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
361	2026-06-18	A review of multimodal fusion-based deep learning for Alzheimer's disease 2025-06-07, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.035 PMID:40286904	综述	系统综述了基于深度学习的MRI和PET多模态融合在阿尔茨海默病诊断中的最新进展	聚焦2021-2025年最新研究，系统梳理多模态融合技术、深度学习模型及其变体在AD诊断中的应用	数据稀缺与不平衡、跨机构数据异质性等关键挑战	为MRI和PET多模态融合领域提供系统指导，推动早期AD诊断和干预策略发展	阿尔茨海默病患者的MRI和PET多模态影像数据	数字病理学, 机器学习	阿尔茨海默病	MRI, PET	CNN, LSTM, GAN	图像	NA	NA	NA	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
362	2026-06-18	Quantifying axonal features of human superficial white matter from three-dimensional multibeam serial electron microscopy data assisted by deep learning 2025-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121212 PMID:40222502	research paper	利用深度学习辅助的三维多束扫描电子显微镜数据量化人类浅层白质的轴突特征	首次在纳米级分辨率下对大量人类浅层白质组织进行三维重建，并利用深度卷积神经网络自动分割髓鞘和轴突，揭示了轴突在直径和方向上的局部变化	NA	量化人类浅层白质中短程联合纤维的轴突形态特征	人类浅层白质组织样本	digital pathology	NA	multi-beam scanning electron microscopy	deep convolutional neural networks	electron microscopy image	组织体积200×200×112μm，共分割128285个有髓轴突	PyTorch	CNN	NA	NA
363	2026-06-18	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	基于深度学习的三示踪剂单次脑PET成像仿真研究，利用临床数据验证可行性	首次提出基于Swin Transformer的深度学习模型，在单次扫描中分离三种示踪剂信号，实现三重示踪剂PET成像	FTP图像生成效果不佳，需进一步优化；本研究为仿真研究，尚未在实际多示踪剂同时采集场景中验证	探索基于深度学习的单次三重示踪剂脑PET成像协议，简化多示踪剂PET成像并降低辐射暴露	阿尔茨海默氏病神经影像学倡议（ADNI）数据集中的认知正常、轻度认知障碍和痴呆患者	机器学习	阿尔茨海默病	PET成像	Swin Transformer	图像	ADNI数据集中的多名患者	NA	Swin Transformer	MSE, SSIM, PSNR, 敏感性, 特异性, R²	NA
364	2026-06-18	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	利用脑电图和机器学习/深度学习模型高精度估算婴儿大脑年龄，并验证脑年龄差距在评估早期神经发育中的应用	首次将深度学习网络应用于脑电图估算婴儿脑年龄，实现平均绝对误差仅为一个月的高精度预测，并验证了脑年龄差距在临床风险人群（巨头症）中的有效性	NA	开发可靠的脑电图基脑年龄估算方法，量化生物年龄与时序年龄的差距，作为加速或减缓大脑发育的标志	219名3至14个月典型发育婴儿的脑电图记录（深度学习网络使用2628个样本）以及巨头症临床风险人群	机器学习	神经发育疾病	脑电图	深度学习网络	脑电图信号	219名婴儿（2628个记录样本）	NA	深度学习网络	平均绝对误差、相关系数	NA
365	2026-06-18	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	研究论文	提出基于条件变分自编码器的生成模型，用于5T磁共振化学交换饱和转移成像中的B1场不均匀性校正	首次将条件变分自编码器（CVAE）应用于CEST MRI的B1场不均匀性校正，实现了从单次采集生成校正后的Z谱，并且能够泛化到训练集中未包含的B1水平	未提及具体限制	开发一种适用于不同B1水平、无需多次采集的通用B1场不均匀性校正方法	健康人脑的5T磁共振CEST成像数据，以及数值模拟数据	磁共振成像	NA	化学交换饱和转移（CEST）磁共振成像	条件变分自编码器（CVAE）	磁共振Z谱图像数据	数值模拟数据及5T健康人脑成像数据	NA	条件变分自编码器（CVAE）	MTR, [Formula: see text]（3.5 ppm处）	NA
366	2026-06-18	A Novel Management Challenge in Age-Related Macular Degeneration: Artificial Intelligence and Expert Prediction of Geographic Atrophy 2025-05, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.029 PMID:39522752	研究论文	本研究评估了眼科医生与人工智能在预测年龄相关性黄斑变性继发的地理萎缩（GA）进展速度方面的能力，并比较了它们的预测性能	首次直接比较眼科医生与深度学习算法在预测GA个体进展速度上的表现，展示了AI在仅使用OCT影像时的优势	研究样本量有限（134只眼），且来自单一临床试验，可能影响结果的泛化性；AI仅基于OCT影像，未使用其他成像模态	评估眼科医生和人工智能在预测年龄相关性黄斑变性继发的地理萎缩个体进展速度方面的价值与差异	年龄相关性黄斑变性继发的地理萎缩（GA）患者的眼	计算机视觉	年龄相关性黄斑变性	OCT、FAF、NIR成像	深度学习	OCT影像、FAF影像、NIR+OCT影像的组合	134名患者的134只眼，其中53只来自假处理组，81只来自未治疗对侧眼	NA	深度学习算法（未具体说明）	准确率、加权κ系数、一致性指数（c-index）	NA
367	2026-06-18	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-04, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	研究论文	使用OCT血管成像和深度学习模型检测黄斑水肿眼中黄斑新生血管	开发了一种混合多任务卷积神经网络（aiMNV），可从OCTA图像中同时检测和分割MNV，并验证了其高灵敏度和特异性	6×6毫米扫描由于采样密度较低，MNV检测灵敏度低于3×3毫米扫描	评估人工智能算法在多种病因黄斑水肿眼中检测和分割黄斑新生血管的诊断性能	黄斑水肿患者（包括新生血管性年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜静脉阻塞）的114只眼	计算机视觉	黄斑新生血管	OCT血管成像	卷积神经网络（CNN）	图像	112名参与者的114只眼（56只渗出性AMD眼，58只DME或RVO导致黄斑水肿眼）	NA	混合多任务卷积神经网络	灵敏度、特异性、阳性预测值、阴性预测值、交并比、F1分数	NA
368	2026-06-18	Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model 2025-02, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.107165 PMID:39752793	研究论文	开发并验证了一种基于MRI的深度学习模型，用于诊断口腔鳞状细胞癌的淋巴结转移	提出了一个三阶段深度学习模型，结合随机森林分类器，在识别淋巴结转移和降低隐匿性转移率方面表现优异，性能与普通和专科放射科医生相当或更优	NA	开发并验证一种基于MRI的深度学习模型，用于识别口腔鳞状细胞癌患者的淋巴结转移	口腔鳞状细胞癌患者	计算机视觉	口腔鳞状细胞癌	MRI	深度学习模型	图像	来自10家中国医院的723名患者，共45,664张术前MRI图像	NA	三阶段深度学习模型	AUC	NA
369	2026-06-18	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	介绍一种针对婴儿MRI脑部图像分割的深度学习网络BIBSNet，其性能优于传统方法，速度快600倍，且与FreeSurfer兼容	首次提出一个开源、社区驱动的婴儿脑分割深度学习模型，通过数据增强和大规模手动标注图像实现鲁棒性和泛化性，分割速度比传统方法快600倍	未在标题和摘要中明确说明局限性	开发一种鲁棒且可泛化的婴儿脑MRI图像分割方法，以支持典型和非典型脑发育研究	0-8个月龄的婴儿脑MRI图像	深度学习，医学图像分析	不适用	MRI扫描	深度神经网络	MRI图像	90名参与者，年龄0-8个月（中位年龄4.6个月）的MRI脑图像	NA	BIBSNet	Dice相似系数，皮层厚度，静息态连接性，脑区体积	NA
370	2026-06-18	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2025 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	综述	全面回顾联邦学习在青光眼筛查AI模型中的应用，并探讨未来发展方向	首次系统总结联邦学习在青光眼领域中的应用，提出其作为解决数据隐私与模型性能平衡问题的潜在方案	现有研究多集中于概念验证，缺乏大规模、多中心的实际部署经验及标准化评估框架	评估联邦学习在青光眼AI训练中的可行性，并展望其在隐私保护与模型泛化能力上的优势	1990年至2024年间发表的关于联邦学习在青光眼AI中应用的相关文献	机器学习	青光眼	联邦学习	深度学习	医学影像	未明确说明具体样本量	NA	NA	准确率	NA
371	2026-06-18	Shifted windowing vision transformer-based skin cancer classification via transfer learning 2025 Jan-Dec, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2025.100724 PMID:40915182	研究论文	采用转移学习的基于移动窗口视觉变换器的皮肤癌分类方法	提出了基于移动窗口视觉变换器（Swin Transformer）的创新方法，利用注意力机制捕捉全局关系，并引入转移学习优化模型权重参数	未提及具体局限性，但皮肤图像数据集通常有限且不平衡	实现皮肤癌的自动分类，提升跨域适应性和稳健性以应用于临床	皮肤癌图像	计算机视觉	皮肤癌	NA	视觉变换器（Vision Transformer）	图像	NA	NA	移动窗口视觉变换器（Swin Transformer）	NA	NA
372	2026-06-18	Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response From Histologic Slides 2024-10-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.23.02641 PMID:39083703	研究论文	开发深度学习平台DeepHRD，从H&E染色组织切片预测同源重组缺陷和铂类药物反应	首次利用深度学习直接从常规H&E染色组织切片预测同源重组缺陷，无需分子检测，且能跨癌种迁移学习	训练数据主要来自TCGA的乳腺癌和卵巢癌，可能对其他癌种泛化性有限；预测的HRD状态与分子检测结果的一致性有待进一步验证	开发一种无需分子检测的深度学习方法来预测同源重组缺陷，以指导铂类药物和PARP抑制剂治疗	乳腺癌和卵巢癌患者	数字病理学，深度学习	乳腺癌，卵巢癌	H&E染色组织切片	深度学习模型	图像	训练集：1,008例乳腺癌和459例卵巢癌（来自TCGA）；验证集：349例乳腺癌和141例卵巢癌（来自多个独立数据集）	深度学习框架	深度学习架构	AUC，完全缓解，无进展生存期，风险比，总生存期	NA
373	2026-06-18	Predicting the potential associations between circRNA and drug sensitivity using a multisource feature-based approach 2024-10, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18591 PMID:39347936	研究论文	介绍了一种名为SNMGCDA的新型深度学习模型，用于预测环状RNA与药物敏感性之间的潜在关联	结合多种相似性网络和多源特征计算方法（稀疏自编码器、非负矩阵分解、多头图注意力网络）来提取circRNA和药物的特征，并通过多层感知机进行预测	文中未明确提及局限性，但可能包括对数据多样性和计算资源的需求	高效预测circRNA与药物敏感性之间的关联，以支持药物研发和治疗优化	环状RNA（circRNA）和药物敏感性	机器学习	NA	NA	深度学习模型（SNMGCDA）	文本（序列数据）	NA	NA	稀疏自编码器、非负矩阵分解、多头图注意力网络、多层感知机	5折交叉验证和10折交叉验证的性能（与五种最先进方法对比）	NA
374	2026-06-18	Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature 2024-07, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18564 PMID:39046884	研究论文	通过人工智能驱动的干性相关基因签名解析肺腺癌预后和免疫治疗反应	首次整合传统回归、机器学习和深度学习算法构建干性相关基因签名，结合单细胞RNA测序和多重组学数据，全面揭示干性与肿瘤免疫微环境的关系	NA	构建可预测肺腺癌预后和免疫治疗反应的人工智能驱动的干性相关基因签名	肺腺癌上皮细胞的干性相关基因	机器学习	肺癌	单细胞RNA测序	NA	基因表达数据	NA	NA	NA	NA	NA
375	2026-06-18	Construction and validation of a deep learning prognostic model based on digital pathology images of stage III colorectal cancer 2024-07, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108369 PMID:38703632	研究论文	基于深度学习方法构建并验证III期结直肠癌数字病理图像的预后模型	首次针对III期结直肠癌患者，通过深度学习方法量化肿瘤微环境中的九种组织类型，并构建肿瘤风险特征（TRS）用于预后预测	样本量较小，仅包含265例TCGA和70例外部验证队列，且仅针对III期结直肠癌患者，未涉及其他分期	探索基于深度学习的肿瘤风险特征（TRS）对III期结直肠癌患者预后的预测价值	III期结直肠癌患者的全切片图像（WSI）	数字病理学	结直肠癌	NA	卷积神经网络（CNN）	图像（全切片病理图像）	265例来自TCGA的III期结直肠癌患者和70例来自中山大学附属第六医院的III期结直肠癌患者	NA	NA	准确率、Harrell一致性指数（C-index）、风险比（HR）	NA
376	2026-06-18	Heterogenous thinning of peripapillary tissues occurs early during high myopia development in juvenile tree shrews 2024-03, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2024.109824 PMID:38336167	研究论文	本研究调查幼年树鼩实验性高度近视发展过程中视盘周围组织的厚度变化	首次揭示了幼年树鼩高度近视早期视盘周围组织发生异质性变薄，且视网膜相对于脉络膜-视网膜色素上皮复合体和巩膜受到保护	仅使用树鼩作为模型，样本量较小，未探究长期组织变化	探究幼年树鼩实验性高度近视发展过程中视盘周围组织厚度变化及其与青光眼风险的关联	幼年树鼩的视盘周围组织，包括巩膜、脉络膜-视网膜色素上皮复合体、视网膜神经纤维层和剩余视网膜层	计算机视觉	高度近视	光学相干断层扫描（OCT），深度学习自动分割算法	深度学习模型	图像	6只正常视力树鼩和9只单眼-10D透镜治疗树鼩，共15只	NA	NA	NA	NA
377	2026-06-18	Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1 2024-02-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2023.10.039 PMID:38016472	研究论文	通过纵向单细胞转录组测序分析SCA1神经退行性过程中的动态转录变化	首次揭示了单极刷细胞和少突胶质细胞在SCA1中的早期转录失调，并应用深度学习方法准确预测疾病状态	未提及具体限制	剖析异质组织中不同细胞类型如何导致神经退行性疾病的发病和进展	小鼠和人小脑组织中的单个细胞核	自然语言处理	脊髓小脑性共济失调1型	单核RNA测序	深度学习模型	基因表达数据	小鼠和人小脑组织样本（具体数量未提及）	NA	NA	准确率	NA
378	2026-06-18	Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation 2024-01-16, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031257 PMID:38226515	研究论文	利用人工智能检测超声心动图中风湿性心脏病，重点分析二尖瓣反流	首次系统评估机器学习在儿童便携式超声心动图上检测二尖瓣反流和风湿性心脏病的潜力，整合图像标准化、深度学习与注意力机制	数据集相对较小，模型性能依赖专家标注质量，泛化能力需更多数据验证	开发基于人工智能的超声心动图自动化方法，检测隐匿性风湿性心脏病	儿童便携式超声心动图，关注二尖瓣彩色多普勒图像	计算机视觉	风湿性心脏病	超声心动图	卷积神经网络, 深度学习模型, 注意力机制	图像	511例儿童超声心动图（229例正常，282例风湿性心脏病）	PyTorch	卷积神经网络, 注意力机制	准确率, Dice系数, AUC, 精确度, 召回率, F1分数	NA
379	2026-06-18	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	开发了一种基于多重人工神经网络的算法，用于自动化双着丝粒染色体分析并实现辐射剂量的高精度估计	首次结合多种人工神经网络实现双着丝粒染色体的全自动检测与计数，并通过回归神经网络和蒙特卡洛方法校正剂量响应曲线，确保泊松分布符合性	低于0.5 Gy的剂量估计存在数值计算问题；1 Gy剂量点的准确性未改善	实现基于深度学习的高精度辐射剂量自动估计，克服传统双着丝粒染色体分析中劳动密集和分布偏差的问题	来自30名健康捐赠者的血液样本，经0至4 Gy七种辐射剂量处理	机器学习	辐射暴露损伤	双着丝粒染色体分析	人工神经网络	图像	30名健康捐赠者，七种剂量梯度（0-4 Gy）	NA	多重人工神经网络（包含目标检测、分类和回归网络）	置信区间（95%）、准确率	NA
380	2026-06-18	Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230917 PMID:37840512	研究论文	应用人工智能对病毒感染患者临床结果和治疗进行分类：以COVID-19为例	本研究创新性地将分类从单纯疾病存在扩展到疾病严重程度分类，为患者分诊时的关键决策支持系统奠定基础	NA	通过深度学习方法增强对三类临床严重程度（轻度、中度和重度）患者的诊断、预测和个性化治疗	在波斯尼亚和黑塞哥维那泰沙尼总医院诊断和治疗过程中收集的1000名患者数据	机器学习	COVID-19	NA	人工神经网络	数值数据	1000名患者	NA	人工神经网络	准确率	NA