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
5061	2025-10-29	Optimizing flow-diverting stent configurations for aneurysm treatment: a computational approach integrating deep learning and differential evolution optimization 2025-Oct-27, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01662-7 PMID:41144179	研究论文	本研究结合计算流体动力学模拟、深度神经网络和差分进化优化算法，优化动脉瘤治疗中血流导向支架的配置	首次将深度神经网络与差分进化优化相结合，用于支架配置优化，能够准确预测血流动力学参数并自动寻找最优支架设计	研究基于2700个模拟数据集，需要进一步实验验证和临床测试	优化血流导向支架配置以改善动脉瘤治疗的血液动力学效果	动脉瘤和血流导向支架	计算流体动力学, 深度学习	动脉瘤	计算流体动力学模拟, 深度学习	DNN	数值模拟数据	2700个计算流体动力学模拟	NA	深度神经网络	速度, 涡量, 壁面剪切应力	NA
5062	2025-10-29	Comprehensive benchmarking of deep learning approaches for automated astrocyte segmentation in traumatic brain injury 2025-Oct-27, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf114 PMID:41144310	研究论文	系统评估多种深度学习架构在创伤性脑损伤中星形胶质细胞自动分割的性能	首次系统比较六种分割架构与七种骨干网络的组合，并在星形胶质细胞分割任务中验证UNet++/VGG19的最佳性能	数据集规模有限（220张图像），且训练数据主要来自单一TBI病例	开发自动化的星形胶质细胞分割方法以评估创伤性脑损伤严重程度	GFAP染色的雪貂脑组织图像中的星形胶质细胞	数字病理学	创伤性脑损伤	免疫组织化学染色（GFAP）	深度学习分割模型	图像	220张手动标注的GFAP染色雪貂脑图像（182张训练，38张测试），来自18只雪貂	NA	U-Net, U-Net++, FPN, MANet, LinkNet, PSPNet, ResNet50, ResNet101, ResNet152, MobileNetV2, VGG16, VGG19, EfficientNet-b4	Dice系数, IoU, 精确度, 准确率, 特异性, 灵敏度	NA
5063	2025-10-29	Causality-Driven Convolutional Manifold Attention Network for Electroencephalogram Signal Decoding 2025-Oct-27, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625631 PMID:41144414	研究论文	提出一种因果关系驱动的卷积流形注意力网络，用于脑电信号解码以增强分布外泛化能力	结合结构因果模型、黎曼几何和深度学习，通过双潜在编码器显式分离语义和变异潜在因子	NA	提升脑机接口技术在分布外场景下的泛化性能	脑电信号	机器学习	NA	脑电图	CNN, 注意力机制	脑电信号	两个公共数据集	NA	因果关系驱动的卷积流形注意力网络	NA	NA
5064	2025-10-29	ESIP: Explicit Surgical Instrument Prompting for Surgical Workflow Recognition 2025-Oct-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625420 PMID:41144421	研究论文	提出一种显式手术器械提示方法用于手术工作流识别任务	通过手术器械分割生成器械特定的视觉提示，显式引导关键空间特征提取，实现更充分的时空特征提取和聚合	NA	改进手术工作流识别任务的性能	手术视频中的手术阶段识别	计算机视觉	NA	手术器械分割	深度学习	视频	Cholec80、M2CAI和AutoLaparo三个数据集	NA	SAM-based segmentation	Precision, Recall, Jaccard	NA
5065	2025-10-29	VDLIN: A Deep Learning-Based Platform for Methylcobalamin-Inspired Immunomodulatory Compound Screening 2025-Oct-27, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202413775 PMID:41144841	研究论文	开发基于深度学习的平台VDLIN，用于筛选既能抑制炎症又能增强先天免疫的甲基钴胺素衍生物	首次结合多组学数据（RNA-seq、ATAC-seq、CUT&Tag）揭示MCB通过染色质可及性调控免疫的机制，并开发深度学习模型筛选新型免疫调节化合物	未提及模型验证的样本规模及临床前研究数据	开发能平衡抗炎和免疫激活功能的化合物筛选平台	甲基钴胺素（MCB）及其衍生物	机器学习	COVID-19/炎症性疾病	RNA-seq, ATAC-seq, CUT&Tag, 深度学习	深度学习	多组学数据（转录组、表观基因组）	NA	NA	VDLIN（专用架构）	NA	NA
5066	2025-10-29	Deep learning to assess laryngoscope insertion depth during neonatal intubation with video laryngoscopy 2025-Oct-27, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-025-02457-0 PMID:41145730	研究论文	开发深度学习模型评估新生儿视频喉镜检查中喉镜插入深度	首次使用深度学习技术对新生儿喉镜插入深度进行实时分类	深度插入事件罕见(2.7%)，对深度插入和临床影响的结论有限	为新生儿插管提供喉镜插入深度的实时指导	新生儿视频喉镜检查	计算机视觉	新生儿疾病	视频喉镜检查	深度学习	视频帧	298,955个标注帧，来自132个新生儿视频喉镜检查视频，来自两个NICU	NA	NA	F1分数	NA
5067	2025-10-29	MDL-HTI: A Multimodal Deep Learning Approach for Predicting Herb-Target Interactions 2025-Oct-27, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00772-w PMID:41145778	研究论文	提出一种名为MDL-HTI的多模态深度学习框架，用于预测中药与靶点之间的相互作用	整合异构图学习与多模态生物数据，通过多视图异质关系嵌入算法和生物多模态信息网络提取结构模式和生物特征	NA	预测中药与靶点相互作用，阐明中药药理机制	中药草药及其生物靶点	机器学习	NA	多模态生物数据整合	异构图学习网络,自注意力网络	图结构数据,生物多模态数据	NA	NA	MV-HRE,多模态信息网络	NA	NA
5068	2025-10-29	CSF1R and macrophage infiltration: Integrated magnetic resonance imaging radiomics and deep learning-driven models for the preoperative assessment of glioma 2025-Oct-27, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003827 PMID:41146428	研究论文	本研究开发了基于磁共振影像组学和深度学习的CSF1R预测模型，用于术前评估胶质瘤	首次整合传统影像组学特征和深度学习特征构建CSF1R预测模型，并系统验证了模型与巨噬细胞浸润的关联	样本量相对有限，特别是单细胞测序数据仅来自2例患者	术前无创预测胶质瘤中CSF1R水平，为免疫治疗提供指导	胶质瘤患者	医学影像分析	胶质瘤	磁共振成像, 免疫组织化学染色, 单细胞RNA测序	机器学习分类器, 深度学习	磁共振图像, 基因表达数据, 免疫组化数据, 单细胞测序数据	共477例患者（训练集64例，内部测试集38例，外部验证集101例，生存分析255例，免疫组化16例，单细胞测序2例4个病灶）	Scikit-learn	支持向量机, 随机森林, 朴素贝叶斯等12种经典机器学习分类器	准确率, 灵敏度, 特异性, AUC	NA
5069	2025-10-29	High-acceleration pancreatobiliary MRI with deep learning-based super-resolution reconstruction for evaluating presumed pancreatic intraductal papillary mucinous neoplasm 2025-Oct-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00932-7 PMID:41137166	研究论文	评估基于深度学习的超分辨率重建算法在胰腺胆道MRI中诊断胰腺导管内乳头状黏液性肿瘤的可行性和诊断效用	首次将深度学习超分辨率重建算法应用于胰腺胆道MRI，显著提升图像质量和囊性病变显着性	回顾性研究设计，样本量有限（恶性IPMN仅15例），需要更大规模研究验证临床影响	评估深度学习超分辨率重建在胰腺胆道MRI中的诊断性能	162例疑似胰腺导管内乳头状黏液性肿瘤患者	医学影像分析	胰腺肿瘤	MRI, 深度学习超分辨率重建	深度学习	医学影像	162例患者（15例恶性IPMN，147例良性IPMN）	NA	超分辨率重建网络	AUC, 敏感度, 特异度, 准确率	NA
5070	2025-10-29	Predicting the Effort Required to Manually Mend Auto-Segmentations 2025-Oct-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623042 PMID:41129432	研究论文	本文研究评估自动分割结果临床可用性的方法，重点关注预测手动修正所需的工作量	提出基于深度学习网络的隐式指标来预测修正工作量，无需真实分割标签，仅使用自动分割结果和原始图像	研究仅针对放射治疗计划中的7个解剖器官，需要在更广泛场景中验证	开发能够有效预测自动分割结果手动修正工作量的评估方法	放射治疗计划中的自动轮廓分割结果	医学图像分析	NA	深度学习	深度学习网络	医学图像，分割掩码	3个机构的7个不同解剖器官数据	NA	NA	误差率	NA
5071	2025-10-29	A robust and data-efficient deep learning model for cardiac assessment without segmentation 2025-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01903-x PMID:41126099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5072	2025-10-29	Explainable machine learning algorithm predicting working memory performance in Parkinson's disease using task-fMRI 2025-Oct-14, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-025-13438-w PMID:41085732	研究论文	开发可解释的机器学习模型，基于任务功能磁共振成像数据预测帕金森病患者的工作记忆表现水平	首次将三维卷积神经网络与三维卷积自编码器预训练结合，应用于帕金森病工作记忆表现分类，并生成显著性图谱解释模型决策依据	样本量较小（仅45名患者和15名健康对照），仅使用单一任务功能磁共振成像范式	开发可解释的深度学习模型用于帕金森病患者工作记忆表现的客观评估	帕金森病患者和健康对照个体	医学影像分析	帕金森病	任务功能磁共振成像，n-back工作记忆任务	3D-CNN	三维脑功能影像数据	45名帕金森病患者和15名健康对照	NA	三维卷积神经网络，三维卷积自编码器	准确率	NA
5073	2025-10-29	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-Oct-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	提出一种融合视觉和听觉信息的多模态深度学习框架GARNN-AE-LSTM，用于实现高精度视频摘要	结合门控循环神经网络(GARNN)和对抗编码器LSTM(AE-LSTM)，引入门控AlexNet和多模态特征提取，通过运动补偿PCA降维和时序建模提升关键帧检测精度	NA	开发高精度的视频摘要系统，通过保留关键内容创建精简版长视频	视频数据	计算机视觉	NA	多模态特征提取，运动补偿特征降维，PCA降维	GRU, LSTM, AlexNet	视频，音频，图像	NA	NA	GARNN, AE-LSTM, AlexNet	敏感度, F分数, 阳性预测值	NA
5074	2025-10-29	Deep learning prediction of peak oxygen uptake in patients with coronary heart disease: a retrospective study 2025-Oct-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-098878 PMID:41047260	研究论文	本研究开发并验证了基于亚极量心肺运动测试指标和深度学习方法预测冠心病患者峰值摄氧量的模型	首次将深度学习方法应用于冠心病患者峰值摄氧量预测，并比较了多种机器学习模型的性能	研究为回顾性设计，需要进一步的外部验证和前瞻性研究才能临床应用	开发预测冠心病患者峰值摄氧量的预测模型	冠心病患者	机器学习	冠心病	心肺运动测试	神经网络,XGBoost	临床数据和运动测试指标	10538名冠心病患者	NA	神经网络	R²,平均绝对误差,偏差,Bland-Altman分析,SHAP特征重要性排序	NA
5075	2025-10-29	DenseFormer-MoE: A Dense Transformer Foundation Model With Mixture of Experts for Multi-Task Brain Image Analysis 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	提出一种结合密集卷积网络、视觉Transformer和专家混合的DenseFormer-MoE基础模型，用于多任务脑图像分析	首次将密集卷积网络、视觉Transformer和专家混合机制集成到脑图像分析基础模型中，通过动态专家选择解决多任务学习中的优化冲突问题	仅使用T1加权磁共振图像，未探索多模态脑影像数据	开发适用于多种下游任务的脑图像分析基础模型	脑部T1加权磁共振图像	计算机视觉	脑部疾病	T1加权磁共振成像	Transformer, CNN, MoE	图像	UK Biobank、ADNI、PPMI等多个知名脑成像数据集	NA	DenseNet, Vision Transformer, Mixture of Experts	NA	NA
5076	2025-10-29	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	使用基于3D卷积神经网络的多模态MRI方法区分多系统萎缩和帕金森病	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合用于帕金森综合征的自动鉴别诊断	样本量相对较小，仅包含156名患者；回顾性研究设计	开发基于深度学习的自动诊断工具，用于区分不同类型的帕金森综合征	多系统萎缩患者（MSA-P、MSA-C、MSA-PC变体）和帕金森病患者	医学影像分析	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	CNN	医学影像	156名患者（92名MSA患者，64名PD患者）	NA	3D CNN	准确率	NA
5077	2025-10-29	Video-Based Data-Driven Models for Diagnosing Movement Disorders: Review and Future Directions 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30327 PMID:40814940	综述	全面回顾了基于视频的数据驱动模型在运动障碍诊断中的应用现状并展望未来研究方向	系统分析了2006-2024年间视频模态运动障碍诊断模型的发展趋势，发现姿态估计方法日益流行，实时方法和端到端深度学习架构的应用增多	当前方法存在公共数据源有限、缺乏标准化指标和患者隐私问题等主要限制	探索基于视频的数据驱动模型在运动障碍诊断中的应用潜力	运动障碍患者，包括震颤、肌张力障碍、肌阵挛、舞蹈症、抽动症、帕金森病和共济失调	计算机视觉	运动障碍	视频分析	机器学习,深度学习	视频	NA	NA	端到端深度学习架构	NA	NA
5078	2025-10-29	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大型语言模型启发的方法，通过学习植物群落中丰度排序的物种序列的'语法'来理解植物组合	首次将大型语言模型的思想应用于植物群落分析，能够捕捉跨生态系统的物种间潜在关联	研究范围仅限于欧洲及邻近国家的植物物种，未涉及全球其他地区的植物群落	开发能够预测物种组成和分类生境类型的方法，以支持生物多样性保护和恢复	欧洲及邻近地区的植物群落和物种组合	自然语言处理	NA	物种序列分析，群落生态学方法	神经网络，语言模型	物种丰度序列数据	覆盖10,000多种欧洲及邻近国家植物物种	NA	语言模型架构	准确率	NA
5079	2025-10-29	On the utility of virtual staining for downstream applications as it relates to task network capacity 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.576061 PMID:41112785	研究论文	系统研究虚拟染色技术对下游临床应用效用的影响，特别关注任务网络容量的作用	首次系统研究虚拟染色对下游任务性能的影响，提出任务网络容量是决定虚拟染色效用的关键因素	研究基于特定生物数据集，结果可能受数据集特性影响	评估虚拟染色技术对下游临床任务（如分割和分类）的实际效用	生物医学图像数据	数字病理	NA	虚拟染色技术	深度学习图像到图像转换网络	生物医学图像	NA	NA	NA	分割性能, 分类性能	NA
5080	2025-10-29	A decision-making framework using MCTS as a hierarchical task network and deep learning connector 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386308 PMID:41117490	研究论文	提出一种结合分层任务网络和深度学习的知识引导数据驱动决策框架	使用蒙特卡洛树搜索作为分层任务网络与深度学习的连接器，实现人类规划知识与数据驱动的结合	仅在MiniRTS环境中进行验证，尚未在其他复杂决策场景测试	解决深度学习智能体在庞大决策空间中短期难以做出最优决策的问题	决策智能体	机器学习	NA	深度学习，蒙特卡洛树搜索	神经网络	游戏环境数据	仅需20%可用数据	NA	NA	决策质量	NA