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
1781	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
1782	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
1783	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
1784	2026-05-24	Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions 2025-Dec-26, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3649164 PMID:41929561	研究论文	针对临床乳腺病变，定量评估深度学习恢复空间变异变形的能力	开发了生成模拟临床乳腺图像的方法，包含复杂病变形状和示踪剂依赖特征，并首次在临床样合成数据上训练和测试深度学习模型	研究基于合成数据，未在真实临床数据上全面验证模型性能，且仅评估了有限示踪剂类型	评估深度学习在双面板PET成像中恢复空间变异变形的效果，改善乳腺病变的可视化和定量分析	双面板乳腺PET扫描仪（B-PET）重建图像中的乳腺病变	数字病理学	乳腺癌	NA	深度学习神经网络	合成图像（模拟临床乳腺图像）	NA	NA	NA	病变对比度指标、图像粗糙度	NA
1785	2026-05-24	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	综述	系统评估深度学习模型在MRI肝细胞癌分割中的应用，重点关注模型架构、性能指标和实施挑战	首次系统性地综述深度学习在MRI肝细胞癌分割中的模型、性能及挑战，涵盖多种U-Net变体及Transformer混合模型	数据集规模小（19-602名患者），病灶异质性和MRI协议变异性限制泛化能力；8项研究存在患者选择偏倚高风险	评估深度学习模型在MRI肝细胞癌分割中的性能并识别实施障碍	13项符合标准的同行评审研究，主要使用U-Net及其变体（如nnU-Net、UNet++）	数字病理学	肝细胞癌	MRI	深度学习（CNN、U-Net、Transformer混合模型）	MRI图像	19至602名患者（基于13项研究）	NA	U-Net, nnU-Net, UNet++, Transformer	Dice相似系数	NA
1786	2026-05-24	Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study 2025-11-20, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c05780 PMID:41212638	研究论文	比较深度学习模型DeepRMSD+Vina与传统分子动力学模拟在碳纳米管与SARS-CoV-2主蛋白酶对接问题中的性能	首次评估深度学习在纳米结构对接问题中的表现，并发现其与分子动力学模拟结果高度一致，但需注意柔性环区的局部能量势垒	深度学习生成的结构未完全捕捉结合口袋附近柔性环区的结构变化，且其预测的结合构象处于局部能量最小值，需克服能垒才能到达全局最小值	评估深度学习方法在纳米生物系统对接中的性能，为纳米医学材料设计提供新思路	碳纳米管（最代表性纳米材料）与SARS-CoV-2主蛋白酶（Mpro）的对接系统	机器学习	新冠肺炎	深度学习、分子动力学模拟	DeepRMSD+Vina	分子结构数据	NA	NA	DeepRMSD+Vina	NA	NA
1787	2026-05-24	BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images 2025-Aug-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01882-x PMID:40764388	研究论文	开发了一种名为“BlurryScope”的快速扫描光学显微镜，结合连续图像采集和深度学习，为组织切片的自动检查和分析提供经济高效且紧凑的解决方案	利用运动模糊图像进行深度学习分类，实现了低成本、小巧轻便的扫描显微镜，性能媲美高端商用数字病理扫描仪	未提及具体局限性	实现乳腺癌组织切片中HER2评分的自动分类	免疫组化染色的乳腺组织切片	数字病理学	乳腺癌	免疫组化染色	深度学习	图像	284个独特患者核心样本	NA	NA	准确率	NA
1788	2025-06-20	Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging 2025-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61097-2 PMID:40533457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1789	2026-05-24	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本研究提出了一种基于扩散模型的像素超分辨率虚拟染色方法，通过布朗桥过程增强无标记组织的空间分辨率和染色保真度	首次将扩散模型与布朗桥过程结合用于无标记组织像素超分辨率虚拟染色，通过采样技术减少生成图像的方差，实现4-5倍超分辨率因子和16-25倍空间带宽积提升	目前仅在人肺组织样本上验证，算法性能依赖于输入的低分辨率自荧光图像质量，且未在多种组织类型或染色方法上测试	开发一种无需传统化学染色的像素超分辨率虚拟染色方法，提高虚拟染色的分辨率和图像质量，支持临床诊断应用	无标记人肺组织样本的低分辨率自荧光图像	计算机视觉、数字病理学	肺癌	无标记显微镜、扩散模型、布朗桥过程	扩散模型	图像	人肺组织样本（具体数量未提及）	NA	扩散模型（基于布朗桥过程）	分辨率、结构相似性、感知精度	NA
1790	2026-05-24	Predicting seizure episodes and high-risk events in autism through adverse behavioral patterns 2025-04-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adcafd PMID:40203864	research paper	基于九年的行为与癫痫发作数据，利用深度学习算法预测自闭症谱系障碍患者的高风险行为事件和癫痫发作	首次证明行为模式可以预测癫痫发作及不良行为，拓展了预测模型在自闭症谱系障碍中的临床应用	未在论文摘要中明确说明	确定历史行为数据能否预测重度自闭症谱系障碍患者的高风险行为或癫痫事件，以促进早期干预	353名自闭症谱系障碍患者的九年行为与癫痫发作数据	machine learning	autism	NA	deep learning	categorical behavioral data, seizure labels	353名自闭症谱系障碍患者	NA	NA	accuracy	NA
1791	2026-05-24	Decoding pathology: the role of computational pathology in research and diagnostics 2025-04, Pflugers Archiv : European journal of physiology DOI:10.1007/s00424-024-03002-2 PMID:39095655	综述	综述计算病理学在研究和诊断中的作用，介绍其利用深度学习技术分析组织病理标本的进展	系统介绍计算病理学从传统组织病理学到数字病理的演进，强调多模态数据整合和多用途基础模型的应用	未具体说明，可能涉及综述本身的局限性，如未涵盖所有最新研究	提供计算病理学进展的入门概述，讨论其对组织病理学研究和诊断未来的影响	组织病理标本和计算病理学相关方法	数字病理学	NA	NA	深度学习	组织病理图像	NA	NA	NA	NA	NA
1792	2026-05-24	Machine learning models for pharmacogenomic variant effect predictions - recent developments and future frontiers 2025 Apr-Apr, Pharmacogenomics IF:1.9Q3 DOI:10.1080/14622416.2025.2504863 PMID:40401639	review	综述了基于机器学习的药物基因组学变异效应预测模型的最新进展与未来方向	系统评估了整合多源数据（DNA、蛋白质序列、进化保守性和单倍型结构）的深度学习与集成方法在药物基因组学应用中的优势与不足，并探讨了底物特异性预测和变异上位性等新兴方法论	未详述模型在不同人群和药物类别中的泛化能力验证，且对计算资源需求与临床转化难点讨论有限	总结当前机器学习驱动的药物相关变异功能效应预测方法，并展望其向药物遗传学推荐转化的可行策略	药物基因组学变异效应预测模型	machine learning	NA	NGS, DNA/蛋白质序列分析	深度学习模型、集成模型	DNA序列、蛋白质序列、进化保守性数据、单倍型结构数据	NA	NA	NA	准确性、鲁棒性、可解释性	NA
1793	2026-05-24	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-03-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	研究论文	提出一种利用无标定光电容积脉搏波信号和非线性特征分析的非侵入性心脏血流动力学参数预测方法	首次结合无标定PPG信号、非线性特征与并行卷积神经网络，实现非侵入性心脏血流动力学状态综合评估	目前仅在虚拟受试者数据集上验证，需在真实临床环境中进一步验证	开发基于PPG信号和深度学习的非侵入性方法预测心输出量、全身血管阻力和动脉顺应性等心脏血流动力学参数	4374名虚拟受试者	机器学习	心血管疾病	数字光电容积描记术	并行卷积神经网络	信号数据	4374名虚拟受试者	NA	并行卷积神经网络	均方根误差、均方误差、平均绝对误差	NA
1794	2026-05-23	Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance 2025-12, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2025.117333 PMID:40946977	综述	全面概述非小细胞肺癌靶向治疗的研究进展，涵盖计算预测方法、临床突破及克服耐药性的策略	整合了基于配体、基于结构和多特征深度学习模型的靶点预测方法，并讨论了第四代EGFR抑制剂amivantamab及合成致死等新兴耐药应对策略	未提供具体的实验验证数据，且多靶点药物设计仍处于理论阶段	系统梳理非小细胞肺癌靶向治疗中的预测方法、临床进展和耐药克服策略，为未来治疗开发提供指导	非小细胞肺癌中的经典致癌驱动基因（如EGFR）及药物耐药机制（T790M、C797S突变）	机器学习，自然语言处理	非小细胞肺癌	基于配体、基于结构和多特征深度学习的靶点预测方法	深度学习模型（多特征融合模型）	文本，分子结构数据	不适用	不适用	不适用	不适用	不适用
1795	2026-05-23	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	结合相衬显微镜与深度学习实时映射细胞在纤维环境中的力学，揭示张力各向异性如何调控细胞行为	首次发现纤维环境中力学方向性超越刚度成为收缩性的主要调控因子，并开发了深度学习驱动的活细胞纤维力显微镜（DLFM）技术	NA	探究细胞在纤维基质中的力学感知机制及其对迁移、分裂和分化的影响	迁移细胞、干细胞	计算机视觉	NA	相衬显微镜、深度学习	深度学习模型（具体未指定）	图像、力学数据	NA	NA	NA	NA	NA
1796	2026-05-23	Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach 2025-Nov, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.07.085 PMID:40967934	研究论文	利用可解释深度学习方法分析术前12导联心电图，预测非心脏手术中主要心血管事件的风险	首次使用深度学习结合术前12导联心电图与常规临床变量，构建多模态融合模型，显著提高非心脏手术后主要不良心血管事件的预测性能；采用生成式反事实框架提供波形级别的解释	回顾性研究设计，数据源自单中心（MIMIC-IV数据库），可能存在选择偏倚；模型仅在单一数据库验证，外部泛化性未评估	探究术前12导联心电图经深度学习分析能否改善非心脏手术后主要不良心血管事件的风险预测	37,081名接受大型非心脏手术的成年患者（2008-2019年，MIMIC-IV数据库）	机器学习	心血管疾病	12导联心电图	卷积神经网络	心电图波形、临床变量	37,081名成年患者	NA	卷积神经网络	AUROC（受试者工作特征曲线下面积）	NA
1797	2026-05-23	Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform 2025-11-01, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-025-10010-y PMID:41176522	研究论文	基于方形芯片平台探究多方向间质流对微血管网络形成的促进作用	首次证明多方向间质流促进微血管网络形成，并开发了方形芯片和深度学习分析工具VoCAT	未明确说明局限性	研究多方向间质流对微血管网络形成的影响及其在肿瘤微环境建模中的应用	微血管网络和肿瘤细胞迁移	机器学习	NA	方形芯片平台、深度学习	深度学习模型	图像	NA	NA	VoCAT	NA	NA
1798	2026-05-23	Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on a multimodal data-based convolutional neural network 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf212 PMID:40465821	研究论文	基于多模态数据卷积神经网络开发早期诊断蕈样肉芽肿和五种炎症性皮肤病的AI模型	首次利用多模态信息（临床信息、临床图像和皮肤镜图像）基于卷积神经网络构建蕈样肉芽肿与炎症性皮肤病的早期诊断模型，并验证其辅助皮肤科医生诊断的实用性	单中心回顾性研究，可能缺乏外部验证的泛化性	开发基于多模态信息的AI深度学习模型，验证其分类效率，并构建辅助皮肤科医生早期诊断蕈样肉芽肿和炎症性皮肤病的模型	1157例蕈样肉芽肿和炎症性皮肤病病例，包括2452张临床图像、6550张皮肤镜图像及对应临床数据	计算机视觉	皮肤癌	NA	卷积神经网络	图像	1157例病例，包括2452张临床图像和6550张皮肤镜图像	PyTorch	RegNetY400MF	准确率、精确率、灵敏度、特异度	NA
1799	2026-05-23	Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf250 PMID:40570030	meta分析	系统评价和荟萃分析评估人工智能模型在评估炎症性皮肤病严重程度方面的表现	首次对多种皮肤病（特应性皮炎、痤疮、银屑病等）的基于图像的AI模型严重程度评估性能进行量化和比较，揭示了不同疾病和评分系统间的显著差异	纳入研究的数据报告透明度不足，缺乏高质量前瞻性研究，部分研究未使用客观参考标准	定性定量评估基于图像的AI模型在不同皮肤病严重程度评估中的性能	2017年1月至2023年4月发表的深度学习AI模型评估皮肤病严重程度的研究	计算机视觉	皮肤病	NA	深度学习模型	图像	45项研究纳入系统评价，19项纳入荟萃分析	NA	NA	敏感度、特异度	NA
1800	2026-05-23	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	开发一种自动方法，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	提出多任务贝叶斯神经网络，同时评估肺气肿和死亡风险，并量化数据和模型不确定性，提高不同辐射剂量CT协议间的评估一致性	未明确提及局限性，但可能包括样本量相对较小，以及模型在其他人群中的泛化性待验证	开发一种不确定性感知的自动方法，以一致地评估肺气肿和死亡风险	肺气肿患者的CT图像和死亡风险	计算机视觉, 机器学习	肺气肿, 慢性阻塞性肺疾病（COPD）	CT	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁；659名女性）	NA	多任务贝叶斯神经网络	均值差异, 皮尔逊相关系数, p值	NA