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	2026-09-04	Renji endoscopic submucosal dissection video data set for colorectal neoplastic lesions 2025-08-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05718-x PMID:40770268	研究论文	介绍了一个针对结直肠肿瘤病变的内镜黏膜下剥离术视频数据集，包含30个手术录像和130,298个阶段标注，并公开于Figshare平台	首次公开提供针对结直肠肿瘤病变治疗的内镜黏膜下剥离术视频数据集	NA	为深度学习算法在手术阶段识别中提供全面注释的数据集，并促进行业标准建立	结直肠肿瘤病变的内镜黏膜下剥离术视频记录	计算机视觉	结直肠肿瘤	NA	深度学习算法	手术视频	30个手术录像，130,298个阶段标注	NA	NA	NA	NA
62	2026-09-04	The First Seasonal Green View Index Mapping Dataset across Chinese cities powered by deep learning 2025-08-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05706-1 PMID:40764774	research paper	介绍了一个基于多源遥感数据和深度学习生成的覆盖中国19个主要城市的季节绿色视图指数（SGVI-2023）映射数据集	首次构建了基于遥感数据的跨城市、季节分辨率的绿色视图指数数据集，克服了传统依赖街景图像方法在季节性和跨城市分析方面的局限	NA	开发一个基于遥感数据和深度学习的季节绿色视图指数映射数据集，以实现大规模的城市绿色度动态监测和城市规划支持	覆盖中国19个主要城市的季节绿色视图指数以及来自多源遥感数据的街道级绿色景观	computer vision	NA	遥感数据（包括卫星影像）和深度学习技术	深度学习模型（具体类型未提及）	多源遥感数据和街景图像	约1百万对配对的卫星影像和街景图像样本，从2019年至2023年收集，覆盖19个城市	NA	NA	Pearson相关系数（点尺度为0.867，街道尺度为0.918）	NA
63	2026-08-28	When deep learning is not enough: artificial life as a supplementary tool for segmentation of ultrasound images of breast cancer 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03026-x PMID:38498125	研究论文	本文提出了一种结合深度学习和人工生命的混合模型，用于乳腺超声图像中肿瘤的分割，以提高分割精度并处理未见过的数据。	引入了一种新颖的混合方法，将深度学习与多代理人工生命相结合，能够在较小的数据集上训练，并显著优于14种最先进的算法。	未明确指出局限性，但可能包括对图像质量和机器规格的敏感性，以及需要进一步验证泛化能力。	开发一种高精度、小数据集需求且能处理未知数据的AI模型，用于乳腺超声图像中肿瘤分割，辅助诊断和超声引导活检。	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声波成像	深度学习（DL）和人工生命（AL）混合模型	图像	1264张超声图像，患者年龄22-73岁	NA	Unet（作为基准），DL-AL混合架构	Dice系数、相对Hausdorff距离	NA
64	2026-08-25	Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07228-9 PMID:40159544	系统综述和荟萃分析	本研究系统评估深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的性能	首次对深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的性能进行系统综述和荟萃分析	研究间存在较大异质性，部分归因于深度学习方法和成像模态的差异	计算深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的诊断性能	阿尔茨海默病、轻度认知障碍和正常对照受试者	医学影像分析	阿尔茨海默病	PET成像	深度学习模型	图像	36项研究	NA	NA	AUC	NA
65	2026-08-25	Hypermetabolic pulmonary lesions detection and diagnosis based on PET/CT imaging and deep learning models 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07215-0 PMID:40183951	研究论文	本研究旨在开发和评估基于PET/CT影像和深度学习模型的肺高代谢病变检测与分类方法，将病变分为良性、肺癌、肺淋巴瘤和转移四类。	采用多维度联合网络，结合图像块和二维投影进行病变分类，并与放射组学模型进行比较，同时对外部测试集和新型影像设备数据进行了验证。	未提及。	开发并评估深度学习模型，用于高代谢肺病变的检测、分割和分类，以辅助临床决策和肺病诊断。	高代谢肺病变（包括良性、肺癌、肺淋巴瘤和转移）	医学影像分析	肺癌，肺淋巴瘤，转移性肺病	PET/CT成像	深度学习模型（具体未指明，但涉及定位和分类模型）	PET/CT图像	647例（男性409例，女性238例），来自5个中心，分为内部数据集（426例）、外部测试集I（151例）和外部测试集II（70例）	未指明	未指明（但涉及多维度联合网络）	检测率、准确性、曲线下面积（AUC）	未提及
66	2026-08-25	Interpretable multimodal deep learning model for predicting post-surgical international society of urological pathology grade in primary prostate cancer 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07248-5 PMID:40183953	研究论文	开发了一种可解释的多模态深度学习融合模型，整合18F-PSMA-PET/CT影像特征和临床变量，用于预测原发性前列腺癌术后ISUP分级	首次将18F-PSMA-PET/CT影像组学特征与临床变量融合，并引入SHAP可解释性分析，开发了影像组学列线图以提高临床适用性	未提供	准确预测术后ISUP分级（≥4 vs <4），优化手术规划和个性化治疗策略	222名原发性前列腺癌患者（2020-2024年）	医学影像分析	前列腺癌	18F-PSMA-PET/CT成像	深度学习融合模型	影像图像和临床数据	222名患者	未提供	未提供	曲线下面积(AUC)	未提供
67	2026-08-24	AI-based localization of the epileptogenic zone using intracranial EEG 2025-Aug-25, Epilepsia open IF:2.8Q2 DOI:10.1002/epi4.70130 PMID:40853284	综述	本文综述了人工智能在癫痫中利用颅内脑电图定位致痫区的方法和应用，涵盖了预处理、训练、评估和解释等步骤。	系统总结了最近机器学习和深度学习在致痫区识别中的应用，特别关注发作间期脑电高频振荡的分析。	未提供，文中仅提及过挑战但未明确说明局限性。	综述AI在利用颅内脑电图定位致痫区中的最新进展，并讨论如何最大化其潜力。	癫痫患者的颅内脑电图数据，特别是发作间期信号。	机器学习和临床神经科学	癫痫	颅内脑电图，高频振荡分析	机器学习模型、深度学习模型（如神经网络）	生理信号（脑电图）	未明确提供	未明确提供	未明确提供	未明确提供	未明确提供
68	2026-08-24	Bridging technology and medicine: artificial intelligence in targeted anticancer drug delivery 2025-Aug-01, RSC advances IF:3.9Q2 DOI:10.1039/d5ra03747f PMID:40761897	综述	本文综述了人工智能在靶向抗癌药物递送中的应用，探讨了多种AI方法如何提升癌症治疗的精准性和有效性	系统性地整合了机器学习、深度学习和强化学习在靶向药物递送中的应用，强调了从传统治疗范式向个性化癌症护理的转变	讨论了数据质量问题、AI模型的可解释性不足以及在临床环境中进行稳健验证的迫切需求	探讨AI技术在靶向抗癌药物递送中的潜力，以增强治疗疗效并减少副作用	靶向抗癌药物递送系统及其相关AI方法	机器学习	癌症	NA	支持向量机、随机森林、卷积神经网络、强化学习	基因组数据、蛋白质组数据、临床数据、医学图像	NA	NA	卷积神经网络、支持向量机、随机森林	NA	NA
69	2026-08-24	Dynamics of the EZ/RPE Loss Ratio on OCT Over Time During Geographic Atrophy Progression and Treatment With Pegcetacoplan 2025-08-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.11.48 PMID:40833323	研究论文	本研究利用基于深度学习的光学相干断层扫描分析，探讨年龄相关性黄斑变性继发的地理萎缩中椭圆体带与视网膜色素上皮损失比率随时间的变化及其在治疗中的意义。	首次使用深度学习算法自动量化OCT上EZ/RPE损失比率，并分析其在GA进展和补体C3抑制剂pegcetacoplan治疗中的动态变化，为疾病监测和治疗反应提供新指标。	信息未在标题和摘要中明确提及，可能包括样本仅来自特定临床试验、随访时间有限或算法验证范围等，此处输出NA。	评估EZ/RPE损失比率在OCT上的时间变化，及其作为GA进展和治疗反应预测因子的价值。	接受sham、每月或隔月玻璃体内注射pegcetacoplan治疗的GA患者（来自OAKS和DERBY试验）。	医学影像分析	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	OCT图像	889个OCT体积（来自试验患者）	未指定	未指定	未指定	未指定
70	2026-08-22	Deep learning for disease outbreak prediction: a parallel LSTM-CNN model 2025-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0046 PMID:40829638	研究论文	提出一种并行LSTM-CNN深度学习模型，用于疾病暴发预测的早期预警信号检测	采用并行LSTM-CNN架构，结合模拟动态系统和噪声诱导数据训练模型，以提高噪声环境下疾病暴发预测的鲁棒性	未提供具体局限性信息	开发稳健的早期预警信号模型，以在疾病成为大流行前实施预防措施	疾病暴发时间序列数据，包括模拟数据和真实世界数据（流感、COVID-19、猴痘）	机器学习	传染病	时间序列分类	LSTM-CNN并行模型	时间序列数据	未明确说明，但使用两组模拟数据集和真实世界数据（流感、COVID-19、猴痘）	NA	LSTM, CNN	性能指标未明确指定，但通常包括准确率、精确率、召回率等	NA
71	2026-08-21	Artificial intelligence and first-principle methods in protein redesign: A marriage of convenience? 2025-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70210 PMID:40671352	研究论文	本文评估并比较多种深度学习蛋白质设计工具与第一性原理方法在蛋白质重设计中的效果，并引入新工具TriCombine用于突变候选筛选，展示了结合AI建模和力场评分可获得最可靠结果	首次系统比较深度学习工具与传统力场方法，并推出新工具TriCombine识别残基三角并基于替换频率评分突变体，同时结合FoldX进行建模验证	所有方法在处理未解析的从头设计模型时性能均下降，且对非自然蛋白质的准确性受限	评估和组合人工智能与第一性原理方法，以提高蛋白质重设计的效果和潜在治疗再利用的可靠性	16个SH3突变体（最多9个并发替换）、36个突变体、11个晶体结构（7个新解析）、以及来自179个天然和从头设计域的160,000个四点位GB1突变体和163,555个单/双变体	蛋白质设计、机器学习	不适用	深度学习、力场计算、X射线晶体学	深度学习模型（如AlphaFold2）、逆折叠工具、力场	蛋白质结构、突变数据	共涉及约323,000个蛋白质变体和11个晶体结构，包括16个SH3突变体、36个突变体和179个蛋白质域	不适用	AlphaFold2、逆折叠工具、FoldX	序列恢复率、突变效应预测准确性	未指定
72	2026-08-18	Deep Learning-Based Super Resolution Applied to Finite Element Analysis of Fused Deposition Modeling 3D Printing 2025-Aug, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0191 PMID:40933586	研究论文	提出一种基于深度学习的超分辨率方法，用于提高熔融沉积建模3D打印有限元分析中粗网格模型的温度和位移预测精度，并减少计算时间	将有限元分析中的网格视为图像像素，创新性地应用超分辨率残差网络，将粗网格模型结果提升至细网格模型精度水平，同时缩短计算时间	未提及局限性	改善粗网格有限元模型结果准确性至细网格模型水平，并降低计算时间，以促进有限元分析在增材制造中的应用	熔融沉积建模3D打印过程中的温度和位移预测	深度学习	NA	有限元分析（FEA）	超分辨率残差网络（SRResNet）	图像（温度和位移图像）	NA	NA	超分辨率残差网络	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
73	2026-08-16	A deep learning derived prostate zonal volume-based biomarker from T2-weighted MRI to distinguish between prostate cancer and benign prostatic hyperplasia 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18053 PMID:40804780	研究论文	开发并验证了一种基于深度学习的MRI生物标记物（前列腺分区体积比），用于区分良性前列腺增生和前列腺癌	提出了一种基于3D条件生成对抗网络（cGAN）的前列腺分区体积分割模型（ProZonaNet），并利用其计算的体积比作为非侵入性生物标记物，显著提高了区分BPH-Only与BPH-PCa的诊断性能	未提供明确的局限性信息	开发并验证基于T2加权MRI的前列腺分区体积比（pZVR）作为区分良性前列腺增生和前列腺癌的影像生物标记物	199例患者，包括106例良性前列腺增生（BPH-Only）和93例同时具有良性前列腺增生和前列腺癌（BPH-PCa）的患者	医学影像分析	前列腺癌, 良性前列腺增生	磁共振成像（MRI）	3D条件生成对抗网络（cGAN）	T2加权MRI图像	199例患者，其中139例用于训练（经7倍数据增强后得到973个训练体积），60例用于独立测试	NA	ProZonaNet（3D条件生成对抗网络）	Dice相似系数（DSC），一致性相关系数（CCC），AUC	NA
74	2026-08-13	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	本文评估了使用任务向量算术来减少模型区分数据来源的能力，从而减轻多机构数据集中因来源混淆引起的偏见，并提出了两种模型无关方法。	将任务向量方法扩展到解决临床自然语言处理中的来源混淆偏见问题，提出了两种新方法 TAPER 和 DAPPER。	未提供具体限制信息。	评估任务向量算术在减轻深度学习模型在多机构数据集上因来源混淆导致的偏见方面的有效性。	RoBERTa 和 Llama-2 模型，在三个数据集上进行评估。	自然语言处理	COVID-19	NA	Transformer-based models (RoBERTa, Llama-2)	文本（胸部X光片报告等临床文本）	NA	NA	RoBERTa, Llama-2	NA	NA
75	2026-08-12	MSFE-GallNet-X: a multi-scale feature extraction-based CNN Model for gallbladder disease analysis with enhanced explainability 2025-08-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01902-y PMID:40885920	研究论文	本研究提出MSFE-GallNet-X，一种基于多尺度特征提取的卷积神经网络模型，用于从灰度超声图像中分类胆囊疾病，并结合可解释人工智能方法提升临床可解释性	创新性地采用多尺度特征提取和可解释人工智能相结合，在保持高准确率的同时实现参数高效（仅1.91百万参数），并集成Grad-CAM和LIME提供可视化解释	研究基于受控且平衡的数据集，可能限制了模型在真实临床场景中的泛化能力	开发一种高精度且可解释的深度学习模型，用于胆囊疾病的超声图像分类，以辅助临床决策	胆囊疾病，包括胆结石、胆囊炎和癌等九类疾病	计算机视觉	胆囊疾病	超声成像	卷积神经网络	灰度超声图像	1,782名患者的10,692张高分辨率超声图像	NA	多尺度特征提取卷积神经网络	准确率, F1分数	NA
76	2026-08-12	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	研究论文	本文提出了一种基于机器学习和深度学习模型预测有机化合物水溶性的方法，利用整合的精选数据集实现高精度预测	方法创新性地结合了多种化学描述符、指纹和官能团，并整合四个来源的精选数据集，以提升预测精度和泛化能力	未明确提及局限性，但可能受限于数据集的多样性和模型对复杂溶剂效应的处理能力	开发一种高精度且泛化能力强的水溶性预测模型，以应用于药物开发和材料科学等领域	有机化合物	机器学习	不适用（NA）	化学描述符、指纹、官能团	机器学习模型和深度学习模型	化学数据	1282种独特的有机化合物（Huuskonen数据集）	NA	NA	R²值（0.92）、平均绝对误差（MAE，0.40）	NA
77	2026-08-12	A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	提出了一种名为Double-SimCLR的新型无监督学习框架，用于稀缺标签下的多模态脑肿瘤检测，通过双分支结构同时处理MRI和CT图像以实现多模态特征融合。	引入了双分支结构的Double-SimCLR框架，结合对比学习，直接同时处理MRI和CT图像；针对CT图像的弱特征采用自适应权重掩膜技术增强特征提取；引入多模态注意力机制提升检测精度和鲁棒性。	未提及具体局限性。	解决多模态医学图像融合中的信息丢失和标注数据稀缺问题，提高脑肿瘤检测的准确性和鲁棒性。	脑肿瘤检测中的MRI和CT图像。	计算机视觉	脑肿瘤	对比学习	SimCLR	图像	未提及	未提及	未提及	准确率、精确率、F1分数	未提及
78	2026-08-12	Adaptive Metadata-Guided Supervised Contrastive Learning for Domain Adaptation on Respiratory Sound Classification 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545159 PMID:40031634	研究论文	本文提出了一种自适应元数据引导的监督对比学习方法，用于呼吸音分类中的域适应，以解决数据偏差问题	提出自适应重缩放元数据组合的方法，动态调整元数据在训练中的影响，以改善域适应	信息不足，未提及	利用呼吸音数据集中的元数据，通过域适应提升模型在真实场景中的泛化性能	呼吸音分类模型及其在ICBHI和自建数据集上的表现	机器学习	呼吸系统疾病	监督对比学习	对比学习模型	音频	ICBHI数据集和自建数据集（具体数量未提及）	NA	NA	检测准确率（score）	NA
79	2026-08-12	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	本文提出了一种基于深度学习的T波交替（TWA）检测方法，直接利用心电图信号，无需预处理，并通过迁移学习实现精准检测，以提高心源性猝死风险分层的效率。	创新点在于简化了TWA检测流程，无需R峰识别、T波分割或特征工程，直接使用深度学习模型（VGG、ResNet、Inception）和迁移学习，并在训练和测试中强调患者分离以增强泛化能力。	本文未明确提及局限性。	开发一种非侵入性且实用的深度学习方法来检测动态心电图中的T波交替，以改善心源性猝死的风险评估。	真实患者的动态心电图（ECG）信号，包含从不可见微交替到20-100微伏振幅的TWA episodes。	机器学习	心源性猝死	NA	深度学习（迁移学习）	心电图信号（时间序列）	自定义长期数据集，包含真实患者，具体数量未提及。	NA	VGG, ResNet, Inception	F1-score	NA
80	2026-08-12	Leveraging Channel Coherence in Long-Term iEEG Data for Seizure Prediction 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3556775 PMID:40168220	研究论文	本文介绍了一种基于通道相干性和深度学习的癫痫发作预测方法CoSP，利用长期iEEG数据进行伪前瞻性评估，显示出较高的预测性能。	将通道相干性分析与深度学习相结合，提出CoSP方法，用于提高癫痫发作预测的准确性。	未提及具体局限性。	提高癫痫发作预测的准确性和可靠性，改善患者生活质量。	癫痫患者，具体为使用NeuroVista癫痫咨询系统的十名患者的长期iEEG数据。	机器学习	癫痫	iEEG记录	卷积神经网络（CNN）	脑电图（EEG）数据	10名患者的长期iEEG数据	NA	四层卷积神经网络	中位发作敏感性（SS）、中位误报率（每小时）、中位警告时间（TiW）	NA