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	2026-10-08	ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110393 PMID:40460563	研究论文	该论文提出ViTU-Net混合深度学习模型，结合基于patch的LSB方法和水印参数优化算法，用于医学图像水印和认证	整合了ViT编码器和U-Net解码器，采用自适应分层空间注意力模块（AHSA）增强空间处理；设计了基于patch的LSB嵌入机制，在非诊断区域（RONI）动态嵌入可逆脆弱水印；引入了TuniBee Fusion混合元启发式优化算法动态优化水印参数；结合SHA-512哈希和AES加密增强安全性	摘要中未明确提及研究的局限性	解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保胸部X光图像的数据完整性、机密性和真实性，用于肺炎诊断	胸部X光医学图像	医学图像处理	肺炎	医学图像水印、LSB嵌入、SHA-512哈希、AES加密	Vision Transformer、U-Net、混合元启发式优化算法	图像	NA	NA	Vision Transformer, U-Net	PSNR, NCC, SSIM, 鲁棒性分析	NA
2	2026-10-07	LLM-Guided Decoupled Probabilistic Prompt for Continual Learning in Medical Image Diagnosis 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3566105 PMID:40310742	研究论文	提出一种由大语言模型引导的解耦概率提示方法（LDPP），用于医学图像诊断中的持续学习，以应对动态临床环境中新疾病的出现	利用大语言模型生成解耦的专家知识和全面的类别描述；构建共享的解耦概率提示池（DePP），通过概率提示为输入图像动态提供多样化且灵活的描述；设计引导提示池（SPP），通过学习非共享提示增强类内紧凑性并提升模型性能	摘要中未明确提及	解决医学图像诊断中持续学习面临的挑战，即在动态临床环境中学习新疾病知识的同时保留已有知识	医学图像诊断中的持续学习任务	医学图像分析	NA	提示微调（Prompt Tuning）	大语言模型（LLM）、提示微调模型	图像	NA	NA	NA	NA	NA
3	2026-09-28	Performance Degradation between Development and Deployment of a Predictive Model for Central Line-Associated Bloodstream Infections in Hospitalized Children 2025-08, Applied clinical informatics IF:2.1Q4 DOI:10.1055/a-2605-1847 PMID:40355126	研究论文	本文报告了儿科中心静脉导管相关血流感染预测模型从开发到部署过程中性能下降的问题，并分析了根本原因	创建了新颖的基础设施来复制深度学习模型所需的复杂预处理，包括组织当前数据和构建历史数据存储及API；前瞻性实施并验证了模型在临床实践中的性能	模型性能从回顾性数据的AUROC 0.97下降到部署时的<0.60，主要由于训练/服务偏差、特征泄漏和过拟合等问题，未能达到预期性能	前瞻性实施儿科CLABSI预测模型，并在离线验证中达到足够性能以用于临床实践	住院儿童的中心静脉导管相关血流感染预测	机器学习	中心静脉导管相关血流感染	NA	深度学习模型	电子健康记录数据	NA	NA	NA	AUROC	NA
4	2026-09-27	FairFML: fair federated machine learning with a case study on reducing gender disparities in cardiac arrest outcome prediction 2025-Aug-12, npj health systems DOI:10.1038/s44401-025-00035-2 PMID:42527482	研究论文	该文章提出了一种名为FairFML的公平联邦机器学习方法，旨在减少跨机构医疗协作中的算法偏见，同时保护患者隐私，并以心脏骤停结果预测中的性别差异为案例进行了验证	提出了一种模型无关的公平联邦机器学习解决方案，能够在不牺牲预测性能的情况下将公平性指标提升高达90%，并且兼容从传统统计方法到深度学习的多种联邦学习框架和模型	仅在心脏骤停结果预测这一个案例上进行了验证，未在其他疾病领域或更大规模的多机构数据集上广泛评估	在保护患者隐私的前提下，减少跨机构医疗协作中的算法偏见，促进临床预测模型的公平性	跨机构医疗协作中的联邦学习模型以及心脏骤停结果预测中的性别差异	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	公平性指标, 预测性能指标	NA
5	2026-09-25	Pyramidal attention-based T network for brain tumor classification: a comprehensive analysis of transfer learning approaches for clinically reliable and reliable AI hybrid approaches 2025-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11574-x PMID:40764518	研究论文	本文提出了一种基于金字塔注意力机制的双分区T网络（PABT-Net），用于脑肿瘤MRI图像的分类，并在三个基准数据集上进行了全面评估和迁移学习方法的比较分析	提出了新颖的金字塔注意力双分区T网络（PABT-Net），结合了分层金字塔注意力机制、基于T块的双分区特征提取和自卷积膨胀神经分类器，通过自适应聚焦脑MRI图像中的信息区域来提高空间可判别性并减少误判	摘要中未明确提及该研究的局限性	开发一种临床上可部署、可解释的自动化脑肿瘤分类模型，提高脑肿瘤分类的准确性和鲁棒性	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、无肿瘤和垂体瘤四类	计算机视觉	脑肿瘤	迁移学习	CNN	图像	7023张MRI图像，来自三个基准数据集（Figshare脑肿瘤数据集、Sartaj脑MRI数据集和Br35H脑肿瘤数据集），分为四类：胶质瘤、脑膜瘤、无肿瘤和垂体瘤	NA	PABT-Net、NASNet、VGG19、MobileNet、CNN、LSTM、CNN-LSTM、ANN	准确率、交叉验证准确率、Jaccard相似系数、Cohen's Kappa值、精确率、召回率、特异性、F1分数、AUC、混淆矩阵、ROC分析	NA
6	2026-09-25	Explaining care need assessment surveys: qualitative and quantitative evaluation of state-of-the-art local and global explainable artificial intelligence methods 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf064 PMID:40741010	研究论文	本文利用可解释人工智能方法，对德国超过72000份护理福利申请文本进行分析，以识别影响护理需求评估的关键因素	首次系统性地比较传统和先进的基于深度学习的可解释人工智能方法，从大规模护理福利申请文本中提取护理需求评估的关键短语，并将局部解释聚合为全局洞察	可解释人工智能结果可能变得难以处理；研究仅基于德国护理福利申请数据，可能不适用于其他国家的护理评估体系	利用大规模护理福利申请文本语料库，探索影响护理需求评估的因素，以支持专家确定可靠护理需求评估标准的繁琐工作	德国护理福利申请文本（超过72000份申请）	自然语言处理	老年疾病	可解释人工智能（XAI）、特征归因方法	Transformer	文本	超过72000份德国护理福利申请	NA	Transformer、词袋模型	NA	NA
7	2026-09-25	Transparent brain tumor detection using DenseNet169 and LIME 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13233-7 PMID:40750659	研究论文	本文提出了一种基于DenseNet169与LIME集成的DenseNet169-LIME-TumorNet模型，用于脑肿瘤分类并提升模型可解释性	将DenseNet169与LIME集成，在提升脑肿瘤分类性能的同时增强模型透明度和临床决策可靠性	未采用多模态学习方法，未来需提升泛化能力、开发混合深度学习和实时AI辅助诊断应用	提高脑肿瘤分类性能并增强模型可解释性，以支持临床诊断和治疗规划	脑肿瘤MRI图像	计算机视觉	脑肿瘤	NA	CNN	图像	2870张脑肿瘤MRI图像，涵盖三种肿瘤类型	NA	DenseNet169, Inception V3, ResNet50, MobileNet V2, EfficientNet	准确率	NA
8	2026-09-25	Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13779-6 PMID:40750813	研究论文	该研究提出了一种利用情感语音线索生成逼真人脸动画的新方法，并将其应用于乒乓球直播中	结合深度网络与低秩主动学习，从语音信号中提取音素-情感组合的关键帧，并通过变形技术生成流畅的人脸动画	未明确说明方法在复杂情感或多种语言场景下的泛化能力，也未提供定量性能评估指标	基于情感和语音信号生成逼真的人脸动画，并探索其在乒乓球直播等实时场景中的应用	语音信号、人脸图像帧、音素-情感组合、面部表情动画	计算机视觉	NA	主动学习、深度网络、变形技术	深度学习模型	语音信号、图像	NA	NA	聚合深度网络、低秩主动学习	NA	iOS和Android移动操作系统
9	2026-09-25	Construction of GAN-RES and Its Application to Small Sample Fusulinid Fossil Recognition 2025-Aug, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.71845 PMID:40755890	研究论文	该文提出GAN-RES方法，结合生成对抗网络和多种CNN架构，用于小样本䗴类化石识别	将GAN与ResNet50、EfficientNet及自定义CNN结合，通过生成样本扩充数据集，提升小样本化石识别精度	未明确说明计算资源，且仅与数据增强方法对比，未与其他先进方法比较	解决稀有化石小样本识别精度低的问题	䗴类化石图像	计算机视觉	NA	生成对抗网络	GAN, CNN	图像	NA	NA	ResNet50, EfficientNet, 自定义CNN	准确率	NA
10	2026-09-25	Cerebral Amyloid Deposition With 18F-Florbetapir PET Mediates Retinal Vascular Density and Cognitive Impairment in Alzheimer's Disease 2025-08-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70310 PMID:40757876	研究论文	本研究探讨了脑内淀粉样蛋白沉积、视网膜血管密度与阿尔茨海默病认知障碍之间的关系	使用深度学习基于眼底摄影量化视网膜血管密度，并结合18F-Florbetapir PET/MRI测量脑内Aβ沉积，通过中介分析揭示血管密度通过Aβ沉积影响认知功能	样本量相对较小，未提及纵向随访数据	研究脑内淀粉样蛋白沉积、视网膜血管密度与认知 decline 之间的关系，探索视网膜血管密度作为阿尔茨海默病早期检测生物标志物的潜力	92名参与者，包括47名阿尔茨海默病患者和45名健康对照	数字病理学	阿尔茨海默病	18F-Florbetapir PET/MRI，深度学习基于眼底摄影	CNN	图像	92名参与者（47名AD患者，45名健康对照）	NA	NA	Pearson相关系数，p值，标准化摄取值比率	NA
11	2026-09-23	Extracting Genetically-Imputed Causal Features From ECG Data 2025-Aug, Statistical analysis and data mining IF:2.1Q1 DOI:10.1002/sam.70026 PMID:42100677	研究论文	本文应用DeepFEIVR及其变体DeepFEIVR-RI于英国生物银行大型数据集，从ECG数据中提取遗传推算的因果特征以研究心房颤动	扩展了DeepFEIVR和DeepFEIVR-RI以容纳大量工具变量，并应用dnn-loc算法对提取的因果特征进行可视化检查	未明确提及	从ECG数据中提取遗传推算的因果特征，以增进对心房颤动病因学的理解	英国生物银行数据集中的ECG数据和心房颤动	机器学习	心血管疾病	孟德尔随机化	深度学习	图像	英国生物银行大型数据集（具体样本量未提及）	NA	DeepFEIVR, DeepFEIVR-RI	p值小于10的显著性	NA
12	2026-09-21	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究了如何通过结合复值表示和Kuramoto同步动力学来增强深度神经网络在视觉分类任务中的物体编码能力。	将复值表示与Kuramoto动力学结合以促进相位对齐，并比较了前馈模型和带反馈的循环模型，利用自顶向下信息细化相位同步。	仅在多物体图像任务（如重叠手写数字、噪声输入和分布外变换）上评估，未在更广泛的视觉任务或大规模数据集上验证。	探索基于同步的机制是否能增强人工模型在视觉分类中的物体编码能力。	多物体图像，包括重叠手写数字、噪声输入和分布外变换。	计算机视觉	NA	NA	前馈神经网络，循环神经网络	图像	NA	NA	NA	NA	NA
13	2026-09-21	Autonomous Closed-Loop Control for Robotic Soft Tissue Electrosurgery Using RGB-D Image Guidance 2025-Aug, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3583169 PMID:41613948	研究论文	本文提出了一种基于RGB-D图像引导的自主闭环机器人软组织电外科手术系统，通过3D组织跟踪和模糊逻辑控制实现精确切割	利用CoTracker进行无标记3D组织跟踪，结合工具遮挡算法，并采用模糊逻辑控制器动态调整切割速度，实现闭环控制	仅在离体猪舌上验证，样本量较小（闭环N=6，开环N=3），未进行在体实验	提高机器人电外科手术中软组织切割的精度，减少切割误差，从而降低癌症复发风险	离体猪舌	计算机视觉	口腔癌	电外科手术，RGB-D成像	CoTracker，模糊逻辑控制器	图像（RGB-D）	离体猪舌：闭环6例，开环3例	NA	CoTracker	平均切割误差	NA
14	2026-09-19	GIN-CRC-Pareto: A graph-based Pareto-optimal multi-task learning framework to identify miRNA-target interactions in colorectal cancer 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.10.669528 PMID:40832303	研究论文	本文提出了一种基于图的帕累托最优多任务学习框架GIN-CRC-Pareto，用于同时预测miRNA-mRNA结合对、识别种子匹配对并分类种子匹配亚型，以识别结直肠癌中的miRNA-靶标相互作用	结合图神经网络与帕累托最优梯度平衡策略，动态调整任务权重以优化每个任务而不影响其他任务，并验证了该框架结合迁移学习在其他癌症中的泛化能力	摘要中未明确提及研究的局限性	识别结直肠癌中的miRNA-靶标相互作用，以阐明驱动结直肠癌及其他恶性肿瘤的分子机制，并促进基于miRNA的癌症治疗开发	结直肠癌（CRC）中的miRNA-mRNA相互作用	机器学习	结直肠癌	NA	图神经网络	NA	NA	NA	图同构网络	准确率，精确率，AUC	NA
15	2026-09-18	drGT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network 2025-Aug-27, ArXiv PMID:38800657	研究论文	该文提出了drGT，一种基于药物-细胞-基因异构图和注意力机制的图深度学习模型，用于预测药物敏感性并辅助生物标志物识别	利用注意力系数实现药物响应预测的可解释性，通过PubMed文献文本挖掘验证高系数基因与药物的共现关系，并结合富集分析识别药物影响的生物过程	在未见细胞系上的预测性能相对较低（AUROC为70.6%），模型可解释性部分依赖文献支持而非完全独立验证	解决药物响应预测中结果解释与已有知识对比的挑战，提升预测模型的可解释性	药物、基因、细胞系及其响应关系	机器学习	癌症	图深度学习、文本挖掘、富集分析	图神经网络	图数据、文本	976种药物（来自NCI60数据集，具有已知药物-靶点相互作用），涵盖Sanger GDSC、NCI60和Broad CTRP基准数据集中的多种药物和癌细胞系	PyTorch	异构图注意力网络	AUROC	NA
16	2026-09-18	Decoding the Functional Interactome of Non-Model Organisms with PHILHARMONIC 2025-Aug-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.25.620267 PMID:39553947	研究论文	本文介绍了一种名为PHILHARMONIC的计算方法，结合深度学习蛋白质相互作用网络推断、无监督谱聚类和远程同源，用于非模式生物的功能发现	结合深度学习蛋白质相互作用网络推断、鲁棒的无监督谱聚类和远程同源，能够从仅有的测序蛋白质组中预测蛋白质功能、功能社区和高级网络结构，并在非模式生物中实现高精度	未明确提及，但可能依赖于蛋白质相互作用预测的准确性，且对于极端非模式生物的性能可能受限	解决非模式生物中基因功能注释的挑战，提供功能发现和生物学假设生成的通用引擎	非模式生物，包括珊瑚Acropora millepora及其共生藻Symbiodinium	机器学习	NA	深度学习, 无监督谱聚类, 远程同源	深度学习模型	蛋白质序列, 蛋白质相互作用数据, 基因表达数据, 通路数据	未明确说明具体样本数量	NA	NA	高精度，但未具体说明指标	NA
17	2026-09-18	RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation 2025-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634669 PMID:39896539	研究论文	提出RNAbpFlow，一种基于序列和碱基对条件化的SE(3)-等变流匹配模型，用于生成RNA三维结构集合	利用核碱基中心表示，实现全原子RNA结构的端到端生成，无需显式或隐式使用进化信息或同源结构模板；碱基对条件化带来广泛可泛化的性能提升	未明确提及局限性	解决RNA三维结构预测的挑战，生成RNA三维结构集合	RNA分子	计算生物学	NA	深度学习，流匹配	SE(3)-等变流匹配模型	序列，结构	大规模基准测试	NA	RNAbpFlow	NA	NA
18	2026-09-18	Vision Transformer Autoencoders for Unsupervised Representation Learning: Revealing Novel Genetic Associations through Learned Sparse Attention Patterns 2025-Aug-22, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.24.25324549 PMID:40196251	研究论文	设计基于视觉Transformer的自编码器，从脑部MRI中无监督学习表型，并通过GWAS发现新的遗传关联	首次使用ViT自编码器替代CNN提取脑影像表型，发现10个新基因座，其中3个与脑结构无已知关联，归因于ViT学习稀疏注意力模式捕获非局部模式	未明确说明	通过深度学习从脑影像中提取表型，进行全基因组关联分析以发现与脑结构相关的遗传位点	英国生物银行参与者的脑部MRI影像和基因型数据	计算机视觉, 机器学习, 神经影像遗传学	NA	全基因组关联分析, 脑部MRI	视觉Transformer自编码器	图像, 基因型	来自英国生物银行的参与者（具体数量未提供）	NA	视觉Transformer自编码器	NA	NA
19	2026-09-18	Identifying Sex-Specific Sub-phenotypes of Alzheimer's Disease Progression Using Longitudinal Electronic Health Records 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.07.24310055 PMID:39040206	研究论文	该研究开发了一种时间自编码器框架，利用纵向电子健康记录数据识别阿尔茨海默病进展中性别特异性的亚表型	首次将时间自编码器框架应用于大规模纵向电子健康记录数据，识别出五个性别分层的阿尔茨海默病亚表型，揭示了女性和男性主导群体在AD发病和共病积累方面的时间动态异质性	摘要中未明确提及研究的局限性	识别阿尔茨海默病进展中性别特异性的亚表型，以深入理解AD进展中的性别异质性，并为早期风险分层、个性化干预和临床试验设计提供可扩展工具	阿尔茨海默病患者，来源于OneFlorida+临床研究联盟的纵向电子健康记录数据	机器学习	阿尔茨海默病	纵向电子健康记录分析	自编码器	文本	NA	NA	时间自编码器	NA	NA
20	2026-09-18	Antisense oligonucleotide depletion of CCDC146 is a broad-spectrum therapeutic strategy for ALS 2025-Aug-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.30.24305115 PMID:38633814	研究论文	该研究通过基因组深度学习分析发现CCDC146的非编码变异与ALS患者生存相关，并通过反义寡核苷酸抑制CCDC146可挽救ALS模型中的生存缺陷和病理。	首次发现CCDC146作为ALS生存的新修饰因子，并证明靶向CCDC146的反义寡核苷酸是治疗散发性和遗传性ALS的广谱策略。	未明确提及研究限制。	探究ALS的遗传机制并寻找新的治疗靶点。	ALS患者（包括散发性和家族性）、iPSC来源的运动神经元、ALS小鼠模型。	机器学习	肌萎缩侧索硬化	全基因组分析、基因组深度学习、反义寡核苷酸（ASO）、遗传编辑	深度学习	基因组数据、图像、文本	6,715名ALS患者	NA	NA	生存率、生存缺陷挽救、TDP-43病理逆转	NA