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
41	2026-10-07	Optimizing ensemble machine learning models for accurate liver disease prediction in healthcare 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330899 PMID:40875648	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
42	2026-10-05	BioLACE: unifying spatial geometry and marker priors for cohesive cell-type clustering in spatial transcriptomics 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.01.691603 PMID:41573943	研究论文	提出BioLACE框架，通过变分自编码器统一空间几何和标记基因先验，实现空间转录组学中细胞类型聚类	统一空间结构、转录组变异和标记基因先验到共享的VAE潜在空间，联合优化重建损失、图拉普拉斯正则化和温度缩放InfoNCE对比损失	未明确提及	改进空间转录组学中的细胞类型聚类，整合空间信息和生物先验	MERFISH下丘脑、小鼠脊髓、Slide-seq小鼠小脑数据集	空间转录组学	NA	空间转录组学	变分自编码器	空间转录组数据	三个数据集：MERFISH下丘脑、小鼠脊髓、Slide-seq小鼠小脑	NA	变分自编码器	聚类准确度	NA
43	2026-10-05	Integration of corpus linguistics and deep learning techniques for enhanced semantic-driven emotion detection on textual data 2025-11-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28929-z PMID:41310067	研究论文	本文提出了一种结合语料库语言学和深度学习的文本情感检测方法，通过融合TF-IDF、BERT和GloVe进行词向量表示，并采用基于注意力机制的时序卷积网络和双向门控循环单元（AM-T-BiG）模型进行情感分类	提出了EDTIWVR-MDNN方法，融合TF-IDF、BERT和GloVe进行词向量表示，并采用AM-T-BiG混合模型进行文本情感识别，提高了情感检测的准确性	未明确说明，可能包括对特定数据集的依赖、模型泛化能力等	开发有效的文本情感识别和分析方法，以增强自然语言中的情感理解	文本数据中的情感表达	自然语言处理	NA	词向量表示（TF-IDF、BERT、GloVe）、深度学习	AM-T-BiG（基于注意力机制的时序卷积网络和双向门控循环单元）	文本	Emotion Detection from Text数据集，具体样本量未提及	NA	时序卷积网络（TCN）、双向门控循环单元（BiGRU）、注意力机制	准确率	NA
44	2026-10-05	DeepMS: super-fast peptide identification using end-to-end deep learning method 2025-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169237 PMID:40449612	研究论文	本文开发了一种基于深度学习的质谱光谱鉴定算法DeepMS，用于从质谱光谱中快速识别肽序列	DeepMS是一种端到端深度学习方法，能够实现超快速、高精度的肽序列鉴定，其鉴定速度超过质谱光谱的生成速率，并适应翻译后修饰	未明确说明	克服传统质谱光谱鉴定方法的速度限制，实现快速高效的肽鉴定，推动质谱蛋白质组学的广泛应用	质谱光谱	机器学习	NA	质谱	CNN	光谱数据	NA	NA	VGG16	准确率	NA
45	2026-10-05	LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89651-4 PMID:39971977	研究论文	本文提出了一种AI驱动的实时交通管理系统，通过LSTM和ResNet18实现救护车音频视觉检测与交通信号优先控制，以缩短紧急医疗服务响应时间	将基于MFCC的LSTM音频检测与基于ResNet18的视觉检测通过经验风险最小化进行多模态融合，并部署于Raspberry Pi实现实时交通信号优先控制	摘要中未提及系统的实际部署规模、实时性能测试环境、不同城市交通场景的泛化能力以及硬件资源消耗等限制	减少紧急医疗服务响应时间，通过AI驱动的实时交通管理实现救护车优先通行	救护车音频和视觉数据、城市交通信号控制系统	计算机视觉, 机器学习	NA	MFCC特征提取, 迁移学习	LSTM, CNN	音频, 图像	NA	NA	LSTM, ResNet18	准确率, 精确率, 召回率, F1分数, 混淆矩阵	Raspberry Pi
46	2026-10-05	Temporal and spatial self supervised learning methods for electrocardiograms 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90084-2 PMID:39972080	研究论文	本文提出了一种用于心电图检测的时空自监督学习方法（TSSL），利用心电图信号的时空特性提升特征表示，在少量标注数据下取得优越性能	首次专门针对心电图检测设计时空自监督学习方法，同时利用时间一致性和空间导联间关系进行特征学习	未明确说明模型的泛化能力、计算复杂度以及对不同心电图采集设备的适应性	解决标注心电图数据有限导致监督深度学习应用受限的问题，提升心电图检测的特征表示能力	心电图信号	机器学习	心血管疾病	自监督学习	NA	时序信号	NA	NA	NA	NA	NA
47	2026-10-05	Applying deep learning and the ecological home range concept to document the spatial distribution of Atlantic salmon parr (Salmo salar L.) in experimental tanks 2025-02-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90118-9 PMID:39966514	研究论文	该研究应用DeepLabCut框架进行姿态估计，并采用生态家域和核心区概念量化实验水箱中大西洋鲑幼鱼的空间分布。	将DeepLabCut框架应用于大西洋鲑幼鱼姿态估计，并结合生态家域和核心区概念量化其空间分布。	研究仅为概念验证，使用5天实验数据，样本量有限，可能未充分涵盖所有行为变异。	自动化分析鱼类行为，特别是空间分布和摄食影响，以监测鱼类福利。	大西洋鲑幼鱼（Salmo salar L.）	计算机视觉	NA	计算机视觉和机器学习	NA	图像	5天实验数据，来自重复实验条件下的多个水箱	DeepLabCut	DeepLabCut	NA	NA
48	2026-10-04	Severity Classification of Pediatric Spinal Cord Injuries Using Structural MRI Measures and Deep Learning: A Comprehensive Analysis across All Vertebral Levels 2025-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8770 PMID:40194851	研究论文	该研究利用结构MRI测量指标和深度学习技术对儿童脊髓损伤进行严重程度分类，并比较了典型发育儿童与脊髓损伤患儿在所有椎体水平上的结构差异	首次将脊髓各椎体水平的横截面积、前后径和左右径等结构MRI测量指标与深度卷积神经网络相结合，用于儿童脊髓损伤的检测和AIS严重程度分类，并证明深度学习模型优于传统机器学习模型	样本量较小（仅61名参与者），仅使用单一中心的3T MRI扫描仪，未在外部数据集上验证模型的泛化能力	通过比较典型发育儿童与脊髓损伤患儿在所有椎体水平上的脊髓结构特征，并利用深度学习技术进行脊髓损伤检测和严重程度分类	61名儿童参与者（年龄6-18岁），包括20名慢性脊髓损伤患者和41名典型发育儿童	数字病理学	脊髓损伤	结构MRI（T2加权成像）、脊髓工具箱自动提取	CNN	图像	61名儿童参与者（20名脊髓损伤患者，41名典型发育儿童）	NA	卷积神经网络（CNN）	准确率	3T MRI扫描仪
49	2026-10-04	Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data 2025-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	该文章开发了一种基于条件生成对抗网络（cGAN）的深度学习方法，从动态对比增强（DCE）MRI数据生成动态磁敏感对比（DSC）MRI参数图	首次使用条件生成对抗网络从DCE MRI数据合成DSC参数图，并能够可视化真实DSC图中因磁化率伪影而不可见的区域	研究样本量较小（64名参与者），且为回顾性分析，需要在更大规模的前瞻性研究中验证	开发深度学习方法，从DCE MRI数据合成DSC衍生的参数图，以避免使用两剂钆对比剂	64名参与者，包括有和没有脑肿瘤的患者	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN	医学图像	64名参与者（包括有和没有脑肿瘤的患者）	NA	条件生成对抗网络（cGAN）	线性回归, Bland-Altman图	NA
50	2026-10-04	Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis 2025-10-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001289 PMID:41102915	研究论文	该研究开发并验证了一种基于人工智能的逐步流程，用于在彩色眼底图像上检测青光眼，并进行了合并症和跨机构分析	开发了一个结合图像增强、自动识别视神经区域和深度学习分类的逐步AI流程，并在多个跨区域外部数据集和合并其他眼病的内部数据集上验证了其可靠性和泛化能力	摘要中未明确提及研究的局限性	开发并测试一种AI青光眼检测系统，以评估其在不同人群和临床环境中的可靠性，并解决合并其他视网膜疾病时的诊断困难	彩色眼底图像	计算机视觉	青光眼	彩色眼底摄影	NA	图像	训练集1696张图像（来自台北荣民总医院），内部测试集151张图像（代表合并眼病），以及五个跨区域外部数据集	NA	NA	平衡准确率, AUC	NA
51	2026-10-04	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-06, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	研究论文	该研究提出了一种基于深度学习的组织学分析流程（SEKO），用于在啮齿动物模型中量化和可视化膝关节骨关节炎的关节重塑	首次将深度学习驱动的组织学分析流程（SEKO）应用于啮齿动物膝关节骨关节炎的空间评估，结合分割与可视化工具，实现了对软骨损失、软骨下骨面积变化及位置依赖性骨重塑的自动定量分析和概率热图可视化	仅考虑了HRNet和U-Net两种卷积神经网络架构，且最终仅采用U-Net；研究基于啮齿动物模型，尚未验证其在人类骨关节炎组织学分析中的适用性	开发深度学习驱动的组织学分析流程，实现啮齿动物膝关节骨关节炎的空间评估，量化并可视化内侧间室的关节重塑	啮齿动物膝关节组织学切片	数字病理学	骨关节炎	组织学分析、深度学习图像分割	CNN	图像	NA	NA	HRNet, U-Net	预测准确率	NA
52	2026-10-04	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-06, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	本研究探讨了锂盐或喹硫平单药治疗对首发躁狂青年纵向脑年龄的影响	使用迄今为止最大数据集训练的深度学习模型，在首发躁狂青年中纵向评估脑年龄预测，并比较锂盐与喹硫平的治疗效果	样本量较小，随访时间仅12个月，未观察到显著的治疗或时间效应，需更长期更大样本的研究	探究锂盐和喹硫平在双相和分裂情感性障碍早期是否具有神经保护作用	首发躁狂青年（15-25岁），随机接受锂盐（n=21）或喹硫平（n=18）单药治疗，以及健康对照（n=29）	机器学习	双相情感障碍, 分裂情感性障碍	T1加权磁共振成像	深度学习模型	图像	68名参与者（39名首发躁狂患者，29名健康对照），总共53,542个训练样本	NA	NA	脑年龄差（brain-PAD），p值，Cohen's d，置信区间	NA
53	2026-10-04	Implementation of A New, Mobile Diabetic Retinopathy Screening Model Incorporating Artificial Intelligence in Remote Western Australia 2025-04, The Australian journal of rural health DOI:10.1111/ajr.70031 PMID:40110918	研究论文	本文描述并评估了一种在澳大利亚西部偏远地区实施的新型移动糖尿病视网膜病变筛查模型，该模型将人工智能整合到常规护理中	将人工智能辅助的糖尿病视网膜病变筛查整合到移动车辆中，由无正式医疗资格的研究人员操作，并与当地原住民社区共同设计，实现实时诊断和远程医疗咨询	样本量较小（78名患者），研究周期较短（2024年2月至8月），仅在一个地区实施，未报告AI系统的具体性能指标如敏感性、特异性等	评估在偏远澳大利亚地区实施AI辅助糖尿病视网膜病变筛查模型的可接受性、有效性和筛查率提升情况	澳大利亚皮尔巴拉地区患有糖尿病的患者	数字病理学	糖尿病视网膜病变	深度学习系统，自动视网膜相机	深度学习系统	图像	78名糖尿病患者	NA	NA	筛查人数，患者对AI的可接受性（96%满意）	NA
54	2026-10-04	Integrated Machine Learning Algorithms-Enhanced Predication for Cervical Cancer from Mass Spectrometry-Based Proteomics Data 2025-Mar-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12030269 PMID:40150733	研究论文	该研究利用基于质谱的蛋白质组学数据，通过八种机器学习算法构建AI驱动的流程，用于宫颈癌早期诊断血清生物标志物的识别与验证	整合多种机器学习算法并结合特征重要性、Shapley值和LIME值进行多维学习，诊断AUC接近1，显著优于单一标志物	样本量有限（240例患者），仅针对宫颈癌，需进一步外部验证和临床转化研究	开发AI驱动的流程，从血清蛋白质组学数据中识别和验证宫颈癌早期诊断生物标志物	240例宫颈癌患者的血清多肽差异峰数据	机器学习	宫颈癌	质谱蛋白质组学	机器学习	质谱数据	240例患者	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数	NA
55	2026-10-01	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	该综述系统梳理了超声诊断的局限性，介绍了深度学习在超声诊断中的最新方法、临床应用及评估框架	提出了面向临床实施的评估框架，而非简单罗列单个技术，并系统性地将超声诊断的局限性形式化	作为综述文章，未开展原始实验验证，且现有研究仍面临泛化性、安全性和操作负担等挑战	建立基于深度学习引入的高精度超声诊断方法，并为临床实施提供评估标准	超声诊断中的深度学习应用，包括肿瘤学和心脏病学领域的相关设备与算法	医学图像分析	肿瘤、心血管疾病	超声成像，深度学习	NA	超声图像	NA	NA	NA	NA	NA
56	2026-10-01	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	本研究验证了一套基于预训练网络的定制化框架，利用PET/MRI混合影像数据开发自动化内脏和皮下脂肪分割模型，用于阻塞性睡眠呼吸暂停患者腹部脂肪的精准量化	提出了一套闭环式预训练模型定制化框架，在Discovery Viewer平台上迭代训练UNet-ResNet50模型，实现了PET/MRI混合影像中内脏和皮下脂肪的全自动分割，显著提升了分割效率并保持了与手动标注高度一致的分割精度和代谢指标一致性	轮廓和边界划分的分割性能较低，Dice系数仅为0.43和0.54，独立测试样本量较小仅有10例，且模型训练依赖于特定平台Discovery Viewer，通用性有待进一步验证	开发和验证一套基于预训练网络的定制化深度学习框架，实现阻塞性睡眠呼吸暂停患者PET/MRI影像中腹部脂肪的自动化分割与量化，以支持肥胖、OSA和心血管代谢疾病的临床研究	阻塞性睡眠呼吸暂停患者的PET/MRI混合影像数据，包括内脏脂肪组织和皮下脂肪组织	计算机视觉	阻塞性睡眠呼吸暂停	PET/MRI混合成像	CNN	图像	328例标注扫描用于训练，10例独立扫描用于测试，每例扫描包含80至100个MR切片	NA	UNet, ResNet50	Dice相似系数, 组内相关系数, Bland-Altman分析, 分割时间	NA
57	2026-10-01	Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693143 PMID:41473290	研究论文	本文提出了一种基于卷积神经网络的可解释深度学习方法ChromAgeNet，利用3D染色质图像预测造血干细胞的衰老状态	首次将3D染色质显微图像与深度学习结合用于预测造血干细胞衰老，并利用可解释人工智能技术识别出染色质熵、外周异染色质和染色质凝聚体作为预测标志物	样本量有限，仅在小鼠造血干细胞上进行了验证，尚未在人类细胞或更大规模数据集中验证	利用深度学习从3D染色质图像中预测造血干细胞的衰老状态，并探索其作为表型筛选工具用于检测衰老逆转的潜力	小鼠造血干细胞（HSCs）的DAPI染色细胞核3D显微图像	数字病理学	衰老相关疾病	3D显微成像，DAPI染色	CNN	图像	NA	NA	卷积神经网络	AUROC	NA
58	2026-10-01	EEG-Based Cross-Subject Prediction for Consciousness State Transitions Under Sedation Using a Deep Learning Framework 2025-Dec-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643895 PMID:41385421	研究论文	该研究提出了一种基于EEG的深度学习框架Deep-ConTrans，用于在丙泊酚和咪达唑仑镇静下对意识、过渡和无反应三种意识状态进行分类	提出了Deep-ConTrans框架，结合了基于共空间模式的空间滤波、多域特征提取、基于注意力的融合和域对抗训练；在三分类意识状态（意识、过渡、无反应）上实现了高精度分类；展示了跨麻醉药物的泛化能力；识别了与意识转变相关的药物无关EEG特征	摘要中未明确提及研究局限性	对丙泊酚和咪达唑仑镇静下的三种意识状态（意识、过渡、无反应）进行分类，以改善术中意识监测	接受丙泊酚和咪达唑仑镇静的患者	机器学习	NA	EEG	CNN, 注意力机制	EEG信号	NA	NA	Deep-ConTrans	准确率	NA
59	2026-10-01	Deep Learning-Based Classification of Peptide Analytes from Single-Channel Nanopore Translocation Events 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652126 PMID:40654724	研究论文	本文提出了一种基于深度学习的纳米孔易位事件分类流程，用于从单通道电流记录中分类肽分析物	采用两阶段深度学习流程：第一阶段用卷积和循环神经网络将原始电流记录分类为电导状态；第二阶段用新型分支输入网络，结合时间卷积网络处理事件电导状态序列和密集网络整合事件级与全局动力学特征	对混合样本分类性能较低（准确率0.68）；事件随机性和某些肽具有相似动力学参数给事件级预测带来挑战；研究基于模拟数据，需进一步用真实实验数据验证	开发一个基于深度学习的纳米孔肽分类框架，用于快速准确检测肽生物标志物，以支持疾病诊断和生物医学应用	七种肽的纳米孔易位事件数据；纯肽样本和混合物样本	机器学习	NA	纳米孔传感技术、单通道电流记录	CNN、RNN、TCN、Dense Network	时间序列电流信号	七种肽的模拟多状态易位数据（具体样本数量未在摘要中提供）	NA	卷积和循环神经网络（改编自Deep-Channel）、时间卷积网络、密集网络	准确率、平均绝对误差	NA
60	2026-10-01	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-05, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本研究评估了基于深度学习的肺纤维化定量分析在类风湿关节炎相关间质性肺病（RA-ILD）中的应用价值，包括评估疾病严重程度、预测死亡率和识别疾病进展	使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量评估，并验证了其在预测死亡率和疾病进展方面的效用	未明确提及	探讨基于深度学习的肺纤维化定量分析在CT成像中对RA-ILD疾病严重程度评估、死亡率预测和进展识别的效用	RA-ILD患者	数字病理学	类风湿关节炎相关间质性肺病	定量CT成像	深度学习	图像	主要队列289例患者，验证队列50例患者	未提及	未提及	相关系数（rho）、风险比（HR）、95%置信区间（CI）、P值	未提及