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
41	2026-05-25	RetOCTNet: Deep Learning-Based Segmentation of OCT Images Following Retinal Ganglion Cell Injury 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.4 PMID:39903165	研究论文	提出RetOCTNet深度学习工具，用于自动分割视网膜神经纤维层和全视网膜厚度，应用于大鼠视网膜神经节细胞损伤后的OCT图像	首次开发专门针对大鼠视网膜神经节细胞损伤后OCT图像的深度学习分割工具，能同时处理放射状和体积扫描，并在眼压升高和视神经夹伤两种模型上验证	NA	开发自动化分割工具，减少大鼠OCT图像分析时间并提高研究间一致性	大鼠视网膜神经纤维层和全视网膜厚度	计算机视觉	视网膜神经节细胞损伤	OCT	深度学习分割模型	图像	192张OCT扫描图像（80%训练，10%测试，10%验证）	NA	RetOCTNet	F1分数	NA
42	2026-05-23	Capsule neural network and adapted golden search optimizer based forest fire and smoke detection 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81742-y PMID:39905031	研究论文	提出一种结合改进胶囊神经网络与自适应黄金搜索优化器的森林火灾和烟雾检测方法	首次将胶囊神经网络与自适应黄金搜索优化器结合用于森林火灾和烟雾检测	未提及模型在真实场景中的部署及实时性评估	提高森林火灾和烟雾检测的准确性和可靠性	森林火灾和烟雾	计算机视觉	NA	深度学习	胶囊神经网络	图像	NA	NA	胶囊神经网络、自适应黄金搜索优化器	准确性、可靠性	NA
43	2026-05-23	Advances in colorectal cancer diagnosis using optimal deep feature fusion approach on biomedical images 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83466-5 PMID:39905104	研究论文	提出一种基于最优深度特征融合方法的结直肠癌诊断新方法，利用生物医学图像实现高精度分类	融合MobileNet、SqueezeNet和SE-ResNet三种深度学习模型进行特征提取，并使用Osprey优化算法进行超参数选择，最终采用深度信念网络进行分类，首次在Warwick-QU数据集上达到99.39%的准确率	仅在一个数据集上进行了验证，未提及模型的泛化能力和在真实临床环境中的表现	开发一种基于深度特征融合的计算机辅助诊断方法，提高结直肠癌病理图像诊断的准确性和一致性	结直肠癌患者的病理组织学图像	数字病理学	结直肠癌	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	生物医学图像（病理组织学图像）	Warwick-QU数据集	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	准确率	NA
44	2026-05-23	ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86819-w PMID:39905156	研究论文	提出了一种名为ThyroNet-X4 Genesis的深度学习模型，用于甲状腺结节的良恶性辅助诊断	在ResNet架构基础上，通过引入分组卷积和更大的卷积核来增强特征提取能力，提升了超声图像分析性能	外部验证集准确率仅为67.02%，表明泛化能力可能有限，且未提及模型在真实临床环境中的鲁棒性评估	开发一种高精度的深度学习模型，用于自动分类甲状腺结节的良恶性，以减少误诊风险	甲状腺结节超声图像中的良性与恶性分类	计算机视觉	甲状腺结节	超声成像	卷积神经网络（CNN）	图像	使用了公开甲状腺超声图像数据集，以及来自汉中市中心医院的外部验证集，具体样本数量未提及	NA	ResNet（改进版，含分组卷积和大核卷积）	准确率	NA
45	2026-05-23	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文提出了一个新的胸部X光片结核病语义分割数据集TB-Portals SIFT，并评估了U-Net和YOLOv8-seg架构的语义分割模型在结核病变分割上的泛化能力	构建了首个可用于结核病变语义分割的大规模数据集TB-Portals SIFT，并系统比较了基于分割的分类方法与传统图像级分类方法的泛化性能	依赖伪标签进行训练，可能引入标注噪声；未在真实临床环境中验证模型效果	通过语义分割实现可解释的结核病分类，并评估分割方法的泛化能力	胸部X光片中的结核病变区域	计算机视觉	结核病	X光成像	CNN	图像	6,328张胸部X光片，包含10,435个伪标注病变实例	PyTorch	U-Net, YOLOv8-seg, DenseNet121	分割精度, 分类准确率, 目标检测性能, 泛化性能	NA
46	2026-05-20	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-02, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究调查了中国三个地区认知障碍患者的视网膜血管变化，利用深度学习分割模型提取36个血管特征，发现与认知功能相关的血管结构改变	首次在多中心东亚人群中使用VC-Net深度学习模型量化视网膜动静脉网络特征，并发现静脉结构与认知功能水平的相关性	需要在更大样本队列中验证，并探索视网膜血管改变的潜在机制	探究视网膜血管变化作为认知障碍生物标志物的可行性	轻度认知障碍或阿尔茨海默病患者与健康对照者的视网膜图像	计算机视觉	阿尔茨海默病	视网膜成像	VC-Net（深度学习分割模型）	图像	176例认知障碍患者（MCI或AD）和264例对照者	NA	VC-Net	NA	NA
47	2026-05-19	Flexible Tail of Antimicrobial Peptide PGLa Facilitates Water Pore Formation in Membranes 2025-02-06, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c06190 PMID:39847609	研究论文	通过全原子模拟和深度学习算法，研究了抗菌肽PGLa诱导细胞膜水孔形成的完整过程，揭示了C末端尾部柔性的关键作用	首次阐明PGLa多肽C末端尾部柔性在膜插入和寡聚化过程中的重要性，并利用基于深度学习的中间状态识别算法解析了水孔形成的分子机制	未提及具体局限性	揭示抗菌肽PGLa诱导细胞膜水孔形成的分子机制，特别是结构柔性的作用	抗菌肽PGLa与阴离子细胞膜（DMPC/DMPG组成）的相互作用	机器学习	NA	全原子模拟（all-atom simulations）	深度学习模型	模拟轨迹数据	NA	NA	NA	NA	NA
48	2026-05-18	Application of one-class classification using deep learning technique improves the classification of subvisible particles 2025-02, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.11.023 PMID:39615881	研究论文	利用深度学习技术的单类分类方法改善亚可见颗粒的分类效果	首次将深度学习技术与单类分类器结合应用于亚可见颗粒图像分类，解决了传统方法在区分异质性稳定分布对象方面的不足	免疫球蛋白G来源聚集物和清蛋白来源聚集物的分类效果存在差异，前者更为满意，后者仍有改进空间	探究深度学习技术是否能提高单类分类器在亚可见颗粒图像分类中的性能	亚可见颗粒，包括硅油和两种蛋白聚集物（免疫球蛋白G来源聚集物和清蛋白来源聚集物）	数字病理学	NA	NA	深度学习模型（具体类型未明确指定）	图像	包含硅油和两种蛋白聚集物的数据集，具体数量未提及	NA	NA	分类分数	NA
49	2026-05-16	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-02-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	开发深度学习模型预测阿尔茨海默病连续谱中的认知转化	利用纵向多变量数据（人口统计学、病史、神经心理学结果、实验室和神经影像结果）构建深度学习模型，实现不同时间点的认知转化预测，并通过逐步简化变量集获得高AUC值的简约模型	模型基于ADNI队列数据，可能需外部验证；预设定阈值可能影响治疗升级决策的泛化性	开发深度学习模型以预测阿尔茨海默病患者的认知转化，指导临床治疗决策	阿尔茨海默病神经影像学倡议队列中的607名个体（基线）及纵向随访数据	机器学习	阿尔茨海默病	NGS	深度学习	表格数据（人口统计学、病史、神经心理学、实验室、神经影像结果）	607名基线个体，其中538人随访12个月，482人随访24个月，268人随访36个月，280人随访48个月	NA	深度学习（未指定具体架构）	AUC	NA
50	2026-05-16	Development of Nipple Trauma Evaluation System With Deep Learning 2025-02, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	利用深度学习开发乳头创伤评估系统，通过图像分类自动检测和分级乳头创伤	首次将深度学习应用于母乳喂养支持领域，开发了基于七个乳头创伤体征的图像分类系统	数据集规模较小（753张图像），且四类分类器在无创伤和轻度类别上的召回率和精确率较低	开发一套基于深度学习的乳头创伤评估系统，以支持母乳喂养护理人员	乳头创伤图像（来自先前研究），包括裂缝、脱皮、紫癜、结痂等八类体征	计算机视觉	乳腺疾病	NA	目标检测与图像分类模型	图像	753张乳头创伤图像	NA	NA	精确率、召回率、总体准确率、AUC、每秒帧数	NA
51	2026-05-15	An explainable deep learning model for diabetic foot ulcer classification using swin transformer and efficient multi-scale attention-driven network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87519-1 PMID:39900977	研究论文	提出一种基于Swin Transformer和高效多尺度注意力驱动网络的双轨融合模型，用于糖尿病足溃疡分类，并集成可解释人工智能	首次采用Swin Transformer与Efficient Multi-Scale Attention-Driven Network (EMADN) 双轨架构进行糖尿病足溃疡分类，结合轻量级多尺度可变形混洗和全局扩张注意力模块进行特征提取，并引入Grad-CAM可解释人工智能方法	NA	开发一种高效自动化的深度学习模型，用于糖尿病足溃疡的准确分类，辅助医疗专业人员诊断	糖尿病足溃疡分类任务，使用DFUC-2021数据集	计算机视觉	糖尿病	NA	混合模型（Swin Transformer与CNN组合）	图像	NA（使用DFUC-2021数据集）	NA	Swin Transformer, Efficient Multi-scale Attention-Driven Network (EMADN), Grad-CAM	准确率, 宏观F1分数	NA
52	2026-05-15	Enhancing depression recognition through a mixed expert model by integrating speaker-related and emotion-related features 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88313-9 PMID:39900968	研究论文	提出一种混合专家模型，通过整合说话人相关和情感相关特征来提升抑郁症识别性能	首次在抑郁症识别中分离并融合说话人相关特征和情感相关特征，采用混合专家模型和多领域自适应算法，在跨语言数据集中表现优异	仅使用语音信号，未结合其他模态信息；自建中文数据集规模可能有限；MAE值在AVEC2014数据集上仍有优化空间	通过融合说话人相关和情感相关的语音特征，提高抑郁症自动识别的准确性并解决跨语言文化差异问题	抑郁症患者的语音信号	机器学习	抑郁症	语音特征提取、迁移学习、多领域自适应	混合专家模型（MoE）	语音数据	自建中文抑郁症数据集（数量未明确）和AVEC2014数据集	PyTorch	时延神经网络（TDNN）	准确率、平均绝对误差（MAE）	NA
53	2026-05-15	Synchronization-based graph spatio-temporal attention network for seizure prediction 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88492-5 PMID:39901056	研究论文	提出了一种基于同步的图时空注意力网络用于癫痫发作预测	首次将图时空注意力网络与同步机制相结合，有效捕捉癫痫发作期间的时空相关性和个体间差异	未提及计算资源需求及模型泛化性验证	提高癫痫发作预测的准确性和可靠性，特别是针对难以分类的受试者	癫痫患者脑电图（EEG）记录中的发作前兆信号	机器学习	癫痫	EEG记录	图注意力网络	脑电图信号	CHB-MIT公共数据集	NA	图时空注意力网络（SGSTAN）	准确率, 特异度, 灵敏度	NA
54	2026-05-15	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	开发深度学习预后模型，评估肿瘤内及瘤周影像组学在预测高级别浆液性卵巢癌患者铂类化疗预后中的意义	首次系统评估肿瘤内和瘤周影像组学特征在深度学习模型中的综合预测价值，并分析了不同扩张像素对预测准确性的影响	外部测试集样本量较小（N=26），可能影响模型泛化能力的全面评估	构建基于深度学习的预后模型，预测接受铂类化疗的高级别浆液性卵巢癌患者的无进展生存期	474例高级别浆液性卵巢癌患者的非增强CT扫描图像，来自两个医疗机构	计算机视觉, 数字病理学	卵巢癌	CT扫描	深度学习模型	图像	474例患者（训练集362例，内部测试集86例，外部测试集26例）	NA	NA	风险比, 受试者工作特征曲线	NA
55	2026-05-15	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	通过多参数MRI结合深度学习与生境影像组学预测胶质瘤病理结果的多中心研究	将生境分析与深度学习相结合，提取成像特征并联合临床特征建模，以预测胶质瘤病理结果，较传统影像组学方法获得更好预测性能	临床特征对预测的辅助证据相对较弱	实现更好的胶质瘤病理结果预测	原发性胶质瘤患者的MRI影像、病理报告和临床病史	数字病理学、机器学习	胶质瘤	多参数MRI（T1对比增强和T2加权序列）	LightGBM, SVM, MLP, DenseNet161, ResNet50, Inception_v3	医学影像、文本（病理报告和临床病史）	387例原发性胶质瘤，来自三家医院，其中264例训练集、82例测试集、41例验证集	NA	DenseNet161, ResNet50, Inception_v3, LightGBM, SVM, MLP	NA	NA
56	2026-05-15	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	基于深度学习弹性配准算法改进常规肿瘤PET/CT配准伪影和图像质量的临床试点研究	首次将深度学习弹性配准方法应用于临床常规肿瘤PET/CT，评估其减少配准伪影和改善图像质量的效果	样本量较小（仅30名患者），且未涉及不同示踪剂和扫描协议的广泛验证	评估深度学习弹性配准算法在减少PET/CT配准伪影和改善图像质量方面的临床潜力	30名接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	计算机视觉	肿瘤	PET/CT	深度学习弹性配准算法	图像	30名患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	NA	弹性配准网络	图像质量Likert评分、标准化摄取值、信噪比、肝肺指数	NA
57	2026-05-15	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	建立了一种多模态深度学习列线图，用于预测灰色区域PSA水平患者中的临床显著性前列腺癌，并与临床和影像组学模型进行比较	首次将深度学习特征、PI-RADS评分和临床变量通过混合融合方法整合为多模态列线图，在预测临床显著性前列腺癌方面显著优于传统影像组学和临床模型	未提及模型的外部验证和前瞻性研究设计	建立用于预测灰色区域PSA水平患者中临床显著性前列腺癌的多模态深度学习列线图	2018年1月至2022年12月期间有病理结果的303名PSA处于灰色区域的患者	数字病理学	前列腺癌	NA	深度学习模型、支持向量机（SVM）、XGBoost	双参数磁共振成像（bp-MRI）图像、临床变量、PI-RADS评分	303名患者	NA	NA	AUC、决策曲线分析	NA
58	2026-05-12	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本研究探讨了多脑区皮层表征在决策过程中遵循信息瓶颈原则的机制	首次通过多脑区循环神经网络模型揭示了大脑如何通过信息瓶颈原理形成最优表征，并发现前额叶皮层与运动前区背侧区域之间的信息优先传播机制	NA	阐明决策过程中多脑区皮层表征如何遵循信息瓶颈原则进行分布式计算	恒河猴的背外侧前额叶皮层和背侧运动前区皮层中的单个神经元与多单元活动	机器学习	NA	多脑区循环神经网络	循环神经网络	神经电生理数据	恒河猴实验中的神经元记录数据	PyTorch	多脑区循环神经网络	NA	NA
59	2026-05-10	AI-based approach to dissect the variability of mouse stem cell-derived embryo models 2025-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56908-5 PMID:39971935	研究论文	利用深度学习提高小鼠干细胞衍生胚胎模型的可重复性，通过活体成像和AI模型对胚胎样结构进行分类并预测其发育轨迹	首次将深度学习应用于干细胞衍生胚胎模型的筛选，实现早期（细胞接种后90小时）以88%准确率分类胚胎正常与异常发育，并发现正常胚胎的细胞数量、尺寸和形状等关键形态特征	研究对象仅限定于小鼠干细胞衍生胚胎模型（ETiX-胚胎），未涉及人类或其他物种；初始分类准确率在细胞接种阶段仅为65%，存在早期预测精度不足的问题	利用深度学习提高干细胞衍生胚胎模型的选择标准化和可重复性	900个小鼠着床后干细胞衍生胚胎样结构（ETiX-胚胎）	计算机视觉	不适用（研究聚焦胚胎发育建模而非疾病）	活体成像	CNN（卷积神经网络）	图像（时间序列活体成像数据）	900个ETiX-胚胎样本	PyTorch	未明确指定（需从原文补充）	准确率	未说明
60	2026-05-08	An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis 2025-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3467384 PMID:39320999	研究论文	提出一种可解释的时空耦合学习统一框架，应用于动态脑功能连接分析	构建基于时空相关性的深度学习网络，整合节点表示与节点间连接的时变耦合关系，并在每个时间步探随时空演化，提高分析结果的可解释性	NA	开发可解释的框架用于挖掘时间序列数据中的内在时空耦合关系，并应用于脑动态功能连接分析	大脑动态功能连接模式	机器学习	NA	fMRI	深度学习网络	时间序列数据	NA	NA	NA	NA	NA