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
501	2025-12-18	ITSEF: Inception-based two-stage ensemble framework for P300 detection 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108014 PMID:40857922	研究论文	本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率	设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力	NA	解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率	P300脑电信号	脑机接口	NA	脑电图（EEG）	CNN, 集成学习	脑电信号数据	两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集	NA	Inception-based CNN (ICNN)	分类准确率	NA
502	2025-12-18	Hypothesis spaces for deep learning 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107995 PMID:40882408	研究论文	本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题	提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架	未在具体数据集或实际应用中验证理论框架的有效性	为深度学习建立理论假设空间并研究学习模型	深度神经网络（DNNs）及其参数空间	机器学习	NA	NA	深度神经网络（DNNs）	NA	NA	NA	NA	NA	NA
503	2025-12-18	AutoProfile: Automated profiling in deep learning-based side-channel analysis 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108009 PMID:40882410	研究论文	本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果	AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能	NA	提高基于深度学习的侧信道分析在强密码系统中的攻击效率	公开可用的真实侧信道测量数据集	机器学习	NA	深度学习	NA	侧信道测量数据	NA	NA	NA	攻击所需轨迹数量减少百分比	NA
504	2025-12-18	Spatial-frequency domain aggregation upsampling for pan-sharpening 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108007 PMID:40884893	研究论文	本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能	提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息	NA	提升遥感图像全色锐化的质量，生成高分辨率多光谱图像	高分辨率全色图像与低分辨率多光谱图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	SFAU	NA	NA
505	2025-12-17	Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma 2026-Jan-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001283 PMID:39999448	研究论文	本研究利用人工智能辅助的空间多组学技术，生成了肝内胆管癌的全面空间图谱，揭示了肿瘤微环境的空间特征与预后及免疫治疗的关系	首次结合多种空间多组学技术（如成像质谱流式、空间蛋白质组学、空间转录组学等）和深度学习系统，系统解析了肝内胆管癌肿瘤微环境的细胞空间拓扑结构，并识别出与预后相关的空间亚型	空间转录组学样本量较小（n=4），部分数据依赖公共数据库，可能影响结果的普遍性	生成肝内胆管癌的空间肿瘤微环境图谱，识别与预后和免疫治疗相关的空间特征	肝内胆管癌患者的肿瘤组织样本	数字病理学	肝内胆管癌	成像质谱流式、空间蛋白质组学、空间转录组学、多重免疫荧光、单细胞RNA测序、批量RNA测序、批量蛋白质组学	深度学习	图像、蛋白质组数据、转录组数据	超过106万个细胞，包括155个内部成像质谱流式样本、155个内部空间蛋白质组学样本、4个内部空间转录组学样本、20个内部多重免疫荧光样本、9个内部和34个公共单细胞RNA测序样本、244个公共批量RNA测序样本、110个内部和214个公共批量蛋白质组学样本	NA	NA	高准确度	NA
506	2025-12-17	Deep learning analysis of MRI accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis 2026-Jan-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001314 PMID:40112296	研究论文	本研究开发了一个基于3D DenseNet-121的深度学习模型，用于分析MRI图像以检测原发性硬化性胆管炎患者的早期肝门部胆管癌	首次将3D DenseNet-121深度学习模型应用于MRI图像分析，以检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并在多中心国际队列中验证其性能优于专家放射科医生	研究为回顾性设计，可能受限于数据选择和潜在偏差；模型在无肿块情况下的特异性虽好但非完美	创建并验证一个深度学习模型，通过分析MRI图像来检测原发性硬化性胆管炎患者的早期肝门部胆管癌，并与专家放射科医生的诊断性能进行比较	患有大胆管原发性硬化性胆管炎的成年患者，包括训练队列150人和测试队列248人，其中肝门部胆管癌患者共230人	医学影像分析	肝门部胆管癌	对比增强MRI	深度学习	MRI图像	398名患者（训练队列150人，测试队列248人），其中肝门部胆管癌患者230人	NA	3D DenseNet-121	敏感性, 特异性, 受试者工作特征曲线下面积	NA
507	2025-12-17	Clinical Translation of Integrated PET-MRI for Neurodegenerative Disease 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70046 PMID:40679171	综述	本文综述了集成PET-MRI在神经退行性疾病临床实践中的转化应用，包括技术进展、临床益处及未来前景	总结了集成PET-MRI在神经退行性疾病中的最新技术革新，如基于MRI的衰减校正、运动校正方法以及深度学习在疾病分类和预测中的应用	NA	探讨集成PET-MRI在神经退行性疾病临床诊断和研究中的应用价值及技术发展	阿尔茨海默病及其他神经退行性疾病患者	数字病理学	神经退行性疾病	集成PET-MRI, MRI, PET	深度学习	图像	NA	NA	NA	NA	NA
508	2025-12-17	A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70113 PMID:40916364	研究论文	本文评估了基于深度学习的模型用于法洛四联症患者心脏磁共振图像的左心室、右心室和左心室心肌的自动分割	采用MultiResUNet模型在混合数据集（包含法洛四联症和非法洛四联症病例）上训练，实现了对法洛四联症患者心脏结构的准确自动分割，并进行了内部和外部验证	研究为回顾性设计，样本量有限（特别是外部验证仅12例），且仅使用了一种成像序列	评估深度学习模型在法洛四联症患者心脏磁共振图像自动分割中的性能，以替代耗时且存在变异性的手动分割	427名患有不同心脏疾病的患者（包括122名法洛四联症患者和305名非法洛四联症患者）的心脏磁共振图像	数字病理学	心血管疾病	稳态自由进动电影序列	CNN	图像	427名患者（395名用于训练/验证，32名法洛四联症患者用于内部测试，12名外部法洛四联症患者用于泛化性评估）	NA	U-Net, Deep U-Net, MultiResUNet	Dice相似系数, 交并比, F1分数	NA
509	2025-09-11	Editorial for "A Deep Learning-Based Fully Automated Cardiac MRI Segmentation Approach for Tetralogy of Fallot Patients" 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70114 PMID:40928233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
510	2025-12-17	Innovative Learning in Anatomy Education: Assessing the Impact of Low-Cost 3D Deep Learning Anatomical Models in Museum-Based Instruction 2026-Jan, Journal of surgical education IF:2.6Q1 DOI:10.1016/j.jsurg.2025.103748 PMID:41187606	研究论文	本研究评估了基于低成本3D深度学习解剖模型的虚拟解剖博物馆教学方法对医学生临床推理和解剖学理解的影响	将低成本的交互式3D模型与深度学习技术（PointNeXt和AnatoVision Block）结合，创建了一个虚拟解剖博物馆平台，用于增强医学生的临床相关性和空间定向能力	研究样本量较小（40名学生），且为概念验证性研究；技术困难报告率为25%；对照组采用传统授课加3D打印模型，与实验组的数字交互方法存在质性差异，并非直接比较	评估虚拟解剖博物馆教学方法在提升医学生临床推理和解剖学熟练度方面的有效性	沙特阿拉伯国王哈立德大学应用医学科学学士课程的40名本科医学生	数字病理	NA	虚拟解剖博物馆、交互式3D可视化	深度学习	3D模型、问卷数据	40名本科医学生（实验组20人，对照组20人）	NA	PointNeXt, AnatoVision Block	平均分、标准差、p值、百分比	NA
511	2025-12-17	Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer 2026-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.07.1437 PMID:40844448	研究论文	本文构建了一个基于临床信息、医学文本和2.5D深度学习特征的肺癌患者放射性肺炎预测模型	提出了一种结合临床信息、医学文本和2.5D多实例学习特征的放射性肺炎预测模型，为预测放疗副作用提供了新思路	模型在不同测试队列中的最优模型类型存在差异，可能影响泛化能力	构建放射性肺炎的预测模型以评估放疗副作用	肺癌患者	数字病理学	肺癌	CT成像, 放射治疗剂量切片	深度学习模型	图像, 文本	594名患者（356名来自一个中心，238名来自三个其他中心）	NA	DenseNet121, DenseNet201, Twins-SVT	AUC	NA
512	2025-12-15	Molecular, metabolic, and histological subtypes of pancreatic ductal adenocarcinoma and its tumor microenvironment: Insights into tumor heterogeneity and clinical implications 2026-Jan, Pharmacology & therapeutics IF:12.0Q1 DOI:10.1016/j.pharmthera.2025.108946 PMID:41183744	综述	本文综述了胰腺导管腺癌（PDAC）在分子、代谢和组织学层面的亚型分类方法，旨在促进实用、经济高效的诊断和个性化医疗	整合了单细胞和空间转录组学、代谢组学以及深度学习在组织病理学中的应用，揭示了PDAC的肿瘤异质性、肿瘤微环境相互作用及亚型可塑性，为亚型指导的治疗策略提供了新视角	作为一篇综述，未提出新的实验数据或模型，主要基于现有研究进行总结和讨论	旨在全面概述PDAC的亚型异质性，以指导未来的亚型知情治疗策略	胰腺导管腺癌（PDAC）及其肿瘤微环境	数字病理学	胰腺癌	单细胞转录组学, 空间转录组学, 代谢组学, 深度学习	深度学习模型	组织病理学图像（H&E染色切片）, 转录组数据, 代谢组数据	NA	NA	NA	NA	NA
513	2025-12-15	A transformer-based pathomics model using endoscopic biopsy WSIs for predicting pathological complete response to preoperative immunotherapy in colorectal cancer 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111182 PMID:41240799	研究论文	本研究基于内镜活检全切片图像，利用深度学习模型预测结直肠癌患者术前免疫治疗的病理完全缓解	结合Swin Transformer架构与卷积神经网络增强的自注意力机制，并采用CLAM框架优化病理图像分析，首次利用内镜活检WSIs预测结直肠癌术前免疫治疗的pCR	样本量较小（训练集72例，验证集23例），且为单中心回顾性研究，可能限制模型的泛化能力	构建预测模型以识别结直肠癌患者术前免疫治疗的病理完全缓解	结直肠癌患者	数字病理学	结直肠癌	H&E染色全切片图像分析	Transformer, CNN	图像	训练集72例，验证集23例	CLAM	Swin Transformer	AUC	NA
514	2025-12-15	Optimal artificial intelligence model based on gastrointestinal filling contrast-enhanced ultrasound: Risk stratification of gastric gastrointestinal stromal tumors 2026-Jan, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.111190 PMID:41265372	研究论文	本研究基于胃肠道充盈对比增强超声图像，开发了一种深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分层评估	首次将深度学习模型应用于胃肠道充盈对比增强超声图像，以实现胃胃肠道间质瘤的客观风险分层预测，减少操作者经验和主观判断的影响	样本量相对较小（121例患者），且为单中心研究，可能影响模型的泛化能力	开发基于胃肠道充盈对比增强超声图像的深度学习模型，用于胃胃肠道间质瘤的早期筛查、辅助诊断和风险分类评估	原发性胃胃肠道间质瘤患者	计算机视觉	胃肠道间质瘤	胃肠道充盈对比增强超声	CNN	图像	121例原发性胃胃肠道间质瘤患者	NA	ResNet, CNN, ViT, EfficientNet	AUC	NA
515	2025-12-15	Uncertainty- and hardness-weighted loss functions for medical image segmentation 2026-Jan-01, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.113118 PMID:41383559	研究论文	本文提出了一种用于医学图像分割的新型不确定性/困难度加权损失函数，通过概率引导不确定性权重和区域增强困难度权重来提升分割精度	首次提出结合像素级预测不确定性和困难度的双重加权损失函数，通过PGU和REH权重机制动态调整训练关注点	实验仅基于四种特定医学图像数据集，未验证在更广泛模态或临床场景中的泛化能力	改进医学图像分割的精度，特别是减少边界区域的分割误差	视网膜青光眼图像、视网膜血管树图像、光学相干断层扫描图像和心房分割挑战数据集	计算机视觉	青光眼,心血管疾病	深度学习	Transformer, CNN	二维图像,三维图像	四个公开数据集（REFUGE, RETA, OCT, ASC）	PyTorch	Swin-Unet, V-Net	Dice系数,分割误差	未明确说明
516	2025-12-15	Feasibility of recent peptide therapy for ischemic stroke: a comprehensive exploration 2026-Jan, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2025.10.007 PMID:41390189	综述	本文综述了肽疗法在缺血性卒中治疗中的最新进展及其潜力	探讨了人工智能与深度学习在肽生成中的应用，以加速药物发现过程	NA	探索肽疗法作为缺血性卒中新型治疗策略的可行性	缺血性卒中及其相关分子通路	自然语言处理	心血管疾病	NA	深度学习	NA	NA	NA	NA	NA	NA
517	2025-12-14	NMR-based deep learning classification of raw cow's milk samples in different stages of mastitis 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70200 PMID:40959907	研究论文	本研究利用核磁共振（NMR）数据和深度强化学习（DRL）协议，开发了一个用于对生牛奶样本在不同乳腺炎阶段进行分类的可靠预测模型	首次将未经预处理的生牛奶NMR数据作为指纹图谱，结合先进的张量分解方法和深度强化学习（DRL）协议，用于乳腺炎阶段的分类	未明确说明样本的具体数量，且模型在仅使用一半训练集时达到82%的准确率，可能表明数据量有限或模型泛化能力有待进一步验证	评估核磁共振（NMR）数据作为指纹图谱，结合深度强化学习（DRL）开发可靠的预测模型，以对生牛奶样本在不同乳腺炎阶段进行分类	健康奶牛（两组）以及患有亚临床（四组）和临床（一组）乳腺炎的奶牛的生牛奶样本	机器学习	乳腺炎	核磁共振（NMR），包括1H-NMR和扩散排序光谱（DOSY）NMR	深度神经网络（DNN），深度强化学习（DRL）	光谱数据（2D DOSY NMR谱）	NA	NA	NA	准确率	NA
518	2025-12-14	Artificial intelligence-based pollen classification machine in apiculture: design, implementation and evaluation 2026-Jan-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70238 PMID:41051118	研究论文	本文开发了一种基于人工智能的花粉分类系统，用于养蜂业中花粉的自动化分类和质量控制	利用深度学习模型（特别是DenseNet201和YOLOv8）基于颜色特性对花粉样本进行分类，实现了高精度（98.5%）和实时处理能力	实验室规模验证，可能未涵盖所有实际环境中的花粉类型和变异	开发一种标准化、可追溯的花粉产品分类系统，以支持养蜂业的可持续和卫生花粉采集	花粉样本，特别是单花种花粉类型	计算机视觉	NA	深度学习驱动的图像分类	CNN	图像	未明确指定样本数量，但涉及实验室规模验证	未明确指定，但可能基于TensorFlow或PyTorch	MobileNet, InceptionV3, Xception, NasNet Large, DenseNet201, YOLOv8	准确率	未明确指定
519	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
520	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA