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
3241	2026-01-07	SpaMWGDA: Identifying spatial domains of spatial transcriptomes using multi-view weighted fusion graph convolutional network and data augmentation 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013667 PMID:41223185	研究论文	本文提出了一种基于多视图加权融合图卷积网络和数据增强的深度学习模型SpaMWGDA，用于空间转录组数据的空间域识别	通过多视图加权融合图卷积网络和数据增强，模型能全面捕获邻域信息、自适应融合关键特征，并减少聚类噪声	未明确说明模型的计算复杂度或对大规模数据的可扩展性限制	开发一种深度学习模型以改进空间转录组数据中的空间域识别	空间转录组数据中的细胞基因表达和空间信息	机器学习	NA	空间转录组学	GCN	基因表达和空间信息数据	NA	NA	多视图加权融合图卷积网络	空间域识别和轨迹推断性能	NA
3242	2026-01-07	DeepADR: multimodal prediction of adverse drug reaction frequency by integrating early-stage drug discovery information via Kolmogorov-Arnold networks 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf695 PMID:41481073	研究论文	本文介绍了一个名为DeepADR的多模态深度学习框架，用于整合早期药物发现信息，通过Kolmogorov-Arnold网络预测药物不良反应的发生和频率	DeepADR通过整合化学结构、生物靶点图谱和基于大语言模型的药物不良反应术语语义表示，并利用Kolmogorov-Arnold网络融合异构数据，增强了多模态间复杂非线性关系的建模，提高了预测性能	未在摘要中明确提及	预测药物不良反应的发生和频率，以支持早期安全评估和候选药物优先排序	药物化合物及其相关的不良反应	机器学习	NA	多模态深度学习，大语言模型	Kolmogorov-Arnold网络	化学结构数据，生物靶点数据，文本语义数据	未在摘要中明确提及	未在摘要中明确提及	Kolmogorov-Arnold网络	未在摘要中明确提及	未在摘要中明确提及
3243	2026-01-07	Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma 2025-Oct-31, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05263-y PMID:41171470	研究论文	本研究通过整合深度学习提取的病理组学特征与临床变量，预测儿童髓母细胞瘤术后永久性脑积水的风险	首次将深度学习提取的病理组学特征与临床特征结合，构建多模态模型以改善儿童髓母细胞瘤术后永久性脑积水的风险分层	研究样本量较小（90例患者），且为单中心回顾性研究，可能限制模型的泛化能力	预测儿童髓母细胞瘤患者术后永久性脑积水的风险，以改善风险分层和个性化管理	18岁以下接受治疗的髓母细胞瘤患者	数字病理学	髓母细胞瘤	H&E染色切片分析	CNN, 逻辑回归	图像, 临床数据	90例患者	PyTorch	ResNet-18	AUC, 平均精确率	NA
3244	2026-01-07	MetaChrome: An Open-Source, User-Friendly Tool for Automated Metaphase Chromosome Analysis 2025-Sep-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.02.673813 PMID:41019638	研究论文	本文介绍了一款名为MetaChrome的开源软件，用于自动化中期染色体分析，包括染色体分割和FISH信号共定位分析	开发了首个结合图形用户界面、基于微调深度学习模型（Cellpose）的开源平台，实现自动化中期染色体分割与FISH信号共定位分析，相比传统图像处理方法提升了分割精度	未明确提及软件在处理非标准染色体图像或大规模数据集时的性能限制，也未讨论模型在不同实验条件下的泛化能力	开发一个开源、用户友好的自动化工具，以解决染色体图像分析中分割与共定位的挑战，促进高通量染色体生物学研究	中期染色体图像，特别是DNA-FISH染色体图像	数字病理学	NA	DNA荧光原位杂交（FISH），高通量成像（HTI）	深度学习模型	图像	使用手动标注的中期染色体数据集进行微调，具体样本数量未明确说明	未明确指定，但基于Cellpose模型	Cellpose	分割精度	未明确说明
3245	2026-01-07	Attention GhostUNet++: Enhanced Segmentation of Adipose Tissue and Liver in CT Images 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254588 PMID:41337067	研究论文	本研究提出了一种名为Attention GhostUNet++的新型深度学习模型，用于从CT图像中自动精确分割腹部脂肪组织和肝脏	将通道、空间和深度注意力机制集成到Ghost UNet++的瓶颈结构中，以增强特征细化、上下文理解和计算效率	在边界细节分割方面存在微小局限	开发一种用于身体成分分析的自动化、精确的医学图像分割方法	腹部脂肪组织（包括皮下脂肪和内脏脂肪）以及肝脏	数字病理学	心血管疾病	CT成像	CNN	图像	使用了AATTCT-IDS和LiTS两个公开数据集，具体样本数量未在摘要中说明	NA	Ghost UNet++	Dice系数	NA
3246	2026-01-07	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一个基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿童肉瘤亚型	整合了多中心数据并进行图像协调，系统评估了多种CNN和ViT架构作为特征提取器，并引入了基于SAMPLER的轻量级、快速训练的分类器	研究依赖于特定的多中心数据集，可能未涵盖所有罕见亚型或外部验证中心的变异性	开发一个机器学习驱动的计算管道，以准确分类儿童肉瘤亚型，减少诊断障碍	儿童肉瘤的数字化组织学切片	数字病理学	儿童肉瘤	组织学成像，全切片图像数字化	CNN, ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	UNI, CONCH	AUC	NA
3247	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325947 PMID:40321262	研究论文	本研究提出首个用于妊娠期宫颈3D T2加权图像的自动化多层分割和生物测量深度学习流程	首次开发了针对妊娠期宫颈MRI的自动化深度学习分割与生物测量方法，并构建了公开可用的3D群体平均图谱	仅评估了20个数据集，样本量相对较小，且未明确说明模型在异常病例或不同扫描参数下的泛化能力	开发自动化方法以改进妊娠期宫颈MRI测量，减少人工干预并提高分析效率	妊娠期宫颈的3D T2加权MRI图像	数字病理学	妊娠相关疾病	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于分析	NA	NA	与手动测量比较的性能评估	NA
3248	2026-01-07	A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93473-9 PMID:40133346	研究论文	本文提出了一种多层深度自编码器方法，用于跨层物联网攻击检测	引入多层深度自编码器，利用其分层简化能力提取全局和局部特征的潜在表示，并集成RNN、GNN和TCN等深度学习算法以增强检测能力	NA	解决物联网网络安全中特征表示、可扩展性和灵活性需求，提升跨层攻击检测效果	物联网网络中的跨层攻击，如网络层的中间人攻击和传输层的分布式拒绝服务攻击	机器学习	NA	深度学习算法	自编码器, RNN, GNN, TCN	网络数据	使用基准数据集和真实场景进行广泛模拟	NA	多层深度自编码器	检测准确率, 误报率	NA
3249	2026-01-07	Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses 2025-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56784-z PMID:39915478	研究论文	本研究开发了基于术前多期CT图像的深度学习模型，用于预测肾肿块恶性和侵袭性病理特征	首次使用多期卷积神经网络从CT图像中预测肾肿块的恶性和侵袭性，其性能超越了资深放射科医生、放射组学模型及肾测量评分列线图	研究仅基于单一机构的回顾性和前瞻性数据，未在外部验证集上进行测试，且样本量相对有限	改善肾肿块的诊断，区分良性肿块与侵袭性癌症，以优化治疗决策	肾肿块患者及其术前CT图像	计算机视觉	肾癌	计算机断层扫描（CT）	CNN	图像	4557名患者的13261个术前CT体积	NA	多期卷积神经网络	AUC	NA
3250	2026-01-07	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个通用的网络平台，支持所有生物体（包括人类、植物、动物和病毒）的多组学数据分析，并集成了自动超参数调优和高性能计算资源	未明确提及平台的具体性能限制或数据规模上限	构建一个易于使用的深度学习框架，以促进表型预测和生物标志物发现的研究	所有生物体的多组学数据，包括人类、植物、动物和病毒	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
3251	2026-01-07	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文综述了人工智能在输血医学中的应用、机遇、挑战及未来方向	系统性地探索了AI工具（包括机器学习、深度学习、自然语言处理和预测分析）在输血医学多个领域的整合潜力	当前应用大多处于探索性阶段，且面临临床工作流变异性、算法透明度、公平获取以及数据隐私与偏见等伦理挑战	探讨人工智能在输血医学中的整合应用，以应对长期存在的挑战并推动精准医学发展	输血医学的多个领域，包括供者管理、血液产品质量优化、输血需求预测和出血风险评估等	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	NA	NA	NA	NA	NA	NA
3252	2026-01-07	FastKAN-DDD: A novel fast Kolmogorov-Arnold network-based approach for driver drowsiness detection optimized for TinyML deployment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332577 PMID:41191636	研究论文	本文提出了一种基于快速Kolmogorov-Arnold网络的新型驾驶员疲劳检测模型FastKAN-DDD，并针对TinyML部署进行了优化	首次将FastKAN架构应用于驾驶员疲劳检测领域，结合可学习的径向基函数非线性激活函数，并通过后训练量化技术实现了极低的计算开销和内存占用	研究仅使用了UTA-RLDD单一数据集进行验证，未在更广泛的实际驾驶场景中进行测试	开发适用于资源受限嵌入式系统的轻量级、可解释、高性能驾驶员疲劳检测模型	驾驶员疲劳状态检测	机器学习	NA	后训练量化（动态范围、float-16、仅权重量化）	FastKAN（快速Kolmogorov-Arnold网络）	图像数据（来自UTA-RLDD数据集）	UTA-RLDD数据集（具体样本数量未在摘要中说明）	NA	FastKAN（基于径向基函数的可学习激活函数）	准确率, 推理延迟, 内存占用	微控制器系统（TinyML部署环境）
3253	2026-01-07	Revolutionizing healthcare: a comparative insight into deep learning's role in medical imaging 2024-12-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71358-7 PMID:39632902	研究论文	本文系统探讨了深度学习在医学影像中的应用，特别关注阿尔茨海默病MRI分类，并提出了一个结合云计算的创新框架	设计了一个包含输入层、基于云的预处理与模型执行层以及诊断层的新框架，并系统分析了不同深度学习模型在特定疾病数据集上的性能	未详细讨论其他疾病特定的数据集，且集成模型表现较差	比较深度学习模型在医学影像分析中的角色，特别针对阿尔茨海默病的MRI分类	阿尔茨海默病的MRI扫描图像	计算机视觉	阿尔茨海默病	磁共振成像	CNN, VGG-16, 集成模型	图像	NA	NA	CNN, VGG-16	测试准确率	云计算
3254	2026-01-07	A novel optimization-driven deep learning framework for the detection of DDoS attacks 2024-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77554-9 PMID:39543174	研究论文	本文提出了一种基于优化驱动深度学习框架的DDoS攻击检测方法	结合条件生成对抗网络进行数据平衡，并采用堆叠稀疏去噪自编码器与萤火虫-黑寡妇混合优化算法进行攻击分类	仅使用单一数据集进行验证，未在更广泛网络环境中测试	开发高效的入侵检测系统以识别DDoS攻击	云计算或网络环境中的DDoS攻击流量	机器学习	NA	深度学习	CGAN, SSDAE	网络流量数据	CICDDoS2019数据集	NA	条件生成对抗网络, 堆叠稀疏去噪自编码器	准确率	NA
3255	2026-01-07	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	本文介绍了G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和生物标志物发现	开发了一个交互式网络平台，集成了自动化超参数调优和高性能计算资源，支持多物种多组学数据的深度分析	未提及具体性能评估或用户使用限制	构建一个易于使用的网络工具，以促进基于多组学数据的表型预测和生物标志物发现研究	人类、植物、动物和病毒等多物种的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
3256	2026-01-06	Deep learning diagnosis model of spinal tuberculosis based on CT bone window gradient attention mechanism: multi-center study 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2599329 PMID:41459642	研究论文	本研究基于CT骨窗图像开发了一种深度学习模型，旨在提高脊柱结核的早期诊断准确性	结合CT骨窗梯度注意力机制，改进了ResNet50网络，构建了端到端的深度学习诊断模型，专注于提取骨小梁微骨折和钙化轮廓梯度等特征	NA	提高脊柱结核的早期诊断准确性	脊柱结核患者	计算机视觉	脊柱结核	CT成像	CNN	图像	1027例多中心回顾性数据	NA	U-Net, ResNet50	AUC, 准确率, 灵敏度	NA
3257	2026-01-06	Functional near-infrared spectroscopy-based computer-aided diagnosis of major depressive disorder using explainable artificial intelligence: Comparison with conventional machine learning 2026-Mar-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120985 PMID:41422962	研究论文	本研究开发了一种基于可解释人工智能的功能性近红外光谱计算机辅助诊断模型，用于识别重度抑郁症患者与健康对照者之间的脑半球间不对称性差异	首次将可解释人工智能技术（如层相关传播）应用于功能性近红外光谱数据，以可视化深度学习模型的决策过程，并揭示重度抑郁症患者脑功能不对称性的关键特征	样本量相对较小（共116名参与者），且仅基于单一言语流畅性任务的数据，可能限制了模型的泛化能力	开发并验证一种基于功能性近红外光谱和可解释人工智能的重度抑郁症计算机辅助诊断方法	48名重度抑郁症患者和68名健康对照者	机器学习	重度抑郁症	功能性近红外光谱	CNN	光谱数据	116名参与者（48名患者，68名健康对照）	NA	卷积神经网络	准确率, 灵敏度, 特异性	NA
3258	2026-01-06	Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109161 PMID:41252869	研究论文	本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了一个深度学习放射组学列线图来预测患者总生存期	首次结合3D自动分割模型与深度学习放射组学列线图，用于小细胞肺癌患者的总生存期预测，实现了高精度的病灶分割和多中心验证的预测性能	临床因素的加入未显著提升深度学习放射组学列线图的预测效能，且研究为回顾性设计，可能存在选择偏倚	预测小细胞肺癌患者的总生存期，以支持个性化治疗	小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习	CT图像	1061名来自中国四家医院的小细胞肺癌患者	nnU-Net	nnU-Net	Dice相似系数, 一致性指数, 净重分类改善, 综合判别改善	NA
3259	2026-01-06	A Novel Instance Segmentation Method for Real-Time Detection of Thyroid Nodules in Ultrasound Videos: A Multi-Center Study 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.015 PMID:41253629	研究论文	本文提出了一种用于甲状腺超声视频中实时检测甲状腺结节的新型实例分割方法，通过多中心研究验证其性能	引入可变卷积网络增强结节纹理特征提取能力，提出双向Mamba模块提升视频数据的长程建模能力，结合Sobel边缘算子模块优化结节边界准确性，并定义了检测率指标以评估模型临床效率	NA	提高甲状腺超声视频中多结节实例分割的准确性和检测率	甲状腺超声视频中的多发性甲状腺结节	计算机视觉	甲状腺结节	超声成像	深度学习模型	超声视频	来自多家医院的验证集数据（具体样本数未明确说明）	NA	可变卷积网络, 双向Mamba模块, Sobel边缘算子模块	Dice系数, 检测率	NA
3260	2026-01-06	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文对人工智能在抑郁症诊断中的方法学与临床应用进行了系统性综述	全面梳理了AI驱动抑郁症诊断的最新进展，重点关注多模态数据融合与先进神经网络架构的应用潜力	存在数据集偏差、算法透明度不足、临床适用性有限等挑战	评估人工智能在抑郁症早期检测与分类领域的应用现状与发展方向	抑郁症诊断相关的人工智能系统	机器学习	抑郁症	机器学习、深度学习	NA	语言数据、行为数据、生理数据（来自社交媒体、临床访谈、语音记录、可穿戴设备）	NA	NA	神经网络	诊断准确率	NA