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	2026-05-16	Seeing through multimode fibers using real-valued intensity transmission matrix with deep learning 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.553949 PMID:40219515	研究论文	提出一种结合实值强度传输矩阵与深度学习的混合方法，通过多模光纤实现高质量图像重建	首次将实值强度传输矩阵算法与分层并行多尺度注意力U-Net相结合，实现了更强的泛化能力、更少的训练样本需求和更快的收敛速度	未明确说明，可能涉及对光纤特性的依赖或实验条件的限制	改善多模光纤中因模式色散和耦合导致的图像失真，提高重建质量与泛化能力	多模光纤传输中的图像重建问题	计算机视觉	NA	实值强度传输矩阵、深度学习	U-Net	图像	NA	NA	分层并行多尺度注意力U-Net	结构相似性指数、峰值信噪比	NA
362	2026-05-16	Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks 2025-Apr-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01360-1 PMID:40176123	研究论文	探索使用长短期记忆网络预测婴儿爬行时肘部和膝部关节运动轨迹的可行性	首次将LSTM网络应用于预测婴儿爬行过程中更复杂多变的关节轨迹，填补了该领域的研究空白	研究仅基于健康婴儿数据，未考虑运动障碍婴儿；预测精度受输出窗口大小影响较大，15步预测误差较高	验证LSTM网络预测婴儿爬行关节轨迹的可行性，为外骨骼辅助康复设备控制提供基础	20名健康婴儿（11男9女，年龄8-15个月）爬行时的双侧肘部和膝部关节角度	机器学习	运动障碍	关节角度传感器	LSTM	时间序列数据	20名健康婴儿，58782个时间步（每个时间步4个关节角度）	NA	LSTM	平均绝对误差，均方误差，相关系数	NA
363	2026-05-16	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-04-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	利用深度学习网络整合方法BIONIC，分析阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病研究，揭示GPNMB+小胶质细胞和星形胶质细胞作为Aβ-Tau相互作用的调节因子	NA	揭示阿尔茨海默病中Aβ与Tau蛋白相互作用的调节机制，寻找早期治疗靶点	阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	机器学习	阿尔茨海默病	蛋白质组学、蛋白-蛋白相互作用	深度学习	蛋白质组数据、蛋白-蛋白互作数据、组织病理数据、基因表达数据	ROSMAP队列（具体数量未提及）	NA	BIONIC	NA	NA
364	2026-05-16	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	开发并验证基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态	首次结合临床数据、MRI影像组学和病理组学构建多模态列线图，通过ResNet-101深度学习提取影像和病理特征，整合多模态数据反映肿瘤异质性，实现高精度MSI预测	未提及外部验证集样本量较小且可能存在的选择偏倚；列线图在临床实践中可能面临数据整合和标准化挑战	开发多模态深度学习模型以非侵入性方式预测直肠癌MSI状态，辅助临床决策	直肠癌患者的MSI状态预测，包括临床变量、MRI影像（T2WI、DWI、增强T1WI）和HE染色病理图像	机器学习，数字病理学	直肠癌	MRI（T2WI、DWI、增强T1WI），HE染色，免疫组化染色	ResNet-101	图像（MRI和病理切片）、临床数据	467例直肠癌患者（中心1: 347例，中心2和3: 120例）	NA	ResNet-101	AUC，灵敏度，特异度	NA
365	2026-05-16	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	利用一站式CT扫描中的深層學習預測接受再灌注治療的腦卒中患者出血性轉化	首次使用多相CT血管造影和CT灌注图像进行深度学习模型的全自动出血性转化预测，并在多中心数据中验证	回顾性研究设计，样本量相对较小，且数据来自不同医院的扫描仪，可能影响模型泛化性	开发和验证基于多相CTA和CTP图像的深度学习模型，用于预测急性缺血性脑卒中患者接受再灌注治疗后的出血性转化	229名接受再灌注治疗的急性缺血性脑卒中患者	计算机视觉, 数字病理学	脑卒中	多相CT血管造影, CT灌注成像	CNN	图像	229名患者（训练内部验证集183例，外部测试集46例）	NA	DenseNet	受试者工作特征曲线	NA
366	2026-05-16	Accelerated Spine MRI with Deep Learning Based Image Reconstruction: A Prospective Comparison with Standard MRI 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.004 PMID:39580249	研究论文	前瞻性比较深度学习图像重建加速脊柱MRI与标准MRI的性能	首次前瞻性评估深度学习加速脊柱MRI在扫描时间、图像质量和诊断互换性方面的表现	未提及具体限制	评估深度学习重建MRI在图像采集时间、整体图像质量和诊断互换性方面与标准MRI的性能	脊柱不适患者	机器学习	脊柱疾病	MRI	深度学习模型	图像	200名参与者（107名男性，平均年龄46.56±17.07岁）	NA	深度学习图像重建网络	信噪比(SNR)、对比噪声比(CNR)、相似性度量、主观评分、病变检测频率	NA
367	2026-05-16	Radiomics Model Based on Contrast-enhanced CT Intratumoral and Peritumoral Features for Predicting Lymphovascular Invasion in Hypopharyngeal Squamous Cell Carcinoma 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.017 PMID:39643470	研究论文	基于增强CT瘤内和瘤周特征构建放射组学模型，用于预测下咽鳞状细胞癌的淋巴血管侵犯	整合了增强CT瘤内和1-5mm瘤周区域（Peri1V-5V）的放射组学特征，并结合深度学习模型和临床特征建立列线图，有效预测LVI状态，其中Peri1V-Radscore模型在验证集中表现最佳	研究为单中心回顾性设计，样本量较小（166例），且外部验证缺失，模型泛化性有待进一步评估	评估基于增强CT瘤内和瘤周放射组学特征预测HSCC患者LVI状态的可行性	下咽鳞状细胞癌（HSCC）患者的淋巴血管侵犯（LVI）状态	计算机视觉, 数字病理	下咽鳞状细胞癌	增强CT	深度学习模型, 放射组学模型	图像（CT影像数据）	166例HSCC患者（47例LVI阳性，119例LVI阴性）	NA	NA	AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA）	NA
368	2026-05-16	Feasibility of Sub-milliSievert Low-dose Computed Tomography with Deep Learning Image Reconstruction in Evaluating Pulmonary Subsolid Nodules: A Prospective Intra-individual Comparison Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.042 PMID:39674695	研究论文	评估使用深度学习图像重建的亚毫西弗低剂量CT在评价肺亚实性结节中的可行性	首次前瞻性个体内比较研究，验证亚毫西弗低剂量CT结合高强度深度学习图像重建在保持图像质量的同时大幅降低辐射剂量	未具体说明局限性，但可能包括样本量有限或单一中心设计	全面评估深度学习图像重建的低剂量CT在评价肺亚实性结节中的可行性	肺亚实性结节患者及其CT图像	计算机视觉	肺癌	CT	深度学习图像重建	图像	102名患者，358个亚实性结节	NA	深度卷积神经网络	图像噪声、对比噪声比、信噪比、主观评分、检测率、假阳性率	NA
369	2026-05-16	The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims 2025-04, The Journal of nutrition IF:3.7Q2 DOI:10.1016/j.tjnut.2025.02.007 PMID:39954739	研究论文	利用DSLD API开发了一个工具，用于识别和分类声称具有减肥、增肌和排毒效果的膳食补充剂标签	首次提出了一种系统化的四步分类方法，结合了启发式规则和多模态深度学习模型来识别膳食补充剂标签中的特定声称，并比较了两者的性能	启发式规则的开发耗时较长（110小时），且仅适用于减肥、增肌和排毒三类声称，对其他类型声明的适用性未验证	创建一个易于使用的工具，以分类膳食补充剂标签中的减肥、增肌和排毒声称	DSLD数据库中的膳食补充剂标签	自然语言处理	NA	NA	多模态深度学习模型	文本	4745个DSLD标签	NA	多模态深度学习模型（具体架构未说明）	召回率、特异性、精确率、阴性预测值、F1分数、准确率、ROC曲线	未说明
370	2026-05-16	Recurrent and convolutional neural networks in classification of EEG signal for guided imagery and mental workload detection 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-92378-x PMID:40140460	研究论文	利用循环和卷积神经网络对脑电图信号进行分类，以检测引导意象和脑力工作负荷状态	首次比较了基于26个认知电极和256通道全信号的分类效果，证明认知电极即可达到类似性能	样本量较小仅26名学生，且未涉及临床应用验证	验证是否可通过深度学习检测引导意象放松状态与脑力工作负荷状态之间的差异并进行分类	引导意象放松技术和脑力工作负荷任务下的脑电图信号	机器学习	心理健康	密集阵列脑电图放大器	循环神经网络, 卷积神经网络	脑电图信号	26名学生	NA	EEGNet, LSTM, 1D CNN, 混合模型（1D CNN + LSTM）	准确率, 召回率, 精确率, F1分数, 损失值	NA
371	2026-05-16	Prediction of cognitive conversion within the Alzheimer's disease continuum using deep learning 2025-02-13, Alzheimer's research & therapy DOI:10.1186/s13195-025-01686-x PMID:39948600	研究论文	开发深度学习模型预测阿尔茨海默病连续谱中的认知转化	利用纵向多变量数据（人口统计学、病史、神经心理学结果、实验室和神经影像结果）构建深度学习模型，实现不同时间点的认知转化预测，并通过逐步简化变量集获得高AUC值的简约模型	模型基于ADNI队列数据，可能需外部验证；预设定阈值可能影响治疗升级决策的泛化性	开发深度学习模型以预测阿尔茨海默病患者的认知转化，指导临床治疗决策	阿尔茨海默病神经影像学倡议队列中的607名个体（基线）及纵向随访数据	机器学习	阿尔茨海默病	NGS	深度学习	表格数据（人口统计学、病史、神经心理学、实验室、神经影像结果）	607名基线个体，其中538人随访12个月，482人随访24个月，268人随访36个月，280人随访48个月	NA	深度学习（未指定具体架构）	AUC	NA
372	2026-05-16	Development of Nipple Trauma Evaluation System With Deep Learning 2025-02, Journal of human lactation : official journal of International Lactation Consultant Association IF:2.1Q2 DOI:10.1177/08903344241303867 PMID:39718190	研究论文	利用深度学习开发乳头创伤评估系统，通过图像分类自动检测和分级乳头创伤	首次将深度学习应用于母乳喂养支持领域，开发了基于七个乳头创伤体征的图像分类系统	数据集规模较小（753张图像），且四类分类器在无创伤和轻度类别上的召回率和精确率较低	开发一套基于深度学习的乳头创伤评估系统，以支持母乳喂养护理人员	乳头创伤图像（来自先前研究），包括裂缝、脱皮、紫癜、结痂等八类体征	计算机视觉	乳腺疾病	NA	目标检测与图像分类模型	图像	753张乳头创伤图像	NA	NA	精确率、召回率、总体准确率、AUC、每秒帧数	NA
373	2026-05-16	Forecasting stock prices using long short-term memory involving attention approach: An application of stock exchange industry 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319679 PMID:40100866	研究论文	该研究利用长短期记忆网络结合注意力机制预测股票价格，以卡拉奇证券交易所100指数为应用案例	首次将注意力机制与LSTM结合用于卡拉奇证券交易所的股价预测，并比较了四种深度学习模型的性能	未提及模型的泛化能力及在不同市场条件下的适用性，可能存在过拟合风险	通过深度学习模型提高股票价格预测的准确性，以稳定经济	卡拉奇证券交易所100指数的每日商业数据	自然语言处理	NA	NA	人工神经网络、递归神经网络、长短期记忆网络、门控循环单元	时间序列数据	从2008年2月22日至2021年2月23日的每日股票数据	TensorFlow, PyTorch	人工神经网络、RNN+Attention、LSTM+Attention、GRU+Attention	R平方	NA
374	2026-05-16	IV3TM: Inception V3 enabled bidirectional long short-term memory network for brain tumor classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335397 PMID:41134912	研究论文	提出一种基于Inception V3和双向长短期记忆网络的脑肿瘤分类方法	结合Inception V3的空间特征提取能力和BiLSTM的序列依赖学习能力，用于脑肿瘤MRI图像分类	未提及具体限制	提高脑肿瘤分类的准确性和效率，以辅助早期诊断和治疗	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	Inception V3, BiLSTM	图像	使用Brain MRI图像数据集和Figshare脑肿瘤数据集	NA	Inception V3, BiLSTM	特异性、准确率、精确率、F1分数、敏感度、均方根误差	NA
375	2026-05-16	Toward trustable use of machine learning models of variant effects in the clinic 2024-12-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	针对临床变异效应预测模型的信任度问题，提出核心原则与建议以提升模型在临床中的可靠性和影响力	针对ClinGen工作组提出的验证策略存在的局限性，首次提出克服这些局限的核心原则与建议，为未来更可靠和更具影响力的变异效应预测模型使用奠定基础	未提及具体定量评估结果或大规模验证，提出的原则和推荐尚未经过实际临床数据测试	提升机器学习变异效应预测模型在临床中的可信赖度和实用性	蛋白质编码基因中错义替换效应预测的机器学习模型	机器学习	遗传性疾病	深度学习	机器学习模型（未指定具体类型）	序列数据	NA	NA	NA	模型性能、适用范围、鲁棒性	NA
376	2026-05-16	Large-scale deep learning identifies the antiviral potential of PKI-179 and MTI-31 against coronaviruses 2024-11, Antiviral research IF:4.5Q1 DOI:10.1016/j.antiviral.2024.106012 PMID:39332537	研究论文	结合机器学习与体外验证，发现PKI-179和MTI-31对冠状病毒具有抗病毒潜力	利用多种技术克服SARS-CoV-2数据不足，实现深度神经网络的端到端训练，并通过体外测试验证两种PI3K-mTOR抑制剂对多种冠状病毒具有广谱抗病毒活性	未提及	通过机器学习加速发现潜在抗病毒化合物，提高药物研发效率	PKI-179和MTI-31化合物，SARS-CoV-2及其变异株，其他冠状病毒	机器学习	冠状病毒病(COVID-19)	NA	深度神经网络	生物医学测定数据	未明确样本数量，使用了多种生物医学测定数据补充	NA	NA	NA	NA
377	2026-05-16	Validation of an Artificial Intelligence-Based Prediction Model Using 5 External PET/CT Datasets of Diffuse Large B-Cell Lymphoma 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268191 PMID:39362767	研究论文	在5个独立临床试验中验证基于人工智能的深度学习模型对弥漫性大B细胞淋巴瘤的预后预测性能	在5个独立外部数据集上验证深度学习模型，无需肿瘤勾画即可预测治疗结果，且性能优于国际预后指数（IPI）	该模型在预后性能上低于基于影像组学的模型（如PET模型）	验证深度学习模型在弥漫性大B细胞淋巴瘤患者治疗结局预测中的有效性	弥漫性大B细胞淋巴瘤患者	机器学习	弥漫性大B细胞淋巴瘤	PET/CT	深度学习模型	图像（PET/CT最大强度投影）	1,132例患者（296例训练，836例外部验证）	NA	NA	AUC, Kaplan-Meier曲线	NA
378	2026-05-16	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-10, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	提出了一种通用的弱监督机器学习框架CHIEF，用于提取病理成像特征以实现系统的癌症评估	利用两种互补的预训练方法（无监督预训练和弱监督预训练）来提取多样化的病理表征，并在大规模多部位全切片图像上验证了其优越的泛化能力	未提及具体局限性	开发一种能够泛化到不同数字化协议和不同人群样本的通用病理学基础模型，用于癌症诊断和预后预测	19个解剖部位的60,530张全切片图像和国际上24家医院及队列的32个独立切片集共19,491张全切片图像	数字病理学	癌症	NA	弱监督机器学习	病理全切片图像	60,530张全切片图像用于开发，19,491张全切片图像用于验证	PyTorch	NA	准确率、AUC	44TB高分辨率病理成像数据集
379	2026-05-16	Improving 18F-FDG PET Quantification Through a Spatial Normalization Method 2024-10-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267360 PMID:39209545	研究论文	提出一种无需MRI的基于迁移学习的深度神经网络方法，实现18F-FDG PET图像的自动空间标准化，提升定量准确性	通过迁移学习将预训练的淀粉样蛋白PET模型适配到FDG PET空间标准化任务，仅需103张FDG PET/MR图像即可训练，无需配准的3D MRI，在外部数据集上表现优异	外部数据集与内部数据集人种分布不同且PET扫描仪及重建算法各异，可能影响泛化性，但文中未明确讨论其他潜在局限性	改进FDG PET图像定量分析，避免对个体3D MRI的依赖	18F-FDG PET脑图像，内部测试集65例和外部测试集78例	计算机视觉	脑肿瘤、癫痫、痴呆、帕金森病	18F-FDG PET成像	深度神经网络	图像	103张FDG PET/MR图像用于训练，65例内部测试集和78例外部测试集	PyTorch（根据迁移学习常见实现推断）	预训练深度神经网络（具体架构未说明）	归一化互信息、SUV比值相关系数、组内相关系数	NA
380	2026-05-16	Detectability of Hypoattenuating Liver Lesions with Deep Learning CT Reconstruction: A Phantom and Patient Study 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.232749 PMID:39377679	研究论文	通过体模和患者研究，评估深度学习CT重建对低衰减肝病变的可检测性	首次客观评估DLIR与ASIR-V在低对比度病变可检测性方面的差异，结合患者和体模研究	单中心回顾性研究，样本量有限，且病变类型可能不全面	比较深度学习CT重建（DLIR）与自适应统计迭代重建（ASIR-V）对低衰减肝病变的可检测性	低对比度肝病变（体模和患者）	计算机视觉	肝病	CT深度学习重建	深度学习模型	CT图像	50例患者（86个肝病变，平均尺寸15mm ± 9.5）和体模	NA	NA	图像质量、诊断置信度、显著性、小病变可见性、对比度噪声比	NA