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
4361	2026-08-13	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究评估了深度学习模型在标准脑电图和可穿戴设备数据上自动进行睡眠分期，以帮助管理癫痫患者	将深度学习应用于可穿戴设备的睡眠分期，以改善癫痫患者的管理，并比较了标准EEG和可穿戴数据在睡眠分期上的性能	模型在不同睡眠阶段（尤其是N1期）的敏感度较低，且可穿戴数据在某些睡眠宏观结构参数上有所低估	评估深度学习模型在标准脑电图和可穿戴数据上的自动睡眠分期性能，并探索癫痫患者与无癫痫患者的睡眠差异	50名癫痫患者的223个夜间睡眠记录	深度学习、医疗健康	癫痫	脑电图（EEG）、可穿戴设备（加速度计）	深度学习模型	脑电图信号、加速度计数据	50名患者的223个夜间睡眠记录，其中20个晚上由临床专家评分	NA	NA	准确性、Cohen's kappa、F1分数、Bland-Altman分析	NA
4362	2026-08-13	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-10, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	该研究开发了一种基于深度学习的全自动解剖结构标注算法，用于心腔内超声图像，以辅助电生理手术操作	首次利用来自两个机构的605例电生理手术和196,768张心腔内超声图像，开发了全自动解剖结构标注算法，能够从右心房检测解剖结构，且误标罕见	未提及明确局限性，但仅涉及右心房结构，且部分结构（15/21）识别精度和召回率超过70%，其余结构可能识别效果较差	开发一种自动解剖结构标注算法，用于教育工具或导航工具，以指导心腔内超声操作者进行电生理手术	心腔内超声图像中的解剖结构，源自两个机构的605例电生理手术	计算机视觉	心血管疾病	深度学习，图像分析	深度学习模型（具体类型未提及）	图像	605例电生理手术，196,768张心腔内超声图像	NA	NA	精确率、召回率	NA
4363	2026-08-13	PCGMMF: a prediction method for breast cancer prognostic recurrence and metastasis risk based on enhanced multimodal feature fusion 2025-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104907 PMID:40935222	研究论文	提出了一种基于增强多模态特征融合的乳腺癌预后复发和转移风险预测方法PCGMMF	整合了组织病理图像、临床数据、基因表达数据和DNA甲基化数据，并通过双向注意力和自注意力机制设计了一个增强多模态特征融合模块BSAMF	未明确提及	开发一种更准确有效的方法来预测乳腺癌预后中的复发和转移风险	乳腺癌患者	机器学习, 数字病理学	乳腺癌	组织病理图像分析, 基因表达数据, DNA甲基化测序	Vision-LSTM, 支持向量机	组织病理图像, 临床数据, 基因表达数据, DNA甲基化数据	未明确提及	NA	Vision-LSTM, BSAMF	准确率, AUC	未明确提及
4364	2026-08-13	Accounting for population structure in deep learning models for genomic analysis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨深度学习模型中未考虑遗传相关性（种群结构）是否引入混杂效应，并通过模拟和真实世界数据评估其对模型性能和特征重要性的影响。	首次系统评估深度学习基因组分析中忽略种群结构的混杂影响，并结合可解释人工智能（XAI）揭示模型关注特征的差异。	研究可能受限于模拟数据和特定数据集的代表性，且未涵盖所有可能的深度学习架构或基因组数据类型。	调查深度学习模型中遗传相关性的缺失是否导致类似传统基因组分析的混杂效应，并提出减少捷径学习的策略。	基于单核苷酸多态性（SNP）数据的模拟和真实世界基因组数据集。	机器学习	NA	单核苷酸多态性（SNP）分析	深度学习模型（未指定具体类型）	基因型数据（SNP）	未明确说明（包含模拟和真实世界数据集）	未指定（代码可在GitHub上获取）	未指定（深度学习模型）	模型性能（具体指标未在摘要中提及，可能包括准确率等）	未说明
4365	2026-08-13	Adaptive-AutoMO: A domain adaptive automated multiobjective neural network for reliable lesion malignancy prediction via digital breast tomosynthesis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104869 PMID:40712810	研究论文	提出一种领域自适应自动化多目标神经网络（Adaptive-AutoMO），用于通过数字乳腺断层合成图像进行可靠的病变恶性预测	同时解决隐私保护、可信度测量和平衡三个关键挑战，结合多目标免疫神经架构搜索和半监督领域自适应	未提及明确局限性	解决数据稀缺和领域偏移问题，提高乳腺癌病变恶性预测的可靠性	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	NA	多目标神经网络	图像	两个DBT图像数据集（源域和目标域）	NA	ResNet-18, DenseNet-121	敏感性, 特异性, 准确性	NA
4366	2026-08-13	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	本文评估了使用任务向量算术来减少模型区分数据来源的能力，从而减轻多机构数据集中因来源混淆引起的偏见，并提出了两种模型无关方法。	将任务向量方法扩展到解决临床自然语言处理中的来源混淆偏见问题，提出了两种新方法 TAPER 和 DAPPER。	未提供具体限制信息。	评估任务向量算术在减轻深度学习模型在多机构数据集上因来源混淆导致的偏见方面的有效性。	RoBERTa 和 Llama-2 模型，在三个数据集上进行评估。	自然语言处理	COVID-19	NA	Transformer-based models (RoBERTa, Llama-2)	文本（胸部X光片报告等临床文本）	NA	NA	RoBERTa, Llama-2	NA	NA
4367	2026-08-13	CT-Based Habitat Radiomics Combining Multi-Instance Learning for Early Prediction of Post-Neoadjuvant Lymph Node Metastasis in Esophageal Squamous Cell Carcinoma 2025-Jul-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12080813 PMID:40868326	研究论文	开发并验证了一种基于CT影像的影像组学模型，用于食管鳞状细胞癌患者新辅助治疗后淋巴结转移的早期预测	结合肿瘤生境影像组学与多实例学习，构建了综合影像组学列线图，提高了早期预测准确性	未提供明确的局限性信息	早期预测食管鳞状细胞癌患者新辅助治疗后淋巴结转移状态，以指导个体化治疗	469例食管鳞状细胞癌患者	医学影像分析	食管鳞状细胞癌	CT影像组学	多实例学习模型，逻辑回归	CT影像数据及临床数据	469例患者（训练队列328例，测试队列141例）	NA	2.5D深度学习模型	曲线下面积（AUC），决策曲线分析	NA
4368	2026-08-13	Attention-driven hybrid deep learning and SVM model for early Alzheimer's diagnosis using neuroimaging fusion 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03073-w PMID:40597079	研究论文	提出一种结合注意力驱动深度学习与支持向量机的混合模型，用于神经影像融合数据中阿尔茨海默病的早期诊断。	创新性地将深度学习提取的高级成像特征与SVM核函数在晚期融合阶段结合，通过注意力机制增强可解释性，并有效缓解数据稀疏和维度灾难问题。	未明确说明局限性，但可能面临不同数据集的泛化挑战。	提高阿尔茨海默病早期诊断的准确性和可靠性。	阿尔茨海默病患者的MRI和PET神经影像数据。	计算机视觉	阿尔茨海默病	NA	混合深度学习（CNN等）+ SVM	MRI和PET影像	未明确提供具体样本数量	NA	深度学习模型（具体架构未提及）结合SVM核函数	准确率、敏感性、特异性、F1分数、计算效率	NA
4369	2026-08-13	Multiclass skin lesion classification and localziation from dermoscopic images using a novel network-level fused deep architecture and explainable artificial intelligence 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03051-2 PMID:40597254	研究论文	提出一种基于网络级融合的深度学习架构，结合可解释人工智能，用于皮肤镜图像中皮肤病变的多分类与定位	提出网络级融合架构，通过深度拼接集成两个深度学习模型，并应用混合对比度增强技术和贝叶斯优化超参数调优，结合LIME实现可解释性	计算资源需求高和训练时间长	提高皮肤镜图像中皮肤病变分类和定位的准确性，并提供模型可解释性	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	皮肤镜成像	CNN（卷积神经网络）	图像	HAM10000和ISIC2018两个公开数据集，具体样本数量未提及	NA	5块倒置残差网络（Inverted Residual Network）、6块倒置瓶颈网络（Inverted Bottleneck Network）	准确率、敏感性、精确率、F1分数	NA
4370	2026-08-13	A deep learning model for predicting systemic lupus erythematosus-associated epitopes 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03056-x PMID:40598008	研究论文	本文提出了一种混合深度学习架构，结合手工设计的生化特征与深度序列建模，用于预测系统性红斑狼疮相关表位，并取得了优于传统方法的性能。	创新性地融合了手工设计的生化特征与CNN和LSTM的深度序列表示，并采用基于缩放点积注意力的自定义融合模块，提高了表位预测的准确性和可解释性。	未在摘要中明确提及局限性。	旨在提高系统性红斑狼疮相关表位的预测准确性，并深化对自身免疫发病机制的理解。	系统性红斑狼疮相关的表位序列。	机器学习	系统性红斑狼疮	NA	CNN, LSTM, MLP	生物序列数据（表位序列）	NA	NA	CNN, LSTM, 注意力融合模块, MLP	准确率、精确率、召回率、F1分数、ROC曲线下面积	NA
4371	2026-08-13	Deep learning image reconstruction and adaptive statistical iterative reconstruction on coronary artery calcium scoring in high risk population for coronary heart disease 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03049-w PMID:40598159	研究论文	本研究探讨了深度学习和自适应统计迭代重建对高危冠心病患者冠状动脉钙化评分的影响	首次在冠心病高危人群中系统评估DLIR和ASiR-V对冠状动脉钙化评分的影响，发现DLIR能在改善图像质量的同时不改变风险分层	单中心回顾性研究，样本量有限，且未随访患者的临床结局	评估深度学习和自适应统计迭代重建对冠状动脉钙化量化的影响，并比较不同重建算法在图像质量和钙化评分上的差异	2022年2月至9月在中国某医院接受冠状动脉CT血管造影的高风险冠心病患者	医学影像分析	冠心病	CT血管造影（CCTA）	深度学习重建算法	CT图像	178例患者（其中女性107例，平均年龄62.43±9.26岁，平均BMI 25.33±3.18 kg/m²）	NA	NA	信噪比、对比度噪声比、Agatston评分、体积评分、质量评分、Bland-Altman一致性、AUC	NA
4372	2026-08-13	Deep learning-based cough classification using application-recorded sounds: a transfer learning approach with VGGish 2025-07-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03065-w PMID:40598373	研究论文	提出了一种基于深度学习的方法，利用智能手机记录的咳嗽声音，通过VGGish迁移学习模型进行早期呼吸道疾病诊断。	采用VGGish作为迁移学习模型，并结合额外的检测和分类网络，利用多位医学专家的注释提高训练数据可靠性，并分析临床专业知识对模型泛化性能的影响。	未明确提及，但可能受限于数据集规模、声音记录质量及专家注释的主观性。	开发一个基于深度学习模型的早期诊断系统，利用智能手机记录的咳嗽声音辅助检测和分类呼吸道疾病。	智能手机记录的咳嗽声音样本，由医学专家标注。	数字病理学	呼吸道疾病	音频记录	VGGish（迁移学习模型）	音频数据	多个数据集（具体数量未在摘要中提及）	未明确提及	VGGish	准确率, AUROC, AUPRC	NA
4373	2026-08-13	Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife 2025-07-01, Biology of sex differences IF:4.9Q1 DOI:10.1186/s13293-025-00718-3 PMID:40598663	研究论文	本研究探讨了街头绿地暴露与中年女性心血管健康（Life's Essential 8）之间的关联	使用深度学习算法分析谷歌街景图像，评估地面水平的绿色空间暴露，而非传统的卫星图像，并首次将Life's Essential 8综合评分作为研究结局	样本主要来自美国马萨诸塞州东部，以非西班牙裔白人和大学毕业生为主，可能限制结果的普适性；绿色空间暴露评估局限于特定时间段（2012-2016年）和500米缓冲区	评估街头绿地暴露（特别是可见树木）与中年女性整体心血管健康之间的关系	767名中年女性参与者（平均年龄46岁，跟踪至51岁）	计算机视觉	心血管疾病	深度学习图像分析	深度学习模型	图像、问卷、生物医学数据	767名中年女性	NA	NA	β系数、置信区间	NA
4374	2026-08-13	AI-echocardiography: Current status and future direction 2025-06, Journal of cardiology IF:2.5Q2 DOI:10.1016/j.jjcc.2025.02.005 PMID:40023671	综述	本文综述了人工智能在超声心动图中的应用现状和未来方向，包括深度学习模型的性能、局限性、当前应用及生成式人工智能技术的研究	讨论了大规模语言模型在零样本预测和自动报告生成方面的潜力，以及生成式人工智能技术在超声心动图中的应用	限于综述性质，未提供具体实验数据，可能未覆盖所有最新进展	总结AI增强超声心动图的发展现状和未来潜力，促进其在临床实践中的广泛应用	超声心动图数据及基于这些数据开发的深度学习模型	计算机视觉, 机器学习	心血管疾病	超声心动图	深度学习模型	图像	不适用	不适用	不适用	不适用	大规模计算
4375	2026-08-13	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-06-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	本研究旨在开发和验证一种利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能的人工智能模型，并评估其性能	首次将CCTA和OCT图像结合，利用深度学习CNN进行自动化斑块特征分析和功能评估，并集成了CT-FFR计算软件，显示出与传统CCTA相比更高的诊断准确性	数据仅来自单中心100名患者，且训练和测试集划分可能导致过拟合；需外部验证以增强泛化性	开发并验证一种基于AI的自动化CCTA分析工具，用于斑块特征定性和冠状动脉功能评估，以改善冠心病诊断	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	计算机视觉	冠状动脉疾病	CCTA, OCT	卷积神经网络(CNN)	断层扫描图像	100名患者，包含21,471张断层扫描图像	NA	CNN	McNemar检验, 组内相关系数(ICC), AUC, p值	NA
4376	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2025-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652089 PMID:41030996	研究论文	开发了一种名为SLide-based Inference of DEconvolved gene EXpression的深度学习工具，从乳腺癌组织病理学全切片图像直接预测细胞类型特异性基因表达和丰度	首次利用深度学习直接从组织病理学全切片图像推断细胞类型特异性基因表达，无需进行RNA测序，降低了成本和计算时间	训练数据仅来自TCGA乳腺癌队列，可能限制泛化性；独立测试样本量较小（160例）	开发一种快速、经济的方法，从常规乳腺癌组织病理学图像中推断细胞类型特异性基因表达，以促进肿瘤微环境表征和精准肿瘤学	乳腺癌组织病理学全切片图像及对应的去卷积bulk RNA-seq数据	数字病理学	乳腺癌	去卷积bulk RNA-seq	深度学习模型	图像	TCGA乳腺癌队列（未给出具体数量）和160例独立队列	NA	NA	预测性能指标（如相关性、准确性等，具体指标未明确）	NA
4377	2026-08-13	Global Trends in Diabetic Foot Research (2004-2023): A Bibliometric Study Based on the Scopus Database 2025-03-21, International journal of environmental research and public health DOI:10.3390/ijerph22040463 PMID:40283692	研究论文	基于Scopus数据库的2004-2023年糖尿病足研究全球趋势的文献计量分析	首次对2004-2023年间糖尿病足研究进行全面的文献计量分析，识别新兴主题（感染与抗生素治疗）和利基主题（深度学习和机器学习）	仅依赖Scopus数据库，可能遗漏其他数据库中的相关文献	探索糖尿病足全球研究的趋势，识别当前热点和未来方向	Scopus数据库中2004-2023年发表的7136篇糖尿病足相关文献	文献计量学	糖尿病足	文献计量分析	NA	文本数据（文献记录）	7136篇文献	Python, VOSviewer, Biblioshiny	NA	NA	未指定
4378	2026-08-13	A deep-learning system integrating electrocardiograms and laboratory indicators for diagnosing acute aortic dissection and acute myocardial infarction 2025-03-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133008 PMID:39880045	研究论文	本研究开发了一种整合心电图信号和实验室指标的多模态深度学习模型，用于诊断急性A型主动脉夹层和急性心肌梗死。	创新点在于结合心电图信号和实验室指标，利用ResNet-34提取心电图特征，并采用多种机器学习模型进行诊断，提高了对两种疑似疾病的鉴别准确性。	限制包括单中心研究、样本量有限（136例AAD-type A和141例AMI，验证集为30例AMI和32例AAD-type A），且数据时间跨度可能影响模型的泛化性。	提高不同医疗机构，尤其是初级卫生保健中心，对急性A型主动脉夹层和急性心肌梗死的鉴别诊断准确性。	急性A型主动脉夹层和急性心肌梗死患者的心电图及实验室数据。	机器学习	急性主动脉夹层、急性心肌梗死	心电图（ECG）、实验室指标检测	深度学习模型（ResNet-34）、随机森林、逻辑回归、XGBoost、LightGBM	心电图信号和实验室数据	训练和验证集包含136例AAD-type A和141例AMI患者，测试集包含30例AMI和32例AAD-type A患者	未指定（NA）	ResNet-34	AUC	未指定（NA）
4379	2026-08-13	Working-memory load decoding model inspired by brain cognition based on cross-frequency coupling 2025-02, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111206 PMID:39824230	研究论文	本研究提出一种基于跨频率耦合的脑认知启发的多频带多尺度混合Sinc卷积神经网络（MBSincNex），用于解码工作记忆负荷。	将跨频率耦合机制引入EEG解码模型，通过多频带和多尺度Sinc卷积实现时间-频率转换，同时提取时间、频率和空间域特征，并采用事后可解释性技术验证特征提取能力。	未明确提及局限性。	提高工作记忆负荷识别的准确性，并强调编码阶段的重要性，验证行为反应不能准确反映认知负荷。	工作记忆负荷识别，基于EEG数据。	机器学习	NA	NA	卷积神经网络（CNN）	脑电图（EEG）数据	自采集的三类工作记忆数据集（具体数量未给出）	NA	MBSincNex	分类准确率	NA
4380	2026-08-13	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究利用机器学习和深度学习模型预测膀胱癌预后并评估免疫微环境，构建了免疫相关机器学习签名（IRMLS）	结合10种机器学习算法开发IRMLS，并创建深度学习模型基于病理图像检测IRMLS亚型	摘要中未提及局限性	预测膀胱癌预后并评估肿瘤免疫微环境，以指导个性化精准治疗	膀胱癌患者	机器学习, 深度学习, 数字病理学	膀胱癌	机器学习算法集成	机器学习模型、深度学习模型	病理图像、基因组数据	未明确说明样本数量	未明确说明	未明确说明	p值	未明确说明