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
21	2026-05-18	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	基于深度学习和CT影像开发并验证胃癌中HER2表达的非侵入性预测模型	首次基于CT影像的多中心研究，利用放射组学特征和多种特征选择方法结合逻辑回归构建HER2表达预测模型，并评估了模型的鲁棒性	为回顾性研究，样本量有限，且HER2阳性比例较低，可能影响模型泛化能力	开发和验证基于CT影像的HER2表达预测模型，用于胃癌治疗决策支持	胃癌患者的HER2表达状态	计算机视觉	胃癌	CT成像	逻辑回归	CT影像	1059名患者（训练集720例，外部测试集339例）	NA	NA	曲线下面积, 决策曲线分析	NA
22	2026-05-18	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	开发深度学习框架量化主动脉MRI特征，并研究其与葡萄糖代谢异常的关系	首次利用深度学习自动量化主动脉表型，发现主动脉长度和体积与糖代谢异常独立相关，超越传统心血管风险因素	基于单一队列（KORA研究），样本量有限（381人），且为横截面设计，无法推断因果关系	探究主动脉MRI特征与葡萄糖代谢异常之间的关联，并超越传统心血管风险因素的预测能力	来自KORA研究的381名参与者的主动脉MRI图像和葡萄糖代谢状态	计算机视觉	2型糖尿病	MRI	深度学习	图像（主动脉MRI）	381名参与者（58%男性，平均年龄56岁）	NA	NA	Dice系数	NA
23	2026-05-17	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	提出一种结合超声影像与分子检测的多模态深度学习模型，用于不确定性甲状腺结节的恶性风险分层	首次将超声影像与分子检测数据整合至多模态深度学习框架中，通过互补信息显著提升阳性预测值与特异性，同时保持高灵敏度	单中心数据集、缺乏外部验证、使用二值化分子检测输出而非细粒度恶性风险概率	改善不确定性甲状腺结节的风险分层，减少良性结节的不必要切除手术	333例不确定性甲状腺结节患者（259例良性、74例恶性）	计算机视觉, 机器学习	甲状腺癌	超声影像, 新一代测序(NGS)	深度学习多模态模型	超声影像, 分子检测数据	333例患者（259例良性、74例恶性）	NA	集成模型（结合全帧图像、256×256补丁和128×128补丁）	AUROC, 灵敏度, 特异性, 阳性预测值	NA
24	2026-05-16	Deep normative modelling reveals insights into early-stage Alzheimer's disease using multi-modal neuroimaging data 2025-05-15, Alzheimer's research & therapy DOI:10.1186/s13195-025-01753-3 PMID:40375339	研究论文	利用深度学习规范模型分析多模态神经影像数据，揭示早期阿尔茨海默病的微妙差异	首次将基于深度学习的规范模型应用于早期阿尔茨海默病研究，通过预训练于英国生物银行的MRI数据，在外部EPAD队列中量化个体偏离健康人群的脑形态学变化，并发现偏差指标与认知能力及遗传风险相关	未明确说明模型对共病或未诊断个体的适用性限制，以及偏差指标在临床实践中的具体阈值和验证	探索深度学习规范模型在检测早期阿尔茨海默病患者脑形态学异常中的能力，并评估偏差指标在监测疾病进展中的潜在效用	非痴呆个体（包括EPAD队列中的高风险个体）	机器学习	阿尔茨海默病	多模态神经影像（MRI）	深度学习规范模型	影像数据	英国生物银行（预训练）和EPAD队列（外部验证），具体样本量未明确	NA	NA	t统计量	NA
25	2026-05-16	HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2399016 PMID:39290085	研究论文	提出基于混合卷积双向长短期记忆网络和水优化算法的自闭症谱系障碍检测机制	首次将混合卷积双向长短期记忆网络与水优化算法结合用于ASD检测，并实现了高精度预测及阶段分类	仅使用实时数据集进行验证，可能缺乏泛化能力；未提及模型在更大规模或多样化数据集上的表现	早期精准检测自闭症谱系障碍，减少疾病影响	幼儿、儿童、青少年和成人中的ASD和非ASD数据	机器学习	自闭症谱系障碍	NA	卷积双向长短期记忆网络	结构化数据（ASD风险因素相关数据）	包含幼儿、儿童、青少年和成人的ASD和非ASD实时数据集，具体样本量未明确	NA	混合卷积双向长短期记忆网络	准确率、Kappa统计量、灵敏度、特异性、对数损失、AUROC	NA
26	2026-05-16	Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.020 PMID:39848886	研究论文	探索结合注意力引导深度学习的光声成像在预测乳腺癌腋窝淋巴结状态中的应用	首次将注意力引导的深度学习模型与光声-超声双模态成像结合，用于术前无创预测腋窝淋巴结状态，并构建了整合临床参数的列线图	未在摘要中明确说明，可能为回顾性研究设计、样本量有限或单一中心数据	利用光声成像与注意力引导深度学习准确预测早期乳腺癌患者的腋窝淋巴结状态	2022-2024年经组织学确诊的早期乳腺癌患者	医学影像分析	乳腺癌	光声成像、超声成像	注意力引导深度学习模型	光声-超声双模态图像	324例早期乳腺癌患者（训练集259例，测试集65例）	NA	注意力机制	AUC、95%置信区间、决策曲线分析	NA
27	2026-05-16	Hybrid optimized temporal convolutional networks with long short-term memory for heart disease prediction with deep features 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2310075 PMID:38584483	研究论文	提出一种基于混合优化时间卷积网络与长短期记忆网络的深度特征心脏疾病预测模型	首次融合时间卷积网络与长短期记忆网络，并采用增强型法医调查启发元优化算法优化分类器参数	未提及模型在真实临床环境中的泛化能力及计算资源需求	实现心脏疾病的早期预测以降低死亡率	临床患者的标准医疗数据	机器学习	心血管疾病	NA	1DCNN, TCN, LSTM	表格数据	NA	NA	TCN-LSTM混合架构	准确率, 精确率	NA
28	2026-05-15	Toward Accurate Deep Learning-Based Prediction of Ki67, ER, PR, and HER2 Status From H&E-Stained Breast Cancer Images 2025-05-01, Applied immunohistochemistry & molecular morphology : AIMM IF:1.3Q3 DOI:10.1097/PAI.0000000000001258 PMID:40143808	研究论文	构建大规模乳腺癌H&E与IHC配对图像数据集，利用视觉Transformer预测Ki67、ER、PR和HER2分子状态	首次利用视觉Transformer（ViT）从H&E染色图像预测四种乳腺癌分子标志物，并构建包含185,538对图像的大规模公开数据集	ViT的热力图未能明显匹配高诊断价值子区域，AI的可解释性有待提升	从H&E染色组织图像准确预测乳腺癌的Ki67、ER、PR和HER2分子状态	乳腺癌患者的H&E染色图像和对应的IHC标记（Ki67、ER、PR、HER2）	数字病理学	乳腺癌	全切片成像	视觉Transformer (ViT)	图像	185,538对H&E与IHC图像	PyTorch	视觉Transformer, CLAM	AUC-ROC	NA
29	2026-05-15	Advancements in automated nuclei segmentation for histopathology using you only look once-driven approaches: A systematic review 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110072 PMID:40138968	综述	对基于YOLO框架的组织病理学核分割方法进行系统综述，评估其进展、挑战和应用	首次系统性地综述YOLO变体在组织病理学核分割中的应用，提供与传统分割方法的对比分析，并总结YOLO高效检测和核结构描绘的独特特性	YOLO在处理核外观变异、优化针对组织病理图像的模型架构以及提升跨数据集的泛化能力方面仍存在挑战	全面探索和评估YOLO方法在组织病理图像核分割中的进展、挑战和应用	基于YOLO变体的核分割方法及其在组织病理学中的应用	计算机视觉, 数字病理学	NA	NA	YOLO, 卷积神经网络（CNN）	组织病理图像	NA	NA	YOLO变体	准确率, 精确率, 召回率, F1分数（在综述中提及评估指标）	NA
30	2026-05-10	Comparison between two artificial intelligence models to discriminate cancerous cell nuclei based on confocal fluorescence imaging in hepatocellular carcinoma 2025-05, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.11.026 PMID:39674779	研究论文	比较两种人工智能模型基于共聚焦荧光成像在肝细胞癌中区分癌细胞核的效果	首次比较了机器学习和深度学习两种AI模型在基于共聚焦荧光成像区分肝细胞癌肿瘤与非肿瘤细胞核中的性能，并证明了深度学习更有效	NA	设计并比较两种AI算法，用于计算机辅助区分肝细胞癌中的肿瘤与非肿瘤细胞核	肝细胞癌组织和健康肝组织中的细胞核	数字病理学	肝细胞癌	共聚焦荧光成像，DRAQ5染色，抗增殖细胞核抗原抗体染色	机器学习, 深度学习	图像	来自商业组织芯片的健康肝脏和肝细胞癌样本	NA	NA	准确率	NA
31	2026-05-10	A deep learning approach to multi-fiber parameter estimation and uncertainty quantification in diffusion MRI 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103537 PMID:40112509	研究论文	提出一种基于深度学习的方法，用于扩散MRI中多纤维参数估计与不确定性量化	引入一种新颖的序列化方法，将多纤维参数推断任务分解为一系列可管理的子问题，通过针对问题特定结构和对称性设计的深度神经网络解决，并利用模拟训练实现摊销推理	NA	解决扩散MRI中多纤维生物物理模型参数推断的可靠性和计算效率问题	扩散MRI中的多纤维参数估计和不确定性量化	机器学习	NA	扩散MRI	深度神经网络	扩散MRI影像	使用Human Connectome Project（HCP）的真实影像数据	NA	深度神经网络（具体架构未指定）	估计精度和不确定性	NA
32	2026-05-08	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-May-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	对深度学习方法在生物物理和生物医学图像分割任务中的四种常用架构进行全面比较	针对生物物理实验中典型的小样本训练数据场景，系统比较了四种深度学习架构在分割任务上的表现，并建立了每个模型最优适用条件的判定标准	未提及具体局限性	为研究人员提供基于生物物理和生物医学数据选择最优深度学习分割模型的实用指南	四种深度学习分割模型：卷积神经网络、U-Net、视觉变换器和视觉状态空间模型	计算机视觉	NA	NA	CNN, U-Net, Transformer, 状态空间模型	图像	小型训练数据集（典型生物物理实验规模）	NA	卷积神经网络, U-Net, 视觉变换器, 视觉状态空间模型	NA	NA
33	2026-05-08	Integrating genetic variation with deep learning provides context for variants impacting transcription factor binding during embryogenesis 2025-05-02, Genome research IF:6.2Q1 DOI:10.1101/gr.279652.124 PMID:40234030	研究论文	利用遗传变异与深度学习整合，解析早期胚胎发生过程中转录因子结合受遗传变异影响的机制	通过果蝇杂交系统的遗传多样性结合等位基因特异性读段映射方法（包括插入缺失检测），结合卷积神经网络模型预测并结合变异对结合影响的机制解释，揭示了转录因子之间的意外关系和组织特异性招募机制	NA	理解遗传变异如何影响转录因子结合，优先筛选影响结合的因果变异，并解析其机制	四种转录因子在胚胎发生多个时间点的等位基因特异性结合	机器学习	NA	RNA-seq、等位基因特异性读段映射（WASP）、卷积神经网络	卷积神经网络	DNA序列数据	果蝇F2杂交品系，多个时间点，四个转录因子的结合数据	TensorFlow	Basenji	预测准确率、等位基因不平衡检测能力	NA
34	2026-05-04	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-05-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	研究论文	基于Mathews生长数据集，比较人工智能与偏最小二乘法在个性化面部生长预测中的表现	首次系统比较TabNet深度神经网络与偏最小二乘法在面部生长预测中的性能，并评估AI在不同训练轮次下的预测精度	样本量较小（33名受试者），且仅使用头颅侧位片，未纳入三维影像或其他生长阶段数据	开发并比较不同条件下AI面部生长预测模型与PLS模型的预测准确性	33名受试者的纵向头颅侧位片（1257对生长前后影像）	计算机视觉	不适用	无	TabNet深度神经网络	图像（头颅侧位片）	33名受试者，共1257对生长前后头颅侧位片	PyTorch	TabNet	预测误差（毫米）	不适用
35	2026-05-04	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	开发一种将扩散方程模型与卷积神经网络集成的重建算法，用于三维近红外光谱断层成像	首次将扩散方程模型与卷积神经网络结合，通过深度学习学习正则化先验，在未使用真实患者数据训练的情况下，在真实数据上实现优于传统方法和纯深度学习算法的图像重建性能	模型基于数值仿真数据和简单几何形状的仿真体模训练，未在患者数据上进行训练，可能限制对复杂临床场景的泛化能力	解决近红外光谱断层成像重建中因光扩散和有限边界测量导致的病态和不适定问题	生物组织中的发色团浓度图像（总血红蛋白和水浓度）	计算机视觉, 机器学习	NA	近红外光谱断层成像	卷积神经网络	图像	数值仿真数据、物理体模数据和临床患者数据（具体数量未说明）	PyTorch	卷积神经网络	绝对偏差误差, 峰值信噪比	未说明
36	2026-05-04	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	评估基于深度学习的去噪图像重建在儿童体部磁共振成像中的图像质量	首次系统评估深度学习去噪重建技术在儿童体部MRI中的应用效果，尤其是采用径向k空间采样（PROPELLER）的序列	样本量较小（21名儿童），且未包括非PROPELLER序列的比较	评估深度学习去噪重建技术对儿童体部MRI图像质量的影响	接受胸腹MRI检查的21名儿童（中位年龄7岁）	数字病理学	NA	MRI成像	深度学习去噪模型	图像	21名儿童（年龄范围1.5岁至15.8岁）	NA	NA	信噪比（SNR）、对比噪声比（CNR）、4点Likert量表	NA
37	2026-05-04	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	开发基于磁共振图像的深度学习影像组学列线图，用于术前识别儿童胰胆管合流异常患者肝细胞角蛋白7表达并预测胆汁淤积进展	首次结合深度学习特征、影像组学特征和临床特征构建集成列线图，实现无创评估CK7表达状态	仅回顾性纳入180例患者，样本量有限；验证队列较小（n=36），可能影响模型泛化性	建立非侵入性方法评估胰胆管合流异常患者肝细胞CK7表达，预测胆汁淤积进展	儿童胰胆管合流异常患者	机器学习	肝胆疾病	MRI, 免疫组化分析	深度学习模型（ResNet50）	磁共振图像	180例患者（训练集144例，验证集36例）	Pyradiomics	ResNet50	AUC	NA
38	2026-05-03	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	训练并验证一个基于深度学习的脑微出血分割模型，并在磁敏感加权成像上探究脑微出血与血管风险因素、白质高信号负荷及认知功能之间的关联	首次利用nnU-Net框架实现脑微出血的自动化量化，并在独立内部和外部验证集中评估性能，同时系统分析了脑微出血与认知功能及血管风险因素的关系	单中心回顾性研究，外部验证集Dice分数较低（0.46），模型泛化能力有限	建立脑微出血的自动化分割方法，并阐明其与认知障碍、白质高信号及血管风险因素的相关性	脑微出血、认知功能、白质高信号、血管风险因素	计算机视觉	脑血管疾病	磁敏感加权成像	CNN	图像	训练集287例，内部验证集67例，外部验证集68例，独立临床集448例	PyTorch	nnU-Net	Dice系数	NA
39	2026-05-03	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	研究论文	开发并验证一种基于深度学习的方法，利用磁敏感加权成像自动量化黑质小体-1异常，并分类神经退行性帕金森病	首次利用Susceptibility Map-Weighted MRI同时实现黑质小体-1异常的自动检测、量化与帕金森病分类，并验证了其在特发性帕金森病诊断中的高效性	需要进一步在多种临床环境中验证结果	开发并验证基于深度学习的黑质高强度区自动量化与帕金森病分类算法	特发性帕金森病患者、正常对照组、特发性震颤患者、药物诱导性帕金森病患者	计算机视觉, 机器学习	帕金森病	磁敏感加权成像	深度学习模型	磁共振图像	训练数据：450名参与者（210名IPD患者，240名对照）；验证数据：237名参与者（168名IPD患者，58名特发性震颤患者，11名药物诱导性帕金森病患者）	NA	Heuron NI（量化模型），Heuron IPD（分类模型）	曲线下面积	NA
40	2026-05-03	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-May-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	研究论文	开发了一种基于深度学习的自动去除儿童脑MRI面部特征的方法，以促进数据共享	针对儿童和多种MRI序列优化的自动去面部工具，填补了现有去面部工具在儿童病例和多样图像类型上的空白	耳部去除性能较低（73%），可能影响某些研究使用	开发一种AI驱动的自动去除儿童脑MRI面部特征的方法，推动数据共享和神经科学研究	儿童脑MRI图像，包括多参数MRI（T1W、T1W增强、T2W、T2W-FLAIR），来自208名脑肿瘤患者（CBTN）和36名临床对照患者（SLIP），年龄7天至21岁	数字病理学	脑肿瘤、罕见疾病	MRI（T1W、T1W增强、T2W、T2W-FLAIR）	nnU-Net	图像	976张图像，来自244名参与者（208名脑肿瘤患者和36名临床对照）	PyTorch	nnU-Net	准确率、斯皮尔曼相关系数	NA