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
2461	2026-03-06	A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.242133 PMID:40067103	研究论文	本研究开发了一种基于深度学习的三维模型，用于从常规非对比胸部CT中测量全胸椎骨密度，并评估其在预测椎体骨折中的价值	首次利用TotalSegmentator（nnU-net算法）在常规非对比胸部CT上实现T1-T10胸椎的三维骨密度测量，并与二维方法比较，结合FRAXnb工具提升了椎体骨折的预测性能	研究为多中心前瞻性队列的二次分析，样本主要来自MESA研究，可能限制泛化性；手动分割仅在一部分参与者中进行验证	开发并验证一种深度学习模型，用于从常规胸部CT中三维测量胸椎骨密度，以改善骨质疏松相关结局的预测	多民族动脉粥样硬化研究（MESA）的参与者，接受非对比胸部CT扫描	数字病理学	骨质疏松症	非对比胸部CT扫描	深度学习	三维医学图像	2956名参与者（其中1546名女性，平均年龄69岁±9），其中1304名有纵向随访数据	nnU-net	TotalSegmentator（基于nnU-net）	Dice分数，交集并集比，受试者工作特征曲线下面积	未在摘要中明确说明
2462	2026-03-06	Addressing myocardial infarction in South-Asian populations: risk factors and machine learning approaches 2025-Feb-03, NPJ cardiovascular health DOI:10.1038/s44325-024-00040-8 PMID:41776250	综述	本文探讨了南亚人群心肌梗死的风险因素，并强调了机器学习和深度学习在提升诊断与预测准确性方面的潜在作用	结合南亚人群特有的心血管风险因素，利用机器学习和深度学习模型（如CNN和Transformer）分析临床特征、心电图和心脏生物标志物等多模态数据，以改进传统风险评估工具	缺乏高质量数据集，且临床应用面临挑战	提升南亚人群心肌梗死的风险预测、诊断和管理水平	南亚人群的心肌梗死风险因素	机器学习	心血管疾病	NA	CNN, Transformer	临床特征、心电图、心脏生物标志物等多模态数据	NA	NA	卷积神经网络, Transformer	NA	NA
2463	2026-03-06	From video to vital signs: a new method for contactless multichannel seismocardiography 2025-Jan-10, NPJ cardiovascular health DOI:10.1038/s44325-024-00034-6 PMID:41775984	研究论文	本研究提出了一种利用智能手机视频进行非接触式多通道心震图测量的创新方法	首次利用标准智能手机视频从多个胸部位置捕获心震图信号，结合计算机视觉和深度学习技术提升信号分辨率	研究仅在14名健康参与者中进行测试，样本量较小，且未在患者群体中验证	开发一种成本效益高、易于普及的心脏监测工具	健康参与者的胸部振动信号	计算机视觉	心血管疾病	心震图	深度学习	视频	14名健康参与者的28个胸部视频	NA	NA	均方误差, 心率估计偏差, 相关系数	NA
2464	2026-03-06	Dual-hybrid intrusion detection system to detect False Data Injection in smart grids 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316536 PMID:39869576	研究论文	本文提出了一种用于智能电网中检测虚假数据注入攻击的新型双混合入侵检测系统	提出了一种结合粒子群优化和灰狼优化进行混合特征选择，并集成CNN和LSTM网络的混合深度学习分类器的新型入侵检测系统框架	研究基于模拟数据集，未来需集成真实世界智能电网数据进行验证，并需解决大规模部署中的实时处理和可扩展性挑战	增强智能电网中入侵检测系统检测虚假数据注入攻击的准确性和鲁棒性	智能电网中的虚假数据注入攻击	机器学习	NA	NA	CNN, LSTM	工业控制系统网络攻击数据集（电力系统数据集）	NA	NA	CNN, LSTM	准确率, 召回率, 精确率, F值	NA
2465	2026-03-06	A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1498832 PMID:40485725	研究论文	本研究利用深度学习U-Net模型自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割	首次在骨髓纤维化患者的骨盆定量脂肪MRI中应用并比较了四种U-Net模型（包括2D和3D注意力U-Net）进行骨髓自动化分割	研究仅基于58名患者的数据集，样本量相对较小；且仅评估了U-Net系列模型，未与其他先进分割架构对比	自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割	骨髓纤维化患者的骨盆MRI图像，重点关注股骨近端和髂后骨的骨髓区域	数字病理学	骨髓纤维化	定量脂肪MRI	CNN	图像	58名骨髓纤维化患者的容积图像	NA	U-Net, 2D U-Net, 2D attention U-Net, 3D U-Net, 3D attention U-Net	平均Jaccard指数, 平均体积误差, 平均Hausdorff距离, 平均体积交集比	NA
2466	2026-03-06	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	综述	本文是一篇关于深度学习在强迫症研究中应用的叙述性综述，总结了10项相关研究的主要发现	系统性地综述了深度学习在强迫症诊断、症状分类和治疗反应预测中的应用潜力，并指出了利用被动收集数据（如可穿戴设备）进行早期检测和持续症状追踪的新兴机遇	当前模型受限于小样本量、缺乏治疗预测的比较研究，以及对早期反应检测或可扩展监测解决方案的关注不足	评估深度学习在解决强迫症诊断和治疗挑战方面的应用现状与前景	强迫症患者	机器学习	强迫症	NA	深度学习	神经影像数据, EEG数据, 临床数据	NA	NA	NA	准确率	NA
2467	2026-03-06	EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.98 PMID:40937159	研究论文	本文开发了一种名为EPISeg的深度学习模型，用于自动分割脊髓梯度回波平面成像数据，并公开了一个多中心数据集	提出首个针对梯度回波平面成像数据的自动脊髓分割深度学习模型，并公开了多中心标注数据集	未明确说明模型在极端运动伪影或严重信号丢失情况下的性能限制	开发自动化工具以改进脊髓功能磁共振成像数据的预处理流程	脊髓梯度回波平面成像数据	数字病理学	NA	功能磁共振成像，梯度回波平面成像	深度学习模型	医学影像	多中心数据集（具体数量未明确）	NA	EPISeg	分割质量	NA
2468	2026-03-06	Tokenization and deep learning architectures in genomics: A comprehensive review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.07.038 PMID:40821715	综述	本文全面回顾了基因组学中标记化技术和深度学习架构的应用与挑战	系统梳理了基因组学中标记化技术与深度学习架构的现状，并指出当前标记化方法在捕捉DNA序列基序方面的不足，强调未来模型需整合更具生物学相关性的标记化技术	未提出新的具体模型或技术，主要基于现有文献进行总结，缺乏实证研究验证	综述基因组学领域深度学习架构与标记化技术的研究进展，探讨其应用与改进方向	基因组学中的DNA序列数据及相关计算任务（如抗菌素耐药性预测、基因注释）	自然语言处理, 机器学习	NA	DNA测序技术	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
2469	2026-03-06	Bridging the clinical gap: Confidence informed IDH prediction in brain gliomas using MRI and deep learning 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf142 PMID:40842645	研究论文	本文提出了一种结合体素分割网络与贝叶斯逻辑回归的深度学习框架，用于基于MRI图像无创预测脑胶质瘤的IDH突变状态并提供置信度评分	首次将体素级分割网络(MC-net)与贝叶斯逻辑回归(BLR)相结合，为IDH状态预测提供置信度评分，解决了深度学习模型临床转化中的可靠性评估难题	研究依赖于多中心数据但未提及外部验证集的独立性能，模型在罕见亚型或非典型病例中的表现尚未验证	开发一种能够提供预测置信度的非侵入性方法，用于脑胶质瘤IDH突变状态的准确预测，以辅助临床决策	脑胶质瘤患者	数字病理学	脑胶质瘤	MRI成像	深度学习, 贝叶斯模型	医学影像(MRI)	来自8个机构的2,481例胶质瘤病例	未明确说明	MC-net, 贝叶斯逻辑回归(BLR)	分类准确率, AUC, Brier分数	NA
2470	2026-03-06	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，以早期检测阿尔茨海默病及相关痴呆症	结合特征工程机器学习和端到端深度学习（包含大型语言模型）进行语音分析，用于认知障碍检测和亚型区分	样本量相对较小（188名参与者），且研究聚焦于早期发病群体，可能限制泛化性	通过语音分析实现认知障碍的早期检测，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	早发性阿尔茨海默病患者、早发性非阿尔茨海默病认知障碍患者及认知未受损对照者	自然语言处理	阿尔茨海默病	数字语音录音分析	机器学习, 深度学习	语音	188名参与者（120名患者，68名对照）	NA	大型语言模型	AUC	NA
2471	2026-03-06	Analysis of genetic polymorphisms in sudden sensorineural hearing loss and artificial intelligence-supported individualized precision therapy 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1643435 PMID:41783579	研究论文	本研究通过分析突发性感官神经性听力损失患者的遗传多态性，并构建人工智能模型，探索了个体化精准治疗策略	结合遗传多态性分析与深度学习CNN模型，为SSNHL提供个体化治疗预测，并比较了不同治疗方法的疗效	样本量相对有限（总样本300例），且仅基于特定遗传位点进行分析，可能未涵盖所有影响因素	识别影响SSNHL治疗效果的关键因素，并开发个体化精准治疗预测模型	200例SSNHL患者（内部数据集）和100例独立外部验证病例	机器学习	突发性感官神经性听力损失	血液检测遗传多态性分析	CNN, 随机森林, 支持向量机, 多因素逻辑回归	临床数据、遗传数据	300例（200例内部数据集 + 100例外部验证集）	NA	卷积神经网络	敏感性, 特异性, 准确率	NA
2472	2024-12-20	Author Correction: Fast inter-frame motion correction in contrast-free ultrasound quantitative microvasculature imaging using deep learning 2024-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82620-3 PMID:39695241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2473	2026-03-06	Reconstructing Molecular Networks by Causal Diffusion Do-Calculus Analysis with Deep Learning 2024-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409170 PMID:39440482	研究论文	本文提出了一种结合干预操作和扩散模型的深度学习新方法CDD，用于从观测数据中推断分子间的因果网络	将干预操作和扩散模型整合到do-calculus框架中，通过深度学习实现因果网络推断，显著提升了准确性和泛化能力	NA	从观测数据中量化基因/分子间的因果调控关系，以阐明生物过程的分子机制	基因调控网络、生物网络、疾病表型相关分子	机器学习	复杂疾病	omics数据	深度学习	模拟数据、omics数据	NA	NA	扩散模型	准确性、泛化能力	NA
2474	2026-03-06	Volumetric imaging and computation to explore contractile function in zebrafish hearts 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.14.623621 PMID:39605398	研究论文	本研究开发了一种结合光场检测和细胞追踪的框架，用于实时捕获斑马鱼心脏的容积数据，以探索收缩功能	开发了一种实时容积成像框架，结合光场检测和深度学习细胞追踪，在细胞分辨率下实现整个心室收缩动力学的评估	NA	探索心脏收缩功能的细胞机制，以促进心血管疾病的筛查和治疗	斑马鱼心脏	计算机视觉	心血管疾病	光场检测，容积成像	深度学习	容积图像	NA	NA	NA	NA	NA
2475	2026-03-06	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了利用T1加权结构磁共振成像（sMRI）通过深度学习模型预测个体流体智力、晶体智力及一般智力的可能性	首次全面应用深度学习模型预测包括晶体智力在内的多种智力类型，并验证了模型解释与顶额整合理论（P-FIT）的一致性	样本量相对有限（850名受试者），且模型复杂度增加并未显著提升预测精度，表明可能存在数据或方法限制	探究脑结构MRI是否能够预测个体的智力水平，特别是流体智力、晶体智力及一般智力	850名6至64岁的健康及自闭症谱系障碍受试者	医学影像分析	自闭症谱系障碍	T1加权结构磁共振成像（sMRI）	CNN	图像	850名受试者（包括健康个体和自闭症谱系障碍患者）	NA	2D CNN, 3D CNN	Pearson相关系数	NA
2476	2026-03-06	Deep learning to predict cardiovascular mortality from aortic disease in heavy smokers 2024-Nov-06, NPJ cardiovascular health DOI:10.1038/s44325-024-00029-3 PMID:41775893	研究论文	本研究开发了一个深度学习框架，用于自动量化胸部主动脉疾病特征，并评估其在预测重度吸烟者心血管疾病死亡率中的预后价值	利用深度学习自动量化主动脉特征（如最大直径、体积和钙化负担），并首次在大型队列中证明这些特征与心血管疾病死亡率独立相关，超越了传统风险因素和冠状动脉钙化的预测能力	研究基于非对比胸部CT数据，可能无法全面评估所有主动脉病变；结果主要适用于重度吸烟人群，泛化性需进一步验证	开发深度学习框架以自动量化主动脉疾病特征，并评估其对心血管疾病死亡率的预测价值	来自国家肺癌筛查试验（NLST）的重度吸烟者参与者	数字病理学	心血管疾病	非对比胸部CT成像	深度学习	医学影像（CT图像）	24,770名参与者	NA	NA	NA	NA
2477	2026-03-06	Space-Confined Amplification for In Situ Imaging of Single Nucleic Acid and Single Pathogen on Biological Samples 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407055 PMID:39373849	研究论文	本研究开发了一种基于水凝胶的原位空间限制界面扩增技术，用于在生物样品上直接成像单个核酸和单个病原体	提出了无需甲醛固定的水凝胶原位空间限制扩增技术，可在20分钟内实现大规模表面的单核酸/单病原体成像，检测限低至1拷贝/10 cm	未明确说明技术对复杂临床样本的适用性及长期稳定性验证	开发无需DNA提取的快速原位成像技术，用于病原体检测和生物样品分析	植物叶片和食品表面的病原体	生物传感与成像	植物病害与食源性疾病	水凝胶空间限制扩增技术	深度学习模型	显微图像	未明确说明具体样本数量	NA	NA	检测限（1拷贝/10 cm），成像时间（20分钟）	NA
2478	2026-03-06	Exploring Protein Conformational Changes Using a Large-Scale Biophysical Sampling Augmented Deep Learning Strategy 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400884 PMID:39387316	研究论文	本文提出了一种结合大规模生物物理采样与深度学习的策略，用于探索蛋白质构象变化	通过结合分子动力学模拟与增强采样方法，构建了大规模蛋白质构象变化数据库，并开发了能预测蛋白质过渡路径的通用深度学习模型	未明确提及模型在更复杂或多状态构象变化中的泛化能力，或对计算资源的具体需求	开发能预测蛋白质构象变化的深度学习模型，以揭示蛋白质动态行为的本质	2635个具有两个已知稳定状态的蛋白质	机器学习	NA	分子动力学模拟，增强采样方法	深度学习模型	结构信息（蛋白质构象数据）	2635个蛋白质	NA	NA	与实验数据的一致性	NA
2479	2026-03-06	External Validation of a Digital Pathology-based Multimodal Artificial Intelligence Architecture in the NRG/RTOG 9902 Phase 3 Trial 2024-Oct, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.01.004 PMID:38302323	研究论文	本研究在NRG/RTOG 9902三期试验中，对基于数字病理学的多模态人工智能模型进行了外部验证，以评估其在局部高危前列腺癌患者中的预后能力	首次在随机对照试验队列中外部验证了结合数字组织病理学和临床特征的多模态人工智能模型，用于预测高危前列腺癌的远处转移和癌症特异性死亡率	样本量相对有限（318例），且部分患者因图像质量差被排除（5.6%），可能影响模型的泛化性	验证多模态人工智能模型在局部高危或局部晚期前列腺癌患者中的预后预测能力	局部高危前列腺癌患者	数字病理学	前列腺癌	数字组织病理学	多模态人工智能模型	图像, 临床数据	318例局部高危前列腺癌患者（来自NRG/RTOG 9902试验，原始397例中有337例有可用切片，其中19例因图像质量差被排除）	NA	NA	亚分布风险比, 置信区间, p值, 5年和10年远处转移率	NA
2480	2026-03-06	Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints 2024-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1353 PMID:39011368	研究论文	本研究开发了一种基于卷积神经网络的自动化技术，用于对腰椎间盘和关节突关节进行磁共振成像分级，旨在提高Pfirrmann和Fujiwara分级系统的可靠性	首次利用公开可用的腰椎MRI数据集，训练CNN模型自动执行Pfirrmann（椎间盘退变）和Fujiwara（关节突关节退变）分级，以增强评分者间的一致性	CNN在Fujiwara分级中表现出较大的误差，反映了该评分系统的高变异性，需要改进成像和评分技术	开发自动化技术以客观、可靠地对腰椎间盘和关节突关节的健康状况进行MRI分级	腰椎间盘和关节突关节	数字病理学	退行性脊柱疾病	磁共振成像	CNN	图像	来自公开访问的Lumbar Spine MRI数据集的临床MRI图像	NA	NA	一致性百分比, Pearson相关系数, Fleiss kappa值	NA