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	2025-12-05	Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity 2025-Oct-22, ArXiv PMID:41281206	研究论文	本文系统评估了八种概率深度学习模型在神经活动预测任务上的性能，并与经典统计方法进行了比较	首次将包括两个基础模型在内的多种先进概率深度学习模型系统应用于神经活动预测领域，填补了深度学习在该应用中的空白	研究仅基于小鼠皮层自发神经活动的宽场成像数据，未验证其他神经记录技术或不同物种的数据	评估概率时间序列预测模型在神经活动预测任务中的性能，探索深度学习在该领域的应用潜力	小鼠皮层自发神经活动的时间序列数据	机器学习	NA	宽场成像	概率深度学习模型	时间序列数据	NA	NA	NA	NA	NA
82	2025-12-05	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	本研究提出了一种时空Transformer模型，用于从耐药性癫痫患者的颅内脑电图（iEEG）发作期数据中提取特征，生成包含时空信息的嵌入表示，以大规模比较患者间的发作网络特征及其与治疗结果的关系	引入了一种自定义的时空Transformer模型，能够灵活处理不同电极数量和植入位置的iEEG数据，并首次实现了对大规模患者队列中发作起始模式的定量比较和聚类分析	发作聚类未能根据治疗方法或术后结果区分患者，且模型尚未整合多模态数据（如结构/功能成像、症状学、患者病史等）	为耐药性癫痫患者的手术治疗规划提供定量、基于证据的决策支持，通过比较新患者与历史病例的发作特征来推荐最佳治疗方案	耐药性癫痫患者的颅内脑电图（iEEG）发作起始时段数据	机器学习	癫痫	颅内脑电图（iEEG），包括立体定向脑电图和皮层脑电图	Transformer, CNN	多通道颅内脑电图（iEEG）时间序列数据	102名耐药性癫痫患者的882次临床发作	NA	自定义时空Transformer，包含卷积层和时空位置编码器	验证准确率	NA
83	2025-12-05	Clinical Relevance of Computationally Derived Attributes of Arteries and Arterioles in focal segmental glomerulosclerosis and minimal change disease 2025-Oct-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.08.25336276 PMID:41282757	研究论文	本研究开发了一种计算流程，用于在数字肾脏活检中量化局灶节段性肾小球硬化症和微小病变病患者的动脉和小动脉特征，以提高标准化和可重复性	开发了深度学习模型来分割肌肉血管及其内部结构，并通过路径组学特征提取量化硬化症和玻璃样变，相比传统半定性评分方法提高了预测疾病进展的能力	研究仅基于225名参与者的单张三色染色全切片图像，样本量相对有限，且未涉及其他染色方法或更大规模的外部验证	旨在通过计算分析方法改进肾脏活检中动脉和小动脉硬化症及玻璃样变的评估标准，以增强临床预后预测	局灶节段性肾小球硬化症和微小病变病患者的数字肾脏活检图像	数字病理学	肾脏疾病	三色染色全切片图像分析，深度学习分割，路径组学特征提取	深度学习模型	图像	225名参与者（127例FSGS，98例MCD），共分割了1,499个小动脉、686个叶间动脉和131个弓形动脉	NA	NA	Spearman相关系数，一致性指数	NA
84	2025-12-05	Clinical target volumes for glioma - Automated delineation to improve neuroanatomic consistency 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100865 PMID:41328287	研究论文	本研究开发了一种结合肿瘤浸润路径和解剖屏障的自动化方法，用于改进胶质瘤临床靶区（CTV）勾画的神经解剖一致性和效率	提出了一种整合白质束连接结构的约束距离变换方法，允许CTV在不同脑结构边界（如小脑和脑干）间扩展，从而提高了神经解剖一致性	未明确说明模型在更大规模或多中心数据集上的泛化能力，且对小结构（如视交叉）的分割性能相对较低（DSC 63.9%）	提高胶质瘤临床靶区勾画的神经解剖一致性和自动化效率	99名胶质瘤患者的CT图像及对应的脑结构（半球、脑干、小脑、视交叉、视神经、脑室、中线）	数字病理	胶质瘤	CT成像	深度学习模型	CT图像	99名胶质瘤患者	NA	NA	Dice相似系数（DSC）, 95%豪斯多夫距离（HD95）, 表面DSC	NA
85	2025-12-04	Prediction of intraductal cancer microinfiltration based on the hierarchical fusion of peri-tumor imaging histology and dual view deep learning 2025-Oct-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15054-3 PMID:41088081	研究论文	本研究开发了一种基于多模态融合的深度学习模型，用于准确预测导管原位癌的微浸润风险	通过整合深度学习、影像组学和临床特征，构建了层次化融合模型，有效克服了单模态模型的过拟合问题，并实现了高准确性和可解释性	样本量相对有限（共232例患者），且未提及模型在其他独立队列中的泛化能力验证	开发用于导管原位癌微浸润风险预测和临床决策支持的多模态融合模型	导管原位癌患者	数字病理学	乳腺癌	影像组学, 深度学习	深度学习模型	图像, 临床数据	232例患者（训练集103例，验证集43例，外部测试集86例）	NA	DenseNet201	AUC, DeLong检验, 校准曲线, 决策曲线分析, Cohen's κ	NA
86	2025-12-04	Computational pathology approach for assessment of prognosis and immunotherapy response in pan-gastrointestinal cancer 2025-Oct-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06181-3 PMID:41088294	研究论文	本研究提出了一种基于深度学习病理组学特征（DLPS）的计算病理学方法，用于评估泛胃肠道癌症的预后、化疗和免疫治疗反应	整合了全切片图像中细胞核、微环境和单细胞空间分布三个尺度的病理组学特征，构建了DLPS，并在多中心队列中验证了其在预后和治疗反应预测中的独立价值	研究主要基于回顾性数据，未来需要前瞻性验证；DLPS的生物学解释仍需进一步探索	开发一种计算病理学方法以改善癌症患者的预后评估和治疗反应预测	泛胃肠道癌症患者，特别是胃癌患者	数字病理学	胃癌, 泛胃肠道癌症	H&E染色全切片图像分析	深度学习	图像	2463名患者来自12个队列，其中1653名为胃癌患者	NA	NA	AUC, 多变量Cox回归分析, 客观缓解率	NA
87	2025-12-04	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Oct, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱和深度学习模型ResTransformer的快速、无损方法，用于识别山茶油的掺假类型和浓度	提出了一种名为ResTransformer的新型深度学习模型，该模型将残差模块与Transformer结合，能够从局部和全局视角同时进行掺假类型的定性检测和掺假浓度的定量检测	研究模拟了潜在的掺假场景，但实际市场中的掺假情况可能更为复杂多样	开发一种准确且无损的方法来识别山茶油掺假，以保障公众健康	山茶油及其掺假样品	机器学习	NA	激发-发射矩阵荧光光谱	深度学习	光谱数据	NA	NA	ResTransformer（结合残差模块与Transformer）	准确率, 决定系数, 均方根误差, 性能偏差比	NA
88	2025-12-04	The Operative Role of Artificial Intelligence in Vascular Surgery: A Systematic Review of Literature 2025-Oct, Cureus DOI:10.7759/cureus.95515 PMID:41322735	综述	本文系统回顾了人工智能在血管外科手术工作流程和安全性方面影响的现有文献	首次系统性地综述了人工智能在血管外科围手术期（术前、术中、术后）的应用现状，并评估了其对工作流程和安全性的影响	证据有限，主要基于小样本、回顾性和异质性研究，存在潜在偏倚，需要大规模前瞻性验证	评估人工智能在血管外科手术工作流程和安全性方面的作用与潜力	血管外科手术（包括血管内修复术、颈动脉内膜切除术、动静脉瘘、搭桥术等）	机器学习和数字病理学	心血管疾病	NA	机器学习，深度学习，神经网络	医学影像（如术前CT），临床数据	8项相关研究（6项回顾性研究，1项前瞻性研究，1项混合队列研究）	NA	NA	预测准确性，工作流程效率，安全性	NA
89	2025-12-04	Workflow to detect exceeded dose constraints in pancreatic stereotactic body irradiation after intrafraction motion during magnetic resonance-guided adaptive radiotherapy using a deep learning-refined contour propagation tool 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100866 PMID:41323214	研究论文	本文提出了一种工作流程，用于自动检测胰腺立体定向体部放疗中因分次内运动导致的胃肠道结构剂量约束超标	引入深度学习精炼的轮廓传播工具，自动检测分次内运动引起的剂量约束超标，提高放疗计划验证的自动化水平	研究样本量较小（11名患者，48个分次），且依赖于手动绘制的参考轮廓进行验证	开发一种自动化工作流程，以检测磁共振引导自适应放疗中胰腺癌治疗因分次内运动导致的剂量约束超标	胰腺癌患者的胃肠道结构（如十二指肠）在磁共振引导自适应放疗中的分次内运动	数字病理学	胰腺癌	磁共振引导自适应放疗，立体定向体部放疗	深度学习	磁共振图像	11名胰腺癌患者的48个每日自适应分次，使用79张图像进行模型训练	NA	NA	Dice相似系数，平均距离一致性，特异性，敏感性，准确性	NA
90	2025-12-03	Dual-center study on AI-driven multi-label deep learning for X-ray screening of knee abnormalities 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21895-6 PMID:41168262	研究论文	本研究开发了一种基于AI的多标签深度学习模型，用于从X射线图像中直接检测膝关节软组织异常	创新性地利用X射线图像实现了传统上仅能通过MRI或关节镜检查的软组织异常检测	研究为回顾性设计，且仅基于两个医疗中心的数据，可能存在选择偏倚	提高膝关节异常（特别是软组织损伤）在X射线筛查中的检测精度和效率	膝关节X射线图像	计算机视觉	膝关节异常	X射线成像	CNN	图像	来自两个医疗中心的4,215名患者	PyTorch, Flask	YOLOv11, ResNet152, DenseNet121, MobileNetV3, ShuffleNetV2, VGG19	mAP, F1-score, AUC	NA
91	2025-12-03	Accuracy and reliability of 3D cephalometric landmark detection with deep learning 2025-Oct-21, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03198-8 PMID:41121304	研究论文	本研究开发并验证了一种用于口腔颌面部三维标志点自动检测的深度学习模型	采用优化的轻量级3D U-Net网络架构，在螺旋CT和锥形束CT两种扫描方式上验证了模型的高精度、鲁棒性和泛化能力，并显著提升了专家的标注效率和速度	模型的鲁棒性和泛化能力仍需前瞻性临床验证以确保在不同经验水平用户中的实用性	开发并验证用于口腔颌面部三维标志点自动检测的AI模型，以辅助正畸、正颌、创伤和整形等手术规划	口腔颌面部三维影像（螺旋CT和锥形束CT）中的解剖标志点	计算机视觉	NA	螺旋计算机断层扫描（SCT），锥形束计算机断层扫描（CBCT）	CNN	三维医学影像	训练和测试集：480例SCT和240例CBCT；额外推理集：320例SCT和150例CBCT	NA	3D U-Net	平均径向误差（MRE），2毫米、3毫米、4毫米误差阈值内的成功检测率（SDR）	NA
92	2025-12-03	Adaptive Neuro-Symbolic framework with dynamic contextual reasoning: A novel framework for semantic understanding 2025-Oct-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025112 PMID:41327946	研究论文	提出了一种新颖的自适应神经符号框架（ANS-DCR），用于实现类人的语义理解和可解释性	提出了一个集成了神经网络与符号推理的新颖架构，包含四个关键创新：上下文嵌入层、分层知识图谱、自适应推理引擎和可解释决策模块	NA	解决当前深度学习模型在关系推理、上下文解释和透明决策方面的不足，实现更深层次的语义理解	图像数据，特别是复杂场景如自动驾驶中的交通场景	计算机视觉	NA	NA	神经符号模型	图像	NA	NA	ANS-DCR（自适应神经符号框架与动态上下文推理）	语义分割，上下文推理，可解释性	NA
93	2025-12-03	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2025-Oct-16, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究通过整合病理切片图像和临床记录，开发了一种基于Transformer的多模态深度学习模型，用于预测结直肠息肉5年进展风险	首次将Transformer架构应用于结直肠息肉病理图像分析，并创新性地通过预测中间临床变量来提升长期风险预测性能，同时探索了多模态融合策略	研究数据来源于单一注册中心（新罕布什尔州结肠镜注册库），可能限制模型的泛化能力；未详细说明模型在不同亚组人群中的表现差异	通过整合多模态数据提升结直肠癌筛查和风险分层的准确性	结直肠息肉患者及其病理切片图像、临床记录	数字病理学	结直肠癌	数字病理全切片成像	Transformer	图像, 文本	新罕布什尔州结肠镜注册库的纵向随访数据（具体样本量未明确说明）	NA	Transformer	AUC	NA
94	2025-12-02	Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required 2025-Oct-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103828 PMID:41319624	研究论文	本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型	提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍	NA	开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法	胸部X光片（CXRs）和眼底摄影图像	医学影像分析	肺部疾病（包括肺炎等）	深度学习	基础模型	图像	Ark5使用335,484张CXRs，Ark6使用704,363张CXRs	PyTorch	多种架构（具体未指定）	分类、分割、定位任务的性能评估，性别偏差分析	NA
95	2025-12-02	Hippocampal grey matter changes across scales in Alzheimer's Disease 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.15.682705 PMID:41280080	研究论文	本研究利用ADNI数据集，通过深度学习模型分析阿尔茨海默病和轻度认知障碍患者海马体的宏观结构（如厚度和脑回）与微观结构变化	采用迭代训练范式调整现有深度学习模型，以捕捉老年及海马退化个体的海马拓扑结构，并首次结合宏观与微观结构变化，揭示AD和MCI中扩散方向与平均扩散系数的空间非重叠性	研究依赖于ADNI数据集，样本可能具有选择性偏差；未探讨其他神经退行性疾病的影响；深度学习模型的泛化能力需进一步验证	探究阿尔茨海默病和轻度认知障碍中海马体宏观与微观结构的变化特征	阿尔茨海默病患者、轻度认知障碍患者及健康老年对照个体	数字病理学	阿尔茨海默病	扩散MRI，深度学习	深度学习模型	MRI图像，扩散张量数据	ADNI数据集中的AD、MCI患者及健康对照个体	NA	NA	NA	NA
96	2025-12-02	GhostFold: Accurate protein structure prediction using structure-constrained synthetic coevolutionary signals 2025-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682177 PMID:41279404	研究论文	提出一种名为GhostFold的方法，可从单一氨基酸序列生成结构约束的合成多序列比对，用于高精度蛋白质结构预测	无需传统同源搜索，利用蛋白质语言模型和结构字母表生成具有折叠一致性的合成序列，解决了同源序列稀少蛋白质的结构预测难题	未明确说明方法对特定结构类型（如膜蛋白）的适用性，且合成序列的进化合理性有待进一步验证	开发不依赖深度多序列比对的蛋白质结构预测方法	孤儿蛋白质、高变抗体环等难以通过传统方法预测结构的蛋白质	计算结构生物学	NA	蛋白质语言模型（ProstT5）、3Di结构字母表	深度学习模型	氨基酸序列、结构表示	NA	NA	AlphaFold2	pLDDT	计算轻量级（具体资源未说明）
97	2025-12-02	High-Risk Carotid Lesion Segmentation: Advancing Stroke Risk Detection With Deep Learning 2025-Oct-14, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028251381672 PMID:41321026	研究论文	本研究探讨了使用人工智能软件PRAEVAorta2在CT血管造影上自动分割颈动脉斑块的可行性，并比较了有症状与无症状患者斑块成分的差异	引入了AI工具PRAEVAorta2来自动分割和量化颈动脉斑块成分，超越传统狭窄分级，提供更细致的斑块易损性评估	血栓分割的Dice相似系数较低（0.33），表明该成分的自动分割性能有待提升	评估AI在颈动脉病变分割中的可行性，并比较有症状与无症状患者斑块成分的差异	颈动脉斑块	数字病理	心血管疾病	CT血管造影	深度学习	图像	156名患者（81个有症状病变，75个无症状病变）	NA	NA	敏感性, 特异性, Dice相似系数, 体积相似性	NA
98	2025-12-02	Uncovering the Mechanistic Landscape of Regulatory DNA with Deep Learning 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.07.681052 PMID:41278958	研究论文	本文提出了一种结合深度学习和可解释AI的计算框架SEAM，用于解析调控DNA的机制景观并评估基因突变的功能影响	开发了SEAM框架，首次系统性地将深度学习和可解释AI结合，能够识别功能结合位点、区分突变对结合位点的不同影响（保留/破坏/创建），并发现调控信号存在突变稳健型和易重编程型两种类型	未明确说明模型在哪些具体调控位点类型上的泛化能力，也未提供大规模验证数据	解析调控DNA的机制逻辑，评估非编码区基因突变的功能影响，并指导合成序列设计	人类和其他物种的调控基因座（regulatory loci）	机器学习	NA	深度学习，可解释AI	深度学习模型	DNA序列数据	NA	NA	NA	NA	NA
99	2025-12-02	Glomerular Segmentation, Classification, and Pathomic Feature-based Prediction of Clinical Outcomes in Minimal Change Disease and Focal Segmental Glomerulosclerosis 2025-Oct-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.01.25336172 PMID:41282794	研究论文	本研究应用计算图像分析自动化分割和分类肾小球，并提取非硬化肾小球的亚视觉病理特征以评估其临床相关性	利用深度学习模型自动化分割和分类肾小球，并从非硬化肾小球中提取亚视觉病理特征用于预测临床结局，揭示了传统评估中未被充分认识的预后信息	研究仅基于特定染色（PAS）的WSI图像，且模型在%SS的评估上一致性仅为中等（ICC=0.592），非硬化肾小球病理特征的预测性能相对有限（iAUCs约0.66-0.68）	自动化评估肾小球硬化并探索非硬化肾小球的病理特征与临床结局（疾病进展和蛋白尿缓解）的关联	局灶节段性肾小球硬化症和微小病变病的肾小球	数字病理学	肾脏疾病	PAS染色全切片图像分析	深度学习模型	图像	基于NEPTUNE/CureGN队列的PAS染色WSI图像，具体样本数量未在摘要中明确	NA	NA	ICC, iAUC	NA
100	2025-12-02	Physics-Informed Machine Learning in Biomedical Science and Engineering 2025-Oct-06, ArXiv PMID:41281212	综述	本文综述了物理信息机器学习在生物医学科学与工程中的应用，重点介绍了PINNs、NODEs和神经算子三类框架	系统性地将参数化物理定律与数据驱动方法相结合，为复杂生物医学系统建模提供了可解释且高效的范式	存在不确定性量化、泛化能力以及与大型语言模型整合等开放挑战	探讨物理信息机器学习在生物医学领域的应用潜力与发展方向	生物固体与流体力学、力学生物学、医学成像、生理系统、药代动力学、细胞信号传导等多尺度生物医学系统	机器学习	NA	NA	物理信息神经网络, 神经常微分方程, 神经算子	NA	NA	NA	PINNs, NODEs, NOs	NA	NA