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
121	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
122	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
123	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
124	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
125	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
126	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
127	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
128	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
129	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
130	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
131	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
132	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
133	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
134	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
135	2026-04-11	Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.233529 PMID:40261176	研究论文	本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估	提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像	研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力	开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量	多发性硬化症患者的脑部MRI图像	计算机视觉	多发性硬化症	MRI（T1加权、T2加权、FLAIR序列）	GAN	图像	主要组50名参与者，验证组13名参与者	NA	LowGAN	结构相似性指数, Dice分数	NA
136	2026-04-10	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	提出了一种名为DSAM的新型可解释深度学习框架，用于直接从时间序列中学习任务特定的功能连接矩阵，并利用专门的图神经网络进行最终分类，以分析脑网络的时空动态	提出了一种可解释的深度学习框架，能够直接从时间序列中学习任务特定的功能连接矩阵，并整合了时间因果卷积网络、时间注意力单元、自注意力单元以及一种新颖的图神经网络变体，以同时捕获时空动态	未明确提及研究的局限性	开发一个深度学习框架，以更准确地建模和分析静息态功能磁共振成像数据中脑网络的时空动态，超越静态或滑动窗口功能连接矩阵的假设	人脑功能连接网络	机器学习	NA	静息态功能磁共振成像	图神经网络, 卷积神经网络, 注意力机制	时间序列数据	Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本	NA	时间因果卷积网络, 时间注意力单元, 自注意力单元, 图神经网络变体	NA	NA
137	2026-04-06	Personalized auto-segmentation for magnetic resonance imaging-guided adaptive radiotherapy of large brain metastases 2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110773 PMID:39914742	研究论文	本研究开发了一种两阶段的个性化深度学习自动分割模型，用于辅助大体积脑转移瘤的在线勾画，以优化磁共振引导自适应放疗的工作流程	提出了一种两阶段的个性化深度学习自动分割模型，专门针对大体积脑转移瘤在放疗过程中的体积变化进行优化，相比基础模型和刚性配准方法，在肿瘤体积显著缩小时表现出更好的性能	研究样本量相对有限，仅基于20个大体积脑转移瘤的741幅每日在线MR图像进行个性化模型开发，且仅对8名患者进行了手动勾画与DLAS辅助勾画的对比评估	优化磁共振引导自适应放疗（MRgART）的工作流程，提高大体积脑转移瘤在线勾画的准确性和效率	大体积脑转移瘤（直径≥2厘米）患者	数字病理学	脑转移瘤	磁共振成像（MRI），深度学习自动分割	深度学习模型	多序列磁共振图像	177个脑转移瘤用于基础模型训练，20个大体积脑转移瘤的741幅每日在线MR图像用于个性化模型开发，8名患者用于对比评估	NA	NA	Dice相似系数（DSC）	NA
138	2026-04-06	Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers 2025-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110782 PMID:39929288	研究论文	本研究探讨了多种MRI序列对头颈部区域基于深度学习的合成CT生成质量的影响	首次系统评估了多种MRI序列（包括T1pre-、T1post-contrast、T2及Dixon图像）在深度学习合成CT生成中的效果，并确定了最优的多通道输入组合	样本量较小（仅26名患者），且研究局限于头颈部癌症，未涉及其他解剖区域	评估多通道MRI序列对深度学习合成CT生成质量的影响，以支持头颈部癌症的仅MRI放射治疗计划	头颈部癌症患者的MRI和CT图像数据	医学影像分析	头颈部癌症	MRI序列（T1pre-、T1post-contrast、T2及Dixon图像）	深度学习模型	医学影像（MRI和CT图像）	26名头颈部癌症患者，共12个MRI序列	U-Net框架	U-Net	平均绝对误差（MAE）、Dice相似系数（DSC）、Gamma通过率	NA
139	2026-04-03	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联	首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力	未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联	确定IPF患者的遗传风险谱是否能识别独特的计算影像表型	IPF患者	数字病理	肺纤维化	计算影像分析（放射组学）	深度学习	CT影像	329名IPF参与者	NA	NA	NA	NA
140	2026-04-03	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	综述	本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法	系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制	三维基因组折叠和基因组接触图	机器学习	NA	NA	深度学习模型	基因组接触图数据	NA	NA	NA	NA	NA