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
561	2026-05-23	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发了一种基于多模态深度学习的AI模型，通过常规组织病理图像和临床病理变量预测乳腺癌复发风险和化疗获益	利用预训练基础模型（基于171,189张组织病理切片），结合临床变量（年龄、肿瘤大小、受体状态）进行多模态分析，无需基因组测试即可预测Oncotype DX复发评分，并在TAILORx试验和六个外部队列中验证其预后价值和化疗获益预测能力	模型依赖于特定临床病理变量和预训练数据分布，可能在极端资源有限或不同人口统计特征的队列中需进一步验证；未详细讨论模型对不同亚型乳腺癌的适用性或潜在的批次效应	开发替代昂贵基因测试的AI工具，用于HR+/HER2-早期乳腺癌的复发风险分层和化疗决策支持	HR+/HER2-早期乳腺癌患者（TAILORx试验及六个独立外部队列）	数字病理学	乳腺癌	组织病理图像分析	多模态深度学习	图像和临床变量	培训（TAILORx试验n=8,284）和验证（外部六个队列n=5,497）	NA	基础模型（预训练于171,189张组织病理切片）	AUC	NA
562	2026-05-23	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-05-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	利用深度学习从苏木精-伊红染色全切片图像中构建病理组学评分，用于胰腺导管腺癌的预后分层	首次提出一种基于深度学习的病理组学评分，整合弱监督学习和多实例学习，从病理图像中自动提取可重复性特征，实现低成本的精准预后预测	由于未在摘要中提及，标记为NA	构建并验证一种基于深度学习的病理组学评分，以提升胰腺导管腺癌的预后预测准确性	864例胰腺导管腺癌患者的苏木精-伊红染色全切片图像及临床数据	数字病理学	胰腺导管腺癌	深度学习、弱监督学习、多实例学习、随机生存森林	NA	病理图像	864例患者的组织切片图像，其中训练组489例、验证组211例、新辅助治疗组164例	NA	NA	AUROC, C-index, 风险比 (HR), P值	NA
563	2026-05-23	Convolutional variational auto-encoder and vision transformer hybrid approach for enhanced early Alzheimer's detection 2025-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.3.034501 PMID:40415866	研究论文	提出一种结合卷积变分自编码器与视觉变压器的混合模型，用于早期阿尔茨海默病的增强检测	首次将卷积变分自编码器的无监督特征提取能力与视觉变压器的多头注意力机制结合，通过CVAE编码阶段捕获MRI关键特征并解码阶段去除无关细节，提升ViT对复杂模式的识别能力	未提及模型的泛化能力验证及在不同数据集上的表现稳定性	实现早期阿尔茨海默病的自动精准诊断，通过改进深度学习模型提高检测速度和准确性	阿尔茨海默病患者的脑部MRI影像	计算机视觉	阿尔茨海默病	MRI扫描	混合模型（CVAE + ViT）	图像（结构MRI）	14000个结构MRI样本，来自ADNI和SCAN数据库	PyTorch	CVAE（卷积变分自编码器）, ViT（视觉变压器）	测试准确率（93.3%）	NA
564	2026-05-23	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	利用深度学习增强的超分辨率四维血流磁共振成像量化颅内狭窄血管的压力降	首次将深度学习增强的超分辨率技术与物理信息虚拟功-能相对压力技术结合，用于无创量化颅内动脉狭窄段的压力降	NA	开发无创方法量化颅内狭窄动脉的跨狭窄压力降，评估功能性狭窄严重程度	颅内动脉狭窄患者及颅内模拟实验	机器学习, 数字病理学	颅内动脉粥样硬化疾病	四维血流磁共振成像, 深度学习增强超分辨率	深度学习模型	磁共振成像数据	颅内动脉粥样硬化疾病患者队列及颅内模拟实验	NA	超分辨率模型	准确度, 偏差, 与参考有创导管测量的一致性	NA
565	2026-05-23	Capsule neural network and adapted golden search optimizer based forest fire and smoke detection 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81742-y PMID:39905031	研究论文	提出一种结合改进胶囊神经网络与自适应黄金搜索优化器的森林火灾和烟雾检测方法	首次将胶囊神经网络与自适应黄金搜索优化器结合用于森林火灾和烟雾检测	未提及模型在真实场景中的部署及实时性评估	提高森林火灾和烟雾检测的准确性和可靠性	森林火灾和烟雾	计算机视觉	NA	深度学习	胶囊神经网络	图像	NA	NA	胶囊神经网络、自适应黄金搜索优化器	准确性、可靠性	NA
566	2026-05-23	Advances in colorectal cancer diagnosis using optimal deep feature fusion approach on biomedical images 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83466-5 PMID:39905104	研究论文	提出一种基于最优深度特征融合方法的结直肠癌诊断新方法，利用生物医学图像实现高精度分类	融合MobileNet、SqueezeNet和SE-ResNet三种深度学习模型进行特征提取，并使用Osprey优化算法进行超参数选择，最终采用深度信念网络进行分类，首次在Warwick-QU数据集上达到99.39%的准确率	仅在一个数据集上进行了验证，未提及模型的泛化能力和在真实临床环境中的表现	开发一种基于深度特征融合的计算机辅助诊断方法，提高结直肠癌病理图像诊断的准确性和一致性	结直肠癌患者的病理组织学图像	数字病理学	结直肠癌	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	生物医学图像（病理组织学图像）	Warwick-QU数据集	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	准确率	NA
567	2026-05-23	ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86819-w PMID:39905156	研究论文	提出了一种名为ThyroNet-X4 Genesis的深度学习模型，用于甲状腺结节的良恶性辅助诊断	在ResNet架构基础上，通过引入分组卷积和更大的卷积核来增强特征提取能力，提升了超声图像分析性能	外部验证集准确率仅为67.02%，表明泛化能力可能有限，且未提及模型在真实临床环境中的鲁棒性评估	开发一种高精度的深度学习模型，用于自动分类甲状腺结节的良恶性，以减少误诊风险	甲状腺结节超声图像中的良性与恶性分类	计算机视觉	甲状腺结节	超声成像	卷积神经网络（CNN）	图像	使用了公开甲状腺超声图像数据集，以及来自汉中市中心医院的外部验证集，具体样本数量未提及	NA	ResNet（改进版，含分组卷积和大核卷积）	准确率	NA
568	2026-05-23	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文提出了一个新的胸部X光片结核病语义分割数据集TB-Portals SIFT，并评估了U-Net和YOLOv8-seg架构的语义分割模型在结核病变分割上的泛化能力	构建了首个可用于结核病变语义分割的大规模数据集TB-Portals SIFT，并系统比较了基于分割的分类方法与传统图像级分类方法的泛化性能	依赖伪标签进行训练，可能引入标注噪声；未在真实临床环境中验证模型效果	通过语义分割实现可解释的结核病分类，并评估分割方法的泛化能力	胸部X光片中的结核病变区域	计算机视觉	结核病	X光成像	CNN	图像	6,328张胸部X光片，包含10,435个伪标注病变实例	PyTorch	U-Net, YOLOv8-seg, DenseNet121	分割精度, 分类准确率, 目标检测性能, 泛化性能	NA
569	2026-05-23	Enhancer-driven cell type comparison reveals similarities between the mammalian and bird pallium 2025-01-02, Science (New York, N.Y.) DOI:10.1126/science.adp3957 PMID:39946451	研究论文	利用深度学习表征增强子代码，比较羊膜动物端脑细胞类型的相似性	提出了三种基于增强子代码的指标，用于跨物种比较细胞类型；生成了鸡端脑的单细胞多组学和空间分辨转录组数据	未明确说明局限性	比较羊膜动物（哺乳动物和鸟类）端脑细胞类型的相似性	羊膜动物的端脑细胞类型，包括非神经元、GABA能神经元和兴奋性神经元	机器学习	NA	单细胞多组学、空间分辨转录组学	深度学习模型	基因表达数据、增强子序列数据	鸡端脑的单细胞多组学和空间分辨转录组数据	NA	NA	NA	NA
570	2026-05-23	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	使用机器学习和深度学习技术预测胃肠间质瘤患者对伊马替尼的依从性	首次在真实世界中使用机器学习技术预测胃肠间质瘤患者伊马替尼不依从的相关因素	NA	调查胃肠间质瘤患者的伊马替尼依从率并开发基于机器学习和深度学习的预测模型	胃肠间质瘤患者的伊马替尼依从行为	机器学习	胃肠间质瘤	问卷调查	极限梯度提升、轻量级梯度提升机、分类提升、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	问卷数据	397名胃肠间质瘤患者	NA	LGBM, XGBoost, CatBoost, RF, SVM, ANN, MLP, NaiveBayes, TabNet, Wide&Deep	F1分数	NA
571	2026-05-23	Researching public health datasets in the era of deep learning: a systematic literature review 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241307839 PMID:39794941	综述	对深度学习在公共卫生数据预测分析中的应用进行系统文献综述，识别挑战与趋势	系统梳理了2015年以来深度学习在公共卫生数据应用中的激增趋势，归纳了可解释AI、患者嵌入学习及多源数据融合等新兴方向	未提出标准化方法解决现有挑战，缺乏跨学科协作的具体指南	探索深度学习在公共卫生数据预测分析中的应用现状、挑战与发展趋势	公共卫生领域的多样化数据集	机器学习	公共卫生相关疾病（14类疾病类别）	NA	深度学习模型	公共卫生数据	2004篇文献	NA	NA	NA	NA
572	2026-05-23	Identifying protected health information by transformers-based deep learning approach in Chinese medical text 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251315594 PMID:39862116	研究论文	提出基于BERT的深度学习算法以识别中文医疗文本中的受保护健康信息，并验证其在中文临床上下文中隐私保护的可行性	首次将BERT结合BiLSTM-CRF模型应用于中文临床文本隐私信息识别，并预训练医学语料库提升性能	未明确说明局限性	提出一种基于Transformer的深度学习方法来识别中文临床文本中的受保护健康信息，并验证该方法在隐私保护中的效果	中文临床文本中的受保护健康信息	自然语言处理	不适用	BERT	深度学习模型	文本	来自151家医疗机构的33017份出院小结	PyTorch	BERT, BiLSTM, CRF	微平均召回率, F1值	不适用
573	2026-05-23	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	提出一种新颖的混合呼吸机压力预测器（H-VPP），利用患者呼吸时间序列数据预测呼吸机气道压力	提出混合投票回归器方法，结合时间序列数据分析肺部属性R和C对高压的影响，预测性能优于现有机器学习与深度学习模型	NA	准确预测呼吸机呼吸回路中的气道压力，降低因压力不当导致患者肺损伤或供氧不足的风险	患者呼吸时的呼吸机气道压力与肺部属性（R和C）	机器学习	呼吸机相关疾病（COVID-19相关）	NA	投票回归器（Voting Regressor）	时间序列数据（患者呼吸）	NA	NA	混合投票回归器（H-VPP）	R值、平均绝对误差、均方误差	NA
574	2026-05-20	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	利用超声图像和深度卷积神经网络自动分类葡萄膜黑色素瘤钌-106敷贴器治疗后反应模式	首次将深度学习模型（DenseNet121和ResNet34）应用于基于B型超声图像的葡萄膜黑色素瘤治疗后反应模式分类，并发现无预训练权重、使用dropout层和批次大小32的配置性能最佳	需要进一步验证并探索其融入临床实践的可行性	应用深度学习模型预测葡萄膜黑色素瘤患者接受敷贴治疗后肿瘤反应模式	葡萄膜黑色素瘤患者治疗前后的超声图像及其反应模式（消退、增大、稳定或其他）	计算机视觉	葡萄膜黑色素瘤	B型超声成像	卷积神经网络	图像	192名患者的B型超声图像样本	PyTorch	DenseNet121, ResNet34	宏平均AUC, 每类评估, DeLong检验	NA
575	2026-05-20	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	评估三种不同重建算法（DLIR-H、ASiR-V50%和FBP）在冠状动脉CTA中展示冠状动脉周围脂肪衰减的差异	首次系统比较深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对冠状动脉周围脂肪衰减指数（FAI）测量的影响	未提及样本量大小和患者选择的具体标准，未评估算法在不同医疗设备和扫描参数下的通用性	评估不同重建算法对冠状动脉周围脂肪衰减指数（FAI）测量的差异，强调标准化重建方案的必要性	冠状动脉周围脂肪组织、冠状动脉斑块（正常、无斑块、非钙化斑块、混合斑块、钙化斑块）	计算机视觉	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	NA	图像	NA	NA	NA	脂肪衰减值、图像噪声、脂肪衰减指数（FAI）	NA
576	2026-05-20	PSMA PET Evaluation with a Deep Learning Platform Compared with a Standard Image Viewer and Histopathology 2025-12-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270242 PMID:41101977	研究论文	比较深度学习平台aPROMISE与标准影像查看器ISP在PSMA PET/CT评估中的表现，并以组织病理学为金标准	首次将深度学习分割和报告软件与标准影像查看器进行系统比较，并以组织病理学为金标准验证	未分割病灶主要位于高尿液活性区域或PSMA表达较低；部分远处转移病灶未被自动分割	评估深度学习平台aPROMISE在PSMA PET/CT评估中的性能	PSMA放射引导手术后的前列腺癌患者	机器学习	前列腺癌	PSMA PET/CT	深度学习	影像	96名前列腺癌患者	NA	NA	Cohen κ系数, 一致性率	NA
577	2026-05-20	Deep Learning for Automated Measures of SUV and Molecular Tumor Volume in [68Ga]PSMA-11 or [18F]DCFPyL, [18F]FDG, and [177Lu]Lu-PSMA-617 Imaging with Global Threshold Regional Consensus Network 2025-11-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270077 PMID:40967759	研究论文	提出全球阈值区域共识网络，用于自动化测量[68Ga]PSMA-11或[18F]DCFPyL、[18F]FDG和[177Lu]Lu-PSMA-617成像中的SUV和分子肿瘤体积	开发了基于阈值后处理的深度学习框架，显著提升PET和SPECT图像分割的边界定义和标签准确性，Dice准确度比nnU-Net提高3%-5%	未提及	提高自动化测量PET成像中疾病体积和示踪剂亲和性的准确度，改善LuPSMA治疗的患者选择和预后评估	转移性去势抵抗性前列腺癌患者的[68Ga]PSMA-11或[18F]DCFPyL PET、[18F]FDG PET和[177Lu]Lu-PSMA-617 SPECT图像	数字病理学，计算机视觉	前列腺癌	PET/CT, SPECT/CT	卷积神经网络	图像	676张PSMA PET/390张FDG PET/477张LuPSMA SPECT图像用于训练，56例外部测试	PyTorch	nnU-Net	Dice相似系数，Pearson系数	NA
578	2025-07-10	Corrigendum to 'CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy' [Acad Radiol 32/6 (2025) 3397-3409] 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.036 PMID:40628644	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
579	2026-05-20	Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning 2025-10-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf248 PMID:40891072	研究论文	开发一种基于深度学习的心脏磁共振成像模型，用于预测轻链型心脏淀粉样变性的个体化预后	首次使用基于Transformer的深度学习模型对心脏磁共振晚期钆增强图像进行全心脏分析，结合对比预训练和集成学习策略，实现对轻链型心脏淀粉样变性个体化预后的高精度预测，超越了传统Mayo分期方法	未提及明确限制，但研究为单中心回顾性设计，样本量相对有限（394例），且仅包含接受标准化化疗的患者	开发一种新型深度学习模型，通过分析心脏磁共振晚期钆增强图像来预测轻链型心脏淀粉样变性的个体化预后	轻链型心脏淀粉样变性患者的晚期钆增强心脏磁共振图像及临床预后数据	医学影像分析	轻链型心脏淀粉样变性	心脏磁共振成像（CMR），晚期钆增强（LGE）	基于Transformer的深度学习模型	图像	394例轻链型心脏淀粉样变性患者（训练集315例，测试集79例）	NA	Transformer	一致性指数（C-index），曲线下面积（AUC），风险比（HR）	NA
580	2026-05-20	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2025-Oct-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25337079 PMID:41256111	研究论文	提出一个端到端的自动化管道，用于分析血吸虫病的即时诊断测试，结合深度学习进行卡带分割和信号处理	首次实现即时诊断测试的自动化分析与质量控制的端到端管道，结合深度学习和信号处理解决视觉痕量不确定性	仅在单一队列（乌干达农村SchistoTrack队列）中评估，未在其他人群或疾病中验证	开发自动化诊断分类方法，提升血吸虫病即时诊断测试的准确性和效率	血吸虫病即时诊断测试（循环阴极抗原测试）的侧流试纸条	计算机视觉, 信号处理, 机器学习	血吸虫病	深度学习, 信号处理	CNN（用于卡带分割的深度学习模型）	图像（侧流试纸条图像）	3188名来自乌干达农村SchistoTrack队列的个体	NA	NA	灵敏度, 特异度	NA