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
41	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
42	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
43	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
44	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
45	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
46	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
47	2026-03-07	[A visual analysis of machine learning in periodontal disease research, 2001-2023] 2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41766323	综述	本文通过文献计量学方法，对2001年至2023年间牙周病研究中机器学习的应用和研究热点进行了可视化分析	利用Bibliometrix、CiteSpace和VOSviewer等工具对牙周病机器学习文献进行系统性可视化分析，揭示了该领域的发展趋势和近两年基于图像的分割与特征提取热点	分析仅基于Web of Science核心合集中的127篇文献，样本量相对有限，可能未涵盖所有相关研究	分析牙周病研究中机器学习的应用现状和研究热点	2001年至2023年Web of Science核心合集中收录的牙周病机器学习相关文献	机器学习	牙周病	文献计量学分析	NA	文献元数据	127篇符合纳入与排除标准的论文	Bibliometrix, CiteSpace, VOSviewer	NA	NA	NA
48	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
49	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
50	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
51	2026-03-05	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	本文提出了一种多模态特征学习工作流，用于预测治疗性抗体的粘度	整合了序列、结构、理化性质及语言模型嵌入等多种数据源，使模型能从分子模拟的理化规则和预训练深度学习模型捕获的蛋白质进化模式中学习	NA	预测抗体粘度以支持早期治疗性抗体开发	治疗性抗体	机器学习	NA	多模态特征学习，分子模拟，语言模型嵌入	深度学习模型	序列，结构，理化性质，嵌入向量	NA	NA	NA	NA	NA
52	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
53	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
54	2026-02-26	Artificial Intelligence for Microbiology and Microbiome Research 2025-Dec-18, ArXiv PMID:41445807	综述	本文全面回顾了人工智能在微生物学和微生物组研究中的应用，涵盖技术进展和生物学见解	强调了AI在微生物学领域的变革性作用，并提供了从传统机器学习到深度学习方法的指导	NA	概述AI驱动的方法在微生物学和微生物组研究中的应用，以增强对微生物生命及其影响的理解	微生物学和微生物组研究	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
55	2026-02-24	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-12-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学检查路径，整合了X线、超声、磁共振成像、低剂量CT及人工智能方法，并讨论了AI在诊断和管理中的应用	提出了一个整合多模态影像和AI辅助判读的当代诊断算法，并探讨了AI在提高脊柱关节炎诊断精度和个性化治疗中的新兴应用	AI部署成本高、存在医疗法律考量，且相关研究仍处于积极调查阶段	优化脊柱关节炎的早期检测和诊断流程，整合先进影像技术与人工智能方法	脊柱关节炎患者，特别是疑似中轴型脊柱关节炎的患者	医学影像分析	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习	影像数据（X线、CT、MRI）	NA	NA	NA	检测精度	NA
56	2026-02-20	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合DCGAN与3D-TDUnet++的3D-FusionNet模型，用于基于合成CT的肺癌分割，以解决医学图像分割中标注数据不足的问题	将DCGAN用于生成合成CT图像以增强数据集，并结合3D-TDUnet++与非局部特征聚合（NLFa）架构，提高了肺癌分割的精度和鲁棒性	未提及模型在更广泛或多样化数据集上的泛化能力，以及临床部署中的具体验证细节	开发一种高效的肺癌分割框架，以改善计算机辅助诊断系统中的三维医学扫描解释	肺癌CT图像	计算机视觉	肺癌	CT扫描	DCGAN, 3D-TDUnet++	图像	使用公开的KAGGLE胸部CT扫描数据集，并通过DCGAN生成合成图像进行增强	未明确提及，但基于深度学习框架	3D-FusionNet（结合DCGAN与3D-TDUnet++及NLFa）	Dice系数, F1分数, 准确率	未提及
57	2026-02-19	Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7651 PMID:41410328	研究论文	本研究评估并比较了四种基于人工智能的模型在检测巴氏涂片细胞异常方面的判别能力	在哥伦比亚大学人群中首次评估人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型的性能	研究样本量较小（650张图像），且仅基于单一大学队列，可能限制结果的泛化性	评估人工智能模型在宫颈细胞学异常检测中的判别能力，以改善宫颈癌筛查的诊断性能	来自哥伦比亚东北部大学队列的巴氏涂片细胞图像	数字病理学	宫颈癌	数字图像分析, 深度学习	CNN	图像	650张巴氏涂片细胞图像	NA	DenseNet, InceptionV3, MobileNet, VGG19	灵敏度, 特异性, AUC	NA
58	2026-02-19	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Dec, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，用于基因组选择任务	结合增量递归特征消除方法与增强型多层卷积神经网络（含残差结构和dropout策略），能更有效地捕获基因数据中的复杂关系	未明确说明模型在更广泛作物种类或极端环境条件下的泛化能力	提高作物基因组选择的预测精度，加速育种进程并应对粮食安全挑战	小麦、玉米和大豆的基因组与表型数据	机器学习	NA	基因组选择	CNN	基因组标记数据	三个数据集（小麦、玉米、大豆），具体样本量未明确说明	NA	增强型多层卷积神经网络（含残差结构）	预测准确率	NA
59	2026-02-19	An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70178 PMID:41345328	研究论文	本文提出了一种端到端的深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像	提出了一种将同时多层成像与并行成像相结合的深度学习框架，通过将完整的SMS前向模型嵌入到网络架构中，统一了切片分离和k空间到图像的重建过程，并引入了超分辨率模块以提高图像锐度	未明确说明	开发一种结合SMS和PI的深度学习重建框架，以实现高达8倍及以上的MRI加速，同时保持适合临床判读的图像质量	肌肉骨骼磁共振成像	医学影像	肌肉骨骼疾病	Turbo Spin Echo (TSE) MRI, Simultaneous Multislice (SMS), Parallel Imaging (PI)	深度学习网络	MRI图像	超过200,000个切片，来自1.5T至3T扫描，涵盖多种采集设置	NA	端到端深度学习框架，包含近端梯度算法展开、联合正则化网络和超分辨率模块	PSNR, SSIM	NA
60	2026-02-19	Dynamic Structural Recovery Parameters Enhance Prediction of Visual Outcomes After Macular Hole Surgery 2025-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.29 PMID:41533870	研究论文	本研究引入动态结构参数，并评估其在多模态深度学习框架中预测特发性全层黄斑裂孔手术后视觉恢复的效果	首次提出动态结构恢复参数，并将其整合到多模态深度学习模型中，以提升术后视觉恢复预测的准确性	NA	预测特发性全层黄斑裂孔手术后的视觉恢复情况	特发性全层黄斑裂孔患者	计算机视觉	黄斑裂孔	光学相干断层扫描	深度学习	图像	NA	NA	NA	Dice系数, AUC, 准确率	NA