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
2241	2026-04-27	Advanced COVID-19 detection using cough signals with space reconstruction and 3D deep convolutional neural networks 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29633-8 PMID:41286001	研究论文	提出一种通过咳嗽音频信号结合相位空间重构和3D深度卷积神经网络检测新冠肺炎的新方法	将相位空间重构与3D深度卷积神经网络结合，用于咳嗽信号分析，将原始声信号转换为多维特征空间并编码为三维张量表示	未在本文中说明	通过咳嗽音频信号实现非侵入性、可扩展的新冠肺炎快速可靠筛查	新冠肺炎阳性、有症状非新冠肺炎个体和健康对照者的咳嗽音频信号	深度学习，计算机听觉	新冠肺炎	相位空间重构，咳嗽信号分析	3D深度卷积神经网络	音频信号	超过8,400个咳嗽录音（来自不同人群的COUGHVID数据集）	NA	自定义3D DCNN（5个卷积层和最大池化操作）	准确率，召回率，特异度	NA
2242	2026-04-27	Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28832-7 PMID:41286281	研究论文	提出一种结合CNN和RNN的深度学习算法，用于肺音分析以实现呼吸系统疾病的早期诊断	利用CNN-RNN融合架构整合空间和时间特征，并结合Grad-CAM提供可解释的可视化解释和置信度估计，增强临床可信度	NA	通过深度学习肺音分析提高呼吸系统疾病早期检测的准确性	呼吸系统疾病患者及健康个体的肺音数据	数字病理学	肺炎、哮喘、慢性阻塞性肺疾病	肺音记录、高通滤波、Mel谱图	CNN-RNN融合模型	音频	Coswara和ICBHI数据集	TensorFlow, PyTorch	CNN, LSTM	准确率、敏感性、特异性、F1分数	NA
2243	2026-04-27	Antimicrobial peptide prediction based on contrastive learning and gated convolutional neural network 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29666-z PMID:41286313	research paper	提出了一种基于对比学习和门控卷积神经网络的抗菌肽预测框架CG-AMP	采用预训练语言模型和对比学习实现特征表示空间学习，并结合增强型CNN的双模块架构设计，有效整合多模态特征	NA	开发高效可靠的深度学习算法用于抗菌肽识别	抗菌肽序列	machine learning	NA	深度学习, 对比学习, 门控卷积神经网络	CNN, 预训练语言模型	文本（序列数据）	两个独立测试集：AMPlify和DAMP	NA	门控卷积神经网络, 预训练语言模型	accuracy, F1-score, Matthews correlation coefficient	NA
2244	2026-04-27	The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29841-2 PMID:41286401	研究论文	对UNet与ConvNeXt Tiny架构在乳腺肿瘤分割中的多种配置进行综合分析，评估数据增强、跳跃连接、注意力机制和丢弃率对分割性能的影响	系统评估了注意力机制与数据增强在UNet+ConvNeXt Tiny架构中的协同作用，并发现特定丢弃率（0.5）与注意力模块组合能优化准确率与召回率的平衡	某些激进几何变换的数据增强技术可能扭曲超声图像的解剖结构，导致分割质量下降	优化用于乳腺肿瘤分割的深度学习模型架构和正则化技术	乳腺肿瘤超声图像分割	计算机视觉, 数字病理学	乳腺癌	超声成像	UNet, ConvNeXt	图像（超声图像）	BUSI数据集（训练/验证）和BUS-UCLM数据集（跨域评估），具体样本数未提及	PyTorch（推测）	UNet, ConvNeXt Tiny	F1分数, 精确率, IoU, 召回率, Dice系数	NA
2245	2025-11-25	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2246	2026-04-27	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	通过整合生物信息学与深度学习（MLP）方法，在葡萄膜黑色素瘤中发现一个由五个miRNA组成的新预后标志物	将单变量Cox回归与多层感知器（MLP）神经网络结合，通过交叉筛选识别出五个具有预后和潜在治疗意义的miRNA标志物	样本量较小（80例患者），且标志物缺乏独立队列的湿实验验证	寻找葡萄膜黑色素瘤的可靠预后生物标志物，并评估其临床转化潜力	葡萄膜黑色素瘤患者及其miRNA表达数据	机器学习, 数字病理学	葡萄膜黑色素瘤	miRNA-seq	多层感知器（MLP）	miRNA表达数据, 临床分期数据	80例TCGA-UVM队列患者	NA	多层感知器（MLP）	AUC	NA
2247	2026-04-27	Using a dynamic arithmetic optimization approach to improve ridgelet neural network performance in remote sensing scene classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28490-9 PMID:41271988	研究论文	提出一种动态算术优化方法以改进脊波神经网络在遥感场景分类中的性能	引入动态算术优化算法自动搜索脊波神经网络的最优超参数，提升分类精度	NA	改进遥感场景分类的准确性和效率	遥感场景分类任务	计算机视觉	NA	NA	脊波神经网络	图像	UC Merced土地利用公开数据集	NA	脊波神经网络	NA	NA
2248	2026-04-27	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	research paper	提出Kpi-Net，一种基于U-Net的多尺度深度学习框架，用于精确量化乳腺癌病理图像中的Ki67指数	引入残差膨胀多尺度模块（RDMS模块）结合多头膨胀卷积和残差连接捕获局部和全局信息，集成Transformer模块增强全局建模；提出高级筛选-卷积块注意力模块特征金字塔网络（HS-CBAM-FPN）实现多级特征有效融合；应用分水岭算法优化细胞簇分割以提高Ki67指数计算精度	未明确指出局限性，但可能包括对低分辨率图像噪声和染色变异性的处理能力有限	精确量化乳腺癌组织病理图像中的Ki67增殖指数，为乳腺癌诊断和疗效评估提供可靠工具	乳腺癌病理组织学图像中的Ki67阳性细胞	计算机视觉	乳腺癌	Ki67免疫组化染色	深度学习	组织病理学图像	未明确提出	PyTorch	U-Net, Transformer, 残差膨胀多尺度模块, HS-CBAM-FPN	F1分数, 均方根误差	未明确提出
2249	2026-04-27	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	提出一种集成智能手机的便携式微流控平台，结合深度学习方法实现肝生物标志物定量检测	首次将3D打印微流控芯片、智能手机成像与卷积神经网络回归分析相结合，实现无需重新训练即可跨设备使用的肝生物标志物定量检测系统	文献未提及局限性信息	开发低成本、便携式肝生物标志物定量检测平台，适用于资源有限的医疗环境	直接胆红素、总胆红素、丙氨酸氨基转移酶和天冬氨酸氨基转移酶四种肝生物标志物	计算机视觉	肝脏疾病	3D打印、比色法、智能手机成像	卷积神经网络	图像	100微升样本-试剂混合物	NA	CNN	决定系数R、变异系数	智能手机（多个型号）
2250	2026-04-27	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-11-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	探讨深度学习在神经影像学分析中用于神经退行性疾病诊断与监测的最新进展、挑战与机遇	通过涵盖更广泛的神经退行性疾病类型（包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症和多发性硬化症），并关注空间/时间信息处理方法，扩展了现有文献	回顾的模型在小样本上取得高准确性但临床应用有限；存在推理冲突、忽略扫描仪间及站点内/间变异；数据整合面临协调性、不完整性、类别不平衡和高成本等挑战	总结深度学习在神经影像学中诊断与监测神经退行性疾病的最新进展，并讨论相关挑战	神经影像学数据（脑体积成像数据），涵盖从单个患者到多队列研究	计算机视觉, 机器学习	神经退行性疾病	神经影像学	深度学习模型	图像	NA	NA	NA	NA	NA
2251	2026-04-27	The coming era of nudge drugs for cancer 2025-Nov-10, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2025.08.004 PMID:40939589	研究论文	提出一种基于肿瘤微环境逐步重塑的癌症治疗新策略，通过深度学习分析扰动肿瘤的单细胞图谱来设计“推动”药物	首次提出“推动药物”概念，利用深度学习识别肿瘤微环境原型间的基因和细胞网络转换，实现治疗顺序的设计	NA	开发针对晚期癌症的渐进式肿瘤微环境重塑治疗策略	肿瘤微环境及其在不同患者和组织来源中的保守原型	机器学习	癌症	单细胞测序	深度学习模型	单细胞图谱数据	NA	NA	NA	NA	NA
2252	2026-04-27	InfEHR: Clinical phenotype resolution through deep geometric learning on electronic health records 2025-Sep-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63366-6 PMID:41006287	研究论文	提出了 InfEHR 框架，通过深度几何学习从电子健康记录中自动计算临床可能性	将电子健康记录转换为时间图以捕获表型动态，仅需少量标记数据即可实现高准确率推理，尤其在低患病率疾病中表现优异	未明确说明局限性	开发无需大量标记数据即可从电子健康记录中自动推断临床可能性的方法	电子健康记录中的临床表型解析	机器学习	新生儿培养阴性败血症, 术后急性肾损伤	深度学习	几何深度学习模型	电子健康记录数据	西奈山医疗系统和加州大学尔湾分校医学中心的数据集	NA	图神经网络	灵敏度, 特异度	NA
2253	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
2254	2026-04-27	Deep learning-based computer-aided diagnosis system for the automatic detection and classification of lateral cervical lymph nodes on original ultrasound images of papillary thyroid carcinoma: a prospective diagnostic study 2024-09, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03808-1 PMID:38570388	研究论文	开发一种基于深度学习的计算机辅助诊断系统，用于在甲状腺乳头状癌患者原始超声图像上自动检测和分类侧颈淋巴结	首次开发了基于可变形检测变压器的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，在前瞻性数据集中验证其诊断效能优于不同年资的超声医师	未在摘要中明确说明研究局限性	开发并验证一种基于深度学习的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，辅助超声医师诊断	甲状腺乳头状癌患者侧颈淋巴结超声图像	计算机视觉	甲状腺癌	超声成像	可变形检测变压器（Deformable DETR）	图像	回顾性数据集包括1675例患者的1801张图像，前瞻性测试集包括160例患者的185张图像	NA	可变形检测变压器（Deformable DETR）	平均精度均值（mAP）、准确率、曲线下面积（AUC）	NA
2255	2026-04-27	Deep learning of Parkinson's movement from video, without human-defined measures 2024-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123089 PMID:38991323	研究论文	利用深度学习神经网络直接分析帕金森病患者手指敲击视频，无需人工定义的测量指标，实现疾病分类	首次将3D卷积神经网络直接应用于原始手指敲击视频，无需提取一维信号或预定义特征，并可视化模型学习的关键时空特征（如PD组特有的拇指下垂动作）	样本量较小（40名患者和37名对照），测试准确率仅为0.69，且未在真实临床环境中验证	评估直接从视频中学习手指敲击动作以区分帕金森病患者与对照组的可行性，并解释模型关注的时空特征	特发性帕金森病患者与健康对照者的手指敲击视频	计算机视觉	帕金森病	视频记录（智能手机拍摄）	3D卷积神经网络	视频	152段10秒手指敲击视频，来自40名PD患者和37名对照	NA	3D卷积神经网络	准确率, 精确率, 召回率, AUROC	NA
2256	2026-04-27	Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120807 PMID:37717279	research paper	研究临床叙述能否改善脑出血患者功能预后的预测性能	首次利用自然语言处理从临床叙述中提取文本标记，并将其与现有预后模型结合，显著提升脑出血患者功能结局的预测性能	NA	探讨临床叙述能否提升脑出血后功能结局的预测能力	脑出血患者的临床叙述记录和功能结局（改良Rankin量表评分）	natural language processing	intracerebral hemorrhage	NLP	machine learning and deep learning approaches	text	1363例患者（训练集1023例，测试集340例）	NA	NA	area under the receiver operating characteristic curve, net reclassification improvement, integrated discrimination improvement	NA
2257	2026-04-27	Deep learning analysis of UPLC-MS/MS-based metabolomics data to predict Alzheimer's disease 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120812 PMID:37776718	研究论文	利用深度学习分析基于UPLC-MS/MS的代谢组学数据来预测阿尔茨海默病	首次通过UPLC-MS/MS代谢组学数据结合深度学习模型，识别出一组新的诊断性代谢生物标志物用于预测阿尔茨海默病，其中胆汁酸代谢物与APOE-ε4等位基因和临床生物标志物相关	样本量较小，仅包含177名个体，且模型在单一数据集上验证，可能缺乏泛化能力	识别新的代谢生物标志物并开发深度学习工具以预测阿尔茨海默病	来自阿尔茨海默病神经影像学倡议队列的78名AD患者和99名认知正常个体，共177人	机器学习	阿尔茨海默病	UPLC-MS/MS	多层前馈神经网络	代谢组学数据	177名个体（78名AD患者和99名认知正常者）	H2O	多层前馈神经网络（2层18个神经元）	准确率、F1分数、AUC	NA
2258	2026-04-27	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨高级磁共振成像技术能否反映急性胰腺炎后的病理生理变化，并提供预测糖尿病的影像生物标志物	利用先进MRI技术开发定量复合风险评分，并结合人工智能深度学习算法优化预测能力	NA	通过纵向MRI观察急性胰腺炎后糖尿病的自然病程，识别高危个体并建立风险评分系统	急性胰腺炎后发生糖尿病的患者及其血糖正常、糖尿病前期人群	机器学习	糖尿病, 急性胰腺炎	MRI	深度学习	图像	NA	NA	NA	NA	NA
2259	2026-04-25	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2026-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	提出一种基于多尺度残差密集变换器生成对抗网络的低剂量CT去噪方法	在生成器中采用MRDT Block作为核心单元，将多尺度策略引入残差密集网络以减少过度平滑并保留精细细节，同时结合补丁变换器模块捕获长距离依赖，减轻卷积神经网络局部感受野引起的失真；引入混合注意力模块处理空间、频率和对比度信息，实现更好的噪声抑制和对比度均匀性；判别器在全局、像素和子尺度上对抗性探索去噪LDCT与正常剂量CT的差异，以更好捕捉结构变化	未提及具体局限性	开发一种低剂量CT去噪框架，在增强噪声抑制的同时保留解剖细节和结构保真度	低剂量CT图像	计算机视觉	NA	低剂量CT	生成对抗网络	图像	NIH-AAPM-Mayo Clinic低剂量CT数据集和真实世界数据集	NA	多尺度残差密集变换器生成对抗网络	NA	NA
2260	2026-04-25	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	通过多中心外部验证，评估用于巴雷特食管异型增生组织学诊断的深度学习模型性能	对之前交叉验证的BE异型增生深度学习模型进行多中心外部验证，采用生成对抗网络归一化染色特性，结合YOLO和ResNet101的集成方法	NA	外部验证用于巴雷特食管异型增生分级诊断的深度学习模型	巴雷特食管的病理全切片图像	数字病理学	食管腺癌、巴雷特食管	全切片图像数字化	CNN、生成对抗网络	图像	489张全切片图像	NA	You Only Look Once, ResNet101	敏感性、特异性、F1分数	NA