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
2161	2026-09-10	Memory-enhanced and multi-domain learning-based deep unrolling network for medical image reconstruction 2025-08-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf939 PMID:40774313	研究论文	提出一种记忆增强和多域学习的深度展开网络，用于医学图像重建	设计了记忆增强模块以自适应整合历史输出，引入跨阶段空间域学习Transformer提取局部与非局部特征，并采用频域一致性学习模块提升重建质量	未在摘要中明确说明	实现可解释、高保真度的医学图像重建，提升深度展开网络的性能	正电子发射断层成像、磁共振成像和计算机断层扫描图像	计算机视觉	NA	NA	深度展开网络（DUN）	图像	涉及三种医学成像模态的多个数据集，具体样本数量未说明	NA	跨阶段空间域学习Transformer（CS-SLFormer）	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
2162	2026-09-10	A DCT-UNet-based framework for pulmonary airway segmentation integrating label self-updating and terminal region growing 2025-08-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf486 PMID:40712639	研究论文	提出了一种基于DCT-UNet的肺气道分割框架，集成了标签自我更新和末端区域生长技术	设计了扩张上下文变换器-UNet，提出气道标签自我更新策略和基于深度学习的末端区域生长方法	未明确提及	提高胸内气道分割性能，应对气道形态复杂度、标签不完整和类别不平衡挑战	胸内气道，包括主气道和末端气道	计算机视觉，数字病理学	慢性呼吸系统疾病，慢性阻塞性肺疾病（COPD）	CT成像	CNN，Transformer，UNet	图像（CT扫描）	两个内部数据集和三个公共数据集，以及一个COPD数据集	NA	DCT-UNet，UNet，Transformer	分支检测率，树长检测率，分支比率，树长比率，分支数，树长，端点计数，气道体积，气道表面积	NA
2163	2026-09-10	A Deep Learning-Based Multimodal Fusion Model for Recurrence Prediction in Persistent Atrial Fibrillation Patients 2025-08, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16733 PMID:40406972	研究论文	提出一种基于深度学习的多模态融合模型，结合房颤心律12导联心电图信号和临床特征，用于预测持续性房颤患者射频消融术后复发风险	创新性地将房颤心律心电图信号与临床特征相结合，利用残差块网络结构构建多模态融合模型，以提升复发预测性能	样本量较小（仅77例患者），可能限制模型的泛化能力；研究为回顾性分析，可能存在选择偏倚	构建深度学习模型，整合心电信号与临床特征，提高持续性房颤患者消融术后复发预测的准确性，支持个性化临床决策	2016年至2019年间接受射频导管消融治疗的持续性房颤患者	深度学习	心房颤动	心电图信号分析	残差块网络	12导联心电图信号、临床评分、基线特征	77例持续性房颤患者	NA	残差块网络	AUC	NA
2164	2026-09-10	Predicting Retinal Nerve Fiber Layer Thickness From Ocular Hypertension Treatment Study Optic Disc Photographs 2025-08-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1740 PMID:40569586	研究论文	本研究利用从视盘照片中提取的深度学习预测视网膜神经纤维层厚度，评估其作为眼高压患者原发性开角型青光眼发生风险的预测因子	应用深度学习模型从眼底照片预测RNFL厚度，首次将其作为青光眼风险预测因子，验证基线及纵向变化预测RNFL与青光眼转化的关联	未提供	预测眼高压患者眼底照片中的平均RNFL厚度，并评估预测RNFL厚度作为青光眼发生风险因子的效用	3272只眼（来自1636名眼高压但未患POAG的参与者）	计算机视觉	原发性开角型青光眼	OCT	深度学习模型	图像	3272只眼（来自1636名参与者）	未提供	未提供	Cox比例风险模型中的风险比、95%置信区间、P值	未提供
2165	2026-09-10	Classification of Trypanosoma brucei mammalian life cycle stages using Deep Learning Algorithms 2025-08, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0013298 PMID:40811622	研究论文	开发了一种半自动深度学习流程，用于对布氏锥虫血流阶段的细长型和短粗型寄生虫进行分割和分类，准确率达97%	利用Cellpose分割和Xception架构分类的深度学习流程，无需荧光标记即可从无标注显微镜图像中区分布氏锥虫生命周期阶段	摘要未提及局限性，具体信息可能未公开	通过深度学习算法实现对布氏锥虫血流阶段（细长型和短粗型）的准确分类，以支持寄生虫生物学和传播动力学研究	布氏锥虫血流阶段寄生虫，包括细长型和短粗型	计算机视觉	锥虫病	显微镜成像	深度学习模型	图像	未提供具体样本数量	未明确指定	Xception架构，同时对比了InceptionV3、ResNet50和VGG16	准确率	未指定具体GPU或计算资源
2166	2026-09-10	Deep learning-based real-time detection of head and neck tumors during radiation therapy 2025-07-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf40e PMID:40706626	研究论文	本文研究基于深度学习的实时头颈肿瘤分割方法，以在放射治疗期间通过千伏级X射线图像追踪肿瘤位置	采用个性化条件生成对抗网络分割千伏级X射线图像中的头颈肿瘤，实现无标记追踪，有望替代面罩以实现无面罩放射治疗	该研究为单中心小样本研究，且仅验证了首、中、末分次的图像，未涵盖全程实时追踪的全面验证	探索基于深度学习的方法，在千伏级X射线图像中分割头颈肿瘤，以实现放射治疗中的实时肿瘤追踪	17名接受常规头颈放射治疗的头颈癌患者	深度学习	头颈癌	千伏级X射线成像	条件生成对抗网络	图像	17例头颈癌患者	NA	条件生成对抗网络	质心误差, 平均表面距离	NA
2167	2026-09-10	BaliMask3D dataset for 3D completion and reconstruction of traditional Balinese masks 2025-07-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05505-8 PMID:40664699	研究论文	本文介绍了BaliMask3D数据集，该数据集提供传统巴厘岛面具的高质量3D模型，用于支持3D补全和重建任务，以促进文化遗产保护	首次提供专门针对传统巴厘岛面具的3D数据集，结合360度摄影测量技术和多种深度学习模型进行3D补全和重建，填补了文化遗产保护领域3D数据集的空白	摘要未提及具体局限性	开发并验证用于3D补全和重建的深度学习技术，以促进文化遗产保护和计算机视觉研究	传统巴厘岛面具的3D模型，涵盖27个类别，来自巴厘岛博物馆	计算机视觉	NA	360度摄影测量	VQ-VAE, SDFusion	3D模型	27类巴厘岛面具	NA	VQ-VAE, SDFusion	NA	NA
2168	2026-09-10	Fundus Refraction Offset as an Individualized Myopia Biomarker 2025-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1513 PMID:40471629	研究论文	本研究提出眼底屈光偏移（FRO）作为个体化近视生物标志物，并评估其与眼部光学相干断层扫描参数的相关性。	首次提出眼底屈光偏移（FRO）作为个体化近视生物标志物，基于深度学习模型预测眼底照片的屈光度，反映个体后段解剖与屈光度的差异。	本研究为横断面设计，未评估FRO随时间变化及因果关系	探索FRO作为个体化近视生物标志物的潜力，并评估其与眼部解剖参数（如黄斑厚度、脉络膜厚度）的关联。	健康眼的眼底照片和OCT数据	计算机视觉	近视	OCT	深度学习模型	图像	45,180眼睛（内部数据集），152右眼（外部数据集）	NA	NA	β系数, 置信区间, P值	NA
2169	2026-09-10	The power spectrum map of gyro-sulcal functional activity dissociation in macaque brains 2025-07-01, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf160 PMID:40605313	研究论文	本研究利用一维卷积神经网络区分猕猴大脑中脑回与脑沟的静息态功能磁共振成像信号，并通过功率谱密度分析揭示了脑回与脑沟在频率上的功能分离特性	首次建立了猕猴大脑中脑回-脑沟功能活动分离的功率谱图谱，提出了脑回与脑沟可能分别作为全局枢纽和局部处理单元的新视角	未在摘要中明确提及研究局限性	探索猕猴大脑中脑回与脑沟在功能活动上的分离特征及其频率特异性	440只来自两个独立位点的猕猴大脑	机器学习, 神经影像	NA	静息态功能磁共振成像	一维卷积神经网络	图像（功能磁共振成像信号）	440只猕猴	NA	卷积神经网络	NA	NA
2170	2026-09-10	Trends and global productivity in artificial intelligence research in clinical neurology and neuroimaging: a bibliometric analysis from 1980 to 2024 2025-06-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf148 PMID:40543094	文献计量分析	对1980至2024年间人工智能在临床神经病学和神经影像学领域的研究趋势与全球生产力进行了文献计量分析	首次全面分析该领域AI研究的全球趋势与生产力，并考察其与GDP、GDP购买力平价及人类发展指数的关系	未提供具体限制信息	评估AI在临床神经病学和神经影像学领域的研究趋势与全球生产力，并预测未来发展	来自Web of Science数据库的5,020篇相关出版物	文献计量学、人工智能	神经系统疾病	文献计量分析	回归模型	文献数据	5,020篇出版物	NA	NA	H指数、引用次数	NA
2171	2026-09-10	Deep learning-assisted analysis of biomarker changes after increase of dosing from aflibercept 2 mg to 8 mg in therapy-resistant neovascular age-related macular degeneration 2025-06-01, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002176 PMID:40451292	研究论文	本研究利用深度学习语义分割算法评估阿柏西普8mg在难治性新生血管性年龄相关性黄斑变性患者中的真实世界疗效，关注关键OCT生物标志物的变化。	首次在真实世界环境中使用基于深度学习的语义分割算法量化阿柏西普剂量增加（从2 mg至8 mg）后OCT生物标志物的变化，突出AI在治疗监测中的潜在应用。	样本量小（23只眼），回顾性研究，缺乏对照组，未评估长期安全性和疗效，需要更大规模前瞻性研究。	评估阿柏西普8mg在难治性nAMD患者中的疗效和持久性，通过深度学习分析OCT生物标志物的变化。	难治性新生血管性年龄相关性黄斑变性患者。	医学影像分析	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习语义分割模型	OCT图像	21名患者的23只眼	NA	语义分割模型（具体架构未提及）	显著性水平（p值）、治疗间隔变化百分比、视力变化	NA
2172	2026-09-10	Deep learning-based automatic differentiation of acute angle closure with or without zonulopathy using ultrasound biomicroscopy: a comparison of diagnostic performance with ophthalmologists 2025-05-22, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002114 PMID:40409764	研究论文	本研究旨在开发基于超声生物显微镜图像的深度学习模型，用于术前区分伴或不伴晶状体悬韧带病变的急性闭角型青光眼，并比较其与眼科医生的综合诊断性能。	首次使用深度学习模型基于UBM图像自动区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并与眼科医生的诊断性能进行对比，同时验证模型在不同成像设备上的鲁棒性。	摘要中未提及明确的局限性，但鲁棒性验证的准确率相对较低，表明模型在不同成像设备上的泛化能力有待提高。	开发并评估基于UBM图像的AI模型，用于术前区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并比较其与眼科医生的诊断性能。	急性闭角型青光眼患者，分为伴有和不伴有晶状体悬韧带病变（晶状体悬韧带松弛或晶状体脱位）两类。	医学影像分析，深度学习	青光眼	超声生物显微镜（UBM）和前段光学相干断层扫描（AS-OCT）	深度学习模型（具体类型未指定，但可能为卷积神经网络（CNN））	超声生物显微镜图像（UBM），前段光学相干断层扫描（AS-OCT）图像和眼部参数	537只眼睛	未提及	未提及	曲线下面积（AUC），准确率，处理时间	未提及
2173	2026-09-10	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	构建了一个手动整理的配体-受体（L-R）相互作用数据库，并开发了一种名为scSDNE的半监督图嵌入模型，用于推断由L-R相互作用介导的细胞间相互作用，通过深度学习将交互细胞的基因映射到共享潜在空间中，并利用数据库先验信息推断细胞通讯中的显著L-R对	采用半监督深度学习图嵌入方法，整合了数据库先验信息和细胞内基因调控信息，用于推断细胞间L-R介导的相互作用，增强了推断的准确性和生物学可解释性，提供了细胞间相互作用更全面的视图	NA（摘要中未提供明确的局限性信息）	开发和验证一种基于图嵌入和数据库先验信息的半监督方法，以推测细胞间通过配体-受体相互作用介导的细胞通讯	细胞间配体-受体相互作用的推断以及真实单细胞RNA测序（scRNA-seq）数据集	深度学习, 基因组学	NA（未指定特定疾病）	单细胞RNA测序（scRNA-seq）	图嵌入深度学习模型	单细胞基因表达数据（scRNA-seq数据）	NA（未提及具体样本数量或类型）	NA（未明确说明使用的框架）	自编码器，图嵌入	可靠性（与其他方法比较，未提供具体指标如准确率、召回率等）	NA（未提及具体计算资源）
2174	2026-09-10	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	研究论文	本文提出了一种基于深度学习的蛋白质-配体结合结构评分框架，通过原子图和分子间邻接关系来预测结合强度	提出了一种高分辨率原子图表示方法，通过引入多个距离范围识别分子间相互作用作为图边，并进行了模型级和事后分析的解释	摘要未提及明确局限性	开发高效的评分框架来预测蛋白质-配体结合结构的结合强度，以辅助计算药物发现	蛋白质-配体结合复合物	机器学习	NA	NA	深度学习模型（未指定具体类型）	分子结构数据	NA	NA	原子图神经网络	评分和筛选性能（未指定具体指标）	NA
2175	2026-09-10	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	本文介绍了一种基于Transformer的深度学习模型Cell-TRACTR，用于显微镜图像中细胞的端到端分割与跟踪，并提出了新的评估指标Cell-HOTA	Cell-TRACTR首次采用Transformer架构实现细胞的端到端分割和跟踪，无需后处理，同时提出了Cell-HOTA指标以平衡评估检测、关联和分裂准确性	摘要未明确提及局限性	旨在解决现有基于CNN的细胞跟踪方法在处理空间和全局上下文依赖方面的不足，提高细胞分割和跟踪的准确性	细菌在微流控几何结构中生长以及哺乳动物细胞在二维自由生长的图像	computer vision	NA	显微镜成像	Transformer	显微图像	多个数据集，包括细菌和哺乳动物细胞图像	NA	Transformer	Cell-HOTA, HOTA, 检测准确性	NA
2176	2026-09-10	N6-methyladenine identification using deep learning and discriminative feature integration 2025-03-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	提出了一种名为Deep-N6mA的深度神经网络模型，通过最优混合特征精确识别N6-甲基腺嘌呤位点	采用多种特征提取方法（k-mer、DCC、TAC、PseSNC、PseDNC、PseTNC）并结合PCA进行特征降维，构建多层DNN模型，显著提高了6mA位点识别的准确性和泛化能力	未提及具体局限性	开发一种准确高效的N6-甲基腺嘌呤位点识别方法，以支持表观遗传学研究和计算生物学领域的发展	N6-甲基腺嘌呤位点	机器学习	不适用	测序技术	深度神经网络（DNN）	DNA序列	两个基准数据集（F. vesca和R. chinensis）	未提及	多层DNN	准确率	未提及
2177	2026-09-10	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-03-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统评价	本系统评价旨在描述深度学习中顺序诊断数据的使用情况，重点关注数据整合方式、样本量对性能的影响及模型的可推广性	首次系统评估了使用顺序诊断编码进行患者结局预测的深度学习模型，并分析了数据整合、样本量与性能之间的关联	该研究的主要局限性在于方法及结局指标的异质性	描述顺序诊断数据在深度学习模型中的应用，理解数据整合方式，评估样本量对性能的影响以及模型的可推广性	使用顺序诊断编码训练深度学习模型预测患者结局的研究	自然语言处理	不适用	不适用	循环神经网络、Transformer	结构化电子健康记录数据	84项研究	不适用	循环神经网络（包括其变体）及Transformer	受试者工作特征曲线下面积	不适用
2178	2026-09-10	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-03-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘，研究了慢性阻塞性肺疾病（COPD）人群在COVID-19期间及之后的长期心理趋势和模式。	首次使用两阶段深度学习框架结合大规模Twitter数据，揭示COPD人群在疫情长期内的心理变化模式，包括性别、年龄和社会经济地位的影响。	未提及具体局限性。	揭示COPD人群在COVID-19大流行期间及之后的长期心理趋势和模式。	COPD和非COPD的Twitter用户。	自然语言处理	慢性阻塞性肺疾病	Twitter挖掘	深度学习算法	文本数据（推文）	15,347名COPD用户，超过25亿条推文（2020年1月至2023年6月）	NA	深度学习框架（具体架构未指定）	比值比（OR），95%置信区间	NA
2179	2026-09-10	Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis 2025-02-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56038 PMID:39946690	研究论文	本研究利用深度学习情感分析方法，探索英国呼吸系统在线健康社区中超活跃用户与普通用户的互动模式及情感动态。	首次结合BioBERT模型和网络影响力算法（VoteRank）分析在线健康社区中超级用户的情感互动，揭示了超级用户在维持积极社区氛围中的作用。	研究依赖于公开的匿名社交媒体数据，可能不具普遍性；情感分类模型主要基于COVID-19数据微调，可能不完全适用于呼吸系统疾病专用术语。	理解两个呼吸系统在线健康社区中帖子情感的分布和动态，重点研究普通用户与超级用户互动时的情感变化。	两个英国呼吸系统在线健康社区的用户，包括超级用户和普通用户，以及他们在2006-2016年和2012-2016年间发布的帖子。	自然语言处理	呼吸系统疾病	深度学习方法（BioBERT）进行情感分析，以及VoteRank算法识别超级用户。	Transformer模型（BioBERT）	文本数据（在线健康社区帖子）	未提及具体样本量，但涵盖两个社区在特定时间段的全部帖子。	未明确指定，但BioBERT基于Transformer架构。	BioBERT（预训练语言模型）	准确率	未提及
2180	2026-09-10	Transformers for Neuroimage Segmentation: Scoping Review 2025-01-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本综述系统检索并综合了2019至2023年间应用Transformer模型进行神经影像分割的文献，共纳入67项研究，重点分析了图像模态、数据集、神经疾病类型、Transformer模型和评估指标等关键要素	首次对Transformer模型在神经影像分割领域的应用进行范围综述，系统总结并分析2019至2023年间的相关研究趋势和架构特点	研究领域过度依赖脑肿瘤分割数据集，且Transformer模型的临床适用性受限于高计算成本和小数据集上潜在的过拟合风险	综述并评估各类Transformer模型在神经影像分割中的应用现状及其性能表现	基于Transformer的神经影像分割研究及其相关数据集、图像模态和神经疾病类型	医学影像分析	神经系统疾病	MRI	Transformer、CNN、混合CNN-Transformer架构	图像	共纳入67项符合标准的研究	NA	视觉Transformer、3D Transformer、2D Transformer、混合CNN-Transformer架构	Dice分数	NA