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
301	2026-05-15	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	开发并评估一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移，并利用SHAP增强模型可解释性	首次将临床、PET/CT影像组学和ResNet50深度学习特征结合，通过XGBoost算法构建综合预测模型，并运用SHAP方法提升模型可解释性，为术前无创预测淋巴结转移提供新方法	样本量相对较小（248例），且为单中心回顾性研究，可能限制模型的泛化能力	开发一种可解释的机器学习模型，通过整合PET/CT影像中的临床、影像组学和深度学习特征，提高非小细胞肺癌淋巴结转移预测的准确性	非小细胞肺癌患者术前18F-FDG PET/CT影像数据及其临床信息	机器学习	肺癌	18F-FDG PET/CT影像学	XGBoost	医学影像（PET/CT）	248例非小细胞肺癌患者	NA	ResNet50	AUC, Accuracy, F1-score, Sensitivity, Specificity	NA
302	2026-05-15	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究基于乳腺MRI和超声的纵向多模态深度学习，预测乳腺癌患者新辅助化疗后的病理完全缓解	首次利用纵向多模态深度学习（结合MRI和超声）预测乳腺癌新辅助化疗反应，并整合临床数据构建堆叠模型实现高精度预测	NA	早期无创预测乳腺癌患者新辅助化疗的反应，以制定个性化治疗方案	乳腺癌患者的新辅助化疗反应（病理完全缓解）	医学影像分析，深度学习	乳腺癌	MRI，超声	ResNet50，堆叠模型	图像（MRI和超声）	448例患者，来自三个中心	NA	ResNet50	AUC，准确率，灵敏度，特异度	NA
303	2026-05-15	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	综述	综述了使用机器学习方法预测血脑屏障通透性的最新进展	全面梳理了机器学习在神经系统疾病药物开发中预测血脑屏障通透性的最新应用，强调其作为传统细胞和动物模型的高效替代方案	未提及具体模型性能比较或局限性分析，可能因综述范围所致	回顾和总结机器学习在预测血脑屏障通透性方面的应用，以提高药物开发效率和准确性	血脑屏障通透性预测模型	机器学习	神经系统疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
304	2026-05-15	An explainable deep learning model for diabetic foot ulcer classification using swin transformer and efficient multi-scale attention-driven network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87519-1 PMID:39900977	研究论文	提出一种基于Swin Transformer和高效多尺度注意力驱动网络的双轨融合模型，用于糖尿病足溃疡分类，并集成可解释人工智能	首次采用Swin Transformer与Efficient Multi-Scale Attention-Driven Network (EMADN) 双轨架构进行糖尿病足溃疡分类，结合轻量级多尺度可变形混洗和全局扩张注意力模块进行特征提取，并引入Grad-CAM可解释人工智能方法	NA	开发一种高效自动化的深度学习模型，用于糖尿病足溃疡的准确分类，辅助医疗专业人员诊断	糖尿病足溃疡分类任务，使用DFUC-2021数据集	计算机视觉	糖尿病	NA	混合模型（Swin Transformer与CNN组合）	图像	NA（使用DFUC-2021数据集）	NA	Swin Transformer, Efficient Multi-scale Attention-Driven Network (EMADN), Grad-CAM	准确率, 宏观F1分数	NA
305	2026-05-15	Enhancing depression recognition through a mixed expert model by integrating speaker-related and emotion-related features 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88313-9 PMID:39900968	研究论文	提出一种混合专家模型，通过整合说话人相关和情感相关特征来提升抑郁症识别性能	首次在抑郁症识别中分离并融合说话人相关特征和情感相关特征，采用混合专家模型和多领域自适应算法，在跨语言数据集中表现优异	仅使用语音信号，未结合其他模态信息；自建中文数据集规模可能有限；MAE值在AVEC2014数据集上仍有优化空间	通过融合说话人相关和情感相关的语音特征，提高抑郁症自动识别的准确性并解决跨语言文化差异问题	抑郁症患者的语音信号	机器学习	抑郁症	语音特征提取、迁移学习、多领域自适应	混合专家模型（MoE）	语音数据	自建中文抑郁症数据集（数量未明确）和AVEC2014数据集	PyTorch	时延神经网络（TDNN）	准确率、平均绝对误差（MAE）	NA
306	2026-05-15	Synchronization-based graph spatio-temporal attention network for seizure prediction 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88492-5 PMID:39901056	研究论文	提出了一种基于同步的图时空注意力网络用于癫痫发作预测	首次将图时空注意力网络与同步机制相结合，有效捕捉癫痫发作期间的时空相关性和个体间差异	未提及计算资源需求及模型泛化性验证	提高癫痫发作预测的准确性和可靠性，特别是针对难以分类的受试者	癫痫患者脑电图（EEG）记录中的发作前兆信号	机器学习	癫痫	EEG记录	图注意力网络	脑电图信号	CHB-MIT公共数据集	NA	图时空注意力网络（SGSTAN）	准确率, 特异度, 灵敏度	NA
307	2026-05-15	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	开发深度学习预后模型，评估肿瘤内及瘤周影像组学在预测高级别浆液性卵巢癌患者铂类化疗预后中的意义	首次系统评估肿瘤内和瘤周影像组学特征在深度学习模型中的综合预测价值，并分析了不同扩张像素对预测准确性的影响	外部测试集样本量较小（N=26），可能影响模型泛化能力的全面评估	构建基于深度学习的预后模型，预测接受铂类化疗的高级别浆液性卵巢癌患者的无进展生存期	474例高级别浆液性卵巢癌患者的非增强CT扫描图像，来自两个医疗机构	计算机视觉, 数字病理学	卵巢癌	CT扫描	深度学习模型	图像	474例患者（训练集362例，内部测试集86例，外部测试集26例）	NA	NA	风险比, 受试者工作特征曲线	NA
308	2026-05-15	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	通过多参数MRI结合深度学习与生境影像组学预测胶质瘤病理结果的多中心研究	将生境分析与深度学习相结合，提取成像特征并联合临床特征建模，以预测胶质瘤病理结果，较传统影像组学方法获得更好预测性能	临床特征对预测的辅助证据相对较弱	实现更好的胶质瘤病理结果预测	原发性胶质瘤患者的MRI影像、病理报告和临床病史	数字病理学、机器学习	胶质瘤	多参数MRI（T1对比增强和T2加权序列）	LightGBM, SVM, MLP, DenseNet161, ResNet50, Inception_v3	医学影像、文本（病理报告和临床病史）	387例原发性胶质瘤，来自三家医院，其中264例训练集、82例测试集、41例验证集	NA	DenseNet161, ResNet50, Inception_v3, LightGBM, SVM, MLP	NA	NA
309	2026-05-15	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	基于深度学习弹性配准算法改进常规肿瘤PET/CT配准伪影和图像质量的临床试点研究	首次将深度学习弹性配准方法应用于临床常规肿瘤PET/CT，评估其减少配准伪影和改善图像质量的效果	样本量较小（仅30名患者），且未涉及不同示踪剂和扫描协议的广泛验证	评估深度学习弹性配准算法在减少PET/CT配准伪影和改善图像质量方面的临床潜力	30名接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	计算机视觉	肿瘤	PET/CT	深度学习弹性配准算法	图像	30名患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	NA	弹性配准网络	图像质量Likert评分、标准化摄取值、信噪比、肝肺指数	NA
310	2026-05-15	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	建立了一种多模态深度学习列线图，用于预测灰色区域PSA水平患者中的临床显著性前列腺癌，并与临床和影像组学模型进行比较	首次将深度学习特征、PI-RADS评分和临床变量通过混合融合方法整合为多模态列线图，在预测临床显著性前列腺癌方面显著优于传统影像组学和临床模型	未提及模型的外部验证和前瞻性研究设计	建立用于预测灰色区域PSA水平患者中临床显著性前列腺癌的多模态深度学习列线图	2018年1月至2022年12月期间有病理结果的303名PSA处于灰色区域的患者	数字病理学	前列腺癌	NA	深度学习模型、支持向量机（SVM）、XGBoost	双参数磁共振成像（bp-MRI）图像、临床变量、PI-RADS评分	303名患者	NA	NA	AUC、决策曲线分析	NA
311	2026-05-15	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	提出一种基于深度学习和数字微流控的无标记并行细胞分选方法	将深度学习图像识别与微流控操控结合，利用YOLOv8目标检测模型实现精确液滴分类，并结合安全区间路径规划算法实现多目标、无碰撞的液滴路径规划	未提及具体局限性	实现基于形态学的高精度、无标记细胞分选，以支持诊断、治疗和基础细胞生物学研究	HeLa细胞、聚苯乙烯微珠、红细胞、Jurkat细胞、HL-60细胞	计算机视觉, 数字病理学	不适用	数字微流控（AM-DMF）	YOLOv8（目标检测模型）	图像	HeLa细胞和聚苯乙烯微珠用于初步实验，后续扩展至红细胞、Jurkat细胞和HL-60细胞；具体数量未提及	PyTorch（推测，基于YOLOv8框架）	YOLOv8	分选精度（98.5%）、纯度（96.49%）、回收率（80%）	未提及
312	2026-05-15	How to accurately predict nanobody structure: Classical physics-based simulations or deep learning approaches 2025, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2024.12.001 PMID:40973396	研究论文	本文系统比较了基于物理的模拟和深度学习方法在预测不同类别纳米抗体结构中的准确性	针对纳米抗体CDR3结构预测难题，首次系统性比较经典物理模拟（同源建模+分子动力学）与深度学习（AlphaFold2和RoseTTAFold）两种策略在三种结构类别（凹面、环状、凸面）纳米抗体上的表现，并提出纳米抗体与靶蛋白结合需诱导契合机制的观点	仅选取了三种代表性纳米抗体（Nb32、Nb80、Nb35）进行研究，样本量有限	评估不同预测策略对纳米抗体结构预测的准确性，特别是CDR3区域，并为不同类别纳米抗体提供最佳预测方法建议	三种代表性纳米抗体（Nb32、Nb80、Nb35），分别代表凹面、环状和凸面结构类别	机器学习, 计算机视觉	NA	NA	深度学习模型	蛋白质结构数据	3种纳米抗体（Nb32、Nb80、Nb35）	AlphaFold2, RoseTTAFold	AlphaFold2, RoseTTAFold	预测准确度（通过与实验结构比较）	NA
313	2026-05-15	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	提出一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组和MRI数据，用于脑癌诊断	首次将图注意力网络提取的基因组图嵌入与3D DenseNet的MRI特征图通过交叉注意力机制融合，并采用Entmax sigmoid函数增强分类稀疏性和可解释性	论文未明确提及局限性	提高脑癌诊断的准确性、全面性和可解释性	脑癌患者基因组数据和MRI图像	数字病理学	脑癌	MRI, 基因组测序	图注意力网络, 3D DenseNet, 交叉注意力机制	图像（MRI），基因组数据	四个基准数据集，具体数量未提及	PyTorch	GAT, 3D DenseNet, 交叉注意力	准确率, F1分数	NA
314	2026-05-15	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发一种基于深度学习的快速反转恢复采样技术，用于加速二维径向Look-Locker T1映射	通过结合快速T1恢复曲线采样、切片选择性反转、优化切片交错和卷积神经网络T1估计，实现单次屏气内的全腹部T1映射	NA	开发一种能够在单次屏气内高效覆盖腹部的T1映射框架	腹部器官的T1值估计	数字病理学	NA	T1映射	卷积神经网络	图像	21个切片，单次屏气20秒	NA	卷积神经网络	皮尔逊相关系数、重复性系数、变异系数	NA
315	2026-05-15	A Single-Cell Interrogation System from Scratch: Microfluidics and Deep Learning 2024-11-28, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c02745 PMID:39547656	研究论文	为微生物学家提供从零构建微流控和深度学习单细胞实时成像系统的指南	整合微流控芯片制造与深度学习图像处理，使非专业研究者能自行搭建高容量单细胞分析平台	需要基本的微流控知识，且系统定制化程度高，可能不适用于所有微生物实验场景	指导微生物学家构建可记录和分析大量细菌细胞周期的实时成像系统	细菌单细胞	数字病理学	NA	荧光显微镜, 微流控, 深度学习	深度学习模型	图像	数千个细菌细胞周期	NA	NA	NA	NA
316	2026-05-15	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	展示长轴向范围双螺旋点扩散函数在三维体积超分辨成像中的应用	简化了三维单分子超分辨成像的工作流程，利用长轴向范围双螺旋点扩散函数实现无拼接的全细胞成像，并结合深度学习算法提高稠密发射体的定位速度与分辨率	未详细提及局限性，需进一步评估在实际厚样本中的性能限制	优化三维超分辨成像技术，简化厚样本的体积成像流程	荧光珠和U-2 OS细胞中的核纤层蛋白lamin B1	计算机视觉	NA	单分子定位显微镜、DNA-PAINT	深度学习定位算法	图像	荧光珠样本及U-2 OS细胞样本	NA	NA	定位精度、成像速度、分辨率	NA
317	2026-05-15	Approaching artificial intelligence to Hospital Pharmacy 2024-07, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.02.007 PMID:39097366	综述文章	探讨人工智能在医院药学中的应用及其潜在影响	强调人工智能技术（如机器学习、深度学习）如何在医院药房中优化药物管理流程、提升患者安全性和用药效率	未提及具体实验数据或案例验证，缺乏对实际部署挑战和局限性的深入分析	阐述人工智能在医院药学领域的应用前景，推动药学服务智能化转型	医院药学实践中的药物相互作用检测、安全性评估、疗效优化等场景	自然语言处理, 机器学习	不适用	机器学习, 深度学习, 自然语言处理	神经网络（通用）	患者电子健康记录、实验室结果、用药档案等医疗文本数据	不适用	不适用	不适用	不适用	不适用
318	2026-05-15	[Translated article] Introducing artificial intelligence to hospital pharmacy departments 2024-07, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.04.001 PMID:39097375	综述	介绍人工智能在医院药房部门的应用及其潜在影响	系统性地阐述人工智能技术在医院药房中的多维度应用，从药物相互作用检测到临床决策支持	未提供具体实施案例或量化评估结果，缺乏临床验证数据	探讨人工智能如何提升医院药房服务质量、优化流程并促进创新	医院药房部门的药剂师及相关临床工作流程	机器学习	NA	机器学习、深度学习、自然语言处理	神经网络	文本（医疗记录、实验室结果、用药档案）	NA	NA	NA	NA	NA
319	2026-05-15	Deep Learning-Enabled Quantification of 99mTc-Pyrophosphate SPECT/CT for Cardiac Amyloidosis 2024-07-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267542 PMID:38724278	研究论文	利用深度学习量化99mTc-焦磷酸盐SPECT/CT图像以诊断心脏淀粉样变性	首次使用基础深度学习模型从CT衰减图中分割心脏腔室和心肌，并将其应用于衰减校正的SPECT图像，实现全自动体积量化99mTc-焦磷酸盐放射性示踪剂活性	未提及具体限制	评估深度学习方法在全自动定量化评估99mTc-焦磷酸盐SPECT/CT图像中的诊断准确性	疑似转甲状腺素蛋白心脏淀粉样变性（ATTR CA）患者	机器学习的医学影像应用	心脏淀粉样变性	SPECT/CT成像, 99mTc-焦磷酸盐显像, 深度学习分割	基础深度学习模型（用于CT衰减图分割）	CT衰减图, SPECT图像	299名患者（中位年龄76岁，其中83名诊断为ATTR CA）	NA	基础深度学习模型（具体架构未提及）	AUC, 风险比（HR）	NA
320	2026-05-15	Deep learning pipeline for quality filtering of MRSI spectra 2024-07, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5012 PMID:37518942	研究论文	提出一种基于深度学习集成模型的质量过滤管道，用于自动筛选3D磁共振波谱成像中的光谱数据	首次将卷积自编码器与多层感知机网络配对并采用多数投票机制，针对不同光谱表示（实部、虚部、两者结合）进行鲁棒分类，实现高质量光谱自动筛选	对受脂质轻微污染的最少代表类别谱，F1分数较低（0.82），且数据集仅来自一名健康受试者和五名脑肿瘤患者	开发自动化预处理管道，在代谢物定量前过滤低质量光谱并识别可修复的污染光谱	来自一名健康受试者和五名脑肿瘤患者的36,338个大脑光谱数据	数字病理学	脑肿瘤	MRSI, EPSI, SLOW编辑	集成深度学习网络（卷积自编码器 + 多层感知机）	频谱	36,338个光谱（来自1名健康受试者和5名脑肿瘤患者）	NA	卷积自编码器, 多层感知机	F1分数	NA