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
1	2026-04-17	Deep learning for fetal inflammatory response diagnosis in the umbilical cord 2025-Jun-26, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2025.04.013 PMID:40294507	研究论文	本研究利用深度学习技术，基于脐带组织全切片图像（WSI）进行胎儿炎症反应（FIR）的诊断分类	首次将注意力机制的全切片学习模型应用于脐带组织病理图像的FIR诊断，并比较了基于非医学图像（ImageNet）预训练模型与基于组织病理学图像（UNI）预训练模型的性能差异	模型在FIR 1病例中的注意力分配存在不一致性（部分模型关注脐血管，部分关注沃顿胶质），可能影响诊断解释的稳定性	开发一种基于深度学习的自动化诊断工具，以辅助病理学家诊断脐带组织中的胎儿炎症反应，减少观察者间差异	脐带组织病理切片图像	数字病理学	胎儿炎症反应综合征	H&E染色组织病理学成像	深度学习, 注意力机制模型	全切片图像（WSI）	4100张脐带组织H&E染色病理切片	未明确指定（可能为PyTorch或TensorFlow）	ConvNeXtXLarge, UNI（基于组织病理学预训练的模型）	平衡准确度	NA
2	2026-04-17	Rural Medical Centers Struggle to Produce Well-Calibrated Clinical Prediction Models: Data Augmentation Can Help 2025-Jun-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.16.25329699 PMID:40585177	研究论文	本文探讨了农村医疗中心在临床预测模型校准方面的挑战，并评估了合成数据生成（SDG）在增强本地数据量以改善模型性能方面的效用	通过实证和模拟研究，揭示了农村医疗中心因患者数据量不足导致模型校准困难的问题，并验证了深度学习驱动的合成数据生成方法在提升本地分类器性能方面的有效性	研究可能未涵盖所有农村医疗场景，且合成数据生成方法的泛化能力在不同疾病或任务中需进一步验证	评估农村医疗中心在临床预测模型本地化校准中的挑战，并探索合成数据生成作为数据增强解决方案的潜力	真实医院网络中的30天非计划再入院预测数据，以及多站点ICU数据集	机器学习	NA	合成数据生成（SDG）	深度学习	临床数据	涉及真实医院网络和多站点ICU数据集，具体样本量未明确说明	NA	NA	模型校准度，分类器性能	NA
3	2026-04-17	A deep learning-based, real-time image report system for linear EUS 2025-06, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.10.030 PMID:39427992	研究论文	本研究开发了一种基于深度学习的EUS自动图像报告系统，用于实时捕获高质量胆胰EUS图像	首次开发了基于深度学习的实时EUS自动图像报告系统，实现了标准站点、病变和穿刺过程的自动拍照记录	研究样本量相对有限，且仅在一家医院进行前瞻性测试，需要更多外部验证	提高EUS检查中图像采集的完整性和质量，减少不同内镜医师之间的报告差异	胆胰EUS检查中的图像采集过程	计算机视觉	胆胰疾病	线性EUS	深度学习模型	图像	235,784张图像用于训练和测试，114名患者用于前瞻性测试	NA	NA	完整性百分比, 置信区间, P值	NA
4	2026-04-17	Hybrid CNN and random forest model with late fusion for detection of autism spectrum disorder in Toddlers 2025-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103278 PMID:40236798	研究论文	本研究提出了一种结合VGG16预训练深度CNN与随机森林分类器的混合模型，用于幼儿自闭症谱系障碍的检测	通过晚期融合策略，将深度学习模型提取的高层次图像特征与随机森林的集成分类能力相结合，提高了ASD检测的准确性	研究主要基于特定数据集，未来需要整合多模态数据并在更多样化的数据集上进行测试以提升泛化能力	开发一种准确且可靠的混合模型，用于幼儿自闭症谱系障碍的早期诊断	幼儿自闭症谱系障碍患者	计算机视觉	自闭症谱系障碍	NA	CNN, 随机森林	图像, 问卷数据	NA	NA	VGG16, EfficientNetB0, AlexNet	准确率	NA
5	2026-04-12	Future Applications of Cardiothoracic CT 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.240085 PMID:40492912	综述	本文综述了光子计数CT、直立CT和人工智能在心脏胸部CT成像和诊断中的未来应用前景	探讨了光子计数CT、直立CT和四维CT等新技术如何降低辐射剂量、提高空间分辨率，并利用人工智能改变放射科医生解读影像的方式	NA	探讨心脏胸部CT技术的未来发展趋势及其临床应用潜力	心脏胸部CT成像技术及其在诊断中的应用	数字病理学	心血管疾病	光子计数CT, 直立CT, 四维CT	深度学习	CT影像	NA	NA	NA	NA	NA
6	2026-04-12	Navigating the AI Landscape in Medical Imaging: A Critical Analysis of Technologies, Implementation, and Implications 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.240982 PMID:40552997	综述	本文对医学影像中人工智能技术的现状、实施挑战及影响进行了批判性分析	综合分析了多模态成像数据、临床记录与大语言模型整合的AI潜力，并探讨了少样本学习、自监督模型和集中式平台等前沿进展	存在专家标注数据稀缺、监管障碍、临床实施滞后、大语言模型可解释性不足、深度学习模型泛化能力有限以及临床整合的技术壁垒	探讨AI在医学影像领域的整合挑战、负责任发展路径及多方利益相关者观点，以优化AI安全性并增强放射科医生工作	医学影像AI技术、监管机构（如FDA）、放射科社区及医疗保健系统	医学影像	NA	深度学习、大语言模型、少样本学习、自监督学习	深度学习模型、大语言模型	多模态成像数据、临床记录	NA	NA	NA	NA	NA
7	2026-04-12	A Data-Centric Approach to Deep Learning for Brain Metastasis Analysis at MRI 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.242416 PMID:40552999	研究论文	本研究开发了一种基于数据中心的深度学习系统，用于在MRI图像中检测、分割和纵向跟踪任何大小的脑转移瘤	采用数据中心方法，通过迭代数据标注和系统质量控制提高分割一致性，并使用改进的nnU-Net框架，增强了模型对小病灶的检测能力和泛化性	研究为回顾性设计，且部分患者性别信息未知	开发一个泛化性强的深度学习系统，用于脑转移瘤的检测、分割和纵向跟踪	脑转移瘤患者的MRI扫描图像	数字病理	脑转移瘤	MRI	深度学习	图像	1623名患者的1985次扫描，包含5552个脑转移瘤	nnU-Net	改进的nnU-Net	敏感性, Dice相似系数, 归一化表面距离	NA
8	2026-04-11	Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality 2025-Jun-30, Research square DOI:10.21203/rs.3.rs-6296752/v1 PMID:40630516	研究论文	本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率	首次利用次优肺活量测定数据（包括未通过质量控制的测试）通过对比学习框架进行呼吸系统结局预测，突破了传统方法仅使用最优测试结果的限制	在COPDGene队列中，添加通过质量控制的次优测试数据并未改善肺功能或死亡率的预测效果，需要进一步研究在特定临床场景中的性能和实用性	探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率	英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，包括吸烟者和无呼吸系统疾病（除COPD或哮喘外）的个体	机器学习	呼吸系统疾病	肺活量测定（spirometry）	深度学习模型	原始肺活量图（体积-时间曲线）	352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者	对比学习框架	Spiro-CLF（基于肺活量图的对比学习框架）	AUROC（受试者工作特征曲线下面积）, 一致性指数（concordance index）, 预测改善百分比	NA
9	2026-04-11	Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images 2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference) DOI:10.1007/978-3-031-94562-5_25 PMID:41883586	研究论文	本研究探讨了通用基础模型（如DINOv2、SAM、MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性	提出了一种结合预训练基础模型与改进UNet解码器的架构，利用基础模型的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能	研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征	探索预训练基础模型在医学图像分割领域的适应能力，为数据稀缺的医学应用提供更通用的解决方案	磁共振图像中的左心房结构	医学图像分析	心房颤动	磁共振成像	CNN, Transformer	医学图像	2022 LAScarQS和2018 LASC分割挑战数据集	PyTorch	UNet, DINOv2, SAM, MedSAM	Dice系数, IoU	NA
10	2026-04-10	Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests 2025-06-10, The journals of gerontology. Series B, Psychological sciences and social sciences DOI:10.1093/geronb/gbaf065 PMID:40197801	研究论文	本研究利用深度学习神经网络生成连续时钟绘图测试评分，以增强针对不同人口群体的痴呆症分类能力	提出基于Vision Transformer的连续时钟绘图测试评分方法，相比传统序数评分提供更细粒度的阈值，并识别出针对特定人口特征（如种族、教育水平、年龄）的自适应阈值	研究依赖于特定数据集（NHATS），可能未涵盖所有人群变异性；深度学习模型需要大量标注数据，且实际部署时需考虑计算资源和临床验证	开发并评估连续时钟绘图测试评分在痴呆症分类中的性能，探索人口特异性阈值以提高筛查准确性	来自美国国家健康与老龄化趋势研究的老年人群体，包括不同种族、教育水平和年龄的参与者	数字病理学	老年疾病	深度学习神经网络	Vision Transformer	图像	美国国家健康与老龄化趋势研究的全国代表性老年人样本	NA	Vision Transformer	受试者工作特征曲线下面积, 灵敏度, 特异度	NA
11	2026-04-10	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-06-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人体脊柱的3D图像	首次使用结合3D卷积层和残差连接的U-Net CNN，对重力加载（站立位）CBCT图像中的脊柱结构进行分割，并支持分割模型导出为STL格式用于3D打印	未明确提及模型在外部验证集上的泛化性能，以及处理不同扫描仪或患者群体时的鲁棒性	开发一种可靠且可适应的工具，用于在重力加载条件下准确分割脊柱及其他解剖结构，以支持临床诊断和研究	重力加载条件下的人体脊柱、骨盆和股骨头	计算机视觉	脊柱侧弯，退行性椎间盘疾病	负重锥形束计算机断层扫描（CBCT）	CNN	3D图像	NA	NA	U-Net	NA	NA
12	2026-04-06	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	研究论文	本研究探讨了使用传统DenseNet架构，通过优化层数和图像融合策略，在口咽癌患者无复发生存期预测中是否能够达到与先进深度学习模型相当的性能	研究表明，具有81层的传统DenseNet架构在内部测试集上达到了与更复杂架构的先进模型相当的预测性能，并在外部测试中表现更优，且移除GTV输入数据在某些情况下能提升外部测试性能	研究未详细讨论模型在其他癌症类型或更大数据集上的泛化能力，也未分析不同融合策略在所有临床场景下的最优性	比较传统DenseNet架构与先进深度学习模型在口咽癌患者无复发生存期预测中的性能	口咽癌患者	数字病理	口咽癌	PET和CT成像	DenseNet	图像	HECKTOR 2022数据集包含489名患者（训练集369名，测试集120名），外加400名患者的外部测试集	NA	DenseNet81	C-index	NA
13	2026-04-01	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	研究论文	提出了一种名为scAttG的深度学习框架，通过整合图注意力网络和卷积神经网络，利用scATAC-seq数据的染色质可及性和基因组序列特征进行细胞类型注释	整合图注意力网络和卷积神经网络，同时捕获染色质可及性信号和基因组序列特征，克服了现有跨组学和组内方法在数据对齐和批次效应方面的限制	未明确说明模型在特定生物环境或复杂细胞类型中的泛化能力，可能受限于scATAC-seq数据的质量和覆盖度	提高单细胞ATAC-seq数据的细胞类型注释准确性和鲁棒性	scATAC-seq数据中的细胞类型	机器学习	NA	scATAC-seq	GAT, CNN	染色质可及性数据，基因组序列数据	多个scATAC-seq数据集（具体数量未明确说明）	NA	图注意力网络，卷积神经网络	NA	NA
14	2026-04-01	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种裂解技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而显著提升了蛋白质组覆盖度	开发了首个能够覆盖CID、UVPD、EID和ECD等多种裂解技术的单一深度学习模型，并将其集成到标准LC-MS工作流程中	未明确说明模型在更广泛数据集或不同实验条件下的泛化能力	通过整合替代裂解技术和深度学习模型，增强标准LC-MS工作流程中的蛋白质组覆盖度	质谱仪生成的碎片离子数据，用于蛋白质鉴定	机器学习	NA	CID、UVPD、EID、ECD、LC-MS、多酶深度蛋白质组学实验	深度学习模型	质谱数据	通过多酶深度蛋白质组学实验生成的大规模数据集	Prosit	NA	蛋白质鉴定增加百分比	NA
15	2026-04-01	Performance of a Chest Radiograph-based Deep Learning Model for Detecting Hepatic Steatosis 2025-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240402 PMID:40539916	研究论文	本研究开发并评估了一个基于胸片的深度学习模型，用于检测肝脂肪变性	利用常规胸片而非专门的肝脏影像进行肝脂肪变性的深度学习检测，提供了一种便捷、低成本的筛查方法	研究为回顾性设计，可能存在选择偏倚；模型性能仍有提升空间，特别是在内部测试集上的灵敏度	开发一个基于胸片的深度学习模型，用于检测肝脂肪变性	接受过受控衰减参数检查的患者的胸片	计算机视觉	肝脂肪变性	受控衰减参数	深度学习模型	图像	共6599张胸片，来自4414名患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
16	2026-03-31	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质，通过微调AlphaFold2来克服现有方法对理想化几何形状的系统性偏差	通过物理基础设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并微调AlphaFold2模型以更好地捕捉自然蛋白质的几何多样性，从而提高了对未见折叠家族的泛化能力	当前深度学习结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所基于的物理原理，如原子堆积和氢键相互作用	改进深度学习模型以更准确地预测具有非理想几何形状的从头设计蛋白质，从而更好地反映自然蛋白质的多样性	从头设计的蛋白质，特别是那些具有多样几何形状的蛋白质	机器学习	NA	物理基础设计方法，深度学习结构预测	深度学习模型，具体为微调的AlphaFold2	蛋白质结构数据	5,996个稳定、从头设计的蛋白质，以及数千个来自5个未见折叠家族的几何形状多样的从头设计蛋白质	NA	AlphaFold2	NA	NA
17	2026-03-22	Optimised Hybrid Attention-Based Capsule Network Integrated Three-Pathway Network for Chronic Disease Detection in Retinal Images 2025-06, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70126 PMID:40415584	研究论文	提出一种基于优化混合注意力胶囊网络与三通路网络集成的深度学习系统，用于从视网膜图像中检测慢性疾病	提出了一种结合Inception-V3、ResNet-152和卷积视觉Transformer（Conv-ViT）的三通路特征提取网络，并集成了优化的混合注意力胶囊网络作为分类器，通过优化策略提升了分类性能	未在摘要中明确说明	开发一种优化的深度学习系统，用于从视网膜图像中检测慢性疾病，并解决现有方法存在的过拟合、计算成本高等问题	视网膜图像	计算机视觉	慢性疾病	图像预处理（归一化、HSI颜色转换）、深度学习	CNN, Transformer, Capsule Network	图像	使用Diabetic Retinopathy 224×224 (2019 Data)和APTOS-2019两个数据集	未在摘要中明确说明	Inception-V3, ResNet-152, Convolutional Vision Transformer (Conv-ViT), Hybrid Attention-based Capsule Network	准确率	未在摘要中明确说明
18	2026-03-19	Deep Learning-Based Decision Support System for Nurse Staff in Hospitals 2025-Jun-02, Big data IF:2.6Q2 DOI:10.1089/big.2024.0122 PMID:40455580	研究论文	本文探讨了基于深度学习的临床决策支持系统（DL-CDSS）在医院护士中的应用，旨在提升临床决策的准确性和工作效率	结合数据仓库理论和商业智能技术，开发了针对护士的DL-CDSS，实现多维数据分析和实时推荐，以优化护理工作流程	面临数据整合、模型可解释性和用户界面设计等挑战，需确保系统能无缝集成到护理实践中	促进医院人力资源的信息化管理，推动医院信息技术应用，提升护士的决策支持能力	医院护士及其临床决策过程，包括患者记录、生命体征和诊断报告等数据	机器学习	NA	深度学习	神经网络	临床数据（如患者记录、生命体征、诊断报告）	来自医院信息系统的大规模数据集	NA	NA	准确性、药物错误减少率、工作流程效率	NA
19	2026-03-18	Comparison of time-series models for predicting physiological metrics under sedation 2025-06, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，重点关注麻醉深度评估中的双频指数预测	系统比较了传统药代动力学-药效学模型、统计模型与现代深度学习模型在双频指数预测中的性能，并探索了单变量与多变量预测方案	NA	评估和比较不同时间序列模型在预测手术中镇静深度关键指标双频指数的性能	从真实手术中收集的生理指标数据集，用于预测双频指数	机器学习	NA	NA	LSTM, GRU, TCN, Transformer, ARIMA, VAR	时间序列数据	NA	NA	LSTM, GRU, TCN, Transformer	NA	NA
20	2026-03-15	Can graph similarity metrics be helpful for analogue identification as part of a read-across approach? 2025-Jun, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100353 PMID:41816015	综述	本文综述了在读取交叉方法中用于识别源类似物的化学指纹/骨架和基于图的方法，并通过五个毒性数据集评估了这些方法的实用性	系统比较了图相似性度量（如图核、图嵌入和深度学习）在读取交叉类似物识别中的应用潜力，并基于实际数据集进行了评估	无监督的整图嵌入方法在所有评估的数据集中均无效，且方法的有效性依赖于训练数据的可用性和规模	评估图相似性度量在读取交叉方法中识别化学物质类似物的帮助作用	化学物质及其毒性数据集，包括皮肤致敏性、皮肤刺激性、水生毒性和遗传毒性潜力	机器学习	NA	化学指纹/骨架方法，图核，图嵌入，深度学习	图卷积网络	化学结构数据，毒性数据	五个不同规模和多样性的毒性数据集	NA	图卷积网络	NA	NA