速PET/MRI中腹部脂肪的分割，以支持阻塞性睡眠呼吸暂停及相关慢性疾病的研究	阻塞性睡眠呼吸暂停患者的腹部内脏脂肪组织和皮下脂肪组织	数字病理学	阻塞性睡眠呼吸暂停	混合正电子发射断层扫描/磁共振成像	CNN	图像	59、157和328个带标注的扫描用于迭代训练，10个独立测试案例（每个扫描80-100个MR切片）	Discovery Viewer平台	UNet-ResNet50	Dice相似系数, 分割时间, 组内相关系数, Bland-Altman分析	NA
413	2026-03-05	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	本文提出了一种多模态特征学习工作流，用于预测治疗性抗体的粘度	整合了序列、结构、理化性质及语言模型嵌入等多种数据源，使模型能从分子模拟的理化规则和预训练深度学习模型捕获的蛋白质进化模式中学习	NA	预测抗体粘度以支持早期治疗性抗体开发	治疗性抗体	机器学习	NA	多模态特征学习，分子模拟，语言模型嵌入	深度学习模型	序列，结构，理化性质，嵌入向量	NA	NA	NA	NA	NA
414	2026-03-05	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2025-Nov-04, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	本文开发了一个基于深度学习的网络平台TraceOrg，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	结合了U-Net和Transformer元素的3D混合模型，实现了高精度的自动分割，并作为一个基于网络的公开工具提供，支持多种MRI协议	外部验证数据集中样本量相对有限，且模型在肝脏囊肿分割上的Dice分数略低	开发一个自动、准确且可重复的测量工具，以辅助常染色体显性多囊肾病的诊断、分类和管理	常染色体显性多囊肾病患者及非患者的MRI和CT扫描图像	数字病理学	常染色体显性多囊肾病	磁共振成像, 计算机断层扫描	深度学习	图像	720名参与者（包括611名ADPKD患者和109名非患者），用于内部和外部验证的额外MRI数据集	未明确指定	U-Net, Transformer	Dice分数, 平均绝对百分比差异	基于网络的平台，具体计算资源未明确说明
415	2026-03-05	Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333844 PMID:40894134	研究论文	本研究通过整合影像学衍生的临床内型、血浆蛋白质组学和外源多基因风险评分，开发了冠状动脉微血管疾病的风险预测模型	首次应用影像学内型分型，并结合遗传和蛋白质组学数据进行CMVD风险预测，提出了一种用于复杂疾病的多模态建模框架	CMVD的大规模全基因组关联研究缺乏，限制了多基因风险评分模型的开发	增强冠状动脉微血管疾病的风险预测能力	冠状动脉微血管疾病患者	机器学习	心血管疾病	全基因组关联研究，血浆蛋白质组学，灌注PET成像	机器学习，深度学习	影像数据，蛋白质组学数据，遗传数据	NA	NA	NA	AUROC	NA
416	2026-03-05	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2025-Aug-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.14.670178 PMID:40894597	研究论文	本文提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从未吸烟者肺腺癌的H&E染色全切片图像中同时预测16种分子改变	首次将深度学习模型专门应用于从未吸烟者的肺腺癌，这是一种分子和组织学上独特的肺癌亚型，并针对该亚型优化了网络架构，实现了从单张WSI同时预测多种分子特征	模型对肿瘤突变负荷、APOBEC突变特征及某些KRAS热点突变的预测性能较低至中等	开发一种深度学习模型，用于从未吸烟者肺腺癌的组织学图像中推断分子特征，以支持分子检测的分流和精准治疗策略	从未吸烟者的肺腺癌患者的H&E染色全切片图像	数字病理学	肺癌	H&E染色	CNN	图像	495张全切片图像	NA	ResNet50	AUROC	NA
417	2026-03-05	Using deep learning to predict postoperative pain in reverse shoulder arthroplasty patients 2025-May, JSES international DOI:10.1016/j.jseint.2024.11.020 PMID:40486767	研究论文	本研究开发了一个深度学习算法，用于预测反向全肩关节置换术后的疼痛情况	首次应用人工神经网络预测反向全肩关节置换术后疼痛，并利用SHAP分析识别关键预测因素	模型准确率仅为63%，需要进一步优化，如纳入更多预测参数和尝试其他机器学习算法	开发预测反向全肩关节置换术后疼痛的深度学习模型，以优化手术指征和患者期望管理	反向全肩关节置换术患者	机器学习	骨科疾病	人工神经网络	人工神经网络	临床数据	1707名患者（疼痛组705人，无疼痛组1002人）	NA	人工神经网络	准确率, 精确率, 召回率, F1分数	NA
418	2026-03-05	Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review 2025-04, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2024.12.004 PMID:40087072	系统综述	本系统综述评估了人工智能在利用磁共振成像识别颞下颌关节盘位置中的应用	首次系统性地总结了AI在颞下颌关节紊乱症MRI检测中的应用，并比较了不同深度学习与机器学习算法的性能	纳入研究数量有限（7项），存在设计标准化不足和报告不一致的问题，其中一项研究存在高偏倚风险	评估人工智能在基于磁共振成像的颞下颌关节盘位置检测中的有效性和应用	正常个体或颞下颌关节紊乱症患者的颞下颌关节磁共振成像数据	医学影像分析	颞下颌关节紊乱症	磁共振成像	深度学习, 机器学习	图像	NA	NA	MobileNetV2, ResNet	灵敏度, 特异性, 准确率	NA
419	2025-02-19	Deep learning: Cracking the metabolic code 2025-Mar-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001220 PMID:39960202	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
420	2026-03-05	Enhancing nnUNetv2 Training with Autoencoder Architecture for Improved Medical Image Segmentation 2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings DOI:10.1007/978-3-031-83274-1_17 PMID:40337098	研究论文	本研究提出了一种基于nnUNetv2框架并融合自编码器架构的新型深度学习模型，用于头颈癌MRI引导放疗图像中的肿瘤体积自动分割	在nnUNetv2框架中引入自编码器架构，将原始训练图像作为额外输入通道，并采用MSE损失函数以提升分割精度	研究仅基于头颈癌患者的特定数据集（150例训练，50例测试），模型在其他癌症类型或影像模态上的泛化能力未经验证	提升头颈癌MRI引导放疗图像中肿瘤体积自动分割的精度	头颈癌患者的MRI引导放疗图像	数字病理	头颈癌	MRI引导放疗	CNN	图像	150例头颈癌患者用于训练，50例用于测试	nnUNetv2	nnUNet, 自编码器	Dice相似系数	NA