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
501	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
502	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
503	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
504	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
505	2025-10-29	Enabling Weather-Independent Gas Detection through Deep Learning on Light-Activated Sensors 2025-Oct-27, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c10308 PMID:41144602	研究论文	本文开发了一种基于铋掺杂氧化铟纳米纤维、微发光二极管和深度学习分析的气体传感系统，用于实时环境监测	将铋掺杂氧化铟纳米纤维直接集成到μLED平台上，结合CNN算法分析瞬态传感信号，实现天气无关的气体检测	NA	开发能够在变化的环境条件下进行实时NO和湿度监测的气体传感系统	一氧化氮(NO)和湿度(HO)气体检测	机器学习	NA	光激活气体传感	CNN	瞬态传感信号	NA	NA	卷积神经网络	分类准确率99%，回归误差10%	NA
506	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
507	2025-10-29	Data Fusion of Deep Learned Molecular Embeddings for Property Prediction 2025-Oct-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01728 PMID:41144852	研究论文	提出一种融合深度学习分子嵌入的多任务属性预测方法，解决稀疏数据下的性能提升问题	通过融合预训练单任务模型生成的深度嵌入，构建优于标准多任务模型的新型多任务预测框架	方法性能依赖于预训练单任务模型的质量和嵌入表示的有效性	提升稀疏数据条件下材料属性预测的准确性和适用性	小分子量子化学数据和实验数据	机器学习	NA	深度学习，量子化学计算，热化学计算	多任务学习模型	量子化学数据，实验数据	广泛使用的基准数据集和新编译的稀疏数据集	NA	深度嵌入融合架构	预测准确性	NA
508	2025-10-29	Foundation models for EEG decoding: current progress and prospective research 2025-Oct-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae17e9 PMID:41145005	综述	本文综述了脑电图基础模型的当前进展与未来研究方向	首次系统分析EEG基础模型在下游任务、基准数据集、模型架构和预训练技术方面的最新进展	EEG基础模型在复杂场景如运动想象解码中的性能仍然有限	分析EEG基础模型的发展趋势并为未来研究提供建议	脑电图基础模型相关研究	机器学习	神经系统疾病	脑电图记录	Transformer	脑电信号	最多14,987名受试者，总时长27,062小时	NA	基于Transformer的高效架构	NA	NA
509	2025-10-29	Improved reconstruction of single-cell developmental potential with CytoTRACE 2 2025-Oct-27, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02857-2 PMID:41145665	研究论文	本文提出了CytoTRACE 2深度学习框架，用于从单细胞RNA测序数据预测细胞的发育潜能	开发了可解释的深度学习框架CytoTRACE 2，在预测发育层次结构方面优于现有方法	NA	预测细胞的绝对发育潜能，即细胞分化为其他细胞类型的能力	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习	基因表达数据	NA	NA	NA	NA	NA
510	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
511	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
512	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
513	2025-10-29	Exploring synthetic controls in rare diseases with a proof of concept in spinal cord injury 2025-Oct-24, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04405-3 PMID:41137105	研究论文	本研究探索在罕见疾病中使用合成对照的方法，并以脊髓损伤为例验证其可行性	提出基于数据驱动的合成对照方法，用于解决罕见疾病临床试验中患者招募困难的问题	研究主要基于历史数据模拟，需要在实际临床试验中进一步验证	开发合成对照方法以改善罕见疾病临床试验的设计和执行	脊髓损伤患者的神经功能恢复数据	机器学习	脊髓损伤	数据驱动预测	CNN,线性模型,树模型,深度学习模型	临床数据，节段性运动评分序列	EMSCI数据库4196例患者，Sygen试验587例患者用于外部验证	NA	卷积神经网络	均方根误差	NA
514	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
515	2025-10-29	Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China 2025-Oct-24, Clinical endoscopy IF:2.1Q3 DOI:10.5946/ce.2025.113 PMID:41147107	研究论文	本研究开发了一种结合深度学习和内镜超声的机器学习模型，用于纵隔和腹腔淋巴结的诊断分类	首次将U-Net分割模型与六种深度学习架构结合k近邻算法集成应用于内镜超声图像分析，并创新性地将机器学习模型与专家诊断和逻辑回归分析相结合	回顾性研究设计，样本量相对有限（93名患者），仅在中国单一中心进行	提高内镜超声对纵隔和腹腔淋巴结病变的诊断性能并降低医疗成本	纵隔和腹腔淋巴结的内镜超声图像	计算机视觉	淋巴结病变	内镜超声	CNN, U-Net, k-NN	医学图像	93名患者，630张图像	NA	U-Net, ResNet-50	F1分数, 敏感性, AUC	NA
516	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
517	2025-10-29	SNRAware: Improved Deep Learning MRI Denoising with Signal-to-noise Ratio Unit Training and G-factor Map Augmentation 2025-Oct-22, Radiology. Artificial intelligence DOI:10.1148/ryai.250227 PMID:41123451	研究论文	开发并评估一种基于深度学习的MRI去噪方法，利用图像重建过程中获得的定量噪声分布信息来提升模型性能和泛化能力	提出SNRAware训练方案，利用MRI重建知识通过模拟多样化合成数据集和提供定量噪声分布信息来增强去噪效果	回顾性研究设计，数据主要来自3T MRI扫描仪	改进基于深度学习的MRI去噪方法	心脏电影序列MRI图像	医学影像处理	心血管疾病	MRI	CNN, Transformer	医学图像	训练集2885236张图像来自96605个心脏电影序列，测试集3000个电影序列	NA	Transformer, 卷积块	PSNR, SSIM, 对比噪声比	NA
518	2025-10-29	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Oct-22, Genome research IF:6.2Q1 DOI:10.1101/gr.280540.125 PMID:41125441	研究论文	本研究利用合成调控基因组学数据微调深度学习模型Enformer，提升其对基因组变异的预测能力	首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提高了模型对非参考序列的预测性能	模型对DHS顺序或方向重排的序列预测能力较差	提高深度学习模型对基因组变异序列的表观遗传特征预测能力	DNase I超敏感位点的删除、倒位和重排工程序列	机器学习	NA	合成调控基因组学	深度学习	基因组序列数据	数十个工程化序列	NA	Enformer	预测误差	NA
519	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
520	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