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
1	2025-12-21	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合外周血蛋白质组学与机器学习方法，首次发现SAA2蛋白可作为流感感染的辅助诊断指标，并验证了其在区分流感、COVID-19和健康人群中的潜在价值	研究样本量相对有限，且未涉及其他呼吸道病毒的验证，模型在更广泛人群中的泛化能力有待进一步评估	通过建立的机器学习模型和外周血蛋白质组学预测流感病毒感染的关键分子标志物	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的测试数据	机器学习	流感	蛋白质组测序, ELISA	随机森林, LASSO回归	蛋白质组学数据, 临床特征数据	1115个样本（850名患者和265名健康个体）	NA	NA	ROC曲线分析	NA
2	2025-12-21	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	本文开发并验证了一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确地识别人类圆形精子细胞	提出了一种基于级联掩码R-CNN的深度学习模型，首次实现了对人类圆形精子细胞的无创准确识别，避免了传统Hoechst染色的毒性问题	模型基于有限的光学显微镜图像数据集（3457张）开发，可能需要在更广泛的数据集上进行进一步验证	评估深度学习模型在无创准确识别人类圆形精子细胞方面的能力，以促进人类圆形精子注射技术的临床应用	人类圆形精子细胞	计算机视觉	男性不育症	流式细胞术分析、光学显微镜成像	CNN	图像	3457张已分选人类圆形精子细胞的光学显微镜图像	NA	级联掩码区域卷积神经网络	平均精度均值	NA
3	2025-12-21	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	本研究评估了疑似卒中患者脑部MRI中运动伪影的患病率、相关因素及其对AI和放射科医生诊断准确性的影响	首次在疑似卒中患者队列中系统评估运动伪影对AI和放射科医生诊断准确性的影响，并识别了年龄和运动症状作为独立相关因素	回顾性单中心研究，可能存在选择偏倚；运动伪影仅由两名放射科住院医师评估，可能存在主观性	评估卒中MRI中运动伪影的患病率、相关因素及其对诊断准确性的影响	疑似卒中患者的脑部MRI扫描	医学影像分析	卒中	脑部MRI	深度学习工具	医学影像	775名患者（平均年龄68岁±16，420名女性）	NA	NA	诊断准确性	NA
4	2025-12-21	Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11857-x PMID:40691513	研究论文	本研究评估了深度学习加速的HASTE MRI序列在IPMN成像中的优势，包括图像质量、病灶检测和扫描时间	首次将深度学习加速的HASTE序列应用于IPMN成像评估，显著提升图像质量并减少扫描时间	样本量较小（59例患者），且为单中心回顾性研究	评估新型MRI技术对胰腺导管内乳头状黏液性肿瘤的成像效果	接受腹部MRI检查的IPMN患者	数字病理学	胰腺癌	MRI, 深度学习加速的HASTE序列	深度学习模型	医学影像	59例患者	NA	NA	图像质量评分, 病灶检测大小, 观察者间一致性	3-Tesla MRI扫描仪
5	2025-12-21	Enhancing Captive Welfare Management with Deep Learning: Video-Based Detection of Gibbon Behaviors Using YOWOvG 2026 Jan-Mar, Journal of applied animal welfare science : JAAWS IF:1.4Q2 DOI:10.1080/10888705.2025.2542844 PMID:40760848	研究论文	本研究开发了一种名为YOWOvG的深度学习模型，用于基于视频自动检测圈养东部白眉长臂猿的行为，以提升动物福利管理	首次构建了该物种的人工标注时空行为数据集，并提出了一种集成SE注意力机制和GELAN的改进深度学习模型YOWOvG，用于增强特征提取和视频行为识别	行为类别有限，未包含刻板行为，且未整合音频线索	通过自动化、非侵入式的视频监测来提升救援中心对圈养野生动物的福利评估能力	圈养的东部白眉长臂猿	计算机视觉	NA	视频分析	深度学习	视频	69,919个标注帧，涵盖四种行为	NA	YOWOvG, SE attention mechanism, GELAN	Frame-mAP	NA
6	2025-12-21	Integrating Deep Model-Based Learning With Modular State-Based Stackelberg Games for Self-Optimizing Distributed Production Systems 2026-Jan, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3610707 PMID:40996999	研究论文	本文提出了一种将深度模型学习与模块化状态Stackelberg博弈相结合的新方法，用于分布式生产系统的自优化	用深度学习模型替代传统数字表示来学习系统动态，并与Mod-SbSG框架集成，显著减少了实际系统交互需求	仅在实验室测试平台进行了验证，尚未在真实工业环境中全面测试	开发分布式制造系统的自优化方法	分布式生产系统	机器学习	NA	深度学习	深度学习模型	系统动态数据	NA	NA	NA	交互减少率	NA
7	2025-12-21	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本研究开发了一种基于深度学习的模型，用于在CT影像中自动勾画子宫恶性肿瘤的临床靶区和计划靶区	提出了一种能够跨多种子宫恶性肿瘤类型（宫颈癌和子宫内膜癌）和多个医疗中心进行准确靶区勾画的深度学习模型，并进行了广泛的外部验证	研究为回顾性设计，且仅基于CT影像，未考虑其他模态影像如MRI的融合	开发一个自动、准确且可推广的深度学习模型，用于子宫恶性肿瘤放疗中的靶区勾画	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习	CT图像	602例对比增强CT扫描（302例来自内部机构，300例来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
8	2025-12-21	Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111265 PMID:41202884	研究论文	本研究开发了基于人工智能的模型，用于前列腺癌患者在[18F]DCFPyL PET/CT成像上的病灶表征和预后预测	开发了结合PET和CT模态的输入串联模型，在多个任务上表现出优越性能，并前瞻性验证了模型在独立测试集上的泛化能力	生存预测的C指数相对较低（内部测试集0.58，前瞻性测试集0.60），表明模型在生存预测任务上仍有改进空间	开发人工智能工具以改善前列腺癌的病灶表征和患者预后预测，辅助临床决策	接受[18F]DCFPyL PET/CT成像的前列腺癌患者	数字病理	前列腺癌	[18F]DCFPyL PET/CT成像	深度学习模型	医学影像（PET和CT图像）	训练和内部测试集238例患者，前瞻性测试集36例患者	NA	输入串联模型（单模态和多模态深度学习模型）	AUROC, C-index	NA
9	2025-12-21	Multimodal deep learning model for predicting prognosis following radiotherapy-based combination therapy in unresectable hepatocellular carcinoma 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218122 PMID:41213465	研究论文	本研究开发了一种名为TRIM-uHCC的多模态深度学习模型，用于预测不可切除肝细胞癌患者在接受基于放疗的联合疗法后的预后	提出了首个基于Transformer的多模态风险分层集成模型（TRIM-uHCC），用于对不可切除肝细胞癌患者进行个体化预后分层，其预测性能显著优于现有指南分期系统和其他深度学习模型	研究为多中心回顾性研究，可能存在选择偏倚；模型需要在更大规模的前瞻性队列中进行外部验证	开发一个精准的预后预测模型，以指导不可切除肝细胞癌患者基于放疗的联合治疗决策	不可切除肝细胞癌患者	数字病理学	肝细胞癌	多模态深度学习	Transformer, CNN	多模态数据	875名来自6个机构的不可切除肝细胞癌患者（ES队列383名，ETS队列492名）	NA	Transformer, Swin-Transformer, ViT, ResNet50, ResNeXt50	C-index, 时间依赖性AUC	NA
10	2025-12-21	Modality-AGnostic image Cascade (MAGIC) for multi-modality cardiac substructure segmentation 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111296 PMID:41271169	研究论文	本文提出并验证了一种用于多模态心脏亚结构分割的模态无关图像级联深度学习流程	通过复制nnU-Net骨干网络的编码和解码分支来处理多模态输入和重叠标签，实现了在单一模型中分割多种图像模态和重叠结构的能力	未明确提及	开发一种高效、轻量化的深度学习流程，用于多模态心脏亚结构分割，以减轻放射治疗计划中的勾画负担	心脏亚结构，包括心脏整体、心腔、大血管、瓣膜、冠状动脉和传导节点	数字病理学	心血管疾病	深度学习	nnU-Net	图像	训练集151例，验证集15例，测试集30例，涵盖临床模拟CT、低场MR-Linac和心脏CT血管造影模态	NA	nnU-Net	Dice相似系数, 双尾Wilcoxon符号秩检验	NA
11	2025-12-21	Evaluation of compartmentalized automatic segmentation for definition of the GTV in glioblastoma radiotherapy 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111308 PMID:41308924	研究论文	本研究评估了深度学习模型Neosoma Glioma在胶质母细胞瘤放疗中自动分割大体肿瘤体积的临床适用性	首次评估了基于深度学习的自动分割模型在胶质母细胞瘤术后放疗靶区勾画中的临床应用，实现了超过50%的时间节省	研究为回顾性分析，样本量相对有限（100例），且仅在一家医疗中心进行验证	评估自动分割模型在胶质母细胞瘤放疗靶区定义中的临床适用性和效率	胶质母细胞瘤患者的术后MRI影像	数字病理学	胶质母细胞瘤	多模态MRI	深度学习模型	医学影像	100例胶质母细胞瘤病例	NA	Neosoma Glioma	Dice相似系数, 几何相似性度量, 剂量学评估	NA
12	2025-12-21	Dynamic prediction of Radiotherapy toxicities in Head and neck cancer using clinical and imaging data 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111312 PMID:41314396	研究论文	本研究开发了一种动态深度学习模型，用于预测头颈癌放疗期间的三种主要毒性反应，通过整合临床数据和每日锥形束CT影像，评估序列成像或剂量学特征是否能改善早期预测	首次结合临床数据与每日CBCT的解剖形变特征（Jacobian行列式矩阵），构建多分支3D ResNet50与多层感知器模型，动态预测放疗毒性	影像数据（早期Jf或影像组学）未显著提升预测性能，模型在毒性发生率较低的样本（如住院和放射性坏死）中可能存在类别不平衡问题	开发动态预测模型，以早期识别头颈癌放疗患者发生鼻饲管置入、住院和放射性坏死等毒性的风险	2017年至2022年间接受放疗的1,012名头颈癌患者	数字病理学	头颈癌	锥形束计算机断层扫描（CBCT），影像组学分析	CNN, MLP	影像（3D CBCT），临床数据	1,012名患者	PyTorch（推断自ResNet50的典型使用）	3D ResNet50, 多层感知器	准确率	NA
13	2025-12-21	Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC 2026-Jan, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70068 PMID:41410015	研究论文	本研究开发了一种AI辅助的图像分析流程，用于验证成纤维细胞活化蛋白和α-平滑肌肌动蛋白作为前列腺癌预后生物标志物	开发了一种针对双标记免疫组化的新型AI增强图像分析流程，实现了生物标志物表达的自动化、组织区室特异性量化	研究主要基于组织微阵列样本，可能无法完全代表整个肿瘤异质性；部分分析结果（如上皮FAP和基质αSMA）仅在特定亚组中显示关联	验证成纤维细胞活化蛋白和α-平滑肌肌动蛋白作为前列腺癌预后生物标志物的临床价值	前列腺癌患者的组织样本	数字病理学	前列腺癌	双标记免疫组化	深度学习模型	高分辨率全切片图像	来自835名患者的4,097个组织核心	NA	NA	准确性	NA
14	2025-12-21	Quantitative CT and Artificial Intelligence in Chronic Lung Disease 2025-Dec-22, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000867 PMID:41417666	综述	本文综述了定量CT和人工智能技术在慢性肺病（如COPD和ILD）中的应用，包括其优势、挑战及未来方向	整合了机器学习和深度学习技术，超越了传统视觉评估和密度方法，提高了慢性肺病评估的鲁棒性和可重复性	技术采纳面临挑战，包括读者主观性和观察者间变异性，且存在实施限制	探讨定量CT和AI技术在慢性肺病诊断和管理中的应用及未来发展方向	慢性阻塞性肺病（COPD）、纤维化间质性肺病（ILD）以及肺和造血干细胞移植受者的闭塞性细支气管炎综合征	数字病理学	肺病	定量CT（QCT）	机器学习,深度学习	CT图像	NA	NA	NA	NA	NA
15	2025-12-21	Assessing clinician performance using a multi-modality clinical decision-support system for lung cancer prognostication 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31204-w PMID:41419585	研究论文	本研究开发了一个整合多模态深度学习模型的临床决策支持系统，用于肺癌术后预后评估，并评估了该系统对肿瘤医生预测性能和信心的影响	首次将多模态深度学习模型与临床决策支持系统结合用于肺癌预后评估，并首次研究了临床医生对此类系统的态度	这是一项探索性研究，样本量有限，且仅涉及四位肿瘤医生进行评估	开发并评估一个用于肺癌术后预后评估的临床决策支持系统	早期肺癌患者	数字病理学	肺癌	多模态深度学习	深度学习模型	医学图像、临床信息、手术信息、病理信息	未明确指定样本数量	NA	NA	预测性能、信心水平	NA
16	2025-12-21	MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30940-3 PMID:41419754	研究论文	本研究提出了一种结合轻量级MobileNetV3分类器与MapReduce风格数据管道的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测	将轻量级MobileNetV3模型与MapReduce并行处理框架相结合，实现了数据预处理和批量推理的节点级并行化，提升了系统的可扩展性和处理效率	研究仅针对三种病害类别，数据集规模相对有限（2152张图像），未在更广泛的实际农田环境中进行验证	开发一个准确、可扩展的马铃薯叶部病害检测系统，以支持可持续精准农业，减少作物损失	马铃薯叶部病害图像	计算机视觉	马铃薯病害	图像处理，数据增强	CNN	图像	2152张图像，分为三个类别	TensorFlow, PyTorch, Keras	MobileNetV3	准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率	GPU用于训练，MapReduce管道支持水平扩展以处理更大规模和持续的图像输入
17	2025-12-21	Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images 2025-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01316-5 PMID:41420096	研究论文	本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能	首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题	合成图像增强在内部测试中显著提升性能，但在外部测试中未改善，表明合成视网膜图像增强的泛化能力有待进一步研究	提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性	来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像	数字病理学	糖尿病视网膜病变	条件级联扩散模型	深度学习系统	图像	开发数据集包含72,559只眼的黄斑图像，内部测试集9,071只眼，外部测试集2,842只眼	NA	条件级联扩散模型	AUROC	NA
18	2025-12-21	Enhancing the Predictive Power of Macrocyclic Drug Permeability by Knowledge Distillation from Analogous Pretraining Data 2025-Dec-20, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c02620 PMID:41420604	研究论文	本文提出了一种名为Multi_DDPP的深度学习模型，用于直接从二维结构预测大环药物的渗透性	采用知识蒸馏技术利用多细胞系渗透性数据提升泛化能力，并引入任务特定的摆动范围策略以减少标签噪声	NA	提高大环药物渗透性的预测能力，以加速其药物开发过程	大环药物	机器学习	NA	深度学习	深度学习模型	二维分子结构	NA	NA	NA	NA	NA
19	2025-12-21	Deep Learning Guided Exploration of Transition Metal Oxide Catalysts in Acetylene Selective Hydrogenation 2025-Dec-20, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c16333 PMID:41420613	研究论文	本研究结合密度泛函理论预测与深度学习算法，探索并验证了新型过渡金属氧化物催化剂在乙炔选择性加氢反应中的优异性能	首次将DFT预测的电子和分子吸附性质映射与深度学习算法结合，用于高效筛选新型催化剂材料，并成功合成出性能卓越的CuTiO催化剂	研究主要聚焦于过渡金属氧化物催化剂，可能未涵盖其他类型的催化剂材料；深度学习模型的泛化能力有待在更广泛材料体系中验证	开发高效筛选和优化催化剂材料的方法，以加速新型催化剂的发现过程	过渡金属氧化物催化剂，特别是CuTiO和CuO掺杂的TiO材料	机器学习	NA	密度泛函理论（DFT）、深度学习算法	深度学习模型	电子性质映射、分子吸附性质数据	NA	NA	NA	乙炔转化率、乙烯选择性	NA
20	2025-12-21	Innovative AI model for bladder cancer diagnosis 2025-Dec-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04278-1 PMID:41420667	研究论文	本研究开发了一种基于CT影像的人工智能模型，用于膀胱癌的自动诊断	开发了一种能够从常规CT扫描中准确、透明地检测膀胱癌的AI模型，并利用Grad-CAM技术提供可解释性	研究为回顾性分析，需要前瞻性验证来进一步确认其临床适用性	开发一种用于膀胱癌诊断的人工智能模型	膀胱癌患者	计算机视觉	膀胱癌	CT成像	深度学习模型	CT图像	来自本院和The Cancer Imaging Archive (TCIA)的大型CT图像数据集	NA	NA	准确率	NA