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
101	2026-03-19	Deep learning-driven adaptive optics for laser wavefront correction 2025-Oct-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.572860 PMID:41842191	研究论文	本文提出了一种基于深度学习的激光波前校正方法，通过近场/远场相机设置实现自适应光学的在线控制以优化光束质量	采用仅强度信息和深度学习的方法，结合螺旋相位板的相位多样性概念，在毫秒级时间内预测光学场，增强了方法的鲁棒性和精度	NA	开发一种快速、精确的激光波前校正技术，用于优化光束质量	激光光束	计算机视觉	NA	深度学习, 自适应光学, 相位多样性	深度学习模型	图像	NA	NA	NA	NA	NA
102	2026-03-19	Performance of deep learning in moiré fringe analysis with different intensities 2025-Oct-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.569259 PMID:41842211	研究论文	本文研究了不同强度下深度学习在莫尔条纹分析中的性能表现	首次系统性地探索了条纹强度作为影响深度学习在莫尔条纹分析中性能的关键物理因素，并确定了模型最佳性能对应的强度范围	仅研究了条纹强度单一因素，未考虑其他物理因素（如噪声、畸变等）的复合影响；实验数据为模拟或特定条件下采集，可能无法完全代表真实复杂流场环境	探究条纹强度对深度学习模型在莫尔条纹分析中性能的影响，优化动态流场条纹分析的深度学习应用	不同强度的莫尔条纹图像	计算机视觉	NA	莫尔偏折法	深度学习	图像	9900帧莫尔条纹图像（9组不同强度，每组1100帧）	NA	U-net++, ResUnet	均方根误差, 结构相似性指数	NA
103	2026-03-19	Accurate broadband wavefront sensing for space telescopes via a compact neural network 2025-Oct-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.568775 PMID:41842498	研究论文	本研究提出了一种基于紧凑卷积神经网络U-EFFNet的宽带波前传感方法，用于提高空间望远镜在宽带照明下的波前重建精度	结合U-Net的编码器-解码器结构与EFFNet的高效特征提取模块，实现了局部与全局特征的有效平衡，轻量级设计且泛化能力强	未专门为宽带波前传感任务设计，可能在某些极端条件下存在性能限制	解决空间望远镜在宽带成像中因色散和光谱非相干性导致的波前传感精度问题	空间望远镜的波前传感系统	计算机视觉	NA	宽带成像	CNN	图像	NA	NA	U-Net, EFFNet	重建精度, 鲁棒性	NA
104	2026-03-18	Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma 2025-Oct-31, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05263-y PMID:41171470	研究论文	本研究利用深度学习提取的病理组学特征结合临床特征，预测儿童髓母细胞瘤术后持续性脑积水的风险	首次将深度学习提取的定量病理组学特征与临床特征相结合，构建多模态模型来预测儿童髓母细胞瘤术后持续性脑积水的风险，显著提高了风险分层能力	研究为单中心回顾性研究，样本量相对较小（90例患者），需要外部验证以确认模型的泛化能力	改善儿童髓母细胞瘤术后持续性脑积水的风险预测和分层	18岁以下接受治疗的髓母细胞瘤患者	数字病理学	髓母细胞瘤	H&E染色	CNN, 逻辑回归	图像, 临床数据	90例患者	PyTorch	ResNet-18	AUC, 平均精度	NA
105	2026-03-18	Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology 2025-Oct, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500200 PMID:40603107	研究论文	本研究评估了高光谱成像技术结合深度学习在区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生方面的应用	首次将高光谱成像与带自注意力机制的一维卷积神经网络结合，用于甲状腺病变的鉴别诊断，并在特定光谱区域实现了高灵敏度	样本量相对较小（共82个样本），且仅使用了石蜡包埋样本，未涉及新鲜组织或活体成像	开发一种基于高光谱成像和深度学习的快速、非侵入性方法，以准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生	石蜡包埋的甲状腺组织样本（43个PTC样本和39个NGPH样本）	计算机视觉	甲状腺癌	高光谱成像（HSI），光谱范围400-1000 nm	CNN	高光谱图像	82个石蜡包埋组织样本（43个PTC，39个NGPH）	NA	带自注意力机制的一维卷积神经网络	ROC曲线下面积（AUC），像素级分类准确率，灵敏度，特异性	NA
106	2026-03-17	Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces 2025-10-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152761 PMID:41066979	研究论文	本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量	利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平	NA	揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程	单细胞在多种生物界面上的力学响应	计算机视觉	NA	原子力显微镜，单细胞压痕实验	深度学习模型	图像	NA	NA	视觉基础模型	NA	NA
107	2026-03-14	Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103154 PMID:40914000	研究论文	本研究评估了深度学习图像重建（DLIR-H）算法在超低辐射和造影剂条件下优化颈动脉CT血管造影图像质量的效果	首次在超低剂量和低造影剂条件下，将DLIR-H算法应用于双能CT血管造影（DE-CTA）的40 keV虚拟单能图像（VMI），显著提升了图像质量并降低了辐射剂量和造影剂用量	研究样本量相对较小（120例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLIR-H算法在超低辐射和造影剂条件下提升颈动脉CT血管造影图像质量的效能	接受双能CT血管造影（DE-CTA）检查的120例患者	医学影像处理	颈动脉疾病	双能CT血管造影（DE-CTA）、虚拟单能图像（VMI）、深度学习图像重建（DLIR）	深度学习重建算法（DLIR）	CT影像数据	120例患者，分为四组（一组对照组使用ASIR-V，三组实验组分别使用DLIR-L、DLIR-M、DLIR-H算法）	NA	DLIR-H（深度学习图像重建高设置算法）	CT值、图像噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）	NA
108	2026-03-14	Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103158 PMID:40939270	研究论文	本研究评估了约旦儿科头部CT扫描的辐射剂量，并建立了国家诊断参考水平，以解决剂量标准化问题	首次在约旦进行全国性儿科头部CT辐射剂量调查，并基于年龄类别建立了诊断参考水平	由于医院间患者体重数据不一致，研究基于年龄而非体重分组，这被视为方法学限制	评估约旦儿科头部CT扫描的辐射剂量变异性，并建立国家诊断参考水平以促进剂量标准化	在约旦八家医院进行的1550例儿科头部CT检查	医学影像	神经系统疾病	CT扫描	NA	辐射剂量数据（CTDIvol, DLP）	1550例儿科头部CT检查	SPSS	NA	NA	NA
109	2026-03-14	Predicting Anastomosis or Stump Leakage After Laparoscopic Gastrectomy: A Deep Learning Approach to Intraoperative Image Analysis 2025-10, Journal of gastric cancer IF:3.2Q2 DOI:10.5230/jgc.2025.25.e39 PMID:41093773	研究论文	本研究旨在开发和验证深度学习模型，利用腹腔镜图像预测胃癌手术中吻合口或残端渗漏	首次将深度学习应用于腹腔镜图像分析，以预测胃癌手术中的渗漏并发症，并比较了多种深度学习架构的性能	渗漏发生率较低（DS 1.3%，EJ 4.3%），可能影响模型泛化能力；研究基于三家机构的回顾性数据，需进一步前瞻性验证	开发并验证深度学习模型，用于预测腹腔镜胃癌切除术后的吻合口或残端渗漏	接受胃癌腹腔镜切除术的患者及其手术中的腹腔镜图像	计算机视觉	胃癌	腹腔镜成像	CNN	图像	来自2035名患者的10256张腹腔镜图像	NA	ResNet18, ResNet34, ResNet50, EfficientNet_V2_L, Inception_V3, DenseNet121	F1分数, 召回率	NA
110	2026-03-06	Using the latent diffusion model to enhance time-resolved laser speckle contrast imaging (TR-LSCI) of cerebral blood flow 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.567377 PMID:41112794	研究论文	本研究开发了一种结合时间分辨激光散斑对比成像（TR-LSCI）与潜在扩散模型（LTDiff++）的框架，用于增强脑血流成像的深度分辨能力和图像质量	将多尺度潜在扩散模型（LTDiff++）集成到TR-LSCI分析流程中，有效抑制光子扩散噪声，并仅需5帧平均即可维持图像质量，相比传统100帧平均方法将采集时间缩短了20倍	研究在头部模拟体模和新生大鼠上进行训练和验证，尚未在更广泛或更复杂的临床场景中进行大规模验证	开发一种能够实现高时空分辨率、深度敏感且快速的脑血流成像方法，以用于神经疾病的准确诊断和有效管理	脑血流（CBF）	计算机视觉	神经系统疾病	时间分辨激光散斑对比成像（TR-LSCI），皮秒脉冲激光照明，门控模式SPAD512相机	扩散模型	图像	使用头部模拟体模和新生大鼠脑血流图像进行训练和验证	NA	多尺度潜在扩散模型（LTDiff++）	图像质量（通过结构特征和血管特征保存情况评估）	NA
111	2026-03-03	Memorization bias impacts modeling of alternative conformational states of solute carrier membrane proteins with methods from deep learning 2025-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013590 PMID:41105726	研究论文	本文评估了深度学习建模中记忆化偏差对溶质载体膜蛋白替代构象状态的影响，并提出了一种结合ESM和模板建模的方法来一致建模这些状态	提出了一种结合进化尺度建模和模板建模的新流程，以克服AlphaFold2/3在建模溶质载体蛋白多构象状态时的记忆化偏差，并利用序列进化协方差数据进行验证	方法主要适用于具有内部伪对称性的溶质载体蛋白，可能不适用于所有膜蛋白类型，且依赖于模板的可用性	评估记忆化偏差对溶质载体膜蛋白多构象状态建模的影响，并开发一种能一致建模替代构象状态的方法	溶质载体膜蛋白，特别是具有伪对称结构的蛋白质，如SLC35F2	计算生物学	NA	进化尺度建模，模板建模，序列进化协方差分析	AlphaFold2, AlphaFold3, ESM	蛋白质序列，结构模板	多个整合膜蛋白转运体，包括SLC35F2	NA	NA	NA	NA
112	2026-02-28	Visible-Light Hyperspectral Reconstruction and PCA-Based Feature Extraction for Malignant Pleural Effusion Cytology 2025-10-28, Biosensors DOI:10.3390/bios15110714 PMID:41294726	研究论文	本研究提出了一种结合可见光高光谱成像和主成分分析的计算机辅助诊断模型，用于恶性胸腔积液细胞学图像的分类分析	将高光谱成像技术应用于胸腔积液细胞学分析，结合主成分分析进行特征提取，为肺癌诊断提供新的光谱变异分类方法	未使用深度学习技术进行自动细胞分类，数据维度仍需优化以提高诊断速度和计算效率	开发先进的胸腔积液细胞学图像分析模型，辅助肺癌诊断和分期	恶性胸腔积液细胞学图像	计算机视觉	肺癌	高光谱成像，吉姆萨染色	PCA	高光谱图像	NA	NA	NA	NA	显微镜搭载的敏感CCD
113	2026-02-27	Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110664 PMID:40902973	研究论文	本文揭示了与神经退行性疾病相关的未充分研究的激酶DCLK3的独特自调节机制和底物特异性	首次发现了DCLK3通过其截短的尾部进行自磷酸化，并以不同于其旁系同源物DCLK1的方式将其锚定在催化结构域上；利用深度学习模型预测并验证了微管相关蛋白Tau作为DCLK3的潜在底物	研究主要基于体外实验和计算预测，体内功能验证和病理相关性仍需进一步探索	阐明未充分表征的激酶DCLK3的调控机制和细胞功能，为神经退行性疾病提供潜在治疗靶点	双皮质素样激酶3（DCLK3）及其细胞底物	计算生物学, 生物信息学	神经退行性疾病（如亨廷顿病）	计算分析, 实验分析, 肽库数据集, 体外测定, 质谱分析	深度学习模型	肽序列数据	NA	NA	NA	NA	NA
114	2026-02-27	Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110611 PMID:40848973	研究论文	本研究通过结构引导的虚拟筛选和机器学习增强的对接技术，发现并验证了一类可选择性、非共价抑制RGS14 GTP酶加速蛋白活性的小分子抑制剂	首次实现了对RGS14这一“不可成药”蛋白GTP酶加速活性的非共价、小分子抑制，并利用机器学习增强的对接技术指导针对浅表蛋白表面的配体优化	未在动物疾病模型中验证抑制剂的治疗潜力，且针对的蛋白-蛋白相互作用界面较浅，可能影响后续药物开发的难度	开发针对RGS14蛋白GTP酶加速活性的选择性小分子抑制剂，探索其作为中枢神经系统和代谢性疾病潜在治疗药物的可能性	RGS14蛋白及其GTP酶加速蛋白活性	药物发现，计算化学	中枢神经系统疾病，代谢性疾病	结构引导虚拟筛选，配体对接，荧光检测，放射性GTP水解测定，深度学习评分	深度学习模型	分子结构数据，生物化学测定数据	超过40个第二代类似物	NA	NA	抑制活性，亲和力增益，细胞毒性，药代动力学参数，中枢神经系统渗透性	NA
115	2026-02-25	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大语言模型启发的方法，通过学习植物群落中物种丰度排序序列的“句法”来预测物种组成和栖息地类型	首次将大语言模型的序列建模思想应用于植物群落生态学，通过捕捉物种间的潜在关联来提升预测性能	研究范围目前局限于欧洲及邻近地区的植物物种，未明确说明模型在极端环境或高度干扰生态系统中的泛化能力	开发一种能够准确预测植物群落物种组成和栖息地类型的方法，以支持生物多样性保护与生态恢复	欧洲及邻近地区的植物群落物种组成数据	自然语言处理	NA	物种丰度序列建模	神经网络	物种序列数据	覆盖超过10,000种植物物种	NA	基于大语言模型架构的序列模型	准确率	NA
116	2026-02-23	Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review 2025-Oct-29, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506251393123 PMID:41159301	综述	本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述	探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分）	数据需求和标准化方面的挑战阻碍了其广泛的临床应用	评估人工智能在改善阑尾炎外科决策中的潜力	急性阑尾炎	机器学习	阑尾炎	机器学习，深度学习	随机森林，逻辑回归，神经网络，SVM，XGBoost	NA	NA	NA	NA	诊断准确性	NA
117	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
118	2026-02-19	Research hotspots and trends of pediatric bone age: A bibliometric and visualization analysis 2025-Oct-04, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-025-04643-0 PMID:41044432	文献计量学分析	本文通过文献计量学和可视化分析，识别了儿科骨龄领域的研究热点并预测了未来趋势	首次对儿科骨龄领域进行了全面的文献计量学和可视化分析，揭示了该领域的研究热点、发展趋势及新兴关键词	分析仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献；研究为回顾性分析，无法直接干预或验证未来趋势	识别儿科骨龄评估领域的研究热点并预测未来趋势	1965年至2024年间发表的儿科骨龄相关科学文献	文献计量学	儿科生长发育	文献计量分析，可视化分析	NA	文本（科学文献元数据）	4652篇出版物	VOSviewer, CiteSpace, R包bibliometrix	NA	NA	NA
119	2026-02-19	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种基于深度学习的创新方法，利用T2加权MRI图像预测前列腺ADC图质量，以在成像过程中实现实时质量评估和干预	首次利用T2加权图像预测ADC图质量，无需依赖传统技术参数标准化，实现了跨中心数据的早期质量评估	研究为回顾性分析，未在实时临床环境中验证干预效果；模型性能虽稳健但仍有提升空间	开发一种深度学习模型，用于早期预测前列腺MRI中ADC图的质量，以辅助即时诊断干预	前列腺MRI图像，包括T2加权图像和ADC图	数字病理	前列腺癌	MRI成像，包括扩散加权成像和T2加权成像	神经网络	图像	486名患者的多中心数据集，涵盖62个外部诊所和内部成像数据	NA	NA	敏感性，阴性预测值，准确率，AUC	NA
120	2026-02-16	DART-Net: A Novel Deep Learning Framework for Precise Radiotherapy Planning with Automated Multiorgan Segmentation and RTSTRUCT Generation 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_238_25 PMID:41684493	研究论文	本研究提出了一种名为DART-Net的新型深度学习框架，用于精确放射治疗规划，实现自动多器官分割和RTSTRUCT生成	首次将双编码器架构、注意力机制和残差连接统一起来，用于自动分割和直接RTSTRUCT生成，这种组合在盆腔分割中先前未被探索	未明确提及，但可能包括训练数据量有限（125个样本）以及对盆腔特定区域的关注	解决放射治疗规划中手动勾画盆腔器官的瓶颈，减少临床时间消耗和观察者间变异性	盆腔器官（膀胱、前列腺、直肠）	数字病理	前列腺癌	CT扫描	CNN	图像	125个专家标注的盆腔CT扫描	NA	DART-Net	Dice相似系数, Hausdorff距离	NA