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
1301	2026-01-14	Development and clinical implementation of an MRI-only planning workflow featuring deep learning-based synthetic CT for prostate cancer external beam radiotherapy 2025-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70228 PMID:40841175	研究论文	本文开发并临床实施了一种仅基于MRI的放疗规划工作流程，利用深度学习生成合成CT图像，用于前列腺癌外部束放射治疗	创新点包括开发多通道CycleGAN模型从MRI生成合成CT、自动化基准标记检测以及将工作流程集成到治疗规划系统中，从而消除对CT扫描的需求	研究样本量较小（回顾性11例，前瞻性10例），且未详细讨论模型在不同患者群体或成像设备上的泛化能力	旨在临床实施仅基于MRI的放疗规划工作流程，用于前列腺癌外部束放射治疗，以提高效率和减少辐射暴露	前列腺癌患者	数字病理学	前列腺癌	MRI成像（T1加权Dixon、T2加权3D、T2*加权GRE）、定量磁化率映射	GAN	图像	回顾性11例患者，前瞻性10例患者	NA	CycleGAN	剂量学差异百分比、基准标记检测成功率、检测时间减少	NA
1302	2026-01-14	Single- versus multi-model in the deep learning prediction of monitor units per control point for automated treatment planning in prostate cancer 2025-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70229 PMID:40883098	研究论文	本研究比较了单模型与多模型深度学习方法在预测前列腺癌容积旋转调强放疗中每个控制点监测单位数的性能，以自动化治疗计划	引入了基于深度学习的单模型与多模型方法，用于预测前列腺癌VMAT治疗中每个控制点的监测单位数，并比较了2D与3D输入数据的性能	研究仅基于单一机构的前列腺癌患者数据，样本量相对有限，且未评估模型在其他癌症类型或放疗技术中的泛化能力	开发并比较深度学习方法，以预测前列腺癌容积旋转调强放疗中每个控制点的监测单位数，实现自动化治疗计划	前列腺癌患者接受60 Gy分20次放疗的治疗计划数据	数字病理	前列腺癌	容积旋转调强放疗	深度学习模型	3D剂量分布数据、2D平均剂量强度投影数据	302份均匀治疗计划（训练集220份、验证集40份、测试集42份）	NA	NA	每个控制点仪表权重的误差百分比、每个束流监测单位的误差百分比、临床目标达成率	NA
1303	2026-01-14	A Deep Learning Method for Autism Spectrum Disorder Classification Based on Multimodal Neuroimaging Data 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/EMBC58623.2025.11253912 PMID:41337246	研究论文	本文提出了一种基于多模态神经影像数据的深度学习模型，用于自闭症谱系障碍（ASD）的分类诊断	通过融合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）的互补信息，构建更全面的特征空间，捕捉单一模态无法提供的复杂神经病理特征	研究仅使用了ABIDE NYU站点的数据，样本量有限，且未在其他独立数据集上进行验证	提高自闭症谱系障碍（ASD）与典型发育对照组（TC）的早期分类准确性，以支持及时干预和治疗	自闭症谱系障碍（ASD）患者和典型发育对照组（TC）的个体	机器学习	自闭症谱系障碍	功能磁共振成像（fMRI），结构磁共振成像（sMRI）	深度学习模型	神经影像数据	来自ABIDE NYU站点的影像数据	NA	NA	准确率，AUC，灵敏度，特异度	NA
1304	2026-01-14	A fusocelular skin dataset with whole slide images for deep learning models 2025-May-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05108-3 PMID:40368949	研究论文	本文介绍了AI4SkIN数据集，这是首个用于皮肤梭形细胞病变的公开全切片图像数据集，通过创新的众包协议进行标注，旨在提升计算机辅助诊断系统的性能	首次公开了针对皮肤梭形细胞病变的全切片图像数据集，并采用基于高斯过程的众包协议进行标注，展示了非专家标注数据在训练深度学习模型中的有效性	未明确提及数据集的样本多样性或潜在的标注偏差，且未详细讨论模型在临床环境中的泛化能力	开发一个用于皮肤梭形细胞病变分类的公开数据集，以支持计算机辅助诊断系统的研究和验证	皮肤梭形细胞病变的全切片图像	数字病理学	皮肤梭形细胞病变	苏木精和伊红染色	深度学习模型	全切片图像	641张全切片图像	NA	NA	NA	NA
1305	2026-01-14	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	本研究利用Twitter数据，通过无监督深度学习方法分析了2010年至2023年间公众对痴呆症基因检测的认知趋势和差距	首次结合BERT模型和主题建模技术，从社交媒体数据中挖掘公众对痴呆症基因检测的长期认知演变，并识别出关键争议话题	研究仅基于英语推文数据，可能无法全面反映全球多元文化背景下的公众认知；主题一致性系数较低（Silhouette Coefficient=0.19），表明话题聚类效果有限	分析公众对痴呆症基因检测的认知趋势、关注焦点及信息传播模式	2010年1月1日至2023年4月1日期间包含相关术语的英文推文	自然语言处理	痴呆症	基因检测	BERT	文本	3045条原始/源推文	NA	BERT	Silhouette Coefficient	NA
1306	2026-01-14	GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running 2025-Mar-21, Research square DOI:10.21203/rs.3.rs-6206222/v1 PMID:40166023	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，旨在通过大规模多样化数据训练，实现低成本、高精度的步态动力学预测	开发了首个针对人类步态的生成式基础模型，能够处理多样化输入和输出任务，并在数据缺失或未见人群上保持高准确性和鲁棒性	模型训练依赖于大规模数据集，可能无法覆盖所有可能的步态变异或极端情况；未详细讨论模型在实时应用中的计算延迟问题	通过深度学习模型低成本地预测和分析人类步态动力学，以促进健康、预防损伤、治疗疾病和优化运动表现	人类行走和跑步的步态动力学，包括运动学和地面反作用力	机器学习	NA	深度学习	生成式基础模型	运动学和力数据	大规模数据集，包含多样化参与者人口统计学和步态模式	未指定	未指定	准确性, 鲁棒性	未指定
1307	2026-01-14	Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics 2025-Feb-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56560-z PMID:39948387	研究论文	本文介绍了一种名为DeepCellMap的深度学习辅助工具，用于分析发育中人类大脑的小胶质细胞空间组织	开发了DeepCellMap工具，结合多尺度图像处理与先进空间统计，首次系统映射小胶质细胞在正常和病理大脑发育中的空间组织	未明确说明样本量的具体限制或工具在不同成像模态下的验证范围	研究发育中人类大脑的小胶质细胞空间组织及其在病理条件下的变化	人类胎儿大脑组织中的小胶质细胞	数字病理学	NA	多尺度图像处理，空间统计，聚类分析	深度学习	组织切片图像	NA	NA	NA	NA	NA
1308	2026-01-14	Innovative Immunoinformatics Tools for Enhancing MHC (Major Histocompatibility Complex) Class I Epitope Prediction in Immunoproteomics 2025, Protein and peptide letters IF:1.0Q4 DOI:10.2174/0109298665373152250625054723 PMID:40662558	综述	本文综述了免疫信息学工具在提升MHC I类表位预测方面的最新进展	整合了生物信息学算法、人工智能和机器学习模型，特别是深度学习与多组学数据融合，以增强表位预测的敏感性和特异性	由于MHC I类结合肽的复杂性和多样性，在不同人群和情境中精确识别表位仍极具挑战性	提升MHC I类表位预测的准确性，以促进疫苗开发、癌症免疫疗法和自身免疫性疾病研究	MHC I类分子结合肽	自然语言处理	NA	免疫信息学工具（如NetMHC、IEDB、MHCflurry）、生物信息学算法、人工智能、机器学习、深度学习、多组学数据整合	机器学习模型、深度学习模型	大规模肽-MHC结合数据、结构特征、相互作用动态、蛋白质组学、转录组学、基因组学数据	NA	NA	NA	敏感性、特异性、准确性	NA
1309	2026-01-13	Predictive Value of Machine Learning in Knee Osteoarthritis Progression: Systematic Review and Meta-Analysis 2025-Dec-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80430 PMID:41468605	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习在预测膝骨关节炎进展中的应用现状和准确性	首次系统比较了机器学习、传统方法和深度学习在不同数据集、模型类型、建模变量及膝骨关节炎进展定义下的预测性能，并使用预测区间估计未来潜在效应范围	纳入研究存在显著异质性，如膝骨关节炎进展定义和验证策略的差异，当前证据需谨慎解读	评估机器学习在预测膝骨关节炎进展中的预测价值和应用准确性	膝骨关节炎进展预测研究	机器学习	膝骨关节炎	NA	机器学习, 深度学习, 传统方法（如逻辑回归）	临床特征, 磁共振成像, X射线	共纳入32项研究	NA	NA	一致性指数, 诊断四格表	NA
1310	2026-01-13	A Federated Hierarchical DQN-Based Distributed Intelligent Anti-Jamming Method for UAVs 2025-Dec-26, Sensors (Basel, Switzerland) DOI:10.3390/s26010181 PMID:41516616	研究论文	本文提出了一种基于联邦分层深度Q网络的多无人机协同智能抗干扰决策方法，以解决无人机集群系统中的数据隔离和决策不一致问题	将联邦学习框架与分层深度强化学习模型相结合，通过仅共享本地模型参数而非原始数据，在保护数据隐私和降低通信开销的同时，实现了任务子网内决策的一致性，并采用分层设计克服了多域干扰参数带来的维度灾难	仅通过仿真验证了方法的有效性，未在真实无人机集群环境中进行实地测试，且未讨论模型在动态变化或极端干扰环境下的鲁棒性	开发一种高效、安全的多无人机协同智能抗干扰决策方法，以提升无人机集群在复杂电磁环境中的通信性能	无人机集群系统及其在干扰环境下的通信决策	机器学习	NA	联邦学习，深度强化学习	深度Q网络	仿真数据	NA	NA	分层深度Q网络	决策准确率	NA
1311	2026-01-13	Spatial Transcriptomics As Rasterized Image Tensors (STARIT) characterizes cell states with subcellular molecular heterogeneity 2025-Dec-22, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695193 PMID:41497642	研究论文	本文提出了一种名为STARIT的方法，将成像空间转录组学数据转换为图像张量表示，以利用亚细胞异质性识别细胞类型和状态	开发了STARIT方法，首次将imSRT数据中的转录本转换为图像张量表示，结合深度学习计算机视觉模型，能够捕捉传统基因计数分析忽略的亚细胞转录定位异质性	未明确说明方法在复杂组织或大规模数据集上的可扩展性及计算效率	利用成像空间转录组学数据中的分子分辨率信息，基于亚细胞异质性识别细胞状态	成像空间转录组学数据中的细胞及其亚细胞转录本	计算机视觉	NA	成像空间转录组学	深度学习计算机视觉模型	图像张量	模拟数据和真实imSRT数据（具体数量未提供）	Python	NA	NA	NA
1312	2026-01-13	An attention-based transfer learning model for diagnosing subluxation in temporomandibular joint panoramic radiographs 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31462-8 PMID:41413172	研究论文	本研究提出了一种基于注意力机制的迁移学习模型，用于在颞下颌关节全景X光片中诊断半脱位	通过将自注意力机制集成到性能最佳的DenseNet201模型中，进一步提升了半脱位检测性能，并公开了包含3,425张标注图像的数据集以促进可重复性研究	未明确提及模型在临床环境中的泛化能力或外部验证结果	提高颞下颌关节全景X光片中半脱位的检测准确性，支持临床决策	颞下颌关节全景X光片图像	计算机视觉	颞下颌关节疾病	深度学习	CNN	图像	3,425张标注的颞下颌关节全景X光片图像	NA	MobileNet, ResNet50V2, InceptionV3, Xception, EfficientNetV2B0, InceptionResNetV2, DenseNet201	准确率, 精确率, 召回率, 特异性, F1分数	NA
1313	2026-01-13	The impact of pre-processing techniques on deep learning breast image segmentation 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30724-9 PMID:41402475	研究论文	本研究探讨了不同预处理技术对深度学习乳腺图像分割模型性能的影响	系统比较了通用和特定领域预处理流程，并识别出针对乳腺成像的优化策略，首次在医学图像分析中详细评估预处理作用	数据集规模和范围存在限制	评估预处理技术对乳腺图像分割模型性能的影响	乳腺图像	医学影像分析	乳腺癌	深度学习图像分割	U-Net	图像	两个公共数据集：CBIS-DDSM和Duke-Breast-Cancer-MRI	NA	U-Net	3-way ANOVA F-test	NA
1314	2026-01-13	AI-powered epidemic control: Deepseek's role in global health resilience 2025-Dec-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07082-1 PMID:41402882	研究论文	本文介绍了DeepSeek这一AI驱动平台如何通过早期预警系统、趋势预测、治疗优化和公众咨询革新流行病管理	通过整合多源实时数据（流行病学、社交媒体、移动性数据）与深度学习模型（LSTM、Transformers）及可解释决策框架，提升公共卫生响应能力	面临数据隐私和模型准确性的挑战	利用AI技术增强全球卫生韧性，改进流行病控制	流行病管理平台DeepSeek及其在公共卫生中的应用	自然语言处理, 机器学习	NA	深度学习	LSTM, Transformers	流行病学数据, 社交媒体数据, 移动性数据	NA	NA	LSTM, Transformers	NA	NA
1315	2026-01-13	Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets 2025-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689219 PMID:41473273	研究论文	本文开发了一种结合图神经网络与分子描述符的混合深度学习框架，用于预测药物靶点的半抑制浓度（IC）值	提出了一种混合深度学习框架，将图神经网络与显式分子描述符相结合，以同时捕获局部结构模式和全局理化性质，从而提高了预测精度和模型可解释性	模型在部分可解释性方面仍有局限，且仅在9个生物靶点上进行了验证，泛化能力需在更广泛靶点上进一步测试	加速药物发现过程，通过更准确地预测化合物对生物靶点的半抑制浓度（IC）值来优化化合物筛选	14,316种化合物，涵盖激酶、核受体和蛋白酶等9个不同的生物靶点	机器学习	NA	定量构效关系（QSAR）建模，图神经网络	图神经网络（GNN）	分子图数据（原子和键特征），分子描述符（理化性质和结构指纹）	14,316种化合物	NA	图神经网络（具体架构未指定）	测试R²（决定系数）	NA
1316	2026-01-13	Dual-feature selectivity enables bidirectional coding in visual cortical neurons 2025-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665209 PMID:40777393	研究论文	本研究揭示了猕猴视觉皮层神经元采用双特征编码策略，即单个神经元对两种不同的视觉特征具有选择性，一种增强其活动，另一种抑制其活动	发现了神经元对增强和抑制活动的两种不同视觉特征具有选择性，并利用基于深度学习的“功能数字孪生”模型系统识别这些特征	未明确说明样本量或模型训练的计算资源细节	探究视觉皮层神经元的编码策略及其在种群表征中的作用	猕猴视觉皮层V1和V4区的神经元，以及小鼠初级和外侧视觉皮层的神经元	计算神经科学	NA	神经元记录，深度学习建模	深度学习模型	神经元电生理记录数据，自然图像	NA	NA	功能数字孪生模型	NA	NA
1317	2026-01-13	Blockchain-based cryptographic framework for secure data transmission in IoT edge environments using ECaps-Net 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30906-5 PMID:41350368	研究论文	本研究提出了一种集成区块链密码算法与增强深度学习模型的入侵检测系统，用于保障物联网边缘环境下的安全数据传输	首次将增强胶囊网络（ECaps-Net）与基于Merkle-Damgard算法的区块链技术相结合，用于物联网边缘环境的入侵检测与数据安全传输	未提及模型在更复杂或新兴攻击模式下的泛化能力，也未说明在实际大规模物联网部署中的性能表现	开发一个安全可靠的入侵检测与数据保护框架，以应对物联网边缘环境中的数据隐私、完整性和安全问题	物联网边缘环境中的网络流量、设备交互和实时异常数据	机器学习	NA	区块链技术，密码学算法（Merkle-Damgard）	深度学习，增强胶囊网络（ECaps-Net）	网络流量数据，入侵检测数据集	使用KDD Cup-99和UNSW-NB15两个公开数据集进行实验	NA	增强胶囊网络（ECaps-Net），包含挤压与激励（SE）模块	准确率	NA
1318	2026-01-13	Knowledge distillation-based lightweight MobileNet model for diabetic retinopathy classification 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30893-7 PMID:41350373	研究论文	本文提出了一种基于知识蒸馏的轻量级MobileNet模型，用于糖尿病视网膜病变的分类	利用知识蒸馏技术将复杂模型的知识迁移到轻量级MobileNet架构中，实现高效且适合边缘设备部署的糖尿病视网膜病变分类模型	模型在资源受限设备上的性能可能受到限制，且仅使用APTOS 2019数据集进行评估，泛化能力未在其他数据集上验证	开发一种轻量级深度学习模型，用于糖尿病视网膜病变的自动分类，以解决资源受限环境下的筛查需求	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	深度学习, 知识蒸馏	CNN	图像	APTOS 2019数据集（具体样本数量未在摘要中说明）	NA	MobileNet	准确率, 精确率, 召回率	NA
1319	2026-01-13	Enhancing marine magnetic anomaly interpretation with anisotropic diffusion and deep transfer learning 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30926-1 PMID:41350564	研究论文	本文提出了一种结合各向异性扩散和深度迁移学习的方法，以增强海洋磁异常的解释，减少主观性并提高效率	首次将各向异性扩散与深度迁移学习结合应用于海洋磁异常解释，以处理数据稀疏性和标记数据有限的问题	非线性预测部分可能源于数据覆盖不足或复杂构造，模型在数据稀疏区域的表现可能受限	通过深度学习最小化海洋磁异常解释的主观性并加速处理过程	海洋线性磁异常（LMAs），具体来自东太平洋隆起、雷克雅内斯、沙茨基海隆和阿索尔高原等区域	机器学习	NA	各向异性扩散，深度迁移学习	CNN	图像（海洋磁异常数据图）	NA	NA	标准卷积神经网络	准确率	NA
1320	2026-01-13	A lightweight dual-stream architecture for flow enhanced anomaly detection (FEAD) 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30911-8 PMID:41350601	研究论文	本文提出了一种轻量级双流架构用于视频异常检测，通过光流引导的特征融合机制增强对运动异常的敏感性	提出了一种新颖的光流引导特征融合机制，利用预提取的光流信息作为动态先验，有效引导原始图像流在特征提取过程中关注关键运动区域	NA	开发一种轻量级、高效的视频异常检测模型，适用于资源受限环境中的实时部署	视频流中的异常行为或物体	计算机视觉	NA	光流提取	双流架构	视频帧, 光流图	三个基准数据集：Ped2, Avenue, ShanghaiTech	NA	双流架构	AUC	NA