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
3461	2026-08-22	Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133744 PMID:40784375	研究论文	本研究评估了一种深度学习模型在自动分割冠状动脉和斑块组织特征及检测富含脂质斑块方面的可行性和诊断准确性	采用7层U-Net++深度学习模型实现冠状动脉自动分割和组织特征化，并以集成反向散射IVUS作为金标准进行验证	研究为回顾性分析，样本量有限，且模型的敏感性相对较低	评估深度学习模型在斑块分割、组织特征化和脂质丰富斑块识别方面的可行性与诊断准确性	冠状动脉斑块，包括外弹性膜、管腔、导丝伪影，以及脂质、纤维、致密纤维和钙化组织	数字病理学	冠状动脉疾病	血管内超声（IVUS），集成反向散射IVUS（IB-IVUS）	深度学习模型	IVUS图像	训练组：67例患者的1098幅IVUS图像；验证组：88例患者100根血管的1100幅IVUS图像	NA	U-Net++	相关系数R，敏感性，特异性，阳性预测值，阴性预测值，AUC	NA
3462	2026-08-22	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	该研究评估了两种3D卷积神经网络模型在基于脑部结构MRI进行阿尔茨海默病进展二元分类中的性能	比较了全容积方法和区域引导方法两种深度学习模型在AD早期检测中的应用，展示了基于神经解剖学的特征选择与简单全容积处理之间的权衡	研究仅基于ADNI数据集，需要在更多样化的临床人群中进行验证	提高阿尔茨海默病进展的预测精度，以实现早期检测和监测	阿尔茨海默病患者的脑部结构MRI扫描	计算机视觉、深度学习	阿尔茨海默病	MRI	3D卷积神经网络	图像	未明确	NA	3D CNN	验证准确率	NA
3463	2026-08-22	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-12, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计并制造了一种基于二维细胞挤压机械穿孔的高通量微流控装置，并利用深度学习模型分析细胞内递送结果	首次采用二维垂直通孔阵列替代传统一维收缩结构，实现高通量平行单细胞递送，并通过深度学习模型自动化分析单细胞递送效果	摘要中未提及研究的局限性	开发一种高通量细胞内递送平台，并验证其效率和适用性，同时建立自动化分析系统	HeLa细胞、Jurkat细胞、原代人骨髓间充质干细胞（hMSCs）和人牙龈成纤维细胞（hGFs）	微流控、深度学习	不适用	细胞挤压机械穿孔、微流控	深度学习模型（包括实例分割模型）	显微图像	未明确样本数量，但装置含最多62,000个孔，细胞数量以百万计	未明确	实例分割网络（具体架构未明确）	细胞直径、荧光强度	未明确
3464	2026-08-22	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究对比了CT和MRI在肩关节盂影像中的应用，通过深度学习算法自动分割MRI图像，评估其能否替代CT作为首选影像学方法。	开发了一种新型深度学习算法，自动分割MRI图像，并与CT手动分割结果高度一致，证明了MRI在盂肱关节成像中可替代CT，同时提供软组织可视化和避免电离辐射的优势。	研究为回顾性设计，样本量较小，且仅涉及特定MRI序列，可能限制推广性。	评估MRI在肩关节盂成像中是否可替代CT，通过自动分割算法验证其准确性。	肩关节盂的MRI和CT图像	计算机视觉	肩关节不稳	MRI（T1脂肪抑制和VIBE arthrogram序列）、CT	深度学习算法	医学影像（MRI、CT）	39例T1脂肪抑制MRI和25例VIBE MRI关节造影图像	NA	自定义深度学习模型	DICE相似系数、Spearman相关系数	NA
3465	2026-08-22	Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification 2025-Nov-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.2522 PMID:40833775	研究论文	本研究开发了一种人工智能增强心电图风险估算器（AIRE-CHB），用于预测完全性心脏传导阻滞（CHB）的发病风险	首次使用深度学习模型（残差卷积神经网络结合离散时间生存损失函数）进行CHB风险分层，优于传统的双束支传导阻滞风险标准	外部验证仅在UK Biobank志愿队列中进行，可能存在选择偏倚；C指数置信区间较宽，需进一步验证	开发AI-ECG风险估算器（AIRE-CHB）以预测新发完全性心脏传导阻滞（CHB）	完全性心脏传导阻滞（CHB）患者及高危个体	机器学习, 数字病理学	心血管疾病	心电图（ECG）	残差卷积神经网络（Residual CNN）	心电图图像/信号数据	Beth Israel Deaconess Medical Center队列：1,163,401份ECG来自189,539名患者；UK Biobank队列：50,641份ECG	未提及	残差卷积神经网络	C指数, AUROC（曲线下面积）, 调整风险比（aHR）	未提及
3466	2026-08-22	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	本研究开发了一种基于ResNeXt101的深度学习模型，利用苏木精-伊红染色图像预测肺腺癌患者的罕见基因突变状态。	首次利用深度学习模型直接预测肺腺癌中的六种罕见基因突变，并在外部数据集和转移性癌症数据上验证了性能。	样本量相对较小，且模型对某些基因突变（如转移数据集中的部分基因）预测性能较低（AUC 0.72-0.80）。	开发高精度的深度学习模型，通过病理图像预测肺腺癌基因突变，以加速诊断并支持精准医疗。	肺腺癌患者及其苏木精-伊红染色病理图像，以及对应的基因突变状态。	数字病理学、机器学习	肺腺癌	数字病理图像分析	卷积神经网络（CNN）	图像（苏木精-伊红染色的组织病理图像）	两个队列共213名患者（队列1：144名，队列2：69名），另加一个转移性癌症数据集。	NA	ResNeXt101	AUC、准确率、精确率、召回率、F1分数	NA
3467	2026-08-22	Deep learning for disease outbreak prediction: a parallel LSTM-CNN model 2025-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0046 PMID:40829638	研究论文	提出一种并行LSTM-CNN深度学习模型，用于疾病暴发预测的早期预警信号检测	采用并行LSTM-CNN架构，结合模拟动态系统和噪声诱导数据训练模型，以提高噪声环境下疾病暴发预测的鲁棒性	未提供具体局限性信息	开发稳健的早期预警信号模型，以在疾病成为大流行前实施预防措施	疾病暴发时间序列数据，包括模拟数据和真实世界数据（流感、COVID-19、猴痘）	机器学习	传染病	时间序列分类	LSTM-CNN并行模型	时间序列数据	未明确说明，但使用两组模拟数据集和真实世界数据（流感、COVID-19、猴痘）	NA	LSTM, CNN	性能指标未明确指定，但通常包括准确率、精确率、召回率等	NA
3468	2026-08-22	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用基于蛋白质相互作用的稀疏注意力机制，训练长上下文模型以捕获跨蛋白质相互作用，提升嵌入表示质量。	首次将蛋白质语言模型的上下文扩展至整个病毒基因组，采用基于蛋白质-蛋白质相互作用的稀疏注意力机制，支持长达61,000个氨基酸的序列，并优于单蛋白质模型和其他大上下文架构。	未提及明确局限性，可能包括计算资源需求、病毒基因组注释挑战等，但摘要中未详细说明。	通过利用病毒基因组的密集结构和蛋白质相互作用，开发一种长上下文蛋白质语言模型，以捕获跨蛋白质的相互作用并改进蛋白质嵌入表示。	病毒基因组序列及其中编码的蛋白质序列。	机器学习	NA	蛋白质语言模型、稀疏注意力机制	Transformer	基因组序列（氨基酸序列）	未明确指定，但涉及病毒基因组，长度可达61,000个氨基酸。	NA	Transformer	嵌入质量比较（优于其他模型）	NA
3469	2026-08-22	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一种全自动三阶段神经影像处理与机器学习管道，用于快速、自动病灶检测及个性化卒中后结果预测	提出了一种无需手动处理的端到端自动化管道，结合深度学习分割、统计模型预测和大型语言模型报告生成，且将病灶位置信息整合到结果预测中	局限性未在摘要中明确提及，可能包括样本仅限于特定卒中队列、算法对特定扫描条件依赖等	开发一种临床可部署的自动化工具，利用临床影像预测缺血性卒中患者的长期功能结果	成年缺血性卒中患者，其中训练队列为604名局灶性脑损伤患者，独立验证队列为153名缺血性卒中患者	机器学习, 数字病理学	脑血管疾病	MRI	深度学习模型	DICOM影像数据	604名患者用于训练，153名患者用于验证	NA	NA	一致性率	NA
3470	2026-08-22	The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research 2025, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X351048250329170744 PMID:40248921	综述	本文综述了人工智能在心血管疾病风险预测中的变革性作用，包括提高准确性、效率和可及性，并讨论了面临的挑战和未来研究方向	整合了AI在CVD风险预测中的最新进展，包括ML预测心肌梗死后2年生存率、DL预测高血压风险以及AI驱动的ECG分析	AI在CVD风险评估中的广泛采用仍面临挑战，主要由于医疗专业人员缺乏教育和接受度	探讨AI在心血管疾病风险预测中的作用，并促进其临床整合以减轻全球CVD负担	心血管疾病风险预测模型及AI工具	机器学习	心血管疾病	NA	机器学习、深度学习	电子健康记录、心电图数据	NA	NA	NA	准确性	NA
3471	2026-08-22	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究利用光子计数CT和深度学习分割技术，探讨运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析APOE基因型和免疫状态对运动效果的调控。	采用光子计数CT成像与深度学习分割技术进行心脏表型分析，并首次在人类化APOE靶向替换小鼠中研究运动、饮食、基因型及免疫反应的交互作用。	研究在小鼠模型中进行，结果需在人类中验证；未详细报告计算资源的使用情况。	探究运动对高脂饮食诱导的心脏功能障碍的缓解作用，以及APOE基因型和免疫状态如何调节这些作用，为高风险人群的精准生活方式干预提供依据。	251只中老年APOE2、APOE3和APOE4基因型小鼠，并考虑性别、人类化NOS2（HN）介导的先天免疫反应状态、运动状态和饮食因素。	医学影像，深度学习	心血管疾病	光子计数CT成像	3D U-Net	CT图像	251只小鼠	NA	3D U-Net	心脏功能指标（每搏输出量、射血分数、心肌质量）	NA
3472	2026-08-22	Deep learning can predict subgenome dominance in ancient but not in neo/synthetic polyploidized genomes 2024-10, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16979 PMID:39133828	研究论文	利用深度学习构建两种卷积神经网络模型，预测多倍体基因组中的亚基因组优势，并探究其机制	首次将深度学习方法应用于预测亚基因组优势，并区分了古代与新生/合成多倍化过程中的不同预测能力，揭示了启动子序列分化在亚基因组优势中的关键作用	模型无法预测新生/合成多倍化中同源基因对的表达优势，可能受限于新多倍化事件的序列差异不足	探究亚基因组优势的潜在机制，并验证DNA序列与甲基化位点在预测亚基因组优势中的有效性	三个代表性多倍化系统（芸苔属、棉属和葫芦科）中的古代与新生/合成多倍化基因组	深度学习	NA	DNA序列分析、甲基化位点分析	卷积神经网络（CNN）	DNA序列数据、甲基化数据	三个多倍化系统，每个系统包含古代与新生/合成多倍化基因组，具体样本数量未提及	NA	二元表达模型（BEM）和同源对比模型（HCM）	预测准确性	NA
3473	2024-08-07	Cannulation selection in relation to deep learning-based algorithm for the detection of thoracic aortic calcifications 2024-07-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae260 PMID:38960724	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3474	2026-08-22	Deep learning-based facial analysis for predicting difficult videolaryngoscopy: a feasibility study 2024-04, Anaesthesia IF:7.5Q1 DOI:10.1111/anae.16194 PMID:38093485	研究论文	本研究旨在开发一种基于深度学习的面部分析模型，用于预测视频喉镜检查的困难程度	首次将深度学习技术应用于面部图像分析以预测视频喉镜检查困难，相比传统床旁检查和多元评分方法具有更高的预测性能	这是一项可行性研究，样本来源可能有限，且未在外部数据集上进行验证	开发一个人工智能模型，利用神经网络识别面部图像特征，以预测视频喉镜检查的困难程度	5849名接受视频喉镜检查的患者，其中包括5335名非困难和514名困难病例	计算机视觉	非特定疾病（气道管理领域）	深度学习	ResNet-18，LightGBM	图像（面部图像）和临床数据	5849名患者	NA	ResNet-18	AUC，敏感性，特异性	NA
3475	2026-08-22	Data-driven modelling for assessing trophic status in marine ecosystems using machine learning approaches 2024-02-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117755 PMID:38008200	研究论文	本文开发了一种基于机器学习和人工智能的新型营养状态指数评估工具，以提高沿海和过渡水域富营养化评估的可靠性和准确性	引入了改进的数据驱动方法，包括选择相关水质指标、计算ATSI分数和新的分类方案，并利用XGBoost等机器学习算法优化输入数据，减少冗余	未在摘要中明确提及局限性	提高海洋生态系统中营养状态评估的准确性，特别是在过渡和沿海水域	爱尔兰科克港及其他四个爱尔兰水体的营养状态	机器学习	NA	机器学习算法（包括XGBoost等十种算法）	XGBoost等机器学习模型	水质指标数据	四个不同的爱尔兰水体作为案例研究	NA	XGBoost	RMSE, MSE, MAE, R, Nash-Sutcliffe效率（NSE）, 模型效率因子（MEF）	NA
3476	2026-08-22	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究结合街景数据和深度学习技术，识别拉萨市内藏传佛教精神场所的空间分布，并分析其与城市建筑和文化遗址的关系	首次将街景数据和深度学习技术相结合，用于识别和绘制城市空间中藏传佛教精神场所的分布	未明确提及具体局限性	探索藏传佛教精神感知与城市空间的整合，评估城市化对这些精神场所的影响	拉萨市内的藏传佛教精神场所及其与城市景观的关系	计算机视觉, 数字人文	NA	街景数据采集, 深度学习	深度学习模型	图像	未明确提及样本数量	NA	NA	NA	NA
3477	2026-08-22	FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300924 PMID:38768105	研究论文	提出了一种基于深度学习的加氢催化剂图像识别算法FPNC Net，以提高催化剂图像识别的准确性	结合ResNet50骨干网络、空间可分离卷积核、特征金字塔网络（FPN）和注意力模块，以解决催化剂条纹粘附堆叠导致的识别精度低的问题	未提及具体限制	实现加氢催化剂图像的高效智能识别，辅助筛选高性能催化剂载体	加氢催化剂图像	计算机视觉	NA	深度学习	CNN	图像	未提及具体样本数量	NA	ResNet50, FPN	准确率（Accuracy），平均精度（AP）	NA
3478	2026-08-22	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究应用机器学习方法自动标记广播媒体中与自杀相关的内容，以评估其潜在危害或保护作用。	首次将机器学习应用于广播媒体（电视和广播）自杀相关内容的检测，并评估了从简单到复杂的多种分类任务的性能。	模型性能依赖于训练样本数量，对于多分类任务（如确定主要焦点）的F1分数较低（0.58）。	开发机器学习模型以大规模筛查广播媒体中自杀相关报道，促进自杀预防。	美国俄勒冈州和华盛顿州44个广播来源的2519份英文转录文本。	自然语言处理	自杀预防（精神健康）	文本分类	线性SVM, BERT	文本	2519份广播转录文本	Scikit-learn, PyTorch（推理）	TF-IDF + 线性SVM, BERT	F1分数	未提及（推断在标准GPU上进行训练）
3479	2026-08-22	Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300746 PMID:38722916	研究论文	本文提出了一种基于多模态深度学习S-DNet模型的冬小麦关键生育期干旱胁迫监测方法，结合图像和气象数据，平均识别准确率达96.4%	首次将WSN传感器获取的气象干旱指数SPEI与深层图像学习数据相结合，构建多模态深度学习模型，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测	未提及具体限制	解决传统干旱监测方法的滞后性和局限性，实现冬小麦关键生育期干旱胁迫的精准监测	冬小麦在起身-拔节期、抽穗-开花期和开花-成熟期的干旱胁迫图像及对应的土壤水分监测数据	计算机视觉, 机器学习	干旱胁迫（非疾病，但属于农业灾害）	图像采集、WSN传感器、气象干旱指数SPEI	深度学习模型（DenseNet-121为基础）	图像、气象数据	未提及具体样本量，但包含各生育期的干旱胁迫图像和对应的土壤水分数据	未提及	DenseNet-121, S-DNet	准确率	未提及
3480	2026-08-22	PandoGen: Generating complete instances of future SARS-CoV-2 sequences using Deep Learning 2024-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011790 PMID:38241392	研究论文	本文提出一种名为PandoGen的深度学习方法，用于生成未来SARS-CoV-2病毒蛋白序列的完整实例，以预测疫情中可能出现的变异株	提出PandoGen方法，结合合成数据生成、条件序列生成和基于奖励的学习，使蛋白质语言模型适应疫情预测任务，显著优于较大模型	未在摘要中提及具体局限性	开发一种能在病毒大流行背景下预测未来病毒蛋白序列的深度学习模型，以提前进行预防和治疗准备	SARS-CoV-2刺突蛋白序列	机器学习	新型冠状病毒肺炎（COVID-19）	蛋白质语言模型	蛋白质语言模型	蛋白质序列数据	未在摘要中明确提及样本数量	未在摘要中明确提及	蛋白质语言模型架构，具体未明确	新颖序列数量、病例数、预测谱系数量、序列预算	未在摘要中明确提及