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
81	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
82	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
83	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
84	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
85	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
86	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
87	2026-02-18	Silencer variants are key drivers of gene upregulation in Alzheimer's disease 2025-Apr-08, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.07.25325386 PMID:40297423	研究论文	本研究开发了一个深度学习框架，结合表观基因组数据来评估阿尔茨海默病相关非编码变异在背外侧前额叶皮层中的调控潜力，并识别了关键的沉默子变异	开发了一个结合bulk和单细胞表观基因组数据的深度学习框架，首次系统性地评估了非编码AD变异在特定脑区和细胞类型中的调控潜力，并成功区分了沉默子与增强子变异的不同功能类别	模型主要基于背外侧前额叶皮层数据，可能未完全捕捉其他脑区或疾病阶段的调控变化；预测结果与实验数据的平均相关性为0.54，仍有提升空间	阐明阿尔茨海默病相关非编码遗传变异的功能意义及其在疾病发病机制中的调控作用	阿尔茨海默病相关的非编码遗传变异、背外侧前额叶皮层及其主要细胞类型	机器学习	阿尔茨海默病	bulk表观基因组测序、单细胞表观基因组测序	深度学习	表观基因组数据	NA	NA	NA	皮尔逊相关系数、方向一致性率	NA
88	2026-02-06	Profiling electric signals of electrogenic probiotic bacteria using self-attention analysis 2025-Apr-22, Applied microbiology and biotechnology IF:3.9Q2 DOI:10.1007/s00253-025-13425-1 PMID:40263148	研究论文	本研究通过自组装电路检测两种产电益生菌在鸡胚绒毛尿囊膜和小鼠肠道内产生的电信号，并利用自注意力机制分析其电谱特征	首次将自注意力深度学习模块应用于益生菌电信号分析，揭示了两种细菌独特的电谱特征	研究主要基于体外和小鼠模型，尚未在人体中进行验证	开发基于电信号分析的益生菌疗效评估方法	产电益生菌（Leuconostoc mesenteroides 和 Lactococcus lactis）	生物医学工程	NA	自组装电路检测、铁嗪测定法	深度学习	电信号	两种益生菌在鸡胚绒毛尿囊膜和小鼠肠道中的实验	NA	自注意力机制	电压变化、电谱区分度	NA
89	2026-02-05	Role of artificial intelligence in advancing immunology 2025-Apr-24, Immunologic research IF:3.3Q3 DOI:10.1007/s12026-025-09632-7 PMID:40272607	综述	本文综述了人工智能在免疫学领域的应用，包括疫苗开发、免疫疗法、过敏治疗及疾病诊断	系统总结了AI在免疫学中的最新工具和应用，强调了其在加速科学发现和临床诊断方面的潜力	作为综述文章，未提供原创实验数据或具体模型性能验证	探讨人工智能如何推动免疫学研究和医疗保健发展	免疫学相关研究，包括疫苗、免疫疗法、过敏原及免疫性疾病	机器学习	自身免疫性疾病, 免疫缺陷	基因组测序, 蛋白质结构分析	机器学习, 深度学习	基因组序列, 蛋白质结构, 患者病史, 实验室结果	NA	NA	NA	NA	NA
90	2026-01-28	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	本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测	未提及模型在多样化环境或不同细菌物种上的泛化能力评估	开发一种准确高效的生物膜检测与预防方法	铜绿假单胞菌的浮游状态和生物膜状态	计算机视觉	NA	光学显微镜成像，适配体DNA模板银纳米簇技术	深度学习	图像	大体积亮场图像（具体数量未说明）	NA	U-Net, ResNet18, ResNet34	NA	NA
91	2026-01-27	Artificial intelligence in four-dimensional imaging for motion management in radiation therapy 2025-Apr, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11109-w PMID:40963558	综述	本文综述了人工智能在放射治疗运动管理四维成像中的应用，探讨了AI如何解决现有挑战并推动该领域发展	系统性地综述了AI在四维成像领域的最新研究进展，并深入分析了该领域尚未解决的技术挑战与未来发展方向	作为综述文章，未提出具体的原创性算法模型，主要聚焦于现有研究的总结与趋势分析	探讨人工智能技术如何提升放射治疗中四维成像的精度与效率，实现更精准的运动管理	放射治疗中的四维成像技术及其在运动管理中的应用	医学影像分析	肿瘤放射治疗相关疾病	四维成像技术	深度学习	四维医学影像数据	NA	NA	NA	NA	NA
92	2026-01-22	Computational characterization of lymphocyte topology on whole slide images of glomerular diseases 2025-Apr-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.12.25325548 PMID:40321276	研究论文	本研究利用深度学习与图模型，对肾小球疾病全玻片图像中的淋巴细胞拓扑结构进行量化表征，并评估其与疾病进展的临床关联	开发了一种新颖的基于图的生境聚类算法，以识别密集与稀疏的淋巴细胞生境，并提取高维病理组学特征来捕获传统视觉评估无法捕捉的炎症模式复杂性	研究样本仅包含FSGS和MCD两种肾小球疾病，且依赖于单张H&E染色全玻片图像	通过计算量化淋巴细胞炎症的拓扑结构，并测试其临床相关性，以增强对MCD/FSGS疾病进展的预测能力	肾小球疾病患者的肾组织全玻片图像	数字病理学	肾小球疾病	全玻片图像分析	深度学习模型	图像	333名NEPTUNE/CureGN参与者（155例FSGS，178例MCD），每人一张H&E染色全玻片图像	NA	NA	一致性指数	NA
93	2026-01-09	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	研究论文	本文介绍了在MICCAI 2023会议上组织的ToothFairy挑战赛，该挑战赛旨在促进下牙槽神经管（IAC）在锥形束计算机断层扫描（CBCT）中的分割研究，并发布了最大的公开数据集用于比较评估	组织了首个针对IAC分割的公开挑战赛，并发布了该领域最大的公开标注数据集，首次在共同基准上对多种算法进行了全面的比较评估	数据集仅包含443个CBCT扫描，其中仅153个具有体素级标注，可能限制了某些深度学习模型的训练效果	促进下牙槽神经管（IAC）在CBCT扫描中的自动分割算法的研究与发展，并建立公共基准用于比较评估	锥形束计算机断层扫描（CBCT）中的下牙槽神经管（IAC）	数字病理学	NA	锥形束计算机断层扫描（CBCT）	NA	3D医学影像（CBCT扫描）	443个CBCT扫描（其中153个具有体素级标注）	NA	NA	NA	NA
94	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325947 PMID:40321262	研究论文	本研究提出首个用于妊娠期宫颈3D T2加权图像的自动化多层分割和生物测量深度学习流程	首次开发了针对妊娠期宫颈MRI的自动化深度学习分割与生物测量方法，并构建了公开可用的3D群体平均图谱	仅评估了20个数据集，样本量相对较小，且未明确说明模型在异常病例或不同扫描参数下的泛化能力	开发自动化方法以改进妊娠期宫颈MRI测量，减少人工干预并提高分析效率	妊娠期宫颈的3D T2加权MRI图像	数字病理学	妊娠相关疾病	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于分析	NA	NA	与手动测量比较的性能评估	NA
95	2025-12-31	Improving AlphaFold2 and 3-based protein complex structure prediction with MULTICOM4 in CASP16 2025-Apr-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.06.641913 PMID:40161604	研究论文	本文介绍了MULTICOM4系统，该系统通过整合AlphaFold2、AlphaFold3及内部技术，在CASP16中提升了蛋白质复合物结构预测的准确性	整合基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合蛋白质复合物化学计量比预测、多样化的多序列比对生成、模型异常处理及深度学习模型质量评估等内部技术	未明确提及具体局限性，但暗示在无化学计量比信息时预测性能可能受限	提高多链蛋白质复合物（多聚体）的结构预测准确性	蛋白质复合物结构	机器学习	NA	多序列比对（MSA）、深度学习模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	CASP16评估中的蛋白质复合物目标	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
96	2025-12-20	Leveraging artificial intelligence for diagnosis of children autism through facial expressions 2025-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96014-6 PMID:40200029	研究论文	本研究通过评估深度学习模型，利用儿童面部表情的RGB图像数据，诊断儿童自闭症谱系障碍（ASD）	提出了一种混合深度学习模型，将ResNet152与Vision Transformers（ViT）结合，以提升自闭症诊断的分类性能	未来研究需要纳入多种数据类型，扩展数据集变异性，并优化混合架构系统以提高诊断预测能力	评估深度学习模型在儿童自闭症谱系障碍（ASD）早期诊断中的应用，以提高诊断准确性和标准化	自闭症谱系障碍（ASD）确诊儿童的RGB面部图像数据	计算机视觉	自闭症谱系障碍	深度学习，迁移学习，微调方法	CNN, Transformer	图像	NA	NA	DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformers (ViT)	准确率	NA
97	2025-12-19	High-Performance Method and Architecture for Attention Computation in DNN Inference 2025-04, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2024.3436837 PMID:39088504	研究论文	本文提出了一种基于存内计算宏的在线可编程注意力硬件架构，用于深度神经网络推理中的注意力计算	将注意力计算分解为级联组合矩阵运算以降低硬件实现复杂度，并设计在线可编程CIM架构通过动态调整权重提高计算精度	仅通过Spice仿真验证，未在实际硬件平台上部署测试；基于100nm CMOS工艺，可能未考虑更先进工艺的影响	解决注意力机制在硬件部署时的高资源消耗和低精度问题，提升DNN加速器的推理效率	注意力计算硬件架构	机器学习	NA	存内计算	深度神经网络	NA	NA	NA	注意力机制	集成密度、能效、延迟、计算效率	100nm CMOS工艺，Spice仿真
98	2025-12-17	SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses 2025-Apr-29, ArXiv PMID:40395941	研究论文	本研究介绍了首个公开的专家标注肩部病理数据集ScopeMRI，并开发了一个深度学习框架，用于在标准MRI和MRA上检测Bankart病变	首次公开了专家标注的肩部病理数据集ScopeMRI，并针对临床诊断挑战性的Bankart病变，开发了结合CNN和Transformer的深度学习模型，在标准MRI上达到了与放射科医生解读MRA相当或更优的性能	外部验证仅展示了初步的泛化能力，需要更多独立医院数据进一步验证模型在不同成像协议下的鲁棒性	开发深度学习模型以在标准MRI上检测Bankart病变，减少对侵入性MRA的依赖	肩部MRI图像，包括标准MRI和MRI关节造影（MRA）	医学影像分析	肩部损伤（Bankart病变）	MRI成像	CNN, Transformer	3D医学影像（MRI）	586个肩部MRI（335个标准MRI，251个MRA），来自558名患者	NA	CNN, Transformer	AUC, 灵敏度, 特异性	NA
99	2025-12-13	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测	提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调	研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感	开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断	孤独症谱系障碍患者与非患者的图像样本	计算机视觉	孤独症谱系障碍	图像模式识别	CNN, Transformer	图像	文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本	NA	ResNet-50, ViTSwin	准确率	NA
100	2025-12-10	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种结合光电容积脉搏波和多近红外传感器的非侵入性血糖检测系统	将光电容积脉搏波与多近红外传感器方法相结合，以弥补各自在基线血糖预测和短期波动敏感性方面的不足	研究样本量较小（仅10名参与者），且未详细讨论个体和环境因素对系统性能的长期影响	开发一种非侵入性血糖检测系统，以提高血糖监测的准确性和实用性	人类参与者的指尖血糖数据	机器学习	糖尿病	光电容积脉搏波，多近红外传感器	深度学习模型	传感器信号数据	10名参与者，每人提供约700个数据段，每段约10秒	NA	轻量级深度学习模型	均方根误差，Parkes误差网格A区准确率	NA