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	2026-09-19	Deep learning-driven characterization of single cell tuning in primate visual area V4 supports topological organization 2025-Nov-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.12.540591 PMID:41279983	研究论文	该研究结合线性探针记录和深度学习方法，系统表征了猕猴V4区超过1200个神经元对自然图像的复杂调谐特性，并发现其功能聚类支持拓扑组织	首次在非参数自然图像空间中，利用深度学习合成最兴奋图像（MEI）和对比学习嵌入空间，系统表征V4神经元复杂非线性调谐，并发现功能聚类与人工视觉系统特征图的平行性	样本仅来自猕猴V4区，未验证其他高级皮层区域；MEI合成和验证可能受限于生成模型的能力；功能聚类的因果意义未进一步验证	探究猕猴高级视觉皮层V4区在自然图像空间中的功能聚类和拓扑组织，验证深度学习驱动表征神经元复杂调谐的可行性和可扩展性	猕猴视觉区V4的神经元	计算机视觉, 机器学习, 神经科学	NA	线性探针记录, 深度学习, 人类心理物理学, 对比学习	CNN, 对比学习模型	图像, 电生理信号	超过1200个V4神经元	NA	NA	MEI相似性, 心理物理学距离, 嵌入空间距离	NA
82	2026-09-19	Deep Learning Algorithm Prognosticating Retinal Tears and Detachments From Optical Coherence Tomography 2025-Nov-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.11.18 PMID:41247117	研究论文	该研究开发了一种深度学习图像分类器，利用光学相干断层扫描（OCT）图像预测未来视网膜撕裂/脱离（RT/RD）的可能性，并提供像素级解释	首次使用Inception-v4卷积神经网络从OCT图像中预测未来RT/RD，并通过梯度加权类激活映射生成热图，验证模型关注区域与临床知识一致，揭示了黄斑生物标志物	样本量相对有限（共776名患者，2054张图像），需要在更大规模、多中心的数据集中进一步验证模型的泛化能力	开发并评估一种深度学习算法，从OCT图像中预测未来视网膜撕裂或视网膜脱离的发生风险	斯坦福研究存储库中收集的OCT图像，包括433名阴性患者（1027张图像）和343名阳性患者（1027张图像）	医学图像分析	视网膜撕裂/视网膜脱离	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	776名患者（433名阴性，343名阳性），共2054张OCT图像	NA	Inception-v4	AUC（接收者操作特征曲线下面积）、平均精度、准确率	NA
83	2026-09-19	Automatic detection of simulated artifacts on T1w magnetic resonance images: comparing performance of different QC strategies 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.31.25339144 PMID:41282830	研究论文	本研究系统比较了基于规则、经典机器学习和深度学习三种质量控制算法在T1w磁共振图像上检测模拟伪影的性能	首次系统比较了基于规则、经典机器学习和深度学习三种质量控制策略在检测特定类型伪影上的性能，并使用TorchIO合成四种伪影类型共十个严重程度等级的大规模数据集	伪影为合成引入而非真实采集，可能在某种程度上无法完全代表临床实际伪影的复杂性和多样性	比较不同质量控制策略在T1w磁共振图像上自动检测模拟伪影的性能，为大规模神经影像 pipelines 中选择质量控制策略提供实践指导	1000例高质量T1w磁共振脑扫描图像，合成了40000张退化图像	计算机视觉	NA	T1w磁共振成像，TorchIO合成伪影	经典机器学习，深度学习	图像	1000例高质量T1w扫描，合成40000张退化图像（四种伪影类型×十个严重程度等级），另有一个独立测试数据集	NA	NA	Youden指数，Krippendorff's α，Spearman's ρ	NA
84	2026-09-19	Analyzing Information Disparities across Modalities in Mortality Prediction 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.30.25339162 PMID:41282941	research paper	比较原始胸部X光片与放射报告在ICU患者30天出院后死亡率预测中的预测效用	首次系统比较原始CXR图像与放射报告对死亡率预测的影响，并发现CXRs提供更丰富的预后信号，放射报告常遗漏临床相关发现	样本量较小（n=1,360），基于过滤后的MIMIC-IV子集，可能影响泛化性	系统比较不同CXR表示（原始图像与放射报告）对ICU患者30天出院后死亡率预测的预测性能，并探究模态选择对临床AI系统的影响	ICU患者（来自MIMIC-IV数据集）	digital pathology	NA	Vision-Language Model	VLM	image, text	1,360名ICU患者（过滤后的MIMIC-IV数据集子集）	NA	Vision-Language Model	AUROC	NA
85	2026-09-19	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	本研究利用深度学习模型从儿童脑部MRI中提取上气道体积，并分析其与认知功能和脑皮层灰质体积的关系。	首次在大型儿童队列中应用深度学习进行上气道分割，并发现上气道体积是儿童睡眠呼吸障碍认知结果的潜在生物标志物	摘要中未明确提及研究局限性	评估上气道体积与儿童认知及区域皮层灰质体积的关系	11,875名9-10岁儿童，来自青少年脑认知发展研究	数字病理学、机器学习	睡眠呼吸障碍、认知障碍	磁共振成像、深度学习	CNN	图像	11,875名儿童，5,552,640个脑部MRI切片	NA	NA	NA	NA
86	2026-09-19	AI-identified CD133-targeting natural compounds demonstrate differential anti-tumor effects and mechanisms in pan-cancer models 2025-11, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00308-1 PMID:41039172	研究论文	该研究利用深度学习模型TransformerCPI从中药化合物库中筛选出靶向泛癌标志物CD133的天然化合物Polyphyllin V和H，并通过细胞系、类器官和动物模型验证了其抗肿瘤效果和机制差异	结合AI驱动的筛选与生物学验证，发现两种结构相似的天然产物靶向CD133但通过不同机制（PI3K-AKT和Wnt/β-catenin通路）发挥抗肿瘤作用，揭示了虚拟筛选的局限性并强调活体模型评估的必要性	仅基于分子结构和蛋白序列的虚拟筛选无法完全阐明化合物-蛋白相互作用机制，需要后续生物学实验验证	利用AI技术从天然产物中筛选靶向CD133的化合物，并验证其抗肿瘤效果和机制，推动泛癌治疗药物发现	中药化合物库中的天然产物，CD133靶点，泛癌模型	机器学习	泛癌	深度学习虚拟筛选	Transformer	蛋白质序列、分子结构、文本	NA	NA	TransformerCPI	NA	NA
87	2026-09-19	A machine learning framework using urinary biomarkers for pancreatic ductal adenocarcinoma prediction with post hoc validation via single-cell transcriptomics 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf583 PMID:41212589	研究论文	该研究提出了一种利用尿液生物标志物结合人口统计学数据的机器学习框架来预测胰腺导管腺癌，并通过单细胞转录组学进行事后验证	结合尿液生物标志物和人口统计学数据，采用多种预处理、归一化和机器学习/深度学习方法的比较研究，并利用单细胞RNA测序验证生物标志物的表达	研究样本量未明确，未来需要在不同数据集上验证框架，整合额外的组学数据，并探索先进的深度学习架构	开发基于尿液生物标志物和人口统计学数据的机器学习模型，用于早期准确诊断胰腺导管腺癌	胰腺导管腺癌患者和对照组的尿液样本及人口统计学数据	机器学习	胰腺癌	单细胞RNA测序	深度学习	表格数据、基因表达数据	NA	NA	NA	准确率	NA
88	2026-09-19	An Investigation on Cross-Tracer Generalizability of Deep Learning-based PET Attenuation Correction 2025-Nov, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3566630 PMID:41221103	研究论文	本文研究了基于深度学习的PET衰减校正模型在不同示踪剂之间的泛化能力，主要探讨在常用示踪剂如18F-FDG上训练的模型能否有效应用于较少见的示踪剂如68Ga-DOTATATE和18F-Fluciclovine，反之亦然	首次系统性地探索了基于深度学习的PET衰减校正模型在跨示踪剂场景下的泛化能力，挑战了传统认为需要为每种示踪剂单独训练模型的观念；采用MLAA重建生成的μ-MLAA和λ-MLAA作为组合输入来生成μ-DL，而非直接从NAC PET或MLAA重建生成AC PET图像	研究仅涉及三种示踪剂（18F-FDG、68Ga-DOTATATE、18F-Fluciclovine），未涵盖更广泛的示踪剂类型；较少见示踪剂的可用数据量有限，可能影响模型训练和评估的充分性	探究基于深度学习的PET衰减校正模型在不同示踪剂之间的泛化能力，评估在常用示踪剂上训练的模型能否有效应用于较少见的示踪剂，以减少对示踪剂特异性训练数据的需求	PET图像、示踪剂（18F-FDG、68Ga-DOTATATE、18F-Fluciclovine）、衰减校正模型	医学图像处理、深度学习	NA	PET成像、MLAA重建、衰减校正	深度学习模型（具体架构未指定）	PET图像	NA	NA	NA	NA	NA
89	2026-09-19	Evaluation of a long short-term memory (LSTM)-based algorithm for predicting central frequency and synergy activation ratio using markerless motion analysis data 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00498-0 PMID:41280147	研究论文	本研究提出了一种基于LSTM的深度学习算法，结合表面肌电信号和无标记运动分析数据，预测动态上肢运动中的中心频率和协同激活比，以评估肌肉疲劳和肌间协调性	将LSTM模型与同步的表面肌电信号和无标记运动数据相结合，实现对局部肌肉疲劳和协调性变化的实时检测，并首次使用无标记运动分析数据预测中心频率和协同激活比	样本量较小，仅纳入5名健康男性参与者，年龄范围有限，未涵盖不同性别、年龄和病理人群，且仅针对单臂哑铃弯举这一特定运动模式	准确、无创地预测肌肉疲劳和协调性，以改善运动表现和康复策略	5名健康男性参与者的肱二头肌和外侧三角肌	机器学习	NA	表面肌电信号（EMG）、无标记运动分析、非负矩阵分解（NMF）	LSTM	肌电信号、运动数据（图像/骨骼关节数据）	5名健康男性参与者（年龄26±1.73岁），每人进行单臂哑铃弯举（50% 1RM）	NA	LSTM	MSE, MAE	NA
90	2026-09-19	Deep learning-assisted tools to understand the structural biology of the synapse 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00512-5 PMID:41280141	综述	本文综述了深度学习辅助的计算工具在理解突触结构生物学中的应用，重点关注突触后密度蛋白网络的建模挑战与前景	从结构生物学角度系统论述了AI辅助计算工具在突触后密度分子机制研究中的应用潜力与局限性，并指出现有方法面临的独特挑战	当前深度学习方法尚无法解决如此复杂的大分子系统所引发的所有问题，使用时需谨慎	探讨如何利用AI辅助的计算工具深入理解突触后密度在分子水平上的工作机制	突触后密度蛋白网络及突触结构生物学	结构生物学	认知障碍	深度学习辅助的结构生物学计算方法	NA	NA	NA	NA	NA	NA	NA
91	2026-09-18	Deep learning-based classification of benign and malignant breast microcalcifications in mammography 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27149-9 PMID:41315645	研究论文	该研究系统比较了ResNet和EfficientNet系列深度学习模型在乳腺钼靶微钙化良恶性分类中的性能	首次在乳腺钼靶微钙化分类任务中系统比较了多种ResNet和EfficientNet架构，并采用配对Wilcoxon符号秩检验评估模型间差异的统计显著性，同时发现轻量级EfficientNet-B0在准确率与推理效率之间提供了更优的权衡	研究未提及外部验证集的使用，样本来源和多样性可能有限，且未详细说明数据采集的设备差异和临床可推广性	系统评估和比较不同深度学习架构在乳腺钼靶微钙化良恶性分类中的性能，以支持轻量级模型在真实诊断工作流中的应用	3,674张标记为BI-RADS 1-2或5-6的乳腺钼靶切片	计算机视觉	乳腺癌	乳腺钼靶成像	CNN	图像	3,674张乳腺钼靶切片	NA	ResNet-50, ResNet-101, EfficientNet-B0, EfficientNet-B1, EfficientNet-B2, EfficientNet-B3, EfficientNet-B4	准确率, AUC, 加权F1分数, Wilcoxon符号秩检验	NA
92	2026-09-18	Power quality disturbance identification using hybrid deep learning in renewable energy systems 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28291-0 PMID:41315829	研究论文	本文提出一种混合深度学习方法，结合连续小波变换尺度图、ResNet、VGG-Net、邻域成分分析和支持向量机，用于风能-太阳能光伏混合系统中的电能质量扰动识别	将CWT尺度图与ResNet和VGG-Net深度神经网络结合，并利用NCA进行特征降维和SVM进行分类，形成混合深度学习框架用于电能质量扰动诊断	仅在仿真环境下使用IEEE 9节点和IEEE 13节点测试系统验证，未在真实电网环境中测试	提高风能-太阳能光伏混合可再生能源系统中电能质量扰动的识别准确率	风能-太阳能光伏混合系统中的电能质量扰动信号	机器学习	NA	连续小波变换、邻域成分分析、支持向量机	CNN、SVM	图像、信号	IEEE 9节点测试系统和IEEE 13节点测试系统的仿真数据	MATLAB/Simulink	ResNet、VGG-Net、支持向量机	准确率、精确率、召回率	NA
93	2026-09-18	Mental health assessment model for college students based on facial expression recognition 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29461-w PMID:41298755	研究论文	本文提出了一种基于面部表情识别与深度学习技术的大学生心理健康评估模型，通过双分支结构融合动态和静态面部表情信息以提高识别准确率和效率	提出双分支结构模型，使用分层滑动窗口Transformer和光流图提取动态特征，MobileViT融合卷积和注意力提取静态峰值帧特征，并通过交叉注意力模块实现跨分支特征交互与融合，同时兼顾动态和静态面部表情信息	摘要中未明确提及该研究的具体局限性	实现大学生心理状态的快速、客观识别，为高校心理健康预警系统提供智能技术支持	大学生的面部表情数据	计算机视觉	心理疾病	面部表情识别，深度学习	Transformer, MobileViT, 交叉注意力	图像，视频	NA	NA	分层滑动窗口Transformer，MobileViT	准确率，F1值，AUC值，平均响应时间，训练时间	NA
94	2026-09-18	Traditional cloud pattern classification algorithm based on semi-supervision with Random Line Augment 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29225-6 PMID:41298891	研究论文	本文提出了一种基于半监督学习和随机线条增强的传统云纹图案分类算法，用于解决同一类别下不同类型图案的分类难题。	提出了一种新的数据增强策略随机线条增强（RLA），并引入WideResNet作为骨干网络，通过增加特征通道数全面捕捉云纹图案图像的局部细节特征，在半监督学习框架下实现高精度分类。	未明确提及	解决传统云纹图案在同一类别下不同类型图案的分类难题，实现少量标注下的高精度分类。	传统云纹图案（TCP），具有复杂结构和众多类型。	计算机视觉	NA	NA	CNN	图像	NA	NA	WideResNet	准确率	NA
95	2026-09-18	Software cost estimation using TabNet and Harris Hawks Optimization 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29908-0 PMID:41298997	研究论文	本文提出了一种结合TabNet和哈里斯鹰优化（HHO）的混合模型，用于软件成本估算，并在多个标准数据集上验证了其性能	将TabNet深度学习架构与哈里斯鹰优化算法结合用于特征工程，并采用基于SHAP的可解释AI技术分析特征贡献	未明确提及	提高软件成本估算的准确性，通过特征选择和深度学习模型优化预测性能	软件项目成本数据，包括COCOMO、NASA、Desharnais、China、Albrecht等数据集	机器学习	NA	NA	TabNet, 哈里斯鹰优化	表格数据	未明确提及	NA	TabNet	均方误差, 均方根误差, 平均绝对误差, 中位数相对误差, 预测准确率	NA
96	2026-09-18	A deep learning pipeline for detecting vestibular schwannoma patients with unilateral vestibular loss based on kinematic data 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29776-8 PMID:41291198	研究论文	该研究开发了一种基于深度学习分类器的模型，利用标准步态任务中收集的运动学数据，区分前庭神经鞘瘤患者与年龄匹配的健康对照者。	利用深度学习从运动学数据中检测传统临床评估无法发现的早期代偿性运动模式，特别是在手腕和躯干传感器区域；强调数据集规模和多样性对模型性能的重要性。	样本量相对较小，模型准确率有限（最高0.74），可能受限于数据采集条件和患者群体异质性。	开发一种深度学习分类器，基于运动学数据检测前庭神经鞘瘤患者，尤其是在临床评分正常时识别细微的平衡和协调障碍。	前庭神经鞘瘤患者和年龄匹配的健康对照者。	机器学习	前庭神经鞘瘤	惯性测量单元（IMU）运动学数据采集	CNN	运动学数据（来自IMU传感器）	未明确具体样本数，但涉及前庭神经鞘瘤患者和年龄匹配的健康对照者	NA	卷积神经网络（CNN）	准确率	NA
97	2026-09-18	Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28832-7 PMID:41286281	研究论文	本文提出了一种基于CNN和RNN融合的深度学习算法，用于肺音分析，实现呼吸系统疾病的早期诊断	融合CNN和RNN架构处理肺音数据，结合Mel频谱图特征提取和LSTM时序建模，并使用Grad-CAM提供可解释性可视化	未明确说明模型的泛化能力、计算复杂度或临床部署的可行性	利用深度学习技术通过肺音分析实现呼吸系统疾病的早期检测和分类	Coswara和ICBHI数据集中的肺音记录，涵盖健康个体及肺炎、哮喘、COPD患者	机器学习	呼吸系统疾病	肺音分析，Mel频谱图	CNN, RNN, LSTM	音频（肺音）	NA	NA	CNN, LSTM	准确率, 灵敏度, 特异性, F1分数, 精确率, 召回率	NA
98	2026-09-18	The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29841-2 PMID:41286401	研究论文	本文系统分析了UNet+ConvNeXt Tiny架构不同配置（数据增强、跳跃连接、注意力机制、dropout率）对乳腺肿瘤分割性能的影响，并在BUSI数据集上训练后在BUS-UCLM数据集上交叉评估	全面评估了UNet+ConvNeXt Tiny架构中数据增强、注意力机制、跳跃连接和dropout率的组合影响，并进行了跨数据集评估，揭示了注意力机制与dropout（0.5）结合能显著提升泛化能力，同时指出激进的几何变换数据增强可能扭曲超声图像解剖结构导致分割质量下降	某些数据增强技术（尤其是激进几何变换）会扭曲超声图像的解剖结构，导致分割质量下降；数据增强单独使用不一定能提升性能，有时甚至导致不稳定；仅在两个数据集上进行了评估	优化乳腺肿瘤分割性能，探究UNet+ConvNeXt Tiny架构中数据增强、注意力机制、跳跃连接和dropout率的最佳配置，并评估跨数据集泛化能力	乳腺肿瘤超声图像	计算机视觉, 医学图像分割	乳腺癌	超声成像	CNN	图像	BUSI数据集和BUS-UCLM数据集（具体样本量未在摘要中提及）	NA	UNet, ConvNeXt Tiny	F1分数, 精确率, IoU, 召回率, Dice系数	NA
99	2026-09-18	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	本文提出了一种动态算术优化算法（DAOA）来优化Ridgelet神经网络（RNN）的超参数，用于遥感场景分类	提出了一种新的动态算术优化算法（DAOA），用于自动搜索Ridgelet神经网络（RNN）的最优超参数，以提高遥感场景分类的性能	未明确提及	提高遥感场景分类的准确性和效率	遥感场景图像	计算机视觉	NA	NA	Ridgelet神经网络（RNN）	图像	UC Merced Land Use公开数据集（具体样本量未提及）	NA	Ridgelet神经网络	NA	NA
100	2026-09-18	Deep learning algorithm for predicting rapid progression of abdominal aortic aneurysm by integrating CT images and clinical features 2025-Nov-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-22167-z PMID:41184332	研究论文	该研究开发并验证了一种端到端的多模态深度学习模型，通过整合CT图像、几何特征和临床特征来预测腹主动脉瘤的快速进展。	创新点在于构建了融合CT图像（ResNet提取特征）、放射组学几何特征和临床特征的多模态深度学习模型，显著提升了腹主动脉瘤快速进展的预测性能，优于仅使用临床数据或几何特征的传统机器学习模型。	摘要中未明确提及局限性，但作为回顾性研究，可能存在选择偏倚，且未提及外部验证或前瞻性验证。	提高腹主动脉瘤快速进展的预测准确性，以改善患者特异性风险分层，优化临床干预时机。	561名腹主动脉瘤患者，来自Boramae医疗中心和首尔国立大学医院，包含14,252张标注的CT轴位图像及详细临床信息。	医学影像分析，深度学习	腹主动脉瘤	CT成像，放射组学	多模态深度学习，ResNet	图像，临床数据，几何特征	561名患者，14,252张CT图像	NA	ResNet	AUC，准确率，DeLong检验	NA