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	2026-08-31	Mortality and Antibiotic Timing in Deep Learning-Derived Surviving Sepsis Campaign Risk Groups: A Multicenter Study 2025-Apr-01, Research square DOI:10.21203/rs.3.rs-6123541/v1 PMID:40235491	研究论文	本研究利用深度学习模型将脓毒症患者分层为类似挽救脓毒症运动风险组，并评估不同抗生素给药时间对短期死亡率的影响。	首次利用深度学习模型客观地将脓毒症患者分层为类似SSC风险组，并基于分层评估抗生素给药时间对死亡率的影响。	未评估因果关系，需要额外的前瞻性研究验证结果。	研究基于深度学习风险分层的脓毒症患者中，抗生素给药时间与短期死亡率的关系。	34,163名成人脓毒症患者，来自两个大型卫生系统。	机器学习	脓毒症	NA	深度学习模型	临床数据	34,163名成人患者	NA	NA	死亡率	NA
42	2026-08-31	Relationships Between Retinal Vascular Characteristics and Systemic Indicators in Patients With Diabetes Mellitus 2025-04-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.4.72 PMID:40272369	研究论文	开发了用于眼底图像血管分割的深度学习方法，测量视网膜血管，并研究糖尿病患者视网膜血管特征与全身指标之间的关系	利用自定义U-Net深度学习模型结合多个开源数据集进行视网膜血管分割和测量，系统性地分析全身指标与视网膜血管特征及糖尿病视网膜病变严重程度的相关性	未在摘要中明确提及局限性	研究糖尿病患者的视网膜血管特征与全身指标之间的关系	糖尿病患者，涵盖不同阶段的糖尿病视网膜病变	计算机视觉, 数字病理	糖尿病, 糖尿病视网膜病变	眼底照相	U-Net	眼底图像, 临床指标数据	637名糖尿病患者，3575张系列照片	PyTorch（推测）	U-Net	相关性系数, P值	NA
43	2026-08-28	Physics-informed deep learning for infectious disease forecasting 2025-Apr-29, ArXiv PMID:39876937	研究论文	提出了一种基于物理信息神经网络（PINNs）的传染病预测模型，该模型将疾病传播的动力学系统表示纳入损失函数，结合流行病学理论和数据，以提高预测准确性	创新性地利用物理信息神经网络（PINNs）整合流行病学理论到损失函数中，以防止深度学习模型仅靠观测数据训练时的过拟合，并添加子网络以考虑流动性和疫苗剂量等协变量对传播率的影响	研究仅使用加利福尼亚州的新冠疫情数据进行了验证，可能限制了模型对其他地区或疾病的通用性和外部效度	旨在改进传染病预测方法，提高对病例数、死亡数和住院人数的预测能力，以辅助公共卫生政策制定	加利福尼亚州各州的新冠疫情数据，包括病例数、死亡数和住院人数	机器学习	传染病	NA	物理信息神经网络（PINNs）	时间序列数据	未明确，使用加利福尼亚州的州级数据	NA	PINN，包含主网络和子网络，子网络处理协变量（如流动性和疫苗剂量）	与基线预测和序列深度学习模型（RNN、LSTM、GRU、Transformer）及高斯感染状态预测模型比较	未明确
44	2026-08-25	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	本研究利用AI基础模型分析HPV阳性头颈鳞状细胞癌的组织病理学特征，并通过生成合成图像来解码其组织学景观	首次使用AI基础模型（UNI）和生成对抗网络（HistoXGAN）生成合成病理图像，以客观描述HPV阳性HNSCC的组织学变异模式，并识别出三个亚型	未明确提及限制，但可能包括对合成图像的依赖和样本量有限	利用AI基础模型表征与HPV存在相关的组织病理学特征，并客观描述HPV阳性空间中的变异模式，以实现可解释的HPV检测	HPV阳性与阴性的头颈鳞状细胞癌（HNSCC）患者的H&E染色组织切片	数字病理学、机器学习	头颈鳞状细胞癌	H&E染色、自监督学习（SSL）、生成对抗网络（GAN）	基础模型（UNI）、生成对抗网络（HistoXGAN）	H&E染色病理图像	981名HNSCC患者的H&E图像，来自公共和机构数据集	NA	UNI（Transformer-based）、HistoXGAN（GAN）	敏感性、特异性	NA
45	2026-08-25	Emerging frontiers in protein structure prediction following the AlphaFold revolution 2025-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0886 PMID:40233800	综述	本文综述了AlphaFold革命后蛋白质结构预测的新兴前沿，重点讨论其在高级应用中的使用，并建议一套报告AlphaFold预测的指南	提出了针对AlphaFold预测报告的指南，并聚焦于蛋白质与其他生物分子相互作用的结构预测应用	未在摘要中明确提及局限性	综述蛋白质结构预测的最新进展，及其在理解蛋白质相互作用和动态行为中的应用，并提供预测报告指南	蛋白质结构预测工具及其在生物过程理解中的应用	机器学习	NA	AlphaFold	深度学习模型（AlphaFold）	蛋白质序列和结构数据	NA	NA	AlphaFold	NA	NA
46	2026-08-25	Reconstructing illusory camouflage patterns on moth wings using computer vision 2025-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0757 PMID:40304197	研究论文	利用计算机视觉算法重建蛾类翅膀上的伪装图案，以探索动物色彩图案如何产生假深度线索。	首次将用于三维场景重建的计算机视觉算法应用于动物伪装图案的感知重建，结合内在图像分解和深度学习两种方法。	未提及具体限制，但可能受限于模拟环境和物种数量。	探究蛾类翅膀图案如何利用单眼深度线索产生视觉错觉，以及如何通过计算机视觉重建潜在感知。	六种蛾类（鳞翅目）的翅膀图案，以及自然三维表面的图像。	计算机视觉	无	单图像单眼深度估计	内在图像分解和深度学习模型	图像	六种蛾类物种的翅膀图案，以及自然三维表面图像	未明确指定，可能涉及PyTorch或TensorFlow等	未明确指定，可能包括基于Retinex理论的分解模型和深度学习深度估计模型	定性评估模型的响应性	未提及
47	2026-08-21	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	利用机器学习分析临床表型数据以提高自闭症筛查准确率，并识别具有不同转录组特征的新亚型	首次将临床表型数据与分子数据整合，通过机器学习聚类发现与基因表达模式相关联的ASD亚型，并提出基于临床观察起始的亚型识别方法比基于基因表达更有效	未提及	利用机器学习提高自闭症谱系障碍筛查准确性并识别有意义的亚型	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	基因表达谱分析	深度学习模型	临床评估数据（ADI-R评分）和基因表达数据	2794名个体的临床数据以及GSE15402数据集中的分子数据	NA	深度学习模型（具体架构未提及）	准确率	NA
48	2026-08-20	Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109721 PMID:39978091	研究论文	开发并评估了一种结合超快动态对比增强MRI图像、病变特征和临床信息的多模态深度学习模型用于乳腺病变分类	提出了一种新颖的基于Transformer的多模态融合架构（MMST-V），能够整合图像和非图像数据，优于单模态方法	摘要未提及具体局限性，可能包括单中心回顾性研究、样本量有限等	开发并评估用于乳腺病变分类的多模态深度学习模型	乳腺病变（包括良性病变、恶性病变和良性淋巴结）	医学影像分析	乳腺癌	超快动态对比增强MRI	Transformer	图像、临床信息（分类和标量数据）	240名患者，987个病变（280良性，121恶性，586良性淋巴结），1081份报告	NA	Multimodal Sieve Transformer with Vision Transformer encoder (MMST-V)	AUROC	NA
49	2026-08-19	Decoding Recurrence in Early-Stage and Locoregionally Advanced Non-Small Cell Lung Cancer: Insights From Electronic Health Records and Natural Language Processing 2025-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00227 PMID:40249880	研究论文	利用电子健康记录和自然语言处理技术，建立NLP系统以识别非小细胞肺癌术后复发，并分析相关风险因素。	开发了基于深度学习的定制NLP系统，能够高效地从大规模电子健康记录中提取复发数据，并进行纵向风险分析。	未提及	建立NLP系统以高效整理NSCLC复发数据，并分析复发风险因素。	早期和局部区域晚期非小细胞肺癌患者，共6,351例，其中1,295例接受手术切除。	自然语言处理	非小细胞肺癌	自然语言处理	深度学习模型	文本数据（电子健康记录）	6,351例NSCLC患者，超过70万条记录；其中1,295例I-IIIA期手术患者用于分析。	NA	NA	精确率、召回率、F1分数、风险比、生存率	NA
50	2026-08-17	Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies 2025-04-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf081 PMID:40052574	研究论文	基于25,073例非对比增强NAKO MRI研究，通过深度学习自动表征升主动脉形态，并探讨其中段直径的决定因素。	首次在大规模流行病学队列中应用深度学习结合因果分析（Peter-Clark算法）来分离升主动脉直径的相关性和潜在因果关系，超越了传统统计方法。	NA, 未在摘要中明确说明局限性。	自动表征升主动脉形态，并确定升主动脉中段直径的可能决定因素。	来自德国国家队列的25,073例非对比增强磁共振血管成像（NC-MRA）数据。	计算机视觉、机器学习、数字病理学（注：数字病理学不相关，应改为心血管影像学）	心血管疾病	磁共振成像（MRI），非对比增强磁共振血管成像（NC-MRA）	深度学习分割模型（具体类型未指定，可能为U-Net等）	3D医学影像（MRI）	25,073例非对比增强MRI研究	NA	NA（可能为U-Net，但未指定）	r²值、P值、均值±标准差	NA
51	2026-08-17	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	开发并验证了一种基于心电图深度学习的工具，用于改善致心律失常性右心室心肌病的诊断	首次利用深度学习模型从心电图中自动诊断ARVC，性能达到专家水平，并能区分真正的ARVC与表型模拟者及风险家庭成员	研究可能受限于单中心开发、回顾性设计，以及外部验证队列中ARVC患病率较低	开发和验证一种心电图深度学习工具用于ARVC诊断，以提高诊断准确性和可及性	ARVC患者和疑似患者的心电图数据，包括基因变异携带者	机器学习	致心律失常性右心室心肌病	心电图	深度学习模型	心电图数据	开发队列551例，测试队列137例，外部验证队列167例	NA	NA	c-statistic	NA
52	2026-08-12	Towards a unified framework for single-cell -omics-based disease prediction through AI 2025-04, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70290 PMID:40170267	编辑材料	提出一个名为scDisPreAI的统一框架，利用人工智能整合单细胞组学数据，实现疾病和疾病阶段的预测以及生物标志物的发现	提出了一个统一的框架，将预测建模与可解释的生物标志物识别相结合，可作为临床决策助手，支持药物再利用和个性化治疗	论文为编辑材料，未提供实验结果或验证，实际应用仍需前瞻性临床验证	提出scDisPreAI框架的技术和方法路线，以促进单细胞组学在精准医学中的转化应用	单细胞组学数据，涵盖多种疾病和多个疾病阶段	机器学习	不明确	单细胞组学（单细胞测序）	机器学习或深度学习模型	单细胞组学数据	不明确	不明确	不明确	不明确	不明确
53	2026-08-08	RETRACTED ARTICLE: A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-04-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	提出一种多滤波深度迁移学习框架，用于基于图像的孤独症谱系障碍检测，通过数据增强、多滤波、直方图均衡化和两阶段降维提高预训练模型的分类准确率。	整合数据增强、多滤波、直方图均衡化和两阶段降维到预训练冻结网络中，无需微调，提升图像模式识别性能。	未提及具体限制，可能受限于数据集规模和依赖预训练特征。	自动化检测孤独症谱系障碍，提高早期诊断的准确性和效率。	基于面部图像的孤独症和非孤独症个体样本。	计算机视觉	孤独症谱系障碍	图像处理	CNN, Transformer	图像	使用已建立的面部基准数据集，包含孤独症和非孤独症个体样本，具体数量未说明。	未明确提及	ResNet-50, ViT, Swin	准确率	未明确提及
54	2026-08-08	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究利用基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤，并与GoogleNet及多种传统机器学习分类器进行性能比较	结合预处理流程（形态学操作、高斯模糊、阈值裁剪）、PCA降维和数据增强，采用预训练ResNet152与GoogleNet进行特征提取，并利用SVM、KNN、CART和GNB等传统分类器进行分类，最佳组合达到98.53%准确率	未提及具体限制，但可能包括对特定数据集的依赖性、计算资源需求等	探索深度迁移学习技术在脑肿瘤准确诊断中的有效性	脑肿瘤MR图像	计算机视觉	脑肿瘤	磁共振成像	CNN（卷积神经网络）	图像	未明确，但数据集分为训练（80%）和测试（20%）	未明确指定	ResNet152, GoogleNet	准确率、灵敏度、召回率、F1分数	未提供具体信息
55	2026-08-08	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	研究论文	提出一种自注意力深度时间卷积网络（SADTCN）用于实时预测帕金森病震颤信号，并验证其多步预测性能。	首次将自注意力机制与深度时间卷积网络结合，用于捕捉震颤信号的短期和长期依赖关系以及时空动态，实现多步预测，优于现有深度学习模型。	未提及具体限制，可能包括样本量有限或实验条件限制。	开发一种高精度、鲁棒且泛化能力强的模型，用于实时预测帕金森病震颤，以支持辅助技术。	帕金森病患者的肢体震颤信号和关节角度运动。	机器学习和数字信号处理	帕金森病	短时傅里叶变换（STFT）用于频谱分析	深度学习模型（SADTCN）	信号数据（手部和手臂震颤信号）	实验性数据（未提供具体样本数）	NA	自注意力深度时间卷积网络（SADTCN）	准确度、鲁棒性、泛化能力（使用Wilcoxon符号秩检验）	NA
56	2026-08-08	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	本文介绍了一个基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒，该系统仅使用急诊科就诊前六小时内可获得的临床和实验室特征。	提出了一种结合评分系统的新型CDSS，能够在早期仅凭常规临床和实验室数据准确区分MIS-C与斑疹伤寒，并进行了与五种经典统计和机器学习模型的对比验证。	未明确说明，但研究样本量较小（87名斑疹伤寒和133名MIS-C患者），且验证集仅包含MIS-C患者，可能限制模型的泛化性。	开发一个临床决策支持系统，以帮助医疗团队在早期快速区分MIS-C和地方性斑疹伤寒，改善患者预后。	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者。	临床决策支持系统、机器学习	多系统炎症综合征（MIS-C）、地方性斑疹伤寒	临床和实验室特征分析	深度学习模型（具体类型未明确，可能为MLP）	临床和实验室数据（表格数据）	训练和测试数据集包含87名斑疹伤寒患者和133名MIS-C患者，验证数据集包含111名MIS-C患者。	未明确	未明确，可能为多层感知机（MLP）	灵敏度、特异性、准确性、精确率	未明确
57	2026-08-08	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	提出一种基于投影梯度下降的可解释对抗性模型分析方法，用于医学图像分析中深度学习模型的透明度提升	利用投影梯度下降生成对抗性样本以识别影响模型决策的关键特征，从而增强可解释性，适用于医学图像分析	未提及	通过对抗性生成来提升深度学习模型在医学图像分析中的可解释性，以缩小人工智能与临床实践的差距	脑肿瘤、眼部疾病和COVID-19数据集	数字病理学	脑肿瘤、眼部疾病、COVID-19	投影梯度下降对抗性生成	卷积神经网络	医学图像	六个数据集，具体数量未提及	未提及	DenseNet121、InceptionV3、ResNet101	AUC、t检验p值	未提及
58	2026-08-08	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中视网膜血管分割	将Gabor滤波器与深度可分离卷积集成到UNet框架中，增强对血管空间频率和方向的捕捉能力，在有限训练数据下表现良好	未提及明确局限性	提高糖尿病视网膜病变中视网膜血管分割的准确性，特别是在血管尺寸多样、分叉和弯曲段存在以及图像质量不一致的情况下	视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波、深度可分离卷积	UNet	眼底图像	DRIVE、STARE和CHASE_DB1数据集	NA	UNet	准确率、精确率、召回率、F1分数	轻量级架构，适用于资源受限环境
59	2026-08-08	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	研究论文	介绍了一个基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎谱系分配并识别关键基因。	提出了结合PCA降维、注意力自编码器和反事实梯度归因算法的可解释模型，能够识别并解释不同谱系间的基因表达差异。	未明确提及局限性，但可能依赖于特定数据集，泛化能力需进一步验证。	准确预测单细胞转录组数据中的细胞谱系分配，并识别关键基因以理解细胞分化过程。	人类和小鼠的单细胞转录组数据。	机器学习	NA	单细胞转录组学	自编码器、注意力机制	单细胞转录组数据	未明确提及样本量	NA	PCA、注意力自编码器	准确率、F1分数、精确率、召回率、AUROC	NA
60	2026-08-08	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	研究论文	本文提出多任务学习方法，利用光电容积脉搏波（PPG）相关任务间的共享特征，提升信号质量评估及生理参数估计的性能	首次在多任务学习框架下，针对PPG信号质量评估和心率/呼吸率估计进行定制化深度模型设计，利用任务间依赖关系提高整体性能	实验仅在46名受试者的数据集上验证，样本量有限，可能影响模型泛化能力	开发多任务深度学习方法，以改善基于PPG的可穿戴健康监测应用中的信号质量评估和生理参数估计准确度	PPG信号质量评估（心率、心率变异性）和生理参数同步估计（心率、呼吸率），数据集来自46名佩戴智能手表的受试者日常活动	信号处理	无特定疾病	PPG（光电容积脉搏波）	多任务深度学习模型	PPG信号数据	46名受试者的日常活动PPG数据	NA	NA	准确率、误差率	NA