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
101	2026-04-07	Energy-Efficient Machine Learning Based Denoising Techniques for Sustainable Medical Imaging 2025-09-16, Journal of visualized experiments : JoVE DOI:10.3791/68968 PMID:41052129	研究论文	本研究提出了一种结合图像增强和K-means聚类预处理的节能型医学图像去噪方法，旨在降低计算成本和能耗	提出了一种集成图像锐化核和K-means聚类分割的预处理流程，能有效识别解剖边界和噪声区域，从而提升卷积自编码器的训练效率和去噪效果	未明确说明具体使用的CT和MRI公开数据集细节及样本规模，且未详细描述对比实验设置	开发节能高效的医学图像去噪技术，以支持可持续医疗成像实践和远程诊断	CT和MRI医学图像	医学影像处理	NA	图像去噪	卷积自编码器	医学图像	NA	NA	卷积自编码器	峰值信噪比, 结构相似性指数, 分类准确率	GPU
102	2026-04-07	Detecting structural heart disease from electrocardiograms using AI 2025-08, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	本文介绍了一种名为EchoNext的深度学习模型，用于从心电图检测多种结构性心脏病	模型基于大规模多样化健康系统的超过100万条心律和影像记录进行训练，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家，且在不同护理环境和种族/民族群体中表现一致	NA	利用人工智能扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	深度学习模型	心电图（心律记录）和影像记录	超过100万条心律和影像记录	NA	EchoNext	诊断准确性	NA
103	2026-04-07	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	本研究评估了在卒中MRI分析中排除不确定急性缺血性病变病例对深度学习工具诊断性能的影响，并识别了与这些不确定病例相关的因素	首次量化了排除不确定病例对深度学习工具诊断比值比的放大效应，并识别了MRI伪影、病灶大小、位置和年龄等与诊断不确定性相关的独立因素	单中心回顾性研究，可能受选择偏倚影响；未评估不同深度学习模型间的差异	评估卒中MRI分析中的谱偏倚，并探究排除不确定病例对深度学习工具诊断性能的影响	疑似卒中成年患者的脑部MRI图像	数字病理学	卒中	脑部MRI	深度学习	图像	989名患者	NA	NA	诊断比值比	NA
104	2026-04-07	Foundation model embeddings for quantitative tumor imaging biomarkers 2025-May-29, Research square DOI:10.21203/rs.3.rs-6630446/v1 PMID:40502795	研究论文	本研究系统评估了十种医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能，并发布了基准测试工具TumorImagingBench	首次系统性地比较了多种基础模型在定量肿瘤影像生物标志物提取任务中的表现，并分析了模型对临床变异性的鲁棒性和可解释性	仅使用了六个公开数据集（共3244个扫描），可能无法涵盖所有临床场景和肿瘤类型	评估医学影像基础模型在提取可靠定量放射组学表型方面的能力	肿瘤影像数据	医学影像分析	肿瘤	深度学习	基础模型	医学影像扫描	3244个扫描（来自六个公开数据集）	NA	多种架构（具体未说明）	终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性	NA
105	2026-04-07	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	研究论文	本研究开发了多种深度学习模型，利用眼底自发荧光图像预测地理萎缩病变的1年生长区域	首次使用深度学习模型基于不同时间点的眼底自发荧光图像预测地理萎缩的未来生长区域，并比较了多种输入策略的性能	研究为回顾性分析，依赖于特定临床试验的数据，可能限制了模型的泛化能力	预测地理萎缩病变的1年生长区域，以支持临床试验决策和临床治疗	地理萎缩患者	计算机视觉	老年性疾病	眼底自发荧光成像	CNN	图像	597名患者的研究眼数据集，分为训练集310例、验证集78例、测试集209例	NA	U-Net	Dice分数, 决定系数, 平方皮尔逊相关系数	NA
106	2026-04-07	De novo designed proteins neutralize lethal snake venom toxins 2025-03, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08393-x PMID:39814879	研究论文	本研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素，并在体外和小鼠模型中验证了其有效性	首次使用深度学习从头设计蛋白质来中和蛇毒中的三指毒素，实现了高结合亲和力、热稳定性及近原子级精度，为下一代抗蛇毒疗法提供了新途径	研究主要基于计算设计和有限的实验筛选，尚未进行大规模临床验证，且资源有限环境下的应用潜力需进一步探索	开发新型蛋白质以中和蛇毒中的三指毒素，为蛇咬伤提供更安全、经济、可及的治疗方案	蛇毒中的短链和长链α-神经毒素及细胞毒素（来自三指毒素家族）	机器学习	蛇咬伤	深度学习	NA	蛋白质序列和结构数据	NA	NA	NA	结合亲和力、热稳定性、中和效果	NA
107	2026-04-07	Artificial Intelligence Applications in Cardiac CT Imaging for Ischemic Disease Assessment 2025-02, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70098 PMID:39927866	综述	本文综述了人工智能在心脏CT成像中用于缺血性疾病评估的应用	强调了AI在心脏CT成像中检测人眼难以察觉的洞察和模式，以提升诊断准确性和效率的潜力	NA	探讨AI在心脏CT成像中对缺血性心脏病的评估作用，旨在优化工作流程并提高心脏护理效率	心脏CT成像数据，包括斑块负荷、狭窄严重程度和CT衍生的血流储备分数等功能评估	医学影像分析	心血管疾病	心脏CT成像	机器学习，深度学习	CT图像	NA	NA	NA	NA	NA
108	2026-04-07	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-01-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	综述	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用预测的计算方法，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基方法比序列基方法提供更高的生物准确性，并揭示功能位点如结合和催化残基	面临高分辨率结构数据有限和有效负采样需求等挑战	推动蛋白质-蛋白质相互作用预测，以理解细胞过程并揭示健康和疾病的分子机制	蛋白质-蛋白质相互作用	机器学习	NA	结构基预测	机器学习,深度学习	蛋白质结构数据	NA	NA	NA	预测准确性	NA
109	2026-04-07	Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics 2025-01-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010081 PMID:39858475	综述	本文综述了特征选择技术如何通过提高机器学习模型在高维数据集中的可解释性和性能，来应对癌症异质性带来的诊断挑战	探讨了人工智能驱动的特征选择在自动化特征提取方面的潜力，并强调了整合深度学习模型和多组学策略的未来方向	方法仍面临数据质量保证、过拟合缓解和可扩展性处理等关键限制	提升癌症诊断的精确性，特别是肿瘤亚型的分类	肿瘤亚型及其生物行为	机器学习	癌症	多组学数据整合	机器学习模型，深度学习模型	高维数据集	NA	NA	NA	NA	NA
110	2026-04-06	A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics 2025-12-05, Journal of visualized experiments : JoVE DOI:10.3791/69355 PMID:41428661	研究论文	本研究提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态	创新性地结合了GARCH模型、双向LSTM网络和Kolmogorov-Arnold网络，以协同方式量化时变波动性、建模双向时间关系并精炼非线性模式，超越了传统模型的局限	未明确提及具体限制，但可能包括模型复杂度高、计算资源需求大或对特定市场条件的泛化能力未知	开发一个稳健的预测工具，以准确预测原油价格，支持能源政策制定、风险对冲和金融衍生品定价	西德克萨斯中质原油的每日价格数据	机器学习	NA	NA	GARCH, BiLSTM, KAN	时间序列数据	39年的每日价格数据（1986-2025年）	NA	GARCH, Bidirectional LSTM, Kolmogorov-Arnold Network	均方根误差, 平均绝对误差, 决定系数	NA
111	2026-04-06	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111169 PMID:41033356	研究论文	本研究开发了一种基于深度学习的正常组织并发症概率（NTCP）模型，用于预测头颈癌放疗后晚期吞咽困难，该模型整合了3D剂量分布、器官分割和CT扫描数据	首次将3D剂量数据、器官分割和CT扫描结合到深度学习模型中，以预测放疗后吞咽困难，相比传统基于离散剂量参数的NTCP模型，显著提升了预测性能	研究依赖于多机构队列数据，可能存在数据异质性；模型性能在外部测试集上略有下降，表明泛化能力有待进一步验证	通过深度学习模型改进头颈癌放疗后晚期吞咽困难的预测准确性	头颈癌患者	数字病理学	头颈癌	放疗剂量分析，CT扫描	CNN	3D剂量分布图像，CT图像，器官分割掩码	1484名头颈癌患者的多机构队列	NA	Residual Network	AUC，校准曲线	NA
112	2026-04-06	A Novel Hybrid Deep Learning Model for Attack Detection in IoT Environment: Convolutional Neural Network with Transformer Approach 2025-11-18, Journal of visualized experiments : JoVE DOI:10.3791/68750 PMID:41359642	研究论文	提出一种基于CNN与Transformer的混合深度学习模型，用于物联网环境中的攻击检测与分类	首次将卷积神经网络与Transformer架构结合，构建混合模型用于物联网攻击检测，在保持高精度的同时显著降低计算复杂度	仅使用单一数据集（CIC-IoT-2023）进行验证，未在更广泛的物联网场景和实时部署环境中测试	开发高效的深度学习安全方法，实时检测物联网网络中的异常活动和潜在威胁	物联网网络通信数据中的攻击模式与异常行为	机器学习	NA	深度学习	CNN, Transformer	网络流量数据	CIC-IoT-2023数据集，包含33种物联网威胁类型，分为7个类别	NA	CNN-Transformer混合架构	准确率, 精确率, 召回率, F1分数, 损失值	NA
113	2026-04-06	An Open-source Protocol for Deep Learning-based Segmentation of Tubular Structures in 3D Fluorescence Microscopy Images 2025-11-14, Journal of visualized experiments : JoVE DOI:10.3791/68004 PMID:41325317	研究论文	本文介绍了一个开源、用户友好的工具箱，用于3D荧光显微镜图像中管状结构的端到端分割	工具箱采用基于模拟的数据增强策略，即使在最少训练数据（如仅一张3D图像）下也能提升模型性能，并模拟真实成像伪影	NA	开发一个无需正式编程训练的研究人员也能使用的工具箱，用于3D荧光显微镜图像中管状结构的精确分割	小鼠肝组织中的胆管网络和正弦网络	数字病理学	NA	3D荧光显微镜成像	CNN	3D图像	最少一张3D图像（通过数据增强扩展）	TensorFlow, PyTorch, Keras	3D U-Net, 3D U-Net with attention mechanisms	定性评估, 定量评估	本地GPU, 高性能计算集群, 云平台
114	2026-04-06	Transfer Learning and UNet Segmentation for Paddy Leaf Disease Classification as a Solution with a User-Friendly Interface for Non-Technical Users 2025-10-24, Journal of visualized experiments : JoVE DOI:10.3791/68861 PMID:41212843	研究论文	本研究提出了一种基于迁移学习和UNet分割的定制化深度学习方案，用于水稻叶片病害分类，并开发了用户友好的图形界面供非技术用户使用	结合了定制化的DenseNet-121迁移学习模型与UNet图像分割技术，显著提升了分类准确率，并设计了面向非技术用户的直观交互界面	未明确提及模型在真实田间复杂环境下的泛化能力测试或计算资源需求的具体分析	开发一种可靠且可扩展的水稻叶片病害自动分类解决方案，以辅助农业生产	水稻叶片病害图像，包括Tungro、Sheath Blight、Paddy Hispa、Neck Blast、Narrow Brown Spot、Leaf Scald、Leaf Blast、Brown Spot和Bacterial Leaf Blight	计算机视觉	水稻病害	深度学习，图像分割	CNN	图像	基于Paddy Leaf Diseases Detection Dataset的两个数据集（分割图像与非分割图像），具体样本数量未明确	未明确指定，可能为TensorFlow, PyTorch等	DenseNet-121, UNet	准确率, 精确率, 召回率	未明确指定
115	2026-04-06	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	本文开发了一种自动化的不确定性感知深度学习方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性	提出了一种多任务贝叶斯神经网络，能够同时估计肺气肿指标和5年死亡风险，并量化数据与模型不确定性，提高了不同辐射剂量CT图像间评估的一致性	研究仅基于COPDGene研究队列，样本量有限（1350名参与者），且仅针对肺气肿和COPD相关死亡风险	开发一种对成像协议更鲁棒的自动化方法，用于联合评估肺气肿和死亡风险，并提供不确定性量化	COPDGene研究中的参与者，包括接受全辐射剂量和降低辐射剂量胸部CT扫描的个体	数字病理学	肺气肿	胸部CT扫描	贝叶斯神经网络	CT图像	1350名参与者（平均年龄64.4岁±8.7；659名女性）	NA	多任务贝叶斯神经网络	均值差异, p值, Pearson's rho	NA
116	2026-04-06	Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records 2025-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111052 PMID:40692078	研究论文	本研究利用开源大语言模型（LLM）对大规模非结构化电子健康记录（EHR）进行结构化处理，以改进放疗后患者的死亡率预测	采用通用领域的大语言模型（而非针对医学数据微调的模型）来结构化非结构化EHR数据，显著提升了生存预测的准确性和模型可解释性	研究主要基于单一医疗中心的数据进行内部验证，外部验证样本量相对较小（852例），且未详细讨论模型在不同医疗系统或人群中的泛化能力	提高放疗后患者死亡率预测的准确性，以优化临床决策和避免对预期寿命有限的患者进行不必要的放疗	接受放疗的患者，包括来自延世癌症中心的34,276例患者（内部数据集）和来自龙仁Severance医院的852例患者（外部验证集）	自然语言处理	癌症	大语言模型（LLM）用于非结构化EHR数据的结构化处理	大语言模型（LLM），深度学习模型	非结构化和结构化的电子健康记录（EHR）数据	内部数据集34,276例患者，外部验证集852例患者	NA	开源大语言模型（具体架构未指定），以及统计、机器学习和深度学习模型	C-index，风险分层的p值，结构化准确率	NA
117	2026-04-06	stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration 2025-Aug-31, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf429 PMID:40905789	研究论文	介绍了一个名为stImage的开源R软件包，用于优化空间转录组学分析，通过整合基因表达、组织学图像和空间坐标信息	首次在统一框架中完全协同整合基因表达、组织学特征和精确空间坐标，并提供54种集成策略和深度学习衍生的组织学特征	未明确说明方法在特定组织类型或疾病条件下的适用性限制	开发一个灵活全面的空间转录组学分析框架，优化生物组织结构的理解	空间转录组学数据（基因表达、组织学图像、空间坐标）	空间转录组学	NA	空间转录组学	深度学习	基因表达数据、组织学图像、空间坐标数据	多个数据集（未指定具体数量）	R	NA	诊断图评估	NA
118	2026-04-06	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-07, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	研究论文	本研究开发了一种基于CT的深度学习模型，用于儿科上腹部肿瘤放疗中危及器官的自动勾画，并评估了其在多个数据集上的鲁棒性	结合内部和公共数据集训练模型，提高了模型在儿科上腹部OARs分割中的鲁棒性，并针对年龄组差异进行了性能分析	胃-肠和胰腺的分割性能较低（DSC值低于0.90），且0-2岁年龄组的模型表现最差	开发并评估用于儿科上腹部放疗中危及器官自动勾画的深度学习模型	儿科上腹部肿瘤患者（包括肾肿瘤和神经母细胞瘤）的CT图像	数字病理	儿科肿瘤	CT成像	深度学习	CT图像	内部数据集189例儿科患者，公共数据集189例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
119	2026-04-06	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	研究论文	本研究探讨了使用传统DenseNet架构，通过优化层数和图像融合策略，在口咽癌患者无复发生存期预测中是否能够达到与先进深度学习模型相当的性能	研究表明，具有81层的传统DenseNet架构在内部测试集上达到了与更复杂架构的先进模型相当的预测性能，并在外部测试中表现更优，且移除GTV输入数据在某些情况下能提升外部测试性能	研究未详细讨论模型在其他癌症类型或更大数据集上的泛化能力，也未分析不同融合策略在所有临床场景下的最优性	比较传统DenseNet架构与先进深度学习模型在口咽癌患者无复发生存期预测中的性能	口咽癌患者	数字病理	口咽癌	PET和CT成像	DenseNet	图像	HECKTOR 2022数据集包含489名患者（训练集369名，测试集120名），外加400名患者的外部测试集	NA	DenseNet81	C-index	NA
120	2026-04-06	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	本研究开发了一种基于深度学习的自动化关节空间检测方法，用于提高小鼠爪骨分割的准确性	在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构的深度学习模型进行关节空间预测	在疾病严重程度增加和年龄增长的小鼠中分割准确性下降，特别是在关节炎严重的前爪数据集中性能衰减明显	开发自动化图像分析方法以定量描述复杂解剖结构，减少人工分割的需求和观察者间变异	小鼠后爪和前爪的微CT图像数据集，包括野生型和TNF转基因关节炎模型	数字病理学	关节炎	微计算机断层扫描	CNN	3D图像	包含野生型和TNF转基因小鼠的后爪和前爪数据集，测试组占52.4%	NA	3D U-Net, ResNet-18	分割准确率	NA