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	2025-12-13	CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689109 PMID:41332555	研究论文	本文提出了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类复杂尖峰信号	采用U-Net架构结合混合自注意力inception模块，以序列到序列的方式整合局部场电位和动作电位信号，实现了复杂尖峰的自动检测与聚类	方法主要基于猕猴小脑神经像素记录训练，在其他神经系统的泛化能力需进一步验证	开发一种自动化、鲁棒的复杂尖峰排序方法，以研究小脑及其他神经系统的信息编码	小脑浦肯野细胞中的复杂尖峰信号	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于猕猴小脑神经像素记录的训练数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
362	2025-12-13	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025-Nov-14, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的改进心肌动脉自旋标记方法（DeepMASL），用于提高心肌血流量测量的准确性，并在犬类冠状动脉疾病模型中通过微球测量进行了验证	开发了一种结合物理模型的深度学习网络（DeepMASL），显著提高了高血流量心肌血流量测量的准确性，误差从33-49%降低至10%以下	研究仅在犬类模型中进行，尚未在人类临床环境中验证；样本量较小（18只犬）	提高心肌动脉自旋标记（ASL）方法在测量心肌血流量（MBF）时的准确性，以用于无对比剂心肌灌注缺损诊断	犬类冠状动脉疾病模型，包括健康犬（9只）和冠状动脉狭窄犬（9只，分为50%、70%、90%狭窄程度）	医学影像分析	心血管疾病	心肌动脉自旋标记（ASL）、微球测量	深度学习网络	ASL信号图像	18只犬（9只健康，9只冠状动脉狭窄）	NA	基于物理的深度学习网络（DeepMASL）	相关性（r值）、Bland-Altman分析（95%置信区间、偏差）	NA
363	2025-12-13	Regional brain aging patterns reveal disease-specific pathways of neurodegeneration 2025-Nov-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.12.25339989 PMID:41292666	研究论文	本文介绍了一种名为BrainAgeMap的可解释深度学习框架，用于从T1加权磁共振成像扫描中生成精细的体素级脑预测年龄差异图，以揭示神经退行性疾病的特定区域脑老化模式	引入了BrainAgeMap框架，能够生成体素级的脑预测年龄差异图，提高了对脑老化异质性的特异性映射，超越了传统的全局指标	未明确提及样本量或计算资源的具体细节，可能限制了结果的泛化性	开发一种工具来描绘疾病特异性的神经退行性途径，为早期诊断、患者分层和治疗干预监测提供新机会	阿尔茨海默病、额颞叶痴呆、精神分裂症患者以及轻度认知障碍个体的脑部磁共振成像数据	医学影像分析	阿尔茨海默病, 额颞叶痴呆, 精神分裂症	T1加权磁共振成像, 正电子发射断层扫描	深度学习	图像	NA	NA	NA	NA	NA
364	2025-12-13	Fully automated on-scanner aortic four-dimensional flow magnetic resonance imaging processing and hemodynamic analysis 2025-Nov-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101985 PMID:41232676	研究论文	本研究开发并验证了一种完全自动化的扫描仪内主动脉四维血流磁共振成像处理及血流动力学分析工作流	首次将4D血流处理任务（包括深度学习模型）直接集成到磁共振扫描仪重建流程中，实现了扫描后即时自动化分析	研究样本量较小（仅20名受试者），且仅在1.5T MRI系统上验证	开发并验证一种完全自动化的扫描仪内4D血流磁共振成像处理及血流动力学分析方法，以提高临床工作流效率	主动脉疾病患者（n=10）和健康对照者（n=10）的主动脉4D血流磁共振成像数据	数字病理学	心血管疾病	四维血流心血管磁共振成像	深度学习模型	磁共振图像	20名受试者（10名主动脉疾病患者，10名健康对照者）	TensorFlow	NA	Dice系数，Bland-Altman分析，平均相对差异	MRI扫描仪自身的计算资源，容器化Python 3.6环境
365	2025-12-13	Generative Design of Cell Type-Specific RNA Splicing Elements for Programmable Gene Regulation 2025-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686847 PMID:41279721	研究论文	本文介绍了SPICE框架，利用深度学习模型预测和生成细胞类型特异性RNA剪接序列，以实现可编程的基因调控	首次整合大规模并行报告基因检测与深度学习，生成可编程的细胞类型特异性剪接元件，并应用于致癌剪接因子突变的细胞选择性剪接	未明确说明模型在更广泛细胞类型或体内环境中的泛化能力，以及临床转化所需的具体验证步骤	开发一种可扩展的、基于RNA剪接的细胞类型特异性基因调控策略，用于基础研究和治疗应用	人类来源的RNA剪接序列和43个细胞系	自然语言处理	NA	大规模并行报告基因检测	深度学习模型	序列数据	46,372个人类来源序列和43个细胞系	NA	NA	NA	NA
366	2025-12-13	Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi 2025-Nov, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107842 PMID:40962162	系统综述	本文系统综述了人工智能（特别是深度学习）在疟疾血期诊断中的应用，特别关注了诺氏疟原虫（Plasmodium knowlesi）的诊断挑战与进展	与以往主要关注疟原虫物种分类的综述不同，本研究深入比较了AI驱动的血期识别方法，特别聚焦于诺氏疟原虫，并系统分析了CNN、迁移学习、集成学习及YOLO、Faster R-CNN等目标检测模型的有效性	基于AI的诺氏疟原虫血期分类研究仍然有限，面临注释数据集不足、类别不平衡和模型可解释性等关键挑战	评估人工智能（特别是深度学习）在疟原虫血期分类中的应用，以改善诺氏疟原虫的诊断准确性、效率和一致性	诺氏疟原虫（Plasmodium knowlesi）及其他疟原虫的血期图像	数字病理学	疟疾	显微镜检查，深度学习图像分析	CNN, 迁移学习, 集成学习, 目标检测模型	图像	NA	NA	YOLO, Faster R-CNN	NA	NA
367	2025-12-13	Integrating Multi-Modal Imaging Features for Early Prediction of Acute Kidney Injury in Pneumonia Sepsis: A Multicenter Retrospective Study 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.007 PMID:41027784	研究论文	本研究开发了一个名为MCANet的多模态深度学习框架，通过整合肺部、心外膜脂肪组织和T4水平皮下脂肪组织的影像特征，来预测肺炎相关脓毒症患者的急性肾损伤发生及其时间	提出了一个两阶段深度学习框架MCANet，首次整合了肺部、心外膜脂肪组织和T4水平皮下脂肪组织的多区域影像特征，并利用跨注意力机制增强解剖区域间的交互，用于预测肺炎相关脓毒症患者的急性肾损伤	这是一项回顾性研究，可能存在选择偏倚；研究样本量相对有限（399名患者）；模型性能需要在更大规模的前瞻性队列中进行验证	利用深度学习从肺炎相关脓毒症病例中提取信息性影像特征，以早期预测急性肾损伤的发生	肺炎相关脓毒症患者	数字病理学	急性肾损伤	胸部CT成像	CNN	图像, 临床记录, 实验室数据	399名肺炎相关脓毒症患者	PyTorch, Scikit-learn	ResNet-18, ResNet-101, LightGBM	AUC, 准确率, 精确率, 召回率, F1分数	NA
368	2025-12-13	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并预测对诱导化疗的反应	开发了基于3D U-Net的自动深度学习模型，用于非侵入性地准确测量肿瘤体积并预测化疗反应，减少了对人工测量和术后组织病理学的依赖	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集规模较小	评估小儿骨肉瘤的治疗反应，通过自动化方法提高肿瘤体积测量和化疗反应预测的准确性	小儿骨肉瘤患者	数字病理学	骨肉瘤	磁共振成像	CNN	图像	总计101名患者（训练集81名，验证集20名），共202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
369	2025-12-13	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型，用于生成模拟SPECT衰减校正图像，以提高SPECT心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	利用深度学习生成合成衰减校正图像，作为CT-based衰减校正的替代方案，无需额外设备、成像时间或辐射暴露	研究仅基于特定患者队列进行外部验证，未在所有临床环境中广泛测试	评估深度学习生成的合成SPECT图像是否能增强传统SPECT心肌灌注成像的准确性	SPECT心肌灌注成像患者，包括多中心队列和外部验证队列	数字病理学	心血管疾病	SPECT心肌灌注成像，CT-based衰减校正，深度学习	深度学习模型	SPECT图像	开发队列：4,894名患者（来自4个中心）；外部验证队列1：746名患者（来自72个中心）；外部验证队列2：320名患者（来自1个外部中心）	NA	NA	AUC, 总灌注缺损	NA
370	2025-12-13	RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02083-y PMID:40892332	研究论文	本研究开发了一种基于RegGAN的深度学习框架，用于从非对比CT合成对比增强CT，以实现无碘食管癌的肿瘤分割和T分期	提出了一种结合配准和对抗训练的RegGAN模型，以解决NCCT与CECT之间的错位问题，并开发了用于肿瘤分割的CSSNet和用于T分期的双路径深度学习模型	研究为回顾性多中心分析，可能存在选择偏倚；未明确提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种无需对比剂的深度学习框架，用于食管癌的自动肿瘤分割和T分期	食管癌患者	数字病理学	食管癌	CT成像	GAN, CNN, Transformer	CT图像	1092名食管癌患者（训练集313例，内部测试集117例，外部测试集116例和546例）	NA	RegGAN, CSSNet, Vision Transformer	NMAE, PSNR, SSIM, Dice系数, AUC	NA
371	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
372	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
373	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
374	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
375	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
376	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
377	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
378	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
379	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
380	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