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
1	2026-10-16	A skin disease classification model based on multi scale combined efficient channel attention module 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90418-0 PMID:39972014	研究论文	本文提出了一种基于多尺度通道注意力的皮肤疾病分类模型，并在ISIC2019和HAM10000数据集上进行了验证	改进了金字塔分割注意力模块以充分提取图像的多尺度特征，并使用反向残差结构替换骨干网络中的残差结构，将注意力模块集成到反向残差结构中	未明确讨论模型的计算复杂度或临床部署的可行性	提高皮肤疾病分类的准确性，辅助临床诊断和治疗	皮肤疾病图像	计算机视觉	皮肤疾病	深度学习	CNN	图像	ISIC2019和HAM10000皮肤疾病数据集，具体样本数量未提及	NA	多尺度通道注意力网络	准确率	NA
2	2026-10-16	Ensemble fuzzy deep learning for brain tumor detection 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90572-5 PMID:39972098	研究论文	本文提出一种集成模糊深度学习方法用于脑部MRI分析，通过融合多种深度学习架构、模糊池化、模型融合和注意力机制，提高脑组织与异常的分割精度	结合体积模糊池化、模型融合策略、注意力机制以及存储训练样本与最佳模型映射关系的知识库，实现推理时快速选择最优模型	未明确说明模型计算复杂度、泛化能力及在更多临床数据集上的验证情况	改进脑部MRI中脑组织与异常的分割效果	脑部MRI图像	计算机视觉	脑肿瘤	NA	集成深度学习、模糊深度学习	图像	完整的脑部MRI分割数据集	NA	NA	交并比	NA
3	2026-10-08	SleepECG-Net: Explainable Deep Learning Approach With ECG for Pediatric Sleep Apnea Diagnosis 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3495975 PMID:39527413	研究论文	本研究提出了一种可解释的深度学习模型SleepECG-Net，利用过夜心电图信号直接评估儿童阻塞性睡眠呼吸暂停的严重程度，并通过Grad-CAM解释模型决策	结合CNN-RNN架构与Grad-CAM可解释性算法，首次实现基于心电信号的儿童OSA严重程度直接估计，并提取与儿科OSA相关的心电模式，同时揭示心血管风险因素	模型在不同数据集上的性能存在差异（Cohen's Kappa在CHAT为0.410，UofC为0.335，CFS为0.249），在CFS上表现相对较低，可能受样本量小和数据集异质性影响	简化儿童OSA诊断，提高深度学习模型的可解释性，并直接估计OSA严重程度	儿童阻塞性睡眠呼吸暂停患者	机器学习	睡眠呼吸暂停	心电图	CNN-RNN	心电图信号	CHAT数据集n=1610，CFS数据集n=64，UofC数据集n=981	NA	CNN-RNN	4类Cohen's Kappa	NA
4	2026-10-05	LSTM and ResNet18 for optimized ambulance routing and traffic signal control in emergency situations 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89651-4 PMID:39971977	研究论文	本文提出了一种AI驱动的实时交通管理系统，通过LSTM和ResNet18实现救护车音频视觉检测与交通信号优先控制，以缩短紧急医疗服务响应时间	将基于MFCC的LSTM音频检测与基于ResNet18的视觉检测通过经验风险最小化进行多模态融合，并部署于Raspberry Pi实现实时交通信号优先控制	摘要中未提及系统的实际部署规模、实时性能测试环境、不同城市交通场景的泛化能力以及硬件资源消耗等限制	减少紧急医疗服务响应时间，通过AI驱动的实时交通管理实现救护车优先通行	救护车音频和视觉数据、城市交通信号控制系统	计算机视觉, 机器学习	NA	MFCC特征提取, 迁移学习	LSTM, CNN	音频, 图像	NA	NA	LSTM, ResNet18	准确率, 精确率, 召回率, F1分数, 混淆矩阵	Raspberry Pi
5	2026-10-05	Temporal and spatial self supervised learning methods for electrocardiograms 2025-02-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90084-2 PMID:39972080	研究论文	本文提出了一种用于心电图检测的时空自监督学习方法（TSSL），利用心电图信号的时空特性提升特征表示，在少量标注数据下取得优越性能	首次专门针对心电图检测设计时空自监督学习方法，同时利用时间一致性和空间导联间关系进行特征学习	未明确说明模型的泛化能力、计算复杂度以及对不同心电图采集设备的适应性	解决标注心电图数据有限导致监督深度学习应用受限的问题，提升心电图检测的特征表示能力	心电图信号	机器学习	心血管疾病	自监督学习	NA	时序信号	NA	NA	NA	NA	NA
6	2026-10-05	Applying deep learning and the ecological home range concept to document the spatial distribution of Atlantic salmon parr (Salmo salar L.) in experimental tanks 2025-02-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90118-9 PMID:39966514	研究论文	该研究应用DeepLabCut框架进行姿态估计，并采用生态家域和核心区概念量化实验水箱中大西洋鲑幼鱼的空间分布。	将DeepLabCut框架应用于大西洋鲑幼鱼姿态估计，并结合生态家域和核心区概念量化其空间分布。	研究仅为概念验证，使用5天实验数据，样本量有限，可能未充分涵盖所有行为变异。	自动化分析鱼类行为，特别是空间分布和摄食影响，以监测鱼类福利。	大西洋鲑幼鱼（Salmo salar L.）	计算机视觉	NA	计算机视觉和机器学习	NA	图像	5天实验数据，来自重复实验条件下的多个水箱	DeepLabCut	DeepLabCut	NA	NA
7	2026-10-01	Deep Learning-Based Tumor Segmentation of Murine Magnetic Resonance Images of Prostate Cancer Patient-Derived Xenografts 2025-Feb-22, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11030021 PMID:40137561	研究论文	本研究开发了一个基于深度学习的自动化分割流程，用于小鼠前列腺癌患者来源异种移植瘤的磁共振图像分割	开发了包含切片分类器和多种U-Net分割架构的自动化分割流程，并发现密集残差循环U-Net在肾脏肿瘤分割中表现最佳，且多站点数据联合训练能显著提升多站点肿瘤分割性能	摘要中未明确提及	开发自动化流程以分割小鼠异种移植瘤的磁共振图像，并评估不同U-Net架构和训练策略的分割性能	植入六种不同前列腺癌患者来源异种移植瘤的小鼠，肿瘤位于肾脏、肝脏和胫骨	数字病理学, 医学图像分割	前列腺癌	磁共振成像 (MRI)，T2加权成像	CNN	图像	未明确提供样本数量，涉及六种不同前列腺癌患者来源异种移植瘤的小鼠模型	NA	U-Net, 密集残差循环U-Net	准确率, Dice系数	NA
8	2026-09-28	Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72539-0 PMID:39962172	研究论文	该研究基于常规MRI，结合影像组学与深度学习，预测颈段脊髓损伤患者术后上肢肌力改善情况	结合影像组学与深度迁移学习特征，利用多中心数据预测颈段脊髓损伤术后预后	样本量较小，仅82例，且为回顾性研究	评估基于机器学习的影像组学方法在预测脊髓损伤患者预后中的准确性	颈段脊髓损伤患者	医学影像分析	脊髓损伤	MRI影像组学，深度学习	随机森林，ResNet34	MRI图像	82例脊髓损伤患者（来自三家医院），其中预后良好组49例，预后不良组33例	NA	随机森林，ResNet34	准确率，AUC	NA
9	2026-09-28	Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90115-y PMID:39962212	研究论文	该研究提出了一种基于多模态皮层表面特征的Transformer模型，用于阿尔茨海默病的早期诊断，通过交叉注意力机制融合MRI和PET数据	首次利用多模态轻量级皮层表面特征（而非计算密集的三维体积特征）进行AD诊断，并采用中间融合策略结合交叉注意力机制高效整合不同模态特征	未明确说明样本量以外的具体局限性，但依赖于ADNI数据集，可能缺乏外部验证	利用多模态轻量级皮层表面特征实现阿尔茨海默病的早期诊断，提供一种比传统三维体积特征方法更高效且准确的替代方案	阿尔茨海默病患者及ADNI数据集中的受试者	医学图像分析、计算机视觉	阿尔茨海默病	T1加权MRI、FDG PET、Aβ PET、Tau PET	Transformer	图像	ADNI系列数据集（具体样本量未在摘要中说明）	NA	Transformer	早期AD诊断准确率、计算效率	NA
10	2026-09-28	A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90034-y PMID:39962226	研究论文	本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，结合多层特征集成和注意力机制，用于胃镜图像中胃息肉与胃突出的识别	提出了MultiAttentiveScopeNet模型，该模型集成了多层特征集成和注意力机制，并采用弱监督标注策略构建了大型多类胃镜图像数据集	未明确提及研究的局限性	解决胃息肉与胃突出鉴别诊断中的挑战，提高诊断准确性和成本效益	胃镜图像中的胃息肉和胃突出	计算机视觉	胃癌	胃镜成像	CNN	图像	大型多类胃镜图像数据集	NA	MultiAttentiveScopeNet	准确率, 微精确率, 宏精确率, 微召回率, 宏召回率, 微AUC, 宏AUC	NA
11	2026-09-28	A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals 2025-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90164-3 PMID:39962290	研究论文	本文提出了一种结合1D残差卷积神经网络（1D-ResCNN）与混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫棘波检测	将1D-ResCNN与混合优化策略（LAMB和AdamW）相结合，并首次在Typhoon HIL仿真器中利用嵌入式C2000微控制器进行实时硬件验证	未明确提及	实现头皮脑电信号中癫痫棘波的实时检测	癫痫患者的头皮脑电信号	机器学习	癫痫	脑电图	CNN	信号	CHB-MIT数据集包含12名患者的24通道脑电记录；Siena数据集包含14名成年患者的脑电数据	NA	1D-ResCNN	准确率, 灵敏度, 特异性, 假阳性率, F1分数	Typhoon HIL仿真器, 嵌入式C2000微控制器
12	2026-09-21	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	该研究利用深度学习构建了肝移植受者长期预后预测模型，并分别评估了 deceased donor 和 living donor 移植的生存概率	首次基于 UNOS 大规模数据库，使用 Deeplearning4j 多层感知机分别对 deceased donor 和 living donor 肝移植受者进行长达 23 年的生存预测，并发现供体类型对生存预测无显著影响	仅使用单一 Deeplearning4j MLP 模型，未与其他深度学习或传统机器学习模型进行对比；研究基于 UNOS 数据库，可能存在数据偏倚和外部验证不足的问题	利用深度学习开发先进的预后模型，评估肝移植受者的长期结局，并区分 deceased donor 与 living donor 移植	1998 年至 2023 年 UNOS 数据库中 deceased donor 和 living donor 肝移植受者的临床、人口学和移植相关数据	机器学习	肝移植	NA	MLP	表格数据	353,589 条记录，410 个属性，来自 1998 年至 2023 年 UNOS 数据库，最终选取 23 个属性	Deeplearning4j	Multilayer Perceptron	Sensitivity, Specificity, Accuracy	NA
13	2026-09-20	Transitioning from wet lab to artificial intelligence: a systematic review of AI predictors in CRISPR 2025-02-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06013-w PMID:39905452	系统综述	本文系统综述了CRISPR-Cas9多步骤过程中人工智能预测器的应用，并提供了80个可用数据集和50个预测流程的详细分析	弥合了人工智能与CRISPR-Cas9研究之间的知识鸿沟，提供了独特的平台让AI研究人员深入理解CRISPR-Cas9多步骤过程背后的生物学基础，并详细介绍了80个可用数据集和50个预测流程的表示学习方法、机器/深度学习方法趋势及性能值	现有AI预测器性能有限，许多步骤仍依赖昂贵耗时的湿实验，主要原因是CRISPR与AI领域之间存在知识鸿沟	促进从湿实验向人工智能的过渡，优化CRISPR-Cas9多步骤过程，为开发更稳健和精确的预测流程提供建议	CRISPR-Cas9系统相关数据集、AI预测器、表示学习方法、分类器/回归器	机器学习	癌症, 遗传疾病, 遗传病	CRISPR-Cas9	NA	NA	80个CRISPR-Cas9系统相关数据集, 50个预测流程	NA	NA	NA	NA
14	2026-09-20	HEDDI-Net: heterogeneous network embedding for drug-disease association prediction and drug repurposing, with application to Alzheimer's disease 2025-02-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05938-6 PMID:39891114	研究论文	本文提出了一种名为HEDDI-Net的异质网络嵌入架构，用于药物-疾病关联预测和药物重定位，并将其应用于阿尔茨海默病	HEDDI-Net无需重新训练即可直接应用于新的疾病和药物，克服了大多数基于GCN方法的局限性，同时提供了与代表性蛋白质的亲和力模式，增强了可解释性	未明确说明	准确检测药物-疾病关联，同时保持生物学机制的可解释性，并应用于药物重定位	药物、疾病、蛋白质	机器学习	阿尔茨海默病	图嵌入、浅层学习	多层感知机	网络数据	未明确说明	NA	异质网络嵌入架构、多层感知机	AUC（超过0.98）、恢复率	未明确说明
15	2026-09-19	Data Harmonization with StyleTransfer-GANs: Enhancing Non-Invasive IDH Classification in Brain Tumors 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3049148 PMID:41200077	研究论文	本文开发了一个StyleTransfer-GAN来协调多中心MRI数据，以提升脑肿瘤中非侵入性IDH分类的准确性	使用StyleTransfer-GAN进行数据协调，解决多中心MRI数据异质性，并评估其对IDH分类的影响	摘要中未明确提及限制	提高非侵入性IDH突变状态分类的准确性和泛化能力	脑胶质瘤患者的MRI图像	医学图像分析	脑肿瘤	MRI	GAN	图像	NA	NA	StyleTransfer-GAN, 深度学习网络	准确率, 灵敏度, 特异度	NA
16	2026-09-19	Masked image modeling in medical hyperspectral imaging: reconstruction evaluation and downstream tasks 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048802 PMID:41267884	研究论文	本文利用掩码图像建模方案在高光谱图像上进行自监督预训练，并评估预训练和下游分类任务	将最先进的预训练架构与高光谱成像结合，有效编码组织的空间和光谱特征，并采用序列光谱和空间注意力分解模型以提高效率	未提及明显的局限性	评估基于掩码图像建模的预训练方法在医学高光谱图像上的重建效果和下游任务性能	高光谱图像数据，包括内部数据集和验证数据集	计算机视觉，医学图像分析	NA	高光谱成像	掩码自编码器，注意力机制	高光谱图像	17类组织样本，具体数量未明确	NA	基于序列光谱和空间注意力的分解模型	平均绝对误差（MAE），准确率	NA
17	2026-09-18	Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047078 PMID:41078394	研究论文	本文提出了一种结合超像素和优化高斯系数的3D拓扑数据分析方法，用于从三维医学图像中生成持久性图像并应用于分类任务	首次将超像素概念引入3D拓扑数据分析，通过优化高斯系数高效生成三维体数据的整体持久性图像	仅在MedMNist3D数据集上进行了验证，未在更广泛的临床3D医学图像数据上评估	将拓扑数据分析从2D扩展到3D医学图像分析，利用持久同调捕捉传统深度学习方法无法检测的拓扑特征	三维医学图像数据	数字病理学, 计算机视觉	NA	拓扑数据分析, 持久同调	NA	三维医学图像	NA	NA	NA	分类性能（具体指标未提及）	NA
18	2026-09-18	Expanding Training Data for Endoscopic Phenotyping of Eosinophilic Esophagitis 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047356 PMID:41084623	研究论文	该研究通过扩充训练数据集，利用Data-efficient Image Transformer对嗜酸性粒细胞性食管炎进行内镜表型分类，并提高模型可解释性	通过整合在线平台、公共数据集和电子教科书图像，将训练数据从435张扩充至7050张，并采用Data-efficient Image Transformer及注意力图可视化增强可解释性	未明确说明外部验证集情况，可能影响泛化能力评估；数据扩充来源的异质性可能引入偏差	通过数据增强和模型改进，提高深度学习模型对内镜下嗜酸性粒细胞性食管炎表型分类的性能	嗜酸性粒细胞性食管炎患者的内镜图像	计算机视觉	嗜酸性粒细胞性食管炎	内镜检查	Transformer	图像	7050张图像（扩充后）	NA	Data-efficient Image Transformer	准确率、鲁棒性	NA
19	2026-09-18	Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047040 PMID:41098621	研究论文	本研究利用在胃肠道数据上训练的CircleSnake模型，无需重新训练即可分割鼻组织全切片图像中的嗜酸性粒细胞，评估跨器官部署的可行性和局限性	首次探索将胃肠道训练的嗜酸性粒细胞分割模型直接跨器官部署到鼻组织应用，无需重新训练	模型性能在不同病例间存在差异，泛化能力有限	确定胃肠道嗜酸性粒细胞分割模型能否无需重新训练适应鼻部应用	鼻组织全切片图像中的嗜酸性粒细胞	数字病理学	慢性鼻窦炎	全切片图像分析	CircleSnake	图像	未明确提及	NA	CircleSnake	分割准确度	NA
20	2026-09-18	Improvement in breast lesion classification utilizing deep learning and treatment response assessment maps (TRAMs) 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047207 PMID:41111981	研究论文	本文开发了一种基于治疗反应评估图（TRAM）的深度学习模型，用于乳腺病变的良恶性分类，并与基于标准多期DCE-MRI的模型进行了对比	首次将治疗反应评估图（TRAM）与深度学习相结合用于乳腺病变分类，TRAM通过表征对比剂积聚和清除的空间分布来辅助区分良恶性病变，相比标准DCE-MRI取得了更高的诊断性能	摘要中未提及具体局限性	提高乳腺病变分类的诊断性能，减少不必要的活检和侵入性操作	乳腺病变患者	计算机视觉, 数字病理学	乳腺癌	动态对比增强磁共振成像（DCE-MRI）, 治疗反应评估图（TRAM）	CNN	图像	NA	NA	ResNet18	AUROC, 敏感性, 特异性	NA