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
461	2026-04-25	An ancient recombination desert is a speciation supergene in placental mammals 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	利用深度学习方法研究胎盘哺乳动物中一个古老的重组荒漠作为物种形成的超级基因	首次通过深度学习从22个胎盘哺乳动物物种的基因组比对中推断重组景观的进化，并发现X连锁重组荒漠是一个古老且反复出现的基因流屏障，保留了物种历史	NA	理解减数分裂重组率在物种形成早期对基因流的影响，并应用重组感知的系统发育分析准确推断物种关系	胎盘哺乳动物物种	机器学习	NA	基因组比对	深度学习	基因组比对数据	22个胎盘哺乳动物物种用于初始分析，94个物种用于系统发育分析	PyTorch	NA	NA	NA
462	2026-04-25	Advancing biological taxonomy in the AI era: deep learning applications, challenges, and future directions 2026-01, Science China. Life sciences DOI:10.1007/s11427-025-3074-8 PMID:41136689	综述	综述了深度学习在生物分类学中的应用、挑战与未来方向	提出将基因组视为“语言”的基础模型，以及整合因果关系的全集成模型可能为物种界定带来阶跃变化	存在数据质量、算法鲁棒性、参考文库完整性、模型透明度和共享标准等关键挑战	探讨人工智能尤其是深度学习如何推动生物分类学的发展，并分析其潜在变革与挑战	生物分类学，包括基于图像、生物声学、基因序列和物种性状的分类方法	机器学习	NA	深度学习	基础模型	图像、声音、基因序列	NA	NA	NA	NA	NA
463	2026-04-25	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	提出一种基于联邦学习和混合谐波搜索与互信息特征选择的癫痫预测与管理系统，实现高精度癫痫发作检测	首次将联邦学习与混合谐波搜索-互信息特征选择方法结合，并设计EpilepNet-LD架构，同时捕获EEG信号的时间依赖性和层次空间特征，在保护隐私的前提下实现高精度癫痫发作检测	NA	开发一个实时、高精度的癫痫发作检测系统，克服现有方法适用性差、误报率高和特征选择效率低的问题	癫痫患者的脑电图（EEG）数据	机器学习	神经系统疾病	EEG	LSTM, DenseNet	信号	NA	NA	EpilepNet-LD (LSTM + DenseNet-121)	accuracy, sensitivity	NA
464	2026-04-25	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	提出一种名为TripleFusionNet的深度学习框架，融合多流架构与注意力机制，用于结直肠疾病分类	提出TripleFusionNet三重流架构，结合EfficientNetB3、ResNet50和DenseNet121的多级特征提取，并集成多尺度注意力模块和挤压激励精化块以增强特征判别力，同时采用渐进门控融合机制动态加权融合特征	在CRCCD_V1数据集上，基于嵌入的分类器性能略优于端到端模型，表明端到端学习仍有提升空间	开发一种鲁棒的早期诊断方法，用于从组织病理和内镜图像中分类结直肠疾病	结直肠癌症的组织病理和内镜图像	计算机视觉, 数字病理学	结直肠癌	NA	CNN	图像	CRCCD_V1数据集包含14个类别，LC25000数据集为二分类	PyTorch	EfficientNetB3, ResNet50, DenseNet121, 多尺度注意力模块, 挤压激励精化块, 渐进门控融合	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	NA
465	2026-04-25	Automatic detection of arterial input function for brain DCE-MRI in multi-site cohorts 2025-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70020 PMID:40808286	研究论文	提出一种鲁棒深度学习模型，用于从多中心DCE-MRI脑部影像中自动提取动脉输入函数	采用3D UNet模型结合额外卷积核和修正Huber损失函数，在多样多中心队列中实现动脉输入函数自动提取	非所有参与者数据均用于血脑屏障通透性测量，可能影响模型泛化性	开发并验证一种高精度动脉输入函数自动提取方法，用于脑部DCE-MRI定量药代动力学建模	人类脑部DCE-MRI影像及动脉输入函数区域	计算机视觉	脑血管疾病	DCE-MRI成像	3D UNet	医学图像	训练集：289名参与者共384次扫描；独立验证集：326名参与者共421次扫描	NA	3D UNet	AIFitness评分、Ktrans值、组内相关系数	NA
466	2026-04-25	Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs 2025-Nov-26, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.70034 PMID:41305998	研究论文	比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能	首次系统比较YOLO系列最新版本（YOLOv8、YOLOv11、YOLOv12）在牙科创伤分割任务中的表现，发现YOLOv12在硬组织和软组织损伤检测方面均优于前代模型	人工智能在牙科创伤学中尚未达到完美性能，需要与专家牙医合作开发以更好地支持临床决策	评估并比较基于YOLO的深度学习模型在儿童全景X光片上自动分割牙科创伤的能力	6-13岁牙科创伤儿童的牙科全景X光片	自然语言处理	牙科创伤	深度学习	YOLOv8, YOLOv11, YOLOv12	影像	未在标题和摘要中明确说明	NA	YOLOv8, YOLOv11, YOLOv12	AUC, F1-score	NA
467	2026-04-25	Paradigm-Shifting Attention-Based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification With Multi-Scale and Multi-View Fusion 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出一种基于注意力机制的混合视角学习框架，用于增强乳腺摄影乳腺癌分类	提出了混合视角学习范式，统一了传统单视角和多视角学习方法；设计了对比切换注意力和选择性池化注意力两种注意力机制，分别解决数据完整性和多尺度特征捕捉问题	未明确说明局限性	提升乳腺摄影图像中乳腺癌分类的准确性和鲁棒性	乳腺摄影图像	计算机视觉	乳腺癌	乳腺摄影	注意力模型	图像	INbreast和CBIS-DDSM两个数据集	PyTorch	对比切换注意力、选择性池化注意力	准确率、F1分数、AUC-PR	NA
468	2026-04-25	Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer 2025-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100866 PMID:40803647	研究论文	通过组织学图像虚拟推断RNA表达，识别与结直肠癌转移风险相关的通路	利用最大规模的匹配结直肠癌空间转录组数据集（45名患者、超过30万个Visium斑点），结合多种先进深度学习模型（UNI、ResNet-50、Vision Transformer和Vision Mamba），直接从H&E染色组织图像中推断空间转录组水平的分子信息	某些肿瘤相关通路无法仅通过组织学图像完全捕获	开发并验证虚拟RNA推断方法，以从标准H&E组织图像中获取空间转录组水平的分子信息，识别与结直肠癌转移风险相关的基因特征	结直肠癌患者的H&E染色组织图像及匹配的空间转录组数据	数字病理学, 机器学习	结直肠癌	空间转录组学, H&E染色	深度学习模型	图像	45名患者，超过300,000个Visium斑点	NA	UNI, ResNet-50, Vision Transformer, Vision Mamba	斯皮尔曼相关系数	NA
469	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
470	2026-04-25	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	提出一种名为CaCoFold-R3D的概率语法模型，联合预测RNA的三维基序与二级结构	首次将超过50种已知RNA三维基序的预测与二级结构整合到单一概率语法中，并利用进化信息同时识别规范螺旋（包括假结）和基序	未明确提及，但可能依赖于高质量的序列比对，且基序列表的完整性和新基序发现有待进一步验证	开发一种快速、可定制的RNA三维结构预测方法，用于指导RNA设计和药物靶点发现	RNA序列或比对数据中的三维基序和二级结构	机器学习	NA	RNA-seq	概率语法模型	序列数据	超过50种已知RNA三维基序	NA	R3D语法	NA	NA
471	2025-02-22	Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90514-1 PMID:39979555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
472	2026-04-25	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-02, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	设计深度学习模型从心电图信号中预测高血压并识别相关心电片段	提出多分支多尺度LSTM网络MML-Net和心电导向波对齐可解释人工智能管道ECG-XAI，用于早期检测高血压介导的心脏变化	未在外部多中心数据集上验证，且模型解释仅聚焦于P波和R波	探索利用心电图信号早期检测高血压引起的心脏结构变化	心电图信号及高血压患者的心脏变化	机器学习, 数字健康	心血管疾病, 高血压	心电图	LSTM	信号	210,120份10秒12导联心电图（来自FUKUDA FX-8322）和812份心电图（来自NALONG RAGE-12）	PyTorch	MML-Net（多分支多尺度LSTM）	召回率, 精确率	NA
473	2026-04-25	Graph based recurrent network for context specific synthetic lethality prediction 2025-02, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出基于图循环网络的模型用于上下文特异性合成致死预测	引入图循环网络编码器获取上下文特异性低维特征表示，利用门控循环单元集成上下文相关状态信息	未提及具体限制，但方法依赖遗传上下文信息，可能对缺乏上下文数据的场景适应性有限	预测具有治疗潜力的合成致死相互作用，特别是上下文依赖性的SL关系	合成致死相互作用及其遗传上下文依赖性	机器学习	癌症	NA	图循环网络	基因组相互作用数据	NA	NA	图循环网络，门控循环单元	NA	NA
474	2026-04-25	Clinical Relevance of Computational Pathology Analysis of Interplay between Kidney Microvasculature and Interstitial Microenvironment 2025-Feb-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000597 PMID:39714939	研究论文	利用计算病理学分析肾脏微血管与间质微环境相互作用在肾小球疾病进展中的临床相关性	首次揭示肾小管周围毛细血管与间质纤维化/肾小管萎缩区域的空间和形态特征之间的相互作用，并识别出新型数字生物标志物用于预测疾病进展	样本量有限（344例），且未在独立外部队列中验证结果	评估肾小管周围毛细血管特征与其间质微环境相互作用在肾小球疾病进展中的临床相关性，并识别新型数字生物标志物	肾小球疾病患者（包括微小病变肾病、局灶节段性肾小球硬化、膜性肾病和IgA肾病）的肾脏活检组织切片	数字病理学	肾小球疾病	深度学习模型、全玻片成像、计算病理学分析	深度学习模型、机器学习模型	病理图像	344例肾小球疾病患者（112例微小病变肾病、134例局灶节段性肾小球硬化、61例膜性肾病、37例IgA肾病）	NA	NA	NA	NA
475	2026-04-25	Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model 2024-10, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.06.001 PMID:38851467	研究论文	基于深度学习的自动主动脉区域分割模型用于急性非复杂性B型主动脉夹层的体积分析	首次将深度学习分割模型应用于基于SVS/STS定义的主动脉区域，并实现自动体积分析	样本量有限（59例患者）且未发现主动脉生长速率与基线体积的关联，模型性能在不同区域存在差异	建立自动机器学习主动脉区域分割模型，比较不同主动脉生长速率患者的区域体积变化	急性非复杂性B型主动脉夹层（auTBAD）患者	机器学习	主动脉夹层	CT血管成像（CTA）	深度学习分割模型	CT图像	59例auTBAD患者	开源医学图像分析软件（未指定具体框架）	细分为9个主动脉区域的分割网络（未指定具体架构，如U-Net等）	Dice系数	NA
476	2026-04-25	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	利用深度学习实现高速、多参数扩散光学层析成像，用于乳腺肿瘤表征	首次将深度学习应用于频域扩散光学层析成像的同时吸收系数和散射系数三维重建，实现高速高保真重建，将重建时间从3.8分钟缩短至0.02秒	研究仅使用模拟数据测试，实验验证仅针对两个模拟肿瘤的光学幻影，临床实际应用仍需进一步验证	开发基于深度学习的频域扩散光学层析成像技术，实现手持探头实时成像，改善乳腺肿瘤表征	乳腺组织的光学吸收系数和散射系数三维重建	机器学习	乳腺癌	频域扩散光学层析成像	深度学习模型	模拟光学数据集和实验光学幻影数据	300个模拟组织幻影用于测试，2个肿瘤模拟光学幻影用于实验验证	PyTorch	NA	均方根误差、空间相似性、异常对比度精度、串扰	NA
477	2026-04-25	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	research paper	利用时空深度神经网络模型揭示人类功能脑组织中可复制、可泛化且与行为相关的性别差异	首次通过时空深度神经网络模型从大规模多会话数据中揭示稳定的性别差异，并结合可解释人工智能分析将脑特征与认知能力关联，挑战了男女脑组织连续谱的观点	NA	验证人类功能脑组织中性别差异的稳健性和行为相关性	年轻成年人的功能磁共振成像数据	machine learning	NA	功能磁共振成像	时空深度神经网络	图像	约1500名20至35岁的年轻成年人	NA	时空深度神经网络	准确率、交叉验证准确率、效应量	NA
478	2026-04-25	[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230831-00128 PMID:37885185	研究论文	基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型	首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常	未提及限制	基于深度学习识别儿科全景X光片的牙齿数目异常	4至11岁儿童的全景X光片	计算机视觉	儿童牙齿数目异常	全景X光成像	卷积神经网络（CNN）	图像	共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张	PyTorch	ResNet-50	灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
479	2026-04-25	[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230825-00110 PMID:37885192	研究论文	基于深度学习的点云三维面部中矢面自动构建方法	提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率	仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性	建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考	临床患者的面部点云数据	计算机视觉	无特定疾病	三维点云扫描	动态图配准网络（DGRNet）	点云数据	200名临床患者（2020年10月至2022年10月收集）	NA	DGRNet	决定系数（R），角度误差	NA
480	2026-04-25	Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy 2023-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24345 PMID:37194727	研究论文	本文提出一种基于残差编码器-解码器架构的视网膜渗出物语义分割方法，用于糖尿病视网膜病变筛查	采用残差跳连接减少参数数量，并对比多种深度卷积神经网络架构，在大幅降低模型复杂度的同时保持高分割精度	未提及模型在不同成像设备或不同种族人群中的泛化能力，也未讨论实时处理能力	开发计算机辅助诊断方法以实现视网膜渗出物的自动分割，辅助糖尿病视网膜病变早期筛查	视网膜眼底图像中的渗出物病变区域	计算机视觉, 数字病理学	糖尿病视网膜病变	眼底照相	卷积神经网络, 残差网络	图像	三个基准数据库：E-ophtha, DIARETDB1, Hamilton眼科研究所黄斑水肿数据库	NA	残差编码器-解码器架构	精确率, 准确率, 灵敏度, 特异度, AUC	NA