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	2026-02-20	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文开发了一种基于深度学习的MRI模型，用于区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤	首次应用3D DenseNet121架构结合T1C和T2加权MRI图像，通过深度学习模型实现这两种脑部病变的非侵入性鉴别诊断	模型需要进一步验证以评估其在跨机构、患者群体和技术中的泛化能力，且未纳入其他肿瘤病因如中枢神经系统淋巴瘤和脑转移瘤	开发非侵入性方法，准确诊断脑部病变，以指导个体化治疗并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（144例）和IDH野生型胶质母细胞瘤患者（455例）	医学影像分析	脑部疾病	MRI（磁共振成像）	深度学习	图像	599例患者（144例肿瘤性脱髓鞘，455例IDH野生型胶质母细胞瘤）	NA	3D DenseNet121	AUROC（受试者工作特征曲线下面积），敏感性，特异性	NA
2	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	本文提出了一种基于卷积神经网络的深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的逐帧运动，以提高心肌血流和血流储备定量的准确性	首次将3D ResNet架构应用于18F-flurpiridaz PET的自动运动校正，通过模拟向量进行数据增强以提升训练鲁棒性，并实现了与经验操作者手动校正相当的诊断性能	研究基于单一临床试验（NCT01347710）的数据，样本量相对有限（32个站点），且依赖两名经验操作者的手动校正作为金标准，可能存在主观偏差	开发一种自动、快速且准确的深度学习运动校正方法，以减少18F-flurpiridaz PET心肌灌注成像中手动校正的观察者间变异性和时间消耗	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的临床试验受试者	医学影像分析	心血管疾病	PET成像	CNN	3D PET图像	来自32个站点的临床试验数据（具体样本数未明确，但使用5折交叉验证）	未明确指定，但基于深度学习框架	3D ResNet	AUC, 95%置信限, 平均差异	NA
3	2026-02-20	Effective 12-Lead ECG Reconstruction from Minimal Lead Sets Using Deep Learning for Advanced Wearable Systems 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254119 PMID:41336307	研究论文	本研究利用深度学习模型，从仅含三个导联的心电信号中重建标准的12导联心电图，以提升可穿戴设备的心电监测能力	采用通用模型在所有受试者上训练，无需个体化训练，提高了计算效率和泛化能力；探索了多种三导联输入配置与两种网络架构（纯卷积模型和卷积-时序模型）的组合	研究未在病理人群中进行验证，未来需扩展至病理人群	探索从少量导联重建完整12导联心电图的可行性，以增强可穿戴心电设备的诊断能力	从35电极体表电位图中提取的三导联心电信号	机器学习	心血管疾病	体表电位图	CNN	心电信号	未明确说明样本数量，但使用了多受试者的体表电位图数据	NA	纯卷积模型, 卷积-时序模型	中位数R值	NA
4	2026-02-20	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经网络编码器-解码器模型，用于编码和解码自然刺激下的fMRI脑活动	利用时间卷积层处理连续电影帧输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距	NA	探索自然刺激下fMRI脑活动与视觉输入之间的编码-解码关系	视觉皮层及周围体素的脑活动	机器学习和神经科学	NA	功能磁共振成像	编码器-解码器模型	fMRI数据和自然电影刺激	NA	NA	时间卷积层	NA	NA
5	2026-02-18	Multimodal structural MRI synthesis pipeline across age 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254451 PMID:41335748	研究论文	本研究提出了一种基于深度学习的跨模态结构MRI合成模型，用于生成T1加权和T2加权磁共振成像数据，并探索了该模型在整个生命周期（从早期发育到老年）中的年龄相关效应	开发了一种能够整合年龄信息的跨模态MRI合成模型，覆盖从早期发育到老年的整个生命周期，这在现有研究中较为少见	未明确提及模型在临床环境中的验证或与其他合成方法的比较，可能缺乏广泛的泛化性评估	通过深度学习模型合成T1加权和T2加权MRI数据，以解决获取多模态结构MRI数据时资源密集和耗时的问题，并研究年龄对合成数据的影响	T1加权和T2加权磁共振成像数据，针对早期发育、青年成年和老年人群	医学影像分析	NA	磁共振成像	深度学习模型	图像	NA	NA	NA	均方误差, 峰值信噪比	NA
6	2026-02-18	X2Graph for Cancer Subtyping Prediction on Biological Tabular Data 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253574 PMID:41336217	研究论文	提出一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据上进行癌症亚型预测	利用外部知识（如基因相互作用）将表格数据转换为图结构，从而应用标准消息传递算法进行建模	NA	在数据稀缺的医疗领域，特别是癌症诊断中，提升深度学习在表格数据上的性能	癌症亚型预测	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	NA	NA	NA
7	2026-02-18	Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer Model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253987 PMID:41336393	研究论文	提出一种基于原型对齐迁移模型的在线序列脑电信号情绪识别方法，用于解决模型在新数据上适应性差和训练数据缺乏主体独立性的问题	在在线学习环境中引入跨主体迁移学习模型，通过选择性修剪和重新初始化模型参数快速适应新主体，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情感类别的原型特征	未明确说明模型在不同情绪类别间的泛化能力，也未讨论实时在线学习过程中的计算延迟问题	开发一种能够快速适应新主体且保持高准确率的在线序列脑电情绪识别方法	脑电信号（EEG）	机器学习	NA	脑电信号采集	深度学习模型	时间序列数据（脑电信号）	SEED和SEED-IV数据集	PyTorch, TensorFlow	领域对抗神经网络（DANN）	准确率	NA
8	2026-02-17	Raptor: Scalable Train-Free Embeddings for 3D Medical Volumes Leveraging Pretrained 2D Foundation Models 2025-Jul, Proceedings of machine learning research PMID:41684746	研究论文	提出一种无需训练的3D医学体积数据嵌入方法Raptor，利用预训练的2D基础模型生成语义丰富的表示	首次提出通过随机平面张量压缩技术，将预训练的2D自然图像基础模型直接应用于3D医学体积数据，完全避免高成本训练过程	未明确说明方法对特定模态（如CT、超声）的泛化能力，且依赖2D基础模型的自然图像预训练知识	解决3D医学影像基础模型开发中的计算复杂性和数据稀缺问题	磁共振成像（MRI）等医学体积数据	医学影像分析	NA	随机投影压缩	基础模型	3D医学体积数据（MRI）	十个不同的医学体积任务数据集	NA	预训练的2D基础模型	与SuPreM、MISFM、Merlin、VoCo、SLIViT等方法的性能对比	NA
9	2026-02-11	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	本文提出了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补，以克服数据噪声高和基因测量缺失的挑战	spRefine是一个无需参考的框架，首次将基因组语言模型应用于空间转录组数据的联合去噪和插补，显著提升了数据整合的鲁棒性，并作为模型预训练和发现新生物信号的强大工具	NA	开发一个深度学习框架，以改善空间转录组数据的质量，促进数据整合和下游生物学分析	空间转录组数据	机器学习	NA	空间转录组学	深度学习框架	空间转录组数据	NA	NA	基因组语言模型	NA	NA
10	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2025-Jul-29, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.16.24310445 PMID:40766130	研究论文	本研究利用深度学习模型基于治疗前脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将混合1DCNN和GRU模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并采用特定电极的功率谱密度值作为输入特征	样本量较小（仅21名参与者），可能影响模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相抑郁患者	机器学习	双相情感障碍	脑电图	CNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN, GRU	准确率, 灵敏度, 特异度	NA
11	2026-02-06	RETRACTED ARTICLE: Gesture recognition and response system for special education using computer vision and human-computer interaction technology 2025-Jul-08, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2527226 PMID:40625119	研究论文	本研究提出了一种用于特殊教育的综合手势识别与响应系统，利用先进的深度学习架构和机器学习算法，并通过遗传算法进行模型压缩以优化在资源受限设备上的部署	结合多种深度学习模型（AlexNet、VGG19、ResNet、MobileNet）与机器学习算法（SVM、随机森林），并引入遗传算法进行模型压缩，显著减小模型尺寸并提升推理速度	未明确说明数据集的具体规模和多样性细节，未来需扩展手势库并整合多模态输入	开发适用于特殊教育的手势识别与响应系统，作为残疾人士的辅助工具，促进包容性学习体验	手势识别系统及其在特殊教育环境中的应用	计算机视觉	NA	深度学习、机器学习、遗传算法	CNN	图像	多样化的手势数据集（具体数量未说明）	TensorFlow, PyTorch, Scikit-learn	AlexNet, VGG19, ResNet, MobileNet	准确率	移动和嵌入式平台（具体资源未说明）
12	2026-02-02	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	本文开发了一个名为mamp-ml的机器学习框架，用于预测植物受体-配体相互作用，以解决实验瓶颈问题	结合了超过二十年的功能数据和大型蛋白质语言模型ESM-2，构建了一个能够预测免疫原性结果的管道和模型，即使在没有实验结构的情况下也能实现预测	模型在保留测试集上的预测准确率为73%，可能存在进一步提升的空间，且未详细讨论模型在更广泛数据集上的泛化能力	开发一个机器学习框架来预测植物受体-配体相互作用，以高通量筛选LRR受体-配体组合并工程化植物免疫系统	植物受体和配体，特别是LRR受体及其配体	机器学习	NA	蛋白质语言模型ESM-2	深度学习	蛋白质序列数据	基于超过二十年的功能数据，具体样本数量未明确说明	未明确指定，可能为自定义框架	ESM-2	准确率	NA
13	2026-02-02	Fewer medullary pyramids in the living kidney donor are associated with graft failure in the recipient 2025-Jul, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2025.01.041 PMID:39892790	研究论文	本研究通过CT和病理学分析，探讨了活体供肾的结构特征与受体移植肾失败之间的关联	首次将CT图像中的肾髓质金字塔数量作为预测移植肾失败的生物标志物，并结合深度学习模型进行量化分析	研究为回顾性分析，可能受限于样本选择和随访时间，且未考虑所有潜在混杂因素	识别与活体供肾受体移植肾失败相关的肾实质结构特征	活体供肾移植的受体及其捐赠的肾脏	数字病理学	肾脏疾病	CT成像，组织形态学分析	深度学习模型	CT图像，组织切片	3098名受体，随访中位数为5年，包含346例移植肾失败事件	NA	NA	移植肾失败发生率（每100人年），估计肾小球滤过率	NA
14	2026-01-29	Knockout: A simple way to handle missing inputs 2025-Jul, Transactions on machine learning research PMID:41552269	研究论文	提出了一种名为Knockout的高效方法，用于处理深度学习模型在推理时可能遇到的输入缺失问题	通过随机替换输入特征为占位符值进行训练，实现了对完整输入条件分布和边际分布的联合学习，并提供了理论解释，可视为一种隐式边际化策略	未明确说明在高维数据（如图像）缺失时的具体性能限制或计算复杂度分析	开发一种能够有效处理多模态模型中输入缺失的通用方法	深度学习模型，特别是多模态输入场景	机器学习	NA	NA	深度学习模型	多模态输入特征	NA	NA	NA	NA	NA
15	2026-01-29	Confounder-Free Continual Learning via Recursive Feature Normalization 2025-Jul, Proceedings of machine learning research PMID:41574232	研究论文	本文提出了一种用于持续学习的新型递归特征归一化方法，以消除混杂变量对模型预测的影响	提出了递归元数据归一化层，可在持续学习场景中动态适应数据和混杂变量分布的变化，有效减少因混杂效应随时间变化导致的灾难性遗忘	未明确说明方法在极端分布偏移或高维混杂变量情况下的性能表现	开发一种能够在持续学习过程中消除混杂变量影响的深度学习框架	深度学习模型中的特征表示	机器学习	NA	递归最小二乘算法	深度学习架构，视觉变换器	NA	NA	NA	视觉变换器	跨群体公平性预测	NA
16	2026-01-28	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性	首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质	模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围	开发能够预测蛋白质动态行为和突变效应的深度学习模型	超过64,000个蛋白质的动态生物物理特性	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
17	2026-01-27	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）对心血管风险进行多时间范围预测，并将预测结果转化为临床可解释的建议	基于临床现实的合成患者队列，可能未完全反映真实世界数据的复杂性	支持初级保健中心血管风险的分层和早期干预	心血管疾病风险患者	机器学习	心血管疾病	时间深度学习	LSTM, GRU	序列数据（包括人口统计学和临床变量）	临床现实的合成患者队列	NA	LSTM, GRU	NA	NA
18	2026-01-26	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	本研究利用计算机视觉和深度学习技术，分析了纽约、波士顿和费城四个城市公共空间在30年间（1979-80年至2008-10年）的行人行为变化	首次将计算机视觉和深度学习技术应用于长期历史视频数据，以量化分析城市公共空间中行人行为的时间演变，扩展了William Whyte的传统观察方法	研究仅涵盖三个美国城市的四个公共空间，样本代表性可能有限；依赖于历史视频质量，可能影响分析准确性	探究城市公共空间中行人行为随时间的变化趋势及其对社会互动的影响	纽约、波士顿和费城四个城市公共空间的行人	计算机视觉	NA	计算机视觉, 深度学习	NA	视频	1979-80年和2008-10年两个时期的视频数据，覆盖四个城市公共空间	NA	NA	NA	NA
19	2026-01-24	Whole tissue imaging of cellular boundaries at sub-micron resolutions for deep learning cell segmentation: Applications in the analysis of epithelial bending of ectoderm 2025-Jul-26, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70061 PMID:40716088	研究论文	本文介绍了一种名为MORPHOVIEW的成像与分割方法，用于在亚微米分辨率下保留细胞边界标记并实现三维组织细胞分割，应用于分析上皮弯曲的发育过程	开发了一种保留细胞边界标记并与水折射率匹配的成像技术，结合神经网络分割模型，实现了高分辨率三维细胞形态的量化分析	未明确说明方法在更广泛组织类型或模型中的适用性限制	研究细胞形态在器官形态发生过程中的变化，特别是上皮弯曲的发育事件	转基因小鼠下颌骨细胞膜表达荧光蛋白的组织，以及猫鲨的牙板和真皮小齿等非模型动物外胚层结构	数字病理学	NA	组织透明化协议，高倍长工作距离水浸物镜成像，荧光蛋白标记	神经网络	三维荧光图像	转基因小鼠下颌骨和猫鲨牙板与真皮小齿组织样本	NA	NA	NA	NA
20	2026-01-24	Enhancing breast cancer classification using a deep sparse wavelet autoencoder approach 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11816-y PMID:40681757	研究论文	本文提出了一种结合深度学习、稀疏编码和小波网络的深度稀疏小波自编码器（DSWAE）新架构，用于增强2D乳腺癌图像的分类性能	提出了一种创新的深度稀疏小波自编码器（DSWAE）架构，通过堆叠小波自编码器构建了一个专门用于2D乳腺癌图像分类的鲁棒模型，该模型在提高分类精度的同时，通过使用参数最少的深度网络优化了计算效率	NA	提高2D乳腺癌图像的分类准确性，以支持早期检测和分期	2D乳腺癌图像数据集	计算机视觉	乳腺癌	数字成像技术	自编码器	图像	NA	NA	深度稀疏小波自编码器（DSWAE）	精确率, 召回率	NA