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	2026-05-27	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
42	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
43	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
44	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
45	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
46	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
47	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
48	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
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	2026-05-15	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	利用深度学习技术分析并验证一种自动预后生物标志物，以预测脑出血（ICH）后的结果	首次结合Resnet50深度学习方法和逻辑回归，构建基于血肿和血肿周围水肿区域特征的90天预后预测模型	未明确提及局限性	提高脑出血后预后预测的准确性	脑出血（ICH）患者	深度学习、数字病理学	脑出血	NA	Resnet50	图像	1098名患者（652名男性，446名女性）	NA	Resnet50	AUC	NA
57	2026-05-15	Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.012 PMID:39304377	研究论文	该研究评估了超分辨率深度学习重建（SR-DLR）在腹部计算机断层扫描（CT）中提升图像质量的表现，并比较了其与混合迭代重建（HIR）和常规分辨率DLR（NR-DLR）的效果	首次将超分辨率深度学习重建技术应用于腹部CT，在降低辐射剂量的同时保持或提升空间分辨率	该研究基于体模实验，可能无法完全反映临床中的实际效果	评估超分辨率深度学习重建在CT图像质量增强中的性能	Catphan体模	计算机视觉	NA	CT成像	深度学习重建网络	CT图像	Catphan体模（配备外部环）	NA	SR-DLR, NR-DLR	噪声幅度比（NMR）、中心频率比（CFR）、高对比度值	NA
58	2026-05-15	Ultrasound-based artificial intelligence model for prediction of Ki-67 proliferation index in soft tissue tumors 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.067 PMID:39406581	研究论文	利用超声图像结合深度学习、影像组学及临床特征构建融合模型，预测软组织肿瘤中Ki-67增殖指数	首次将深度学习特征与影像组学特征及临床特征融合，构建多特征融合模型用于预测软组织肿瘤的Ki-67表达水平	样本量有限（394例），且为回顾性研究，可能存在选择偏倚	评估深度学习结合影像组学及临床与影像特征预测软组织肿瘤Ki-67增殖指数的价值	394例软组织肿瘤患者的超声图像及临床数据	机器学习	软组织肿瘤	超声成像	支持向量机	图像	394例患者，训练集323例，外部验证集71例	NA	NA	AUC	NA
59	2026-05-15	Enhancing Radiologists' Performance in Detecting Cerebral Aneurysms Using a Deep Learning Model: A Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.038 PMID:39406577	研究论文	研究开发深度学习模型辅助放射科医生检测脑动脉瘤的多中心评估	首次系统评估深度学习模型对低年资和高年资放射科医生检测脑动脉瘤性能的提升，并量化分析工作流程效率的改善	未在不同影像设备或更低资源设置下验证模型泛化性	评估深度学习模型辅助放射科医生检测脑动脉瘤的诊断性能和工作流程效率	放射科医生（4名初级、6名高级）及深度学习模型	机器学习	脑血管疾病	深度学习	CNN	医学影像（CTA?）	训练集3829名患者（11个中心），测试集484名患者（3个机构）	PyTorch	NA	AUC, 敏感性, 特异性	NA
60	2026-05-15	A Multicenter Cohort Study on Ultrasound-based Deep Learning Nomogram for Predicting Post-Neoadjuvant Chemotherapy Axillary Lymph Node Status in Breast Cancer Patients 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.065 PMID:39406583	研究论文	评估基于超声深度学习的列线图在预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的性能及其对放射科医生诊断的辅助作用	基于超声深度学习列线图预测新辅助化疗后腋窝淋巴结状态，并证明其能显著提升放射科医生的诊断能力	NA	评估基于超声的深度学习列线图预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的能力及其辅助诊断的潜力	535例淋巴结阳性乳腺癌患者	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	535例患者（培训队列288例，内部验证队列123例，外部验证队列124例）	PyTorch	ResNet 34, ResNet 50, VGG19, GoogLeNet, DenseNet 121	AUC	NA