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
281	2026-04-12	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	本研究开发了一种名为SPFF-UNet的深度学习模型，用于在光谱光子计数CT中直接对羟基磷灰石和碘进行体素级分割，无需材料分解预处理	首次提出了一种光谱保持的3D分割模型，集成了光谱挤压激励、EnergyFiLM和FourierGate模块，以直接利用多能量信息进行体素级材料分类，避免了传统材料分解步骤	研究基于体模实验，尚未进行体内验证，且样本类型和数量有限	开发一种直接从光谱光子计数CT数据中准确分割羟基磷灰石和碘浓度的深度学习方法，以改善钙化性肌肉骨骼疾病和血管钙化的诊断	包含羟基磷灰石、碘、软组织等效物和水的圆柱体模	计算机视觉	钙化性肌肉骨骼疾病	光谱光子计数CT	深度学习	图像	一个包含12种材料的体模扫描，包括5种羟基磷灰石浓度、3种碘浓度、3种软组织等效物和水	NA	SPFF-UNet, ResUNet++	Dice系数, IoU, 灵敏度, 精确度	NA
282	2026-04-12	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	本研究提出了一种结合可解释性特征重要性测试的深度神经网络框架，用于预测ICU患者术后感染风险	将排列特征重要性测试（PermFIT）与深度神经网络结合，在保持高预测性能的同时提供特征层面的可解释性	研究基于单一数据库（MIMIC-III），未在外部数据集验证模型泛化能力	开发可解释的深度学习模型以预测ICU患者术后感染风险并识别关键影响因素	重症监护室（ICU）接受手术的患者	机器学习	术后感染	电子健康记录分析	深度神经网络（DNN）	电子健康记录（EHR）	MIMIC-III大型ICU EHR数据库中的患者记录	NA	深度神经网络	预测准确性	NA
283	2026-04-12	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据来改善结直肠癌的诊断和预后预测	开发了首个深度融合病理-放射组学与临床数据的多模态框架，在生存预测和微卫星不稳定性识别方面显著优于单模态模型，并能提供比传统TNM分期更精细的风险分层	存在因'领域偏移'导致的性能适度下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，实现个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习，多模态融合	深度学习框架	组织病理学图像，放射学图像，内窥镜图像，临床数据	NA	NA	PRISM-CRC	一致性指数，AUC	NA
284	2026-04-12	MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103574 PMID:40949826	研究论文	本文介绍了一种将用于癫痫检测的脑电图数据集转换为适合癫痫发作预测的机器学习就绪基准的方法	开发了一种新方法，能将标注为检测用途的脑电图大数据转换为适用于预测任务的机器学习就绪数据，并生成了12个基准数据集	NA	为癫痫发作预测模型开发提供标准化的机器学习就绪基准数据	脑电图数据集	机器学习	癫痫	脑电图	机器学习模型,深度学习模型	脑电图信号	NA	NA	NA	验证准确率	NA
285	2026-04-12	Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach 2025-12, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.08.012 PMID:40882869	研究论文	本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征	首次将基于深度学习的因果推断模型应用于ICU患者MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异	研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库，可能存在选择偏倚和未测量的混杂因素	评估万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的治疗效果，并为个性化抗生素治疗提供依据	重症监护室（ICU）中患有耐甲氧西林金黄色葡萄球菌（MRSA）血流感染的患者	机器学习	血流感染	基于深度学习的因果推断	深度学习模型	临床数据	270名ICU患者	NA	NA	平均处理效应（ATE）、P值	NA
286	2026-04-12	The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108492 PMID:41241154	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌患者免疫治疗后总生存期和无进展生存期的预后准确性	首次通过荟萃分析综合评估了AI模型在预测NSCLC免疫治疗生存结局中的表现，并比较了不同数据模态（如蛋白质组学）和AI方法（如深度学习）的预测准确性	纳入研究存在异质性（I²较高），且缺乏前瞻性验证和多中心临床试验数据，AI方法尚未标准化	评估AI模型在预测非小细胞肺癌患者免疫治疗生存结局中的预后准确性	接受免疫治疗的非小细胞肺癌患者	机器学习	肺癌	影像组学、基因组学、蛋白质组学	机器学习、深度学习	影像数据、基因组数据、蛋白质组数据	23项研究，共19,189名患者	NA	NA	风险比、95%置信区间、I²统计量	NA
287	2026-04-12	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-12, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了一个深度学习模型ScreenDx，用于在CT扫描中自动检测ILD特征，特别是在最初未诊断的病例中，展示了高敏感性和特异性	研究基于COPDGene数据集，ILD患病率目标设定为约1-2%，可能限制了结果的泛化性；且ILD病例最初是意外纳入的，可能存在选择偏倚	评估人工智能工具在CT扫描中检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括意外纳入的ILD患者（阳性）以及随机选择的COPD和对照患者（阴性）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	图像	COPDGene数据集中的患者，目标ILD患病率为约1-2%	NA	ScreenDx	敏感性, 特异性	NA
288	2026-04-12	Delineating the Role of Alpha Waves in Exercise-induced Neural Changes through Resting-state EEG 2025-11-07, Journal of visualized experiments : JoVE DOI:10.3791/68737 PMID:41284639	研究论文	本研究通过静息态脑电图结合深度学习算法，探索运动干预对高特质焦虑大学生前额叶Alpha波神经振荡重编程的影响	首次识别前额叶Alpha兴奋性再平衡作为运动介导焦虑缓解的核心机制，并开发了Alpha波段时频预测模型	样本量较小（仅40名大学生），且仅针对特质焦虑这一特定情绪障碍	阐明运动诱导神经变化的神经调节目标，以促进精准运动处方的开发	40名高特质焦虑大学生	机器学习	焦虑症	静息态脑电图	深度学习	脑电图信号	40名大学生（运动干预组20人，对照组20人）	NA	NA	准确率, F1分数, Kappa系数	NA
289	2026-04-12	Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention 2025-10-31, Journal of visualized experiments : JoVE DOI:10.3791/69082 PMID:41247923	研究论文	本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类	引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择	未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节	解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求	垃圾邮件分类任务	自然语言处理	NA	Van der Waerden秩变换	支持向量机（SVM）	文本	使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量	NA	VWR-Attn-SVM	准确率, 精确率, 召回率, F1分数, AUC	NA
290	2026-04-12	GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504117122 PMID:41071657	研究论文	本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质	提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环	未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制	开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法	绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR）	机器学习	NA	深度学习	NA	蛋白质序列、结构数据	NA	NA	NA	催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证	NA
291	2026-04-12	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-10-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	本文提出了一种名为GARNN-AE-LSTM的多模态深度学习框架，用于实现高精度的视频摘要生成	提出了一种结合预训练门控循环神经网络（GARNN，融合GRU和AlexNet）与对抗编码器LSTM（AE-LSTM）的多模态框架，并引入了运动补偿PCA降维和门控机制来优化特征选择与冗余消除	未明确说明模型的计算复杂度、处理速度或在不同视频类型（如动态范围、长度）上的泛化能力	开发一种高精度的视频摘要方法，通过保留关键内容来创建长视频的简洁版本	视频数据（包含视觉和听觉信息）	计算机视觉	NA	多模态特征提取、运动补偿特征降维、PCA降维	GARNN, AE-LSTM, GRU, AlexNet	视频（图像与音频）	NA	NA	GARNN（GRU与AlexNet结合）, AE-LSTM	敏感度, F分数, 阳性预测值	NA
292	2026-04-12	Decoding Natural Behavior from Neuroethological Embedding 2025-10-03, Journal of visualized experiments : JoVE DOI:10.3791/68668 PMID:41115131	研究论文	本研究提出了一个结合行为图谱、微型双光子显微镜和神经嵌入技术的实验与计算框架，用于从自由活动小鼠的神经活动中解码复杂自然社交行为	首次整合了Social Behavior Atlas（SBeA）、微型双光子显微镜（mTPM）和CEBRA嵌入方法，实现了在自然社交互动场景下对神经群体动力学与行为特征的高精度同步解码	研究目前仅应用于小鼠社交行为模型，方法在其他物种或行为范式中的通用性尚未验证；解码精度可能受神经成像分辨率和行为标注粒度的限制	探索神经群体动力学如何编码自然行为，建立从神经活动解码复杂行为特征的计算方法	自由活动小鼠在自然社交互动过程中的神经活动与行为表现	系统神经科学	NA	微型双光子显微镜（mTPM）、荧光成像、行为姿态估计	深度学习、嵌入学习	神经成像数据、行为视频数据、姿态坐标数据	多只自由活动小鼠（具体数量未明确说明）	CEBRA（Consistent EmBeddings of high-dimensional Recordings using Auxiliary variables）	NA	姿态解码精度（像素误差）、行为基序解码准确率	NA
293	2026-04-12	Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data 2025-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	本研究开发了一种基于条件生成对抗网络的深度学习方法，用于从动态对比增强MRI数据中合成DSC MRI衍生的参数图	首次利用条件生成对抗网络从DCE MRI数据中生成DSC MRI参数图，避免了重复注射钆对比剂的需要	研究样本量较小（64名参与者），且仅针对脑肿瘤患者进行了验证，未涵盖其他疾病类型	开发深度学习方法来合成DSC MRI参数图，以减少临床扫描中对比剂的使用剂量	脑肿瘤患者及无脑肿瘤的对照组参与者	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN	MRI图像	64名参与者（包括脑肿瘤患者和对照组）	NA	条件生成对抗网络	线性回归, Bland-Altman图	NA
294	2026-04-12	Gold Futures Price Prediction Using Transformer Deep Learning Models with Data Scraped via UiPath 2025-09-26, Journal of visualized experiments : JoVE DOI:10.3791/68903 PMID:41082458	研究论文	本研究使用Transformer深度学习模型，结合通过UiPath网络爬取的数据，预测黄金期货价格	首次将Transformer模型与UiPath自动化数据采集结合，用于黄金价格预测，相比传统方法提供了更准确和可靠的预测	未纳入新闻头条和社交媒体情感等替代数据源，可能限制了市场动态的深入洞察	预测黄金期货价格，为投资者、金融分析师和政策制定者提供决策指导	黄金期货价格数据	机器学习	NA	网络爬取（UiPath），数据预处理（缺失数据处理、MinMax缩放）	Transformer	时间序列数据（每日黄金价格）	从investing.com网络爬取的每日黄金价格数据（具体数量未明确）	未明确指定，可能为TensorFlow或PyTorch	Transformer	均方误差（MSE），均方根误差（RMSE），R平方	未明确指定
295	2026-04-12	Dual Encoder-Decoder-Encoder with Adversarial Training for Unsupervised Traffic Accident Detection in Surveillance Videos 2025-09-05, Journal of visualized experiments : JoVE DOI:10.3791/68731 PMID:40982396	研究论文	本文提出了一种基于双编码器-解码器-编码器框架和对抗训练的无监督方法，用于监控视频中的交通事故检测	提出了双编码器-解码器-编码器框架，通过双向映射学习正常交通行为模式，并引入两阶段对抗训练机制增强对异常事件的敏感性	未明确说明模型在极端天气或低光照条件下的性能表现，也未讨论计算复杂度对实时检测的影响	开发无监督的深度学习系统，用于实时检测监控视频中的交通事故和危险驾驶行为	真实世界交通监控视频数据	计算机视觉	NA	深度学习，对抗训练	编码器-解码器，GAN	视频	未明确说明具体样本数量，仅提及使用真实世界交通监控数据集	未明确说明	双编码器-解码器-编码器	准确率，鲁棒性	未明确说明
296	2026-04-12	Transfer Learning Based Deep Learning Approach for Knee Osteoarthritis Grading Using Modified XceptionNet Architecture 2025-08-22, Journal of visualized experiments : JoVE DOI:10.3791/68720 PMID:40920575	研究论文	本研究提出了一种基于迁移学习的深度学习方法，使用改进的XceptionNet架构对膝关节骨关节炎进行分级	通过类别平衡方法、定制化预处理流程及对XceptionNet的架构改进，有效解决了数据集不平衡问题，提升了早期膝关节骨关节炎的检测性能	NA	开发自动化系统用于膝关节骨关节炎的放射学识别，特别是早期检测	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	NA	NA	XceptionNet	准确率, 精确率, 召回率, F1分数, Cohen's kappa	NA
297	2026-04-12	How I Do It: Three-Dimensional MR Neurography and Zero Echo Time MRI for Rendering of Peripheral Nerve and Bone 2025-07, Radiology IF:12.1Q1 DOI:10.1148/radiol.241604 PMID:40590699	研究论文	本文介绍了一种结合三维磁共振神经成像和零回波时间磁共振成像技术，用于渲染外周神经和骨骼空间关系的方法	通过融合三维磁共振神经成像和零回波时间磁共振成像序列，首次实现了外周神经与骨骼结构的联合三维渲染，为临床决策提供可视化路线图	未明确说明方法在广泛临床应用中的验证范围及潜在技术限制	开发一种用于临床决策支持的外周神经与骨骼三维可视化技术	外周神经与骨骼的解剖结构	医学影像处理	NA	三维磁共振神经成像，零回波时间磁共振成像	深度学习	磁共振图像	NA	NA	NA	NA	NA
298	2026-04-12	Future Applications of Cardiothoracic CT 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.240085 PMID:40492912	综述	本文综述了光子计数CT、直立CT和人工智能在心脏胸部CT成像和诊断中的未来应用前景	探讨了光子计数CT、直立CT和四维CT等新技术如何降低辐射剂量、提高空间分辨率，并利用人工智能改变放射科医生解读影像的方式	NA	探讨心脏胸部CT技术的未来发展趋势及其临床应用潜力	心脏胸部CT成像技术及其在诊断中的应用	数字病理学	心血管疾病	光子计数CT, 直立CT, 四维CT	深度学习	CT影像	NA	NA	NA	NA	NA
299	2026-04-12	Navigating the AI Landscape in Medical Imaging: A Critical Analysis of Technologies, Implementation, and Implications 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.240982 PMID:40552997	综述	本文对医学影像中人工智能技术的现状、实施挑战及影响进行了批判性分析	综合分析了多模态成像数据、临床记录与大语言模型整合的AI潜力，并探讨了少样本学习、自监督模型和集中式平台等前沿进展	存在专家标注数据稀缺、监管障碍、临床实施滞后、大语言模型可解释性不足、深度学习模型泛化能力有限以及临床整合的技术壁垒	探讨AI在医学影像领域的整合挑战、负责任发展路径及多方利益相关者观点，以优化AI安全性并增强放射科医生工作	医学影像AI技术、监管机构（如FDA）、放射科社区及医疗保健系统	医学影像	NA	深度学习、大语言模型、少样本学习、自监督学习	深度学习模型、大语言模型	多模态成像数据、临床记录	NA	NA	NA	NA	NA
300	2026-04-12	A Data-Centric Approach to Deep Learning for Brain Metastasis Analysis at MRI 2025-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.242416 PMID:40552999	研究论文	本研究开发了一种基于数据中心的深度学习系统，用于在MRI图像中检测、分割和纵向跟踪任何大小的脑转移瘤	采用数据中心方法，通过迭代数据标注和系统质量控制提高分割一致性，并使用改进的nnU-Net框架，增强了模型对小病灶的检测能力和泛化性	研究为回顾性设计，且部分患者性别信息未知	开发一个泛化性强的深度学习系统，用于脑转移瘤的检测、分割和纵向跟踪	脑转移瘤患者的MRI扫描图像	数字病理	脑转移瘤	MRI	深度学习	图像	1623名患者的1985次扫描，包含5552个脑转移瘤	nnU-Net	改进的nnU-Net	敏感性, Dice相似系数, 归一化表面距离	NA