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
181	2026-04-30	Reliability of Whole-Liver Liver-Fat-Quantification Between Deep Learning-Accelerated and Standard Volumetric Interpolated Breath-hold Examination Dixon Sequences in a Prospective Oncology Cohort 2025-Oct-17, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001242 PMID:41105601	研究论文	评估深度学习加速T1加权VIBE Dixon序列与标准序列在肝脏脂肪定量中的可靠性	首次在肿瘤患者队列中验证深度学习加速MRI序列在肝脏脂肪定量中的准确性，实现扫描时间缩短60%以上而保持高一致性	单中心研究、样本量较小（60例）、仅评估低脂肪分数范围、未纳入高脂肪分数患者	评估深度学习加速T1加权VIBE Dixon序列对肝脏脂肪信号分数（FSF）定量的影响	接受临床指征腹部MRI的肿瘤患者	机器学习	肿瘤疾病	深度学习重建MRI	深度学习	图像	60例患者（平均年龄63.7岁，55%女性）	NA	NA	Spearman相关系数、平均绝对误差	NA
182	2026-04-29	Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm 2025-10, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2025.109094 PMID:40780043	研究论文	开发并验证了一种基于深度学习的人工智能算法，可从常规腰椎MRI中自动计算椎体骨质量（VBQ）评分	首次利用YOLOv8深度学习模型实现VBQ评分的全自动计算，无需手动标注感兴趣区域，提高了术前骨质量评估的便捷性和效率	仅使用了单一数据集（SPIDER挑战数据集）进行开发和验证，缺乏多中心外部验证，可能限制算法的泛化性和临床适用性	开发并验证一种基于人工智能的算法，从常规腰椎MRI预测VBQ评分，以改善术前骨质量评估	257例腰椎T1加权MRI扫描（SPIDER挑战数据集）及47例腰椎手术患者的手动标注数据	计算机视觉，深度学习	骨质疏松，骨质量相关疾病	MRI，深度学习	YOLOv8	图像	257例腰椎MRI扫描用于模型开发，47例腰椎手术患者数据用于验证	PyTorch	YOLOv8	精确率，召回率，平均精度均值，组内相关系数，皮尔逊相关系数，均方根误差，平均误差	NA
183	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
184	2026-04-24	Utility of Deep Learning to Address Missing Modalities from Multi-Modal Medical Imaging Studies: A Systematic Review 2025-Oct-17, Artificial intelligence and applications (Commerce, Calif.) DOI:10.47852/bonviewaia52026392 PMID:42021869	综述	系统综述深度学习在多模态医学影像缺失模态问题中的应用方法	对深度学习解决多模态医学数据缺失模态的方法（图像合成、知识迁移、潜在特征空间）进行系统分类和比较	综述方法可能受限于所选数据库（PubMed、IEEE、Scopus）及时间范围（2013-2025年），且未深入分析每种方法的具体性能差异	系统性回顾深度学习应对多模态医学影像缺失模态问题的解决方案	2013年1月至2025年5月间发表的61篇相关研究论文	数字病理学	未指定具体疾病	医学影像（多模态）	深度学习（包括图像合成、知识迁移、潜在特征空间方法）	图像	234篇初筛文章，61篇符合纳入标准	NA	NA	评价指标（具体未列出），关键属性	NA
185	2026-04-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02826-9 PMID:41062826	研究论文	提出Nimbus深度学习模型，基于多重成像数据自动化分类细胞标记表达，无需重新训练	构建包含1.97亿条标注的Pan-M数据集，并在此基础上开发无需重新训练的预训练模型Nimbus，能跨不同组织、细胞类型和显微镜平台进行细胞标记表达分类	NA	开发一种无需重新训练的深度学习模型，自动从多重成像数据中分类单个细胞的标记表达，以促进细胞表型分析	多重成像数据中的细胞标记表达模式	计算机视觉	NA	多重成像	深度学习	图像	1.97亿条标记表达标注，涵盖15种细胞类型	PyTorch	NA	准确率	NA
186	2026-04-21	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-10, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤	首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤	样本量较小（117例），且为回顾性研究，可能存在选择偏倚	开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤	儿童院外心脏骤停患者及其早期CT扫描图像	计算机视觉	缺氧缺血性脑损伤	CT扫描	深度学习模型	图像	117例儿童院外心脏骤停病例及年龄匹配的对照组	NA	NA	AUC	NA
187	2026-04-21	Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan 2025-10, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.109027 PMID:41005111	研究论文	本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11	将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性	研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限	开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能	大麻素受体CB1及其配体pepcans肽类	机器学习	NA	分子动力学模拟，生物筛选，深度学习	深度学习模型	分子构象数据，生物活性数据	45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据	NA	MuMoPepcan	预测误差	NA
188	2026-04-17	Simulating a Specialist's Treatment Experience for Hypertension Using Deep Neural Networks 2025-10, Journal of clinical hypertension (Greenwich, Conn.) DOI:10.1111/jch.70173 PMID:41163326	研究论文	本研究开发并验证了一个深度学习模型，用于模拟高血压专家的处方模式并预测后续生理反应	设计了一个双模块深度神经网络框架，同时预测最佳药物处方和次日血压及心率，并采用多目标方法捕捉药物选择与生理结果之间的关系	本研究为概念验证性研究，基于单中心数据集，未来需要多中心合作和更大数据集来验证该方法在临床决策支持中的适用性	开发能够模拟高血压专家治疗决策并预测生理反应的深度学习模型，以辅助标准化治疗并减少决策差异	高血压患者的治疗决策和生理反应	机器学习	心血管疾病	临床试验数据	DNN	结构化临床数据	NA	NA	双模块深度神经网络	平均绝对误差, 误差方差, 平均相对误差	NA
189	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
190	2026-04-12	Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention 2025-10-31, Journal of visualized experiments : JoVE DOI:10.3791/69082 PMID:41247923	研究论文	本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类	引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择	未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节	解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求	垃圾邮件分类任务	自然语言处理	NA	Van der Waerden秩变换	支持向量机（SVM）	文本	使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量	NA	VWR-Attn-SVM	准确率, 精确率, 召回率, F1分数, AUC	NA
191	2026-04-12	GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504117122 PMID:41071657	研究论文	本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质	提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环	未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制	开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法	绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR）	机器学习	NA	深度学习	NA	蛋白质序列、结构数据	NA	NA	NA	催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证	NA
192	2026-04-12	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-10-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	本文提出了一种名为GARNN-AE-LSTM的多模态深度学习框架，用于实现高精度的视频摘要生成	提出了一种结合预训练门控循环神经网络（GARNN，融合GRU和AlexNet）与对抗编码器LSTM（AE-LSTM）的多模态框架，并引入了运动补偿PCA降维和门控机制来优化特征选择与冗余消除	未明确说明模型的计算复杂度、处理速度或在不同视频类型（如动态范围、长度）上的泛化能力	开发一种高精度的视频摘要方法，通过保留关键内容来创建长视频的简洁版本	视频数据（包含视觉和听觉信息）	计算机视觉	NA	多模态特征提取、运动补偿特征降维、PCA降维	GARNN, AE-LSTM, GRU, AlexNet	视频（图像与音频）	NA	NA	GARNN（GRU与AlexNet结合）, AE-LSTM	敏感度, F分数, 阳性预测值	NA
193	2026-04-12	Decoding Natural Behavior from Neuroethological Embedding 2025-10-03, Journal of visualized experiments : JoVE DOI:10.3791/68668 PMID:41115131	研究论文	本研究提出了一个结合行为图谱、微型双光子显微镜和神经嵌入技术的实验与计算框架，用于从自由活动小鼠的神经活动中解码复杂自然社交行为	首次整合了Social Behavior Atlas（SBeA）、微型双光子显微镜（mTPM）和CEBRA嵌入方法，实现了在自然社交互动场景下对神经群体动力学与行为特征的高精度同步解码	研究目前仅应用于小鼠社交行为模型，方法在其他物种或行为范式中的通用性尚未验证；解码精度可能受神经成像分辨率和行为标注粒度的限制	探索神经群体动力学如何编码自然行为，建立从神经活动解码复杂行为特征的计算方法	自由活动小鼠在自然社交互动过程中的神经活动与行为表现	系统神经科学	NA	微型双光子显微镜（mTPM）、荧光成像、行为姿态估计	深度学习、嵌入学习	神经成像数据、行为视频数据、姿态坐标数据	多只自由活动小鼠（具体数量未明确说明）	CEBRA（Consistent EmBeddings of high-dimensional Recordings using Auxiliary variables）	NA	姿态解码精度（像素误差）、行为基序解码准确率	NA
194	2026-04-07	Deep learning for automatic vertebra analysis: A methodological survey of recent advances 2025-Oct, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102652 PMID:41033041	综述	本文对近年来基于深度学习的自动椎体分析方法进行了系统性综述，总结了网络架构改进和学习策略设计方面的进展	作为该领域最新的综述，全面整合了公开数据集和评估指标，并分析了多模态学习、领域泛化及基础模型集成等未来研究方向	NA	系统总结自动椎体分析领域的最新进展，指导未来研究开发鲁棒、可泛化且临床可部署的系统	椎体检测与分割方法	计算机视觉	脊柱相关疾病	深度学习	NA	医学影像	NA	NA	NA	NA	NA
195	2026-04-06	Transfer Learning and UNet Segmentation for Paddy Leaf Disease Classification as a Solution with a User-Friendly Interface for Non-Technical Users 2025-10-24, Journal of visualized experiments : JoVE DOI:10.3791/68861 PMID:41212843	研究论文	本研究提出了一种基于迁移学习和UNet分割的定制化深度学习方案，用于水稻叶片病害分类，并开发了用户友好的图形界面供非技术用户使用	结合了定制化的DenseNet-121迁移学习模型与UNet图像分割技术，显著提升了分类准确率，并设计了面向非技术用户的直观交互界面	未明确提及模型在真实田间复杂环境下的泛化能力测试或计算资源需求的具体分析	开发一种可靠且可扩展的水稻叶片病害自动分类解决方案，以辅助农业生产	水稻叶片病害图像，包括Tungro、Sheath Blight、Paddy Hispa、Neck Blast、Narrow Brown Spot、Leaf Scald、Leaf Blast、Brown Spot和Bacterial Leaf Blight	计算机视觉	水稻病害	深度学习，图像分割	CNN	图像	基于Paddy Leaf Diseases Detection Dataset的两个数据集（分割图像与非分割图像），具体样本数量未明确	未明确指定，可能为TensorFlow, PyTorch等	DenseNet-121, UNet	准确率, 精确率, 召回率	未明确指定
196	2026-04-06	Improving mortality prediction after radiotherapy with large language model structuring of large-scale unstructured electronic health records 2025-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111052 PMID:40692078	研究论文	本研究利用开源大语言模型（LLM）对大规模非结构化电子健康记录（EHR）进行结构化处理，以改进放疗后患者的死亡率预测	采用通用领域的大语言模型（而非针对医学数据微调的模型）来结构化非结构化EHR数据，显著提升了生存预测的准确性和模型可解释性	研究主要基于单一医疗中心的数据进行内部验证，外部验证样本量相对较小（852例），且未详细讨论模型在不同医疗系统或人群中的泛化能力	提高放疗后患者死亡率预测的准确性，以优化临床决策和避免对预期寿命有限的患者进行不必要的放疗	接受放疗的患者，包括来自延世癌症中心的34,276例患者（内部数据集）和来自龙仁Severance医院的852例患者（外部验证集）	自然语言处理	癌症	大语言模型（LLM）用于非结构化EHR数据的结构化处理	大语言模型（LLM），深度学习模型	非结构化和结构化的电子健康记录（EHR）数据	内部数据集34,276例患者，外部验证集852例患者	NA	开源大语言模型（具体架构未指定），以及统计、机器学习和深度学习模型	C-index，风险分层的p值，结构化准确率	NA
197	2026-04-05	The Synergy of Artificial Intelligence and 3D Bioprinting: Unlocking New Frontiers in Precision and Tissue Fabrication 2025-Oct-28, Advanced functional materials IF:18.5Q1 DOI:10.1002/adfm.202509530 PMID:41181574	综述	本文综述了人工智能在3D生物打印中的变革性作用，重点关注AI如何提升其精度、功能性和可扩展性	系统性地探讨了AI（包括机器学习、计算机视觉、机器人学等）如何通过实时过程监控、错误纠正和参数优化来革新3D生物打印技术，并强调了其在自动化质量控制、预测性维护和减少生物墨水浪费方面的创新应用	在过程监控、质量控制和生物打印系统的可扩展性方面仍存在挑战	指导科学家、工程师和医疗保健提供者理解AI增强型生物打印的复杂性和潜力，促进对其在再生医学和个性化医疗中未来作用的更深入认识	3D生物打印技术及其与人工智能的融合	机器学习, 计算机视觉, 自然语言处理	NA	3D生物打印	深度学习	复杂数据集	NA	NA	NA	细胞活力, 结构保真度	NA
198	2026-03-31	Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration 2025-Oct-31, Ortopedia, traumatologia, rehabilitacja DOI:10.5604/01.3001.0055.6647 PMID:41904999	综述	本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化	整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式	存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训	探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复	干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化	再生医学	骨关节疾病	NA	深度学习模型	NA	NA	NA	NA	NA	NA
199	2026-03-28	Leveraging Artificial Intelligence and Modulation of Oxidative Stressors to Enhance Healthspan and Radical Longevity 2025-10-24, Biomolecules IF:4.8Q1 DOI:10.3390/biom15111501 PMID:41301419	综述	本文探讨了人工智能在促进健康寿命和延长寿命方面的变革潜力	综述了AI在分析复杂生物数据、加速生物标志物发现、优化治疗干预和个性化医疗方面的应用，特别是在识别生物年龄准确生物标志物、开发精准医学方法、加速药物发现和增强CRISPR等基因组编辑技术方面的突破	AI在长寿研究中的整合带来了伦理和社会挑战，包括隐私问题、公平获取以及延长人类寿命的更广泛影响	探索人工智能在促进健康寿命和延长寿命方面的应用潜力	健康寿命和长寿的生物机制，以及AI在相关领域的应用	机器学习	溶血性疾病	机器学习、深度学习、自然语言处理、机器人技术、数据分析	NA	复杂生物数据	NA	NA	NA	NA	NA
200	2026-03-28	Quantitative molecular imaging using deep magnetic resonance fingerprinting 2025-10, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-025-01152-w PMID:40169753	研究论文	本文介绍了一种基于深度学习的饱和转移磁共振指纹成像（MRF）协议，用于蛋白质、代谢物和pH值的无创体内定量分子成像	提出了一个完整的深度MRF协议，通过人工智能模型解决传统分子MRI技术复杂、半定量和扫描时间长的问题，实现快速定量分子信息提取	协议完成时间从48分钟到57小时不等，对于复杂多质子池体内成像耗时较长，且技术复杂性可能限制其广泛临床采用	开发一种定量分子MRI方法，用于提取具有生物学和临床意义的分子信息	体外样本、动物和人类扫描	医学影像	癌症、神经退行性疾病、中风、心脏病	化学交换饱和转移（CEST）、半固体磁化转移（MT）定量成像	深度学习模型	磁共振图像	NA	NA	NA	NA	NA