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
81	2026-08-12	NSSI-Net: A Multi-Concept GAN for Non-Suicidal Self-Injury Detection Using High-Dimensional EEG in a Semi-Supervised Framework 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3558170 PMID:40402701	研究论文	介绍了一种名为NSSI-Net的半监督对抗网络，利用高维脑电图数据检测非自杀性自伤行为	首次将多概念判别器与空间-时间特征提取模块结合，在半监督框架下整合信号、性别、领域和疾病层面的信息，以提高NSSI检测性能	基于自采数据（n=114），样本量有限，可能影响模型的泛化能力	开发一种先进的半监督对抗网络，以有效建模与NSSI相关的EEG特征，促进青少年抑郁症患者NSSI的早期诊断和及时干预	青少年抑郁症患者中的非自杀性自伤行为	机器学习、深度学习	抑郁症、非自杀性自伤	脑电图（EEG）	生成对抗网络（GAN）	脑电图信号	114例自采NSSI数据	NA	二维卷积神经网络（2D-CNN）、双向门控循环单元（BiGRU）、多概念判别器	性能提升百分比（相较于现有方法提高5.44%）	NA
82	2026-08-11	Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin 2025-Aug-09, Water resources research IF:4.6Q1 DOI:10.1029/2024WR039207 PMID:40948694	研究论文	本研究开发了一种长短期记忆模型，利用美国本土高频传感器数据预测每日河流硝酸盐浓度，并应用于密西西比河流域，评估了硝酸盐输出及其驱动因素	首次将深度学习与可解释的Shapley值相结合，用于密西西比河流域硝酸盐输出的时空预测和驱动因素分析，识别了关键空间驱动因素及其非线性阈值	空间验证性能较低，尤其是在未监测流域，表明数据缺口对预测精度有显著影响	提高河流硝酸盐浓度的时空预测精度，并揭示其驱动因素和遗留氮的影响，为密西西比河流域的养分管理提供信息	密西西比河流域的河流硝酸盐浓度及其输出	机器学习	环境科学	高频传感器监测	长短期记忆网络	时间序列数据	美国本土多个监测站点的每日硝酸盐浓度数据，具体数量未提及	未提及	长短期记忆网络	KGE系数	未提及
83	2026-08-11	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	研究论文	本文介绍了一种基于B样条几何模型的自动算法O-GEST，利用运动学数据检测地面行走中的步态事件，适用于有标记和无标记分析，并在健康和病态步态数据上进行了验证	提出了使用B样条几何模型来表示足部标志物的水平轨迹，并结合步态相关阈值和最优系数进行事件检测，无需力台即可实现高精度步态事件检测，支持多种病理类型，且能处理噪声轨迹和缺失标志物	未在文中明确提及局限性信息	开发一种无需力台即可准确检测步态事件的算法，以提高无力量平台环境（特别是无标记步态分析）中步态分析的准确性和可靠性	步态事件（足触地和足离地）及其时空参数，研究对象涵盖健康个体和多种病理人群（髋骨关节炎、中风、帕金森病、脑瘫）	生物医学工程、步态分析	髋骨关节炎、中风、帕金森病、脑瘫	运动学数据采集，基于B样条几何模型的事件检测	B样条几何模型	运动学轨迹数据（足部标志物）和力台数据（作为参考）	390名受试者的步态数据，包括200名健康者、100名单侧髋骨关节炎患者、50名中风幸存者、26名帕金森病患者和14名脑瘫儿童	NA	B样条曲线	时序差异（毫秒）	NA
84	2026-08-09	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	利用深度学习模型在多器官影像、遗传、蛋白质组和RNA-seq数据中识别11种多器官AI内表型，探索脑、眼、心脏疾病的异质性和共同病因	引入“泛疾病”概念，使用弱监督深度学习模型（Surreal-GAN）整合多器官数据，识别多器官AI内表型（MAEs），并展示其在阿尔茨海默病进展、药物反应、因果通路和药物靶点发现中的应用潜力	摘要中未明确提及局限性	探索脑、眼和心脏疾病的异质性和共同病因，为精准医学提供AI驱动的患者分层工具	129,340名参与者的个体级数据以及MULTI联盟的汇总级数据，涉及脑、眼、心多器官	机器学习	阿尔茨海默病、偏头痛、癌症、心血管疾病	影像组学、遗传学、蛋白质组学、RNA-seq	Surreal-GAN（弱监督深度学习模型）	影像、遗传、蛋白质组、RNA-seq数据	129,340名参与者（个体级数据）	NA	Surreal-GAN	认知衰退轨迹评估、风险因素和死亡率，但未明确列出性能指标	NA
85	2026-08-09	Lateral flow and colorimetric assay for ketamine detection reinforced with deep learning model interfaced with mobile app for smart alert 2025-08-09, Mikrochimica acta DOI:10.1007/s00604-025-07429-x PMID:40781183	研究论文	本研究开发了基于适配体的比色法和侧向层析法检测氯胺酮，并集成深度学习模型与移动应用实现智能警报。	提出了一种双阶段深度学习框架（YOLOv5和ResNet50）用于侧向层析试纸条数据的有效分类，并结合移动应用实现智能警报。	未明确提及局限性。	开发一种便携、低成本、快速的氯胺酮检测方法，结合深度学习模型实现智能警报。	氯胺酮检测，使用合成尿液样本。	计算机视觉	不适用	比色法、侧向层析法、紫外-可见分光光度法	YOLOv5、ResNet50	图像（试纸条图像）	合成尿液样本，具体数量未提供。	PyTorch	YOLOv5、ResNet50	准确性、速度、可靠性	未提供具体信息
86	2026-08-07	Deep Learning Approach Readily Differentiates Papilledema, Non-Arteritic Anterior Ischemic Optic Neuropathy, and Healthy Eyes 2025-08, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.04.006 PMID:40220884	研究论文	开发并验证了一种基于深度学习的算法，用于区分视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛的眼底照片。	首次专门针对IIH和NAION与健康眼睛的眼底照片进行区分，采用了迁移学习（ResNet-50）和梯度加权类激活映射可视化，并在大规模数据上进行了严格的内外部验证。	研究主要依赖二维眼底照片，可能无法捕捉动态变化；外部验证数据源多样但数量有限，且模型对早期或轻微视盘肿胀的区分能力可能需要进一步评估。	开发并验证一个深度学习模型，以帮助区分由特发性颅内高压引起的视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛，辅助神经眼科诊断。	眼底照片，包括IIH（Frisén分级≥1）患者、急性NAION患者和健康对照的眼睛。	计算机视觉	神经眼科疾病（特发性颅内高压、非动脉炎性前部缺血性视神经病变）	眼底摄影	卷积神经网络（CNN）	图像	15,088张眼底照片来自5866只眼睛（内部验证），外加1126张照片来自928只眼睛（外部验证）	PyTorch	ResNet-50	准确率、AUC-ROC、精确率、召回率、F1分数、混淆矩阵	未提及具体GPU型号或平台
87	2026-08-05	OncoMet: a deep learning framework for the prediction of oncogenic signaling pathways and metastasis in esophageal cancer patients using histopathology images from primary tumors 2025-08-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06914-4 PMID:40842012	研究论文	提出一个基于深度学习的框架OncoMet，利用食管癌患者原发肿瘤的组织病理学图像预测致癌信号通路及其转移风险	首次在无需详尽patch级标注的情况下，仅依赖切片级标注，利用深度学习模型从H&E染色切片预测致癌信号通路和转移风险	文中未明确提及局限性	利用深度学习分析数字病理图像，自动化并提升食管癌的诊断和风险分层，以支持精准医学和靶向治疗	食管癌患者原发肿瘤的组织病理学图像	数字病理学	食管癌	H&E染色全切片成像	深度学习模型	图像（高分辨率H&E染色全切片图像）	未明确给出样本数量	未明确指定（可能使用通用深度学习框架，如TensorFlow或PyTorch）	未明确指定（深度学习模型）	AUC	未明确说明
88	2026-08-03	World's First Real-Time Artificial Intelligence-Assisted Mechanical Thrombectomy for Acute Ischemic Stroke 2025-Aug-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文报告了全球首例实时人工智能辅助机械取栓术治疗急性缺血性卒中的初步经验，评估了AI系统的有效性、准确性和安全性	首次在急诊机械取栓术中应用实时深度学习AI系统，提供引导导管移出荧光透视图像的实时通知，并验证了其临床实用性	初步研究样本量较小，需要大规模研究验证其对手术流程和临床结果的影响	评估实时AI辅助机械取栓术在急性缺血性卒中患者中的准确性、安全性和潜在有效性	16例连续接受机械取栓术的急性缺血性卒中患者	计算机视觉, 机器学习, 数字病理学	急性缺血性卒中	深度学习	深度学习模型	视频影像	16例急性缺血性卒中患者	NA	NA	精确率, 召回率, 通知次数	NA
89	2026-08-03	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出一种自适应边界增强Dice（ABeDice）损失函数，结合指数递归互补函数与传统Dice损失，以提升医学图像分割的准确性	创新性地引入指数递归互补函数，动态调整预测概率分布，优先高概率像素，增强边界检测与定位，提高网络的量化潜力和收敛速度	摘要未提供明确的局限性信息	改进医学图像分割的损失函数，以提高分割准确性	医学图像分割任务，特别是眼底图像（REFUGE）、皮肤病变图像（ISIC2018）和眼部图像（RIT-Eyes）	计算机视觉	眼病和皮肤病（具体疾病未知）	深度学习	Swin-Unet（基于Transformer的U-Net变体）	图像	三个公开数据集：REFUGE、ISIC2018、RIT-Eyes（具体样本数未提供）	NA	Swin-Unet	Dice相似系数	NA
90	2026-08-03	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	本研究开发了一种基于模型的深度学习图像重建框架及联合优化框架，以提升高分辨率3D螺旋轨迹磁共振指纹的扫描效率和计算效率	通过参数估计损失联合优化图像重建和参数量化网络，并基于解剖特异性时空稀疏性数据驱动优化3D螺旋轨迹旋转角，实现端到端联合优化	未提供具体局限性信息	提高3D定量MRI的参数量化准确性和缩短重建时间	健康受试者和患者的模拟及体内MRF数据	深度学习	不适用	MRF	MBDL	图像	未明确说明，涉及健康受试者和患者	NA	NA	NRMSE, p值	NA
91	2026-08-03	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	提出一种基于物理约束的深度学习增强金纳米颗粒定位与定量方法，与光子谐振吸收显微镜结合，实现数字分辨率分子诊断	通过物理建模获取点扩散函数，生成真实训练数据，利用上下文感知网络提升检测精度，克服传统图像处理在高密度条件下的不足	未提及具体局限，可能依赖高质量的PRAM与SEM图像配对，影响泛化性	实现数字分辨率的生物标志物检测，提高分子诊断的灵敏度和准确性	金纳米颗粒和基于光子谐振吸收显微镜的生物分子检测	计算机视觉，数字病理学	未指定	点扩散函数测量，扫描电子显微镜，光子谐振吸收显微镜	深度学习模型	图像	未指定	未指定	上下文感知网络	准确性，灵敏度，亚像素分辨率	未指定
92	2026-08-03	Artificial intelligence automated solution for hazard annotation and eye tracking in a simulated environment 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108075 PMID:40339543	研究论文	提出一种基于人工智能的自动化解决方案，用于驾驶模拟环境中的危险标注和视线追踪，以简化数据分析流程	在以往仅进行危险检测的基础上，集成了危险标注与视线追踪数据，并结合车辆操作参数提供驾驶员行为的统一视图	摘要未提及明确的局限性	自动化驾驶模拟实验中的危险标注和视线追踪任务，以加速研究进程并增强对驾驶行为的理解	驾驶模拟环境中的驾驶员行为、道路危险和干扰因素	计算机视觉	不适用	深度学习	不明确	图像、时间序列数据（如视线追踪和车辆操作数据）	不明确	不明确	不明确	不明确	不明确
93	2026-08-03	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	研究论文	提出了一种高效的子模型集成框架SASWISE-UE，通过生成不确定性图来提高医学深度学习模型的可解释性和临床适用性	提出从单个训练良好的检查点生成多样化模型的策略，实现高效的子模型集成，并用于不确定性估计	未在更广泛的任务和模型上验证，且未与更多现有不确定性方法进行对比	通过不确定性估计增强医学深度学习模型的可解释性，以提高其临床适用性	CT身体分割和MR-CT合成任务中的医学图像	计算机视觉	不适用	深度学习	U-Net, UNETR	图像	未明确	不适用	U-Net, UNETR	Dice系数, 平均绝对误差	不适用
94	2026-08-03	Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction 2025-Aug, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00911-7 PMID:40686829	研究论文	本研究旨在通过[18F]Florapronol PET成像和深度学习自动量化软件，建立区分阿尔茨海默病（AD）患者与正常对照（NC）的SUVR截断值，并评估部分体积校正（PVC）对诊断准确性的提升作用。	利用深度学习自动量化软件和PVC调整，建立了可靠的SUVR截断值，并验证了与视觉分析高度一致性，为淀粉样蛋白PET成像提供了标准化的客观诊断方法。	未提供具体局限性信息。	建立可靠的SUVR截断值以区分AD（排除MCI）与NC，并评估PVC对诊断准确性的提升。	阿尔茨海默病（AD）患者和正常对照（NC）个体。	医学影像分析	阿尔茨海默病	PET成像	深度学习模型	图像	共141名参与者，包括55名AD患者和86名正常对照。	未明确	未明确	敏感性、特异性、ROC分析	未明确
95	2026-08-03	Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond 2025-Aug, Indian journal of thoracic and cardiovascular surgery IF:0.7Q4 DOI:10.1007/s12055-025-01941-8 PMID:40693004	评述	本文介绍了贝叶斯分析和机器学习在心胸外科研究中的现代统计技术，包括其原理、应用及潜力	强调贝叶斯与机器学习结合，为心胸外科提供动态决策和个性化治疗新视角	未详细讨论实际应用的挑战或局限性	阐述贝叶斯分析和机器学习在心胸外科中的应用价值	心胸外科临床研究	机器学习	NA	贝叶斯分析、机器学习、深度学习、聚类分析	贝叶斯模型、深度学习模型	临床数据	NA	NA	NA	NA	NA
96	2026-08-03	Single-cell image-based screens identify host regulators of Ebola virus infection dynamics 2025-Aug, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02034-3 PMID:40707832	研究论文	本文通过基于图像的基因组规模CRISPR筛选，识别了埃博拉病毒感染的998个宿主调控因子，并使用深度学习模型和随机森林模型关联病毒复制步骤及调控机制	首次将图像为基础的基因组规模CRISPR筛选与深度学习模型结合，应用于埃博拉病毒研究，并在单细胞水平上识别宿主调控因子及其与病毒复制步骤的关联	未提及具体限制，但可推断为依赖体外实验，可能无法完全模拟体内感染环境	识别埃博拉病毒感染的宿主调控因子，为抗病毒药物靶点提供潜在候选	埃博拉病毒（EBOV）及其宿主细胞，包括UQCRB和STRAP等宿主因子	数字病理学	埃博拉病毒病（埃博拉出血热）	CRISPR筛选	深度学习模型、随机森林模型	图像	39,085,093个细胞	NA	深度学习模型（未指定具体架构）、随机森林模型	NA	NA
97	2026-08-03	Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review 2025-Aug, Journal of maxillofacial and oral surgery DOI:10.1007/s12663-025-02664-4 PMID:40756906	综述	本综述系统评估了人工智能算法在口腔颌面病理学精确诊断中的应用，重点比较了机器学习与深度学习模型在不同影像技术下的性能表现	首次系统综述了AI算法在口腔颌面病理学多种影像模态（CT、CBCT、MRI）中的应用，并对比了不同算法架构的诊断效能	仅限于2010-2024年间的文献，可能遗漏最新进展；综述结果受所选研究质量差异影响	评估人工智能算法在提高口腔颌面疾病诊断准确性和可靠性方面的潜力	口腔颌面部疾病（如牙根纵裂、牙源性囊肿、转移性淋巴结）及其影像数据	医学影像分析	口腔颌面疾病	CT、CBCT、MRI、全景X线摄影	深度学习（DL）和机器学习（ML）	医学影像（CT、CBCT、MRI、全景X线图像）	概述中未提供具体样本量，但涉及多种临床影像数据集	NA	GoogLeNet Inception v3, U-Net	准确性、敏感性、特异性、AUC、召回率、精确率、F1分数	NA
98	2026-08-03	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类流程，采用基础分割模型和深度学习进行多中心验证，实现高效准确的良恶性鉴别	首次将Meta的Segment Anything Model与DenseNet-121深度学习模型结合用于MRI卵巢病变分割与分类，并通过多中心外部验证证明其泛化性，同时显著缩短分割时间	研究为回顾性设计，未提供具体计算资源细节，且外部数据集样本量相对较小	开发一种高效、可泛化的MRI卵巢病变分类流程，并评估其与放射科医生诊断性能的对比	卵巢病变患者的多参数MRI图像及临床数据，以及放射科医生的主观评估	计算机视觉	卵巢癌	MRI	深度学习模型（DenseNet-121）和基础分割模型（SAM）	图像（MRI）和临床数据	主要数据集534个病灶（448名女性），外部数据集58个病灶（55名女性）和29个病灶（29名女性）	NA	DenseNet-121, SAM	Dice系数, AUC	NA
99	2026-08-03	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	该研究在亚洲健康体检人群中外部验证了深度学习模型Sybil用于低剂量CT肺癌风险预测的性能。	首次在亚洲健康体检人群中外部验证Sybil模型，并评估其在从不吸烟或轻度吸烟史个体中的性能。	研究为单中心回顾性研究，可能限制结果的普适性。	外部测试Sybil模型在亚洲健康体检人群中识别肺癌高风险个体的能力，并评估其在无吸烟或轻度吸烟史亚组中的表现。	年龄50-80岁、接受低剂量CT检查且至少有一次随访扫描的亚洲个体。	深度学习	肺癌	低剂量CT	深度学习模型	图像	共18,057人，其中确诊92例肺癌。	NA	Sybil	时间依赖性曲线下面积（AUC）	NA
100	2026-08-03	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	开发并评估一种基于深度学习的无透射衰减补偿方法（DaT-CTLESS），用于多巴胺转运蛋白单光子发射计算机断层扫描（DaT SPECT）成像，并通过计算机模拟影像试验验证其在临床现实环境中的可靠性	结合物理和深度学习概念，提出了一种无透射衰减补偿方法（DaT-CTLESS），该方法利用散射能量窗口投影重建初始衰减图，并通过基于U-net的网络进行区域分割，无需CT扫描即可实现衰减补偿，克服了传统CTAC方法的局限性	摘要中未明确提及局限性	开发一种无需CT扫描的传输无衰减补偿方法，用于DaT SPECT成像，并在临床现实环境中验证其性能，以克服CTAC方法的挑战	虚拟患者群体的DaT SPECT扫描图像，这些图像源自真实患者的CT和MR图像，并使用来自两个供应商的模拟SPECT扫描仪生成	医学影像	帕金森病	单光子发射计算机断层扫描（SPECT），计算机断层扫描（CT），磁共振成像（MR）	U-net	图像	150名虚拟患者用于训练，另外47名用于评估	NA	U-net	组内相关系数（ICC），保真度指标（FoMs）	NA