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	2026-05-06	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-Apr, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	研究论文	测试一种用于检测和分割黄斑新生血管的人工智能算法在伴有水肿的不同病因眼中的诊断性能	开发了一种混合多任务卷积神经网络（aiMNV），能同时检测和分割黄斑新生血管，并验证了其在渗出性年龄相关性黄斑变性、糖尿病性黄斑水肿和视网膜静脉阻塞导致的黄斑水肿眼中的诊断能力	6×6毫米扫描的灵敏度低于3×3毫米扫描，可能是由于扫描采样密度较低所致	评估一种针对黄斑新生血管的深度学习方法在伴有黄斑水肿的不同病因眼中的检测和分割性能	伴有渗出性年龄相关性黄斑变性、糖尿病性黄斑水肿或视网膜静脉阻塞所致黄斑水肿的研究参与者	计算机视觉, 数字病理学	年龄相关性黄斑变性, 糖尿病性黄斑水肿, 视网膜静脉阻塞	OCT血管成像	混合多任务卷积神经网络	OCT血管成像图像	来自112名研究参与者的114只眼	NA	混合多任务卷积神经网络	灵敏度, 特异性, 阳性预测值, 阴性预测值, 交并比, F1分数	NA
42	2026-05-06	Conventional and cutting-edge advances in plant virus detection: emerging trends and techniques 2025-Apr, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04253-1 PMID:40151342	综述	总结植物病毒检测领域的传统方法与前沿技术，包括基于症状、血清学、核酸技术及新兴的LAMP、HTS、纳米生物传感器和CRISPR诊断方法	系统整合了人工智能、机器学习和物联网在植物病毒实时监测中的应用，并介绍了高光谱成像、深度学习和云平台等创新手段	仍存在序列限制、多重检测能力有限及环境可持续性问题	回顾植物病毒检测技术的演进，强调新兴趋势及未来研究方向	植物病毒检测方法及其在农业生产中的应用	机器学习	植物病害	LAMP, 高通量测序, 纳米生物传感器, CRISPR诊断, 高光谱成像, 深度学习	NA	图像、文本、传感器数据	NA	TensorFlow, PyTorch	ResNet, 卷积神经网络	灵敏度、特异性、检测速度	云端IoT平台、边缘计算设备
43	2026-05-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	研究论文	提出一种协变量平衡感知的可解释深度学习模型用于治疗效应估计	基于加权能量距离的理论分析推导出更紧的平均治疗效应估计偏差上界，并提出无需正确指定倾向性评分模型的目标函数，结合神经加性模型提升深度学习模型的可解释性	未明确提及局限性，可能包括对大数据集计算资源需求或模型泛化性的潜在限制	提高观察性数据中治疗效应估计的准确性和可解释性	治疗效应的无偏估计与深度学习模型的可解释性	机器学习	NA	NA	深度学习模型（神经加性模型）	数值数据（基准数据集和真实观察数据）	使用IHDP、ACIC和NHANES数据集，具体样本量未提及	NA	神经加性模型	平均治疗效应估计偏差、准确性等（具体未列出）	NA
44	2026-05-06	MEASURING IMPACT OF SUPER-RESOLUTION ON SPINAL CORD MRI SCANS: LESION DETECTION SENSITIVITY, VARIABILITY, AND CLINICAL IMPACT 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10981088 PMID:42077389	研究论文	研究超分辨率技术对脊髓MRI扫描的影响，包括病变检测敏感性、变异性和临床影响	首次探索通过超分辨率或线性插值人工改变脊髓MRI分辨率，以提升对临床相关结构（如病变负荷）的识别能力	未发现病变负荷/体积与EDSS残疾测量之间的显著关联	评估人工改变MRI分辨率是否增强对临床相关结构的辨别能力，特别关注病变负荷与临床变量的关系	53名不同严重程度的多发性硬化患者的脊髓MRI扫描	数字病理学	多发性硬化	MRI	深度学习工具（用于病变分割）	图像	53名多发性硬化患者	NA	NA	病变分割敏感性	NA
45	2026-05-05	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	开发了一种基于深度学习的计算机视觉方法，用于高通量、高分辨率量化单个毛发纤维，并探索内分泌、发育和衰老对小鼠毛发表型的影响	提出了创新的计算机视觉工具，能够区分和提取重叠的毛发纤维，实现多变量特征（长度、宽度、颜色）的高通量量化，并生成了单个毛发表型组	NA	开发一种高通量、定量化的毛发表型分析方法，并探究激素信号、基因修饰和衰老对毛囊产出的影响	小鼠的毛发纤维	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
46	2026-05-05	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	利用心电图深度学习提高致心律失常性右心室心肌病的诊断准确率	首次开发并验证了基于深度学习的心电图工具，其诊断ARVC的能力可与专家相当，并能区分真性ARVC与表型模仿者及风险家属	样本量相对较小（共855例），且外部验证仅基于一个特定人群（Geisinger队列）	开发并验证用于ARVC诊断的心电图深度学习工具	疑似ARVC患者及携带致病性或可能致病性ARVC基因变异的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	开发集551例，测试集137例，外部验证集167例	NA	NA	c-statistic, 置信区间	NA
47	2026-05-03	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	开发了SMAART-AI，一个基于深度学习（nnU-Net 2D）的全自动管道，用于从CT图像中可靠评估骨骼肌面积，并预测癌症恶病质	提出端到端自动管道SMAART-AI，结合不确定性机制标记高误差预测，并使用多层感知器模型整合多模态数据预测癌症恶病质	未在多种其他癌症类型中验证其泛化性，且未讨论不确定性机制的临床接受度和成本影响	开发一个可靠、自动化的工具用于骨骼肌面积评估和癌症恶病质早期诊断	胃食管癌患者的CT图像及临床数据	计算机视觉，数字病理	癌症恶病质，胃食管癌	CT成像	CNN（nnU-Net 2D），多层感知器（MLP）	图像，临床数据	四个数据集的样本量	PyTorch	nnU-Net 2D，多层感知器（MLP）	Dice系数，绝对中位误差，精度，相关系数（方差、熵、变异系数）	未在摘要中说明
48	2026-05-02	Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes 2025-04-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0561-OA PMID:38960391	研究论文	评估三阴性乳腺癌中新辅助化疗反应，比较顶浆分泌形态、雄激素受体和免疫表型的影响	发现顶浆分泌形态比雄激素受体表达更能可靠预测新辅助化疗反应，且顶浆分泌形态与低Ki-67LI相关	单中心研究，样本量有限，且顶浆分泌形态为罕见亚型	评估三阴性乳腺癌对新辅助化疗的反应及顶浆分泌形态、雄激素受体、Ki-67标记指数和肿瘤浸润淋巴细胞的影响	三阴性乳腺癌患者	数字病理学	乳腺癌	免疫组织化学	深度学习模型	图像	232例三阴性乳腺癌患者	NA	NA	病理完全缓解率	NA
49	2026-05-01	Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning 2025-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603529 PMID:39071413	研究论文	评估记忆偏差对AlphaFold建模SLC膜蛋白替代构象状态的影响，并提出结合ESM与模板建模的方法以持续生成多构象模型	首次系统评估记忆偏差对AlphaFold建模SLC蛋白多构象状态的影响，并提出一种结合ESM与模板建模的简单快速方法，能可靠生成内外开放两种构象，并通过进化协方差数据进行实验验证	NA	开发一种能够克服记忆偏差、稳定建模SLC膜蛋白替代构象状态的方法	SLC超家族整合膜蛋白（包括SLC35F2等转运体）的替代构象状态	机器学习	NA	AlphaFold、ESM（进化规模建模）、模板建模、序列进化协方差分析	AlphaFold2、AlphaFold3、ESM	蛋白质序列、结构模板	多种SLC膜蛋白（具体数量未提及）	NA	AlphaFold2, AlphaFold3, ESM	由进化协方差数据实验验证（具体指标未提及）	NA
50	2026-04-29	Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem 2025-04-28, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04728-2 PMID:40295939	研究论文	该论文结合心脏电生理仿真与深度学习方法，提出一种非侵入性心脏电生理成像技术的新方案	首次将三维双域心脏电生理仿真模型与深度学习算法结合，用于非侵入性心脏表面电位重建，并比较多种网络的效果	未在大量真实临床数据集上进行验证，且仅涉及仿真数据与有限临床数据的比较	实现非侵入性心脏电生理成像，改善心律失常的风险分层和预后评估	心脏电生理活动模型与仿真心电数据	机器学习	心血管疾病	心脏电生理模拟	卷积神经网络, 长短期记忆网络, 反向传播神经网络	仿真心电数据	未明确，但使用了仿真生成的大量训练样本	NA	粒子群优化反向传播神经网络, CNN, LSTM	相关系数, R², 平均绝对误差	NA
51	2026-04-29	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-04-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	综述与荟萃分析	系统比较机器学习模型与传统统计方法（逻辑回归）在预测经皮冠状动脉介入治疗术后结局中的表现	首次系统性地荟萃分析比较机器学习与逻辑回归在PCI术后多种结局预测中的性能差异	纳入研究普遍存在高偏倚风险，且机器学习模型解释性差，影响临床适用性	比较机器学习与逻辑回归模型预测PCI术后不同结局的性能	预测PCI术后死亡率、主要不良心脏事件、院内出血和急性肾损伤的模型	机器学习	冠状动脉疾病	NA	机器学习模型、逻辑回归模型	NA	59项研究	NA	NA	c统计量	NA
52	2026-04-24	An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans 2025-Apr-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adcafb PMID:40203865	研究论文	提出了一种基于深度学习的端到端重建框架，用于单次心跳快速CT扫描的动态心脏成像，以减少运动伪影	首次采用端到端方式结合去噪与配准网络，仅利用单周期扫描数据实现运动补偿重建，无需心率限制	研究基于模拟投影数据，未在真实临床数据上验证，且30名患者样本量有限，可能影响泛化能力	开发一种减少心脏CT运动伪影的深度学习方法，提升动态成像质量	心脏CT图像中的运动伪影矫正与冠状动脉等关键结构恢复	医学影像	心脏疾病	心脏CT成像	神经网络	CT投影数据	30名真实患者的模拟投影数据，外部机构模拟数据集和XCAT生成连续体模	NA	去噪网络、配准网络	结构相似性（SSIM）、峰值信噪比（PSNR）、均方根误差（RMSE）、Dice相似系数	NA
53	2026-04-19	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	本文提出了一种基于深度学习的策略，用于从高密度细胞外记录中跨物种识别细胞类型	结合光遗传学和药理学，构建了经过筛选的地面真实电生理特性库，并训练了一个半监督深度学习分类器，能够在不同探针、实验室、功能区域和物种间准确预测细胞类型	NA	识别细胞类型并揭示具有不同功能、分子和解剖特性的神经元在行为中的计算作用	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	光遗传学、药理学、高密度探针记录	深度学习分类器	细胞外记录（波形、放电统计、神经元层信息）	NA	NA	NA	准确率	NA
54	2026-04-18	Interpretable deep learning for deconvolutional analysis of neural signals 2025-Apr-16, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.02.006 PMID:40081364	研究论文	本文提出了一种可解释的深度学习方法DUNL，用于神经信号的解卷积分析，通过算法展开设计稀疏解卷积神经网络架构，并直接解释网络权重与刺激驱动的单神经元活动之间的关系	首次将算法展开方法应用于神经信号解卷积，设计可解释的稀疏解卷积神经网络，直接关联网络权重与神经元活动，提供对神经活动的机制性理解	未明确说明方法在更复杂神经场景或大规模数据集上的泛化能力，以及计算效率的具体评估	开发可解释的深度学习方法以分析神经信号，揭示神经活动与刺激之间的机制性联系	多个脑区的神经信号，包括中脑多巴胺神经元、躯体感觉丘脑、梨状皮层和纹状体	机器学习	NA	神经信号记录	稀疏解卷积神经网络	神经信号数据	NA	NA	基于算法展开的稀疏解卷积神经网络	NA	NA
55	2026-04-18	Throw out an oligopeptide to catch a protein: Deep learning and natural language processing-screened tripeptide PSP promotes Osteolectin-mediated vascularized bone regeneration 2025-Apr, Bioactive materials IF:18.0Q1 DOI:10.1016/j.bioactmat.2024.11.011 PMID:39734571	研究论文	本研究结合深度学习和自然语言处理技术，从蛋白质的无序区域中筛选出具有促血管生成和成骨活性的三肽PSP，并验证其在促进血管化骨再生中的作用机制	首次提出结合深度学习和自然语言处理的复合模型算法，用于从蛋白质无序区域中筛选生物活性肽；发现三肽PSP可作为“启动”剂，通过激活Osteolectin产生和细胞外囊泡释放来促进血管化骨再生	研究主要基于小鼠颅骨缺损模型，临床转化潜力尚需进一步验证；筛选的蛋白质数据集（262个相关蛋白）规模有限	开发更安全高效的促血管生成治疗替代方案，以促进骨再生	蛋白质无序区域中的生物活性肽、内皮细胞、骨髓间充质干细胞、小鼠颅骨缺损模型	自然语言处理, 机器学习	骨缺损	深度学习, 自然语言处理, 生物信息学筛选	深度学习模型, 自然语言处理模型	蛋白质序列数据, 文本数据（文献信息）, 实验数据	262个相关蛋白质的无序区域	NA	NA	NA	NA
56	2026-04-18	Analyzing heterogeneity in Alzheimer disease using multimodal normative modeling on imaging-based ATN biomarkers 2025-Apr, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70143 PMID:40235115	研究论文	本研究采用基于深度学习的多模态规范建模框架，分析阿尔茨海默病（AD）患者中基于成像的ATN（淀粉样蛋白-τ蛋白-神经变性）生物标志物的个体水平异质性	首次将深度学习驱动的多模态规范建模应用于ATN成像生物标志物，以量化AD的个体异质性，并开发了结合空间范围和异常偏差幅度的个体疾病严重程度指数（DSI）	研究依赖于横断面数据，未评估纵向变化；样本量相对有限（发现队列n=665，复制队列n=430），且仅基于成像生物标志物，未整合其他临床或分子数据	探究阿尔茨海默病在成像生物标志物上的异质性，并开发个体化疾病严重程度评估指标	阿尔茨海默病患者及淀粉样蛋白阴性对照个体	数字病理学	阿尔茨海默病	T1加权磁共振成像（MRI）、淀粉样蛋白正电子发射断层扫描（PET）、τ蛋白正电子发射断层扫描（PET）	深度学习	图像	发现队列665人，复制队列430人	NA	NA	疾病严重程度指数（DSI）	NA
57	2026-04-17	Machine learning of clinical phenotypes facilitates autism screening and identifies novel subgroups with distinct transcriptomic profiles 2025-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95291-5 PMID:40188264	研究论文	本研究利用机器学习方法，结合临床评估和分子数据，提高自闭症谱系障碍的筛查准确性并识别具有不同转录组特征的新亚组	通过深度学习模型实现了高达95.23%的自闭症筛查准确率，并发现仅使用27个ADI-R子项即可保持可比性能，同时基于临床特征聚类识别出三个具有独特转录组特征的新亚组	研究主要依赖于特定数据库（AGRE和GSE15402）的数据，可能限制了结果的普适性，且未详细讨论模型在其他独立数据集上的验证情况	提高自闭症谱系障碍的筛查准确性并识别具有生物学意义的临床亚型	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	基因表达分析	深度学习模型	临床评估数据、基因表达数据	2794名个体	NA	NA	准确率、置信区间	NA
58	2026-04-17	Multimodal convolutional neural network-based algorithm for real-time detection and differentiation of malignant and inflammatory biliary strictures in cholangioscopy: a proof-of-concept study (with video) 2025-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.09.001 PMID:39265745	研究论文	本研究开发了一种基于多模态卷积神经网络的实时算法，用于在数字单操作者胆道镜视频中检测和区分恶性与炎性胆道狭窄	结合临床元数据到CNN算法中，克服了仅基于图像模型的限制，实现了实时检测和诊断	研究为概念验证性研究，样本量相对较小（111名患者），需要进一步验证	开发用于胆道镜视频中恶性与炎性胆道狭窄实时检测和区分的深度学习算法	胆道狭窄患者，包括恶性、炎性和正常胆道组织	计算机视觉	胆道癌	数字单操作者胆道镜	CNN	视频, 图像	111名患者，总计15,158张静态帧	NA	多模态卷积神经网络	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
59	2026-04-12	Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.242570 PMID:40298595	研究论文	本研究开发并验证了一种用于自动量化心肌血流量和缺血心肌体积百分比的深度学习模型，并探讨了其对主要不良心血管事件的预后价值	开发了首个基于深度学习的自动化CT心肌灌注成像定量模型，用于评估心肌血流量和缺血心肌体积百分比，并证明其在心血管风险分层中具有增量预后价值	研究为回顾性和前瞻性混合设计，可能存在选择偏倚；深度学习模型在外部验证中的泛化能力仍需进一步评估	开发并验证深度学习模型，用于自动量化心肌灌注参数，并评估其在冠状动脉疾病风险分层中的预后价值	接受临床指征CT心肌灌注成像和冠状动脉CT血管造影的患者	数字病理	心血管疾病	动态CT心肌灌注成像，冠状动脉CT血管造影	深度学习模型	CT图像	三个队列共1108名患者（平均年龄61岁±12，667名男性），其中队列1用于模型开发（训练集211人，验证集57人，测试集90人）	NA	NA	受试者工作特征曲线下面积，组内相关系数，C指数，风险比	NA
60	2026-04-11	Foundation model of neural activity predicts response to new stimulus types 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08829-y PMID:40205215	研究论文	本文通过收集大量小鼠视觉皮层神经活动数据，训练了一个基础模型来预测神经元对任意自然视频的响应，并展示了该模型在新小鼠和新刺激类型上的泛化能力	利用基础模型范式预测神经活动，实现了跨小鼠和跨刺激类型的泛化，并能预测解剖细胞类型和神经元连接性	模型可能受限于训练数据的多样性和规模，泛化能力在更广泛的神经环路或物种中尚未验证	构建大脑的基础模型，以理解神经计算目标并预测神经活动	小鼠视觉皮层的神经活动	机器学习	NA	神经活动记录	基础模型	神经活动数据，自然视频	多只小鼠的大量神经活动数据	NA	NA	预测准确性	NA