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	2026-03-21	Facilitating Precision Medicine in HCC Patients by Deep Learning-Directed lncRNAs Classification and Ascertaining Causal Markers 2025-12, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.70066 PMID:41405166	研究论文	本研究利用深度学习框架对肝细胞癌患者的lncRNA进行分类，以识别新的生物标志物，推动精准医疗	构建了一个分层复合深度学习框架，结合可解释AI技术（SHAP分析）来识别与HCC病理分期相关的关键lncRNA生物标志物	模型3在区分晚期HCC分期时性能较低（AU-ROC=0.774），表明lncRNA在晚期阶段关联紧密，数据存在固有挑战	通过人工智能技术识别新的lncRNA生物标志物，以促进肝细胞癌的精准医疗	肝细胞癌患者及其lncRNA表达数据	机器学习	肝细胞癌	RNA-seq	DNN	基因表达数据	来自癌症基因组图谱的肝细胞癌患者数据	NA	深度神经网络	AU-ROC	NA
182	2026-03-19	High-fidelity 3D mesh generation from a single sketch using shape constraints 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30843-3 PMID:41453959	研究论文	本文提出了一种从单张手绘草图生成高保真三维网格的简化网络架构	采用表达能力更强的PowerMLP架构，并引入三维形状约束替代传统判别器，在协作生成过程中实现几何保真度	未明确提及方法在处理极端模糊或抽象草图时的具体局限性	解决从单张草图重建高保真三维模型的挑战	合成风格化草图与真实手写草图输入	计算机视觉	NA	深度学习	MLP	草图图像	NA	NA	PowerMLP, 编码器-解码器框架	SOTA性能	NA
183	2026-03-19	Generalizable and scalable protein stability prediction with rewired protein generative models 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67609-4 PMID:41422228	研究论文	本文提出了一种名为SPURS的深度学习框架，通过重新连接和整合蛋白质生成模型，用于预测蛋白质热稳定性变化	首次将蛋白质语言模型和逆折叠模型重新连接并整合，通过在大规模热稳定性数据上进行监督微调，实现了准确、高效且可扩展的稳定性预测，并推广到未见过的蛋白质和突变	未在摘要中明确提及具体限制	预测由氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病和工程化蛋白质	蛋白质及其突变	机器学习	人类疾病	深度学习	蛋白质语言模型, 逆折叠模型	蛋白质序列数据, 热稳定性数据	大规模热稳定性数据	NA	SPURS框架	NA	NA
184	2026-03-19	Single-shot multi-line structured light stripe recognition based on deep learning 2025-Dec-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.578111 PMID:41842348	研究论文	本文提出了一种基于深度学习的多线结构光条纹编号方法，无需辅助编码图案即可实现条纹的语义分割和编号	利用深度学习直接对多线结构光条纹进行语义分割，无需传统复杂的辅助编码图案，提高了测量效率和灵活性	实验验证了方法在复杂高反射和散射场景下的可行性，但未详细讨论其在极端噪声或低对比度条件下的性能	解决多线结构光条纹图像中裂纹和错位导致的条纹顺序识别和编号难题	多线结构光条纹图像	计算机视觉	NA	多线结构光测量	深度学习模型	图像	NA	NA	NA	NA	NA
185	2026-03-19	Multimodal deep learning for intelligent camera parameter control in underwater optical camera communication imaging 2025-Dec-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.577990 PMID:41842316	研究论文	本文提出了一种多模态深度学习模型，用于在水下光学相机通信成像中智能控制相机参数，以提高条纹可见性和光学信噪比	融合视觉线索与环境上下文，在捕获时预测场景最优相机参数，实现实时、资源受限的UOCC，无需逐帧处理	未明确提及模型在极端或未见过环境条件下的泛化能力，以及实验样本的具体多样性限制	优化水下光学相机通信成像质量，通过智能相机参数控制提升条纹可见性和光学信噪比	水下光学相机通信系统中的条纹图像和环境因素（如浊度、流速、环境光照、LED功率）	计算机视觉	NA	图像处理，光学相机通信	深度学习，回归网络	图像，环境传感器数据	NA	NA	ResNet50	光学信噪比	NA
186	2026-03-18	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2025-Dec-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	本研究开发了一种融合多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累部位放疗的临床靶区	首次将多时间点PET/CT图像与计划CT整合到深度学习模型中，用于儿童霍奇金淋巴瘤的自动靶区勾画，并进行了大规模多中心验证	研究仅针对儿童高危霍奇金淋巴瘤患者，模型在其他类型淋巴瘤或成人患者中的适用性有待验证	开发自动化的临床靶区勾画算法，以促进受累部位放疗计划制定	288名儿童高危霍奇金淋巴瘤患者的计划CT、基线PET/CT和中期PET/CT扫描图像	数字病理学	霍奇金淋巴瘤	PET/CT成像	深度学习	医学影像（CT、PET）	288名患者（230名用于模型开发，58名用于外部测试）	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离	NA
187	2026-03-18	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络提取的复杂网络特征来增强基于文本的深度学习模型，以改进疫苗立场分类	首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中优于文本特征	研究基于意大利语推文数据，可能无法直接推广到其他语言或社交平台	提高社交媒体上疫苗立场的分类准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习	文本	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
188	2026-03-18	Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data 2025-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243115 PMID:41464119	研究论文	本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜	直接使用原始光学相干断层扫描数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础	未明确提及	通过深度学习模型，基于原始光学相干断层扫描数据实现圆锥角膜的早期诊断	使用Casia2前节光学相干断层扫描仪获取的2737次眼部检查数据，包括正常、角膜扩张症和其他疾病三类	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	2737次眼部检查，包含744次检查的数据集	NA	DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18	准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数	NA
189	2026-03-18	Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection 2025-Dec, Journal of cutaneous pathology IF:1.6Q3 DOI:10.1111/cup.14870 PMID:40998452	研究论文	提出一种名为MAF-DermNet的深度学习框架，用于高效、准确的皮肤癌检测	结合多尺度注意力融合与深度可分离卷积，并利用DCGAN进行数据增强以提高模型鲁棒性	未整合临床元数据，且未来需针对不同医疗环境进行优化	开发一种高效、准确的自动化皮肤癌检测模型以辅助临床诊断	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习	CNN, GAN	图像	NA	NA	MAF-DermNet, DCGAN	准确率, 宏F1分数	NA
190	2026-03-15	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	集成Vision Transformer与预训练卷积神经网络进行迁移学习，并结合LIME和GRAD-CAM方法实现模型可解释性，同时大幅减小模型尺寸	未明确说明在独立数据集上的具体性能指标或潜在的数据偏差	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确指定	ViT-DenseNet201	准确率, Dice相似系数	未明确指定
191	2026-03-14	A novel deep learning system for STEMI prognostic prediction from multi-sequence cardiac magnetic resonance 2025-12-30, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.11.027 PMID:41314962	研究论文	本文开发了一个名为DeepSTEMI的端到端深度学习系统，用于从多序列心脏磁共振图像结合临床参数预测STEMI患者2年主要不良心血管事件	提出了一种结合U-Net和Transformer模块的端到端深度学习系统，首次实现了多序列心脏磁共振图像与临床参数的自动整合，用于STEMI预后预测，并通过SHAP分析提供了模型可解释性	研究基于特定注册数据集（EARLY-MYO-CMR），外部验证仅来自三个独立心脏中心，样本量相对有限，且未在所有可能的亚组中进行全面验证	开发一个自动化、可扩展且可解释的深度学习系统，以改进ST段抬高型心肌梗死患者的早期风险分层，超越现有临床风险评分和手动成像生物标志物的限制	ST段抬高型心肌梗死患者	数字病理学	心血管疾病	心脏磁共振成像	深度学习	图像, 临床参数	开发集610名患者（20,618张图像），外部验证集334名患者（9,944张图像）	NA	U-Net, Transformer	AUC, 准确率, 风险比, 对数秩检验P值, 净重分类改善指数	NA
192	2026-03-14	"MR Fingerprinting for Imaging Brain Hemodynamics and Oxygenation" 2025-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29812 PMID:40375492	综述	本文综述了磁共振指纹成像技术在脑血流动力学、氧合及灌注定量方面的研究进展	重点介绍了血管模拟的几何模型、新型序列以及融合机器学习和深度学习算法的最先进重建技术	NA	概述血管磁共振指纹成像的关键研究，并展望其临床转化的未来方向	脑血流动力学、氧合及灌注	数字病理学	NA	磁共振指纹成像	NA	磁共振成像数据	NA	NA	NA	NA	NA
193	2026-03-13	[Diagnosis and treatment of liver diseases in the era of artificial intelligence] 2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology DOI:10.3760/cma.j.cn501113-20250910-00376 PMID:41461549	综述	本文综述了人工智能在肝病领域，特别是大数据分析、转化研究和影像病理解读中的应用进展与挑战	系统分析了AI在肝病诊疗中整合多模态数据（病史、体征、实验室数据、影像、病理）的潜力，并指出了当前技术无法有效支持真实世界临床决策的核心痛点	当前AI工具尚不成熟，无法真正独立可靠地辅助复杂临床评估；模型个性化、碎片化，难以整合成广泛适用的多中心通用模型；未能有效减轻医生工作量	探讨人工智能在肝病诊断与治疗中的应用现状、挑战及未来发展方向	肝病领域的人工智能应用，包括大数据分析、转化研究、影像和病理解读	数字病理	肝病	NA	机器学习, 深度学习	多模态数据（病史、体征、实验室数据、影像、病理）	NA	NA	NA	NA	NA
194	2026-03-13	IRIS: Interpretable Risk Clustering Intelligence for Survival Analysis 2025-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data DOI:10.1109/bigdata66926.2025.11402028 PMID:41809690	研究论文	提出了一种用于生存分析的新型可解释风险聚类智能框架IRIS，旨在直接学习有意义的患者风险分组并提供透明的特征重要性解释	与传统生存模型进行事后风险聚类不同，IRIS能够直接从数据中学习患者风险聚类，并通过特征贡献函数提供透明的特征重要性估计，在保持预测性能的同时显著提升可解释性	与最先进方法相比，在事件发生时间预测准确性方面有轻微下降	开发一个既能进行风险聚类又能提供可解释性的生存分析框架，为临床治疗规划和资源分配提供可操作的见解	患者生存数据	机器学习	阿尔茨海默病	生存分析	深度学习模型	电子健康记录，基准数据集	多个基准数据集、一个真实世界阿尔茨海默病数据集和一个电子健康记录数据集	NA	IRIS框架	风险聚类性能，预测可靠性，事件发生时间预测准确性	NA
195	2026-03-09	[Research progress in RNA secondary structure prediction methods] 2025-Dec-26, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.250791 PMID:41755596	综述	本文综述了RNA二级结构预测的主要计算方法，比较了各类算法的优缺点，并讨论了相关技术在生物医学领域的应用及未来发展方向	系统比较了基于能量、多序列、传统机器学习、深度学习以及基于三级结构的RNA二级结构预测方法，并特别关注了在RNA结合蛋白位点识别中的应用	NA	回顾RNA二级结构预测方法的研究进展，为相关研究提供重要参考	RNA二级结构预测方法	计算生物学	NA	能量方法、多序列方法、传统机器学习、深度学习、基于三级结构的预测方法	NA	NA	NA	NA	NA	NA	NA
196	2026-03-06	Large-scale modeling of axonal dynamic responses via deep learning 2025-Dec-12, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-025-02034-6 PMID:41384998	研究论文	本研究利用深度学习训练卷积神经网络，快速估计轴突损伤参数，以解决大规模轴突动态模拟计算成本高的问题	提出了一种基于CNN的快速估计方法，通过分层自适应采样策略生成训练数据，实现了约3150万倍的效率提升，支持高分辨率全白质轴突响应模拟	研究基于男性冰球运动员的头部撞击数据，样本量有限（N=46），且未涵盖不同性别或运动类型的广泛验证	开发一种高效的大规模轴突动态响应模拟方法，以研究白质损伤机制	冰球运动员头部撞击导致的轴突应变及损伤参数	机器学习	白质损伤	基于纤维束成像的应变分析，轴突损伤模型模拟	CNN	纤维应变剖面数据	46次头部撞击模拟数据，4979个体素，2000个训练样本，75个独立验证样本	NA	卷积神经网络	决定系数（R²），归一化均方根误差（NRMSE）	NA
197	2026-03-05	Hybrid deep learning model for autism spectrum disorder diagnosis 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28819-4 PMID:41462499	研究论文	本文提出了一种用于儿童自闭症谱系障碍诊断的混合深度学习模型，并在面部图像数据集上进行了性能评估	提出并比较了多种混合深度学习模型（如MobileNetV2+GRU），其中MobileNetV2+GRU模型在测试集上表现出最优性能	研究仅基于Kaggle的面部图像数据集，未涉及其他多模态数据（如fMRI、游戏评估、运动特征等），且未说明模型的临床验证情况	开发一种客观、高效的深度学习模型，用于儿童自闭症谱系障碍的早期诊断	自闭症谱系障碍儿童的面部图像数据	计算机视觉	自闭症谱系障碍	深度学习	CNN, LSTM, GRU	图像	来自Kaggle仓库的面部图像数据集（具体数量未说明）	NA	MobileNetV2, BiLSTM, ResNet50, LSTM, EfficientNetB4, InceptionV3, GRU	准确率, 精确率, F1分数, ROC值	NA
198	2026-03-05	A Pre-Trained Model Customization Framework for Accelerated PET/MR Segmentation of Abdominal Fat in Obstructive Sleep Apnea 2025-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243243 PMID:41464242	研究论文	本研究验证了一种基于预训练网络的定制化框架，用于开发自动化内脏和皮下脂肪组织分割模型，利用阻塞性睡眠呼吸暂停患者的PET/MRI混合数据进行腹部脂肪量化	提出了一个可扩展的定制化框架，结合预训练的UNet-ResNet50模型和闭环训练系统，首次在PET/MRI混合成像中实现腹部脂肪的自动分割，同时支持体积和代谢分析	模型在轮廓/边界描绘方面的Dice相似系数较低（0.43和0.54），可能影响分割精度；样本量相对有限，仅基于OSA患者数据	开发一个自动化框架，用于加速PET/MRI中腹部脂肪的分割，以支持阻塞性睡眠呼吸暂停及相关慢性疾病的研究	阻塞性睡眠呼吸暂停患者的腹部内脏脂肪组织和皮下脂肪组织	数字病理学	阻塞性睡眠呼吸暂停	混合正电子发射断层扫描/磁共振成像	CNN	图像	59、157和328个带标注的扫描用于迭代训练，10个独立测试案例（每个扫描80-100个MR切片）	Discovery Viewer平台	UNet-ResNet50	Dice相似系数, 分割时间, 组内相关系数, Bland-Altman分析	NA
199	2026-02-28	OpenVocabCT: Towards Universal Text-driven CT Image Segmentation 2025-Dec-18, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3646046 PMID:41411350	研究论文	本文提出了一种基于大规模3D CT图像预训练的视觉语言模型OpenVocabCT，用于实现通用的文本驱动CT图像分割	提出了一种在大规模3D CT图像上预训练的视觉语言模型，利用大语言模型将诊断报告分解为细粒度器官级描述进行多粒度对比学习，实现了对未见文本提示的开放词汇分割能力	模型性能依赖于预训练数据集的质量和规模，且在处理极其复杂或罕见的临床场景时可能仍存在挑战	开发一种能够处理多样化真实世界临床数据的通用文本驱动CT图像分割方法	CT图像中的器官和病灶	计算机视觉	NA	CT成像	视觉语言模型	3D CT图像，文本报告	使用大规模CT-RATE数据集进行预训练，并在14个公共数据集和1个机构数据集上进行评估	NA	NA	NA	NA
200	2026-02-27	Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70367 PMID:41373115	研究论文	本研究提出了一种结合CBCT和MRI的深度学习方法来合成CT图像，以提升头癌自适应质子治疗中的剂量计算精度	首次将MRI数据整合到CBCT-based CT合成中，以改善软组织轮廓的恢复和剂量计算的准确性	数据集规模有限，未来需要更大数据集进行验证	提升自适应质子治疗中基于CBCT的CT合成质量，以改善剂量计算精度	头癌患者	医学影像分析	头癌	CBCT, MRI	cGAN, CycleGAN	图像	NA	NA	ResUnet, SwinUnet	HU误差, 剂量差异, 剂量分布	NA