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	2026-08-11	MACTFusion: Lightweight Cross Transformer for Adaptive Multimodal Medical Image Fusion 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3391620 PMID:38640042	研究论文	提出一种基于轻量级交叉Transformer的自适应多模态医学图像融合方法	提出交叉多轴注意力机制，包括交叉窗口注意力和交叉网格注意力，以增强局部和全局特征交互；设计空间自适应融合模块，使模型聚焦于最相关信息；结合梯度残差密集卷积与Transformer层进行特征提取	未提及	解决Transformer在多模态医学图像融合中缺乏局部特征提取和跨模态交互以及计算成本高的问题	多模态医学图像，包括临床脑肿瘤图像	计算机视觉	脑肿瘤	图像融合	Transformer	图像	NA	NA	交叉Transformer	融合性能、视觉质量	NA
62	2026-08-07	Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection 2025-05-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1517 PMID:40136052	研究论文	本研究开发并验证了一种整合血浆游离DNA片段末端基序、大小及基因组特征的深度学习方法，用于提高肺癌检测的准确性。	首次将片段末端基序和片段大小结合为新的特征，并整合基因组覆盖度构建集成分类器，显著提高检测性能，并在不同种族人群中验证了泛化能力。	未提供具体计算资源、模型架构细节及局限性分析。	开发并验证一种整合cfDNA片段组学和基因组特征的深度学习方法，以提高跨人群肺癌检测的准确性。	来自多机构研究的肺癌患者和对照组参与者，包括韩国和独立的高加索人队列。	数字病理学	肺癌	全基因组测序	深度学习分类器	基因组测序数据	韩国发现队列218例肺癌患者和2559例对照，韩国验证队列111例肺癌患者和1136例对照，独立高加索验证队列50例肺癌患者和50例对照	NA	NA	AUC	NA
63	2026-08-06	Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach 2025-05, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968231215324 PMID:38014538	研究论文	利用迁移学习在1型糖尿病数据上预训练卷积神经网络，预测胰岛素治疗的2型糖尿病患者的低血糖事件	首次将迁移学习应用于从1型糖尿病到2型糖尿病的持续葡萄糖监测数据，以缓解数据稀缺问题	未明确提及外部验证数据集的多样性或模型在不同人群中的泛化能力	开发一种深度学习模型，通过迁移学习提高2型糖尿病患者低血糖预测的准确性	226名1型糖尿病患者和180名2型糖尿病患者的持续葡萄糖监测数据	机器学习	2型糖尿病	持续葡萄糖监测	卷积神经网络	时间序列数据	406名患者（226名1型糖尿病，180名2型糖尿病），外部验证334,711个一小时样本	NA	卷积神经网络	AUC, 阳性预测值, 特异性, 敏感性	NA
64	2026-07-29	Analytical and experimental solutions for Fourier transform infrared microspectroscopy measurements of microparticles: A case study on Quercus pollen 2025-05-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343879 PMID:40187871	研究论文	首次比较研究12种不同分析方法和实验方法对傅里叶变换红外显微光谱测量微粒的效果，以四种栎属花粉为例	首次系统性比较分析方法和实验方法在FTIR微粒测量中的应用，发现散射光谱干扰物并非对所有分类研究有害，反而具有诊断价值	未明确说明	确定不同预处理策略的优缺点及其适用场景	四种栎属花粉微粒	机器学习和光谱分析	NA	FTIR显微光谱	深度卷积神经网络（DCNN）	光谱数据	四种栎属花粉的单个花粉粒	NA	DCNN	分类准确率	NA
65	2026-07-29	Measuring the severity of knee osteoarthritis with an aberration-free fast line scanning Raman imaging system 2025-05-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343900 PMID:40187878	研究论文	利用自主研发的无像差快速线扫描拉曼成像系统结合深度学习去噪算法实现骨关节炎的快速诊断与分级	将像差校正线扫描共聚焦拉曼成像系统与深度学习去噪及加速算法结合，将成像速度提升4倍以上，在671nm激发波长下实现骨关节炎软骨分型与分级的高精度识别（准确率分别达98%和97%）	样本量未明确说明，且主要基于胫骨平台离体组织分析，未涉及活体临床验证	实现骨关节炎的快速无标记诊断与严重程度分级，以早期检测组织化学变化并指导个性化治疗	骨关节炎患者胫骨平台的关节软骨和钙化软骨组织	数字病理学	骨关节炎	拉曼光谱成像	机器学习模型	拉曼光谱数据	未明确说明样本量	NA	NA	准确率	NA
66	2026-07-29	Rapid and sensitive detection of pharmaceutical pollutants in aquaculture by aluminum foil substrate based SERS method combined with deep learning algorithm 2025-05-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.343920 PMID:40187885	研究论文	开发了基于铝箔的SERS检测基底并结合多层感知机深度学习模型，实现对水产养殖废水中多种药物污染物的快速高灵敏检测	首次将铝箔基SERS基底与MLP深度学习模型结合，实现混合抗生素的高灵敏检测和准确识别，检出限低至1.95×10⁻⁸ mol/L，识别准确率达97.8%	未提及实际养殖废水复杂基质对检测性能的长期稳定性验证，算法模型可能需更多真实样本进一步优化泛化能力	开发一种快速、灵敏的SERS方法，结合深度学习算法实现水产养殖废水中多种药物残留的检测与识别	水产养殖废水中的六种药物污染物（氟罗沙星、左氧氟沙星、培氟沙星、磺胺嘧啶、亚甲基蓝、孔雀石绿）	机器学习	NA	表面增强拉曼光谱（SERS）	多层感知机（MLP）	拉曼光谱数据	六种目标化合物，每种化合物在1×10⁻⁸ mol/L浓度下检测	NA	MLP	准确率、F1分数、五折交叉验证得分	NA
67	2026-07-29	Effect of Cell-Cell Interaction on Single-Cell Behavior Revealed by a Deep Learning-Aided High-Throughput Addressable Single-Cell Coculture System 2025-05-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00306 PMID:40298933	研究论文	开发了一种深度学习辅助的高通量可寻址单细胞共培养系统，用于揭示细胞间相互作用对单细胞行为的影响	将高通量单细胞共培养与自动化数据处理相结合，实现快速配对异质单细胞并定量分析单细胞相互作用	未提及具体局限性，但可能包括长期共培养中细胞配对精度的挑战和数据吞吐量增加带来的分析工具滞后	揭示细胞间相互作用在单细胞分辨率下对细胞行为的影响	单细胞共培养系统及单细胞对之间的相互作用	机器学习、数字病理学	乳腺癌	单细胞共培养、深度学习辅助成像	深度学习模型	图像	单个乳腺癌细胞和单个内皮细胞配对共培养	NA	NA	NA	NA
68	2026-07-29	Monitoring Amphetamine and Methamphetamine Mixtures Based on Deep Learning Involves Colorimetric Sensing 2025-05-06, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c00915 PMID:40279188	研究论文	提出一种基于深度学习和比色传感的监测苯丙胺和甲基苯丙胺混合物的方法	通过调控探针结构影响反应产物的聚集行为，成功区分只有甲基结构差异的苯丙胺和甲基苯丙胺；结合自制 Drugs Analyst 和深度学习算法首次实现混合物中掺杂比例的判断	NA	实现高相似度分析物（结构和性质相似）的精确识别和区分，应用于药物查获、食品添加剂检测和环境监测等领域	苯丙胺和甲基苯丙胺及其混合物	计算机视觉，深度学习	NA	比色传感，基于呋喃环开环反应的探针设计	深度学习	比色传感图像	NA	NA	NA	NA	NA
69	2025-10-07	Field-Portable Technology for Illicit Drug Discrimination via Deep Learning of Hybridized Reflectance/Fluorescence Spectroscopic Fingerprints 2025-05-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05247 PMID:40329645	研究论文	开发了一种基于深度学习的现场便携式技术，通过混合反射/荧光光谱指纹识别非法药物	首次将荧光和反射光谱混合技术与深度学习算法结合用于新型精神活性物质的现场识别	NA	开发能够准确识别新型精神活性物质的现场便携式检测技术	苯二氮卓类药物、硝氮烯类合成阿片类药物及其复杂混合物	机器学习	药物滥用	荧光光谱、反射光谱	深度学习	光谱数据	11种苯二氮卓类药物的街头药片样本，包含多种复杂药物混合物	NA	NA	NA	低成本便携设备
70	2026-07-22	Spatial and Temporal Changes in Choroid Morphology Associated With Long-Duration Spaceflight 2025-05-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.5.17 PMID:40332907	研究论文	利用深度学习从OCT图像分析长时间太空飞行中脉络膜的时空变化	将基于深度学习的脉络膜量化方法扩展到黄斑平面的脉动性和拓扑变化分析，并研究长时间微重力暴露下的反应	样本量较小（12名宇航员），且在轨成像数据仅对其中6名宇航员可用	探讨脉络膜在太空飞行相关神经-眼综合征病因中的作用及微重力暴露下的变化	长时间太空飞行前后的宇航员	数字病理学	太空飞行相关神经-眼综合征	光学相干断层扫描（OCT）	深度学习模型（具体CNN类型未明确）	OCT图像和视频	12名宇航员，平均年龄47±9岁；其中6名有在轨成像数据	NA	NA（仅提及深度学习模型）	脉络膜厚度、管腔面积、脉动性管腔面积、脉络膜体积、管腔体积、脉络膜血管指数	NA
71	2026-07-10	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	研究论文	提出一种多尺度空间感知Transformer网络MSTNet,结合多实例学习,用于糖尿病视网膜病变分类	提出多尺度空间感知Transformer网络,引入空间感知模块捕获空间局部信息,并采用多实例学习策略增强对细微病变区域的关联性	未提及明显局限性,但可能受限于数据集规模	提高糖尿病视网膜病变分类的准确性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	Transformer	图像	四个公开数据集:APTOS2019, RFMiD2020, Messidor, IDRiD	NA	MSTNet, SAM, MIL	ACC, F1分数	NA
72	2026-07-10	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	研究论文	提出一种基于时序信息的深度学习网络TVS-Net，用于X射线血管造影中的冠状动脉分割	融合时序ICA信息到新型密集连接3D编码器-2D解码器结构，并采用基于弹性相互作用的损失函数	NA	提高冠状动脉血管分割的准确性和鲁棒性，应对运动伪影和对比度不均等挑战	冠状动脉血管分割	计算机视觉	心血管疾病	NA	CNN	图像	323个ICA样本，分为训练集173个、验证集82个、测试集68个；另外60张外部医院图像	NA	TVS-Net (密集连接3D编码器-2D解码器)	Dice系数, 召回率	NA
73	2026-07-10	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	研究论文	提出统一半监督主动学习框架UniSAL，用于组织病理图分类，减少标注成本	首次将半监督学习与主动学习统一，采用双视角高置信度伪训练和伪标签引导的类对比学习，设计不一致感知不确定性与致密选择器	未提及	通过主动学习减少组织病理图像标注的人力与时间成本，提高分类效率	组织病理图像分类数据集	数字病理学	癌症	NA	深度神经网络	图像	CRC5000（5000张）、Chaoyang（尺寸未指定）、CRC100K（10万张）三个公共数据集	PyTorch（按常见实践推断）	双网络架构（具体未指定，可能为ResNet等通用架构）	分类性能（具体指标如准确率等未明确）	NA
74	2026-07-10	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-05, 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和分子检测的多模态深度学习模型，用于甲状腺结节不确定细胞学的风险分层	首次整合超声影像和分子检测数据，通过多模态深度学习显著提高阳性预测值和特异性，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结果而非细粒度恶性风险概率	改善甲状腺不确定结节的恶性风险分层，减少良性结节手术切除	甲状腺不确定细胞学（Bethesda III和IV级）患者	数字病理学、机器学习	甲状腺癌	超声影像、下一代测序	多模态深度学习模型	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（综合全帧超声图像、256×256补丁、128×128补丁三种配置）	AUROC、灵敏度、特异度、阳性预测值	NA
75	2026-07-07	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-05-10, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	综述	综述了人工智能驱动的生物医学多模态数据融合与分析中的挑战	全面概述了生物医学数据模态、多模态表示学习方法及AI在整合分析中的应用，并提出通过模型预训练和知识集成推动生物医学研究的未来方向	未提供具体实证研究，仅讨论一般性挑战和未来方向	探讨AI在生物医学多模态数据融合与分析中的挑战和未来方向	生物医学多模态数据，包括分子、细胞、影像和电子健康记录数据	机器学习	NA	深度学习，多模态表示学习，模型预训练	大型语言模型，视觉模型，深度神经网络	多模态数据（分子、细胞、影像、电子健康记录）	NA	NA	NA	NA	NA
76	2026-07-07	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-05, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	评估ResNet-50和U-Net模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的性能	首次利用深度学习模型自动检测和分割牙科种植体牙冠的垂直不吻合，并与临床医生的表现进行直接比较	未在摘要中明确说明局限性	评估人工智能模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的效果	牙科种植体牙冠的根尖放射影像	计算机视觉	牙科种植体垂直不吻合	放射影像	深度学习	图像	638张根尖放射影像	NA	ResNet-50, U-Net	准确率, 精确率, 灵敏度, 特异度, Dice系数, 损失, Kappa值	NA
77	2026-07-07	Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset 2025-05, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103796 PMID:40120536	研究论文	评估RayStation深度学习模型在真实世界头颈癌数据集中自动分割危及器官的几何精度和剂量学影响	在大规模、多样化的头颈癌患者数据集上，首次使用3D U-Net模型自动分割30个危及器官，并综合评估几何精度与剂量学影响，考虑了术后、修复皮瓣、口含咬合器等复杂临床因素	模型在11例存在显著解剖挑战和伪影的患者中失败；对某些器官（如食管和喉）的剂量学误差较大（平均Dmean增加高达837.14 cGyRBE）	评估深度学习自动分割模型在头颈癌调强质子治疗中针对危及器官的准确性和效率	124例接受调强质子治疗的头颈癌患者的CT数据集	计算机视觉	头颈癌	CT成像, 调强质子治疗	U-Net	CT图像	124例头颈癌患者	RayStation	3D U-Net	Dice相似系数, Hausdorff距离, 平均剂量差, 最大剂量差	NA
78	2026-07-01	Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation 2025-05, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.10.103 PMID:39477040	研究论文	提出一个自动化图像处理流程，用于膝关节放射影像注册，整合多标签图像语义分类器与共形预测不确定性量化及物体检测模型	首次将共形预测不确定性量化整合到膝关节放射影像多标签分类中，并结合物体检测模型用于大型注册库的自动化构建	NA	开发一个用于膝关节放射影像注册的自动化图像处理流程，提升大规模注册库创建的效率和透明度	膝关节放射影像	计算机视觉	膝关节疾病	NA	EfficientNet、物体检测模型	图像	26,000张膝关节图像用于分类，11,841张用于物体检测	NA	EfficientNet	F1分数、准确率、敏感度、特异性、边际覆盖率、效率、平均精确度	NA
79	2026-06-30	Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study 2025-05-15, Clinical & experimental metastasis IF:4.2Q2 DOI:10.1007/s10585-025-10349-y PMID:40369240	研究论文	基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌新辅助放化疗后复发的前瞻性多中心研究	首次将深度学习提取的MRI放射组学特征与传统放射组学特征结合，并联合临床特征构建综合预测模型，用于预测局部晚期鼻咽癌患者新辅助放化疗后的复发情况	未提及外部验证队列的独立验证，且样本量相对有限，可能影响模型的泛化性	验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者新辅助放化疗后复发中的临床价值	局部晚期鼻咽癌患者	医学影像分析，机器学习	鼻咽癌	MRI影像、放射组学特征提取	随机森林、机器学习分类器	MRI图像（对比增强T1加权和T2加权序列）	328名鼻咽癌患者（训练集229例，验证集99例）	NA	随机森林	受试者工作特征曲线下面积、准确率、灵敏度、特异度	NA
80	2026-06-30	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	研究论文	利用人工智能深度学习结合19个卷积神经网络模型，通过分析单细胞图像以高准确度区分白血病干细胞与正常干细胞	首次证明白血病干细胞具有独特的形态学特征，且人工智能能够提取和识别这些特征，而病理学家的显微镜观察无法做到	NA	利用人工智能识别白血病干细胞并监测其数量，以指导治疗选择和评估治疗反应及疾病预后	白血病干细胞（LSCs）和正常干细胞，以及真性红细胞增多症（PV）小鼠模型中的其他细胞谱系	数字病理学	血液系统恶性肿瘤（急性髓系白血病、骨髓增生性肿瘤）	单细胞成像	卷积神经网络（CNN）	图像	来自JAK2V617F敲入小鼠和健康小鼠的细胞样本（未明确具体数量）	NA	19个卷积神经网络组合，具体架构未明确	准确率（>99%）	NA