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
601	2026-02-12	VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis 2025-Mar-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609718 PMID:40166134	研究论文	本文介绍了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平	VISTA通过变分推断和几何深度学习联合建模单细胞RNA-seq和空间转录组学数据，并整合不确定性量化，以解决空间转录组技术基因覆盖有限的挑战	未在摘要中明确提及	增强对空间诱导细胞状态和特征的理解，通过预测未观测基因表达来扩展空间转录组数据的分析能力	空间转录组学数据，特别是亚细胞空间转录组学技术生成的数据	空间转录组学	NA	单细胞RNA-seq, 空间转录组学	几何深度学习	基因表达数据, 空间数据	四个空间转录组学数据集	NA	NA	时间效率, 内存消耗	NA
602	2026-02-12	Clinical Features and Physiological Signals Fusion Network for Mechanical Circulatory Support Need Prediction in Pediatric Cardiac Intensive Care Unit 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510217 PMID:40030552	研究论文	本研究通过融合临床特征和生理信号，利用机器学习/深度学习集成方法预测儿科心脏重症监护室中机械循环支持的需求	首次将血流动力学对正性肌力药物的反应与机械循环支持结果关联，并处理分钟级多传感器数据以早期识别高风险患者，不同于以往仅处理单一特征类型或短期诊断的研究	研究基于单一四级医院的儿科心脏重症监护室数据，临床决策在某些情况下可能不直接适用	预测儿科心脏重症监护室中急性失代偿性心力衰竭患者对机械循环支持的需求	儿科心脏重症监护室中因急性失代偿性心力衰竭入院的患者	机器学习	心血管疾病	血流动力学监测、心电图和动脉血压信号分析	机器学习/深度学习集成方法	表格临床特征、时间序列、原始波形	NA	NA	NA	AUC	NA
603	2026-02-12	Scaling Synthetic Brain Data Generation 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3520156 PMID:40030742	研究论文	本文介绍了Wirehead，一种可扩展的内存数据管道，旨在显著提升神经影像学中深度学习任务的实时合成数据生成性能	通过将数据生成与训练解耦，并利用多个独立并行进程运行生成器，实现了接近线性的性能提升，同时使用MongoDB高效处理TB级数据，大幅降低了存储成本	揭示了在优化生成与训练平衡以及资源分配方面存在未来研究机会	解决神经影像学研究中深度学习应用因数据稀缺而面临的挑战，通过提升合成数据生成效率来加速实验周期	合成脑影像数据生成工具SynthSeg及其在深度学习模型训练中的应用	神经影像学	NA	合成数据生成	深度学习模型	图像	NA	NA	NA	吞吐量提升倍数	并行生成器（16至20个）
604	2026-02-12	Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1720244 PMID:41602444	研究论文	本文提出了一种基于变分自编码器的深度学习架构，用于从体表电位测量中非侵入性地重建心房内电信号图	采用双分支变分自编码器架构，通过共享潜在表征同时优化体表电位自重建和心内电信号预测，相比传统反问题方法（如Tikhonov正则化）在波形形态和频谱内容上更忠实	研究基于计算模型生成的合成数据集（680对体表电位-心内电信号对），尚未在真实临床数据上进行验证；对罕见心律失常类别的性能可能有限	开发非侵入性方法，从体表电位测量中估计心内电信号，以减少对侵入性标测的依赖，实现更安全、个性化的房性心律失常表征	心房心律失常，包括窦性心律、心房颤动、异位活动和纤维化基质	机器学习	心血管疾病	计算模型模拟，体表电位测量	VAE	电生理信号数据	680对体表电位-心内电信号数据对，由双心房计算模型生成，模拟多种心律	NA	变分自编码器	相关性，峰值检测精度，频谱相干性，空间电压和相位标测	NA
605	2026-02-12	Deep learning approaches for EEG-based healthcare applications: a comprehensive review 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1689073 PMID:41657359	综述	本文全面综述了深度学习在基于脑电图（EEG）的医疗健康应用中的最新进展、关键挑战及未来方向	系统性地总结了深度学习（包括CNN、RNN、LSTM、Transformer及混合架构）与EEG在医疗应用中的融合，并批判性地分析了该领域面临的核心挑战与新兴趋势	作为一篇综述文章，本文未提出新的模型或实验，主要基于现有文献进行归纳与分析	旨在为基于EEG的医疗健康应用提供深度学习方法的全面概览，并推动该领域的未来研究	基于EEG信号的医疗健康应用，包括神经系统疾病诊断、脑功能恢复、心理健康状况评估及脑机接口（BCI）	机器学习	神经系统疾病	脑电图（EEG）	CNN, RNN, LSTM, Transformer	EEG信号	NA	NA	NA	NA	NA
606	2026-02-12	Evaluating deep learning-based image segmentation for radiotherapy planning in pelvic and abdominal cancers 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1632370 PMID:41657567	研究论文	本文提出了一种用于盆腔和腹部癌症放疗计划的注意力增强域自适应分割框架	引入了上下文感知注意力机制和微调适应模块，以提高在异质数据上的分割准确性并保持计算效率	模型可能难以在多中心数据集上泛化，且高计算需求和缺乏可解释性可能阻碍临床整合	评估基于深度学习的图像分割在盆腔和腹部癌症放疗计划中的应用	盆腔和腹部恶性肿瘤的肿瘤及周围风险器官	计算机视觉	盆腔和腹部癌症	图像分割	深度学习	图像	NA	NA	U-Net	NA	NA
607	2026-02-12	CerevianNet: parameter efficient multi-class brain tumor classification using custom lightweight CNN 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1664673 PMID:41657565	研究论文	本研究提出了一种名为CerevianNet的轻量级自定义CNN模型，用于多类别脑肿瘤分类，旨在实现高精度且计算效率高的诊断	开发了一种新型轻量级自定义CNN模型，在保持高分类精度的同时显著减少了参数数量和计算复杂度，适用于小型设备部署	模型在数据量小或不平衡的数据集上表现不佳，且存在因标记数据有限而导致的过拟合风险，以及需要大量超参数调优以泛化到不同数据集	开发一个可扩展的多类别脑肿瘤分类框架，优化用于小型设备，以支持快速、准确且可扩展的计算机辅助诊断	脑肿瘤的医学图像数据	计算机视觉	脑肿瘤	深度学习	CNN	图像	使用了五个不同的数据集进行训练和测试，具体样本数量未明确说明	NA	自定义轻量级CNN, EfficientNetb3, ResNet-101, ResNet-50, Xception, AlexNet, DenseNet121, Swin Transformer	准确率	NA
608	2026-02-12	PalmNeXt: a ConvNeXt-based deep learning model for pest detection in date palm leaves 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1738129 PMID:41658551	研究论文	本文提出了一种基于ConvNeXt的深度学习模型PalmNeXt，用于椰枣叶害虫检测	引入了定制的预处理流程以增强特征质量，并基于ConvNeXt-Tiny构建轻量级框架，在小型多变数据集上实现高性能	未明确提及模型在更广泛作物或环境条件下的泛化能力，数据集规模相对有限	开发高效、轻量的自动化害虫检测方法，以支持精准农业中的及时作物监测	椰枣叶的RGB图像，包含害虫侵染和健康状态	计算机视觉	植物病虫害	图像预处理与深度学习	CNN	图像	3000张椰枣叶样本图像，涵盖四个类别（Bug, Dubas, Healthy, Honey）	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt-Tiny	准确率, 精确率, 召回率, F1分数	未明确指定
609	2026-02-12	Automated Deep Learning Based Cardiac Quantification in Hypertrophic Cardiomyopathy: A Comparative Study with Manual Segmentation 2025, Acta medica Lituanica DOI:10.15388/Amed.2025.32.2.8 PMID:41659139	研究论文	本研究比较了基于深度学习的全自动心脏分割软件与手动分割在肥厚型心肌病患者心脏参数量化中的性能	首次在肥厚型心肌病这一复杂病理中验证全自动深度学习心脏量化软件的性能，并与传统手动分割进行系统比较	样本量较小（25例），且未在结构更复杂的病例中进行充分验证	评估深度学习算法在肥厚型心肌病患者心脏参数自动量化中的准确性和临床实用性	肥厚型心肌病患者的CMR图像	数字病理学	心血管疾病	心脏磁共振成像	深度学习	医学影像	25例成年肥厚型心肌病患者	NA	NA	相关系数, Bland-Altman分析	3.0 Tesla MRI扫描仪（西门子Vida）
610	2026-02-12	HED-Net: a hybrid ensemble deep learning framework for breast ultrasound image classification 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1672488 PMID:41660228	研究论文	本文提出了一种名为HED-Net的混合集成深度学习框架，用于乳腺癌超声图像分类	结合了三种不同的卷积神经网络模型（EffcientNetB7、DenseNet121、ConvNeXtTiny）来提取互补特征，并利用XGBoost作为特征融合分类器，同时采用软投票集成方法，提高了分类性能	NA	开发一个用于乳腺癌超声图像分类的深度学习框架，以提高诊断准确性并减少解读时间	乳腺癌超声图像	计算机视觉	乳腺癌	超声成像	CNN	图像	使用了三个数据集：BUSI、BUS-UCLM和UDIAT数据集	NA	EffcientNetB7, DenseNet121, ConvNeXtTiny	准确率, 精确率, 召回率, F1分数, AUC	NA
611	2026-02-12	Automatic Explainable Segmentation of Abdominal Aortic Aneurysm From Computed Tomography Angiography 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3620721 PMID:41660645	研究论文	本文提出了一种基于深度学习的自动化框架，用于从CT血管造影图像中分割腹主动脉瘤，以支持AAA筛查和分析	采用动态路由器将图像区域分配给三个专门的U-Net模型，每个模型处理分割的不同方面，并结合NURBS进行手动细化以提高临床准确性	在复杂病例中需要手动使用NURBS进行校正，校正时间每帧为3至20秒，未来需整合多模态成像并优化NURBS以提高准确性和效率	开发自动化深度学习框架以支持腹主动脉瘤的筛查和临床决策	腹主动脉瘤在CT血管造影图像中的分割	计算机视觉	心血管疾病	CT血管造影	U-Net	图像	训练和验证使用9,080张图像，测试使用1,560张图像，代表22名独特患者	NA	U-Net	Dice分数, IoU分数, Hausdorff距离	NA
612	2026-02-12	Multimodal Deep Learning Approaches for Early Detection of Alzheimer's Disease: A Comprehensive Systematic Review of Image Processing Techniques 2025, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050401817250721190509 PMID:40785178	综述	本文全面系统地回顾了用于阿尔茨海默病早期检测的多模态深度学习及图像处理技术	聚焦于多模态深度学习在阿尔茨海默病早期诊断中的应用，并整合了可解释人工智能（XAI）的最新进展	数据集不足或准备不充分、计算成本高、与临床实践缺乏整合	调查多模态深度学习在阿尔茨海默病早期诊断中的最新技术现状	阿尔茨海默病	计算机视觉	阿尔茨海默病	结构MRI、功能MRI、淀粉样蛋白PET	CNN, 迁移学习方法, 组合模型	图像	NA	NA	NA	NA	NA
613	2026-02-12	Relationship between the volume of ventricles, brain parenchyma and neurocognition in children after hydrocephalus treatment 2024-Dec-14, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06674-4 PMID:39673623	研究论文	本研究探讨了脑积水治疗后儿童脑室、脑实质体积与神经认知功能之间的关系，并利用深度学习模型预测脑发育情况	结合深度学习框架与统计分析方法，定量评估脑积水术后脑发育与神经认知的关联，超越了传统Evans指数的评估范围	样本量较小（52名儿童），年龄范围有限（10岁以下），且未考虑长期随访数据	评估脑积水治疗后儿童脑发育与神经认知功能的关系，并探索深度学习在预测术后恢复中的应用	52名接受脑积水治疗的10岁以下儿童	数字病理学	脑积水	T1加权磁共振成像（T1w MRI），Gesell发育量表评估	分类模型	图像（MRI），临床评估数据	52名儿童	NA	NA	准确率	NA
614	2026-02-12	Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527972 PMID:39421774	研究论文	本文提出了一种基于机器学习的自动化框架，用于对小鼠肺胶原含量进行评分，以克服传统手动病理评估的主观性和不一致性问题	结合了手动提取的胶原统计特征和预训练VGG16模型提取的隐藏特征，并采用多种无监督技术进行图像分析，实现了对肺胶原的自动分类	研究基于小鼠模型，结果可能无法直接推广到人类；多标签分类中某些组别的ROC AUC值较低（如0.38），表明模型在某些类别上性能有限	开发自动化评分框架以准确评估肺胶原含量，辅助理解肺疾病进展机制	成年雌性小鼠的肺组织切片图像，来自氨基甲酸乙酯诱导的肺损伤模型	数字病理学	肺癌	二次谐波生成（SHG）显微镜	SVM, 深度学习模型	图像	未明确指定样本数量，但使用了成年雌性小鼠的肺切片图像数据集	未明确指定，但提及了预训练VGG16模型及多种机器学习技术	VGG16	准确率, ROC AUC	NA
615	2026-02-12	Joint EANM/SNMMI guideline on radiomics in nuclear medicine : Jointly supported by the EANM Physics Committee and the SNMMI Physics, Instrumentation and Data Sciences Council 2023-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-06001-6 PMID:36326868	指南	本指南提供了核医学中稳健放射组学分析的最佳实践，涵盖手工特征和基于深度学习的方法	作为首个由EANM和SNMMI联合支持的核医学放射组学指南，它整合了当前最佳实践，并特别关注手工特征方法，同时为未来深度学习应用预留了更新空间	指南主要基于现有成熟技术，对深度学习方法的应用共识不足，需待更多研究后更新，且虽适用于多模态医学影像，但重点仅限核医学（如PET/CT、PET/MR和定量SPECT）	制定核医学中放射组学分析的标准和推荐，以促进该领域的规范发展	核医学影像数据，包括PET/CT、PET/MR和定量SPECT	医学影像分析	NA	放射组学分析，包括手工特征提取和深度学习	NA	医学影像	NA	NA	NA	NA	NA
616	2026-02-11	Use of uterine activity to predict preterm birth by artificial intelligence assisted models: a narrative systematic review 2026-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2025.2582375 PMID:41663244	综述	本文通过系统综述评估了人工智能模型利用子宫活动（如子宫肌电图）预测早产的准确性和适用性	首次系统性地综述了人工智能模型在利用子宫收缩数据预测早产方面的应用，并比较了不同特征提取方法和分类器的性能	研究存在异质性，缺乏外部验证，数据不平衡、样本量小，且大多数研究存在偏倚风险	评估人工智能模型利用子宫收缩数据预测早产的准确性和临床适用性	利用子宫肌电图或时间序列数据进行早产预测的研究	机器学习	早产	子宫肌电图	深度学习, 机器学习, 神经网络	时间序列数据	53项研究记录	NA	神经网络	准确率, AUC	NA
617	2026-02-11	Rapid identification of Polygonatum kingianum processed by nine steaming and nine drying based on FT-NIR and ATR-FTIR combined with deep learning 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129390 PMID:41544396	研究论文	本研究结合FT-NIR和ATR-FTIR光谱技术与深度学习，快速鉴别九蒸九制黄精样品	首次将同步二维相关光谱图像与ResNet模型结合，用于黄精九蒸九制过程的快速鉴别，并利用代谢组学分析关键代谢物	研究仅针对黄精一种药材，未验证方法在其他药材或更广泛样本中的适用性	建立一种快速准确的黄精九蒸九制工艺鉴别方法	九蒸九制处理后的黄精样品	机器学习	NA	FT-NIR光谱, ATR-FTIR光谱, 气相色谱-质谱联用	CNN	光谱图像	九种处理样品	NA	ResNet	准确率	NA
618	2026-02-11	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	本文提出了一种基于孪生神经网络的拉曼光谱分析方法，以应对训练数据与预测数据间的大变异性，提升模型泛化能力	采用孪生神经网络处理拉曼光谱数据，相比传统模型转移方法，无需测试数据信息进行模型调整，且在大型训练数据集上表现更优	尽管训练数据负担较传统网络低，但在训练与测试数据变异性纳入损失函数时，其减少程度有限	提高拉曼光谱模型的泛化性能，减少因数据变异性导致的性能下降	细菌物种和小鼠组织样本的拉曼光谱数据	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	四个细菌物种，每个物种包含九个生物重复样本，以及小鼠组织样本数据集	NA	孪生神经网络	NA	NA
619	2026-02-11	Surface-enhanced Raman scattering (SERS) in antibiotic resistance detection: Advances, challenges, and future perspectives 2026-May, Colloids and surfaces. B, Biointerfaces DOI:10.1016/j.colsurfb.2026.115423 PMID:41519006	综述	本文系统综述了表面增强拉曼散射（SERS）与人工智能（AI）结合在抗生素耐药性检测中的最新进展、挑战与未来前景	将SERS技术与AI（特别是机器学习和深度学习方法）相结合，实现了前所未有的耐药性检测准确性和效率	NA	应对全球公共卫生危机，实现早期、快速、准确的耐药细菌检测与识别	耐药细菌	机器学习和光学检测	抗生素耐药性	表面增强拉曼散射（SERS）	机器学习（ML）和深度学习（DL）	光学光谱数据	NA	NA	NA	准确性，效率	NA
620	2026-02-11	Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis 2026-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05078-y PMID:41254255	系统综述与荟萃分析	本研究通过系统综述和荟萃分析评估了基于X射线的深度学习模型在检测踝关节和足部骨折中的诊断性能	首次对基于X射线的深度学习模型在踝关节和足部骨折检测中的诊断准确性进行了全面的系统综述和荟萃分析，并探讨了影响模型性能的可能因素	纳入研究数量有限（14项），需要更大样本量、外部验证和临床实施的研究来进一步验证	评估AI模型使用X射线图像检测踝关节和足部骨折的诊断准确性，并调查影响其性能的可能因素	踝关节和足部骨折的X射线图像	计算机视觉	骨折	X射线成像	深度学习模型	X射线图像	基于14项纳入研究的累计数据，具体样本量未在摘要中明确给出	NA	NA	灵敏度, 特异度, F1分数, 诊断比值比	NA