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 deep learning strategy to identify cell types across species from high-density extracellular recordings 2025-Apr-17, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.01.041 PMID:40023155	研究论文	本文开发了一种深度学习策略，用于从高密度细胞外电生理记录中识别清醒动物中的细胞类型，并在小脑中验证了该方法	结合光遗传学和药理学生成小脑细胞类型的电生理特性真实标签库，并训练半监督深度学习分类器，以高精度预测细胞类型，且在不同探针、实验室、区域和物种间具有泛化能力	未明确说明方法的局限性，如对其他脑区或物种的适用性可能需进一步验证	从细胞外记录中识别细胞类型，并揭示不同功能、分子和解剖特性的神经元的计算作用	小脑中的浦肯野细胞、分子层中间神经元、高尔基细胞和苔藓纤维	机器学习	NA	高密度细胞外电生理记录、光遗传学、药理学	半监督深度学习分类器	电生理数据（波形、放电统计、层信息）	未明确提供，涉及多种细胞类型的记录	NA	NA	准确率	NA
2	2026-10-08	C-UQ: Conflict-based uncertainty quantification-A case study in lung cancer classification 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109825 PMID:39978099	研究论文	本研究提出了一种基于冲突的不确定性量化方法（C-UQ），将Dempster-Shafer理论与深度集成方法相结合，应用于肺癌分类案例研究	提出了一种新颖的基于冲突的不确定性量化方法，将softmax输出转换为基本信念分配并应用组合规则，利用冲突作为不确定性度量，高冲突值表示需要专家审查的预测	增加集成规模虽能提升性能，但计算需求可能对实时应用构成挑战；未来工作需要优化效率并探索替代的Dempster-Shafer理论组合规则和混合模型	量化深度学习模型预测的不确定性，确保医学诊断中可靠的临床决策	肺癌分类任务，LIDC-IDRI数据集及其他3D生物医学数据集	医学图像分析	肺癌	Dempster-Shafer理论，深度集成方法	深度集成神经网络	3D医学图像	LIDC-IDRI数据集及其他3D生物医学数据集	NA	NA	准确率，U值，AUC	NA
3	2026-10-08	Addressing imbalance in health data: Synthetic minority oversampling using deep learning 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109830 PMID:39983361	研究论文	本文提出了一种基于深度学习的合成少数类过采样方法，使用辅助引导的条件变分自编码器（ACVAE）结合对比学习，并引入集成技术（ACVAE生成合成正样本，ECDNN减少多数类）来解决医疗数据中的类别不平衡问题	1. 提出了辅助引导的条件变分自编码器（ACVAE）并增强对比学习；2. 引入集成技术，结合ACVAE的过采样和ECDNN的选择性欠采样；3. 相比传统过采样方法，能够更好地捕捉复杂数据分布、处理异构数据类型并原生支持多类数据集	未明确说明	解决医疗数据中的类别不平衡问题，提高机器学习模型在所有类别上的性能，以改善医疗服务和患者安全	12个不同的医疗数据集	机器学习	NA	NA	条件变分自编码器, 对比学习	表格数据	12个医疗数据集	NA	辅助引导的条件变分自编码器（ACVAE）	NA	NA
4	2026-10-08	A multi-task self-supervised approach for mass detection in automated breast ultrasound using double attention recurrent residual U-Net 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109829 PMID:39983360	研究论文	本文提出了一种基于自监督学习的计算机辅助检测系统，用于自动乳腺超声中的肿块检测，该方法使用多任务自监督预训练和3D卷积神经网络	提出了一种新颖的自监督框架，利用未标注的ABUS数据集，并设计了名为DATTR2U-Net的创新3D卷积神经网络，采用多任务学习同时训练修复和去噪 pretext 任务	未明确提及	减少放射科医生的工作量，实现高检测灵敏度和低假阳性率	自动乳腺超声（ABUS）图像中的肿块	计算机视觉	乳腺癌	自动乳腺超声	CNN	图像	TDSCABUS公共数据集（具体样本量未提供）	NA	DATTR2U-Net, U-Net	召回率, 假阳性率	NA
5	2026-10-04	Implementation of A New, Mobile Diabetic Retinopathy Screening Model Incorporating Artificial Intelligence in Remote Western Australia 2025-04, The Australian journal of rural health DOI:10.1111/ajr.70031 PMID:40110918	研究论文	本文描述并评估了一种在澳大利亚西部偏远地区实施的新型移动糖尿病视网膜病变筛查模型，该模型将人工智能整合到常规护理中	将人工智能辅助的糖尿病视网膜病变筛查整合到移动车辆中，由无正式医疗资格的研究人员操作，并与当地原住民社区共同设计，实现实时诊断和远程医疗咨询	样本量较小（78名患者），研究周期较短（2024年2月至8月），仅在一个地区实施，未报告AI系统的具体性能指标如敏感性、特异性等	评估在偏远澳大利亚地区实施AI辅助糖尿病视网膜病变筛查模型的可接受性、有效性和筛查率提升情况	澳大利亚皮尔巴拉地区患有糖尿病的患者	数字病理学	糖尿病视网膜病变	深度学习系统，自动视网膜相机	深度学习系统	图像	78名糖尿病患者	NA	NA	筛查人数，患者对AI的可接受性（96%满意）	NA
6	2026-09-23	BRAID: Input-driven nonlinear dynamical modeling of neural-behavioral data 2025-Apr, ... International Conference on Learning Representations PMID:42131509	研究论文	提出了一种名为BRAID的深度学习框架，用于建模神经行为数据中的非线性动力学，并显式地纳入外部输入	显式地将测量的外部输入纳入非线性神经动力学建模中，通过输入驱动的循环神经网络与预测目标分离内在动力学与输入效应，并采用多阶段优化方案优先学习与行为相关的内在动力学	摘要中未明确提及	在建模神经群体动力学时显式考虑外部输入的影响，并准确学习与行为相关的内在动力学	神经行为数据，包括运动任务期间记录的运动皮层活动	机器学习	NA	NA	循环神经网络	神经活动数据	NA	NA	输入驱动的循环神经网络	拟合准确度、预测准确性	NA
7	2026-09-23	GEOMETRY OF LONG-TAILED REPRESENTATION LEARNING: REBALANCING FEATURES FOR SKEWED DISTRIBUTIONS 2025-Apr, ... International Conference on Learning Representations PMID:42267119	研究论文	该论文从几何角度理论分析了长尾数据导致特征分布偏斜的原因，并提出了特征重构建方法FeatRecon以解决长尾表示学习问题	首次从理论上推导了长尾数据导致尾类中心收缩甚至坍缩为单点的条件，揭示了特征重叠的几何机制；提出FeatRecon方法通过重建特征空间使不同类别的特征分布对称且线性可分	未明确讨论计算复杂度或在大规模数据集上的可扩展性；实验仅限于图像分类数据集，未涉及其他模态或任务	深入理解长尾数据对特征分布的影响机制，并开发有效方法提升长尾分布下的表示学习性能	长尾分布下的深度神经网络特征表示	机器学习	NA	NA	NA	图像	CIFAR-10-LT、CIFAR-100-LT、ImageNet-LT和iNaturalist 2018数据集（具体样本量未在摘要中给出）	NA	NA	NA	NA
8	2026-09-21	Deep learning-based design and screening of benzimidazole-pyrazine derivatives as adenosine A2B receptor antagonists 2025-04, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2295974 PMID:38133953	研究论文	本文通过结合深度生成模型和多层虚拟筛选，设计并筛选苯并咪唑-吡嗪衍生物作为选择性腺苷A2B受体拮抗剂	开发了一个基于骨架的方案，结合深度生成模型和多层虚拟筛选来设计选择性A2B受体拮抗剂，并发现了五个具有不同Bemis-Murcko骨架的新分子	未明确说明	设计并筛选潜在的、选择性的腺苷A2B受体拮抗剂	苯并咪唑-吡嗪衍生物	药物发现	癌症	深度学习、虚拟筛选	深度生成模型	分子结构数据	未明确说明	未明确说明	未明确说明	结合自由能	未明确说明
9	2026-09-21	AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States 2025-Apr, Information (Basel) DOI:10.3390/info16040309 PMID:41550100	研究论文	利用深度学习的AI模型高精度检测铜绿假单胞菌在浮游态和生物膜态下的光学显微图像	使用适配体DNA模板银纳米簇（Ag-NC）抑制生物膜形成并获取浮游态图像，采用U-Net结合ResNet编码器增强对生物膜图像进行分割，并利用ResNet18和ResNet34骨干网络有效检测不同阶段的生物膜结构	未提及模型在更大规模或多样化数据集上的泛化能力，也未讨论计算资源需求及实时检测的可行性	利用基于深度学习的AI模型准确高效地检测铜绿假单胞菌产生的生物膜	铜绿假单胞菌（Pseudomonas aeruginosa）的浮游态和生物膜态光学显微图像	计算机视觉	NA	光学明场显微成像，适配体DNA模板银纳米簇（Ag-NC）	CNN	图像	NA	NA	U-Net, ResNet18, ResNet34	准确率	NA
10	2026-09-19	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-04-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	研究论文	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担评分	提出了一种多任务AI系统，结合影像组学和深度学习特征，能够无创地早期预测残留癌症负担评分，并在多个外部验证队列中验证了其性能	摘要中未提及	开发一种AI系统，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担评分	接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	磁共振成像，影像组学，深度学习	多任务AI系统	图像	1048名乳腺癌患者（主要队列335人，外部验证队列713人）	NA	NA	AUC	NA
11	2026-09-18	Fourier-enhanced high-order total variation (FeHOT) iterative network for interior tomography 2025-04-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc8f6 PMID:40179937	研究论文	本文提出了一种傅里叶增强的高阶全变分（FeHOT）迭代网络，用于内层CT重建，通过结合高阶全变分正则化和傅里叶频域增强，实现高精度重建	1) 通过迭代展开框架将经典HOT理论与深度学习相结合；2) 引入频域操作以克服CT图像中多项式/分段常数假设的局限性；3) 仅需五次迭代即可实现高质量重建，平衡了计算效率与准确性	对于具有分段常数特性的AAPM数据集，一阶全变分已取得满意结果，而FeHOT的二阶正则化更适用于非分段常数特征的临床医学数据集；未明确说明对其他类型CT数据的泛化能力	利用高阶全变分正则化和基于傅里叶的频域增强，从截断投影数据中实现高精度重建，同时克服现有方法收敛慢、过度平滑和高频细节丢失等局限性	截断投影数据、CT图像	计算机视觉	NA	CT重建、高阶全变分正则化、傅里叶频域增强	CNN	图像	AAPM数据集和临床医学数据集（具体样本数量未提及）	NA	U-Net	PSNR, SSIM	NA
12	2026-09-18	Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8566 PMID:39947682	研究论文	该研究利用基于物理的方法合成逼真的MR伪影，并训练深度学习生成对抗网络（GAN）用于EPI伪影减少	使用基于物理的模拟伪影创建合成数据集，并采用堆叠迁移学习方法训练GAN，能够纠正常见伪影同时保留对比度信息，即使对于网络未训练过的对比度	研究主要基于合成数据，需要在更多真实临床数据上进一步验证	利用基于物理的合成MR图像和深度迁移学习减少EPI中的伪影	1,392名接受脑部MRI检查患者的4,573个解剖MR序列，以及49名复发性胶质母细胞瘤患者的ADC图	计算机视觉	脑癌	MRI	GAN	图像	1,392名患者的4,573个MR序列用于训练；49名复发性胶质母细胞瘤患者用于测试	NA	Pix2PixGAN, Attention-R2UNet	均方误差, 结构相似性指数, 多尺度结构相似性指数, 峰值信噪比, 豪斯多夫距离	NA
13	2026-09-18	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，并分析了阿尔茨海默病患者的体积变化	在较大数据集上比较了包括U-Mamba_Bot和U-Mamba_Enc在内的6种先进深度学习模型对122个脑结构的分割性能，并验证了体积分析结果与文献的一致性	数据集规模有限，需要更大数据集进一步验证，未探索模型在其他神经系统疾病中的适用性	评估6种先进深度学习模型在T1加权MRI上分割122个脑结构的性能，识别最适合临床和研究应用的模型	1510例T1加权脑MRI扫描，包括正常对照和阿尔茨海默病患者	医学图像分割	阿尔茨海默病	T1加权磁共振成像	CNN, Transformer, Mamba	图像	1510例T1加权MRI	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95%豪斯多夫距离	NA
14	2026-09-18	Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8567 PMID:40147833	研究论文	本文比较了传统颈椎MRI与采用基于深度学习的加速颈椎MRI在评估脊髓病和退行性疾病时的图像质量和诊断性能	使用商业可用的供应商中立的基于深度学习的重建算法在DICOM域内操作，实现了加速颈椎MRI采集，同时保持或提高了图像质量和诊断性能	样本量较小，仅50名患者，且仅评估了特定序列和疾病类型	前瞻性比较传统颈椎MRI与加速颈椎MRI在评估颈椎退行性疾病和脊髓病时的图像质量和诊断性能	50名患有退行性颈椎病或脊髓病的患者	医学影像分析	颈椎退行性疾病, 脊髓病	MRI	NA	图像	50名患者	NA	NA	SNR, CNR, 敏感性, 特异性, 图像质量评分	NA
15	2026-09-16	Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma 2025-04-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06480-9 PMID:40301933	研究论文	该文开发了一个深度学习放射病理临床（DLRPC）模型，整合CT图像、H&E染色穿刺活检病理图像和临床数据，预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂（TKI）治疗的敏感性	提出DLRPC多模态融合模型，利用基于临床的注意力掩码探索跨模态关联，整合CT、病理和临床三种模态数据进行预测，性能优于单模态模型和基于Dempster-Shafer理论的决策级融合模型	回顾性研究设计，样本量相对有限（214例），仅来自两个医疗中心，可能存在选择偏倚，需要更大规模的前瞻性多中心验证	开发并验证一个整合CT影像、病理图像和临床数据的深度学习模型，以预测EGFR突变肺腺癌患者对TKI治疗的响应	接受TKI治疗的EGFR突变肺腺癌患者	数字病理学	肺癌	CT影像、H&E染色病理图像、临床数据整合分析	CNN	图像、文本	214例来自两个医疗中心的肺腺癌患者（2013年9月至2023年6月）	NA	NA	AUC、准确率、灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）	NA
16	2026-09-13	Representation of high-dimensional cell morphology and morphodynamics in 2D latent space 2025-04-24, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/adcd37 PMID:40233771	研究论文	开发了一种基于深度学习的算法，将13维细胞形态特征向量投影到2维形态潜在空间，用于表示和理解细胞形态和形态动力学	首次将高维细胞形态特征投影到2D潜在空间，实现信息损失小于5%，并能区分不同迁移表型的转移性乳腺癌细胞，且保持细胞形状波动的扩散幂和Lyapunov指数	未明确说明算法的泛化能力、对其他细胞类型的适用性以及潜在空间的可解释性	将高维细胞形态特征向量降维到2D潜在空间，以便于沟通、解释和可视化细胞状态	转移性乳腺癌细胞的形态和形态动力学	数字病理学	乳腺癌	深度学习	NA	图像	NA	NA	NA	信息损失率, 扩散幂, Lyapunov指数	NA
17	2026-09-13	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	研究论文	该研究构建了一种基于视觉Transformer的多模态融合网络，结合超声图像、深度学习和临床特征，用于乳腺肿瘤良恶性分类	首次同时整合影像组学特征、深度学习特征和临床参数，构建多模态特征融合模型用于乳腺超声肿瘤恶性预测	摘要中未明确提及研究局限性	构建多模态特征融合模型，利用超声图像预测乳腺肿瘤恶性程度，辅助临床决策	乳腺肿瘤患者	计算机视觉	乳腺癌	超声成像	Vision Transformer	图像	1065例患者的临床特征和3315个图像数据集，其中603例患者数据用于训练	NA	Vision Transformer	AUC, F1分数	NA
18	2026-09-13	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	该研究利用深度学习模型分析电子健康记录，识别ANCA相关性血管炎病例	使用分层注意力网络进行患者级别的AAV分类，并发现传统规则方法遗漏的病例	未明确提及	利用深度学习分析电子健康记录，更准确地识别ANCA相关性血管炎病例	ANCA相关性血管炎患者及其电子健康记录	数字病理学	ANCA相关性血管炎	电子健康记录分析	分层注意力网络（HAN）	文本	数据集I：6000个注释段，数据集II：3008个注释段，数据集III：7500个注释段，测试队列：2000个病例	未明确提及	分层注意力网络（HAN）	阳性预测值（PPV）、敏感性、F分数、AUROC、AUPRC	未明确提及
19	2026-09-13	Hip prosthesis failure prediction through radiological deep sequence learning 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了结合卷积神经网络和循环网络的深度学习模型，利用多次术后X线平片序列预测髋关节假体失败	首次考虑使用多个纵向X线平片序列而非仅最后一张图像，结合时空信息进行髋关节假体失败预测	外部验证队列仅14名患者，样本量较小	开发人工智能模型，从多次连续X线平片中预测髋关节植入物失败	224名患者的模型开发队列和14名患者的平衡外部验证队列，使用每位患者2-3张前后位X线平片序列	医学影像分析	骨科疾病	X线平片	CNN, GRU, LSTM	图像	224名患者用于模型开发，14名患者用于外部验证	NA	DenseNet, 自编码器, GRU, LSTM	阳性预测值(PPV), F1分数, 准确率	NA
20	2026-09-13	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	使用区域电子健康记录数据开发并验证深度学习模型REDAPM，用于预测2型糖尿病患者的抑郁和焦虑	利用区域异构电子健康记录数据，结合结构化和非结构化数据，捕捉临床事件的时间依赖性，开发了REDAPM模型	外部验证性能下降（ROC-AUC从0.9029降至0.7360），表明模型泛化能力有限	开发和验证一个深度学习模型，利用区域电子健康记录数据预测2型糖尿病患者的抑郁和焦虑	2型糖尿病患者	机器学习	肺癌	NA	CNN, LSTM	文本, 结构化数据	内部验证数据集24,724名患者，外部验证数据集34,340名患者	NA	REDAPM	ROC-AUC, PR-AUC	NA