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
1141	2026-02-24	AI-based prediction of heart failure progression in persistent atrial fibrillation using wearable electrocardiography: a brief research report 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1748673 PMID:41727311	研究论文	本研究评估了利用可穿戴心电图和人工智能模型预测持续性房颤患者心力衰竭进展的可行性	首次结合可穿戴心电图特征与临床指标，采用上下文感知深度学习模型预测心力衰竭生物标志物变化趋势	样本量较小（仅50名患者），研究结果需要更大规模验证	评估基于可穿戴心电图和人工智能预测持续性房颤患者心力衰竭进展的可行性	持续性房颤患者	机器学习	心血管疾病	可穿戴心电图监测	LSTM, 注意力机制	心电图信号, 临床数据	50名持续性房颤患者	NA	上下文感知深度学习模型	RMSE, MAE, 准确率	NA
1142	2026-02-23	Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review 2025-Oct-29, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506251393123 PMID:41159301	综述	本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述	探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分）	数据需求和标准化方面的挑战阻碍了其广泛的临床应用	评估人工智能在改善阑尾炎外科决策中的潜力	急性阑尾炎	机器学习	阑尾炎	机器学习，深度学习	随机森林，逻辑回归，神经网络，SVM，XGBoost	NA	NA	NA	NA	诊断准确性	NA
1143	2026-02-23	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	本文介绍了一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中对神经元进行分类	结合自监督预训练与监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行电生理分类和聚类	NA	解决细胞外电生理记录中因噪声、技术变异性和批次效应带来的神经元分类挑战	小鼠记录和脑切片中的神经元	机器学习	NA	细胞外电生理记录	自编码器	电生理信号	NA	NA	条件卷积联合自编码器	细胞类型区分性能	NA
1144	2026-02-23	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展，涵盖不同相互作用类型及方法评估	全面比较了基于物理化学、机器学习和深度学习的预测方法，并探讨了突变数据局限性及未来人工智能驱动的改进方向	突变数据存在偏差、质量问题和数据集规模限制，影响预测工具的准确性	通过计算工具预测突变引起的结合自由能变化，以理解遗传变异对蛋白质与生物分子相互作用的影响	蛋白质与蛋白质、DNA/RNA、配体等生物分子的相互作用	机器学习	癌症	NA	机器学习, 深度学习	突变数据	NA	NA	NA	NA	NA
1145	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1146	2026-02-22	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征	开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹	研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证	探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略	人类肝细胞癌组织样本，在免疫治疗前后收集	数字病理学	肝细胞癌	空间转录组学, 空间蛋白质组学	图神经网络	空间多组学数据	未明确指定样本数量	未明确指定	未明确指定	ROC-AUC	未明确指定
1147	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
1148	2026-02-21	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究利用深度学习卷积神经网络分析MRI图像，辅助腰椎间盘突出症的诊断和治疗决策	比较了纯AI、纯人类和AI辅助三种方法在诊断准确性和决策时间上的表现，展示了AI与人类专家协同工作的潜力	回顾性研究，样本可能有限，未详细说明模型泛化能力	评估深度学习在腰椎间盘突出症诊断和治疗决策中的辅助作用	接受手术评估患者的MRI图像	计算机视觉	腰椎间盘突出症	磁共振成像	CNN	图像	未明确说明	未明确说明	未明确说明	准确率	未明确说明
1149	2026-02-21	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆	首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制	研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索	探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆	巨噬细胞	机器学习	脓毒症	ATAC测序, 活细胞分析, 转录组分析	深度学习	序列数据, 转录组数据	NA	NA	NA	NA	NA
1150	2026-02-20	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合DCGAN与3D-TDUnet++的3D-FusionNet模型，用于基于合成CT的肺癌分割，以解决医学图像分割中标注数据不足的问题	将DCGAN用于生成合成CT图像以增强数据集，并结合3D-TDUnet++与非局部特征聚合（NLFa）架构，提高了肺癌分割的精度和鲁棒性	未提及模型在更广泛或多样化数据集上的泛化能力，以及临床部署中的具体验证细节	开发一种高效的肺癌分割框架，以改善计算机辅助诊断系统中的三维医学扫描解释	肺癌CT图像	计算机视觉	肺癌	CT扫描	DCGAN, 3D-TDUnet++	图像	使用公开的KAGGLE胸部CT扫描数据集，并通过DCGAN生成合成图像进行增强	未明确提及，但基于深度学习框架	3D-FusionNet（结合DCGAN与3D-TDUnet++及NLFa）	Dice系数, F1分数, 准确率	未提及
1151	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
1152	2026-02-20	Automated Remote Detection of Falls Using Direct Reconstruction of Optical Flow Principal Motion Parameters 2025-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s25185678 PMID:41012917	研究论文	本文提出了一种基于光学流主运动参数直接重构的全自动跌倒检测方法，旨在提高检测精度并降低计算成本	通过直接重构主运动参数，避免了计算密集型的光学流全重建，同时提供了有效的描述符以实现精确检测	未明确提及具体样本量或数据集细节，且未来需在资源受限环境中进行优化和深度学习增强	开发一种高效、自动化的跌倒检测技术，适用于医疗保健和辅助技术领域	跌倒检测系统，重点关注视频监控中的运动分析	计算机视觉	老年疾病	光学流分析	NA	视频	NA	NA	NA	检测准确率, 计算效率	NA
1153	2026-02-20	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文开发了一种基于深度学习的MRI模型，用于区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤	首次应用3D DenseNet121架构结合T1C和T2加权MRI图像，通过深度学习模型实现这两种脑部病变的非侵入性鉴别诊断	模型需要进一步验证以评估其在跨机构、患者群体和技术中的泛化能力，且未纳入其他肿瘤病因如中枢神经系统淋巴瘤和脑转移瘤	开发非侵入性方法，准确诊断脑部病变，以指导个体化治疗并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（144例）和IDH野生型胶质母细胞瘤患者（455例）	医学影像分析	脑部疾病	MRI（磁共振成像）	深度学习	图像	599例患者（144例肿瘤性脱髓鞘，455例IDH野生型胶质母细胞瘤）	NA	3D DenseNet121	AUROC（受试者工作特征曲线下面积），敏感性，特异性	NA
1154	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	本文提出了一种基于卷积神经网络的深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的逐帧运动，以提高心肌血流和血流储备定量的准确性	首次将3D ResNet架构应用于18F-flurpiridaz PET的自动运动校正，通过模拟向量进行数据增强以提升训练鲁棒性，并实现了与经验操作者手动校正相当的诊断性能	研究基于单一临床试验（NCT01347710）的数据，样本量相对有限（32个站点），且依赖两名经验操作者的手动校正作为金标准，可能存在主观偏差	开发一种自动、快速且准确的深度学习运动校正方法，以减少18F-flurpiridaz PET心肌灌注成像中手动校正的观察者间变异性和时间消耗	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的临床试验受试者	医学影像分析	心血管疾病	PET成像	CNN	3D PET图像	来自32个站点的临床试验数据（具体样本数未明确，但使用5折交叉验证）	未明确指定，但基于深度学习框架	3D ResNet	AUC, 95%置信限, 平均差异	NA
1155	2026-02-20	Effective 12-Lead ECG Reconstruction from Minimal Lead Sets Using Deep Learning for Advanced Wearable Systems 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254119 PMID:41336307	研究论文	本研究利用深度学习模型，从仅含三个导联的心电信号中重建标准的12导联心电图，以提升可穿戴设备的心电监测能力	采用通用模型在所有受试者上训练，无需个体化训练，提高了计算效率和泛化能力；探索了多种三导联输入配置与两种网络架构（纯卷积模型和卷积-时序模型）的组合	研究未在病理人群中进行验证，未来需扩展至病理人群	探索从少量导联重建完整12导联心电图的可行性，以增强可穿戴心电设备的诊断能力	从35电极体表电位图中提取的三导联心电信号	机器学习	心血管疾病	体表电位图	CNN	心电信号	未明确说明样本数量，但使用了多受试者的体表电位图数据	NA	纯卷积模型, 卷积-时序模型	中位数R值	NA
1156	2026-02-20	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经网络编码器-解码器模型，用于编码和解码自然刺激下的fMRI脑活动	利用时间卷积层处理连续电影帧输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距	NA	探索自然刺激下fMRI脑活动与视觉输入之间的编码-解码关系	视觉皮层及周围体素的脑活动	机器学习和神经科学	NA	功能磁共振成像	编码器-解码器模型	fMRI数据和自然电影刺激	NA	NA	时间卷积层	NA	NA
1157	2026-02-20	Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment 2025-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.18.25324199 PMID:40166584	研究论文	提出一种基于深度学习的自动分割框架，用于在放疗CT图像上精确分割下颌骨、上颌骨子区域及单个牙齿，以支持剂量评估和骨放射性坏死评估	开发了一种新颖的深度学习自动分割框架，结合Swin UNETR和ResUNet模型，首次实现了与ClinRad ORN分期系统对齐的下颌骨/上颌骨子区域及单个牙齿的精确分割，并用于剂量空间定位分析	分割性能在不同子区域间存在差异（如上前磨牙Dice值仅0.69），且对数据中常缺失的牙齿和子区域分割适用性有限	开发一种临床工具，用于口腔颌面结构的自动分割，以支持放疗剂量估计和骨放射性坏死评估	放疗CT图像中的下颌骨、上颌骨子区域（牙槽区与基骨区）及单个牙齿	数字病理学	头颈癌	计算机断层扫描（CT）	深度学习	CT图像	NA	NA	Swin UNETR, ResUNet	Dice系数, 几何精度, 剂量学比较, 统计显著性检验（Bonferroni校正p值）	NA
1158	2026-02-20	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	研究论文	本研究使用大脑皮层顶点水平的沟深、曲率和厚度特征，结合深度学习和浅层学习模型，对重度抑郁症患者与健康对照组进行分类	首次在大规模、多中心的ENIGMA-MDD数据集上，系统评估了顶点水平皮层形态特征的整合对MDD分类的效能，并比较了DenseNet与SVM两种非线性与线性模型的性能	仅使用结构MRI的皮层形态特征，分类性能接近随机水平，未能有效区分MDD与健康对照；结果可能受多中心数据异质性影响	探索基于大脑皮层形态特征的机器学习模型对重度抑郁症的诊断分类能力	重度抑郁症患者与健康对照者	神经影像分析	重度抑郁症	结构磁共振成像	DenseNet, SVM	神经影像特征数据	7,012名参与者（2,772名MDD患者，4,240名健康对照），来自30个研究中心	NA	DenseNet	平衡准确率	NA
1159	2026-02-19	Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7651 PMID:41410328	研究论文	本研究评估并比较了四种基于人工智能的模型在检测巴氏涂片细胞异常方面的判别能力	在哥伦比亚大学人群中首次评估人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型的性能	研究样本量较小（650张图像），且仅基于单一大学队列，可能限制结果的泛化性	评估人工智能模型在宫颈细胞学异常检测中的判别能力，以改善宫颈癌筛查的诊断性能	来自哥伦比亚东北部大学队列的巴氏涂片细胞图像	数字病理学	宫颈癌	数字图像分析, 深度学习	CNN	图像	650张巴氏涂片细胞图像	NA	DenseNet, InceptionV3, MobileNet, VGG19	灵敏度, 特异性, AUC	NA
1160	2026-02-19	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Dec, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，用于基因组选择任务	结合增量递归特征消除方法与增强型多层卷积神经网络（含残差结构和dropout策略），能更有效地捕获基因数据中的复杂关系	未明确说明模型在更广泛作物种类或极端环境条件下的泛化能力	提高作物基因组选择的预测精度，加速育种进程并应对粮食安全挑战	小麦、玉米和大豆的基因组与表型数据	机器学习	NA	基因组选择	CNN	基因组标记数据	三个数据集（小麦、玉米、大豆），具体样本量未明确说明	NA	增强型多层卷积神经网络（含残差结构）	预测准确率	NA