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
1201	2026-08-03	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	研究论文	提出了一种高效的子模型集成框架SASWISE-UE，通过生成不确定性图来提高医学深度学习模型的可解释性和临床适用性	提出从单个训练良好的检查点生成多样化模型的策略，实现高效的子模型集成，并用于不确定性估计	未在更广泛的任务和模型上验证，且未与更多现有不确定性方法进行对比	通过不确定性估计增强医学深度学习模型的可解释性，以提高其临床适用性	CT身体分割和MR-CT合成任务中的医学图像	计算机视觉	不适用	深度学习	U-Net, UNETR	图像	未明确	不适用	U-Net, UNETR	Dice系数, 平均绝对误差	不适用
1202	2026-08-03	Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction 2025-Aug, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00911-7 PMID:40686829	研究论文	本研究旨在通过[18F]Florapronol PET成像和深度学习自动量化软件，建立区分阿尔茨海默病（AD）患者与正常对照（NC）的SUVR截断值，并评估部分体积校正（PVC）对诊断准确性的提升作用。	利用深度学习自动量化软件和PVC调整，建立了可靠的SUVR截断值，并验证了与视觉分析高度一致性，为淀粉样蛋白PET成像提供了标准化的客观诊断方法。	未提供具体局限性信息。	建立可靠的SUVR截断值以区分AD（排除MCI）与NC，并评估PVC对诊断准确性的提升。	阿尔茨海默病（AD）患者和正常对照（NC）个体。	医学影像分析	阿尔茨海默病	PET成像	深度学习模型	图像	共141名参与者，包括55名AD患者和86名正常对照。	未明确	未明确	敏感性、特异性、ROC分析	未明确
1203	2026-08-03	Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond 2025-Aug, Indian journal of thoracic and cardiovascular surgery IF:0.7Q4 DOI:10.1007/s12055-025-01941-8 PMID:40693004	评述	本文介绍了贝叶斯分析和机器学习在心胸外科研究中的现代统计技术，包括其原理、应用及潜力	强调贝叶斯与机器学习结合，为心胸外科提供动态决策和个性化治疗新视角	未详细讨论实际应用的挑战或局限性	阐述贝叶斯分析和机器学习在心胸外科中的应用价值	心胸外科临床研究	机器学习	NA	贝叶斯分析、机器学习、深度学习、聚类分析	贝叶斯模型、深度学习模型	临床数据	NA	NA	NA	NA	NA
1204	2026-08-03	Single-cell image-based screens identify host regulators of Ebola virus infection dynamics 2025-Aug, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02034-3 PMID:40707832	研究论文	本文通过基于图像的基因组规模CRISPR筛选，识别了埃博拉病毒感染的998个宿主调控因子，并使用深度学习模型和随机森林模型关联病毒复制步骤及调控机制	首次将图像为基础的基因组规模CRISPR筛选与深度学习模型结合，应用于埃博拉病毒研究，并在单细胞水平上识别宿主调控因子及其与病毒复制步骤的关联	未提及具体限制，但可推断为依赖体外实验，可能无法完全模拟体内感染环境	识别埃博拉病毒感染的宿主调控因子，为抗病毒药物靶点提供潜在候选	埃博拉病毒（EBOV）及其宿主细胞，包括UQCRB和STRAP等宿主因子	数字病理学	埃博拉病毒病（埃博拉出血热）	CRISPR筛选	深度学习模型、随机森林模型	图像	39,085,093个细胞	NA	深度学习模型（未指定具体架构）、随机森林模型	NA	NA
1205	2026-08-03	Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review 2025-Aug, Journal of maxillofacial and oral surgery DOI:10.1007/s12663-025-02664-4 PMID:40756906	综述	本综述系统评估了人工智能算法在口腔颌面病理学精确诊断中的应用，重点比较了机器学习与深度学习模型在不同影像技术下的性能表现	首次系统综述了AI算法在口腔颌面病理学多种影像模态（CT、CBCT、MRI）中的应用，并对比了不同算法架构的诊断效能	仅限于2010-2024年间的文献，可能遗漏最新进展；综述结果受所选研究质量差异影响	评估人工智能算法在提高口腔颌面疾病诊断准确性和可靠性方面的潜力	口腔颌面部疾病（如牙根纵裂、牙源性囊肿、转移性淋巴结）及其影像数据	医学影像分析	口腔颌面疾病	CT、CBCT、MRI、全景X线摄影	深度学习（DL）和机器学习（ML）	医学影像（CT、CBCT、MRI、全景X线图像）	概述中未提供具体样本量，但涉及多种临床影像数据集	NA	GoogLeNet Inception v3, U-Net	准确性、敏感性、特异性、AUC、召回率、精确率、F1分数	NA
1206	2026-08-03	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类流程，采用基础分割模型和深度学习进行多中心验证，实现高效准确的良恶性鉴别	首次将Meta的Segment Anything Model与DenseNet-121深度学习模型结合用于MRI卵巢病变分割与分类，并通过多中心外部验证证明其泛化性，同时显著缩短分割时间	研究为回顾性设计，未提供具体计算资源细节，且外部数据集样本量相对较小	开发一种高效、可泛化的MRI卵巢病变分类流程，并评估其与放射科医生诊断性能的对比	卵巢病变患者的多参数MRI图像及临床数据，以及放射科医生的主观评估	计算机视觉	卵巢癌	MRI	深度学习模型（DenseNet-121）和基础分割模型（SAM）	图像（MRI）和临床数据	主要数据集534个病灶（448名女性），外部数据集58个病灶（55名女性）和29个病灶（29名女性）	NA	DenseNet-121, SAM	Dice系数, AUC	NA
1207	2026-08-03	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	该研究在亚洲健康体检人群中外部验证了深度学习模型Sybil用于低剂量CT肺癌风险预测的性能。	首次在亚洲健康体检人群中外部验证Sybil模型，并评估其在从不吸烟或轻度吸烟史个体中的性能。	研究为单中心回顾性研究，可能限制结果的普适性。	外部测试Sybil模型在亚洲健康体检人群中识别肺癌高风险个体的能力，并评估其在无吸烟或轻度吸烟史亚组中的表现。	年龄50-80岁、接受低剂量CT检查且至少有一次随访扫描的亚洲个体。	深度学习	肺癌	低剂量CT	深度学习模型	图像	共18,057人，其中确诊92例肺癌。	NA	Sybil	时间依赖性曲线下面积（AUC）	NA
1208	2026-08-03	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	开发并评估一种基于深度学习的无透射衰减补偿方法（DaT-CTLESS），用于多巴胺转运蛋白单光子发射计算机断层扫描（DaT SPECT）成像，并通过计算机模拟影像试验验证其在临床现实环境中的可靠性	结合物理和深度学习概念，提出了一种无透射衰减补偿方法（DaT-CTLESS），该方法利用散射能量窗口投影重建初始衰减图，并通过基于U-net的网络进行区域分割，无需CT扫描即可实现衰减补偿，克服了传统CTAC方法的局限性	摘要中未明确提及局限性	开发一种无需CT扫描的传输无衰减补偿方法，用于DaT SPECT成像，并在临床现实环境中验证其性能，以克服CTAC方法的挑战	虚拟患者群体的DaT SPECT扫描图像，这些图像源自真实患者的CT和MR图像，并使用来自两个供应商的模拟SPECT扫描仪生成	医学影像	帕金森病	单光子发射计算机断层扫描（SPECT），计算机断层扫描（CT），磁共振成像（MR）	U-net	图像	150名虚拟患者用于训练，另外47名用于评估	NA	U-net	组内相关系数（ICC），保真度指标（FoMs）	NA
1209	2026-08-02	RimeSleepNet: A hybrid deep learning network for s-EEG sleep stage classification 2025-12, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2025.106835 PMID:41038061	研究论文	提出了一种名为RimeSleepNet的混合深度学习模型，用于睡眠脑电信号（s-EEG）的睡眠阶段分类，以解决频率混叠问题。	首次将霜冰优化算法应用于自适应调整变分模态分解（VMD），以减少频率混叠，并结合CNN、多头部自注意力机制和LSTM进行睡眠阶段分类。	文中未提及具体局限性。	提高睡眠阶段分类的准确性和鲁棒性，以支持睡眠障碍诊断和个性化监测。	睡眠脑电信号（s-EEG），包括NREM、REM和WAKE三个睡眠阶段。	机器学习	睡眠障碍	脑电图（EEG）	混合深度学习模型（CNN、LSTM）	信号数据	使用了成都市人民医院和Sleep-EDF数据集，具体样本数量未在标题和摘要中提及。	NA	VMD、CNN、多头部自注意力（MHSA）、LSTM	F1分数、AUC、Cohen's κ、验证损失	NA
1210	2026-08-02	A few-shot u-net learning framework for fast and accurate three-dimensional dose prediction in radiotherapy 2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105184 PMID:41072102	研究论文	提出了一种基于U-Net的少样本学习框架FS-UNet，用于放射治疗中快速且准确的三维剂量预测，并在多个癌症部位上验证了其性能	创新性地将少样本学习与U-Net结合，利用MAML元学习和原型网络提高有限训练数据下的剂量预测性能	未提及明显的局限性，但可能受限于特定治疗部位（前列腺、肝脏、胰腺）和数据集规模（102例患者）	开发一种从有限训练数据中快速准确预测放射治疗三维剂量的深度学习框架	前列腺、肝脏、胰腺癌症患者的质子放射治疗剂量	机器学习, 计算机视觉	前列腺癌, 肝癌, 胰腺癌	NA	U-Net, MAML, 原型网络	图像（三维剂量分布数据）	102例患者（81例前列腺，11例前列腺，29例肝脏，30例胰腺）	NA	U-Net, MAML, 原型网络	均方误差（MSE）, 剂量体积直方图（DVH）	NA
1211	2026-08-02	Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review 2025-08, The Journal of emergency medicine IF:1.2Q3 DOI:10.1016/j.jemermed.2025.05.031 PMID:40664005	系统性综述	本文对人工智能在改善急诊科等待时间方面的应用进行了系统性综述，评估了当前研究现状并指出了研究缺口。	采用实时更新的系统性综述策略，结合ROBINS-I和PROBAST工具进行全面质量评估，并专门聚焦于AI在急诊科等待时间中的应用。	未发现真实世界急诊科实施AI的研究，且现有研究缺乏急诊专家参与，限制了AI实际效果的洞察。	建立评估AI建模策略的框架，以优化急诊科流程并减少等待时间。	急诊科等待时间相关的AI应用研究，包括各种算法模型和模拟研究。	医疗保健、人工智能	急诊科拥挤和等待时间问题	NA	涵盖多种模型，包括回归方法、传统机器学习、神经网络/深度学习、自然语言处理和集成方法	文本（研究文献）	16项定量观察性研究，从17,569篇筛选出的文献中选出	NA	回归方法、传统单模型机器学习、神经网络/深度学习、自然语言处理、集成方法	等待时间减少值（分钟）	NA
1212	2026-08-01	3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications 2025-04-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05549 PMID:40179245	研究论文	本文探讨了使用空间感知深度学习算法分析3D拉曼高光谱数据以提高诊断应用性能的方法	首次将空间感知深度学习方法（如改进的3D U-Net和3D CNN）应用于三维拉曼高光谱数据的分析，相比传统的1D方法保留了空间邻域信息，提高了模型性能	空间信息的利用可能增加网络训练的复杂度，且实验仅验证了结直肠组织和胆管癌两个数据集	研究在拉曼光谱数据分析中保留空间信息的可行性，以提高深度学习模型的性能	结直肠组织（包括正常、增生、腺瘤、癌组织和伪影）和胆管癌数据集	数字病理学, 机器学习, 计算机视觉	结直肠癌, 胆管癌	拉曼光谱, 3D高光谱成像	CNN, 3D U-Net	3D拉曼高光谱扫描数据	包含结直肠组织样本和胆管癌样本，具体数量未在摘要中提供	NA	3D U-Net, 3D CNN, 1D CNN	上皮组织检测和结直肠癌检测的性能指标（具体指标如准确率、Dice系数等未在摘要中明确）	NA
1213	2026-08-01	Structural and functional alterations in hypothalamic subregions in male patients with alcohol use disorder 2025-03-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112554 PMID:39848134	研究论文	本研究探讨了酒精使用障碍男性患者下丘脑亚区的结构和功能改变	使用深度学习算法对下丘脑进行精细分割，首次在酒精使用障碍患者中评估了五个亚区的体积和功能连接	样本量较小，且仅包括男性患者，可能限制结果的普遍性	评估酒精使用障碍患者下丘脑亚区的体积和功能连接改变及其与临床特征的关系	24名戒断的男性酒精使用障碍患者和24名健康男性对照	神经影像学	酒精使用障碍	磁共振成像	深度学习算法	脑结构影像和静息态功能磁共振影像	48名受试者（24名患者和24名对照）	NA	深度学习分割网络	统计检验p值、相关系数r	NA
1214	2026-08-01	Major advances in protein function assignment by remote homolog detection with protein language models - A review 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102984 PMID:39864241	综述	本文综述了利用蛋白质语言模型（pLM）进行远程同源检测以改进蛋白质功能注释的方法，并比较了它们的优缺点	提出了通过过滤嵌入生成的替换矩阵、选择特定pLM层、压缩嵌入及将蛋白质分割为结构域等策略来提高远程同源检测准确性的关键思路	未具体说明计算资源需求和模型性能的量化评估	描述基于蛋白质语言模型的远程同源检测方法，以增强蛋白质功能识别能力	蛋白质同源序列及其功能注释	自然语言处理, 蛋白质组学	NA	蛋白质语言模型（pLM）, 深度学习	Transformer	蛋白质序列	NA	NA	Transformer	NA	NA
1215	2026-08-01	Fake news detection: state-of-the-art review and advances with attention to Arabic language aspects 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2693 PMID:40134874	综述	本文全面回顾了假新闻检测领域的最新进展，并特别关注阿拉伯语方面的挑战和解决方案	系统性地综述了阿拉伯语假新闻检测的独特挑战和专门技术，包括预处理、方法和数据集	未提供实证实验结果，仅基于文献综述，可能缺乏对最新技术深入比较	全面梳理假新闻的类型、领域、特征、生命周期和检测方法，并重点探讨阿拉伯语假新闻检测的前沿进展和未来研究方向	假新闻及其检测方法，尤其是阿拉伯语内容	自然语言处理	NA	NA	机器学习模型、深度学习模型、基于Transformer的模型	文本	NA	NA	Transformer架构（如BERT及其变体）	NA	NA
1216	2026-07-31	Surgical video workflow analysis via visual-language learning 2025-Jan-25, npj health systems DOI:10.1038/s44401-024-00010-3 PMID:42527453	研究论文	提出一种视觉-语言深度学习框架，用于手术视频中细粒度三元组<器械，动作，目标>的精确识别	提出了ITM框架，结合三元组内和三元组间的建模，以及手术三元组语义增强器（TSE）跨视觉和文本模态建立语义关系，实现了手术视频的细粒度分析	未明确说明局限性	实现对手术视频中<器械，动作，目标>三元组的精确识别，以提升手术场景分析的准确性和鲁棒性	手术视频中的细粒度三元组关系	计算机视觉，自然语言处理	NA	视觉-语言深度学习	ITM框架（包含三元组内和三元组间建模），TSE增强器	手术视频	使用手术视频基准数据集（未指定具体数量）	NA	ITM框架，TSE增强器	NA	NA
1217	2026-07-30	SemiSAM+: Rethinking semi-supervised medical image segmentation in the era of foundation models 2025-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103733 PMID:40769095	研究论文	提出了一种名为SemiSAM+的半监督医学图像分割框架，利用基础模型提升分割性能	将可提示分割基础模型（如SAM）引入半监督学习框架，通过专家-通才协作学习机制，利用通用模型生成伪标签指导专用模型训练	未明确提及局限性，但主要依赖基础模型的泛化能力，可能受限于特定任务或数据分布	解决医学图像分割中标注数据稀缺的问题，提出高效半监督学习新范式	医学图像分割任务，特别是有限标注场景下的分割精度提升	数字病理学, 计算机视觉	未指定具体疾病	半监督学习, 基础模型	可提示分割基础模型（SAM）、专家-通才协作学习模型	医学图像	使用三个公开数据集和一个内部临床数据集	PyTorch	SAM（通才模型）+ 任务专用分割模型（专用模型）	Dice系数等分割评价指标	NA
1218	2026-07-30	A protein dynamics-based deep learning model enhances predictions of fitness and epistasis 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2502444122 PMID:41100667	研究论文	构建结合蛋白质动力学的深度学习模型，提升对蛋白质适应性和上位效应的预测能力	创新性地利用基于物理的“非对称动态耦合指数”（DCI）构建异构图形神经网络（GNN），将每个残基与其远距离动态影响者连接，从而无需实验上位数据即可模拟上位相互作用	未在标题和摘要中明确提及局限性	解决预测两个或多个突变之间复杂相互作用的挑战，提高对蛋白质功能影响的评估能力	四种不同蛋白质的深度突变扫描数据集及37种新型计算机设计的TEM-1 β-内酰胺酶变体	机器学习	NA	深度突变扫描	图形神经网络（GNN）	序列数据（蛋白质突变数据）	四种蛋白质的深度突变扫描数据集及37种TEM-1 β-内酰胺酶变体	NA	异构图形神经网络（GNN）	预测准确性	NA
1219	2026-07-30	Individualized treatment effects of corticosteroids in IgA nephropathy 2025-Oct-09, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25337548 PMID:41282804	研究论文	开发因果机器学习框架预测IgA肾病患者对皮质类固醇的个体化治疗效应	整合临床变量、组织病理学评分和基于深度学习的病理组学生物标志物，首次实现IgA肾病皮质类固醇治疗的个体化效应预测	未明确说明局限性	实现IgA肾病皮质类固醇治疗的个体化精准决策	IgA肾病患者	机器学习	IgA肾病	病理组学	因果机器学习模型	数字肾活检图像、临床数据、组织病理学评分	来自八个国际回顾性队列的1022名患者	NA	深度学习模型（未指定具体架构）	肾脏生存率（五年无进展生存）	NA
1220	2026-07-30	Understanding Language Model Scaling on Protein Fitness Prediction 2025-Aug-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.25.650688 PMID:40777237	研究论文	揭示蛋白质语言模型在适应性预测任务中的规模缩放行为	发现模型规模超过一定阈值会导致适应性预测性能下降，并阐明预测偏差与同源序列进化模式匹配度的关系	未量化不同蛋白质家族的最优模型规模差异，未解决极端预测值（过高/过低）时的均匀预测问题	探究蛋白质语言模型规模对适应性预测准确性的影响机制	蛋白质语言模型及其预测的适应性景观	自然语言处理	NA	蛋白质语言建模	蛋白质语言模型	蛋白质序列	NA	NA	NA	适应性预测准确性	NA