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
561	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_102219 PMID:41448607	研究论文	本研究评估了五种主流自动化海马分割工具在痴呆症研究中对疾病的敏感性和测试-重测可靠性	首次系统比较了五种主流自动化海马分割工具在疾病敏感性和测试-重测可靠性方面的表现，并提供了评估工具临床准备度的流程	研究主要基于公开数据集，可能未涵盖所有临床场景；未评估工具在其他脑区或疾病中的表现	评估自动化海马分割工具在痴呆症研究中的临床准备度，重点关注其对疾病的敏感性和测试-重测可靠性	阿尔茨海默病和轻度认知障碍患者的T1加权MRI扫描	数字病理学	阿尔茨海默病	T1加权MRI	深度学习模型	图像	敏感性研究使用ADNI的2299例和NACC的1852例扫描；可靠性研究使用8个独立数据集的1264例扫描	NA	FastSurfer, SynthSeg, Geodesic Information Flows (GIF), InnerEye, nnUNet	Cohen's d, 组内相关系数(ICC(2,1))	NA
562	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103473 PMID:41449130	研究论文	本研究通过分析ADNI队列中的神经影像生物标志物，探讨了APOE4携带者与非携带者在阿尔茨海默病病因和表现上的差异	首次使用名为DeepContrast的深度学习方法来识别结构MRI扫描中的功能性大脑活动特征，并揭示了APOE4携带者与非携带者在疾病病理异质性上的显著差异	研究基于ADNI队列，样本可能不具有普遍代表性，且未详细说明DeepContrast方法的验证过程	探究APOE4携带者与非携带者在阿尔茨海默病病因和表现上的差异	ADNI队列中的APOE4携带者与非携带者	医学影像分析	阿尔茨海默病	神经影像学（Ab-PET、Tau-PET、FDG-PET、结构MRI、FLAIR MRI）	深度学习	MRI图像	ADNI队列参与者（具体数量未明确）	NA	DeepContrast	NA	NA
563	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103249 PMID:41449679	研究论文	本研究探讨了量子增强的迁移学习如何通过结合经典深度学习模型与量子电路，提升基于MRI图像的阿尔茨海默病及相关痴呆症的早期检测性能	将量子计算与经典深度学习模型结合，通过量子迁移学习技术，在参数显著减少的情况下，实现了痴呆检测性能的显著提升	研究使用了模拟器进行实验，未在真实量子硬件上验证；样本量相对较小（136名受试者），可能影响模型的泛化能力	展示量子迁移学习在增强经典深度学习模型用于痴呆检测方面的潜力	阿尔茨海默病及相关痴呆症（ADRD）患者与健康个体的MRI矢状面图像	机器学习	阿尔茨海默病及相关痴呆症	量子迁移学习	CNN, DQN	图像	136名受试者（64名痴呆患者和72名非痴呆患者）	Pennylane, IonQ	未指定具体架构，但包含卷积层和密集层，结合了Dressed Quantum Circuit（DQN）	准确率, 敏感度	Pennylane的`default.qubit`模拟器和IonQ的Aria-1模拟器（噪声模拟）
564	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103182 PMID:41449848	研究论文	本研究开发了一种基于神经病理学确认诊断的多标签深度学习网络，用于量化阿尔茨海默病、血管性痴呆和路易体痴呆的脑萎缩	首次利用神经病理学确认的诊断训练深度学习模型，并开发了新型DeepSPARE指数来可视化病理特异性模式	模型在路易体痴呆上的准确率相对较低（0.623），且样本主要来自特定数据集（NACC和ADNI）	开发一种能够准确识别三种常见痴呆类型脑萎缩模式的深度学习框架	423名痴呆参与者和361名对照者的生前3D T1加权MRI扫描	数字病理学	老年疾病	3D T1加权MRI扫描	深度学习网络	图像	784名参与者（423名痴呆患者，361名对照），外加734名外部验证样本	NA	多标签深度学习网络	平衡准确率	NA
565	2025-12-29	Clinical Manifestations 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70857_105825 PMID:41449899	研究论文	本研究通过融合视频骨骼关键点和可穿戴生理数据，利用深度学习模型提升痴呆患者躁动和攻击行为的早期检测能力	首次结合视频骨骼关键点与可穿戴生理数据，采用RNN-GRU与注意力机制的深度学习框架，实现多模态数据融合的早期AA预测	样本量较小（仅5名患者），数据收集时长存在差异，需进一步扩大研究规模以验证普适性	提升痴呆患者躁动和攻击行为的早期检测准确性，减少干预延迟和不适当精神药物使用	患有阿尔茨海默病或混合病理痴呆并伴有躁动和攻击行为的住院患者	机器学习	老年疾病	可穿戴生理监测、视频骨骼关键点提取	RNN, GRU	视频、生理信号	5名患者（3名女性，2名男性，年龄63-85岁），每人数据收集时长为36至95.5小时	NA	RNN with GRU and attention mechanisms	准确率	NA
566	2025-12-29	deepBlastoid: a deep learning model for automated and efficient evaluation of human blastoids 2025-Dec, Life medicine DOI:10.1093/lifemedi/lnaf026 PMID:41450875	研究论文	本文开发了一个名为deepBlastoid的深度学习模型，用于基于明场图像自动分类活体人类胚泡样结构	开发了首个用于自动评估人类胚泡样结构形态的深度学习模型，通过集成置信度指标将准确率提升至97%，并在通量上超越人类专家	模型性能依赖于图像质量和训练数据，可能无法覆盖所有胚泡样结构变异类型	开发自动化工具以高效评估人类胚泡样结构的形态，支持早期人类发育建模和高通量筛选	人类胚泡样结构	计算机视觉	NA	明场成像	深度学习模型	图像	超过10,000张图像	NA	NA	准确率, 置信度	NA
567	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103753 PMID:41452061	研究论文	本研究利用死后MRI和组织学数据，探讨了阿尔茨海默病（AD）和LATE相关神经退行性变中MRI形态测量指标与神经元数量、大小和密度等直接神经退行性变指标之间的关系	结合深度学习StarDist方法、弱监督学习和高斯混合模型，自动化检测神经元并区分神经元与胶质细胞，用于分析AD和LATE的萎缩模式差异	研究样本量较小（仅24名脑捐赠者），且为初步可行性结果，需要更大数据集验证	旨在通过MRI形态测量和组织学分析，更好地区分AD和LATE引起的萎缩，以开发更特异的生物标志物	24名脑捐赠者的海马体CA1亚区、下托和内嗅皮层组织	数字病理学	阿尔茨海默病	死后MRI（9.4T）、组织学染色（硫堇染色）、立体学测量	深度学习	图像	24名脑捐赠者（5名AD-LATE-，14名AD+LATE-，5名AD+LATE+）	StarDist	NA	相关系数（r=0.72）	NA
568	2025-12-29	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_103816 PMID:41452665	研究论文	本研究利用3D卷积神经网络预测轻度认知障碍老年患者在未来两年内临床痴呆评定量表总分的变化	首次在三个独立的公开队列中，使用3D DenseNet-121 CNN模型，仅基于T1加权脑部MRI来预测未来认知功能下降，并将影像学预测结果整合到线性混合效应模型中以提高预测准确性	研究仅使用了T1加权MRI数据，未来需要纳入更丰富的神经影像数据（如淀粉样蛋白和tau蛋白PET、弥散MRI）以及探索其他数据融合方法	预测轻度认知障碍患者向阿尔茨海默病或相关痴呆症的进展，以辅助治疗决策、识别保护因素并指导临床试验	来自ADNI、OASIS-3和NACC三个公开队列的老年轻度认知障碍患者	数字病理学	阿尔茨海默病	3D T1加权脑部MRI	CNN, 线性混合效应模型	图像, 表格数据	ADNI队列1136人，OASIS-3队列241人，NACC队列942人	NA	3D DenseNet-121	平均绝对误差, R²	NA
569	2025-12-28	From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis 2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-025-08661-2 PMID:41454173	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
570	2025-12-28	A deep learning methodology for fully-automated quantification of calcific burden in high-resolution intravascular ultrasound images 2025-Dec-27, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03583-8 PMID:41454216	研究论文	本文介绍了一种基于深度学习的全自动方法，用于在高分辨率血管内超声图像中量化钙化负荷	提出了一种深度学习模型，首次实现血管内超声图像中钙化组织的无缝检测和量化，克服了传统手动分析耗时的问题	研究样本量有限（197条血管），且仅基于单一专家标注进行训练，可能影响模型的泛化能力	开发一种自动化工具，用于辅助经皮冠状动脉介入治疗规划和药物疗效评估中的钙化负荷量化	血管内超声图像中的钙化组织	计算机视觉	心血管疾病	血管内超声成像	深度学习模型	图像	197条血管用于训练（26,211帧图像），30条血管用于测试（5,138帧图像）	NA	NA	kappa系数, 相关系数	NA
571	2025-12-28	Drug Effect Classification using Frequency-based Graph Traversal Approach 2025-Dec-26, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3648860 PMID:41452695	研究论文	本文提出了一种基于频率的图遍历方法，用于将药物分类为对症治疗（SYM）或疾病修饰（DM）类别	采用异质网络和引导最短路径遍历框架，通过识别最短元路径中频繁出现的基因来分类药物作用，提高了可解释性	NA	分类药物为对症治疗或疾病修饰类别，以理解其治疗作用并支持药物重定位	药物、基因和疾病	机器学习	多发性硬化症	图遍历方法	图模型	异质网络数据（基因、疾病、药物）	NA	NA	引导最短路径遍历框架	分类准确率	NA
572	2025-12-28	Medical Microwave Imaging Using Physics-Guided Deep Learning Part 1: The Forward Solver 2025-Dec-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3648756 PMID:41452684	研究论文	本文提出了一种用于医学微波成像的快速、自监督深度学习前向求解器，通过物理引导的混合损失函数确保计算结果的物理正确性	提出了一种基于物理框架的深度学习前向求解器，将计算域分为内部散射体区域和外部背景介质区域，采用结合麦克斯韦旋度方程与积分方程的混合损失函数，在保证全局和局部精度的同时比传统求解器快97%	未明确说明训练数据的具体规模和多样性限制，也未讨论在更复杂生物组织模型中的泛化能力	开发用于医学微波成像的快速准确前向求解器，为深度学习逆问题求解器提供高效训练基础	电磁散射问题中的散射场和介质特性计算	机器学习	NA	微波成像	深度神经网络	电磁场数据	未明确具体样本数量，但提及在随机物体上训练并在真实模型上测试	NA	NA	均方根误差	NA
573	2025-12-28	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2025-Dec-26, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器，通过改进训练目标和采样方法，以更好地满足最大堆假设并提升推荐效率与准确性	提出了一种基于softmax的多类别分类训练框架，在树的同一层级节点间引入显式横向竞争，以模拟训练期间的束搜索行为；并提出了损失函数的校正方法和基于树的采样方法，以更好地满足最大堆假设并减少采样偏差	未明确提及	提高大规模候选物品场景下深度推荐模型的推荐效率，同时保证推荐准确性	基于树的深度推荐模型	机器学习	NA	NA	深度学习模型	推荐系统数据	四个真实世界数据集	NA	基于树的深度检索器	推荐准确性，推荐效率	NA
574	2025-12-28	Exploring the impact of an artificial intelligence-based intraoperative image navigation system in laparoscopic surgery on clinical outcomes: A protocol for a multicenter randomized controlled trial 2025-Dec-26, European surgical research. Europaische chirurgische Forschung. Recherches chirurgicales europeennes DOI:10.1159/000549894 PMID:41452791	研究论文	本文提出了一项多中心随机对照试验协议，旨在评估基于深度学习的术中图像导航系统在腹腔镜结直肠手术中对临床结果的影响	首次通过随机对照试验设计，系统评估AI驱动的实时语义分割导航系统在识别输尿管和自主神经方面的临床效果	研究仅针对腹腔镜左侧结直肠切除术，且样本来源限于日本三个高手术量中心，可能限制结果的普适性	评估AI术中导航系统在腹腔镜手术中的临床效果	接受腹腔镜左侧结直肠切除术的患者	计算机视觉	结直肠癌	深度学习	NA	图像	NA	NA	NA	手术时间、术中并发症、术后并发症、器官识别时间	NA
575	2025-12-28	Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction 2025-Dec-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02332 PMID:41453060	研究论文	本文介绍了Chemprop v2，一个高效、模块化的机器学习软件包，用于化学性质预测	对Chemprop进行了全面重写，提高了速度、可扩展性和用户体验，支持多GPU训练并引入了新功能	未明确提及具体局限性	开发一个改进的软件包，用于分子性质的准确预测，以支持计算化学设计	分子性质预测	机器学习	NA	NA	D-MPNN	分子图	NA	Python	D-MPNN	NA	多GPU
576	2025-12-28	Enhanced feature dynamic fusion gated UNet for robust retinal vessel segmentation 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33694-0 PMID:41453968	研究论文	本研究提出了一种用于视网膜血管分割的深度学习模型EFDG-UNet，通过优化特征融合、动态选择和全局位置建模来提升分割性能	提出了特征导航中心（FN-Hub）捕获多编码器层的长程依赖关系，自适应门控残差块（AGRB）增强病变区域和低对比度场景的特征选择性，以及并行聚焦注意力模块（PFAM）优化通道和空间信息	未提及模型在临床环境中的实时性能验证或跨设备泛化能力	开发一种鲁棒的视网膜血管分割方法，以应对小血管分割、病变干扰和多尺度结构适应等挑战	视网膜血管图像	计算机视觉	视网膜疾病	深度学习	CNN	图像	DRIVE、CHASE_DB1和STARE三个公开数据集	未明确提及	U-Net	AUC, F1-score	NA
577	2025-12-28	Deep learning framework using UAV imagery for multi-disease detection in cereal crops 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33304-z PMID:41454037	研究论文	本文提出了一种基于无人机影像和混合深度学习的小麦多病害检测框架	提出了一种结合预训练VGG-16进行特征提取与多种机器学习分类器（SVM、RF、DT、XGBoost、BNB）的混合两阶段深度学习框架，用于小麦多病害检测	未明确说明	开发一种自动化、准确且实时的病害监测系统，用于现代精准农业	小麦作物及其病害	计算机视觉	小麦病害	无人机影像采集	CNN, SVM, RF, DT, XGBoost, BNB	图像	自定义数据集，包含条锈病、白粉病、赤霉病（镰刀菌头枯病）和黄矮病	未明确说明	VGG-16	准确率, 精确率, 召回率, F1分数	未明确说明
578	2025-12-28	Detection and diagnosis of diabetic retinopathy in retinal fundus images using agentic AI approaches 2025-Dec-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34016-0 PMID:41454113	研究论文	本研究提出了一种基于智能代理的AI框架（AADR-AI），用于从视网膜眼底图像中检测和诊断糖尿病视网膜病变	将智能代理原则（自主性、反应性、主动性）引入DR检测系统，实现实时分析和基于患者特定差异的自适应特征学习	未在摘要中明确说明	开发一种能够早期检测和准确诊断糖尿病视网膜病变的自主、自适应AI系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN, Transformer	图像	基于基准数据集进行广泛实验，具体数量未在摘要中说明	NA	基于卷积和Transformer的网络多智能体集成	分类准确率	计算开销降低，具体资源未在摘要中说明
579	2025-12-28	Prior knowledge-guided multimodal deep learning system for biomarker exploration and prognosis prediction of urothelial carcinoma 2025-Dec-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02232-7 PMID:41454198	研究论文	本研究开发了一种结合先验知识的多模态深度学习系统，用于探索尿路上皮癌的生物标志物并预测其预后	整合了组织病理学、放射学和结构化病理文本等多模态数据，并引入先验知识以改进肿瘤分割和创建知识引导的切片表示，同时提出了CTContextNet、MacroContextNet和IM-NCTNet等新型网络架构	未明确提及具体局限性	开发一个准确预测尿路上皮癌预后的AI系统	尿路上皮癌患者	数字病理学	尿路上皮癌	组织病理学、放射学、结构化病理文本分析	深度学习	图像、文本	多中心、大规模、多队列验证，具体样本量未明确	NA	CTContextNet, MacroContextNet, IM-NCTNet	C-index	NA
580	2025-12-28	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-Dec-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本文提出了一种基于LoRA的Unet迁移学习方法，用于动脉瘤性蛛网膜下腔血肿的自动分割	开发了基于张量CP分解的新型CP-LoRA方法，并引入了分解权重矩阵为幅度和方向分量的DoRA变体，首次将LoRA方法应用于医学图像分割中的卷积神经网络	研究样本量有限（仅30例动脉瘤性SAH患者），且性能在小体积血肿（<25 mL）上较差（Dice 0.107-0.361）	探索从创伤性脑损伤到动脉瘤性蛛网膜下腔出血的迁移学习可行性，提高自动分割性能	动脉瘤性蛛网膜下腔出血患者的CT扫描图像	数字病理学	脑血管疾病	计算机断层扫描（CT）	CNN	医学图像	124例创伤性脑损伤患者（预训练）和30例动脉瘤性SAH患者（微调）	NA	Unet	Dice分数	NA