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	Enhanced CoAtNet based hybrid deep learning architecture for automated tuberculosis detection in human chest X-rays 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01901-z PMID:41013295	研究论文	本文提出一种基于CoAtNet框架的混合深度学习架构，用于自动检测人类胸部X光片中的肺结核，结合CNN和ViT的优势，并在IN-CXR数据集上评估性能。	结合CNN和Vision Transformer的CoAtNet框架，用于肺结核检测，并集成LIME增强模型可解释性，优于仅使用CNN或ViT的基线模型。	研究仅在一个数据集（IN-CXR）上评估，未在多个独立数据集上验证，可能限制泛化性；同时模型准确率仍有提升空间。	开发一种自动、准确且可解释的肺结核检测方法，以支持医疗专业人员及时诊断。	人类胸部X光图像，包括正常和异常（肺结核）类别。	计算机视觉	肺结核	NA	CoAtNet（CNN和ViT的混合）	图像（胸部X光片）	IN-CXR数据集，包含正常和异常CXR图像，具体数量未在摘要中提及。	NA	CoAtNet（结合CNN和Vision Transformer）	准确率、ROC-AUC	NA
82	2026-08-12	RAVEN: Robust, generalizable, multi-resolution structural MRI upsampling using Autoencoders 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677945 PMID:41040262	研究论文	提出了一种名为RAVEN的基于变分自编码器和生成对抗网络的鲁棒、可泛化的多分辨率结构MRI超分辨率网络，可将体内和体外多种模态的MRI图像上采样至0.5mm各向同性体素大小	RAVEN能够处理多种MRI模态和不同场强（3T到7T）的图像，支持任意上采样因子；在保留真实解剖信息方面优于深度学习和非深度学习方法；源代码已开源	摘要中未提及具体局限性	开发一种鲁棒且可泛化的单图像超分辨率网络，用于提高脑MRI分辨率，以捕捉早期疾病阶段更细微的神经解剖变化	大脑MRI图像，包括体内和体外样本，涵盖T1加权、T2加权和T2*等多种模态	计算机视觉	神经系统疾病	MRI	变分自编码器，生成对抗网络	图像	NA	PyTorch	变分自编码器网络（RAVEN）	NA	NA
83	2026-08-12	Optimized deep learning-accelerated single-breath-hold abdominal HASTE with and without fat saturation improves and accelerates abdominal imaging at 3 Tesla 2025-09-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01838-3 PMID:40968371	研究论文	本研究前瞻性评估了深度学习加速的单次屏气腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的技术可行性和图像质量	首次系统比较DL-HASTE与DL-HASTE-FS在3T下的图像质量，并优化序列参数以避免混叠伪影	未提及明显局限性，但样本量较小（10名健康志愿者和50名患者）	评估深度学习加速的腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的图像质量和可行性	健康志愿者和患者的上腹部图像	医学影像	不适用	磁共振成像（MRI）	深度学习模型（未指定具体类型）	图像	10名健康志愿者和50名患者	未提及	未提及	总体图像质量评分、器官描绘清晰度、伪影、脂肪饱和评分	未提及
84	2026-08-12	Deep Learning-Based Pattern Recognition for Detecting Penile Abnormalities: Protocol for Developing a Mobile App for Circumcision Eligibility 2025-09-10, JMIR research protocols IF:1.4Q3 DOI:10.2196/65811 PMID:40929720	研究论文	本研究旨在开发和验证一个基于深度学习的图像分类系统，集成到移动应用中，用于检测阴茎异常并评估包皮环切术的适用性，以支持资源匮乏地区的初步筛查。	将人工智能图像识别技术应用于阴茎异常检测和包皮环切术适用性评估，并通过移动应用实现实时分析，为低资源环境下的初步筛查提供了可扩展的解决方案。	尚未提供具体性能结果；模型开发和验证仍处于进行中，最终部署和用户测试尚未完成。	开发并验证一个AI驱动的图像分类系统，集成到移动应用中，以检测阴茎异常并评估包皮环切术的适用性，支持初步筛查和转诊决策。	来自印度尼西亚雅加达Cipto Mangunkusumo医院的儿科患者，其阴茎图像由医疗专业人员或照护者从腹侧、背侧和侧位角度拍摄。	数字病理学	包皮环切术相关异常（如尿道下裂、蹼状阴茎）	图像预处理（调整尺寸、归一化、增强）、迁移学习	预训练深度学习模型（如CNN）	图像	NA	TensorFlow, Keras	NA	准确率、敏感性、特异性、F1分数	NA
85	2026-08-12	Automated quantification of abdominal aortic calcification using 3D nnU-Net: a novel approach to assess AAA rupture risk 2025-09-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01911-x PMID:40898112	研究论文	本研究开发了一种基于3D nnU-Net的自动化方法，用于从CTA扫描中量化腹主动脉钙化，以评估腹主动脉瘤破裂风险	首次使用3D nnU-Net模型从单次CTA扫描中自动分割和量化主动脉钙化，显著缩短了评估时间并保持高准确性	未提及具体局限性，但可能受限于单中心回顾性研究和样本量	构建一个卷积神经网络模型，实现从CTA扫描中自动量化腹主动脉钙化，以辅助评估AAA破裂风险	100例接受腹主动脉CTA的患者，包括血管和钙化分割的影像数据	深度学习	腹主动脉瘤	CTA成像	卷积神经网络（CNN）	CT血管造影图像	100例患者的CTA扫描	未明确提及，可能使用PyTorch或类似框架	nnU-Net	Dice分数、Spearman秩相关系数、Bland-Altman分析、评估时间	未提及具体GPU或计算资源
86	2026-08-12	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-09-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	本研究利用时间融合深度学习模型，结合认知任务和生理数据来检测阿片类药物误用，并评估了模型在识别误用状态上的性能。	首次将时间融合Transformer模型应用于结合认知任务和可穿戴传感器数据的阿片类药物误用检测，并采用留一组交叉验证确保稳健性。	模型应与客观的阿片类药物误用基准进行比较，且仅依赖自我报告测量（COMM）作为分类依据。	开发并验证基于机器学习的阿片类药物误用检测方法，以预防药物过量和阿片类药物使用障碍。	169名被处方阿片类镇痛药的慢性疼痛患者，包括116名有误用迹象和53名无误用迹象的个体。	机器学习	阿片类药物误用	传感器数据采集和认知任务评估	时间融合Transformer	生理信号和认知任务反应数据	9238个数据点，来自169名患者	NA	Transformer	AUC, 特异性, 敏感性	NA
87	2026-08-12	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	研究论文	基于直肠癌肿瘤核心区域和系膜成像特征，开发深度学习模型以预测淋巴结转移	将深度学习分割模型（nn-UNet）与传统影像组学相结合，自动从磁共振T2WI和ADC图像中分割肿瘤核心区和系膜组织，以提高淋巴结转移预测的准确性	信息不足，输出NA	提高直肠癌患者淋巴结转移预测的准确性	122例直肠癌患者的磁共振T2WI和ADC图像	医学影像分析	直肠癌	磁共振成像	深度学习分割模型（nn-UNet）	医学图像	122例直肠癌患者的磁共振图像	NA	nn-UNet（3D U-Net）	Dice系数, AUC	NA
88	2026-08-12	CT-based deep learning radiomics model for predicting proliferative hepatocellular carcinoma: application in transarterial chemoembolization and radiofrequency ablation 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01913-9 PMID:40890681	研究论文	本研究开发并验证了基于增强CT的深度学习放射组学模型，用于预测增殖性肝细胞癌并应用于经动脉化疗栓塞和射频消融治疗的风险预测	首次将深度学习放射组学应用于增强CT图像预测增殖性肝细胞癌，并结合RFA和TACE治疗进行风险分层	未在标题和摘要中明确说明局限性	开发基于增强CT的深度学习放射组学模型预测增殖性肝细胞癌，并应用于TACE和RFA治疗的患者风险预测	312例接受手术的肝细胞癌患者，来自两个医疗中心	医学影像	肝细胞癌	对比增强CT	深度学习	影像	312例患者（训练集182例，内部测试集46例，外部测试集84例）	NA	NA	AUC	NA
89	2026-08-11	Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study 2025-09-19, JMIR formative research IF:2.0Q4 DOI:10.2196/66156 PMID:40971792	研究论文	本研究调查了摩洛哥医学生对人工智能的知识和认知水平	首次评估摩洛哥医学生对人工智能的知识和认知水平	样本来自单一机构，采用滚雪球抽样可能引入选择偏差，且研究为横断面设计，无法建立因果关系	描述摩洛哥医学生对人工智能的知识和认知	摩洛哥阿加迪尔医学与药学学院的本科医学生（第一至第七年）	医学教育	NA	问卷调查（在线问卷）	NA	问卷数据	580名医学生（女性363名，62.6%；平均年龄21.3岁，标准差2.13岁；回复率50.4%）	NA	NA	描述性统计、卡方检验（P值）	JAMOVI 2.6.2（统计软件）
90	2026-08-11	Using miniscopes and deep learning to compare neurobehavioral representations of psychostimulant and opioid self-administration 2025-Sep, Addiction neuroscience DOI:10.1016/j.addicn.2025.100224 PMID:40860850	综述	本文综述了精神兴奋剂与阿片类药物自我给药行为差异的神经行为证据，并探讨了微型显微镜钙成像和深度学习辅助行为分析在进一步研究中的应用	提出精神兴奋剂和阿片类药物在奖励相关脑区（如伏隔核）可能由不同神经群体编码的观点，并引入微型显微镜和深度学习结合的新方法	未提供实验数据，仅基于文献综述，缺乏直接实证支持	探讨精神兴奋剂与阿片类药物自我给药行为的神经行为差异，并评估两种实验方法的适用性	精神兴奋剂与阿片类药物自我给药行为相关的神经活动以及行为特征	神经科学	物质使用障碍	钙成像	深度学习模型	图像	NA	NA	NA	NA	NA
91	2026-07-29	Root mixture analysis: methods and vision 2025-09, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2025.07.003 PMID:40781027	综述	综述了根混合分析的方法及其愿景，旨在通过优化深度学习与机器学习实现高通量根混合分析	提出利用与根功能相关的理化性状作为物种身份的标志，并借助优化深度学习和机器学习实现高通量无损根混合分析	当前方法需破坏性采样且成本高，现场条件变异大、后勤困难，标准化方法尚存不足	解决作物混合体系中地下根系相互作用无法无损区分的问题，推进可持续农业研究	多样化作物混合体系中的根系	机器学习	NA	深度学习、机器学习	深度学习和机器学习模型	根系理化性状数据	NA	NA	NA	NA	NA
92	2026-07-28	Optimization of deep learning models for inference in low resource environments 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110615 PMID:40716232	研究论文	评估用于医疗健康应用的深度学习模型在低资源环境下的推理优化技术效果	针对放射学、组织病理学和医学RGB成像等多种医疗AI工作负载，在多种硬件配置下系统评估模型优化技术对推理性能的影响	未提及具体局限性	研究深度学习模型在低资源环境下的优化技术，促进临床转化	MRI脑提取、H&E染色结直肠癌分割、糖尿病足溃疡RGB图像分类三种医疗工作负载	计算机视觉	结直肠癌, 糖尿病足	NA	深度学习模型	图像	NA	NA	NA	推理运行时间（加速比、延迟、内存使用）、模型在未见过数据上的效用	多种硬件配置
93	2026-07-22	Shear Wave Optical Coherence Elastography Imaging by Deep Learning 2025-09, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70027 PMID:40210208	研究论文	提出一种将光学相干弹性成像与深度学习结合的方法，用于预测眼部组织生物力学特性	将深度学习网络（CPN）引入OCE数据处理流程，通过3D卷积神经网络直接预测样品浓度并计算杨氏模量，提高了效率和可重复性	NA	开发一种优化的工作流程，利用深度学习增强OCE在眼部组织力学特性预测中的效率和准确性	琼脂体模和猪角膜	机器学习	眼病	光学相干弹性成像	3D卷积神经网络（CPN）	图像	琼脂体模训练和测试数据，以及不同眼内压下的原位猪角膜	NA	3D卷积神经网络	平均绝对误差	NA
94	2026-07-13	Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility 2025-09-15, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-025-00521-3 PMID:40952583	研究论文	研究不同浓度银离子对莱茵衣藻生长、叶绿素含量和运动能力的生物物理响应	首次揭示银离子对微藻的毒物兴奋效应，表现为低浓度促进生长而高浓度抑制；同时利用深度学习算法跟踪单个微藻的运动，量化银离子对运动能力的影响	未深入探讨银离子影响微藻运动的分子机制，且仅使用单一藻种，结论的普适性有限	探究银离子对微藻（莱茵衣藻）的毒性效应及非线性响应模式	莱茵衣藻（C. reinhardtii）微藻	machine learning	NA	分光光度分析	深度学习算法	图像数据	不同浓度银离子（0.29至1.18 µM）暴露下的莱茵衣藻样本	NA	NA	NA	NA
95	2026-07-13	Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma 2025-09, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110295 PMID:40627917	research paper	开发并解释了一个基于病理组学的集成预测模型，用于肝内胆管癌的预后预测	首次开发了用于肝内胆管癌预后的病理组学集成模型，并通过多种方法提高模型可解释性	NA	开发并解释一个用于肝内胆管癌预后的病理组学集成模型	252例肝内胆管癌患者的术后肿瘤切片	digital pathology	intrahepatic cholangiocarcinoma	NA	CNN	病理图像	252例肝内胆管癌患者	PyTorch	CNN, K-means	AUC	NA
96	2026-07-07	Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform 2025-Sep-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.28.672961 PMID:40950071	研究论文	介绍了一个开源、基于人工智能的平台LabGym，用于自动化分析秀丽隐杆线虫行为	开发了基于深度学习的自动化平台，能够高精度分类和量化多蠕虫视频中的多种用户定义行为参数	未在摘要中明确提及限制	为秀丽隐杆线虫行为分析提供经济、易用且全面的自动化方法	秀丽隐杆线虫	计算机视觉、机器学习	不适用	深度学习、视频分析	深度学习模型	视频数据	多蠕虫视频（具体数量未提及）	PyTorch	卷积神经网络	准确率（具体指标未列出）	未提及
97	2026-07-07	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-09-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	全面回顾人工智能在肌层浸润性膀胱癌诊断、治疗和反应评估中的应用现状与未来潜力	系统总结了AI在MIBC全程管理中的应用机会，包括诊断、治疗规划和反应评估，并探讨了数据异构、工作流程整合等挑战	未提及具体的验证数据集规模或前瞻性临床试验证据，挑战分析偏向定性描述	评估AI在MIBC管理中的应用现状、挑战及临床影响	肌层浸润性膀胱癌患者的诊断、治疗及反应评估	机器学习	膀胱癌	NA	深度学习模型、机器学习算法	影像数据、临床数据	NA	NA	NA	准确率	NA
98	2026-07-05	CADxPolydetect: a clinically explainable hybrid deep learning system for multi-class colorectal lesion detection using augmented colonoscopy images 2025-09-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03176-4 PMID:41013565	研究论文	提出一个名为CADxPolyDetect的临床可解释混合深度学习系统，用于多类结直肠病变检测，通过增强结肠镜图像实现	将DCGAN扩增、SMOTE平衡、三种预训练CNN（ResNet-50、DenseNet-201、VGG-16）与Transformer网络及多类SVM分类器结合，并利用Grad-CAM生成临床相关热力图，实现了可解释的混合深度学习系统	未提及明确局限性，但可能依赖于单一数据集（Hyper Kvasir）及增强技术，泛化性能需进一步验证	解决结肠镜图像中类别不平衡、可解释性缺失和空间复杂性问题，提高结直肠病变早期检测的准确性和临床信任度	结肠镜图像中的结直肠病变（包括恶性息肉）	计算机视觉	结直肠癌	DCGAN图像增强、SMOTE类别平衡、Grad-CAM可视化解释	CNN与Transformer混合模型	结肠镜图像	原始Hyper Kvasir数据集10,672张图像，扩增至23,000张	NA	ResNet-50, DenseNet-201, VGG-16, Transformer, 多类SVM	准确率、F1分数、精确率、召回率	NA
99	2026-07-03	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-09-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	该研究将先进机器学习和深度神经网络与共识分子对接结合，用于虚拟筛选ALK抑制剂	创新性地结合了基于配体和基于结构的方法，并利用共识对接分数作为特征，通过集成投票模型和XGBoost共识对接模型高效筛选新型ALK抑制剂	模型性能依赖于数据集大小和特征工程，建议进一步的体外测试以验证预测效果	开发用于预测ALK抑制剂的AI模型，加速非小细胞肺癌治疗药物的筛选	ALK抑制剂候选化合物	机器学习	非小细胞肺癌	分子对接	XGBoost, 人工神经网络, 图神经网络	分子结构数据	120,571种化合物用于虚拟筛选	NA	XGBoost, 人工神经网络, 图神经网络	F1分数, 平均精度	NA
100	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟	利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法	对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大	开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法	来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据	机器学习	不适用	分子动力学模拟、高斯积分	一维卷积神经网络、循环神经网络、注意力机制	蛋白质结构坐标、30维高斯积分向量	1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹	PyTorch	注意力机制的一维卷积神经网络、循环神经网络	AUC、精确率、召回率、F1分数、R	未明确提及