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
1061	2026-01-21	Functional architecture of cardiac TF regulatory landscapes in control of mammalian heart development 2025-Dec-22, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.19.695499 PMID:41509364	研究论文	本研究通过功能基因组学方法，揭示了控制哺乳动物心脏发育的转录因子调控景观的功能架构	整合单核多组学分析、深度学习、位点特异性转基因和染色质构象建模，首次系统绘制了心脏增强子库和调控特征图谱，并发现了上游调控区间在转录控制中的关键作用	研究主要基于小鼠胚胎模型，人类心脏发育的调控景观可能存在物种特异性差异	解析先天性心脏病相关的基因调控网络，阐明心脏发育过程中转录因子剂量控制的增强子架构	小鼠胚胎心脏、心脏转录因子（如Mef2c、Tbx5）、心脏增强子模块	基因组学	先天性心脏病	单核多组学分析、基因组编辑、位点特异性转基因、染色质构象捕获	深度学习模型	基因组序列、单细胞多组学数据、染色质构象数据	小鼠胚胎心脏样本（具体数量未明确说明）	NA	NA	NA	NA
1062	2026-01-21	A Multi-phase CT Dataset for Automated Differential Diagnosis of Liver Tumors 2025-Dec-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06343-4 PMID:41392114	研究论文	本文介绍了一个用于肝脏肿瘤自动鉴别诊断的多期相CT数据集MCT-LTDiag	提出了一个包含517个病例、涵盖五个肿瘤亚型的标准化多期相CT数据集，并展示了多期相整合能显著提升诊断性能	NA	开发一个用于肝脏肿瘤自动鉴别诊断的基准数据集	肝脏肿瘤患者的多期相CT扫描图像	数字病理学	肝癌	多期相对比增强CT扫描	机器学习,深度学习	图像	517个病例	NA	NA	NA	NA
1063	2026-01-21	Renji endoscopic submucosal dissection video data set for Esophagus 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	本研究介绍了首个公开的食管内镜黏膜下剥离术视频数据集，包含25个手术视频和141,909个阶段标注	这是首个公开的、包含全面阶段标注的食管ESD视频数据集	数据集规模相对较小（仅25个手术视频），可能限制模型的泛化能力	为人工智能辅助内镜手术提供高质量的标注数据集，支持手术阶段识别研究	食管内镜黏膜下剥离术（ESD）视频	计算机视觉	食管疾病	内镜黏膜下剥离术（ESD）	深度学习	视频	25个手术视频，包含141,909个阶段标注	NA	NA	NA	NA
1064	2026-01-21	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，旨在通过神经影像数据提高双相情感障碍和精神分裂症的跨诊断分类准确性	提出了一种新的互惠多网络噪声标签学习方法，通过最大化深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的偏差或错误	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神疾病的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神疾病	神经影像数据（功能连接性）	深度神经网络	图像数据（神经影像）	未明确指定患者样本数量，但使用了公共CIFAR-10和PathMNIST数据集进行验证	未明确指定	未明确指定	分类准确率	NA
1065	2026-01-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	提出了一种用于医学视频对象跟踪与分割的高效适配框架DD-SAM2，通过深度可分离扩张卷积适配器增强SAM2的多尺度特征提取能力	首次系统性地探索了基于适配器的微调策略，将Segment Anything Model 2应用于医学视频分割与跟踪，并充分利用其流式记忆机制	需要在有限训练数据的医学视频上进行微调，可能对数据稀缺场景的泛化能力存在限制	开发一种高效适配框架，提升SAM2在动态医学影像场景中的对象跟踪与分割性能	医学视频中的肿瘤分割和左心室跟踪	计算机视觉	肿瘤，心血管疾病	深度学习，视频分割	适配器微调框架	医学视频	TrackRad2025和EchoNet-Dynamic数据集	PyTorch	Segment Anything Model 2, Depthwise-Dilated Adapter	Dice系数	NA
1066	2026-01-21	Deep learning reconstruction for fast cardiovascular magnetic resonance imaging protocol: A comparative study with conventional cardiovascular magnetic resonance 2025-Nov-28, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102017 PMID:41318031	研究论文	本研究比较了压缩感知人工智能算法与传统灵敏度编码重建在加速心血管磁共振成像、提升图像质量和保持诊断准确性方面的表现	前瞻性验证了深度学习重建算法在多种临床序列（Cine、T2 STIR、LGE）中加速CMR采集、提升图像质量并保持诊断准确性的潜力	研究样本量相对有限（105名参与者），且未明确说明深度学习模型的具体架构细节	评估压缩感知人工智能算法在加速心血管磁共振成像采集、提升图像质量和保持诊断准确性方面的功能	105名计划进行临床心血管磁共振检查的参与者	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	105名参与者	NA	NA	信噪比, 对比噪声比, 边缘锐度, 心室功能参数, T2信号强度比, 晚期钆增强百分比, 主观图像质量评分（5点李克特量表）	NA
1067	2026-01-21	Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection 2025-Nov-26, ArXiv PMID:41356065	研究论文	本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口，显著提升了单次试验解码的准确性和鲁棒性	引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance及其约束版本作为距离度量，相比传统欧氏和马氏距离，对EEG信号中的时间延迟变化表现出更强的鲁棒性	研究仅涉及13名健康成年人，样本量较小，且未在患者群体或更复杂环境中验证	开发高鲁棒性的解码方法，以解决基于代码调制视觉诱发电位的非侵入性脑机接口中EEG信号的时间变异性和会话依赖性噪声问题	健康成年人的脑电图信号	机器学习	NA	脑电图记录	CNN, Siamese网络	脑电图信号	13名健康成年人	NA	卷积神经网络, Siamese网络	准确率	NA
1068	2026-01-21	AI-aided segmentation of four types of drusen in volumetric OCT 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566705 PMID:41293704	研究论文	本文提出了一种结合卷积神经网络进行自动玻璃膜疣分割和专用分类模块的深度学习框架，用于从OCT图像中准确分割和分类四种临床相关的玻璃膜疣类型	开发了一个深度学习框架，首次结合自动分割和分类模块，能够区分四种临床相关的玻璃膜疣类型，并在定量分析方面显示出显著改进	NA	实现年龄相关性黄斑变性（AMD）中玻璃膜疣的客观评估和监测	光学相干断层扫描（OCT）图像中的玻璃膜疣	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	NA	NA	NA	Dice系数, 临界成功指数	NA
1069	2026-01-21	DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning 2025-Sep-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03809-x PMID:41024142	研究论文	本文提出了一个名为DeepWheat的深度学习框架，用于预测小麦中基因组变异对基因表达和调控活性的影响	开发了DeepWheat框架，包含DeepEXP和DeepEPI两个模型，能够整合序列和表观基因组特征进行组织特异性基因表达预测，并支持跨品种的模型迁移	NA	预测小麦中基因组变异对组织特异性基因表达和调控活性的影响，以支持作物功能基因组学和育种	小麦	机器学习	NA	深度学习	深度学习模型	基因组序列, 表观基因组数据	五个小麦品种	NA	DeepEXP, DeepEPI	皮尔逊相关系数	NA
1070	2026-01-21	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	研究论文	本研究提出了一种基于深度学习的框架，用于自动化预测卵巢癌分期，利用常规组织病理学图像实现高精度分类	首次将迁移学习与ResNet-101结合，并采用遗传算法优化超参数，以自动化方式对卵巢癌组织切片进行分级和分期	未提及模型在外部验证集上的泛化能力，且数据来源和样本多样性可能有限	开发自动化方法以辅助卵巢癌的诊断和分期，减少人工评估的时间和主观差异	卵巢癌薄组织活检样本的透射光学显微镜明场图像	数字病理学	卵巢癌	组织病理学成像	CNN	图像	NA	PyTorch, TensorFlow	ResNet-101	准确率	NA
1071	2026-01-21	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了一种弱监督深度学习模型在对比增强超声（CEUS）中区分恶性与良性局灶性肝病变（FLLs）的性能	采用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签即可分类肝病变	回顾性研究，样本来自单一三级医院，可能限制泛化能力	评估弱监督深度学习在CEUS中自动分类肝病变恶性与否的可行性	局灶性肝病变（FLLs）患者	计算机视觉	肝病	对比增强超声（CEUS）	深度学习	图像	370名患者，共955,938张图像	NA	注意力机制的多实例学习算法	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
1072	2026-01-21	Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103818 PMID:40695098	研究论文	本研究探讨了流体和白质抑制（FLAWS）MRI序列在提高深度学习模型检测和分割多发性硬化（MS）患者皮质病变方面的效果，并开发了能泛化到仅使用标准T1加权图像（MPRAGE）的临床环境的模型	首次将FLAWS MRI序列与深度学习结合，显著提升了皮质病变的检测和分割性能，并实现了从先进研究序列到常规临床序列的知识迁移和泛化	研究基于多中心数据，但样本量相对有限（204名患者），且外部验证仅在一个机构进行，可能影响模型的广泛适用性	提高多发性硬化患者皮质病变的自动检测和分割准确性，并促进深度学习模型在临床环境中的实际应用	多发性硬化（MS）患者的MRI图像，特别是皮质病变	数字病理学	多发性硬化	FLAWS MRI序列、MP2RAGE序列、MPRAGE序列	深度学习模型	MRI图像	204名多发性硬化患者	NA	NA	F1-score, DSC	NA
1073	2026-01-21	From CNNs to SAM: A Survey of Deep Learning Techniques for Liver Tumor Segmentation in CT Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3631322 PMID:41550585	综述	本文对基于深度学习的CT图像肝脏肿瘤分割技术进行了全面综述，分析了100多篇相关研究论文	从CNN到SAM等多个维度系统梳理了肝脏肿瘤分割领域的发展脉络与新兴趋势，并探讨了不同方法选择的影响	作为综述文章，主要总结现有研究，未提出新的模型或方法	综述深度学习技术在CT图像肝脏肿瘤分割领域的研究进展与应用	肝脏肿瘤的CT图像分割	计算机视觉	肝癌	CT成像	深度学习模型	CT图像	NA	NA	CNN, SAM	NA	NA
1074	2026-01-20	Large scale prospective evaluation of co-folding across 557 Mac1-ligand complexes and three virtual screens 2025-Dec-29, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.25.696505 PMID:41509292	研究论文	本文对三种共折叠方法（AlphaFold3、Boltz-2、Chai-1）在557个Mac1-配体复合物结构预测及三个虚拟筛选中的性能进行了大规模前瞻性评估	使用训练截止日期后确定的557个SARS-CoV-2 NSP3宏结构域（Mac1）配体复合物作为独立测试集，系统评估共折叠方法的预测能力，并首次在多个受体系统中前瞻性测试共折叠评分对虚拟筛选结果的重新排序效果	共折叠预测未能重现常见的蛋白质构象重排（如肽段翻转和大环开口），且AF3的配体姿态置信度在区分真实配体与假阳性方面的效果不如对接评分或Boltz-2亲和力预测	评估深度学习共折叠方法在预测配体-蛋白质复合物结构及亲和力排序方面的准确性与实用性	SARS-CoV-2 NSP3宏结构域（Mac1）的557个配体复合物，以及AmpC β-内酰胺酶、多巴胺D4受体和σ受体的配体	计算生物学	COVID-19	共折叠方法、虚拟筛选、分子对接	深度学习模型	蛋白质-配体复合物结构数据	557个Mac1-配体复合物，以及三个受体系统（AmpC β-内酰胺酶、多巴胺D4受体、σ受体）的数百个分子	NA	AlphaFold3, Boltz-2, Chai-1	RMSD, 相关系数, 平均绝对误差	NA
1075	2026-01-20	Prediction of Piconewton Receptor Tension Images using Deep Learning 2025-Dec-23, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.19.695587 PMID:41509226	研究论文	本研究开发了一种名为TensionDL的深度学习模型，用于从细胞形态和黏着蛋白vinculin图像中预测皮牛顿级别的受体张力图	首次利用卷积神经网络和图像到图像转换技术，直接从细胞形态和vinculin图像预测受体张力分布，无需依赖分子张力探针	模型预测为半定量性质，且在部分力未通过分子张力探针传递的异质环境中仅能推断张力分布	开发一种深度学习方法来预测细胞受体张力图，以克服分子张力探针的局限性	细胞受体张力，特别是在不同基质硬度和细胞类型下的皮牛顿级别力	计算机视觉	NA	荧光显微镜，分子张力探针	CNN	图像	NA	NA	卷积神经网络	准确性	NA
1076	2026-01-20	Long-term carotid plaque progression and the role of intraplaque hemorrhage: A deep learning-based analysis of longitudinal vessel wall imaging 2025-Dec-10, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102670 PMID:41386425	研究论文	本研究利用深度学习分割技术，基于纵向血管壁成像数据，评估了斑块内出血对颈动脉粥样硬化斑块负荷长期进展的影响	首次采用深度学习分割管道对多对比度磁共振血管壁成像进行长期纵向分析，以量化斑块内出血的存在和体积对斑块负荷进展的长期影响	样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系	评估斑块内出血对颈动脉斑块负荷长期进展的影响	无症状颈动脉粥样硬化受试者的颈动脉斑块	数字病理学	心血管疾病	多对比度磁共振血管壁成像	深度学习	医学影像	28名无症状受试者，共50条动脉，平均随访5.8年，平均每人接受4.7次扫描	NA	NA	相关系数, p值	NA
1077	2026-01-20	Impact of statins on progression of coronary artery calcium composition and density as assessed by noncontrast CT 2025-Dec, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03561-0 PMID:41201709	研究论文	本研究利用深度学习模型分析非对比CT扫描，探讨了他汀类药物对冠状动脉钙化（CAC）密度和成分进展的影响	首次使用全自动深度学习模型对CAC成分亚型进行定量评估，并揭示了他汀治疗与钙化密度向更稳定表型转变的关联	单中心回顾性研究，样本量有限（316例），平均随访时间3.8年	评估他汀类药物对冠状动脉钙化密度和成分进展的影响	无症状个体（基线存在CAC）	数字病理学	心血管疾病	非对比计算机断层扫描（CT），深度学习	深度学习模型	CT图像	316例患者（58.4±10.1岁；49.1%男性），其中175例接受他汀治疗，141例未接受他汀治疗	NA	NA	β系数，p值	NA
1078	2026-01-20	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的新型计算机辅助诊断系统，用于从X射线图像中检测和分级膝骨关节炎的严重程度	将YOLOv5的精确关节定位与分割能力与随机森林分类器的有序分级能力相结合，形成一种混合诊断框架	研究未明确说明模型在不同医疗设备或人群中的泛化能力，且数据集规模相对有限	开发一种可扩展、可解释且具有临床相关性的膝骨关节炎计算机辅助诊断工具	膝骨关节炎的X射线图像	计算机视觉	膝骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感度, 特异度	NA
1079	2026-01-20	Role of Deep Learning in Plastic Surgery: Transforming Art With Intelligence 2025-Dec, Cureus DOI:10.7759/cureus.99329 PMID:41552176	评论	本文探讨了深度学习在整形外科中的应用及其潜力	强调了深度学习在整形外科这一结合精确性与艺术性的专业领域中的变革性作用，并指出其旨在增强而非替代外科专业知识	数据质量、伦理问题以及临床工作流程整合方面的挑战	探索深度学习在整形外科中的扩展角色及其潜力	整形外科领域	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
1080	2026-01-20	Accelerating myelin defect detection in neurodegenerative disorders: a human-in-the-loop deep learning approach with birefringence microscopy 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045007 PMID:41195092	研究论文	本文提出了一种人机交互的深度学习方法，用于加速神经退行性疾病中髓鞘缺陷的检测	采用人机交互的深度学习框架，结合YOLOv8模型和迭代专家验证，显著提高了髓鞘缺陷检测的速度和准确性	样本量较小（仅15名受试者），且仅针对特定脑区（背外侧前额叶皮层）进行研究	开发并评估一种快速、准确且可扩展的髓鞘缺陷检测方法，以加速神经退行性疾病的研究进展	来自15名受试者（包括5名对照、5名阿尔茨海默病患者和5名慢性创伤性脑病患者）的脑组织样本	数字病理学	神经退行性疾病	RGB圆交叉偏振双折射显微镜成像	CNN	图像	15名受试者的脑组织样本，包含5600个手动标注的髓鞘缺陷	NA	YOLOv8	mAP@50	NA