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
2321	2026-08-13	CT-Based Habitat Radiomics Combining Multi-Instance Learning for Early Prediction of Post-Neoadjuvant Lymph Node Metastasis in Esophageal Squamous Cell Carcinoma 2025-Jul-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12080813 PMID:40868326	研究论文	开发并验证了一种基于CT影像的影像组学模型，用于食管鳞状细胞癌患者新辅助治疗后淋巴结转移的早期预测	结合肿瘤生境影像组学与多实例学习，构建了综合影像组学列线图，提高了早期预测准确性	未提供明确的局限性信息	早期预测食管鳞状细胞癌患者新辅助治疗后淋巴结转移状态，以指导个体化治疗	469例食管鳞状细胞癌患者	医学影像分析	食管鳞状细胞癌	CT影像组学	多实例学习模型，逻辑回归	CT影像数据及临床数据	469例患者（训练队列328例，测试队列141例）	NA	2.5D深度学习模型	曲线下面积（AUC），决策曲线分析	NA
2322	2026-08-13	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出一种结合注意力驱动深度学习与支持向量机的混合模型，用于神经影像融合数据中阿尔茨海默病的早期诊断。	创新性地将深度学习提取的高级成像特征与SVM核函数在晚期融合阶段结合，通过注意力机制增强可解释性，并有效缓解数据稀疏和维度灾难问题。	未明确说明局限性，但可能面临不同数据集的泛化挑战。	提高阿尔茨海默病早期诊断的准确性和可靠性。	阿尔茨海默病患者的MRI和PET神经影像数据。	计算机视觉	阿尔茨海默病	NA	混合深度学习（CNN等）+ SVM	MRI和PET影像	未明确提供具体样本数量	NA	深度学习模型（具体架构未提及）结合SVM核函数	准确率、敏感性、特异性、F1分数、计算效率	NA
2323	2026-08-13	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	提出一种基于网络级融合的深度学习架构，结合可解释人工智能，用于皮肤镜图像中皮肤病变的多分类与定位	提出网络级融合架构，通过深度拼接集成两个深度学习模型，并应用混合对比度增强技术和贝叶斯优化超参数调优，结合LIME实现可解释性	计算资源需求高和训练时间长	提高皮肤镜图像中皮肤病变分类和定位的准确性，并提供模型可解释性	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	皮肤镜成像	CNN（卷积神经网络）	图像	HAM10000和ISIC2018两个公开数据集，具体样本数量未提及	NA	5块倒置残差网络（Inverted Residual Network）、6块倒置瓶颈网络（Inverted Bottleneck Network）	准确率、敏感性、精确率、F1分数	NA
2324	2026-08-13	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	本文提出了一种混合深度学习架构，结合手工设计的生化特征与深度序列建模，用于预测系统性红斑狼疮相关表位，并取得了优于传统方法的性能。	创新性地融合了手工设计的生化特征与CNN和LSTM的深度序列表示，并采用基于缩放点积注意力的自定义融合模块，提高了表位预测的准确性和可解释性。	未在摘要中明确提及局限性。	旨在提高系统性红斑狼疮相关表位的预测准确性，并深化对自身免疫发病机制的理解。	系统性红斑狼疮相关的表位序列。	机器学习	系统性红斑狼疮	NA	CNN, LSTM, MLP	生物序列数据（表位序列）	NA	NA	CNN, LSTM, 注意力融合模块, MLP	准确率、精确率、召回率、F1分数、ROC曲线下面积	NA
2325	2026-08-13	Deep learning image reconstruction and adaptive statistical iterative reconstruction on coronary artery calcium scoring in high risk population for coronary heart disease 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03049-w PMID:40598159	研究论文	本研究探讨了深度学习和自适应统计迭代重建对高危冠心病患者冠状动脉钙化评分的影响	首次在冠心病高危人群中系统评估DLIR和ASiR-V对冠状动脉钙化评分的影响，发现DLIR能在改善图像质量的同时不改变风险分层	单中心回顾性研究，样本量有限，且未随访患者的临床结局	评估深度学习和自适应统计迭代重建对冠状动脉钙化量化的影响，并比较不同重建算法在图像质量和钙化评分上的差异	2022年2月至9月在中国某医院接受冠状动脉CT血管造影的高风险冠心病患者	医学影像分析	冠心病	CT血管造影（CCTA）	深度学习重建算法	CT图像	178例患者（其中女性107例，平均年龄62.43±9.26岁，平均BMI 25.33±3.18 kg/m²）	NA	NA	信噪比、对比度噪声比、Agatston评分、体积评分、质量评分、Bland-Altman一致性、AUC	NA
2326	2026-08-13	Deep learning-based cough classification using application-recorded sounds: a transfer learning approach with VGGish 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03065-w PMID:40598373	研究论文	提出了一种基于深度学习的方法，利用智能手机记录的咳嗽声音，通过VGGish迁移学习模型进行早期呼吸道疾病诊断。	采用VGGish作为迁移学习模型，并结合额外的检测和分类网络，利用多位医学专家的注释提高训练数据可靠性，并分析临床专业知识对模型泛化性能的影响。	未明确提及，但可能受限于数据集规模、声音记录质量及专家注释的主观性。	开发一个基于深度学习模型的早期诊断系统，利用智能手机记录的咳嗽声音辅助检测和分类呼吸道疾病。	智能手机记录的咳嗽声音样本，由医学专家标注。	数字病理学	呼吸道疾病	音频记录	VGGish（迁移学习模型）	音频数据	多个数据集（具体数量未在摘要中提及）	未明确提及	VGGish	准确率, AUROC, AUPRC	NA
2327	2026-08-13	Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife 2025-07-01, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-025-00718-3 PMID:40598663	研究论文	本研究探讨了街头绿地暴露与中年女性心血管健康（Life's Essential 8）之间的关联	使用深度学习算法分析谷歌街景图像，评估地面水平的绿色空间暴露，而非传统的卫星图像，并首次将Life's Essential 8综合评分作为研究结局	样本主要来自美国马萨诸塞州东部，以非西班牙裔白人和大学毕业生为主，可能限制结果的普适性；绿色空间暴露评估局限于特定时间段（2012-2016年）和500米缓冲区	评估街头绿地暴露（特别是可见树木）与中年女性整体心血管健康之间的关系	767名中年女性参与者（平均年龄46岁，跟踪至51岁）	计算机视觉	心血管疾病	深度学习图像分析	深度学习模型	图像、问卷、生物医学数据	767名中年女性	NA	NA	β系数、置信区间	NA
2328	2026-08-13	AI-echocardiography: Current status and future direction 2025-06, Journal of cardiology IF:2.5Q2 DOI:10.1016/j.jjcc.2025.02.005 PMID:40023671	综述	本文综述了人工智能在超声心动图中的应用现状和未来方向，包括深度学习模型的性能、局限性、当前应用及生成式人工智能技术的研究	讨论了大规模语言模型在零样本预测和自动报告生成方面的潜力，以及生成式人工智能技术在超声心动图中的应用	限于综述性质，未提供具体实验数据，可能未覆盖所有最新进展	总结AI增强超声心动图的发展现状和未来潜力，促进其在临床实践中的广泛应用	超声心动图数据及基于这些数据开发的深度学习模型	计算机视觉, 机器学习	心血管疾病	超声心动图	深度学习模型	图像	不适用	不适用	不适用	不适用	大规模计算
2329	2026-08-13	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-06-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	本研究旨在开发和验证一种利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能的人工智能模型，并评估其性能	首次将CCTA和OCT图像结合，利用深度学习CNN进行自动化斑块特征分析和功能评估，并集成了CT-FFR计算软件，显示出与传统CCTA相比更高的诊断准确性	数据仅来自单中心100名患者，且训练和测试集划分可能导致过拟合；需外部验证以增强泛化性	开发并验证一种基于AI的自动化CCTA分析工具，用于斑块特征定性和冠状动脉功能评估，以改善冠心病诊断	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	计算机视觉	冠状动脉疾病	CCTA, OCT	卷积神经网络(CNN)	断层扫描图像	100名患者，包含21,471张断层扫描图像	NA	CNN	McNemar检验, 组内相关系数(ICC), AUC, p值	NA
2330	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2025-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652089 PMID:41030996	研究论文	开发了一种名为SLide-based Inference of DEconvolved gene EXpression的深度学习工具，从乳腺癌组织病理学全切片图像直接预测细胞类型特异性基因表达和丰度	首次利用深度学习直接从组织病理学全切片图像推断细胞类型特异性基因表达，无需进行RNA测序，降低了成本和计算时间	训练数据仅来自TCGA乳腺癌队列，可能限制泛化性；独立测试样本量较小（160例）	开发一种快速、经济的方法，从常规乳腺癌组织病理学图像中推断细胞类型特异性基因表达，以促进肿瘤微环境表征和精准肿瘤学	乳腺癌组织病理学全切片图像及对应的去卷积bulk RNA-seq数据	数字病理学	乳腺癌	去卷积bulk RNA-seq	深度学习模型	图像	TCGA乳腺癌队列（未给出具体数量）和160例独立队列	NA	NA	预测性能指标（如相关性、准确性等，具体指标未明确）	NA
2331	2026-08-13	Global Trends in Diabetic Foot Research (2004-2023): A Bibliometric Study Based on the Scopus Database 2025-03-21, International journal of environmental research and public health DOI:10.3390/ijerph22040463 PMID:40283692	研究论文	基于Scopus数据库的2004-2023年糖尿病足研究全球趋势的文献计量分析	首次对2004-2023年间糖尿病足研究进行全面的文献计量分析，识别新兴主题（感染与抗生素治疗）和利基主题（深度学习和机器学习）	仅依赖Scopus数据库，可能遗漏其他数据库中的相关文献	探索糖尿病足全球研究的趋势，识别当前热点和未来方向	Scopus数据库中2004-2023年发表的7136篇糖尿病足相关文献	文献计量学	糖尿病足	文献计量分析	NA	文本数据（文献记录）	7136篇文献	Python, VOSviewer, Biblioshiny	NA	NA	未指定
2332	2026-08-13	A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction 2025-03-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133008 PMID:39880045	研究论文	本研究开发了一种整合心电图信号和实验室指标的多模态深度学习模型，用于诊断急性A型主动脉夹层和急性心肌梗死。	创新点在于结合心电图信号和实验室指标，利用ResNet-34提取心电图特征，并采用多种机器学习模型进行诊断，提高了对两种疑似疾病的鉴别准确性。	限制包括单中心研究、样本量有限（136例AAD-type A和141例AMI，验证集为30例AMI和32例AAD-type A），且数据时间跨度可能影响模型的泛化性。	提高不同医疗机构，尤其是初级卫生保健中心，对急性A型主动脉夹层和急性心肌梗死的鉴别诊断准确性。	急性A型主动脉夹层和急性心肌梗死患者的心电图及实验室数据。	机器学习	急性主动脉夹层、急性心肌梗死	心电图（ECG）、实验室指标检测	深度学习模型（ResNet-34）、随机森林、逻辑回归、XGBoost、LightGBM	心电图信号和实验室数据	训练和验证集包含136例AAD-type A和141例AMI患者，测试集包含30例AMI和32例AAD-type A患者	未指定（NA）	ResNet-34	AUC	未指定（NA）
2333	2026-08-13	Working-memory load decoding model inspired by brain cognition based on cross-frequency coupling 2025-02, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111206 PMID:39824230	研究论文	本研究提出一种基于跨频率耦合的脑认知启发的多频带多尺度混合Sinc卷积神经网络（MBSincNex），用于解码工作记忆负荷。	将跨频率耦合机制引入EEG解码模型，通过多频带和多尺度Sinc卷积实现时间-频率转换，同时提取时间、频率和空间域特征，并采用事后可解释性技术验证特征提取能力。	未明确提及局限性。	提高工作记忆负荷识别的准确性，并强调编码阶段的重要性，验证行为反应不能准确反映认知负荷。	工作记忆负荷识别，基于EEG数据。	机器学习	NA	NA	卷积神经网络（CNN）	脑电图（EEG）数据	自采集的三类工作记忆数据集（具体数量未给出）	NA	MBSincNex	分类准确率	NA
2334	2026-08-13	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究利用机器学习和深度学习模型预测膀胱癌预后并评估免疫微环境，构建了免疫相关机器学习签名（IRMLS）	结合10种机器学习算法开发IRMLS，并创建深度学习模型基于病理图像检测IRMLS亚型	摘要中未提及局限性	预测膀胱癌预后并评估肿瘤免疫微环境，以指导个性化精准治疗	膀胱癌患者	机器学习, 深度学习, 数字病理学	膀胱癌	机器学习算法集成	机器学习模型、深度学习模型	病理图像、基因组数据	未明确说明样本数量	未明确说明	未明确说明	p值	未明确说明
2335	2026-08-13	Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis 2024-10-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae127 PMID:39471410	研究论文	开发并验证了一种基于深度学习的神经图像压缩算法，用于自动区分结直肠癌肝转移的促结缔组织增生性和非促结缔组织增生性组织学生长模式	首次将神经图像压缩技术应用于结直肠癌肝转移的组织学生长模式自动分类，实现了高准确率的二分类，并在外部验证中保持稳定性能	未明确提及局限性，但可能包括单中心开发数据集的偏差、对全切片图像的依赖以及模型在不同染色或扫描仪下的泛化性问题	开发并验证一种自动化的深度学习算法，以客观、高效地评估结直肠癌肝转移的组织学生长模式，促进其在临床实践和研究中的应用	结直肠癌肝转移患者的数字化苏木精-伊红染色全切片图像	数字病理学	结直肠癌肝转移	数字病理图像分析	深度学习模型（神经图像压缩）	全切片图像	开发队列932例患者（3641张全切片图像），外部验证队列870张全切片图像	NA	神经图像压缩	曲线下面积、多变量风险比	NA
2336	2026-08-13	An efficient brain tumor detection and classification using pre-trained convolutional neural network models 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36773 PMID:39281484	研究论文	本文提出使用预训练卷积神经网络模型进行脑肿瘤检测与分类，并评估其性能	结合预训练CNN模型（如ResNet50和EfficientNet）并利用数据增强技术，提高脑肿瘤检测的准确率、精确率和召回率	未在摘要中提及明确的局限性	开发并评估一种高效的脑肿瘤检测和分类方法，以提高诊断准确性	脑肿瘤MRI图像，包括三类肿瘤样本和一类非肿瘤样本	计算机视觉	脑肿瘤	MRI成像	卷积神经网络（CNN）	图像	未在摘要中明确提及样本数量	未指定	ResNet50, EfficientNet	准确率, 精确率, 召回率, 验证损失, 混淆矩阵, 总体损失	未提及
2337	2026-08-13	Decoding dynamic visual scenes across the brain hierarchy 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012297 PMID:39093861	研究论文	本研究利用艾伦视觉编码-神经像素数据集和深度学习模型，研究大脑层次结构中动态自然视觉场景的神经编码和解码机制	首次利用解码神经网络模型作为度量指标，系统评估动态自然视觉场景在不同脑区的编码质量，并揭示解码性能与解剖和功能层次指数之间的强相关性	摘要中未明确提及研究的局限性	探索大脑层次结构中动态自然视觉场景的神经编码机制，并验证解码模型作为编码质量度量的有效性	大脑各区域的神经群体活动，包括视觉皮层、皮层下核团和海马体神经元	神经科学	不适用	神经像素记录	深度学习神经网络模型	神经电生理数据（神经像素记录）和动态自然视觉刺激	来自艾伦视觉编码-神经像素数据集的多个脑区神经群体数据	未指明	未指明	解码性能指标（未具体说明）	未指明
2338	2026-08-13	Understanding patient-derived tumor organoid growth through an integrated imaging and mathematical modeling framework 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012256 PMID:39093897	研究论文	本文介绍了一种整合高内涵成像深度学习和数学建模的工作流程，用于分析和理解患者来源肿瘤类器官的生长动态，并应用于结肠癌类器官	创新地将高内涵成像深度学习平台与数学建模相结合，引入灵活的成长规律和可变休眠时间，以定量描述类器官生长动态	未明确提及局限性	建立对类器官生长动态基本特性和变异性的定量理解，以支持临床预测	患者来源的结肠癌肿瘤类器官	计算机视觉, 机器学习	结肠癌	高内涵成像	深度学习模型（未指定具体类型，如CNN）	图像	未明确提及样本数量	未明确提及	未明确提及，但可能包括卷积神经网络	未明确提及，可能包括生长率、休眠时间等	未明确提及
2339	2026-08-13	A transfer learning approach to identify Plasmodium in microscopic images 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本研究评估了使用预训练深度学习架构的迁移学习方法，用于在显微镜图像中自动识别疟原虫，并验证了DenseNet201模型的性能。	采用迁移学习技术，结合本地采集的疟疾图像数据，并进行了100次不同分区的交叉验证，证明了DenseNet201在疟原虫识别中的优越性和快速处理时间。	依赖有限的图像数据，未来需要扩展数据量并开发用户友好的计算机辅助诊断界面。	开发并验证基于迁移学习的自动化方法，用于在显微镜图像中识别疟原虫，以支持临床计算机辅助诊断。	疟原虫寄生虫在显微镜图像中的感染区域（感染或未感染）。	计算机视觉	疟疾	迁移学习	CNN（DenseNet201）	图像	6222个感兴趣区域（ROI），其中6002个来自BBBC数据库，220个由作者在FIOCRUZ本地采集。	NA	DenseNet201	AUC	NA
2340	2026-08-13	Reliable estimation of tree branch lengths using deep neural networks 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探索使用深度学习模型来预测系统发育树中的分支长度，作为概念验证，并展示了在某些困难参数区域中相对于最大似然方法的优势	首次使用深度学习框架在固定树拓扑上从多序列比对或其表示中预测分支长度，并发现在这些困难参数区域中性能优于传统最大似然推断	仅作为概念验证，未在真实数据或变拓扑下测试	探索机器学习模型预测系统发育树分支长度的可能性，并评估其准确性和计算效率	系统发育树分支长度，来自多序列比对数据	机器学习	NA	多序列比对	深度学习模型	序列数据	NA	NA	NA	准确性，计算效率	NA