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
2721	2026-01-13	Towards a cardiovascular magnetic resonance foundation model for multi-task cardiac image analysis 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101967 PMID:41046013	研究论文	本研究开发了一个针对心血管磁共振（CMR）的视觉基础模型，并通过监督微调应用于九种不同的CMR图像分析任务	首次为CMR开发了专门的视觉基础模型，并通过自监督预训练在多种任务上实现了与现有方法相当或更优的性能，无需任务特定优化	在疾病检测任务上性能提升有限，且未进行任务特定的方法论优化	开发一个统一的基础模型框架，用于自动化CMR图像分析任务	心血管磁共振图像	计算机视觉	心血管疾病	心血管磁共振成像	Vision Transformer	图像	来自27,524名受试者的3600万张CMR图像，数据来源包括UK Biobank和两个临床中心	PyTorch	ViT-S/8	准确率, Dice系数	NA
2722	2026-01-13	EEG-SGENet: A lightweight convolutional network integrating SGE for motor imagery brain-computer interfaces 2025-Nov-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.09.040 PMID:41173359	研究论文	本文提出了一种轻量级卷积神经网络EEG-SGENet，通过集成SGE模块来提升运动想象脑机接口的分类性能	引入轻量级的SGE模块来调整语义子特征的空间注意力，增强有用特征并抑制噪声，实现了模型精度与计算成本的良好平衡	NA	在运动想象脑机接口中，平衡分类精度与计算资源消耗	基于脑电图（EEG）的运动想象脑机接口信号	机器学习	NA	脑电图（EEG）	CNN	脑电图信号	NA	NA	EEG-SGENet	准确率	NA
2723	2026-01-13	Artificial Intelligence for Risk Stratification in Diffuse Large B-Cell Lymphoma: A Systematic Review of Classification Models and Predictive Performances 2025-Nov-24, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040280 PMID:41440512	系统综述	本文系统综述了人工智能（AI）和机器学习（ML）技术在弥漫性大B细胞淋巴瘤（DLBCL）预后预测和风险分层中的应用	系统性地梳理了AI/ML在DLBCL风险分层中的多种数据模态（如临床特征、PET/CT影像、组学数据等）和计算方法，并指出多组学模型和ctDNA预测因子具有临床转化潜力	需要外部验证和提高模型可解释性，以实现从研究到临床工作流程的实际整合	系统绘制当前关于AI/ML技术在DLBCL结局预测和风险分层中应用的文献图景，识别关键趋势、知识差距及临床转化机会	应用AI/ML预测DLBCL生存结局、分类风险组或识别预后亚型的原始研究论文	数字病理学	弥漫性大B细胞淋巴瘤	基因表达谱分析、突变特征分析、循环肿瘤DNA分析、microRNA分析、多组学整合	集成学习, CNN, LASSO-based Cox模型	临床数据, PET/CT影像, CT影像, 数字病理图像, 常规组织病理学数据, 转录组学数据, 基因组学数据, ctDNA数据, microRNA数据, 多组学数据	共筛选215条记录，其中91项研究符合纳入标准	NA	NA	AUC	NA
2724	2026-01-13	Application of Artificial Intelligence in Vulnerable Carotid Atherosclerotic Plaque Assessment-A Scoping Review 2025-Nov-22, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61122082 PMID:41470084	综述	本文是一篇范围综述，总结了人工智能（特别是深度学习和影像组学）在评估易损性颈动脉粥样硬化斑块中的应用证据	系统性地回顾了2021年至2025年间AI在颈动脉斑块易损性评估中的最新应用，涵盖了超声、CTA和MRI等多种成像模态，并比较了其诊断性能	纳入的研究多为单中心，仅两项研究进行了外部验证，缺乏校准和决策曲线分析，限制了结果的普适性	评估人工智能技术在检测和评估易损性颈动脉斑块中的应用潜力	颈动脉粥样硬化斑块	数字病理	心血管疾病	超声、计算机断层扫描血管成像、高分辨率磁共振成像	机器学习、深度学习、影像组学	医学影像	共纳入12项研究，样本量从106到205不等	NA	NA	ROC-AUC	NA
2725	2026-01-13	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2025-Nov, The Lancet. Digital health DOI:10.1016/j.landig.2025.100921 PMID:41381302	研究论文	本研究提出并验证了一种基于深度学习的标签高效计算模型ECTIL，用于评估乳腺癌组织切片中的肿瘤浸润淋巴细胞密度，并在多中心队列中展示了其与病理学家评分的高度一致性	提出了一种无需复杂深度学习分割和检测流程的简化模型，仅需10分钟训练时间和100倍更少的病理学家标注即可实现高精度TIL评分	模型在特定分子亚型（如三阴性乳腺癌）上表现更优，可能在其他亚型泛化能力有限；未详细探讨模型在不同染色批次或扫描仪间的鲁棒性	开发一种高效、可重复的计算模型，辅助病理学家进行乳腺癌肿瘤浸润淋巴细胞评估	2340名乳腺癌患者的全切片图像，包括790名三阴性乳腺癌患者	数字病理学	乳腺癌	苏木精-伊红染色、福尔马林固定石蜡包埋全切片成像	深度学习回归模型	全切片图像	2340名患者，来自三个国家的多中心队列和三项随机临床试验	NA	基于病理学基础模型的特征提取器	Pearson相关系数, AUROC	NA
2726	2026-01-13	Lymph Node Metastasis Prediction From In Situ Lung Squamous Cell Carcinoma Histopathology Images Using Deep Learning 2025-01, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102187 PMID:39542104	研究论文	本研究利用深度学习模型，基于肺鳞状细胞癌（LUSC）的原发肿瘤组织病理学图像，预测淋巴结转移	采用创新的多实例学习方法，结合patch likelihood histogram和bag of words技术提取全切片图像特征，并使用ExtraTrees算法构建了名为LN_ISLUSCH的预测模型	研究队列规模有限且多样性不足，未来需要更大、更多样化的队列以及整合更多组学数据以提高预测准确性和临床实用性	预测肺鳞状细胞癌（LUSC）的淋巴结转移，以提供更准确和客观的诊断与预后方法	肺鳞状细胞癌（LUSC）患者的组织病理学全切片图像	数字病理学	肺癌	组织病理学成像	深度学习, 机器学习	图像	来自Outdo-LUSC和癌症基因组图谱队列的全切片图像	PyTorch, Scikit-learn	ResNet-18	AUC, 95%置信区间, P值	NA
2727	2026-01-13	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文利用深度学习蛋白质设计工具，开发了针对肽-MHC-I复合物的高特异性结合蛋白	采用深度学习工具设计小蛋白，使其跨越pMHC复合物的肽结合槽并与肽广泛接触，实现了从实验或预测结构出发生成高特异性结合物	NA	设计高特异性结合物以靶向肽-MHC-I复合物，用于疾病治疗	肽-MHC-I复合物	机器学习	NA	深度学习蛋白质设计	NA	蛋白质结构数据	十个目标pMHC复合物	NA	NA	结合特异性（通过酵母展示和T细胞激活评估）	NA
2728	2026-01-13	A deep learning dataset for sample preparation artefacts detection in multispectral high-content microscopy 2024-02-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03064-y PMID:38395957	研究论文	本文介绍了一个用于高内涵显微镜样本制备伪影检测的深度学习数据集	创建了一个专门用于高内涵显微镜样本制备伪影检测的开放数据集，并提出了基于规则的分类和像素级注释策略	数据集基于实验室灰尘滴定在固定细胞培养样本上，可能无法覆盖所有类型的样本制备伪影	解决高内涵图像筛选中样本制备伪影检测的数据集缺乏问题	高内涵显微镜图像中的样本制备伪影	计算机视觉	NA	高内涵显微镜，荧光滤波成像	CNN	图像	NA	NA	卷积神经网络	NA	NA
2729	2026-01-13	Fluorescent Neuronal Cells v2: multi-task, multi-format annotations for deep learning in microscopy 2024-02-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03005-9 PMID:38341463	研究论文	本文介绍了荧光神经元细胞v2数据集，这是一个用于促进生命科学和深度学习领域创新研究的荧光显微镜图像及对应标注数据集	发布了包含多任务、多格式标注的高分辨率荧光显微镜图像数据集，支持语义分割、目标检测和计数等多种学习任务	NA	促进计算机视觉方法在显微镜图像分析中的方法学进展，并推动生命科学领域的突破性发现	啮齿动物神经元细胞核和细胞质的荧光显微镜图像	计算机视觉	NA	荧光显微镜成像	NA	图像	1874张高分辨率图像，包含750个对应标注	NA	NA	NA	NA
2730	2026-01-13	A clinical microscopy dataset to develop a deep learning diagnostic test for urinary tract infection 2024-02-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02975-0 PMID:38302487	研究论文	本文介绍了一个用于开发深度学习诊断测试的临床显微镜数据集，旨在通过计算机视觉技术自动识别尿路感染患者的尿液细胞	提出了一个开放数据集，包含300张图像和3,562个手动注释的尿液细胞，分为七个临床重要细胞类型，并设计了一种新颖的Patch U-Net深度学习架构，结合随机补丁生成器来识别尿液细胞	数据集规模相对较小（300张图像），可能限制模型的泛化能力，且仅基于有症状尿路感染患者的未染色、未处理尿液样本	开发一个基于深度学习的诊断测试，用于自动识别尿路感染，以克服传统手动显微镜检查的技术困难、耗时和观察者间误差问题	尿路感染患者的尿液样本中的细胞	计算机视觉	尿路感染	临床显微镜成像	深度学习	图像	300张图像，包含3,562个手动注释的尿液细胞	未指定	Patch U-Net	未指定	未指定
2731	2026-01-13	Annotated dataset for training deep learning models to detect astrocytes in human brain tissue 2024-01-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02908-x PMID:38242926	研究论文	本文介绍了一个用于训练深度学习模型检测人脑组织中星形胶质细胞的标注数据集	提供了首个基于ALDH1L1和GFAP染色的人脑组织全切片图像数据集，支持星形胶质细胞的自动检测和密度分析	数据集仅包含16张切片和8名患者，样本规模有限，可能影响模型的泛化能力	开发自动化工具以检测和量化人脑组织中的星形胶质细胞，促进神经病理学研究	人脑组织切片中的星形胶质细胞	数字病理学	神经系统疾病	ALDH1L1和GFAP免疫组织化学染色	深度学习模型	图像	16张切片，来自8名患者，共8730个图像块	NA	NA	NA	NA
2732	2026-01-13	Open and reusable deep learning for pathology with WSInfer and QuPath 2024-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00499-9 PMID:38200147	研究论文	本文介绍了WSInfer和QuPath，一个开源软件生态系统，旨在促进数字病理学中深度学习模型的共享与重用	开发了WSInfer这一开源工具，专门解决数字病理学领域深度学习模型难以重用的问题，提升了模型的可访问性和复用性	NA	通过开源软件生态系统，推动数字病理学中深度学习模型的共享与重用，以增强其在诊断、预后和预测方面的研究能力	数字病理学中的深度学习模型	数字病理学	NA	深度学习	NA	病理图像	NA	NA	NA	NA	NA
2733	2026-01-13	The 100-protein NMR spectra dataset: A resource for biomolecular NMR data analysis 2024-01-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02879-5 PMID:38177162	研究论文	本文介绍了100-蛋白质NMR光谱数据集，这是一个包含1329个多维NMR光谱及相关注释的标准化资源，旨在促进生物分子NMR数据分析方法的发展	首次公开了一个标准化的多维NMR光谱数据集，允许从原始实验数据重现100个蛋白质结构，解决了NMR原始数据缺乏公开存档的问题	数据集仅包含100个蛋白质，可能无法覆盖所有蛋白质类型或NMR实验条件，且依赖于特定方法（ARTINA）的原始开发背景	促进生物分子NMR光谱的计算方法开发，特别是机器学习方法，并实现方法间的一致性和客观比较	蛋白质的NMR光谱数据	生物信息学	NA	NMR光谱学	深度学习	NMR光谱	100个蛋白质的1329个2-4维NMR光谱	NA	ARTINA	NA	NA
2734	2026-01-13	An annotated wing interferential pattern dataset of dipteran insects of medical interest for deep learning 2024-01-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02848-y PMID:38168517	研究论文	本研究介绍了一个用于训练和评估基于翅干涉模式识别医学和兽医学重要双翅目昆虫的数据集	创建了一个包含多种双翅目昆虫翅干涉模式图像的新数据集，并整合了先前发布的数据集，以支持计算机视觉识别系统的开发	数据集仅覆盖18个属，每个属的物种数量和样本量存在差异，可能影响模型的泛化能力	开发一个基于计算机视觉的系统，利用翅干涉模式快速识别医学和兽医学重要的双翅目昆虫	双翅目昆虫，包括蚊科、丽蝇科、蝇科、虻科、蠓科和毛蠓科等	计算机视觉	NA	翅干涉模式成像	NA	图像	2,399张图片，覆盖18个属，部分属样本量达300个	NA	NA	NA	NA
2735	2026-01-13	Generation of skin tone and pigmented region-modified images using a pigment discrimination model trained with an optical approach 2023-Oct, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13486 PMID:37881042	研究论文	本文提出了一种结合光学方法和深度学习生成可数值控制的肤色和色素区域修改图像的方法	提出了一种混合技术，整合光学方法与深度学习，实现对肤色和色素区域修改图像的精确数值控制，并验证了独立调整色素的能力	未明确说明方法在处理复杂皮肤条件或大规模数据集时的泛化能力	开发一种能够模拟多样化色素条件并生成修改图像的技术，以扩展皮肤分析的应用范围	皮肤图像中的肤色和色素区域，特别是与黑色素和血红蛋白相关的部分	计算机视觉	NA	光学方法结合深度学习	深度学习模型	图像	NA	NA	NA	相关系数, ITA, 黑色素指数, 红斑指数	NA
2736	2026-01-12	A multi-scale deep CNN based on attention mechanism for EEG emotion recognition 2026-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110662 PMID:41418936	研究论文	提出一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别	结合通道注意力和空间注意力机制，通过多尺度卷积神经网络提取更全面的脑电信号特征，增强关键通道特征并抑制噪声，同时精确定位与情感相关的关键区域	仅在DEAP和SEED两个公开数据集上进行了验证，未在更多样化的数据集或实际应用场景中测试	提高脑电信号情感识别的准确性和特征判别能力	脑电信号	机器学习	NA	脑电信号采集	CNN	脑电信号	DEAP和SEED数据集	NA	多尺度卷积神经网络, 通道注意力, 空间注意力	准确率	NA
2737	2026-01-12	Hybrid TCN-BiGRU model for accurate air quality index prediction 2026-Feb-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127577 PMID:41443548	研究论文	提出一种结合TCN和BiGRU的混合深度学习模型，用于准确预测空气质量指数	通过级联架构与残差连接整合TCN和BiGRU，利用TCN提取多尺度时间特征，BiGRU双向处理特征以捕获上下文依赖	跨年度验证显示性能下降8.3%，跨城市迁移学习仅能达到完全本地训练性能的74.2-82.7%	空气质量指数预测，用于污染控制和公共健康保护	北京、广州、上海等城市的空气质量数据	机器学习	NA	深度学习	TCN, BiGRU	时间序列数据	北京（2022年和2023年）、广州（2023年）、上海（2023年）的数据集，涵盖16个季节-区域场景	NA	TCN-BiGRU混合架构	RMSE, R值	NA
2738	2026-01-12	Possibilities and limitations of artificial intelligence in food-derived peptides 2026-Feb, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70099 PMID:40751946	综述	本文综述了人工智能在食品源肽研究中的应用、挑战与未来前景	深入探讨了AI与食品源肽研究的深度融合，提出了标准化多维数据库、计算可视化框架及跨学科策略等创新方向	面临数据集完整性不足、模型架构优化困难、可解释性受限、实验验证需求高以及蛋白质结构预测中的维度诅咒和局部最优等挑战	评估人工智能在食品源肽研究中的传统方法应用、当前局限性与未来发展机遇	食品源肽	机器学习	NA	NA	随机森林, 卷积神经网络	NA	NA	NA	NA	NA	NA
2739	2026-01-12	Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies 2026-Feb, Pest management science IF:3.8Q1 DOI:10.1002/ps.70319 PMID:41147806	研究论文	本研究开发了一种基于高光谱成像和深度学习技术的模型，用于在田间条件下区分甜菜田中的杂草科氏藜和水苋菜	提出了一种结合光谱和空间特征的注意力增强卷积神经网络（AE-CNN），在杂草早期识别中实现了高达99.99%的分类准确率	研究仅针对两种特定杂草（科氏藜和水苋菜）与甜菜作物，未涉及其他杂草或作物种类，且模型性能依赖于高光谱成像数据，可能受田间环境条件影响	开发并评估一种能够准确区分甜菜田中入侵杂草与作物的高光谱成像深度学习模型，以支持精准农业中的定点杂草管理	甜菜田中的杂草科氏藜和水苋菜，以及甜菜作物本身	计算机视觉	NA	高光谱成像	CNN, SVM	图像	NA	NA	注意力增强卷积神经网络（AE-CNN）	准确率, 精确率, 召回率, F1分数	NA
2740	2026-01-12	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2026-Feb, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文是一篇关于深度学习在牙科成像中合成数据应用及挑战的叙述性综述	聚焦于使用合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺性挑战的潜在方案，并涵盖了技术、临床和伦理/监管多方面	牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖学保真度和最小化伪影	探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型	牙科成像领域，特别是完全合成图像生成的研究	计算机视觉	NA	合成图像生成	GAN, VAE, DDPM	图像	NA	NA	生成对抗网络, 变分自编码器, 去噪扩散概率模型	NA	NA