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	2026-06-01	Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01560-y PMID:40121304	研究论文	开发了一种可解释的基于图的多模态晚期融合深度学习框架，整合组织病理学、细胞类型和基因表达数据，预测肌层浸润性膀胱癌对新辅助化疗的反应	提出可解释的图基多模态晚期融合框架，融合H&E图像、细胞类型数据和RNA-seq基因表达谱，发现新的组织病理、细胞和分子预测因子	NA	构建准确预测模型并识别肌层浸润性膀胱癌治疗反应的生物标志物	肌层浸润性膀胱癌患者	机器学习	膀胱癌	RNA-seq	图神经网络	图像、文本	来自SWOG S1314-COXEN临床试验的样本	NA	图基多模态晚期融合	NA	NA
2	2026-05-31	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	提出一种基于深度学习的监督方法miniML，用于自动检测和分类自发突触事件，并验证其在多种实验条件下的通用性	首次将深度学习框架miniML应用于自发突触事件的自动化分析，在精确度和召回率上优于传统方法，且易于跨物种、跨记录技术和跨突触类型泛化	未提及具体局限，但依赖监督学习需要大量标注数据，可能对罕见突触事件检测不足	开发一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能的高通量研究	模拟真实数据和多种生物样本中的自发突触事件	机器学习	神经疾病	电生理记录, 光学记录	CNN（卷积神经网络）	电信号, 图像	未在标题和摘要中明确说明样本数量	NA	NA	精确度, 召回率	NA
3	2026-05-30	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	研究论文	通过仿真模拟评估风险分层筛查调度对每日乳腺X光检查召回率的影响	将基于AI和深度学习的癌症风险分层整合到每日筛查调度中，以优化同一天诊断检查的利用，减少后续预约需求	基于模拟而非真实临床数据，且未涉及实际实施中的复杂性，如患者依从性或资源限制	评估与传统随机调度相比，风险分层筛查调度对乳腺X光检查工作流程中召回率、运营时间和患者等待时间的影响	基于离散事件模拟的高容量乳腺成像中心的每日患者调度流程	计算机视觉	乳腺癌	没有使用特定的测序或组学技术；主要涉及AI辅助诊断和深度学习	深度学习风险模型	模拟数据	每日60名患者（模型中平均42%接受筛查，11%约3名被推荐诊断检查）	NA	NA	召回率方差、运营时间、患者等待时间	NA
4	2026-05-30	Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence 2025-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.011 PMID:40044303	研究论文	利用非增强CT和深度学习人工智能算法机会性检测肝细胞癌	首次探索非增强CT在肝细胞癌机会性筛查中的应用，并开发了基于3D卷积块注意力模块的人工智能算法	未提及具体限制，但可能包括样本选择偏倚、外部验证队列规模有限等	开发一种仅使用非增强CT进行高效准确肝细胞癌检测的人工智能算法	肝细胞癌患者及高风险人群的非增强CT扫描图像	计算机视觉，数字病理	肝癌	CT成像	3D卷积块注意力模块	CT图像	共2,223名患者（内部验证）和584名患者（外部测试）	NA	卷积块注意力模块	AUC	NA
5	2026-05-30	Applying Artificial Intelligence to Quantify Body Composition on Abdominal CTs and Better Predict Kidney Transplantation Wait-List Mortality 2025-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.01.004 PMID:40044312	研究论文	利用人工智能量化腹部CT上的身体成分，以更好地预测肾移植等待名单死亡率	首次应用深度学习模型全自动量化肾移植候选者的腹部CT身体成分数据，包括脂肪、主动脉钙化、骨密度和肌肉质量，并评估其在预测等待名单死亡率中的价值	单中心回顾性研究，样本量有限，需要外部验证；身体成分参数与EPTS联合改善预测性能有限	评估人工智能辅助提取腹部CT身体成分数据能否改善肾移植等待名单死亡率的预测	2007年1月1日至2017年12月31日期间等待肾移植的候选者	机器学习和数字病理学	肾脏疾病	CT成像	深度学习模型	CT图像	899名肾移植候选者	NA	NA	受试者工作特征曲线下面积 (AUC)	NA
6	2026-05-27	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	研究论文	开发了PiCAP和CAPSIF2两个深度学习模型，用于预测蛋白质与碳水化合物的非共价相互作用及其残基位点	提出新型数据集和神经网络架构PiCAP，首次实现高准确度蛋白质-碳水化合物结合预测，并开发残基级预测模型CAPSIF2超越现有方法	NA	通过计算方法大规模预测蛋白质-碳水化合物相互作用，揭示细胞功能中未充分认识的蛋白质-碳水化合物交互网络	蛋白质与碳水化合物的非共价结合作用	机器学习	NA	深度学习	卷积神经网络	蛋白质序列数据	基于已知碳水化合物结合蛋白数据集训练，对人神经细胞表面蛋白及三个蛋白质组进行预测	NA	PiCAP, CAPSIF2	平衡准确率, Dice系数	NA
7	2026-05-27	Melanoma classification using generative adversarial network and proximal policy optimization 2025 Mar-Apr, Photochemistry and photobiology IF:2.6Q3 DOI:10.1111/php.14006 PMID:39080818	研究论文	提出一种基于生成对抗网络和近端策略优化的深度学习框架，用于黑色素瘤分类	引入离线策略近端策略优化算法处理数据不平衡，结合生成对抗网络进行数据增强以提升泛化能力	未提及具体局限性	提高黑色素瘤早期检测的准确性，支持临床治疗决策	黑色素瘤皮肤病变图像	计算机视觉	黑色素瘤	深度学习图像分类	生成对抗网络、近端策略优化	图像	使用SIIM-ISIC黑色素瘤分类挑战赛-ISIC-2020数据集	NA	三扩张卷积层，生成对抗网络	F-measure, 几何均值	NA
8	2026-05-27	Self-Attention Mechanisms-Based Laryngoscopy Image Classification Technique for Laryngeal Cancer Detection 2025-03, Head & neck DOI:10.1002/hed.27999 PMID:39526389	研究论文	提出一种基于自注意力机制的喉镜图像分类技术，用于喉癌检测	基于Swin-Transformer构建智能喉癌检测系统（ILCDS），在喉镜图像分类中取得优于传统CNN模型及专业喉科医生的性能	外部队列测试性能略有下降	开发高精度、高灵敏度的深度学习模型辅助喉癌早期检测	喉镜图像	计算机视觉	喉癌	NA	Swin-Transformer	图像	1462名患者的5768张喉镜图像	NA	Swin-Transformer	准确率, AUC	NA
9	2026-05-25	Deep Learning to Predict the Future Growth of Geographic Atrophy from Fundus Autofluorescence 2025 Mar-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100635 PMID:39758130	research paper	利用眼底自身荧光图像通过深度学习模型预测地理萎缩病变的未来生长区域	首次使用两个时间点的眼底自身荧光图像通过U-Net模型预测地理萎缩的1年生长区域，创新点在于多类型模型比较和时间序列信息的利用	观察性研究，样本量相对有限（597名患者），且模型性能在验证集上较低（Dice得分0.68），可能存在过拟合风险	开发深度学习模型预测地理萎缩病变在黄斑区的1年生长区域	地理萎缩患者的眼底自身荧光图像	computer vision	老年性黄斑变性相关地理萎缩	眼底自身荧光成像	U-Net	图像	597名患者的眼部数据集（训练集310、验证集78、测试集209）	NA	U-Net	Dice得分, 决定系数(R2), 平方皮尔逊相关系数(r2)	NA
10	2026-05-25	Dynamic cycles between brain states during creative storytelling 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121053 PMID:39863001	研究论文	通过功能磁共振成像研究，发现创造性故事讲述中两种关键大脑状态之间的动态循环，并利用深度学习方法揭示了自发思维与深思思维交替驱动不同脑状态之间的停留与转换	首次利用深度学习方法揭示创造性思维中自发思维与深思思维的交替交互作用，而非平行或顺序操作，为认知机制提供新的实验证据	样本量较小仅41名大学生，可能限制结果的泛化性；创造性任务的具体性可能无法完全代表所有类型的创造性思维	探索创造性思维中不同心理状态之间的动态转变及其认知神经机制	41名大学生在创造性故事讲述任务中的大脑功能磁共振成像数据	机器学习，数字病理学	NA	功能磁共振成像	深度学习模型	fMRI图像	41名大学生	NA	NA	相关分析性能指标	NA
11	2026-05-25	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	研究论文	提出基于自监督深度学习去噪的高分辨率多延迟动脉自旋标记协议，用于儿童脉络丛灌注MRI	首次在儿童群体中应用高分辨率多延迟ASL协议，并采用基于Transformer的深度学习模型结合k空间加权图像平均参考进行自监督去噪，有效提升了儿童脉络丛灌注成像的信噪比和可重复性	NA	开发和验证适用于儿童的高分辨率多延迟ASL灌注MRI协议，以量化脉络丛灌注	21名8至17岁典型发育儿童	数字病理学	NA	动脉自旋标记（ASL）, MRI	Transformer	图像, MRI数据	21名儿童（8-17岁）	NA	Transformer	信噪比, 偏差, 可重复性	NA
12	2026-05-25	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	提出全面流程训练和比较多种机器学习与深度学习脑年龄预测模型，并利用外部数据库评估其性能	整合多种预处理策略和校正项，构建统计框架评估模型在不同队列中的预测鲁棒性及作为神经退行性疾病生物标志物的潜力	未明确提及局限，但可能依赖特定数据集（如UK Biobank）的成像协议和预处理方法	开发并验证可用于健康个体年龄预测及神经退行性疾病检测的通用脑年龄模型	T1加权MRI扫描图像及提取的图像衍生表型	计算机视觉, 机器学习	痴呆, 神经退行性疾病	MRI	机器学习模型, 深度学习模型	图像	NA (涉及UK Biobank、ADNI和NACC数据库，但未具体说明样本量)	NA	惩罚线性模型	平均绝对误差, AUROC	NA
13	2026-05-25	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	研究论文	提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES	首次使用超高分辨率（0.125 mm）多模态MRI数据，集成深度网络集成模型，结合经典机器学习方法与多图谱分割先验知识，偏离传统U-Net架构开展探索	NA	改进小脑小叶分割的精度和鲁棒性，提供在线分割工具	人脑小脑小叶	计算机视觉	NA	MRI	深度网络集成模型	多模态超高分辨率MRI图像（T1和T2）	NA	NA	非传统U-Net架构，多图谱分割	精度、鲁棒性	NA
14	2026-05-25	DeepReducer: A linear transformer-based model for MEG denoising 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	研究论文	提出一种基于线性变压器的深度学习模型DeepReducer，用于脑磁图数据去噪，减少所需试验次数	首次将线性变压器架构应用于MEG事件相关磁场去噪，通过混合有限试验和多次试验平均的ERFs训练模型，显著提升信噪比并降低源定位误差	未提及	开发一种可靠且高效的MEG数据去噪方法，以减少数据采集所需试验次数，降低参与者负担和伪影	MEG记录中的事件相关磁场信号	机器学习	NA	MEG	线性变压器	脑磁图信号	半合成和实验任务相关的MEG数据	NA	线性变压器	信噪比, 源定位误差	NA
15	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
16	2026-05-20	DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning 2025-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.27.640693 PMID:40060558	研究论文	提出DeepPath，一种基于深度学习的框架，通过物理引导的主动学习快速预测蛋白质状态间的转变路径	采用主动学习框架，利用分子力学力场作为预言机迭代优化预测，克服了传统监督学习方法在蛋白质构象转变数据稀缺上的局限	仅针对已知蛋白质状态间的路径预测，未涉及完全未知状态的探索；验证案例数量有限（三个），通用性需进一步验证	开发高效方法替代传统分子动力学模拟，快速生成蛋白质构象转变的物理合理路径	三种蛋白质系统的构象转变路径：SHP2激活、CdiB H1分泌、BAM复合体侧向门开放	机器学习	NA	分子动力学模拟、分子力学力场	深度学习（主动学习）	蛋白质结构数据	三个生物学验证案例（SHP2、CdiB、BAM复合体）	NA	NA	TM-score	NA
17	2026-05-19	Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles 2025-03, Forensic science, medicine, and pathology DOI:10.1007/s12024-024-00877-6 PMID:39235752	研究论文	利用PointNet架构对3D鞋印进行二元分类的概念验证研究，区分耐克和阿迪达斯品牌	首次使用深度学习方法（PointNet架构）对3D鞋印进行分类研究	二元分类目前可能无法完全满足法医学实际需求，数据集仅包含两个品牌且样本量有限	证明深度学习方法在3D鞋印分类中的可行性，为法医学应用奠定基础	160双鞋的3D鞋印图像（797张阿迪达斯和2445张耐克）	计算机视觉	不适用	3D扫描	PointNet	3D点云图像	160双鞋的3D图像，共3242张	PyTorch	PointNet	准确率	未提及
18	2026-05-18	Opportunistic assessment of steatotic liver disease in lung cancer screening eligible individuals 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20053 PMID:39868889	研究论文	利用深度学习模型在肺癌筛查胸部CT中机会性评估脂肪肝病，并探究其在重度吸烟者中的预后价值	首次在肺癌筛查CT扫描中机会性评估脂肪肝病，发现其是重度吸烟者长期死亡率的独立预测因子，且与BMI交互作用显著	未能提供更多关于脂肪肝病变化的详细机制解释，且样本仅限于美国肺癌筛查试验参与者，可能存在选择偏倚	机会性评估脂肪肝病在肺癌筛查胸部CT中的预后价值，特别是在重度吸烟者中的长期死亡率预测	19,774名NLST参与者（年龄61.4±5.0岁，41.2%为女性）在基线及1年随访时的非增强胸部CT扫描	计算机视觉, 数字病理学	脂肪肝病	CT扫描, 深度学习分割	深度学习模型	影像	19,774名参与者，包括基线扫描和1年随访扫描（共约39,548次CT扫描）	NA	NA	风险比, 95%置信区间, p值	NA
19	2026-05-18	Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20059 PMID:39775908	综述	本文综述了7特斯拉磁共振成像在神经疾病中的诊断影响、患者价值及实际考量，强调其在早期诊断和改善护理方面的作用	基于超过1200次临床扫描经验，聚焦7T MRI在肌萎缩侧索硬化症、多发性硬化症等疾病中的新型生物标志物，如运动带征、中央静脉征和顺磁性边缘病变，并探讨离体超高分辨率研究的新可能	未明确提及，但作为综述，可能受限于现有研究数据量和不同疾病类型的应用成熟度	评估7T MRI的临床实用性，促进其在神经影像中的常规应用以改进了理解和治疗管理	神经疾病患者，包括肌萎缩侧索硬化症、癫痫、多发性硬化症、痴呆、帕金森病、肿瘤和血管疾病	医学影像	神经疾病	7T MRI	NA	医学影像	超过1200次临床扫描	NA	NA	NA	第二代7T系统
20	2026-05-16	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	利用循环和卷积神经网络对脑电图信号进行分类，以检测引导意象和脑力工作负荷状态	首次比较了基于26个认知电极和256通道全信号的分类效果，证明认知电极即可达到类似性能	样本量较小仅26名学生，且未涉及临床应用验证	验证是否可通过深度学习检测引导意象放松状态与脑力工作负荷状态之间的差异并进行分类	引导意象放松技术和脑力工作负荷任务下的脑电图信号	机器学习	心理健康	密集阵列脑电图放大器	循环神经网络, 卷积神经网络	脑电图信号	26名学生	NA	EEGNet, LSTM, 1D CNN, 混合模型（1D CNN + LSTM）	准确率, 召回率, 精确率, F1分数, 损失值	NA