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
61	2026-08-07	Using a Deep Learning Model to Predict Postoperative Visual Outcomes of Idiopathic Epiretinal Membrane Surgery 2025-04, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.01.003 PMID:39814096	研究论文	本研究评估了多种深度学习模型基于术前光学相干断层扫描图像预测特发性视网膜前膜手术术后效果的性能。	首次应用多种深度学习模型（Inception-v3、ResNet-101、VGG-19）预测特发性视网膜前膜手术结果，并结合Grad-CAM热力图分析模型决策逻辑，且与眼科医生的评估进行比较。	研究中未明确提及局限性。	验证深度学习模型基于术前OCT图像预测特发性视网膜前膜手术术后视力改善情况的有效性。	特发性视网膜前膜患者的OCT图像。	计算机视觉	视网膜前膜	光学相干断层扫描	卷积神经网络	图像	内部数据集共696只眼的1392张OCT图像，外部测试集共76只眼的152张OCT图像。	未明确说明	Inception-v3、ResNet-101、VGG-19	召回率、特异性、精确率、F1分数、准确率、AUROC	未明确说明
62	2026-08-01	3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications 2025-04-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05549 PMID:40179245	研究论文	本文探讨了使用空间感知深度学习算法分析3D拉曼高光谱数据以提高诊断应用性能的方法	首次将空间感知深度学习方法（如改进的3D U-Net和3D CNN）应用于三维拉曼高光谱数据的分析，相比传统的1D方法保留了空间邻域信息，提高了模型性能	空间信息的利用可能增加网络训练的复杂度，且实验仅验证了结直肠组织和胆管癌两个数据集	研究在拉曼光谱数据分析中保留空间信息的可行性，以提高深度学习模型的性能	结直肠组织（包括正常、增生、腺瘤、癌组织和伪影）和胆管癌数据集	数字病理学, 机器学习, 计算机视觉	结直肠癌, 胆管癌	拉曼光谱, 3D高光谱成像	CNN, 3D U-Net	3D拉曼高光谱扫描数据	包含结直肠组织样本和胆管癌样本，具体数量未在摘要中提供	NA	3D U-Net, 3D CNN, 1D CNN	上皮组织检测和结直肠癌检测的性能指标（具体指标如准确率、Dice系数等未在摘要中明确）	NA
63	2026-07-30	Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting 2025-04-29, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00198 PMID:40231794	研究论文	基于导电体表印迹的选择性单细菌分析与运动追踪	利用脂多糖和大肠杆菌作为表体和整体模板，通过密度泛函理论预测理想单体，制备具有清晰高精度识别位点的分子印迹聚合物，并结合深度学习实现单细菌运动轨迹追踪	未明确说明	开发高效的单细菌选择性捕获与监测技术，提升电化学生物传感器的选择性和灵敏度	肠道菌群中的大肠杆菌	机器学习	NA	导电分子印迹, 电化学传感, 深度学习	深度学习模型	图像, 电化学信号	单细菌及细菌群体	NA	NA	检测限为10 CFU/mL, 选择性提高433%	NA
64	2026-07-30	Cooperative multi-task learning and interpretable image biomarkers for glioma grading and molecular subtyping 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103435 PMID:39778265	研究论文	提出一种协同多任务学习网络CMTLNet，用于胶质瘤分级和分子分型，并探索可解释的影像生物标志物	设计无分割的肿瘤特征感知模块提取肿瘤感知特征，通过正交投影和条件分类策略提取任务特有特征，结合SHAP值和相关性分析探索可解释放射组学标志物	NA	同时准确预测胶质瘤组织学分级和分子亚型，并提供可靠的影像生物标志物	胶质瘤分级、1p/19q共缺失和IDH突变状态预测任务	计算机视觉	胶质瘤	NA	CMTLNet（协同多任务学习网络）	医学影像	超过1800例的多中心数据集	NA	CFE模块（含SFTFP子模块）、UFE模块、UCFC模块	马修斯相关系数（MCC）	NA
65	2026-07-24	Nonperfused Retinal Capillaries-A New Method Developed on OCT and OCTA 2025-04-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.4.22 PMID:40202734	研究论文	本研究利用光学相干断层扫描（OCT）和OCT血管成像（OCTA）开发了一种新方法，用于量化和评估年龄相关性黄斑变性（AMD）和糖尿病视网膜病变（DR）中的无灌注视网膜毛细血管（NPCs）	开发了一种基于深度学习去噪算法的新方法，通过共定位的OCT/OCTA数据，能够自动分割和量化无血流信号的视网膜毛细血管，从而提供了一种新的生物标志物	研究未提及算法的局限性，例如对图像质量的依赖或在不同数据集上的泛化能力，且样本量未明确说明	开发一种量化无灌注视网膜毛细血管的新方法，并评估其在AMD和DR眼中的应用价值	年龄相关性黄斑变性（AMD）和糖尿病视网膜病变（DR）患者的视网膜毛细血管	计算机视觉	年龄相关性黄斑变性, 糖尿病视网膜病变	OCT, OCTA	深度学习去噪算法	图像	NA	NA	深度学习去噪算法	准确率（88.2%）	NA
66	2026-07-23	AutoGP: An intelligent breeding platform for enhancing maize genomic selection 2025-04-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101240 PMID:39789848	研究论文	开发了一个集成基因型提取、表型提取和基因组选择模型的智能育种平台AutoGP	整合了高效测序芯片、从智能手机视频中提取植物表型的完整工作流以及广泛的模型池，包括五种机器学习模型和四种深度学习模型	未能明确说明模型的泛化能力和在不同作物上的适用性，也未讨论计算资源需求	通过简化育种流程，实现更高效和准确的基因组选择，加速高产品种开发	玉米（Zea mays）完全双列杂交设计及不平衡育种样杂交群体	机器学习	NA	测序芯片、智能手机视频表型提取	支持向量机、极限梯度提升、梯度提升决策树、多层感知机、随机森林、深度学习基因组选择、深度学习全基因组关联研究、基因组预测深度神经网络、SoyDNGP	基因型数据、表型数据（如株高、叶片数）	玉米完全双列杂交设计及不平衡育种样杂交群体	NA	支持向量机、极限梯度提升、梯度提升决策树、多层感知机、随机森林、深度学习基因组选择、深度学习全基因组关联研究、基因组预测深度神经网络、SoyDNGP	预测准确性	NA
67	2026-07-10	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-04, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	研究论文	介绍了一种用于在CT图像中系统且准确地检测脊椎骨折的深度学习流水线	提出了一种端到端的深度学习流水线，结合分割和分类网络，能够自动处理来自不同视野的CT脊柱图像，提高了骨折检测的效率和准确性	样本量相对较小，且仅针对腰椎/胸腰椎CT图像进行训练和测试，可能在其他脊柱区域或不同患者群体中表现有限	开发一种自动化的深度学习流水线，用于在CT扫描中机会性检测脊椎骨折，以减少系统文档记录的时间和遗漏	脊柱骨折患者与无骨折患者的CT脊柱图像	计算机视觉	脊椎骨折	NA	CNN	图像	452例CT扫描（405例用于训练/验证，47例用于测试）	PyTorch	ResNet18, nnU-Net	灵敏度、特异性、准确率	NA
68	2026-07-10	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-04, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	基于深度学习的算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能评估	开发了结合2D/3D U-Net的深度学习算法，能够在机会性CT扫描中自动筛查椎体压缩性骨折，并测量椎体高度损失和平均亨氏单位，提高骨质疏松症的诊断率	样本量较小（100名患者），需进一步在更大数据集验证；算法与放射科医师的一致性存在一定偏差（95%一致性界限为-9.3到8.6）	评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能	椎体压缩性骨折、椎体高度损失、骨衰减（平均亨氏单位）	机器学习、数字病理	骨质疏松症、椎体压缩性骨折	CT扫描	CNN	图像	100名患者（平均年龄76.6岁，72%为女性）	PyTorch	2D/3D U-Net	椎体标记一致性（94.9%）、椎体高度损失（VHL）一致性界限、平均亨氏单位（Pearson相关系数0.89）、敏感性（92.3%）、特异性（91.7%）	NA
69	2026-07-07	A deep learning method for the recovery of standard-dose imaging quality from ultra-low-dose PET on wavelet domain 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06994-2 PMID:39585354	研究论文	开发了一种基于小波的深度学习方法WaveNet，能够从超低剂量PET扫描中恢复标准剂量成像质量	与传统的空间域去噪不同，WaveNet在频率域进行去噪，通过输入小波分解的PET成像频率分量来提升降噪效果	未明确提及具体局限性	旨在开发一种能够从超低剂量PET扫描中恢复高质量成像的小波深度学习法	总身体18F-FDG PET图像，包含1447个样本	计算机视觉	不适用	PET成像，小波变换	深度学习模型（WaveNet）	图像	1447个总身体PET图像	不适用	WaveNet, UNet	加权全局物理指标，局部指标，p值	不适用
70	2026-07-07	Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07024-x PMID:39714634	研究论文	开发并验证DeepENKTCL，一个用于结外自然杀伤/T细胞淋巴瘤预后风险分层的可解释深度学习预测系统	结合肿瘤分割模型、PET/CT融合模型和预后预测模型，并利用放射组学和拓扑特征及SHAP分析增强可解释性，构建FusionScore模型	未在文中明确提及	开发一个鲁棒且可解释的深度学习系统，用于ENKTCL的预后风险分层	来自四个中心的562例ENKTCL患者	数字病理学	淋巴瘤	PET/CT成像	深度学习（CNN等）	图像（PET/CT）	562例患者	NA	肿瘤分割模型、PET/CT融合模型、预后预测模型（具体架构未明确）	AUC, 时间依赖C指数, 临床决策曲线, Kaplan-Meier曲线	NA
71	2026-07-07	Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07043-8 PMID:39754665	综述	对2010至2024年间PET/MR领域的研究趋势、合作模式和新兴主题进行文献计量分析	首次系统采用多维文献计量方法绘制PET/MR领域知识图谱，揭示AI整合对影像重建和诊断准确性的推动作用	仅基于Web of Science核心合集数据库，可能遗漏部分灰色文献和非英语文献	探索PET/MR领域的研究现状、国际合作网络及未来发展方向	PET/MR领域的4349篇已发表文献	自然语言处理, 文献计量学	前列腺癌, 阿尔茨海默病, 乳腺癌, 心血管疾病	NA	NA	文本, 文献记录	4349篇出版物	NA	NA	NA	NA
72	2026-07-06	A-Eval: A benchmark for cross-dataset and cross-modality evaluation of abdominal multi-organ segmentation 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103499 PMID:39970528	研究论文	提出了A-Eval基准，用于评估腹部多器官分割在跨数据集和跨模态场景下的泛化能力	首次集成了七个CT和MRI数据集，系统评估深度学习模型在不同数据集和成像模态间的泛化性能	标注不一致性对跨数据集训练提出了挑战，且模型在未见数据上的表现仍不稳定	探讨大规模数据集训练的模型在跨数据集和跨模态情况下的泛化能力，并提出改进方向	腹部多器官分割模型	数字病理学	腹部疾病	深度学习	CNN	图像	七个数据集，涵盖CT和MRI模态	PyTorch	U-Net	Dice系数	NA
73	2026-07-06	SegmentAnyBone: A universal model that segments any bone at any location on MRI 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103469 PMID:39978015	研究论文	提出一个通用的深度学习模型SegmentAnyBone，用于在任何MRI位置的骨分割	提出首个通用的骨分割基础模型SegmentAnyBone，扩展了SAM模型，支持全自动和基于提示两种分割模式，并基于多MRI协议的新数据集进行训练	未提及明显局限性	开发一个公开可用的通用深度学习模型，用于MRI中多位置的骨分割，以改善肌肉骨骼疾病的定量评估	MRI图像中的骨骼分割	计算机视觉	肌肉骨骼疾病	MRI	CNN（卷积神经网络）	MRI图像	320个带标注的MRI体积和超过10k张带标注切片，覆盖不同解剖区域	PyTorch	SegmentAnyBone（基于SAM）	Dice系数等（文中未明确列出所有指标）	未提及
74	2026-07-05	Predicting Short-Term Mortality in Patients With Acute Pulmonary Embolism With Deep Learning 2025-04-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-0630 PMID:39617426	研究论文	开发基于深度学习的多模态模型预测急性肺栓塞患者短期死亡率，性能优于传统PESI评分	首次将增强多排CT影像与临床人口统计数据结合，构建多模态深度学习模型用于急性肺栓塞短期死亡率预测，显著优于传统PESI评分	样本量较小（仅207例患者），可能限制模型的泛化能力	开发基于深度学习的急性肺栓塞患者短期死亡率预测模型	急性肺栓塞患者的CT影像和临床人口统计数据	计算机视觉, 机器学习	急性肺栓塞	增强多排CT扫描	多模态深度学习模型（含CNN和Transformer）	图像, 文本（临床数据）	207例急性肺栓塞患者（其中53例住院期间死亡）	NA	CNN, Transformer, XGBoost	AUC	NA
75	2026-07-05	Foundation model of neural activity predicts response to new stimulus types 2025-04, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08829-y PMID:40205215	研究论文	通过收集多只小鼠视觉皮层的大量神经活动数据，训练了一个基础模型，能够准确预测任意自然视频刺激下的神经元反应，并泛化到新小鼠和新型刺激类型	首次构建了基于自然视频刺激的视觉皮层神经活动基础模型，该模型不仅在新小鼠和新型刺激类型上表现出强大的泛化能力，还能预测解剖细胞类型、树突特征和神经元连接性	尽管模型具有良好的泛化能力，但可能仍然无法完全涵盖所有视觉刺激类型，且对更复杂的认知任务泛化能力未知	开发一个能够准确预测神经活动并泛化到新刺激类型和新个体的基础模型，以推进对大脑计算原理和神经编码的理解	小鼠视觉皮层的神经元群体，包括来自多只小鼠的自然视频刺激诱发的神经活动数据以及MICrONS功能连接组数据	机器学习	NA	大规模神经活动记录（钙成像或电生理）	基础模型（Foundation Model）	时间序列神经活动数据、自然视频刺激、功能连接组数据	多只小鼠的视觉皮层神经活动数据，具体数量未说明	NA	NA	预测准确性（可能是相关性或均方误差）、泛化到新小鼠和新刺激的预测性能	NA
76	2026-07-04	Automatic Segmentation of Vestibular Schwannoma From MRI Using Two Cascaded Deep Learning Networks 2025-04, The Laryngoscope DOI:10.1002/lary.31979 PMID:39744768	research paper	提出一种级联两个卷积神经网络模型的方法，用于从MRI中自动分割前庭神经鞘瘤，以提升分割性能	创新性地采用了两个UNet模型顺序连接，第一个UNet的分割结果输入第二个网络进行精炼，并结合空间注意力机制，在2D、2.5D和3D架构上均提升了分割效果	深度学习方法因肿瘤变异性面临泛化挑战，论文未详细讨论跨中心或大样本验证的局限性	通过深度学习自动检测和分割前庭神经鞘瘤，提升MRI自动分割性能	前庭神经鞘瘤	computer vision	vestibular schwannoma	MRI	CNN	image	使用公共和私有数据集，包含对比增强T1和高分辨率T2加权MRI图像，具体样本数量未提及	NA	UNet	Dice score	NA
77	2026-06-30	Spike Rate Inference from Mouse Spinal Cord Calcium Imaging Data 2025-04-30, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1187-24.2025 PMID:40127941	研究论文	利用监督深度学习（CASCADE）和非监督非负解卷积（OASIS）算法，从脊髓钙成像数据推断神经元脉冲率	首次在脊髓神经元上测试脉冲推断算法，并公开提供针对脊髓数据重新训练的CASCADE模型	未提及算法在其他脑区或细胞类型上的泛化能力验证	验证和监督优化脉冲推断算法在脊髓神经元中的泛化性能	小鼠脊髓背角浅层的谷氨酸能和GABAergic躯体感觉神经元	机器学习	NA	钙成像	CNN（CASCADE）、非负解卷积（OASIS）	电生理记录和钙成像数据	小鼠（雌雄兼有）脊髓背角神经元	NA	CASCADE（基于深度学习）、OASIS（非负解卷积）	纳秒级脉冲推断准确性	NA
78	2026-06-26	A bio-lattice deep learning framework for modeling discrete biological materials 2025-04, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	提出一种结合深度神经网络、有限元法和晶格弹簧模型的机器学习多尺度框架，用于模拟离散、空间异质生物材料的力学行为	提出无假设的晶格框架描述离散单元相互作用，并建立与有限元实现一致的多尺度连接，单DNN可学习多种粒子构型和边界条件的本构方程	未讨论方法的计算效率、大规模应用可扩展性或体内生物组织的验证	开发基于机器学习的多尺度框架以高效预测离散、空间异质生物组织的力学响应	生物组织中的离散相互作用单元及空间异质材料（含软硬夹杂物、梯度多晶固体、随机构型等）	机器学习	NA	NA	深度神经网络（DNN）	NA	NA	PyTorch	深度神经网络（DNN）	NA	NA
79	2026-06-19	Large-Scale Deep Learning-Enabled Infodemiological Analysis of Substance Use Patterns on Social Media: Insights From the COVID-19 Pandemic 2025-04-17, JMIR infodemiology IF:3.5Q1 DOI:10.2196/59076 PMID:40244656	研究论文	利用深度学习分析社交媒体上COVID-19疫情期间药物使用模式的大规模信息流行病学研究	首次使用大规模深度学习模型RoBERTa结合人工循环策略分析11.3亿条推文，揭示COVID-19疫情期间药物使用模式的实时变化趋势	NA	分析COVID-19疫情期间社交媒体上药物使用模式的变化，为公共卫生干预提供数据支持	2019年1月至2021年12月期间Twitter（现更名为X）上的药物使用相关推文	自然语言处理	物质使用障碍	NA	RoBERTa	文本数据（推文）	11.3亿条推文	PyTorch	RoBERTa	NA	NA
80	2026-06-19	Determining the Importance of Lifestyle Risk Factors in Predicting Binge Eating Disorder After Bariatric Surgery Using Machine Learning Models and Lifestyle Scores 2025-04, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-025-07765-0 PMID:40045153	研究论文	利用机器学习模型和生活方式评分评估生活方式风险因素对袖状胃切除术后暴食障碍的预测重要性	首次结合生活方式评分和多种机器学习模型系统评估生活方式风险因素在预测减重术后暴食障碍中的作用	样本量相对较小，仅450例，且为单中心回顾性研究，可能存在选择偏倚	评估生活方式风险因素与袖状胃切除术后2年暴食障碍发生风险的关联，并比较不同机器学习模型的预测性能	接受袖状胃切除术2年后的450名患者	机器学习	肥胖症相关暴食障碍	NA	逻辑回归、KNN、决策树、随机森林、SVM、XGBoost、人工神经网络	临床问卷数据和生活习惯数据	450名患者（其中122例患暴食障碍）	Scikit-learn, XGBoost, Keras	逻辑回归、K近邻、决策树、随机森林、支持向量机、XGBoost、人工神经网络	准确率（约75%）	NA