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
141	2026-08-23	Artificial intelligence-enabled opportunistic identification of immune checkpoint inhibitor-related adverse events using [18F]FDG PET/CT 2025-11, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07364-2 PMID:40439712	研究论文	本研究利用人工智能技术对[18F]FDG PET/CT图像进行器官级摄取变化分析，以机会性检测免疫检查点抑制剂相关不良事件	提出了一种基于深度学习自动分割和肿瘤病灶去除的AI驱动方法，用于量化治疗前后[18F]FDG PET/CT中多个器官的摄取变化，实现irAE的机会性检测	样本量较小（64例患者），且研究为回顾性设计，需要前瞻性验证	评估AI驱动的[18F]FDG PET/CT摄取变化分析在检测免疫相关不良事件中的有效性	接受ICI治疗的肺癌、黑色素瘤或淋巴瘤患者	医学影像分析	肺癌、黑色素瘤、淋巴瘤、免疫相关不良事件	[18F]FDG PET/CT成像	深度学习模型	医学图像	64例患者	NA	NA	p值、ΔSUVmax、ΔSUVmean	NA
142	2026-08-22	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究对比了CT和MRI在肩关节盂影像中的应用，通过深度学习算法自动分割MRI图像，评估其能否替代CT作为首选影像学方法。	开发了一种新型深度学习算法，自动分割MRI图像，并与CT手动分割结果高度一致，证明了MRI在盂肱关节成像中可替代CT，同时提供软组织可视化和避免电离辐射的优势。	研究为回顾性设计，样本量较小，且仅涉及特定MRI序列，可能限制推广性。	评估MRI在肩关节盂成像中是否可替代CT，通过自动分割算法验证其准确性。	肩关节盂的MRI和CT图像	计算机视觉	肩关节不稳	MRI（T1脂肪抑制和VIBE arthrogram序列）、CT	深度学习算法	医学影像（MRI、CT）	39例T1脂肪抑制MRI和25例VIBE MRI关节造影图像	NA	自定义深度学习模型	DICE相似系数、Spearman相关系数	NA
143	2026-08-22	Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification 2025-Nov-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.2522 PMID:40833775	研究论文	本研究开发了一种人工智能增强心电图风险估算器（AIRE-CHB），用于预测完全性心脏传导阻滞（CHB）的发病风险	首次使用深度学习模型（残差卷积神经网络结合离散时间生存损失函数）进行CHB风险分层，优于传统的双束支传导阻滞风险标准	外部验证仅在UK Biobank志愿队列中进行，可能存在选择偏倚；C指数置信区间较宽，需进一步验证	开发AI-ECG风险估算器（AIRE-CHB）以预测新发完全性心脏传导阻滞（CHB）	完全性心脏传导阻滞（CHB）患者及高危个体	机器学习, 数字病理学	心血管疾病	心电图（ECG）	残差卷积神经网络（Residual CNN）	心电图图像/信号数据	Beth Israel Deaconess Medical Center队列：1,163,401份ECG来自189,539名患者；UK Biobank队列：50,641份ECG	未提及	残差卷积神经网络	C指数, AUROC（曲线下面积）, 调整风险比（aHR）	未提及
144	2026-08-20	SAI: A Python Package for Statistics for Adaptive Introgression 2025-11-28, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf295 PMID:41258824	研究论文	本文介绍了一个用于计算适应性渐渗统计量的Python包SAI，并在两个数据集上展示了其应用	提出了新的统计量DD，并首次实现了D+和Danc等统计量的易用计算工具	摘要未提及局限性	提供适应性渐渗统计量的可访问实现，并验证其在新数据集上的有效性	人类基因组的候选适应性渐渗区域及倭黑猩猩向中非黑猩猩的渐渗事件	生物信息学	不适用	基因组测序	不适用	基因组序列数据	两个数据集（1000基因组计划数据及中非黑猩猩基因组数据）	Python	不适用	不适用	不适用
145	2026-08-19	Innovating cell culture process development with deep learning-powered robotic experimentation using the first Industrial Smart Lab Framework 2025 Nov-Dec, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70051 PMID:40542657	研究论文	提出工业智能实验室框架（ISLFCC），将深度学习与机器人实验相结合，以自主优化细胞培养过程	首次实施深度学习驱动的自主细胞培养系统，并在3升和15升生物反应器中实现高通量自动化，显著提高抗体和重组蛋白的产量	虽然结果显著提高，但可能受限于特定细胞克隆和生物反应器规模，未提及广泛适用性和长期稳定性	开发自主实验室框架以优化生物制品过程开发，提高效率和可重复性	三种不同细胞克隆的培养过程，用于抗体和重组蛋白生产	机器学习和自动化	不适用	深度学习、机器人实验、物联网传输	解码器专用变压器	生物反应器分析结果（如细胞状态、乳酸水平、滴度）	三种细胞克隆	PyTorch	变压器	平均滴度增加率、乳酸水平	未明确表述
146	2026-08-19	Artificial Intelligence-Enabled Short-Term Ambulatory Monitoring ECG During Sinus Rhythm for Prediction of Hidden Atrial Fibrillation 2025-11, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70028 PMID:40709543	研究论文	本研究利用深度学习模型，在窦性心律期间通过短时动态心电图预测隐匿性心房颤动	结合ConvNeXt和LSTM的两阶段模型，利用窦性心律期间的短时心电信号预测隐匿性房颤，并分析昼夜时段对性能的影响	回顾性设计可能导致选择偏倚，且第二阶段较长时段可能稀释房颤相关特征，降低特异性	开发并验证基于人工智能的模型，在窦性心律期间通过24小时动态心电监测预测隐匿性房颤	接受24小时动态心电监测的患者，包括房颤组和对照组	数字病理学	心房颤动	动态心电图监测	ConvNeXt、长短期记忆网络	心电图信号	934名患者，368,550个窦性心律心电图片段（60秒/段）	NA	ConvNeXt、LSTM	曲线下面积、准确率、灵敏度、特异度	NA
147	2026-08-16	Hazard-free outdoor path navigator for visually challenged people 2025-11, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2530674 PMID:40705835	研究论文	提出一种多技术融合的户外无危险路径导航系统，帮助视觉障碍人士选择安全优化的路径	结合在线和离线导航系统，使用TPU生成路径图，并采用模糊可信无危险路由路径算法（FTHRP）进行动态重路由以规避意外危险	未提供明确的实验验证或性能评估数据	为视觉障碍人士开发一种能在户外选择无危险或最小危险最优路径的导航系统	视觉障碍人士及其户外导航路径	机器学习	视觉障碍	NA	模糊逻辑	路径数据	NA	NA	NA	NA	张量处理单元（TPU）
148	2026-08-13	Synthetic-to-real attentive deep learning for Alzheimer's assessment: A domain-agnostic framework for ROCF scoring 2025-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104929 PMID:41110737	研究论文	提出一种基于合成到真实注意深度学习框架，用于阿尔茨海默病评估中的Rey-Osterrieth复杂图形（ROCF）测试自动评分。	创新之处包括：轻量级数据合成管道生成真实且多样的带标注ROCF绘图；设计跨域评分模型ROCF-Net，通过线特定注意力机制处理笔划纹理和线条伪影的领域差异；以及利用合成数据减少人口统计差异的偏差感知框架。	局限性可能包括：依赖合成数据，真实数据验证范围有限；跨域泛化能力可能仍有提升空间；未明确提及对其他认知测试的适用性或计算资源的具体限制。	实现ROCF测试的自动评分，提高早期阿尔茨海默病诊断的准确性和效率，减少主观偏差和数据稀缺问题。	ROCF测试中的绘图样本，包括来自不同来源的临床数据和合成生成的数据。	计算机视觉	阿尔茨海默病	合成数据生成（非特定测序技术）	卷积神经网络（CNN）	图像	未明确指明具体样本数量，提及多个不同来源的数据集	未明确指定框架	ROCF-Net（专门设计的深度学习模型）	平均绝对误差（MAE）、皮尔逊相关系数（PCC）	未明确说明，但强调计算成本低，不使用重型Transformer模型
149	2026-08-12	Piscis: A loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-11-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101448 PMID:41265398	研究论文	本文介绍了一种名为Piscis的深度学习算法，通过平滑F1损失函数实现荧光显微镜图像中RNA FISH斑点的自动检测，无需手动调参。	提出SmoothF1损失函数，直接逼近F1分数以惩罚假阳性和假阴性，同时保持可微性，适用于深度学习训练，实现了完全自动化的斑点检测。	摘要中未明确提及局限性，可能包括对复杂图像或特定实验条件的适应性有限。	开发一种准确、全自动的深度学习算法，用于RNA FISH图像中的斑点检测，以提高空间转录组学数据分析的效率。	包括358张人工注释的实验RNA FISH图像（代表多种细胞类型）和240张合成的图像。	计算机视觉	NA	RNA FISH（单分子RNA荧光原位杂交）	深度学习模型（未指定具体类型）	图像	598张图像（358张实验图和240张合成图）	NA	NA	F1分数	NA
150	2026-08-12	Toggle-Untoggle - a cell segmentation tool with an interactive user verification interface 2025-11-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264154 PMID:41065013	研究论文	开发了Toggle-Untoggle，一款带有交互式用户验证界面的细胞分割桌面工具，用于荧光显微镜图像的准确分割和质量控制。	提供无需编程的交互式验证界面，集成最新Cellpose 'cyto3'模型，支持自定义模型及灵活的细胞掩膜编辑功能。	依赖预训练模型的性能，且交互式验证可能耗时，但未详细说明性能评估或计算资源需求。	使湿实验室研究人员无需编程技能即可进行准确的单细胞分析。	荧光显微镜图像中的细胞。	数字病理学	NA	荧光显微镜成像	深度学习分割模型	图像	未明确说明样本数量，但使用了真实的荧光显微镜数据	NA	Cellpose	未明确指定，但提及准确性和效率	NA
151	2026-08-12	Smartphone-based biosensing: a review of optical imaging, microfluidic integration, and AI-enhanced analysis 2025-11-03, Mikrochimica acta DOI:10.1007/s00604-025-07523-0 PMID:41184410	综述	本文综述了智能手机集成生物传感技术，重点聚焦自2020年以来的研究，涵盖光学成像、微流控集成和AI增强分析，并讨论了其在即时检测中的应用与挑战	该综述全面总结了智能手机生物传感的最新进展，特别强调了AI和深度学习在图像增强、模态转换和自动定量分析中的融合应用	该领域仍面临硬件变异性、标准化和临床验证等挑战	系统梳理智能手机集成生物传感技术，并展望未来发展方向，以推动便携式、低成本的即时检测应用	智能手机生物传感平台及其检测目标，包括核酸、蛋白质、细胞和病原体等生物和化学靶标	数字病理学	眼部疾病、代谢疾病、泌尿系统疾病、多种癌症、传染病	光学成像（明场、荧光、暗场）、电化学、微流控技术	深度学习模型	图像	NA	NA	NA	NA	NA
152	2026-08-07	Chemically and Electromagnetically dual-enhanced COFs-Au@AgNPs SERS sensor integrated with deep learning for ultrasensitive detection of neonicotinoid pesticides 2025-11-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344501 PMID:40915725	研究论文	本研究开发了一种基于COFs-Au@AgNPs的双重增强SERS传感器，结合改进的Informer深度学习模型，用于超灵敏检测食用油中的新烟碱类农药残留	首次将共价有机框架（COFs）与Au@Ag纳米粒子结合，实现化学和电磁双重增强机制，并集成深度学习模型进行农药残留的痕量检测	未提及明显局限性	开发快速、灵敏的方法检测食用油中的新烟碱类农药残留，确保食品安全	特级初榨橄榄油中的三种新烟碱类农药：噻虫胺（CTD）、吡虫啉（IMD）和啶虫脒（AMP）	数字病理学	不适用	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）模拟、密度泛函理论（DFT）计算	深度学习模型（改进的Informer模型，称为S-informer）	光谱数据（拉曼光谱）	包含三种农药的混合物样本，具体样本数量未明确	PyTorch	Informer（改进版）	准确率、决定系数（R²p）、相对分析误差（RPD）	未明确提及
153	2026-08-02	A few-shot u-net learning framework for fast and accurate three-dimensional dose prediction in radiotherapy 2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105184 PMID:41072102	研究论文	提出了一种基于U-Net的少样本学习框架FS-UNet，用于放射治疗中快速且准确的三维剂量预测，并在多个癌症部位上验证了其性能	创新性地将少样本学习与U-Net结合，利用MAML元学习和原型网络提高有限训练数据下的剂量预测性能	未提及明显的局限性，但可能受限于特定治疗部位（前列腺、肝脏、胰腺）和数据集规模（102例患者）	开发一种从有限训练数据中快速准确预测放射治疗三维剂量的深度学习框架	前列腺、肝脏、胰腺癌症患者的质子放射治疗剂量	机器学习, 计算机视觉	前列腺癌, 肝癌, 胰腺癌	NA	U-Net, MAML, 原型网络	图像（三维剂量分布数据）	102例患者（81例前列腺，11例前列腺，29例肝脏，30例胰腺）	NA	U-Net, MAML, 原型网络	均方误差（MSE）, 剂量体积直方图（DVH）	NA
154	2026-07-29	The Role of Quantitative Ultrasound in Monitoring Neoadjuvant Chemotherapy in Breast Cancer: A Narrative Review 2025-Nov-17, Cancers IF:4.5Q1 DOI:10.3390/cancers17223676 PMID:41301040	综述	总结定量超声在乳腺癌新辅助化疗监测中的临床效用、方法学基础及实施挑战	首次系统阐述定量超声通过分析原始射频数据提取频谱、散射和衰减参数，结合参数映射、纹理分析及深度学习方法的早期疗效预测能力	缺乏标准化采集与处理流程、鲁棒性解读算法不足及大规模前瞻性多中心验证数据	评估定量超声在乳腺癌新辅助化疗监测中的临床价值并推动其向精准肿瘤学实践转化	接受新辅助化疗的乳腺癌患者	机器学习	乳腺癌	定量超声	深度学习模型	超声原始射频数据	NA	NA	NA	NA	NA
155	2026-07-22	AIRPred: A Deep Learning Model Predictor for Peptide Intensity Ratios in Cross-Linking Mass Spectrometry Improves Cross-Link Spectrum Matching 2025-11-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03597 PMID:40864166	研究论文	提出深度学习模型AIRPred，通过预测交联肽对强度比来提高交联质谱中谱图匹配的准确性	首次利用深度学习预测交联肽对之间的碎片离子强度比，以提升交联谱图匹配的准确性	模型依赖于实验条件的一致性，可能在不同质谱平台或实验设置下表现不稳定	提高交联质谱数据中交联肽段谱图匹配的准确性	交联肽对的强度比	质谱分析、深度学习	NA	交联质谱（XL-MS）	卷积神经网络（CNN）、注意力机制	质谱数据（交联肽对强度）	未具体说明样本数量	NA	CNN块、注意力层	准确性	NA
156	2026-07-13	Short- and long-term captivity impacts on bird memory, corticosterone level, and oxidative stress genes: Perspectives on deep learning analysis 2025-11-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.115064 PMID:40816474	研究论文	本研究探讨了短期和长期圈养对三种鸟类记忆、皮质酮水平及氧化应激基因表达的影响，并利用深度学习分析监测其行为	首次将深度学习（VGG16神经网络）用于分析鸟类头部、腿部、翅膀和尾部运动，以揭示其认知和行为响应，并结合分子指标评估圈养应激	未明确提及具体局限性	评估圈养应激对鸟类大脑功能、记忆、激素水平及基因表达的影响，并开发深度学习行为分析方法	冠小嘴乌鸦（Corvus cornix）、普通八哥（Acridotheres tristis）和牛背鹭（Bubulcus ibis）三种鸟类	计算机视觉, 机器学习, 动物行为学	NA	qRT-PCR, 视频记录	CNN	视频	三种鸟类（具体数量未提及）	NA	VGG16	NA	NA
157	2026-07-10	Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers 2025-11-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03560 PMID:41230979	研究论文	结合深度学习与拉曼光谱，通过脂质-蛋白质生物标志物实现诱导多能干细胞多能性的小时级无标记评估	首次实现诱导多能干细胞多能性一小时内的快速检测，采用1D-CNN结合Grad-CAM解释性分析，发现脂质和蛋白质作为关键生物标志物	方法依赖特定培养条件诱导多能性变化，可能不适用于所有干细胞类型；样本规模较小，需进一步验证泛化能力	开发一种快速、无标记的诱导多能干细胞多能性评估方法，用于再生医学和临床应用中的质量控制	诱导多能干细胞在不同多能状态下的拉曼光谱数据	机器学习	NA	拉曼光谱	一维卷积神经网络	光谱	未明确说明样本数量，但涉及不同多能状态的诱导多能干细胞光谱数据集	PyTorch	1D-CNN	准确率	NA
158	2026-07-07	Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation 2025-11, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70011 PMID:40702787	研究论文	开发并评估基于解剖学的多任务深度学习影像组学列线图（AMDRN）系统，用于预测上颌窦底提升术前的种植失败风险	首次将解剖结构自动分割与多任务深度学习影像组学结合，构建集成列线图系统同时实现预测和可视化决策支持	NA	开发一种能预测上颌窦底提升术种植失败风险并支持临床决策的系统	上颌窦、施奈德黏膜、残余牙槽骨等关键解剖结构	数字病理学	口腔疾病	锥形束CT	nn-UNet v2、3D-Attention-ResNet、逻辑回归	影像数据、电子病历文本数据	回顾性收集患者术前锥形束CT影像和电子病历，未明确样本数量	NA	nn-UNet v2、3D-Attention-ResNet	DICE系数、准确率、曲线下面积	NA
159	2026-07-07	Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study 2025-11, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70958 PMID:41284376	研究论文	开发基于PANoptosis的卵巢癌病理组学预后模型	首次探索PANoptosis在卵巢癌预后中的作用，并构建了基于深度学习的PANoptosis相关病理组学预后模型（PANPM）	NA	阐明PANoptosis在卵巢癌预后中的作用并开发预后模型	卵巢癌的转录组数据、单细胞RNA测序数据、空间数据和病理图像	数字病理学, 机器学习	卵巢癌	RNA-seq, 单细胞RNA测序, 空间转录组学, 病理图像分析	深度学习模型（ResNet-50）	转录组数据, 单细胞RNA测序数据, 空间数据, 病理图像	TCGA和GTEx卵巢数据、GSE184880单细胞RNA测序数据集、10X Genomics网站和GDC Portal的空间数据和病理图像	NA	ResNet-50, CellProfiler	NA	NA
160	2026-07-05	Through the eye to the heart: a scoping review of artificial intelligence in retinal imaging for cardiovascular disease assessment 2025-11-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03300-4 PMID:41299604	综述	系统评估基于人工智能的视网膜生物标志物在多种心血管疾病表型量化中的能力	首次建立视网膜AI在心血管疾病评估中的基准证据库，并提出FAIR合规报告框架以加速临床转化	少于10%的研究共享代码或数据集，三分之二的研究缺乏外部验证	评估人工智能在视网膜成像中用于心血管疾病评估的当前能力与局限性	21项2018-2025年间发表的研究，涉及多种族人群	计算机视觉	心血管疾病	视网膜成像	卷积神经网络, 基于Transformer的模型	图像	21项研究，涵盖多国队列	NA	卷积神经网络, Transformer	AUROC, 净重分类改善	NA