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
241	2026-03-22	A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification 2025-Nov-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02298-6 PMID:41249662	研究论文	本文提出了一种用于乳腺超声图像分割与分类的双阶段深度学习框架	提出了一种模块化的双阶段流程，可灵活集成不同的骨干网络架构以适应特定任务或数据集需求	未明确说明模型在临床环境中的泛化能力及外部验证结果	探索深度学习技术在乳腺超声图像分割与分类中的应用，以支持乳腺癌诊断	乳腺超声图像中的肿块区域	计算机视觉	乳腺癌	超声成像	CNN	图像	两个乳腺超声数据集（具体样本数量未说明）	未明确说明	DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0	诊断准确率	NA
242	2026-03-22	A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma 2025-Nov-18, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102452 PMID:41260205	研究论文	本研究通过整合深度学习基线PET/CT生物标志物与多组学分析，开发了一个用于弥漫性大B细胞淋巴瘤的预后指数模型	结合nnUNet深度学习框架分析PET/CT扫描，并整合DNA和RNA测序数据，开发了ClinicalPET LymphPlex模型，有效区分不同治疗下的患者预后	研究依赖于特定数据集（AutoPET公共和内部数据集），可能限制了模型的泛化能力	提高弥漫性大B细胞淋巴瘤的预后精度并推进个性化治疗	1,024名新诊断的弥漫性大B细胞淋巴瘤患者	数字病理学	淋巴瘤	PET/CT扫描, DNA测序, RNA测序	深度学习	图像, 基因组数据	1,024名患者	nnUNet	nnUNet	预后价值评估	NA
243	2026-03-21	STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3605968 PMID:40907046	研究论文	本研究提出了一种名为STAD-CoAtt的时空图卷积网络方法，用于整合阿尔茨海默病特异性基因调控网络的动态图特征，以评估神经病理学阶段和认知功能障碍	提出了一种结合共注意力网络和非线性流形对齐融合块的ST-GCN架构，首次将动态演化的AD特异性基因调控网络图特征与时空特征进行整合，以构建单核RNA测序数据的联合潜在表示	方法仅在ROSMAP和GSE平台的基准数据集上进行了验证，尚未在其他独立队列或不同神经退行性疾病中进行广泛测试	开发一种深度学习模型，通过整合时空图特征来更准确地评估阿尔茨海默病的神经病理学阶段和认知功能障碍	人类脑组织样本的单核RNA测序数据，特别是与阿尔茨海默病和痴呆相关的数据	生物信息学, 机器学习	阿尔茨海默病, 痴呆	单核RNA测序	图卷积网络, 注意力机制	基因表达数据, 图数据	来自ROSMAP和GSE平台的两个基准RNA测序数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA
244	2026-03-21	DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602433 PMID:40880325	研究论文	本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂	开发了一种基于可解释深度学习的框架，仅使用SMILES符号即可准确识别HDAC3抑制剂，并通过特征融合和SHAP算法提高预测性能和可解释性	NA	加速发现高选择性的HDAC3抑制剂	HDAC3抑制剂	机器学习	NA	SMILES符号表示	CNN	SMILES符号	NA	NA	1D-CNN	准确率, MCC, AUC, F1分数	NA
245	2026-03-19	Rapid cancer diagnosis using deep learning-powered label-free subcellular-resolution photoacoustic histology 2025-Nov-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz1820 PMID:41270177	研究论文	本研究开发了一种亚细胞分辨率紫外线光声显微镜系统，结合深度学习技术，用于快速无标记的癌症诊断	开发了具有240纳米高分辨率的SRUV-PAM系统，并首次将循环一致性生成对抗网络和DenseNet-121应用于虚拟染色和肝脏肿瘤诊断	未提及系统在临床大规模应用中的验证或与其他成像技术的比较	通过高分辨率无标记成像和深度学习技术，实现快速准确的癌症诊断	肝脏组织中的恶性和良性肿瘤	数字病理学	肝癌	紫外线光声显微镜	GAN, CNN	图像	NA	NA	CycleGAN, DenseNet-121	AUC	NA
246	2026-03-19	Integrating CBAM-CNN architectures with K-means clustering algorithms for high-efficiency and accurate metasurface optical properties' prediction 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.570063 PMID:41841958	研究论文	提出一种结合CBAM-CNN架构与K-means聚类算法的物理信息双策略框架，用于高效准确预测超表面光学特性	将卷积块注意力模块集成到CNN模型中，加速特征提取十倍，并利用K-means聚类算法优化数据分布，显著提升预测性能	未明确说明模型在其他类型超表面或更复杂光学设计中的泛化能力	解决超表面设计中深度学习特征提取效率低和数据不平衡问题，开发高效预测框架	超表面的光学特性	计算机视觉	NA	深度学习，聚类算法	CNN	NA	NA	NA	CBAM-CNN	最终损失值	NA
247	2026-03-19	Semi-physical simulation experiment of the multi-view non-cooperative measurement method for nozzle swing angle 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.571361 PMID:41841959	研究论文	本文提出了一种基于深度学习的多视角非合作喷嘴摆角测量方法，通过半物理仿真平台验证了其静态和动态测量性能	开发了基于SuperPoint的喷嘴特征点检测模型和基于SuperGlue的特征点匹配模型，实现了无需合作标记点的多视角非合作测量	NA	提高发动机控制精度中喷嘴摆角的测量准确性和适用性	喷嘴摆角	计算机视觉	NA	视觉检测技术	深度学习模型	图像	NA	NA	SuperPoint, SuperGlue	测量误差	NA
248	2026-03-19	Image restoration methods for simple optical systems based on deep learning 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.576740 PMID:41841963	研究论文	本文提出了一种基于深度学习的简单光学系统图像恢复方法，通过构建增强的MIMO-UNet框架来补偿像差，实现轻量化设计与高质量成像	结合坐标注意力和可变形卷积增强MIMO-UNet恢复框架，在减少透镜数量的同时显著提升成像质量	NA	满足轻量化设计和高品质成像需求，解决简单光学系统严重像差导致的成像质量下降问题	100毫米双合透镜光学系统	计算机视觉	NA	深度学习	CNN	图像	NA	NA	MIMO-UNet	PSNR	NA
249	2026-03-19	Automatic segmentation and measurement of tongue geometric features using TOSA-Net for obstructive sleep apnoea 2025-11-12, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03511-z PMID:41222764	研究论文	本文提出了一种名为TOSA-Net的深度学习模型，用于自动分割和测量舌头的几何特征，以辅助阻塞性睡眠呼吸暂停（OSA）的研究	首次利用深度学习分割技术量化OSA相关的舌头几何特征，并开发了TOSA-Net模型，为OSA舌部研究提供了更高效的方法	研究样本量相对较小（n=207），且未明确提及模型在外部验证集上的泛化能力	开发一种自动分割和测量舌头几何特征的方法，以支持阻塞性睡眠呼吸暂停（OSA）的临床和大规模研究	舌头图像（正面和侧面视图）及其几何特征（面积、长度、厚度、曲率）	计算机视觉	阻塞性睡眠呼吸暂停	深度学习图像分割	CNN	图像	207张舌头图像（包括正面和侧面视图）	未明确提及	U-Net	Dice系数, Pearson相关系数, 一致性分析	NA
250	2026-03-19	Edge-enhanced real-time holography using physics-guided residual learning 2025-Nov-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.575095 PMID:41841856	研究论文	本文提出了一种基于物理引导残差学习的边缘增强实时全息术，用于改善宽带图像全息中的混叠伪影和噪声问题	提出ResDPH框架，将神经网络嵌入物理模型中进行残差补偿，以增强细节保真度，实现高帧率2K全息图生成	NA	改善双相位全息术在宽带图像中的混叠伪影和噪声问题，提升全息图质量	宽带图像的全息图生成	计算机视觉	NA	双相位编码，深度学习辅助	神经网络	图像	NA	NA	NA	PSNR	NA
251	2026-03-19	Mitigating inter-pixel interference in MIMO-OCC systems with deep learning: addressing out-of-focus blur and very low-resolution effects 2025-Nov-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.572820 PMID:41841886	研究论文	本研究通过实验探讨了离焦模糊和极低分辨率对MIMO-OCC系统的影响，并提出了一种基于深度学习的Restormer网络缓解策略	首次将Restormer网络应用于MIMO-OCC系统，以缓解离焦模糊和极低分辨率引起的像素间干扰，显著提升信噪比和最大通信链路长度	NA	缓解MIMO-OCC系统中的像素间干扰问题，以提高数据速率和通信链路长度	MIMO-OCC系统，特别是使用LED阵列的光学相机通信系统	机器学习	NA	深度学习	Restormer网络	图像数据	NA	NA	Restormer	信噪比, 最大链路长度	NA
252	2026-03-18	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动化的卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并基于MRI预测诱导化疗的反应	首次将3D U-Net用于小儿骨肉瘤的自动肿瘤体积分割，并基于MRI体积变化构建了预测化疗反应的CNN模型，实现了非侵入性的治疗反应评估	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集仅来自一个中心	评估小儿骨肉瘤的治疗反应，开发自动化工具以替代依赖手动测量和术后组织病理学的传统方法	小儿骨肉瘤患者	数字病理学	骨肉瘤	MRI	CNN	图像	总计101名患者（训练集81名，外部验证集20名），对应202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
253	2026-03-18	Deep Learning-Based Drug Half-Life Classification to Enhance Drug Development and Pharmacokinetics 2025-Nov, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45420 PMID:41835054	研究论文	本研究提出了一种基于深度学习的药物半衰期分类方法，用于将药物分为短半衰期和长半衰期组，以支持药物开发和药代动力学研究	引入基于分类的方法，使用12小时阈值将药物分为短长半衰期组，相比传统回归模型，提高了临床可解释性并更好地处理药代动力学变异性	未在摘要中明确说明，可能包括数据集的局限性或模型对特定药物类型的泛化能力	预测药物半衰期以增强药物开发和药代动力学研究，改进给药策略	药物分子结构	机器学习	NA	分子结构处理	CNN	分子结构数据	未在摘要中指定具体样本数量	未在摘要中指定，可能基于常见深度学习框架如TensorFlow或PyTorch	AlexNet	准确率, F1分数	未在摘要中指定
254	2026-03-17	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Nov-03, eLife IF:6.4Q1 DOI:10.7554/eLife.98798 PMID:41181929	研究论文	本研究通过分子动力学模拟、数据驱动统计方法和深度学习，揭示了新型精神活性物质（NPS）靶向大麻素受体CB1时增强下游β-arrestin信号的结构基础	结合过渡态重加权方法、变分自编码器（神经关系推断，NRI）分析配体结合动力学对下游信号的影响，首次系统阐明了NPS与经典大麻素在跨膜区TM7相互作用差异及对NPxxY基序变构调控的机制	研究主要基于计算模拟，缺乏实验验证；样本仅涉及两种配体（MDMB-Fubinaca和HU-210），可能无法完全代表所有NPS的多样性	揭示新型精神活性物质（NPS）靶向大麻素受体CB1时导致更强β-arrestin信号的结构机制与动力学差异	人类大麻素受体1（CB1）及其配体（NPS MDMB-Fubinaca和经典大麻素HU-210）	计算生物学	药物滥用	分子动力学模拟，多系综模拟，过渡态重加权方法，变分自编码器（神经关系推断）	变分自编码器	分子动力学模拟轨迹数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的结合过程模拟	NA	神经关系推断	NA	NA
255	2026-03-14	Deep chemometrics with convolutional neural networks for the detection of honey adulteration using Fourier transform infrared spectroscopy 2025-Nov-08, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127167 PMID:41818833	研究论文	本研究结合傅里叶变换红外光谱、化学计量学和深度学习模型，开发了一种用于检测蜂蜜中掺假糖浆的快速、非破坏性方法	提出了一种统一的CNN-ANN模型，可同时检测三种常见掺假糖浆（葡萄糖浆、米浆和高果糖玉米糖浆），简化了部署流程；开发了用户友好的Python界面，支持批量或单个光谱分析	统一CNN-ANN模型在测试集上的平衡准确率为0.79，性能低于针对单一掺假物开发的PLS-DA模型；模型可能对未包含在训练中的新型掺假物检测能力有限	开发快速、可靠的蜂蜜真实性筛查方法，以应对蜂蜜掺假的全球性问题	蜂蜜样品及其可能掺入的葡萄糖浆、米浆和高果糖玉米糖浆	化学计量学, 深度学习	NA	傅里叶变换红外光谱	PLS-DA, CNN, ANN	光谱数据	未明确说明具体样本数量，但涉及独立测试集	Python, Optuna	CNN-ANN	准确率, 精确率, 平衡准确率, 灵敏度, 特异性, F1分数	未明确说明
256	2026-03-14	Comparing Handcrafted Radiomics Versus Latent Deep Learning Features of Admission Head CT for Hemorrhagic Stroke Outcome Prediction 2025-Nov-02, Biotech (Basel (Switzerland)) DOI:10.3390/biotech14040087 PMID:41283322	研究论文	本研究比较了手工放射组学与深度学习潜在特征在入院头部CT上预测出血性卒中3个月预后和血肿扩张的效果	首次将多尺度U形分割模型提取的潜在深度学习特征与手工放射组学特征结合，用于出血性卒中预后预测，并通过非负矩阵分解进行特征降维	深度学习特征仅在某些血肿扩张阈值（如>3 mL）上显著提升预测性能，整体改进幅度有限	比较手工放射组学与深度学习特征在预测急性脑出血患者3个月临床结局和血肿扩张方面的效能	急性脑出血患者的入院非增强头部CT图像	医学影像分析	出血性卒中	放射组学特征提取，深度学习特征学习	U-Net, 自编码器, Random Forest, XGBoost, Extra Trees, Elastic Net	医学图像（CT）	训练集866例（多中心试验队列），外部验证集645例（单中心数据集）	NA	多尺度U形分割模型，生成式自编码器	准确性，统计显著性	NA
257	2026-03-13	An Explainable Deep Model for Risk Scoring and Accurate Radionecrosis Identification Following Brain Metastasis Stereotactic Radiosurgery 2025-Nov-27, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.11.038 PMID:41317799	研究论文	本文开发了一种可解释的深度学习模型，用于非侵入性区分非小细胞肺癌患者脑转移立体定向放射外科治疗后的放射性坏死与局部复发	设计了一种二阶重球神经常微分方程深度学习框架，整合磁共振、临床和基因组特征到统一的图像-基因组-临床空间，并应用层相关传播量化非成像特征的贡献，构建风险评分模型	数据集仅包含103名非小细胞肺癌患者的142个脑转移病灶，样本量相对有限，且仅针对特定癌症类型	开发可解释的深度学习模型以准确区分脑转移立体定向放射外科治疗后的放射性坏死与局部复发	非小细胞肺癌患者的脑转移病灶	数字病理学	肺癌	磁共振成像, 基因组生物标志物分析	深度学习, 神经常微分方程	图像, 临床数据, 基因组数据	103名非小细胞肺癌患者的142个脑转移病灶	自定义深度学习框架	二阶重球神经常微分方程, 深度神经网络	准确性, 精确度, 召回率, F1分数, AUC	NA
258	2026-03-07	DG-DiT: Dual-Branch Gating Diffusion Transformer for Multi-Tracer and Multi-Scanner Brain PET Image Denoising 2025-Nov-07, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3630161 PMID:41743403	研究论文	本文提出了一种名为DG-DiT的双分支门控扩散Transformer网络，用于多示踪剂和多扫描仪脑PET图像去噪	利用扩散Transformer的强大分布建模能力，从紧凑且正则化的潜在空间中学习先验知识，实现高效少步扩散，并采用双分支门控机制有效融合多输入信息	未明确提及具体局限性	解决多示踪剂和多扫描仪PET图像去噪中效率、准确性和泛化性的挑战	脑PET图像	计算机视觉	NA	扩散概率模型	Transformer	图像	多示踪剂和多扫描仪数据集	NA	扩散Transformer, 图像恢复Transformer	PSNR, 对比度噪声比	NA
259	2026-03-06	Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging 2025-Nov-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04075 PMID:41199627	研究论文	本文提出了一种结合模型重建与深度学习的方法，用于加速质谱成像，通过稀疏采样像素重建高分辨率离子图像	将光栅扫描前向模型与深度学习先验结合，无需针对不同采集设置重新训练，实现了跨仪器、设置和组织类型的通用高保真重建	未明确提及方法在极端稀疏采样或噪声环境下的性能限制，也未讨论计算时间或资源消耗的具体细节	加速质谱成像过程，以克服高分辨率组织映射和3D重建中的时间限制	质谱成像数据，涉及不同仪器、采集设置和组织类型（如脑和肾脏切片）	计算成像	NA	质谱成像	深度学习	图像	涉及多种组织类型（如脑和肾脏切片），但未指定具体样本数量	NA	基于预训练网络的去噪器	NA	NA
260	2026-03-06	Deep Learning with Disc Photos or OCT Scans in Glaucoma Detection 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100877 PMID:40893625	研究论文	本研究比较了基于OCT RNFLT图和视盘照片的深度学习模型在青光眼检测中的诊断性能，发现OCT模型更优，并评估了不同人口学组间的性能差异	首次系统比较基于OCT RNFLT客观定量测量与视盘照片的深度学习模型在青光眼功能损伤检测中的性能，并深入分析人口学因素对模型诊断性能的影响	回顾性单中心研究，数据来自特定时间段（2011-2022年），可能存在选择偏倚；未考虑其他青光眼诊断标准（如结构损伤）	评估基于OCT RNFLT图与视盘照片的深度学习模型在青光眼检测中的准确性差异，并分析模型在不同人口学群体中的诊断性能	青光眼患者（基于视野缺损定义）的OCT RNFLT图和视盘照片	数字病理学	青光眼	OCT（光学相干断层扫描），视野检查	深度学习模型	图像（OCT RNFLT图，视盘照片）	16,936组视盘照片和OCT图像集，经质量筛选后用于模型训练和测试	NA	NA	AUC（曲线下面积），准确性	NA