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	2026-06-22	Oral Cancer Detection By Using Tabular Data Synthesis and Classification 2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining DOI:10.1109/ICDMW69685.2025.00094 PMID:41948034	研究论文	提出一种利用表格数据合成与分类的自动方法，用于口腔癌筛查，区分口腔癌与癌前病变并改善数据不平衡问题	通过表格数据合成技术缓解临床数据不平衡问题，并利用深度学习同时实现数据平衡与分类性能提升	未明确说明，但基于摘要可能包括数据集规模有限或泛化性需进一步验证	改进基于AI的口腔癌筛查方法，提升分类性能并解决临床数据不平衡问题	口腔癌与癌前病变的临床表格数据	机器学习	口腔癌	NA	深度学习模型	表格数据	NA	NA	NA	Youden指数, 平衡准确率, 敏感性, F1分数, Matthews相关系数	NA
182	2026-06-19	Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control 2025-11-19, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.ads8652 PMID:41259448	研究论文	提出一种深度域自适应框架，通过生物力学模型的模拟传感器克服可穿戴机器人控制中的数据稀缺问题	利用模拟传感器作为过渡域，将易获取数据转化为数据稀缺域的有效数据，实现无标签或无设备特定数据下的任务无关可穿戴机器人控制	无法从摘要中提取明确限制，可能包括对模拟传感器精度的依赖及泛化能力的潜在限制	解决可穿戴机器人控制中数据驱动的个性化需求与高质量设备特定数据获取困难之间的矛盾	髋/膝外骨骼及其控制力矩估计器	机器学习	NA	深度域自适应	深度域自适应网络	模拟传感器数据、开放数据集、未标记外骨骼数据	8名参与者（外骨骼实时控制部署）	PyTorch	深度域自适应网络	误差（Nm/kg）、代谢成本降低百分比	NA
183	2026-06-17	Machine learning model for predicting the conversion to dementia using the Cube Copying Test 2025-Nov, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251376939 PMID:40982217	research paper	利用机器学习模型通过立方体复制测试预测认知障碍向痴呆症的转化	首次将深度学习异常检测模型应用于立方体复制测试绘画数据，结合可解释性分析识别关键预测特征，区分痴呆转化者和非转化者的绘画模式	研究为回顾性设计，样本流失率较高，且仅针对特定认知评估工具（立方体复制测试）	开发一种基于立方体复制测试的机器学习模型，用于预测轻度认知障碍患者在3-5年内转化为痴呆症的风险	767名轻度认知障碍患者的基线立方体复制测试绘画数据	machine learning	阿尔茨海默病、路易体痴呆、额颞叶痴呆	深度学习异常检测模型（PatchCore）、可解释性分析（SHAP）	异常检测模型（PatchCore）	图像（立方体复制测试绘画）	767名患者，其中457名转化为痴呆症（318名阿尔茨海默病，116名路易体痴呆，23名额颞叶痴呆），310名未转化	NA	PatchCore	曲线下面积（AUC）	NA
184	2026-06-15	ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock 2025-11, Omics : a journal of integrative biology IF:2.2Q3 DOI:10.1177/15578100251389910 PMID:41115712	研究论文	引入了一种名为ImmFinder的多模态全连接神经网络框架，用于整合基因组和转录组数据集来分类免疫基因	首次将多模态全连接神经网络用于牲畜免疫基因分类，整合基因组和转录组数据，实现了较高的预测性能	依赖现有的牛基因组和转录组数据集训练和评估，可能限制直接推广到其他品种或物种，需要额外的外部验证和实验跟进	开发一种自动化的多模态深度学习方法，用于分类牛免疫基因，从而推进功能基因组学研究	牛的免疫基因和非免疫基因	机器学习	NA	基因组测序、转录组测序	全连接神经网络	基因组和转录组数据	NA	Python	全连接神经网络	准确率、F1分数、精确率、召回率、AUC-ROC曲线	NA
185	2026-06-08	[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report] 2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences DOI:10.11817/j.issn.1672-7347.2025.250590 PMID:41656833	研究论文	构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，并进行了初步报告	首次为中国人群黑色素瘤构建了代表性强、多模态的疾病特异性队列，整合了自动化ETL和AI辅助治理架构，并实现像素级病理和影像数据建模	单中心研究，可能限制结果的泛化性；排除了未成年人和孕妇，样本代表性有局限	为黑色素瘤疾病特征刻画和预后机制探索提供高质量数据基础	中国中南大学湘雅医院2016年4月至2024年9月间经病理确诊的黑色素瘤患者	数字病理学, 自然语言处理, 计算机视觉	黑色素瘤	全切片图像（WSI）、数字成像与通信标准（DICOM）影像、结构化工临床分子数据	基于Transformer的NLP模型、深度学习管道	病理图像、影像数据、文本数据	1036名黑色素瘤患者（514名男性，522名女性；平均年龄60.2±13.7岁）	NA	Transformer	NA	NA
186	2026-06-07	Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis 2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02681 PMID:40834300	研究论文	开发并验证基于剪切波弹性成像的深度学习模型，用于改善乳腺癌诊断	首次利用深度学习模型分析剪切波弹性成像图像，在国际多中心数据上验证其相比B超能显著降低假阳性率，同时保持与专家相当的灵敏度	未来需探索其与多模态乳腺癌诊断的整合	开发和验证基于SWE图像的深度学习模型（AI-SWE）用于BI-RADS 3和4类乳腺肿块，并与B超的专家诊断进行性能比较	BI-RADS 3或4类乳腺肿块患者	计算机视觉	乳腺癌	剪切波弹性成像 (SWE)	深度学习	超声图像	开发集924例患者（4026张图像）；外部验证集1包含194例患者（562张图像），外部验证集2包含176例患者（188张图像）	NA	EfficientNetB1	灵敏度, 特异度, 假阳性率降低, 受试者工作特征曲线下面积 (AUROC)	NA
187	2026-06-07	Migration of Deep Learning Models Across Ultrasound Scanners 2025-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	提出一种黑盒无监督域适应方法，将深度学习模型的功能从一台超声机器迁移到另一台机器上，实现跨扫描仪的模型部署	首次将传递函数方法与迭代方案相结合，在无需模型内部信息的情况下实现深度学习模型功能在超声机器间的黑盒迁移	研究仅针对超声机器间的迁移，未验证在其他成像模态或更复杂任务中的适用性	验证深度学习模型功能在超声机器间迁移的可行性，并警示临床部署中的安全风险	SonixOne和Verasonics超声机器上的深度学习分类模型	机器学习	NA	NA	深度学习分类模型	超声图像	使用SonixOne和Verasonics两台机器，未明确样本数量	NA	NA	分类准确率	NA
188	2026-06-07	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	综述	本文首次对基于脑电图的视觉分类与重建的深度学习方法进行了全面综述，涵盖方法分类、基准数据集、神经科学见解及未来挑战与机遇	首次系统性地从特征编码与解码两个视角总结深度学习在脑电视觉分类与重建中的应用，并提出方法论本质与神经科学见解之间的动态闭环交互促进机制	未对方法进行定量对比实验，未来趋势部分缺乏具体技术实施路径	综述基于脑电图的视觉分类与重建的深度学习方法现状，展望未来研究方向	基于脑电图的视觉分类与重建任务及相应深度学习方法	自然语言处理,机器学习	NA	脑电图	深度学习模型	脑电图信号	未提及具体样本数量	NA	NA	未具体列出性能指标	NA
189	2026-06-07	Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States 2025-11, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.07.028 PMID:40780311	研究论文	评估基于深度学习分析胸部X光片的非骨质疏松筛查策略在美国50岁以上女性中的成本效益	首次经济模型评估利用深度学习对现有胸部X光片进行机会性骨质疏松筛查的成本效益，并纳入真实世界的治疗依从性和起始率	未提及	评估在美国50岁以上女性中，利用深度学习分析胸部X光片进行机会性骨质疏松筛查的成本效益	美国50岁及以上的女性	医学影像分析	骨质疏松症	深度学习模型	NA	胸部X光片	基于模型估计，无具体样本数量	NA	NA	成本效益比（每获得质量调整生命年的成本）	NA
190	2026-06-05	Detecting Mild Cognitive Impairment to Alzheimer's Disease Progression by fMRI Using Convolutional Neural Network and Long-short Term Memory 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2034.8 PMID:42238745	研究论文	利用静息态功能磁共振成像结合卷积神经网络和长短期记忆网络检测轻度认知障碍向阿尔茨海默病的进展	提出了结合三维CNN与LSTM的多模态深度学习模型，整合fMRI、临床评估和人口统计学信息来预测MCI向AD的转化	样本量较小（81名受试者，266个样本），可能影响模型的泛化性和稳定性	诊断MCI患者可能进展为AD的情况，以便早期干预或减少医疗费用	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	静息态功能磁共振成像	CNN, LSTM	fMRI图像, 临床数据, 人口统计学数据	81名MCI受试者，共266个样本，基线到最后一次观察平均间隔5年	NA	三维CNN, LSTM	准确率（92.47%）	NA
191	2026-06-05	DCM-ML: An Electroencephalography-based Classifier for Early Diagnosis of Schizophrenia Based on Dynamic Connectivity Matrices and Machine Learning Algorithms 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2572.1 PMID:42238755	研究论文	提出了一种基于动态连接矩阵和机器学习算法的脑电图分类器，用于精神分裂症的早期诊断	利用事件相关电位提取的动态连接矩阵结合随机森林分类器，在基于少量特征集的情况下实现接近完美的诊断准确性，并展现出对噪声的鲁棒性	样本量相对较小，且未来需要在更大、人口统计学更多样化的队列中进行验证	开发一种客观、可扩展、非侵入性的基于机器学习的精神分裂症早期诊断工具	81名参与者，包括49名精神分裂症患者和32名健康对照	机器学习	精神分裂症	事件相关电位	随机森林	脑电图信号	81名参与者（49名患者，32名对照）	NA	随机森林	准确率、灵敏度、特异性、F1分数	NA
192	2026-06-02	Egg Freshness Safety and Detection Techniques: A Comprehensive Review and Future Perspective 2025-11, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70317 PMID:41164900	综述	系统总结了传统和新型鸡蛋新鲜度检测技术，重点探讨对壳蛋和液蛋的适用性，并提出了未来研究方向	首次全面对比了传统技术（如哈夫单位、烛光法）与新型技术（如拉曼光谱、电化学-化学计量检测）在壳蛋和液蛋新鲜度检测中的适用性，强调了无损检测和自动化潜力，并指出建立液蛋全球标准的必要性	未对各类检测技术进行定量比较，缺乏实际应用场景下的成本效益分析，且对液蛋检测的标准制定路径探索不够深入	系统梳理鸡蛋新鲜度检测技术，评估其原理、准确性、成本、模型、持续时间和样品完整性，为建立液蛋新鲜度全球标准提供参考	壳蛋和液蛋的新鲜度检测技术	机器学习	NA	高光谱成像、介电谱、拉曼光谱、低场核磁共振、嗅觉传感器、机器视觉、微波近场成像	深度学习、机器学习、堆叠集成策略	图像、光谱数据、电化学数据	NA	NA	NA	准确率	NA
193	2026-05-31	Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22010 PMID:40453545	研究论文	评估一种基于RFE-SHAP特征选择方法在乳腺组织密度分级分类中的稳健性，使用来自数字乳腺断层合成扫描的放射组学特征	结合传统机器学习与可解释AI方法（RFE-SHAP）进行特征选择，并利用组织特异性放射组学特征，以提升乳腺密度分级的自动分类稳健性和可解释性	未明确提及局限性，但可能包括样本量有限（尤其是密度D级）、外部验证中密度D级AUC较低（0.673），以及仅使用逻辑回归分类器	开发鲁棒的乳腺组织密度自动评估方法以改善乳腺癌风险评估	数字乳腺断层合成筛查的原始中央投影图像	数字病理	乳腺癌	RFE-SHAP特征选择方法	逻辑回归（LR）	医学影像	751例（651例训练集，100例验证集）	NA	NA	NA	NA
194	2026-05-30	Mino-Bimaadiziwin and the Pursuit of Harmony 2025-11, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc IF:7.7Q1 DOI:10.1177/10888683251345043 PMID:41017246	研究论文	从北美原住民Anishinaabeg视角探讨“美好生活”概念Mino-Bimaadiziwin及其七大美德教导，强调和谐而非幸福	提出心理学家应深度理解北美原住民关于幸福的本土世界观，避免文化挪用或殖民化，并通过故事工作呈现与西方观点不同的和谐导向理论	NA	引入Mino-Bimaadiziwin概念和七大祖父教导，拓展心理学对幸福的跨文化理解	Anishinaabeg原住民（包括奥吉布韦、波塔瓦托米等第一民族）的幸福观和七大美德价值观	自然语言处理	NA	NA	NA	文本	NA	NA	NA	NA	NA
195	2026-05-27	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	开发了一种级联深度学习框架，结合肿瘤分割和转移风险分层，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发	提出了一种两阶段级联深度学习框架，先进行V-Net肿瘤分割，再进行基于深度学习的转移风险分类，并整合临床病理预测因子构建组合模型，首次实现术前预测晚期胃癌隐匿性腹膜转移和早期腹膜复发的双重任务	未提及具体局限性	开发并验证一种基于CT的级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发，以优化个性化治疗路径	来自三个医疗中心的765例晚期胃癌患者	计算机视觉	胃癌	CT成像	V-Net	图像	765例晚期胃癌患者，内部分为训练集和验证集（OPM 168例，早期PR 212例），外部验证集57例	NA	V-Net	AUC、灵敏度、特异度	NA
196	2026-05-26	Artificial intelligence in nuclear cardiology: Enhancing diagnostic accuracy and efficiency 2025 Nov-Dec, Progress in cardiovascular diseases IF:5.6Q1 DOI:10.1016/j.pcad.2025.09.010 PMID:41038418	综述	综述人工智能在核心脏病学中提升诊断准确性和效率的进展	系统总结了人工智能在核心脏病学图像优化、虚拟衰减校正、自动化生物标志物量化及多模态数据整合中的创新应用	未详细讨论AI模型在不同临床场景下的验证不足及实际部署的挑战	探讨人工智能技术如何改善核心脏病学的图像质量、减少辐射暴露并优化诊断流程	核心脏病学中的图像获取、重建、解释及临床工作流	计算机视觉	心血管疾病	NA	机器学习模型, 深度学习	图像, 临床数据, 压力测试特征	NA	NA	NA	NA	NA
197	2026-05-25	AI-based approach for heart failure readmission prediction using SCG, ECG, and GSR signals 2025-11-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae178c PMID:41135577	研究论文	基于AI方法使用SCG、ECG和GSR信号预测心力衰竭患者再入院	首次利用地震心动图信号结合机器学习模型进行心力衰竭再入院预测，并探索了时间-频率分布方法将SCG信号转换为图像用于深度学习模型	样本量较小（仅101名患者），深度学习模型准确率低于传统机器学习算法	探索一种非侵入性方法通过预测心力衰竭患者再入院来帮助管理患者	心力衰竭患者（包括研究期间再入院者）	机器学习	心血管疾病	SCG（地震心动图）、ECG（心电图）、GSR（皮肤电反应）信号采集	K近邻、深度学习模型	信号数据	101名心力衰竭患者	NA	K近邻、深度学习模型	准确率（89.4%）、灵敏度（87.8%）、特异度（90.1%）、精确度（78.2%）、F1分数（82.7%）	NA
198	2026-05-24	Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study 2025-11-20, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c05780 PMID:41212638	研究论文	比较深度学习模型DeepRMSD+Vina与传统分子动力学模拟在碳纳米管与SARS-CoV-2主蛋白酶对接问题中的性能	首次评估深度学习在纳米结构对接问题中的表现，并发现其与分子动力学模拟结果高度一致，但需注意柔性环区的局部能量势垒	深度学习生成的结构未完全捕捉结合口袋附近柔性环区的结构变化，且其预测的结合构象处于局部能量最小值，需克服能垒才能到达全局最小值	评估深度学习方法在纳米生物系统对接中的性能，为纳米医学材料设计提供新思路	碳纳米管（最代表性纳米材料）与SARS-CoV-2主蛋白酶（Mpro）的对接系统	机器学习	新冠肺炎	深度学习、分子动力学模拟	DeepRMSD+Vina	分子结构数据	NA	NA	DeepRMSD+Vina	NA	NA
199	2026-05-23	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	结合相衬显微镜与深度学习实时映射细胞在纤维环境中的力学，揭示张力各向异性如何调控细胞行为	首次发现纤维环境中力学方向性超越刚度成为收缩性的主要调控因子，并开发了深度学习驱动的活细胞纤维力显微镜（DLFM）技术	NA	探究细胞在纤维基质中的力学感知机制及其对迁移、分裂和分化的影响	迁移细胞、干细胞	计算机视觉	NA	相衬显微镜、深度学习	深度学习模型（具体未指定）	图像、力学数据	NA	NA	NA	NA	NA
200	2026-05-23	Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach 2025-Nov, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.07.085 PMID:40967934	研究论文	利用可解释深度学习方法分析术前12导联心电图，预测非心脏手术中主要心血管事件的风险	首次使用深度学习结合术前12导联心电图与常规临床变量，构建多模态融合模型，显著提高非心脏手术后主要不良心血管事件的预测性能；采用生成式反事实框架提供波形级别的解释	回顾性研究设计，数据源自单中心（MIMIC-IV数据库），可能存在选择偏倚；模型仅在单一数据库验证，外部泛化性未评估	探究术前12导联心电图经深度学习分析能否改善非心脏手术后主要不良心血管事件的风险预测	37,081名接受大型非心脏手术的成年患者（2008-2019年，MIMIC-IV数据库）	机器学习	心血管疾病	12导联心电图	卷积神经网络	心电图波形、临床变量	37,081名成年患者	NA	卷积神经网络	AUROC（受试者工作特征曲线下面积）	NA