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	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
2	2026-02-19	Automatic Bi-Atrial Segmentation and Biomarker Extraction from Late Gadolinium-Enhanced MRI Using Deep Learning 2025-Jun-10, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2025.127335 PMID:41693757	研究论文	本文提出了一种名为biAtriaNet的深度学习流程，用于从晚期钆增强磁共振成像中自动分割左右心房并提取心房纤维化、心房壁厚度和心房腔直径及体积等生物标志物，以支持针对心房颤动的靶向消融治疗	开发了首个能够同时自动分割左右心房并从LGE-MRI中提取多种关键生物标志物的深度学习流程，解决了现有方法仅关注左心房且缺乏稳健分割的局限性	研究主要基于特定数据集（英国生物银行和犹他大学患者），尽管在独立测试集上表现良好，但样本多样性和泛化能力仍需在更广泛人群中进一步验证	开发一种自动化工具，用于从LGE-MRI中准确分割心房结构并提取生物标志物，以改善心房颤动的患者特异性治疗策略	心房颤动患者的心房结构，包括左心房和右心房的解剖形态、纤维化程度、心房壁厚度以及心房腔的直径和体积	数字病理学	心血管疾病	晚期钆增强磁共振成像	CNN	图像	训练和验证集包括4860名英国生物银行参与者的2D cine-MRI和60名犹他大学心房颤动患者的3D LGE-MRI，独立测试集包括11例新西兰怀卡托医院的3D LGE-MRI	NA	U-Net	Dice分数, 准确率, Kolmogorov-Smirnov相关性	NA
3	2026-02-15	Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention 2025-Jun, iMetaOmics DOI:10.1002/imo2.70021 PMID:41675159	研究论文	本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测	开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测	NA	通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预	2型糖尿病患者及其肠道微生物组	机器学习	2型糖尿病	微生物组测序	深度学习	微生物组数据	NA	NA	NA	NA	NA
4	2026-02-14	Multicenter Evaluation of Interpretable AI for Coronary Artery Disease Diagnosis from PET Biomarkers 2025-Jun-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25329944 PMID:40630571	研究论文	本研究开发了一种集成PET/CT心肌灌注成像关键临床参数的人工智能模型，用于提高阻塞性冠状动脉疾病的诊断准确性	首次开发了一个集成多种PET成像生物标志物（包括冠状动脉钙化评分、心肌血流和灌注参数）的AI模型，并通过多中心外部验证展示了其优于传统定量分析和临床评分的诊断性能	研究为回顾性设计，且仅纳入在180天内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	提高阻塞性冠状动脉疾病的诊断准确性	接受心脏PET/CT检查的患者	数字病理学	心血管疾病	PET/CT心肌灌注成像	XGBoost, 深度学习	医学影像（PET/CT图像）及临床参数	总队列17,348名患者，其中1,664名纳入研究（训练集386名，外部测试集1,278名）	NA	NA	AUC	NA
5	2026-02-14	In-Silico Predictions of Drug Resistance in Lung Cancers With EGFR Mutation 2025-Jun, Proceedings of the Platform for Advanced Scientific Computing Conference DOI:10.1145/3732775.3733588 PMID:41669100	研究论文	本文提出了一种利用高性能计算资源预测EGFR突变肺癌中耐药机制的计算工作流程	整合了深度学习结构预测、分子动力学模拟、分子对接和结合预测等多种计算方法，并探索了量子化学计算作为实验验证的补充工具	NA	预测肺癌中由EGFR突变引起的耐药机制，并为治疗策略提供替代方案	EGFR突变的肺癌	计算生物学	肺癌	深度学习结构预测、分子动力学模拟、分子对接、量子化学计算	深度学习模型	分子结构数据、化合物数据	NA	NA	NA	NA	高性能计算资源
6	2026-02-13	Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning 2025-Jun-10, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213691 PMID:40378378	研究论文	本研究开发了一种基于磁共振指纹成像和深度学习的全脑局灶性皮质发育不良检测框架	首次将磁共振指纹成像与深度学习结合用于全脑局灶性皮质发育不良的自动化检测，利用单次扫描获取的多参数特征	样本量相对较小（40名患者和67名健康对照），且未在独立外部数据集上进行验证	开发一种基于磁共振指纹成像的深度学习框架，用于全脑局灶性皮质发育不良的检测	药物难治性局灶性癫痫患者（包括FCD IIa、IIb、mMCD、MOGHE亚型）和年龄性别匹配的健康对照	数字病理学	癫痫	磁共振指纹成像（MRF）、临床MRI扫描	深度学习	图像	40名局灶性皮质发育不良患者和67名健康对照	NA	U-Net	灵敏度、假阳性数、病变标签重叠度	NA
7	2026-02-12	Learning Genetic Perturbation Effects with Variational Causal Inference 2025-Jun-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.657988 PMID:40501829	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平上未见遗传扰动的转录组响应	提出SCCVAE模型，将机制因果模型与变分自编码器结合，实现从观测扰动到未见扰动的有效外推，并支持功能扰动模块识别和单基因敲除实验模拟	未明确讨论模型在更复杂或异质性细胞类型中的泛化能力，以及计算资源需求	开发一种能准确预测单细胞水平上遗传扰动效应的计算模型，以应用于功能基因组学和治疗靶点识别	单细胞转录组数据，特别是Perturb-seq技术生成的遗传扰动响应数据	机器学习	NA	Perturb-seq，单细胞转录组测序	变分自编码器（VAE），因果模型	单细胞转录组数据	NA	NA	SCCVAE（单细胞因果变分自编码器）	NA	NA
8	2026-02-09	Real-world radiology data for artificial intelligence-driven cancer support systems and biomarker development 2025-Jun, ESMO real world data and digital oncology DOI:10.1016/j.esmorw.2025.100120 PMID:41647703	综述	本文探讨了利用真实世界放射学数据与人工智能技术开发癌症诊断与治疗支持系统及生物标志物的潜力与挑战	提出了结合真实世界数据与人工智能的新范式，以加速癌症生物标志物发现和临床支持工具开发	面临数据访问困难、质量参差不齐、处理复杂以及临床信任建立等挑战	旨在推动人工智能在真实世界放射学数据中的应用，以改善癌症患者护理	真实世界放射学数据（包括影像和报告）及癌症患者群体	数字病理学	癌症	深度学习	深度学习模型	影像, 文本	NA	NA	NA	NA	NA
9	2026-02-02	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，并利用其预测通过比对候选结构的预测MS/MS谱与实验MS/MS谱的相似性来促进结构解析	开发了首个能够模拟碰撞诱导解离并考虑碰撞能量和极性的几何深度学习模型，实现了对未知分子结构的快速、低成本鉴定	未明确说明模型在处理极端复杂混合物或非常规分子结构时的性能限制	解决代谢组学、药物发现和反应筛选中区分同量异位素分子碎片模式的挑战，实现快速分子注释	未知分子结构、候选化学结构	机器学习	抑郁症、结核性脑膜炎	串联质谱(MS/MS)	几何深度学习模型	质谱数据	NIST'20 [M+H]加合子集	NA	ICEBERG	top-1准确率, top-10预测准确率	NA
10	2026-01-28	Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data 2025-06-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17132159 PMID:40647456	研究论文	本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率	提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担	研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证	设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题	乳腺癌的组织病理学图像	数字病理学	乳腺癌	染色归一化（通过对比增强建模，CAM），数据增强	CNN	图像	BreakHis数据集	NA	CellSage（集成多尺度特征提取、深度可分离卷积、CBAM）	准确率，F1分数，AUC	NA
11	2026-01-24	Genome-resolved metagenomics from short-read sequencing data in the era of artificial intelligence 2025-Jun-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01625-x PMID:40493087	综述	本文综述了人工智能在短读长测序数据基因组解析宏基因组学中的应用工具及其模型	系统回顾了专门为短读长宏基因组数据开发的最新AI工具及其底层模型，并讨论了其性能与可用性	NA	探讨人工智能在基因组解析宏基因组学数据分析各阶段的应用与影响	短读长测序数据及相关的AI工具	机器学习	NA	短读长测序	机器学习,深度学习	宏基因组测序数据	NA	NA	NA	准确性,可扩展性,效率	NA
12	2026-01-23	The Clinical Significance of Femoral and Tibial Anatomy for Anterior Cruciate Ligament Injury and Reconstruction 2025-Jun-19, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056361050250605052447 PMID:40551697	综述	本文综述了股骨和胫骨解剖结构对前交叉韧带损伤风险及重建手术效果的影响	整合了年龄和性别特异性解剖差异对ACL损伤及重建的影响，并强调了人工智能和先进成像技术在个性化手术规划中的应用前景	作为一篇综述文章，未提供新的原始数据或临床研究结果	探讨股骨和胫骨解剖参数如何影响前交叉韧带的生物力学、损伤风险及重建手术效果	前交叉韧带、股骨髁间窝形态、胫骨平台后倾角、韧带止点变异	数字病理学	骨科疾病	MRI, CT, 3D重建	深度学习模型	医学影像	NA	NA	NA	NA	NA
13	2026-01-21	Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification 2025-Jun-27, ArXiv PMID:41019222	综述	本文综述了胎儿睡眠的生理特征、测量方法和分类技术，并探讨了宫内条件对其的影响	跨物种比较胎儿睡眠模式，并综合了从传统规则方法到深度学习的最新分类技术	NA	为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供基础，以支持产前护理的早期诊断和干预	人类和大型动物模型的胎儿睡眠	NA	NA	侵入性动物技术和非侵入性人类模态	深度学习	NA	NA	NA	NA	NA	NA
14	2026-01-16	Automatic head and neck tumor segmentation through deep learning and Bayesian optimization on three-dimensional medical images 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110309 PMID:40378562	研究论文	提出一种基于贝叶斯优化的两阶段调度方法，用于优化三维医学图像中头颈部肿瘤分割任务的超参数	提出两阶段贝叶斯优化调度方法，结合快速收敛与防过拟合的渐进优化；提出将批大小与学习率耦合为B2L比率进行联合优化	NA	优化头颈部肿瘤分割任务的超参数以提高医学图像分割性能	头颈部肿瘤组织	数字病理	头颈部肿瘤	CT, PET	CNN	三维医学图像	NA	NA	V-Net	NA	NA
15	2026-01-07	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一个基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿童肉瘤亚型	整合了多中心数据并进行图像协调，系统评估了多种CNN和ViT架构作为特征提取器，并引入了基于SAMPLER的轻量级、快速训练的分类器	研究依赖于特定的多中心数据集，可能未涵盖所有罕见亚型或外部验证中心的变异性	开发一个机器学习驱动的计算管道，以准确分类儿童肉瘤亚型，减少诊断障碍	儿童肉瘤的数字化组织学切片	数字病理学	儿童肉瘤	组织学成像，全切片图像数字化	CNN, ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	UNI, CONCH	AUC	NA
16	2025-12-28	Epicardial adipose tissue, myocardial remodelling and adverse outcomes in asymptomatic aortic stenosis: a post hoc analysis of a randomised controlled trial 2025-Jun-26, Heart (British Cardiac Society) DOI:10.1136/heartjnl-2024-324925 PMID:40050004	研究论文	本研究通过事后分析，探讨了无症状主动脉瓣狭窄患者中，心外膜脂肪组织与主动脉瓣狭窄严重程度、进展、心肌重构及全因死亡率之间的关联	首次在无症状主动脉瓣狭窄患者中，利用全自动深度学习软件量化心外膜脂肪组织，并系统评估其与心肌健康生物标志物及死亡风险的关联	研究为事后分析，样本量较小（124例），且仅针对无症状患者，结果可能不适用于有症状人群	探究心外膜脂肪组织在主动脉瓣狭窄中的作用，及其与心肌重构和患者预后的关系	无症状的轻度至重度主动脉瓣狭窄患者	数字病理学	心血管疾病	CT血管造影，全自动深度学习软件量化	深度学习	CT图像，血液生物标志物数据	124例无症状主动脉瓣狭窄患者	NA	NA	相关性分析（r值，p值），风险比（HR），置信区间（CI）	NA
17	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.31.657189 PMID:40501876	研究论文	本研究评估了功率-功率跨频耦合（CFC）方法在颅内脑电图（iEEG）中检测颞叶癫痫（TLE）发作的能力，并分析了三种常见发作成分的CFC特征	提出使用功率-功率跨频耦合（CFC）作为颞叶癫痫发作检测的新方法，并首次对三种常见发作成分（尖波、尖波上的涟漪、振荡上的涟漪）进行CFC分析	研究仅基于26名患者的120次颞叶癫痫发作数据，样本量相对较小，且仅使用颅内脑电图数据，可能限制了结果的普适性	评估功率-功率跨频耦合（CFC）方法在颞叶癫痫发作检测中的有效性，并分析不同发作成分的CFC特征	颞叶癫痫患者的颅内脑电图记录，包括发作段和背景活动段	机器学习	癫痫	颅内脑电图（iEEG），功率-功率跨频耦合（CFC）分析	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作记录及背景活动段	EEGLAB	堆叠稀疏自编码器（SSAE），长短期记忆网络（LSTM）	灵敏度, 特异度, 准确率	NA
18	2025-12-22	Soybean yield estimation and lodging discrimination based on lightweight UAV and point cloud deep learning 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100028 PMID:41415158	研究论文	本研究利用轻量级无人机和点云深度学习模型，结合空间结构与颜色信息融合，实现了大豆产量估算和倒伏等级判别	提出了新的点云深度学习模型SoyNet和SoyNet-Res，并引入了两种数据级融合方法，有效整合了空间结构和颜色信息，克服了传统统计特征忽略结构信息的局限	NA	优化大豆育种表型研究，通过深度学习模型同时进行产量估算和倒伏等级判别	大豆冠层	计算机视觉	NA	无人机平台、交叉环绕倾斜路线摄影、运动结构恢复与多视图立体视觉技术	深度学习	点云数据	NA	NA	SoyNet, SoyNet-Res	均方根误差, F1分数, 准确率top-2, 准确率top-3	NA
19	2025-12-22	A scalable and efficient UAV-based pipeline and deep learning framework for phenotyping sorghum panicle morphology from point clouds 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100050 PMID:41415167	研究论文	本文提出了一种基于无人机和深度学习的高粱穗形态表型分析框架，包括3D重建、模拟数据集生成和新型多任务模型SegVoteNet	开发了结合无人机视频采集与NeRF的3D点云重建流程，并提出了SegVoteNet模型，通过分割结果优化目标检测，无需微调即可在真实数据上实现高性能	未明确说明模型在极端环境条件下的泛化能力，且实际应用中可能受无人机飞行条件和数据采集质量限制	开发可扩展的高粱穗形态表型分析方法，以支持育种和商业应用	高粱冠层和穗部形态	计算机视觉	NA	无人机视频采集, Neural Radiance Fields (NeRF), 3D模拟	深度学习, 语义分割, 3D检测	点云数据	NA	PyTorch	SegVoteNet, VoteNet, PointNet++	Mean Average Precision (mAP) @ 0.5 Intersection Over Union (IOU)	NA
20	2025-12-22	Spotibot: Rapid scoring of B otrytis lesions on rose petals using deep learning and mobile computing 2025-Jun, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100029 PMID:41415171	研究论文	本研究开发了Spotibot软件，利用深度学习和移动计算技术，自动检测玫瑰花瓣上的灰霉病病变，以快速、客观地评估抗病性	首次开发了结合深度学习和移动计算的快速、用户友好的应用程序，用于玫瑰花瓣图像分析，以筛选灰霉病抗性和易感性	NA	开发一种准确、快速、客观的表型分析工具，用于玫瑰育种选择和发现新的抗性或易感基因	玫瑰花瓣上的灰霉病病变	计算机视觉	灰霉病	NA	实例分割模型	图像	NA	NA	NA	F1分数, Spearman Rank相关系数	移动计算