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
21	2026-04-03	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-04, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像	开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率	研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估	幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像	计算机视觉	幽门螺杆菌感染	内窥镜成像	深度学习	图像	训练集538例，验证集146例	NA	多阶段深度学习架构	准确率	NA
22	2026-04-01	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	研究论文	本文开发了一种基于深度学习的自动化工具SMAART-AI，用于从CT图像中可靠评估骨骼肌面积，并结合临床数据预测癌症恶病质	开发了端到端自动化管道SMAART-AI，集成了基于不确定性的错误标记机制，并首次将骨骼肌面积、骨骼肌指数、BMI和临床数据结合训练MLP模型预测恶病质	研究主要基于胃食管癌数据集，需要在更多癌症类型和更大样本中验证通用性	开发可靠、自动化的骨骼肌面积评估工具，用于癌症恶病质的早期诊断和监测	癌症患者（特别是胃食管癌患者）的CT图像和临床数据	数字病理学	癌症恶病质	计算机断层扫描（CT）	深度学习模型, 多层感知机	医学图像（CT扫描）	四个数据集（具体数量未明确说明），使用5折交叉验证	nnU-Net	nnU-Net 2D, 多层感知机（MLP）	Dice系数, 中位绝对误差, 精确度, 方差, 熵, 变异系数	NA
23	2026-04-01	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	本研究开发并评估了一种用于心脏MRI的自由呼吸、高度加速、多切面、单次心跳的电影序列	提出了一种结合生成对抗网络（REGAIN）进行图像重建的自由呼吸单次心跳心脏电影MRI序列，实现了14.8倍的加速	研究样本量相对有限（136名参与者），且未明确说明模型在不同心脏疾病亚组中的泛化性能	开发一种快速、无需屏气的心脏MRI成像技术，以提高扫描效率和患者舒适度	健康参与者及患有各种心脏疾病的患者	医学影像	心血管疾病	心脏MRI, 生成对抗网络	GAN	MRI图像	136名参与者（40名健康，96名患有心脏疾病）	NA	REGAIN（分辨率增强生成对抗网络）	线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数（ICC）	3-T MRI系统
24	2026-03-31	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-04-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力	探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫检查点抑制剂治疗	黑色素瘤患者	机器学习	黑色素瘤	RNAseq分析，CT成像，电子健康记录数据分析	机器学习，深度学习	文本，图像，实验室数据	NA	NA	NA	准确度	NA
25	2026-03-28	A Deep Retrieval-Enhanced Meta-Learning Framework for Enzyme Optimum pH Prediction 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02291 PMID:40127128	研究论文	本文提出了一种基于深度检索增强元学习的酶最适pH预测框架Venus-DREAM，通过结合k近邻算法和少样本学习实现高精度预测	首次将酶pH预测视为少样本学习任务，并引入基于蛋白质语言模型嵌入的检索机制和Reptile元学习算法进行优化	未明确说明模型在极端pH值或罕见酶家族上的泛化能力，且依赖预训练蛋白质语言模型的嵌入质量	开发高效的计算方法以预测酶的最适pH值，支持酶的高通量虚拟筛选与设计	酶蛋白质序列及其最适pH值	机器学习	NA	蛋白质语言模型嵌入，少样本学习	kNN回归，元学习	蛋白质序列嵌入表示	NA	NA	Reptile	准确度	NA
26	2026-03-22	Machine Learning and Deep Learning in Detection of Neonatal Seizures: A Systematic Review 2025-04, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70083 PMID:40189779	系统综述	本文系统综述了机器学习和深度学习在新生儿癫痫检测中的应用	首次系统性地总结和评估了ML和DL模型在新生儿癫痫检测中的性能，强调了卷积神经网络（CNN）在早期检测中的高效能	纳入的研究数量有限（仅10项），且研究间存在异质性，可能影响结论的普适性	研究机器学习和深度学习对新生儿癫痫检测的效果	新生儿癫痫的检测	机器学习	新生儿癫痫	脑电图（EEG）信号分析	CNN	时间序列数据（EEG信号）	最少17名，最多258名新生儿，共1389次癫痫发作，平均834小时EEG数据	NA	卷积神经网络	AUC, 灵敏度, 特异性	NA
27	2026-03-21	Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces 2025-04-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00391 PMID:40111434	研究论文	提出一种结合人工神经网络与表面增强拉曼光谱的集成框架，用于快速监测血清中氯氮平及其代谢物的浓度	首次将人工神经网络与基于等离子体超表面的表面增强拉曼光谱技术集成，实现对氯氮平及其两种主要代谢物的快速分类和浓度预测	未明确说明样本量、模型架构细节、计算资源及具体性能指标数值	开发一种快速、精确的治疗药物监测方法，以优化精神分裂症患者的治疗效果并减少不良反应	人血清中的氯氮平及其两种主要代谢物（去甲氯氮平和氯氮平-N-氧化物）	机器学习	精神分裂症	表面增强拉曼光谱	人工神经网络	光谱数据	NA	NA	NA	NA	NA
28	2026-03-20	Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy 2025-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-025-01301-1 PMID:40376420	综述	本文综述了在传统明场光学显微镜中实现无标记、逆成像的方法，以解决其成像模糊、相位与振幅交织等问题	系统总结了明场显微镜中逆成像问题的多种解决方案，包括硬件和软件方法，并特别强调了光学切片明场显微镜（OSBM）在三维成像中的直接应用	文中讨论的方法可能存在计算复杂度高、对硬件要求严格或适用范围有限等潜在限制	开发和应用无标记、逆成像技术，以提高明场光学显微镜对生物样本的准确二维和三维成像能力	生物样本在明场光学显微镜下的成像	计算机视觉	NA	明场光学显微镜，包括离焦显微镜、强度传输、叠层成像、去卷积、多视角重建、物理建模、深度学习等	深度学习	图像	NA	NA	NA	NA	NA
29	2026-03-19	Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media 2025-04-16, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01071 PMID:40177940	研究论文	本文提出了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基，以提高生物制造中的过程分析技术	将SERS光谱转换为基于强度阈值的二进制“开/关”信号，实现单分子事件可视化并减少假阳性，结合深度学习突破传统SERS缺乏特征峰的限制	NA	开发一种快速、准确、可重复的过程分析技术，用于监测生物制造中的小分子关键过程参数和质量属性	AMBIC 1.1哺乳动物细胞培养基	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习	光谱数据	NA	NA	NA	准确性，可重复性	NA
30	2026-03-18	Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.05.25325276 PMID:40453372	研究论文	本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用	首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联	研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素	评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联	接受腹部手术并进行了术前CT扫描的患者	数字病理学	营养不良	计算机断层扫描（CT）	深度学习	医学影像（CT扫描）	1,143名患者（52%为女性）	NA	NA	比值比（OR）, p值	NA
31	2026-03-18	Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking 2025-Apr-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.01.646705 PMID:40236190	研究论文	本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用	开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率	方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证	研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用	癌症细胞迁移行为	计算机视觉	癌症	时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选	深度学习	视频	约130万追踪细胞，覆盖840种不同条件	NA	NA	NA	NA
32	2026-03-18	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-04, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾	系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力	作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结	评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势	河流水质污染	机器学习	NA	NA	ANN, DNN, LSTM, RF	水质相关数据集	分析了超过110篇研究文章	NA	NA	NA	NA
33	2026-03-10	CPDMS: a database system for crop physiological disorder management 2025-04-22, Database : the journal of biological databases and curation DOI:10.1093/database/baaf031 PMID:40261733	研究论文	本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库	开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源	模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索	开发用于作物生理障碍管理的实时数据收集与分析系统	番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫）	计算机视觉	作物生理障碍	实时图像采集	深度学习模型	图像	58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种	NA	NA	平均精度均值（mAP），召回率	NA
34	2026-03-06	SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN 2025-Apr-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.30.573739 PMID:38260586	研究论文	本文提出了一种名为SORBET的几何深度学习框架，用于分析空间转录组学或蛋白质组学数据，通过图神经网络实现可解释的样本分类	SORBET是首个在空间转录组学数据上进行表型预测的方法，利用图卷积网络直接建模相邻细胞图，无需将完整细胞谱压缩为有限注释（如细胞类型），并采用新颖的数据增强技术和可解释性分析	NA	开发一个自动化细胞邻域分析框架，以整合空间信息与多重分子数据，准确预测临床表型，如免疫治疗反应	转移性黑色素瘤、非小细胞肺癌和结直肠癌样本	数字病理学	黑色素瘤, 非小细胞肺癌, 结直肠癌	空间转录组学（CosMx）, 空间蛋白质组学（IMC, CODEX）	图卷积网络（GNN）	空间转录组学数据, 空间蛋白质组学数据	NA	PyTorch	图卷积网络	准确性	NA
35	2026-03-06	AutoRADP: An Interpretable Deep Learning Framework to Predict Rapid Progression for Alzheimer's Disease and Related Dementias Using Electronic Health Records 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.06.25325337 PMID:40297450	研究论文	提出了一种基于可解释深度学习的框架AutoRADP，用于利用电子健康记录预测阿尔茨海默病及相关痴呆症的快速进展	结合基于规则的自然语言处理从临床笔记中提取关键认知评估，采用混合采样策略处理数据不平衡，并利用SHAP值提供可解释的预测	仅使用了UFHealth的单中心数据，未明确提及外部验证	开发一个准确且可解释的模型来预测阿尔茨海默病及相关痴呆症的快速进展	阿尔茨海默病及相关痴呆症患者	自然语言处理, 机器学习	阿尔茨海默病, 痴呆症	基于规则的自然语言处理, 特征选择, 混合采样	自编码器	结构化电子健康记录数据, 非结构化临床笔记	NA	NA	自编码器	NA	NA
36	2026-03-06	Differential artery-vein analysis in OCTA for predicting the anti-VEGF treatment outcome of diabetic macular edema 2025-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.557748 PMID:40322014	研究论文	本研究评估了光学相干断层扫描血管成像（OCTA）中动静脉差异分析在预测糖尿病黄斑水肿（DME）抗VEGF治疗效果中的作用	利用深度学习进行OCTA动静脉分割，提取定量动静脉特征，并通过支持向量机预测治疗结果，显著提升了预测性能	NA	预测糖尿病黄斑水肿抗VEGF治疗的治疗结果	糖尿病黄斑水肿患者	数字病理学	糖尿病黄斑水肿	光学相干断层扫描血管成像（OCTA）	深度学习, SVM	图像	NA	NA	NA	准确率	NA
37	2026-03-05	Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review 2025-04, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2024.12.004 PMID:40087072	系统综述	本系统综述评估了人工智能在利用磁共振成像识别颞下颌关节盘位置中的应用	首次系统性地总结了AI在颞下颌关节紊乱症MRI检测中的应用，并比较了不同深度学习与机器学习算法的性能	纳入研究数量有限（7项），存在设计标准化不足和报告不一致的问题，其中一项研究存在高偏倚风险	评估人工智能在基于磁共振成像的颞下颌关节盘位置检测中的有效性和应用	正常个体或颞下颌关节紊乱症患者的颞下颌关节磁共振成像数据	医学影像分析	颞下颌关节紊乱症	磁共振成像	深度学习, 机器学习	图像	NA	NA	MobileNetV2, ResNet	灵敏度, 特异性, 准确率	NA
38	2026-03-03	Hierarchical uncertainty estimation for learning-based registration in neuroimaging 2025-Apr, ... International Conference on Learning Representations PMID:41769306	研究论文	本文提出了一种用于神经影像配准的分层不确定性估计方法，以改进深度学习配准的准确性并支持下游任务的不确定性传播	提出了一种基于空间建模的分层不确定性传播框架，将局部位置不确定性传播至全局变换模型及下游任务，相比传统蒙特卡洛丢弃法能更准确反映配准误差	未明确说明方法在非高斯分布数据或非刚性变换场景下的适用性，且实验主要集中于脑部MRI数据	改进深度学习医学图像配准中的不确定性估计方法，提升配准精度并支持下游任务的不确定性量化	脑部磁共振成像（MRI）扫描数据	医学图像分析	NA	磁共振成像（MRI）	深度学习配准模型	医学图像（MRI）	公开数据集（未指定具体数量）	NA	NA	配准误差相关性	NA
39	2026-03-02	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	研究论文	本文提出了一种基于深度学习的脊髓软分割方法，旨在实现跨MRI对比度的稳定分割	提出了首个能够跨MRI对比度产生稳定软分割的脊髓分割方法，通过使用参与者级别的软平均真值掩码和回归损失函数来减少分割变异性	研究主要基于健康参与者的数据（n=267），尽管在病理数据上进行了泛化测试，但样本量相对有限	开发一种对MRI对比度不敏感的脊髓软分割方法，以减少多中心研究中因协议差异导致的脊髓横截面积变异性	脊髓的MRI图像分割	医学图像分析	多发性硬化症、脊髓压迫症、神经退行性疾病	MRI成像	CNN	医学图像（MRI）	267名健康参与者，包含6种不同的MRI对比度	NA	U-Net	脊髓横截面积变异性（通过Wilcoxon符号秩检验评估p值）	NA
40	2026-02-25	CAUSAL MODELING OF FMRI TIME-SERIES FOR INTERPRETABLE AUTISM SPECTRUM DISORDER CLASSIFICATION 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10980933 PMID:41728049	研究论文	本文提出了一种基于因果关系的深度学习模型，用于利用fMRI时间序列数据进行自闭症谱系障碍的分类，并解释脑区间的因果关系	引入了一种受因果关系启发的深度学习模型，能够捕捉脑区间的非线性相互作用，而传统的基于相关性的模型无法做到这一点	研究使用了经过筛选的ABIDE数据集（平均FD小于15mm），可能限制了样本的多样性和泛化能力	开发一种准确且可解释的自闭症谱系障碍分类方法，以促进早期诊断和治疗	自闭症谱系障碍患者和对照组人群的fMRI时间序列数据	机器学习	自闭症谱系障碍	功能磁共振成像	深度学习模型	时间序列数据	ABIDE数据集中经过筛选的图像（平均FD小于15mm），具体数量未明确说明	NA	因果关系启发的深度学习模型	分类准确率, AUC	NA