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
581	2026-04-27	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	提出一种动态算术优化方法以改进脊波神经网络在遥感场景分类中的性能	引入动态算术优化算法自动搜索脊波神经网络的最优超参数，提升分类精度	NA	改进遥感场景分类的准确性和效率	遥感场景分类任务	计算机视觉	NA	NA	脊波神经网络	图像	UC Merced土地利用公开数据集	NA	脊波神经网络	NA	NA
582	2026-04-27	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	research paper	提出Kpi-Net，一种基于U-Net的多尺度深度学习框架，用于精确量化乳腺癌病理图像中的Ki67指数	引入残差膨胀多尺度模块（RDMS模块）结合多头膨胀卷积和残差连接捕获局部和全局信息，集成Transformer模块增强全局建模；提出高级筛选-卷积块注意力模块特征金字塔网络（HS-CBAM-FPN）实现多级特征有效融合；应用分水岭算法优化细胞簇分割以提高Ki67指数计算精度	未明确指出局限性，但可能包括对低分辨率图像噪声和染色变异性的处理能力有限	精确量化乳腺癌组织病理图像中的Ki67增殖指数，为乳腺癌诊断和疗效评估提供可靠工具	乳腺癌病理组织学图像中的Ki67阳性细胞	计算机视觉	乳腺癌	Ki67免疫组化染色	深度学习	组织病理学图像	未明确提出	PyTorch	U-Net, Transformer, 残差膨胀多尺度模块, HS-CBAM-FPN	F1分数, 均方根误差	未明确提出
583	2026-04-27	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	提出一种集成智能手机的便携式微流控平台，结合深度学习方法实现肝生物标志物定量检测	首次将3D打印微流控芯片、智能手机成像与卷积神经网络回归分析相结合，实现无需重新训练即可跨设备使用的肝生物标志物定量检测系统	文献未提及局限性信息	开发低成本、便携式肝生物标志物定量检测平台，适用于资源有限的医疗环境	直接胆红素、总胆红素、丙氨酸氨基转移酶和天冬氨酸氨基转移酶四种肝生物标志物	计算机视觉	肝脏疾病	3D打印、比色法、智能手机成像	卷积神经网络	图像	100微升样本-试剂混合物	NA	CNN	决定系数R、变异系数	智能手机（多个型号）
584	2026-04-27	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-11-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	探讨深度学习在神经影像学分析中用于神经退行性疾病诊断与监测的最新进展、挑战与机遇	通过涵盖更广泛的神经退行性疾病类型（包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症和多发性硬化症），并关注空间/时间信息处理方法，扩展了现有文献	回顾的模型在小样本上取得高准确性但临床应用有限；存在推理冲突、忽略扫描仪间及站点内/间变异；数据整合面临协调性、不完整性、类别不平衡和高成本等挑战	总结深度学习在神经影像学中诊断与监测神经退行性疾病的最新进展，并讨论相关挑战	神经影像学数据（脑体积成像数据），涵盖从单个患者到多队列研究	计算机视觉, 机器学习	神经退行性疾病	神经影像学	深度学习模型	图像	NA	NA	NA	NA	NA
585	2026-04-27	The coming era of nudge drugs for cancer 2025-Nov-10, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2025.08.004 PMID:40939589	研究论文	提出一种基于肿瘤微环境逐步重塑的癌症治疗新策略，通过深度学习分析扰动肿瘤的单细胞图谱来设计“推动”药物	首次提出“推动药物”概念，利用深度学习识别肿瘤微环境原型间的基因和细胞网络转换，实现治疗顺序的设计	NA	开发针对晚期癌症的渐进式肿瘤微环境重塑治疗策略	肿瘤微环境及其在不同患者和组织来源中的保守原型	机器学习	癌症	单细胞测序	深度学习模型	单细胞图谱数据	NA	NA	NA	NA	NA
586	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
587	2026-04-25	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	提出一种基于联邦学习和混合谐波搜索与互信息特征选择的癫痫预测与管理系统，实现高精度癫痫发作检测	首次将联邦学习与混合谐波搜索-互信息特征选择方法结合，并设计EpilepNet-LD架构，同时捕获EEG信号的时间依赖性和层次空间特征，在保护隐私的前提下实现高精度癫痫发作检测	NA	开发一个实时、高精度的癫痫发作检测系统，克服现有方法适用性差、误报率高和特征选择效率低的问题	癫痫患者的脑电图（EEG）数据	机器学习	神经系统疾病	EEG	LSTM, DenseNet	信号	NA	NA	EpilepNet-LD (LSTM + DenseNet-121)	accuracy, sensitivity	NA
588	2026-04-25	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	提出一种名为TripleFusionNet的深度学习框架，融合多流架构与注意力机制，用于结直肠疾病分类	提出TripleFusionNet三重流架构，结合EfficientNetB3、ResNet50和DenseNet121的多级特征提取，并集成多尺度注意力模块和挤压激励精化块以增强特征判别力，同时采用渐进门控融合机制动态加权融合特征	在CRCCD_V1数据集上，基于嵌入的分类器性能略优于端到端模型，表明端到端学习仍有提升空间	开发一种鲁棒的早期诊断方法，用于从组织病理和内镜图像中分类结直肠疾病	结直肠癌症的组织病理和内镜图像	计算机视觉, 数字病理学	结直肠癌	NA	CNN	图像	CRCCD_V1数据集包含14个类别，LC25000数据集为二分类	PyTorch	EfficientNetB3, ResNet50, DenseNet121, 多尺度注意力模块, 挤压激励精化块, 渐进门控融合	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	NA
589	2026-04-25	Automatic detection of arterial input function for brain DCE-MRI in multi-site cohorts 2025-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70020 PMID:40808286	研究论文	提出一种鲁棒深度学习模型，用于从多中心DCE-MRI脑部影像中自动提取动脉输入函数	采用3D UNet模型结合额外卷积核和修正Huber损失函数，在多样多中心队列中实现动脉输入函数自动提取	非所有参与者数据均用于血脑屏障通透性测量，可能影响模型泛化性	开发并验证一种高精度动脉输入函数自动提取方法，用于脑部DCE-MRI定量药代动力学建模	人类脑部DCE-MRI影像及动脉输入函数区域	计算机视觉	脑血管疾病	DCE-MRI成像	3D UNet	医学图像	训练集：289名参与者共384次扫描；独立验证集：326名参与者共421次扫描	NA	3D UNet	AIFitness评分、Ktrans值、组内相关系数	NA
590	2026-04-25	Paradigm-Shifting Attention-Based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification With Multi-Scale and Multi-View Fusion 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出一种基于注意力机制的混合视角学习框架，用于增强乳腺摄影乳腺癌分类	提出了混合视角学习范式，统一了传统单视角和多视角学习方法；设计了对比切换注意力和选择性池化注意力两种注意力机制，分别解决数据完整性和多尺度特征捕捉问题	未明确说明局限性	提升乳腺摄影图像中乳腺癌分类的准确性和鲁棒性	乳腺摄影图像	计算机视觉	乳腺癌	乳腺摄影	注意力模型	图像	INbreast和CBIS-DDSM两个数据集	PyTorch	对比切换注意力、选择性池化注意力	准确率、F1分数、AUC-PR	NA
591	2026-04-25	Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer 2025-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100866 PMID:40803647	研究论文	通过组织学图像虚拟推断RNA表达，识别与结直肠癌转移风险相关的通路	利用最大规模的匹配结直肠癌空间转录组数据集（45名患者、超过30万个Visium斑点），结合多种先进深度学习模型（UNI、ResNet-50、Vision Transformer和Vision Mamba），直接从H&E染色组织图像中推断空间转录组水平的分子信息	某些肿瘤相关通路无法仅通过组织学图像完全捕获	开发并验证虚拟RNA推断方法，以从标准H&E组织图像中获取空间转录组水平的分子信息，识别与结直肠癌转移风险相关的基因特征	结直肠癌患者的H&E染色组织图像及匹配的空间转录组数据	数字病理学, 机器学习	结直肠癌	空间转录组学, H&E染色	深度学习模型	图像	45名患者，超过300,000个Visium斑点	NA	UNI, ResNet-50, Vision Transformer, Vision Mamba	斯皮尔曼相关系数	NA
592	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
593	2026-04-25	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	提出一种名为CaCoFold-R3D的概率语法模型，联合预测RNA的三维基序与二级结构	首次将超过50种已知RNA三维基序的预测与二级结构整合到单一概率语法中，并利用进化信息同时识别规范螺旋（包括假结）和基序	未明确提及，但可能依赖于高质量的序列比对，且基序列表的完整性和新基序发现有待进一步验证	开发一种快速、可定制的RNA三维结构预测方法，用于指导RNA设计和药物靶点发现	RNA序列或比对数据中的三维基序和二级结构	机器学习	NA	RNA-seq	概率语法模型	序列数据	超过50种已知RNA三维基序	NA	R3D语法	NA	NA
594	2025-02-22	Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90514-1 PMID:39979555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
595	2026-04-25	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-02, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	设计深度学习模型从心电图信号中预测高血压并识别相关心电片段	提出多分支多尺度LSTM网络MML-Net和心电导向波对齐可解释人工智能管道ECG-XAI，用于早期检测高血压介导的心脏变化	未在外部多中心数据集上验证，且模型解释仅聚焦于P波和R波	探索利用心电图信号早期检测高血压引起的心脏结构变化	心电图信号及高血压患者的心脏变化	机器学习, 数字健康	心血管疾病, 高血压	心电图	LSTM	信号	210,120份10秒12导联心电图（来自FUKUDA FX-8322）和812份心电图（来自NALONG RAGE-12）	PyTorch	MML-Net（多分支多尺度LSTM）	召回率, 精确率	NA
596	2026-04-25	Graph based recurrent network for context specific synthetic lethality prediction 2025-02, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出基于图循环网络的模型用于上下文特异性合成致死预测	引入图循环网络编码器获取上下文特异性低维特征表示，利用门控循环单元集成上下文相关状态信息	未提及具体限制，但方法依赖遗传上下文信息，可能对缺乏上下文数据的场景适应性有限	预测具有治疗潜力的合成致死相互作用，特别是上下文依赖性的SL关系	合成致死相互作用及其遗传上下文依赖性	机器学习	癌症	NA	图循环网络	基因组相互作用数据	NA	NA	图循环网络，门控循环单元	NA	NA
597	2026-04-25	Clinical Relevance of Computational Pathology Analysis of Interplay between Kidney Microvasculature and Interstitial Microenvironment 2025-Feb-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000597 PMID:39714939	研究论文	利用计算病理学分析肾脏微血管与间质微环境相互作用在肾小球疾病进展中的临床相关性	首次揭示肾小管周围毛细血管与间质纤维化/肾小管萎缩区域的空间和形态特征之间的相互作用，并识别出新型数字生物标志物用于预测疾病进展	样本量有限（344例），且未在独立外部队列中验证结果	评估肾小管周围毛细血管特征与其间质微环境相互作用在肾小球疾病进展中的临床相关性，并识别新型数字生物标志物	肾小球疾病患者（包括微小病变肾病、局灶节段性肾小球硬化、膜性肾病和IgA肾病）的肾脏活检组织切片	数字病理学	肾小球疾病	深度学习模型、全玻片成像、计算病理学分析	深度学习模型、机器学习模型	病理图像	344例肾小球疾病患者（112例微小病变肾病、134例局灶节段性肾小球硬化、61例膜性肾病、37例IgA肾病）	NA	NA	NA	NA
598	2026-04-24	Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography 2025-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500181 PMID:40709742	研究论文	开发了一种用于分析前视内窥光学相干断层扫描三维图像的深度学习模型，以增强经皮肾造口术中的内窥镜引导	首次将三维卷积神经网络应用于前视内窥光学相干断层扫描图像的术中引导，在保持高准确率的同时显著降低推理延迟，优于现有先进三维架构	实验仅基于猪肾脏数据集，未涉及人类组织或临床环境验证	提升光学相干断层扫描引导的经皮肾造口术手术引导的实时性和准确性	三维光学相干断层扫描图像和经皮肾造口术手术引导	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	三维图像	10个猪肾脏	NA	3D-CNN, 3D-ViT, 3D-DenseNet121, M3T	准确率（accuracy）, 推理延迟（inference latency）	NA
599	2026-04-24	Utility of Deep Learning to Address Missing Modalities from Multi-Modal Medical Imaging Studies: A Systematic Review 2025-Oct-17, Artificial intelligence and applications (Commerce, Calif.) DOI:10.47852/bonviewaia52026392 PMID:42021869	综述	系统综述深度学习在多模态医学影像缺失模态问题中的应用方法	对深度学习解决多模态医学数据缺失模态的方法（图像合成、知识迁移、潜在特征空间）进行系统分类和比较	综述方法可能受限于所选数据库（PubMed、IEEE、Scopus）及时间范围（2013-2025年），且未深入分析每种方法的具体性能差异	系统性回顾深度学习应对多模态医学影像缺失模态问题的解决方案	2013年1月至2025年5月间发表的61篇相关研究论文	数字病理学	未指定具体疾病	医学影像（多模态）	深度学习（包括图像合成、知识迁移、潜在特征空间方法）	图像	234篇初筛文章，61篇符合纳入标准	NA	NA	评价指标（具体未列出），关键属性	NA
600	2026-04-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02826-9 PMID:41062826	研究论文	提出Nimbus深度学习模型，基于多重成像数据自动化分类细胞标记表达，无需重新训练	构建包含1.97亿条标注的Pan-M数据集，并在此基础上开发无需重新训练的预训练模型Nimbus，能跨不同组织、细胞类型和显微镜平台进行细胞标记表达分类	NA	开发一种无需重新训练的深度学习模型，自动从多重成像数据中分类单个细胞的标记表达，以促进细胞表型分析	多重成像数据中的细胞标记表达模式	计算机视觉	NA	多重成像	深度学习	图像	1.97亿条标记表达标注，涵盖15种细胞类型	PyTorch	NA	准确率	NA