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
521	2026-05-25	A quantitatively interpretable model for Alzheimer's disease prediction using deep counterfactuals 2025-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121077 PMID:39954872	研究论文	提出一种基于深度反事实推理的可定量解释模型用于阿尔茨海默病预测	通过反事实推理生成标记的结构性MRI，并将其转化为灰质密度图以测量区域体积变化，同时设计了轻量线性分类器以提升ROI的定量解释效果	NA	提高深度学习模型在阿尔茨海默病预测中的可解释性，提供定量的医学或神经科学验证	结构性MRI图像中的灰质密度及脑区域变化	医学影像分析	阿尔茨海默病	MRI成像	轻量线性分类器	图像（结构性MRI）	NA	NA	NA	预测性能（具体指标未提及）	NA
522	2026-05-25	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	research paper	利用眼底自身荧光图像通过深度学习模型预测地理萎缩病变的未来生长区域	首次使用两个时间点的眼底自身荧光图像通过U-Net模型预测地理萎缩的1年生长区域，创新点在于多类型模型比较和时间序列信息的利用	观察性研究，样本量相对有限（597名患者），且模型性能在验证集上较低（Dice得分0.68），可能存在过拟合风险	开发深度学习模型预测地理萎缩病变在黄斑区的1年生长区域	地理萎缩患者的眼底自身荧光图像	computer vision	老年性黄斑变性相关地理萎缩	眼底自身荧光成像	U-Net	图像	597名患者的眼部数据集（训练集310、验证集78、测试集209）	NA	U-Net	Dice得分, 决定系数(R2), 平方皮尔逊相关系数(r2)	NA
523	2026-05-25	Dynamic cycles between brain states during creative storytelling 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121053 PMID:39863001	研究论文	通过功能磁共振成像研究，发现创造性故事讲述中两种关键大脑状态之间的动态循环，并利用深度学习方法揭示了自发思维与深思思维交替驱动不同脑状态之间的停留与转换	首次利用深度学习方法揭示创造性思维中自发思维与深思思维的交替交互作用，而非平行或顺序操作，为认知机制提供新的实验证据	样本量较小仅41名大学生，可能限制结果的泛化性；创造性任务的具体性可能无法完全代表所有类型的创造性思维	探索创造性思维中不同心理状态之间的动态转变及其认知神经机制	41名大学生在创造性故事讲述任务中的大脑功能磁共振成像数据	机器学习，数字病理学	NA	功能磁共振成像	深度学习模型	fMRI图像	41名大学生	NA	NA	相关分析性能指标	NA
524	2026-05-25	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	研究论文	提出基于自监督深度学习去噪的高分辨率多延迟动脉自旋标记协议，用于儿童脉络丛灌注MRI	首次在儿童群体中应用高分辨率多延迟ASL协议，并采用基于Transformer的深度学习模型结合k空间加权图像平均参考进行自监督去噪，有效提升了儿童脉络丛灌注成像的信噪比和可重复性	NA	开发和验证适用于儿童的高分辨率多延迟ASL灌注MRI协议，以量化脉络丛灌注	21名8至17岁典型发育儿童	数字病理学	NA	动脉自旋标记（ASL）, MRI	Transformer	图像, MRI数据	21名儿童（8-17岁）	NA	Transformer	信噪比, 偏差, 可重复性	NA
525	2026-05-25	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	提出全面流程训练和比较多种机器学习与深度学习脑年龄预测模型，并利用外部数据库评估其性能	整合多种预处理策略和校正项，构建统计框架评估模型在不同队列中的预测鲁棒性及作为神经退行性疾病生物标志物的潜力	未明确提及局限，但可能依赖特定数据集（如UK Biobank）的成像协议和预处理方法	开发并验证可用于健康个体年龄预测及神经退行性疾病检测的通用脑年龄模型	T1加权MRI扫描图像及提取的图像衍生表型	计算机视觉, 机器学习	痴呆, 神经退行性疾病	MRI	机器学习模型, 深度学习模型	图像	NA (涉及UK Biobank、ADNI和NACC数据库，但未具体说明样本量)	NA	惩罚线性模型	平均绝对误差, AUROC	NA
526	2026-05-25	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	研究论文	提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES	首次使用超高分辨率（0.125 mm）多模态MRI数据，集成深度网络集成模型，结合经典机器学习方法与多图谱分割先验知识，偏离传统U-Net架构开展探索	NA	改进小脑小叶分割的精度和鲁棒性，提供在线分割工具	人脑小脑小叶	计算机视觉	NA	MRI	深度网络集成模型	多模态超高分辨率MRI图像（T1和T2）	NA	NA	非传统U-Net架构，多图谱分割	精度、鲁棒性	NA
527	2026-05-25	DeepReducer: A linear transformer-based model for MEG denoising 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	研究论文	提出一种基于线性变压器的深度学习模型DeepReducer，用于脑磁图数据去噪，减少所需试验次数	首次将线性变压器架构应用于MEG事件相关磁场去噪，通过混合有限试验和多次试验平均的ERFs训练模型，显著提升信噪比并降低源定位误差	未提及	开发一种可靠且高效的MEG数据去噪方法，以减少数据采集所需试验次数，降低参与者负担和伪影	MEG记录中的事件相关磁场信号	机器学习	NA	MEG	线性变压器	脑磁图信号	半合成和实验任务相关的MEG数据	NA	线性变压器	信噪比, 源定位误差	NA
528	2026-05-25	A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography 2025-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121054 PMID:39863005	研究论文	提出一种联合三平面物理约束深度学习多项式拟合法，用于磁共振电特性断层成像，以提升电导率重建精度并减少计算负担	将物理约束的加权多项式拟合与深度学习融合，通过联合优化三个正交平面内的神经网络权重，实现三维数据驱动的电特性重建，显著提升泛化能力且无需大量训练数据	未提及在更大规模或不同病理组织上的验证，也未评估计算资源的需求	改进磁共振电特性断层成像中电导率重建的精度和鲁棒性，同时减少计算开销	模拟异质脑模型和体内人脑组织	数字病理	脑部疾病	磁共振电特性断层成像	卷积神经网络	MRI图像	模拟异质脑模型（具体样本数未提及）及体内人脑数据	NA	三个独立神经网络（具体架构未明确）	电导率估计精度、解剖细节保留度、均匀性	未提及
529	2026-05-25	RetOCTNet: Deep Learning-Based Segmentation of OCT Images Following Retinal Ganglion Cell Injury 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.4 PMID:39903165	研究论文	提出RetOCTNet深度学习工具，用于自动分割视网膜神经纤维层和全视网膜厚度，应用于大鼠视网膜神经节细胞损伤后的OCT图像	首次开发专门针对大鼠视网膜神经节细胞损伤后OCT图像的深度学习分割工具，能同时处理放射状和体积扫描，并在眼压升高和视神经夹伤两种模型上验证	NA	开发自动化分割工具，减少大鼠OCT图像分析时间并提高研究间一致性	大鼠视网膜神经纤维层和全视网膜厚度	计算机视觉	视网膜神经节细胞损伤	OCT	深度学习分割模型	图像	192张OCT扫描图像（80%训练，10%测试，10%验证）	NA	RetOCTNet	F1分数	NA
530	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
531	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
532	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
533	2026-05-24	Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions 2025-Dec-26, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3649164 PMID:41929561	研究论文	针对临床乳腺病变，定量评估深度学习恢复空间变异变形的能力	开发了生成模拟临床乳腺图像的方法，包含复杂病变形状和示踪剂依赖特征，并首次在临床样合成数据上训练和测试深度学习模型	研究基于合成数据，未在真实临床数据上全面验证模型性能，且仅评估了有限示踪剂类型	评估深度学习在双面板PET成像中恢复空间变异变形的效果，改善乳腺病变的可视化和定量分析	双面板乳腺PET扫描仪（B-PET）重建图像中的乳腺病变	数字病理学	乳腺癌	NA	深度学习神经网络	合成图像（模拟临床乳腺图像）	NA	NA	NA	病变对比度指标、图像粗糙度	NA
534	2026-05-24	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	综述	系统评估深度学习模型在MRI肝细胞癌分割中的应用，重点关注模型架构、性能指标和实施挑战	首次系统性地综述深度学习在MRI肝细胞癌分割中的模型、性能及挑战，涵盖多种U-Net变体及Transformer混合模型	数据集规模小（19-602名患者），病灶异质性和MRI协议变异性限制泛化能力；8项研究存在患者选择偏倚高风险	评估深度学习模型在MRI肝细胞癌分割中的性能并识别实施障碍	13项符合标准的同行评审研究，主要使用U-Net及其变体（如nnU-Net、UNet++）	数字病理学	肝细胞癌	MRI	深度学习（CNN、U-Net、Transformer混合模型）	MRI图像	19至602名患者（基于13项研究）	NA	U-Net, nnU-Net, UNet++, Transformer	Dice相似系数	NA
535	2026-05-24	Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study 2025-11-20, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c05780 PMID:41212638	研究论文	比较深度学习模型DeepRMSD+Vina与传统分子动力学模拟在碳纳米管与SARS-CoV-2主蛋白酶对接问题中的性能	首次评估深度学习在纳米结构对接问题中的表现，并发现其与分子动力学模拟结果高度一致，但需注意柔性环区的局部能量势垒	深度学习生成的结构未完全捕捉结合口袋附近柔性环区的结构变化，且其预测的结合构象处于局部能量最小值，需克服能垒才能到达全局最小值	评估深度学习方法在纳米生物系统对接中的性能，为纳米医学材料设计提供新思路	碳纳米管（最代表性纳米材料）与SARS-CoV-2主蛋白酶（Mpro）的对接系统	机器学习	新冠肺炎	深度学习、分子动力学模拟	DeepRMSD+Vina	分子结构数据	NA	NA	DeepRMSD+Vina	NA	NA
536	2026-05-24	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	介绍一种基于深度学习的开源网络OpenSpindleNet，用于可靠检测头皮和颅内脑电图中的睡眠纺锤波	提出双头架构提高检测性能、鲁棒性和易用性，专门针对颅内脑电图独特的信号特征和记录环境进行优化	未明确说明	开发一种精确、自动化的睡眠纺锤波检测方法，以推动脑电图分析在睡眠研究和临床应用中的发展	睡眠纺锤波（scalp和intracranial EEG数据）	数字病理学	睡眠障碍	EEG	深度学习	EEG信号	挑战性iEEG数据集和公开头皮DREAMS数据集	NA	双头架构	F1分数	NA
537	2026-05-24	Dual-Attention BiLSTM for Interpretable Forecasting of Treatment Toxicities 2025-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi67747.2025.11269508 PMID:42170647	研究论文	提出一种双重注意力机制增强的双向长短期记忆网络模型，用于可解释地预测治疗毒性	在BiLSTM中引入项目和时序两个层面的双重注意力机制，选择性强调最具信息量的症状-时间交互，提高预测准确性和临床可解释性	未提及	实现可解释的纵向患者报告结果数据症状轨迹预测，支持肿瘤学个性化及时决策	患者报告结果数据中的症状严重程度	机器学习	肿瘤	NA	注意力增强的双向长短期记忆网络（BiLSTM）	文本（纵向患者报告结果数据）	来自一家大型癌症中心的纵向PRO数据集	PyTorch	BiLSTM，双重注意力机制	预测准确性，可解释性	NA
538	2026-05-24	BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images 2025-Aug-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01882-x PMID:40764388	研究论文	开发了一种名为“BlurryScope”的快速扫描光学显微镜，结合连续图像采集和深度学习，为组织切片的自动检查和分析提供经济高效且紧凑的解决方案	利用运动模糊图像进行深度学习分类，实现了低成本、小巧轻便的扫描显微镜，性能媲美高端商用数字病理扫描仪	未提及具体局限性	实现乳腺癌组织切片中HER2评分的自动分类	免疫组化染色的乳腺组织切片	数字病理学	乳腺癌	免疫组化染色	深度学习	图像	284个独特患者核心样本	NA	NA	准确率	NA
539	2025-06-20	Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging 2025-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61097-2 PMID:40533457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
540	2026-05-24	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本研究提出了一种基于扩散模型的像素超分辨率虚拟染色方法，通过布朗桥过程增强无标记组织的空间分辨率和染色保真度	首次将扩散模型与布朗桥过程结合用于无标记组织像素超分辨率虚拟染色，通过采样技术减少生成图像的方差，实现4-5倍超分辨率因子和16-25倍空间带宽积提升	目前仅在人肺组织样本上验证，算法性能依赖于输入的低分辨率自荧光图像质量，且未在多种组织类型或染色方法上测试	开发一种无需传统化学染色的像素超分辨率虚拟染色方法，提高虚拟染色的分辨率和图像质量，支持临床诊断应用	无标记人肺组织样本的低分辨率自荧光图像	计算机视觉、数字病理学	肺癌	无标记显微镜、扩散模型、布朗桥过程	扩散模型	图像	人肺组织样本（具体数量未提及）	NA	扩散模型（基于布朗桥过程）	分辨率、结构相似性、感知精度	NA