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	2025-12-14	A novel deep learning model using dosimetric and clinical information for grade 4 radiotherapy-induced lymphopenia prediction 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab63b6 PMID:31851954	研究论文	本文开发了一种新颖的混合深度学习模型，用于预测4级放疗诱导的淋巴细胞减少症	提出了一种双输入通道混合深度学习模型，结合了堆叠双向LSTM处理剂量参数和多层感知机处理非剂量信息，以改进预测性能	NA	提高放疗诱导的淋巴细胞减少症的预测准确性	放疗患者	机器学习	癌症	放疗	混合深度学习模型	剂量参数和临床信息	505名患者用于训练，216名患者用于测试	NA	堆叠双向LSTM, 多层感知机	AUC, 准确率, F1分数, 精确率, 召回率	NA
282	2025-12-14	Deep DoseNet: a deep neural network for accurate dosimetric transformation between different spatial resolutions and/or different dose calculation algorithms for precision radiation therapy 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab652d PMID:31869825	研究论文	本文提出了一种名为Deep DoseNet的深度神经网络，用于在不同空间分辨率和/或不同剂量计算算法之间进行精确的剂量学转换，以提高放射治疗的精度	引入了一种新颖的深度学习策略，通过从低成本算法计算的剂量分布进行转换，以获得高精度的剂量计划，显著提高了剂量计算的准确性和效率	研究仅基于10名患者的CT数据，样本量相对较小，且仅针对特定治疗部位（肺、脑、腹部和骨盆）进行了验证	开发一种深度学习方法，用于精确转换不同剂量计算算法或空间分辨率下的剂量分布，以加速和优化放射治疗计划	放射治疗中的剂量分布数据，具体基于患者CT图像计算的剂量切片	机器学习	肺癌, 脑癌, 腹部和骨盆癌症	剂量计算算法（AAA和AXB），深度学习	CNN	图像（剂量分布切片和CT切片）	25,168个剂量分布切片，基于10名患者的CT数据	NA	Deep DoseNet（包含特征提取和上采样部分）	均方误差, Gamma指数通过率	NVIDIA DGX工作站
283	2025-12-14	A deep learning approach to radiation dose estimation 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab65dc PMID:31881547	研究论文	本研究提出了一种基于深度学习和经验模态分解的混合方法（DNN-EMD），用于提高临床放射剂量估计的精度和可靠性	结合了Green's函数经验模态分解和U-net架构的深度学习技术，并利用软组织核蒙特卡洛模拟，以克服传统剂量估计方法的局限性	研究样本量较小（仅26名患者），且依赖于蒙特卡洛模拟作为参考标准，可能在实际应用中存在泛化性限制	开发一种个体化放射剂量预测方法，以改进临床剂量学应用的精度和可靠性	患者队列的X射线计算机断层扫描组织密度图和剂量图，以及Lu放射性核素的SPECT分布数据	机器学习	NA	蒙特卡洛模拟，SPECT分布测量，经验模态分解	深度神经网络，U-net	图像（CT组织密度图和剂量图）	26名患者	NA	U-net	平均偏差，方差	NA
284	2025-12-14	A multi-scale framework with unsupervised joint training of convolutional neural networks for pulmonary deformable image registration 2020-01-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5da0 PMID:31783390	研究论文	本文提出了一种用于肺部CT图像变形配准的多尺度无监督联合训练卷积神经网络框架MJ-CNN	提出多尺度无监督联合训练卷积神经网络框架，通过从粗到细的配准避免局部最小值，无需真实变形矢量场监督，并展示了跨数据集和成像技术的泛化能力	未提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及未在更广泛临床场景中验证	实现肺部CT图像的准确快速变形图像配准	肺部CT图像，包括4D-CT、CT-to-CBCT和CBCT-to-CBCT配准	计算机视觉	肺癌	CT、4D-CT、CBCT成像	CNN	图像	使用公共SPARE 4D-CT数据训练，在DIR-LAB 4D-CT数据集及临床CT-to-CBCT和CBCT-to-CBCT配准上评估	未明确指定，但基于卷积神经网络	多尺度卷积神经网络	配准误差	未明确指定，但配准速度约为1.4秒，无需手动调参
285	2025-12-13	Interpretable large language models for early prediction of antimicrobial multidrug resistance 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00401-2 PMID:41383823	研究论文	本研究提出基于大语言模型的新架构，用于重症监护病房患者抗菌素耐药性的早期预测，利用电子健康记录作为不规则多变量时间序列数据	首次将大语言模型应用于不规则多变量时间序列的抗菌素耐药性分类任务，结合了高预测性能与模型可解释性	研究数据来源于单一医院（西班牙马德里富恩拉夫拉达大学医院），可能限制模型的泛化能力	开发早期预测抗菌素耐药性的模型，以支持重症监护病房的及时干预和有效治疗	重症监护病房患者的电子健康记录数据	自然语言处理	抗菌素耐药性	电子健康记录分析	LLM, GRU, LSTM, Transformer, Mamba, GCNN	不规则多变量时间序列	3502份匿名电子健康记录	NA	InstructTime-LLM, Blocks-LLM	ROC-AUC	NA
286	2025-12-13	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2026-Nov-10, 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名为ECTIL的标签高效计算模型，用于评估乳腺癌组织切片中的肿瘤浸润淋巴细胞密度，该模型在少量标注数据上快速训练，并在多中心队列中展示了与病理学家评估的高度一致性	ECTIL模型采用病理学基础模型提取形态特征，并直接回归WSI的TIL评分，避免了复杂的深度学习分割和检测流程，训练时间仅需10分钟且标注数据需求减少100倍	研究未详细讨论模型在不同病理实验室或染色变异下的泛化性能，且模型主要针对乳腺癌，在其他癌症类型中的适用性有待验证	开发一种高效、可重复的计算模型，以辅助病理学家评估乳腺癌组织切片中的肿瘤浸润淋巴细胞密度，并验证其临床预后价值	乳腺癌患者的全切片图像，包括三阴性乳腺癌及其他分子亚型，共涉及2340名患者的多中心数据	数字病理学	乳腺癌	全切片图像分析，苏木精-伊红染色，福尔马林固定石蜡包埋组织处理	深度学习回归模型	图像	2340名乳腺癌患者的全切片图像，包括来自美国、英国和荷兰的多中心队列及临床试验数据	未明确指定，但提及使用病理学基础模型进行特征提取	未指定具体架构，但基于病理学基础模型提取的特征进行回归	Pearson相关系数，受试者工作特征曲线下面积，风险比	未明确指定，但模型训练仅需10分钟，暗示计算资源需求较低
287	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
288	2025-12-13	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-Feb, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	研究论文	本研究开发了一种基于术前步态和临床数据的深度学习模型，用于预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后持续性足下垂的风险	首次结合卷积神经网络和前馈神经网络，利用术前多模态数据预测术后足下垂，并采用SHAP方法解释模型以识别关键风险因素	样本量相对有限（110名儿童），且仅针对脑瘫儿童，模型在其他人群中的泛化能力尚未验证	预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后发生持续性足下垂的风险，并识别相关的术前风险因素	110名患有脑瘫的儿童（36名单瘫，74名双瘫）	数字病理学	脑瘫	三维步态分析，物理检查	CNN, 前馈神经网络	步态数据，临床数据	110名儿童	NA	卷积神经网络，前馈神经网络	均方根误差，准确率	NA
289	2025-12-13	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞的复杂峰电位	提出了一种基于U-Net架构的序列到序列预测方法，结合混合自注意力初始块，整合局部场电位和动作电位信号，实现了复杂峰电位的自动化高精度检测	方法主要在小脑神经像素记录上训练和验证，在其他神经系统的泛化能力虽被提及但需进一步实证	开发一个自动化、鲁棒的框架，用于从多电极阵列记录中准确检测和分类复杂峰电位，以研究神经信息编码	小脑浦肯野细胞的复杂峰电位和简单峰电位	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于恒河猴的小脑神经像素记录数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
290	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
291	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA
292	2025-12-13	Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109130 PMID:41135295	研究论文	本研究开发了一个基于乳腺X线摄影、多参数MRI和临床特征的深度学习框架，用于预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	提出了一种结合多模态影像（ADC、DCE-MRI、SPAIR T2WI、DWI、CC、MLO）和临床特征的融合模型，用于预测乳腺癌新辅助治疗反应	回顾性研究，样本量相对有限（359例），且仅来自两个机构，可能存在选择偏倚	预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	HER2阳性和三阴性乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影，多参数MRI（包括ADC、DCE-MRI、SPAIR T2WI、DWI）	深度学习	影像（乳腺X线摄影、MRI），临床特征	359名乳腺癌患者（来自两个机构）	NA	DenseNet169-CBAM, Multi-Layer Perceptron	AUC, 准确率, 敏感性, 特异性	NA
293	2025-12-13	An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification 2025-Dec-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02267-z PMID:41381926	研究论文	本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型	探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率	研究为概念验证性质，数据来源于两个中心，样本量相对有限	开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类	乳腺细针穿刺细胞学图像	数字病理学	乳腺癌	细针穿刺细胞学	混合模型	图像	原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性）	NA	Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours	准确率, 灵敏度, 特异性	NA
294	2025-12-13	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
295	2025-12-13	Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport 2025-Dec-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3638632 PMID:41379885	研究论文	本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题	引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型	未在摘要中明确说明	提升生成模型的解释性和条件生成能力，同时提高生成效率	生成模型中的最优传输映射	机器学习	NA	最优传输（OT）、Nesterov平滑技术	生成模型	NA	NA	NA	NA	NA	NA
296	2025-12-13	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	本文提出了一种增强的扩散后验采样框架，用于儿科低剂量CT图像的降噪，以提升临床泛化能力	提出结合一步去噪U-Net与无条件扩散模型的E-DPS框架，利用U-Net提供结构约束，扩散模型增强真实感与泛化性，并引入中间阶段初始化策略以减少采样步数	未明确说明在极低剂量或运动伪影严重情况下的性能，以及模型在不同医疗机构设备间的泛化能力验证	开发一种具有强临床泛化能力的低剂量CT图像降噪方法，以减少儿科患者的辐射暴露	儿科患者的全身正电子发射断层扫描与计算机断层扫描（PET/CT）图像	计算机视觉	儿科疾病	计算机断层扫描（CT）	扩散模型, U-Net	医学图像（CT图像）	NA	NA	U-Net	峰值信噪比（PSNR）	NA
297	2025-12-13	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出一种结合图注意力融合与Kolmogorov-Arnold网络的方法dgKAN，用于预测药物-基因相互作用	通过构建可解释的KAN网络解析药物-基因关系中的异构注意力相互影响，并融合全局与局部注意力机制	NA	预测药物-基因相互作用以辅助疾病治疗的药物开发	药物与基因	机器学习	NA	NA	Transformer, GNN	图数据	NA	NA	Transformer, GNN, KAN	NA	NA
298	2025-12-13	Reinforcement Learning-based Sequential Parameter Tuning for Image Signal Processing 2025-Dec-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642837 PMID:41379910	研究论文	本文提出了一种基于强化学习的图像信号处理参数优化模型，用于自动调整硬件ISP参数以生成高质量RGB图像	首次将硬件ISP参数调优建模为序列优化问题，并引入单智能体强化学习和协作多智能体强化学习框架，探索ISP模块序列结构和参数耦合关系对调优过程的影响	未明确说明模型在极端光照或噪声条件下的鲁棒性，且训练数据需求虽少但具体数据量未详细说明	优化硬件图像信号处理参数调优过程，提高图像质量并适应不同下游任务	硬件ISP模块及其可调参数	计算机视觉	NA	强化学习	强化学习	图像	NA	NA	SARL-ISP, MARL-ISP	定量指标, 定性评估	NA
299	2025-12-13	A Multi-modal Contrastive Learning Framework for Cyclic Peptide Permeability Prediction 2025-Dec-11, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643437 PMID:41379908	研究论文	本文提出了一个名为MCPerm的多模态深度学习框架，通过整合1D SMILES、2D拓扑和3D几何信息来预测环肽的细胞膜渗透性	提出了一种新颖的多模态共享和对比学习策略，通过微调预训练的肽语言模型、使用参数共享图变换器以及双对比学习机制，实现了模态内和模态间的表示一致性，从而提升了预测准确性	未明确提及模型在更大规模或更复杂数据集上的泛化能力，以及计算资源消耗的具体分析	开发一个计算框架以准确预测环肽的细胞膜渗透性，从而加速可渗透细胞膜的环肽药物的理性设计与发现	环肽分子	机器学习	NA	深度学习，对比学习	Transformer	SMILES序列，拓扑结构，几何结构	基于基准PAMPA数据集及三个独立测定数据集（Caco-2, MDCK, RRCK），具体样本数量未明确说明	未明确指定，可能涉及PyTorch或TensorFlow	图变换器，预训练肽语言模型	未明确列出具体指标，但提及达到了最先进的性能	未明确说明
300	2025-12-13	Unveiling Fine-grained Deceptive Patterns in Multi-modal Fake News: An Explainable Neuro-Symbolic Framework with LVLMs 2025-Dec-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3642831 PMID:41379920	研究论文	本文提出了一种可解释的神经符号框架GE-NSLM，用于检测多模态假新闻并揭示其背后的细粒度欺骗模式	从解释假新闻如何被制造的角度出发，首次定义了四种欺骗模式，并提出了结合大型视觉语言模型与符号逻辑规则的神经符号潜在模型	未明确说明模型在跨领域或新兴欺骗模式上的泛化能力，也未讨论计算效率问题	开发一种既能准确检测多模态假新闻，又能提供可解释性洞察（即欺骗模式）的方法	多模态（图文）假新闻	自然语言处理,计算机视觉	NA	大型视觉语言模型,变分推断,弱监督学习	神经符号模型,潜在变量模型	多模态数据（图像和文本）	NA	NA	GE-NSLM（神经符号潜在模型）	竞争性性能（具体指标未说明）	NA