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
321	2025-12-13	Deep learning-based fusion of nuclear segmentation features for microsatellite instability and tumor mutational burden prediction in digestive tract cancers: a multicenter validation study 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf580 PMID:41214872	研究论文	本研究开发了一种基于深度学习的框架，通过融合核分割特征，直接从H&E染色全切片图像预测消化系统癌症的微卫星不稳定性和肿瘤突变负荷状态	首次将核分割特征与图像特征融合，通过多模态紧凑双线性池化技术，显著提升了MSI和TMB预测的准确率，并在多中心数据上进行了验证	研究主要基于TCGA和单一外部医院数据集，样本来源和多样性可能有限，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种低成本、高效率的深度学习方法，替代传统的测序技术，用于预测消化系统癌症的MSI和TMB状态	胃癌和结直肠癌患者的H&E染色全切片图像	数字病理学	胃癌, 结直肠癌	H&E染色, 全切片成像	深度学习	图像	TCGA数据集：MSI预测涉及350例胃癌和376例结直肠癌；TMB预测涉及400例胃癌和387例结直肠癌；外部验证使用中日友好医院的结直肠癌数据集	CLAM, Hover-Net	多模态紧凑双线性池化, 六种不同的深度学习模型	AUC, 召回率	NA
322	2025-12-13	Improving Detection of Intrahepatic Cholangiocarcinoma with a Contrast-enhanced US-based Deep Learning Model 2025-Nov, Radiology. Imaging cancer DOI:10.1148/rycan.250078 PMID:41236388	研究论文	本研究开发了一种基于对比增强超声（CEUS）的深度学习模型，用于辅助放射科医生诊断肝内胆管癌（iCCA）	开发了首个基于多中心CEUS数据的深度学习模型，用于iCCA诊断，并证明了该模型能显著提升初级和中级放射科医生的诊断水平，使其达到与高级放射科医生相当的水平	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床效用	开发一种基于深度学习的辅助诊断工具，以提高肝内胆管癌（iCCA）的诊断准确性	肝内胆管癌（iCCA）患者	数字病理	肝内胆管癌	对比增强超声（CEUS）	深度学习模型	超声图像	训练集804例，验证集344例，外部测试集A 153例，外部测试集B 240例，总计1148例CEUS检查	未明确指定，可能为PyTorch或TensorFlow	BNInception, MobileNet-v2, ResNet-50, VGG-19	AUC（受试者工作特征曲线下面积）	NA
323	2025-12-13	Optimised machine learning for time-to-event prediction in healthcare applied to timing of gastrostomy in ALS: a multi-centre, retrospective model development and validation study 2025-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105962 PMID:41075354	研究论文	本研究开发并验证了一个用于预测肌萎缩侧索硬化症患者胃造口术时机的机器学习模型	采用贝叶斯框架优化了超过5000种预测模型配置，包括样条模型和深度学习模型，并利用外部验证队列在多个人群和临床环境中验证了模型性能	需要前瞻性研究才能进入常规临床实践	预测肌萎缩侧索硬化症患者胃造口术的时机	肌萎缩侧索硬化症患者	机器学习	肌萎缩侧索硬化症	NA	深度学习	临床测量数据	训练集3000名患者（欧洲），验证集299名患者（美国）和215名患者（瑞典）	NA	逻辑风险深度学习模型	中位数绝对误差, AUROC	NA
324	2025-12-13	A deep learning-based automated detection of mucus plugs in chest computed tomography 2025-Nov, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00377-2025 PMID:41367647	研究论文	本文提出了一种基于深度学习的自动化方法，用于在胸部计算机断层扫描中检测黏液栓	开发了一种创新的深度学习模型，首次实现胸部CT中黏液栓的自动化检测，提高了诊断效率和准确性	NA	旨在通过自动化工具辅助临床医生更快速、准确地识别胸部CT中的黏液栓，以改善呼吸系统疾病的诊断	胸部计算机断层扫描图像	计算机视觉	呼吸系统疾病	计算机断层扫描	深度学习模型	图像	NA	NA	NA	NA	NA
325	2025-12-13	Covid-19 diagnosis using privacy-preserving data monitoring: an explainable AI deep learning model with blockchain security 2025-Nov, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2542273 PMID:40846653	研究论文	提出一种结合深度学习、可解释人工智能与区块链技术的隐私保护COVID-19诊断框架	提出HCTR-MGR新型诊断框架，首次将卷积循环注意力迁移学习、改进型大蔗鼠优化算法与基于信任的许可区块链相结合，实现安全、可解释且高性能的COVID-19诊断	仅使用胸部X光数据集进行验证，未在更广泛的多模态医疗数据或实时临床环境中测试	开发安全、透明且高性能的COVID-19自动诊断系统	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN, 注意力机制, 迁移学习	图像	两个基准胸部X光数据集（具体数量未说明）	NA	ResNeXt, HCTR-MGR（异构卷积循环注意力迁移学习ResNeXt与改进型大蔗鼠优化）	准确率, 精确率, 召回率, 特异性, F1分数	NA
326	2025-12-13	Application of thin-slice and accelerated T1-weighted GRE sequences in 1.5T abdominal magnetic resonance imaging using deep learning image reconstruction 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064005 PMID:41383277	研究论文	本研究比较了标准梯度回波序列与两种基于深度学习图像重建的加速T1加权梯度回波序列在1.5T腹部磁共振成像中的性能	应用深度学习图像重建技术于加速和高分辨率的T1加权梯度回波序列，显著减少了采集时间并提高了图像质量	研究样本量较小（50名患者），且诊断信心和病变检测能力在序列间无显著差异	评估深度学习图像重建在腹部磁共振成像中减少采集时间和提高图像质量的效果	50名接受1.5T腹部磁共振成像的患者	医学影像	NA	磁共振成像，深度学习图像重建，并行成像，部分傅里叶采样	深度学习	磁共振图像	50名患者	NA	NA	噪声、伪影、锐度/对比度、整体图像质量、诊断信心（使用李克特量表1-5分评估）	NA
327	2025-12-13	Tripartite strategy for dual reduction of radiation and iodine dose in obese CCTA: High-iodine contrast, 80 kVp, and deep learning reconstruction 2025-Oct-31, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045725 PMID:41261582	研究论文	本研究评估了一种结合高碘浓度造影剂、80 kVp扫描和深度学习图像重建的三联低剂量策略，用于肥胖患者的冠状动脉CT血管成像，旨在同时降低辐射和碘剂量并保持诊断质量	首次在肥胖患者中联合应用高碘浓度造影剂、80 kVp扫描和深度学习图像重建，实现辐射剂量和碘负荷的双重显著降低，同时维持甚至改善图像质量和诊断准确性	单中心前瞻性试验，样本量相对较小（100例患者），且诊断性能验证仅在20例患者的亚组中进行，可能限制结果的普遍性	开发并验证一种在肥胖患者冠状动脉CT血管成像中同时降低辐射暴露和碘负荷的低剂量策略，同时确保诊断图像质量	肥胖患者（BMI ≥30 kg/m²）	医学影像	心血管疾病	冠状动脉CT血管成像，深度学习图像重建	深度学习模型	CT图像	100例肥胖患者（低剂量组50例，标准剂量组50例），其中20例亚组进行有创冠状动脉造影对比	NA	NA	图像噪声，信噪比，对比噪声比，主观图像质量评分（5分制），诊断准确性，灵敏度，阴性预测值	NA
328	2025-12-13	The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg) 2025-Oct-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05975-w PMID:41145519	研究论文	本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准	发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型	数据集仅包含单中心数据，可能限制模型的泛化能力	为颈椎研究提供数据资源，并建立分割任务的基准	颈椎磁共振成像（MRI）	数字病理学	颈椎疾病	磁共振成像（MRI）	深度学习分割模型	图像	1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注	NA	NA	Dice系数	NA
329	2025-12-13	A knowledge-driven deep learning framework for organoid morphological segmentation and characterization 2025-Oct-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02411-8 PMID:41121276	研究论文	本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征	提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析	NA	开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化	类器官	计算机视觉	NA	明场显微镜成像	Transformer	图像	大规模类器官数据集，涵盖多种组织类型和显微成像设置	NA	多模态Transformer	NA	NA
330	2025-12-13	Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504164122 PMID:41055996	研究论文	本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率	将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一	模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证	探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块	小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5）	机器学习, 神经形态计算	NA	生物物理真实建模, 神经形态硬件映射	Vision Transformer, 基于电导的神经网络	图像数据	NA	NA	Vision Transformer, sWTA模块	准确率, 泛化性能, 训练计算量	IBM TrueNorth神经形态芯片
331	2025-12-13	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-Oct, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	评论	本文探讨了人工智能在鼻整形术中的应用及其潜在影响，包括术前规划、患者沟通以及相关的伦理和医学法律问题	深入分析了AI在鼻整形术中的创新应用，如深度学习与GANs用于预测术后结果，并强调了其局限性及伦理考量	AI无法考虑个体愈合过程、组织行为和长期鼻部重塑，且存在预测偏差、强化不切实际的美学标准等伦理问题	评估人工智能在鼻整形术中的角色，探讨其作为辅助工具而非替代外科专业知识的合理性	人工智能技术在鼻整形术中的应用及其对患者和医疗实践的影响	数字病理学	NA	深度学习, 生成对抗网络(GANs)	深度学习模型, GANs	图像数据	NA	NA	NA	NA	NA
332	2025-12-13	Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study 2025-Oct, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03570-x PMID:40794157	研究论文	本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估	首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注	研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳	比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能	通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎	数字病理	生殖医学	时差成像视频分析	深度学习	视频	第3天移植胚胎2965个，第5天及以上移植胚胎6970个	未提及	iDAScore V2	AUC	未提及
333	2025-12-13	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程	首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系	未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况	开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率	光声层析成像的原始传感器数据（正弦图）	计算机视觉	NA	光声层析成像	全连接网络, Swin-UNETR	图像, 传感器数据	NA	NA	全连接网络, Swin-UNETR	峰值信噪比, 结构相似性指数	NA
334	2025-12-13	[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions] 2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences DOI:10.11817/j.issn.1672-7347.2025.250389 PMID:41382998	综述	本文综述了非侵入式脑机接口技术在载人航天任务中的应用前景与技术挑战	系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复等全任务周期的应用范式，并前瞻性地探讨了与深度学习、虚拟现实及机器人技术融合的智能人机协作模型	面临信号鲁棒性不足、系统适应性有限及数据处理效率欠佳等技术挑战	探讨非侵入式脑机接口技术在载人航天任务中的应用潜力与实现路径	航天员在长期载人航天任务中的生理、心理及认知功能	脑机接口	NA	非侵入式脑机接口技术，多模态生理信号采集	深度学习算法	神经信号，多模态生理信号	NA	NA	NA	NA	NA
335	2025-12-13	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补	提出了一个无参考框架，结合基因组语言模型联合处理空间转录组数据的噪声和缺失问题，并作为模型预训练和新生物信号发现的强有力工具	NA	克服空间转录组数据中高噪声水平和基因测量缺失的挑战，提升数据质量和分析能力	空间转录组数据	机器学习	NA	空间转录组学	深度学习框架	空间转录组数据	NA	NA	基因组语言模型	NA	NA
336	2025-12-13	Integrative Analysis of Multi-Omics Data for Biomarker Discovery 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/EMBC58623.2025.11254134 PMID:41336317	研究论文	本文通过整合代谢组学、脂质组学、肽组学、蛋白质组学和糖蛋白组学数据，探索统计和深度学习方法，以发现区分肝细胞癌与肝硬化对照的多组学生物标志物	采用多组学整合分析方法，结合统计和深度学习技术，从血清样本中识别肝细胞癌与肝硬化的差异特征，并揭示相关生物通路如LXR/RXR激活和急性反应信号	样本量较小（仅20例肝细胞癌和20例肝硬化患者），可能影响结果的普遍性和统计效力	发现区分肝细胞癌与肝硬化的多组学生物标志物，以改善疾病预测和个性化治疗	肝细胞癌和肝硬化患者的血清样本	机器学习	肝细胞癌	LC-MS/MS分析	深度学习	多组学数据（代谢组学、脂质组学、肽组学、蛋白质组学、糖蛋白组学）	40个血清样本（20例肝细胞癌，20例肝硬化）	NA	NA	NA	NA
337	2025-12-13	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）在临床现实的合成患者队列中进行心血管风险预测，并将预测结果转化为可操作的临床建议	研究基于合成患者队列，可能无法完全反映真实世界数据的复杂性	支持初级保健中的心血管风险分层，以增强早期干预策略	合成患者队列，包括人口统计学和临床变量	机器学习	心血管疾病	NA	LSTM, GRU	序列数据	NA	NA	LSTM, GRU	NA	NA
338	2025-12-13	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测	提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调	研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感	开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断	孤独症谱系障碍患者与非患者的图像样本	计算机视觉	孤独症谱系障碍	图像模式识别	CNN, Transformer	图像	文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本	NA	ResNet-50, ViTSwin	准确率	NA
339	2025-12-13	NLP-enriched social determinants of health improve prediction of suicide death among the Veterans 2025-Mar-31, Research square DOI:10.21203/rs.3.rs-5067562/v1 PMID:40235516	研究论文	本研究探讨了通过自然语言处理（NLP）和ICD编码提取的社会行为健康决定因素（SBDH）对退伍军人精神病院出院后自杀死亡预测模型的性能提升作用	创新性地将NLP从非结构化临床记录中提取的SBDH信息与ICD编码信息结合，用于提升自杀死亡预测模型的性能、校准度和公平性	研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能仍有提升空间（AUROC约64%）	评估社会行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院患者的自杀死亡预测	2017年1月1日至2019年7月1日期间从129家美国退伍军人健康管理局（VHA）精神病院出院的197,581名退伍军人，共计414,043次出院记录	自然语言处理	精神疾病	自然语言处理（NLP），ICD编码分析	集成机器学习模型，基于Transformer的深度学习基础模型	文本（非结构化临床记录），结构化管理数据	197,581名退伍军人的414,043次出院记录	NA	TransformEHR	灵敏度，阳性预测值（PPV），受试者工作特征曲线下面积（AUROC），校准分析	NA
340	2025-12-13	Principles of artificial intelligence in radiooncology 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	综述	本文是一篇针对放射肿瘤学领域的人工智能深度学习原理的全面指南	以易于理解的方式，专门为放射肿瘤学定制，系统阐述了深度学习的技术原理，填补了该领域缺乏易懂综述的空白	NA	阐明深度学习在放射肿瘤学中的技术原理，旨在弥合复杂技术概念与临床实践之间的差距	深度学习模型及其在放射肿瘤学中的应用	机器学习	NA	NA	MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习	NA	NA	NA	NA	NA	NA