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
101	2026-01-08	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_104724 PMID:41498605	研究论文	本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响	首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响	样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化	研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为	212名认知完整的老年驾驶者（年龄≥65岁，CDR=0）	数字病理学	阿尔茨海默病	3T MRI脑扫描	深度学习算法	图像, 驾驶行为数据	212名老年驾驶者，74,275周的驾驶数据	NA	NA	FDR校正的p值	NA
102	2026-01-07	Predicting pathological complete response to breast cancer neoadjuvant therapy using multi-combination machine learning models based on vision transformer features 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99496-6 PMID:41476106	研究论文	本研究利用基于Vision Transformer特征的多组合机器学习模型预测乳腺癌新辅助治疗后的病理完全缓解	首次将Vision Transformer特征与多组合机器学习模型结合用于乳腺癌新辅助治疗疗效预测，相比传统CNN特征（如ResNet50、VGG16）展现出更高的预测性能	回顾性研究设计，样本量较小（仅124例患者），缺乏外部验证队列	开发高精度的机器学习模型以预测乳腺癌新辅助治疗后的病理完全缓解	124例经活检病理确诊并在新辅助治疗后接受手术切除的乳腺癌患者	计算机视觉	乳腺癌	超声成像	Vision Transformer, CNN	图像	124例患者（训练队列87例，验证队列37例）	NA	Vision Transformer, ResNet50, VGG16	AUC	NA
103	2026-01-07	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2025-Dec-29, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了一款名为MetaChrome的开源软件平台，用于自动化中期染色体分析	开发了结合图形用户界面的开源软件，利用微调的深度学习模型自动化染色体分割和FISH信号共定位分析，相比传统图像处理方法提高了分割准确性	未明确说明软件在处理复杂染色体异常或低质量图像时的具体限制	开发自动化工具以解决中期染色体分析和DNA FISH信号共定位的挑战	中期染色体图像和DNA FISH信号	数字病理学	NA	DNA荧光原位杂交（DNA FISH），高通量成像（HTI）	深度学习模型	图像	NA	NA	Cellpose	分割准确性	NA
104	2026-01-07	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2025-Dec-22, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112115 PMID:41478240	研究论文	本研究利用深度学习模型，基于治疗前脑电图信号预测双相情感障碍患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将混合1DCNN和GRU模型应用于脑电图功率谱密度数据，以预测双相抑郁患者对经颅直流电刺激治疗的缓解反应	样本量较小（仅21名参与者），且仅使用了特定电极（AF7和TP10）的频带数据，可能限制了模型的泛化能力	预测双相情感障碍患者对经颅直流电刺激治疗的临床缓解情况	双相情感障碍患者	机器学习	双相情感障碍	脑电图	1DCNN, GRU	脑电图信号	21名双相情感障碍参与者	NA	混合1DCNN和GRU模型	准确率, 灵敏度, 特异度	NA
105	2026-01-07	Interpretable deep learning for multicenter gastric cancer T staging from CT images 2025-Dec-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02002-5 PMID:41422179	研究论文	开发了一个名为GTRNet的可解释深度学习框架，用于从CT图像中自动进行胃癌T分期	提出了一个无需手动分割或标注、可直接从常规CT图像进行T1-T4分期分类的端到端可解释深度学习框架，并结合临床特征构建了具有更高临床净获益的列线图	研究为回顾性设计，可能存在选择偏倚；模型在更广泛人群中的泛化能力仍需进一步验证	开发自动化、可解释的深度学习工具以标准化基于CT的胃癌术前T分期	胃癌患者的CT图像	计算机视觉	胃癌	CT成像	深度学习	图像	1792名患者（回顾性多中心研究）	未明确说明	GTRNet（具体架构未详细说明）	AUC, 准确率	未明确说明
106	2026-01-07	Intersection of Big Five Personality Traits and Substance Use on Social Media Discourse: AI-Powered Observational Study 2025-Dec-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/79454 PMID:41418319	研究论文	本研究利用AI技术分析社交媒体话语，探讨大五人格特质与物质使用之间的关联及其在疫情期间的变化	首次通过大规模数字话语数据揭示神经质作为物质使用保护因子的反直觉发现，挑战了传统的自我治疗假说	研究基于公开社交媒体帖子，可能存在选择偏差，且无法完全控制混杂因素	评估大五人格特质与物质使用话语在2019-2021年间的关联变化，并分析这些特质如何预测物质使用及其与特定物质类型、情感表达和人口因素的关系	数亿条来自主要社交媒体平台的公开帖子（2019-2021年）	自然语言处理	物质使用障碍	自然语言处理，深度学习	深度学习模型	文本	数亿条社交媒体帖子	NA	NA	比值比，95%置信区间，Cohen's d	NA
107	2026-01-07	Vision and convolutional transformers for Alzheimer's disease diagnosis: a systematic review of architectures, multimodal fusion and critical gaps 2025-Dec-17, Brain informatics DOI:10.1186/s40708-025-00286-7 PMID:41405782	系统综述	本文系统综述了使用Vision Transformers和Convolutional Vision Transformers进行阿尔茨海默病诊断的研究，分析了架构、多模态融合及关键研究空白	引入了新颖的分类法，按模型架构、数据模态、融合策略和诊断目标对研究进行系统分类，并前瞻性地分析了大型视觉模型	研究主要关注2021-2025年的文献，可能未涵盖更早的研究；且指出算法可重复性存在广泛挑战	系统分析Vision Transformers和Convolutional Vision Transformers在阿尔茨海默病诊断中的应用，识别趋势与关键研究空白	从Scopus、Web of Science、ScienceDirect、IEEE Xplore和PubMed数据库中筛选的68项研究（源自564篇出版物）	计算机视觉	阿尔茨海默病	深度学习	Vision Transformer, Convolutional Vision Transformer	多模态数据	NA	NA	Vision Transformer, Convolutional Vision Transformer	NA	NA
108	2026-01-07	Multimodal Motion Capture Toolbox for Enhanced Analysis of Intersegmental Coordination in Children with Cerebral Palsy and Typically Developing 2025-Dec-16, Journal of visualized experiments : JoVE DOI:10.3791/69604 PMID:41490048	研究论文	本文开发了一个多模态运动捕捉工具箱，用于增强对脑瘫儿童和典型发育儿童节段间协调性的分析	结合了多种运动捕捉技术（包括研究级运动学设备、运动学集群、惯性测量单元、三维无标记系统和基于MediaPipe的二维无标记系统），并提出了一个开源方法，以解决传统标记系统对神经残疾儿童（如脑瘫）的挑战	研究样本量较小（仅包括两名典型发育儿童和两名脑瘫儿童），可能限制结果的普遍性	探索成本效益高的替代方案，以传统光学系统分析运动模式，特别是针对脑瘫儿童的节段间协调性	儿童（包括典型发育儿童和脑瘫儿童）	计算机视觉	脑瘫	三维标记运动捕捉系统、二维无标记运动捕捉系统（使用MediaPipe）、深度学习人体姿态估计	NA	视频、运动学数据	四名儿童（两名典型发育，两名脑瘫）	MediaPipe	NA	NA	NA
109	2026-01-07	Cutting-edge bayesian deep learning and statistical strategies for bias mitigation in COVID-19 detection via chest x-ray imaging 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28723-x PMID:41392298	研究论文	本文提出了一种多阶段贝叶斯深度学习框架，用于通过胸部X光图像进行COVID-19检测和严重程度分级，并缓解偏差和噪声问题	结合肺部分割、分割引导分类、校准集成和不确定性估计的多阶段贝叶斯深度学习框架，用于COVID-19分类和严重程度分级	数据集规模有限，缺乏外部多站点验证	开发一个鲁棒的深度学习框架，用于COVID-19检测和严重程度分级，同时缓解偏差、标签噪声和域偏移问题	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	贝叶斯深度学习	图像	1,531张胸部X光图像（来自70名患者的100张COVID-19图像和来自ChestX-ray14的1,431张非COVID图像）	NA	NA	准确率, 敏感性, AUC	NA
110	2026-01-07	Predicting critical crack propagation length in sustainable additive-enhanced concrete using explainable machine learning 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31900-7 PMID:41390865	研究论文	本文提出了一种可解释的机器学习框架，用于预测可持续添加剂增强混凝土的临界裂纹扩展长度	首次将神经正切核高斯过程模型应用于断裂力学领域，并结合可解释性分析和不确定性量化	未提及	提高可持续添加剂增强混凝土临界裂纹扩展长度的预测准确性和计算效率	可持续添加剂增强混凝土样本	机器学习	NA	实验测试	集成学习, 核方法, 深度学习	结构化数据	800个SAEC样本	NA	神经正切核高斯过程	R, RMSE, MAPE, VAF	NA
111	2026-01-07	Biologically-informed integration of drug representations for breast cancer treatment using deep learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66384-6 PMID:41381442	研究论文	本研究开发了一个名为GDnet的可解释深度学习模型，通过整合药物表征和肿瘤转录组数据来预测乳腺癌患者对新辅助疗法的反应，并辅助选择最佳治疗策略	提出了一个整合药物生物学表征和肿瘤转录组数据的深度学习模型，能够显著提高治疗反应预测的准确性，并可作为数字药物测试替代品优化治疗决策	研究基于回顾性数据集，需要在更多前瞻性临床试验中进行验证；模型在多种癌症类型和治疗场景中的泛化能力有待进一步评估	开发一个深度学习模型来预测乳腺癌患者对新辅助疗法的反应，并优化个性化治疗策略选择	乳腺癌患者，特别是接受新辅助治疗的患者	数字病理学	乳腺癌	转录组测序	深度学习	转录组数据，药物表征数据	来自31个数据集的4371名符合条件的患者	NA	GDnet	病理完全缓解率，比值比	NA
112	2026-01-07	A personalized automated system of 3D facial soft tissue landmarks annotation based on deep learning and computer vision 2025-Dec-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07448-3 PMID:41372865	研究论文	本研究开发了一种基于深度学习和计算机视觉的个性化自动化系统，用于标注三维面部软组织标志点，并通过与手动标注对比评估其准确性和临床适用性	通过标准化面部模板构建、三维面部非线性配准和个性化关键点转移，实现了一次性个性化标注标准模板并自动批量映射到多个面部扫描模型，针对严重错颌畸形构建了畸形特异性个性化模板	样本量相对较小（55名患者），且主要针对中国正畸患者，可能限制了结果的普适性	开发并评估一个用于三维面部软组织标志点自动化标注的个性化系统，以提高面部形态学研究的效率和精度	55名中国正畸患者（包括40名正常面部形态和15名严重颅面畸形患者）	计算机视觉	错颌畸形	三维面部扫描	深度学习	三维图像	55名患者（24名男性，31名女性；平均年龄23.4±7.01岁）	NA	NA	平均欧几里得距离, 比例分析, 线性测量误差, 角度测量误差	NA
113	2026-01-07	Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04676 PMID:41283773	研究论文	本研究开发了一种结合结构光照明显微镜成像与深度学习的快速表型抗菌药物敏感性测试平台，用于评估抗生素处理后细菌的亚细胞表型	首次将结构光照明显微镜成像与深度学习相结合，在亚细胞水平进行快速表型AST，无需培养要求，并能在抗生素浓度接近最低抑菌浓度时进行单细胞分析，揭示传统方法掩盖的异质性	NA	开发一种快速、准确的表型抗菌药物敏感性测试方法，以减少培养时间并提高检测分辨率	细菌（包括大肠杆菌、肺炎克雷伯菌和BCG）	计算机视觉	NA	结构光照明显微镜成像	深度学习	图像	NA	NA	C3D, DenseNet-121, MobileNet-V2, MobileNet-V3 Large, ResNet-50, ResNet-101, MobileNet-V3 Small	准确率	NA
114	2026-01-07	Multiplexed detection of febrile infections using CARMEN 2025-Dec-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66243-4 PMID:41365864	研究论文	本研究开发了基于CRISPR的CARMEN技术，用于同时检测多种发热性感染病原体，并通过深度学习优化了检测性能	首次将深度学习应用于CARMEN检测体系的设计，显著提升了检测的灵敏度和特异性；开发了三个针对不同病原体类别的检测面板，可同时识别23种病原体	研究主要针对特定病原体面板进行验证，尚未涵盖所有可能的发热性感染病原体；在真实临床样本中的大规模验证仍需进一步开展	开发一种高灵敏度、高特异性的多重病原体检测技术，用于临床诊断和公共卫生监测	病毒性出血热、蚊媒病毒和性传播感染相关的23种病原体	生物信息学	发热性感染	CRISPR-CARMEN技术, RT-qPCR, 深度学习	深度学习模型	合成靶标数据, 加标健康血清样本数据, 患者样本数据	来自美国和尼日利亚的患者样本（包括淋病奈瑟菌、拉沙病毒和猴痘病毒样本）	NA	NA	灵敏度, 特异性	NA
115	2026-01-07	A hybrid BiLSTM-CNN approach for intrusion detection for IoT applications 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29079-y PMID:41366268	研究论文	本研究提出了一种混合BiLSTM-CNN方法，用于物联网应用的入侵检测	结合BiLSTM和CNN的优势，分别提取时间和空间特征，设计了一种新颖的混合入侵检测系统	NA	改进入侵检测系统以增强网络安全性	物联网网络中的安全攻击	机器学习	NA	深度学习	BiLSTM, CNN	网络流量数据	UNSW-NB15数据集	NA	BiLSTM, CNN	精确度, 灵敏度, F1分数, 误算率, 假阳性率, 假阴性率, 马修斯相关系数	GPU和CPU
116	2026-01-07	A multi-task deep learning approach for landslide displacement prediction with applications in early warning systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29084-1 PMID:41354745	研究论文	本文提出了一种多任务深度学习方法，用于滑坡位移预测，并应用于早期预警系统	通过引入多任务训练方法，优化模型在预警阈值附近的预测性能，而不仅仅是降低整体预测残差	方法仅在斯洛文尼亚Urbas滑坡的单一数据集上进行了验证，需要更多案例研究以证明其普适性	提高滑坡位移预测的准确性，以支持可靠的滑坡早期预警系统建设	斯洛文尼亚西北部深层Urbas滑坡的位移数据	机器学习	NA	GNSS监测	CNN	滑坡活动、水文气象测量和地震学数据	自2019年以来通过GNSS监测的Urbas滑坡数据	NA	卷积神经网络	R²分数, 平均绝对误差	NA
117	2026-01-07	Diagnostic performance of real-time artificial intelligence using deep learning analysis of endoscopic ultrasound videos for gallbladder polypoid lesions 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29179-9 PMID:41361233	研究论文	本研究评估了基于深度学习的人工智能模型在分析内镜超声视频以诊断胆囊息肉样病变方面的诊断性能	首次将人工智能应用于内镜超声视频（而非静态图像）进行胆囊息肉分析，利用视频提供的更丰富诊断信息	样本量相对较小（训练队列96个视频，验证队列36个视频），且需要进一步的前瞻性验证	评估人工智能模型通过分析内镜超声视频来诊断胆囊息肉的准确性	经组织学证实的胆囊息肉患者的内镜超声视频	计算机视觉	胆囊疾病	内镜超声	CNN, Transformer	视频	训练队列：96个视频（来自50名患者）；验证队列：36个视频（来自17名患者）	NA	Attention U-Net, Residual U-Net, DUCK Net, EfficientNet-B2, ResNet101, Vision Transformer	准确率, 召回率, F1分数, AUC	NA
118	2026-01-07	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	综述与荟萃分析	本文通过系统综述和荟萃分析，评估了卷积神经网络及其相关架构在头颈部放疗剂量分布预测中的效能	首次对头颈部放疗剂量预测的深度学习模型进行系统综述和荟萃分析，比较了经典与先进CNN架构在不同靶区和危及器官上的预测性能，并识别了影响模型表现的关键因素	研究存在显著的异质性（I² > 99%），限制了结果的可解释性；模型对其他危及器官（除脊髓外）的泛化能力有限；部分训练参数需从补充材料中获取	评估深度学习模型（特别是CNN）在头颈部放疗剂量分布预测中的准确性和一致性，为临床任务定制模型提供依据	头颈部放疗中的计划靶区（PTV）和危及器官（以脊髓为代表）的剂量分布	数字病理学	头颈部癌症	放疗剂量预测，深度学习	CNN	医学图像数据（剂量分布图）	NA	NA	经典CNN，先进CNN（可能包含密集块等设计）	平均绝对误差，置信区间	NA
119	2026-01-07	Identification of plant-parasitic nematode genera in turfgrass using deep learning algorithms 2025-Dec-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29467-4 PMID:41354739	研究论文	本研究评估了多种深度学习模型在草坪草植物寄生线虫属分类中的性能	首次将EfficientNet V2-S、MobileNetV3-L、ResNet101和Swin Transformer V2-B等先进CNN架构应用于草坪草线虫分类，并采用BOHB算法进行超参数优化	研究仅针对7个线虫类群，且用户端平台测试准确率（82.47%）较内部测试有所下降，表明模型在实际应用场景中可能存在泛化挑战	开发基于深度学习的植物寄生线虫自动识别工具，以辅助草坪草病害诊断	与草坪草相关的7种植物寄生线虫属	计算机视觉	植物寄生线虫病	深度学习图像分类	CNN, Transformer	图像	5406张植物寄生线虫图像	未明确提及	EfficientNet V2-S, MobileNetV3-L, ResNet101, Swin Transformer V2-B	平衡分类准确率	未明确提及
120	2026-01-07	Dual-phase optimized deep learning framework for accurate, efficient, and robust battery SoC estimation 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29449-6 PMID:41350347	研究论文	本文提出了一种名为KANBiLSTMAtt的新型混合深度学习模型，用于锂离子电池荷电状态（SoC）的准确、高效和鲁棒性估计	提出了一种结合Kolmogorov-Arnold网络（KAN）、双向长短期记忆网络（BiLSTM）和注意力机制的新型混合深度学习模型，并采用Optuna进行超参数调优和NSGA-II进行多目标优化，实现了高预测精度与低计算开销的平衡	研究仅在两种特定的电池化学体系和有限的环境温度变化下进行了验证，模型在其他电池类型或更极端工况下的泛化能力有待进一步评估	开发一种准确、高效且鲁棒的锂离子电池荷电状态（SoC）估计方法，以支持电动汽车的电池性能优化、续航里程可靠性和运行安全	锂离子电池的荷电状态（SoC）	机器学习	NA	NA	KAN, BiLSTM, 注意力机制	时间序列数据（电池数据）	使用了LG数据集和CALCE数据集的驾驶循环数据，涉及两种不同的电池化学体系	NA	KANBiLSTMAtt（KAN、BiLSTM与注意力机制的混合架构）	RMSE, MAE, R²	NA