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
6261	2026-01-21	Renji endoscopic submucosal dissection video data set for Esophagus 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	本研究介绍了首个公开的食管内镜黏膜下剥离术视频数据集，包含25个手术视频和141,909个阶段标注	这是首个公开的、包含全面阶段标注的食管ESD视频数据集	数据集规模相对较小（仅25个手术视频），可能限制模型的泛化能力	为人工智能辅助内镜手术提供高质量的标注数据集，支持手术阶段识别研究	食管内镜黏膜下剥离术（ESD）视频	计算机视觉	食管疾病	内镜黏膜下剥离术（ESD）	深度学习	视频	25个手术视频，包含141,909个阶段标注	NA	NA	NA	NA
6262	2026-01-21	Quantitative CT Imaging in Progressive Pulmonary Fibrosis: Clinical Usefulness and Meaningful Threshold Definition 2025-Dec-06, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.11.031 PMID:41360185	研究论文	本研究通过深度学习定量CT成像算法，确定了非特发性肺纤维化间质性肺病患者中定义进行性肺纤维化的最小临床重要差异阈值，并评估其预后价值	首次使用深度学习定量CT成像算法定义了非特发性肺纤维化间质性肺病患者中FS变化的1年和6个月MCID阈值，并验证了这些阈值在预后预测和风险分层中的临床实用性	研究为回顾性设计，可能受到选择偏倚的影响，且仅基于单一中心的患者数据，外部验证尚需进一步研究	确定定量CT成像中FS变化的MCID阈值，并评估其在定义进行性肺纤维化和预测患者预后中的临床意义	非特发性肺纤维化间质性肺病患者	数字病理学	肺纤维化	深度学习定量CT成像算法	深度学习	CT图像	476名患者	NA	NA	最小临床重要差异, 风险比, 95%置信区间	NA
6263	2026-01-21	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，旨在通过神经影像数据提高双相情感障碍和精神分裂症的跨诊断分类准确性	提出了一种新的互惠多网络噪声标签学习方法，通过最大化深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的偏差或错误	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神疾病的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神疾病	神经影像数据（功能连接性）	深度神经网络	图像数据（神经影像）	未明确指定患者样本数量，但使用了公共CIFAR-10和PathMNIST数据集进行验证	未明确指定	未明确指定	分类准确率	NA
6264	2026-01-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	提出了一种用于医学视频对象跟踪与分割的高效适配框架DD-SAM2，通过深度可分离扩张卷积适配器增强SAM2的多尺度特征提取能力	首次系统性地探索了基于适配器的微调策略，将Segment Anything Model 2应用于医学视频分割与跟踪，并充分利用其流式记忆机制	需要在有限训练数据的医学视频上进行微调，可能对数据稀缺场景的泛化能力存在限制	开发一种高效适配框架，提升SAM2在动态医学影像场景中的对象跟踪与分割性能	医学视频中的肿瘤分割和左心室跟踪	计算机视觉	肿瘤，心血管疾病	深度学习，视频分割	适配器微调框架	医学视频	TrackRad2025和EchoNet-Dynamic数据集	PyTorch	Segment Anything Model 2, Depthwise-Dilated Adapter	Dice系数	NA
6265	2026-01-21	Deep learning reconstruction for fast cardiovascular magnetic resonance imaging protocol: A comparative study with conventional cardiovascular magnetic resonance 2025-Nov-28, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102017 PMID:41318031	研究论文	本研究比较了压缩感知人工智能算法与传统灵敏度编码重建在加速心血管磁共振成像、提升图像质量和保持诊断准确性方面的表现	前瞻性验证了深度学习重建算法在多种临床序列（Cine、T2 STIR、LGE）中加速CMR采集、提升图像质量并保持诊断准确性的潜力	研究样本量相对有限（105名参与者），且未明确说明深度学习模型的具体架构细节	评估压缩感知人工智能算法在加速心血管磁共振成像采集、提升图像质量和保持诊断准确性方面的功能	105名计划进行临床心血管磁共振检查的参与者	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	105名参与者	NA	NA	信噪比, 对比噪声比, 边缘锐度, 心室功能参数, T2信号强度比, 晚期钆增强百分比, 主观图像质量评分（5点李克特量表）	NA
6266	2026-01-21	Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection 2025-Nov-26, ArXiv PMID:41356065	研究论文	本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口，显著提升了单次试验解码的准确性和鲁棒性	引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance及其约束版本作为距离度量，相比传统欧氏和马氏距离，对EEG信号中的时间延迟变化表现出更强的鲁棒性	研究仅涉及13名健康成年人，样本量较小，且未在患者群体或更复杂环境中验证	开发高鲁棒性的解码方法，以解决基于代码调制视觉诱发电位的非侵入性脑机接口中EEG信号的时间变异性和会话依赖性噪声问题	健康成年人的脑电图信号	机器学习	NA	脑电图记录	CNN, Siamese网络	脑电图信号	13名健康成年人	NA	卷积神经网络, Siamese网络	准确率	NA
6267	2026-01-21	AI-aided segmentation of four types of drusen in volumetric OCT 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566705 PMID:41293704	研究论文	本文提出了一种结合卷积神经网络进行自动玻璃膜疣分割和专用分类模块的深度学习框架，用于从OCT图像中准确分割和分类四种临床相关的玻璃膜疣类型	开发了一个深度学习框架，首次结合自动分割和分类模块，能够区分四种临床相关的玻璃膜疣类型，并在定量分析方面显示出显著改进	NA	实现年龄相关性黄斑变性（AMD）中玻璃膜疣的客观评估和监测	光学相干断层扫描（OCT）图像中的玻璃膜疣	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	NA	NA	NA	Dice系数, 临界成功指数	NA
6268	2026-01-21	DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning 2025-Sep-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03809-x PMID:41024142	研究论文	本文提出了一个名为DeepWheat的深度学习框架，用于预测小麦中基因组变异对基因表达和调控活性的影响	开发了DeepWheat框架，包含DeepEXP和DeepEPI两个模型，能够整合序列和表观基因组特征进行组织特异性基因表达预测，并支持跨品种的模型迁移	NA	预测小麦中基因组变异对组织特异性基因表达和调控活性的影响，以支持作物功能基因组学和育种	小麦	机器学习	NA	深度学习	深度学习模型	基因组序列, 表观基因组数据	五个小麦品种	NA	DeepEXP, DeepEPI	皮尔逊相关系数	NA
6269	2026-01-21	Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification 2025-Jun-27, ArXiv PMID:41019222	综述	本文综述了胎儿睡眠的生理特征、测量方法和分类技术，并探讨了宫内条件对其的影响	跨物种比较胎儿睡眠模式，并综合了从传统规则方法到深度学习的最新分类技术	NA	为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供基础，以支持产前护理的早期诊断和干预	人类和大型动物模型的胎儿睡眠	NA	NA	侵入性动物技术和非侵入性人类模态	深度学习	NA	NA	NA	NA	NA	NA
6270	2026-01-21	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	研究论文	本研究提出了一种基于深度学习的框架，用于自动化预测卵巢癌分期，利用常规组织病理学图像实现高精度分类	首次将迁移学习与ResNet-101结合，并采用遗传算法优化超参数，以自动化方式对卵巢癌组织切片进行分级和分期	未提及模型在外部验证集上的泛化能力，且数据来源和样本多样性可能有限	开发自动化方法以辅助卵巢癌的诊断和分期，减少人工评估的时间和主观差异	卵巢癌薄组织活检样本的透射光学显微镜明场图像	数字病理学	卵巢癌	组织病理学成像	CNN	图像	NA	PyTorch, TensorFlow	ResNet-101	准确率	NA
6271	2026-01-21	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了一种弱监督深度学习模型在对比增强超声（CEUS）中区分恶性与良性局灶性肝病变（FLLs）的性能	采用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签即可分类肝病变	回顾性研究，样本来自单一三级医院，可能限制泛化能力	评估弱监督深度学习在CEUS中自动分类肝病变恶性与否的可行性	局灶性肝病变（FLLs）患者	计算机视觉	肝病	对比增强超声（CEUS）	深度学习	图像	370名患者，共955,938张图像	NA	注意力机制的多实例学习算法	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
6272	2026-01-21	Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103818 PMID:40695098	研究论文	本研究探讨了流体和白质抑制（FLAWS）MRI序列在提高深度学习模型检测和分割多发性硬化（MS）患者皮质病变方面的效果，并开发了能泛化到仅使用标准T1加权图像（MPRAGE）的临床环境的模型	首次将FLAWS MRI序列与深度学习结合，显著提升了皮质病变的检测和分割性能，并实现了从先进研究序列到常规临床序列的知识迁移和泛化	研究基于多中心数据，但样本量相对有限（204名患者），且外部验证仅在一个机构进行，可能影响模型的广泛适用性	提高多发性硬化患者皮质病变的自动检测和分割准确性，并促进深度学习模型在临床环境中的实际应用	多发性硬化（MS）患者的MRI图像，特别是皮质病变	数字病理学	多发性硬化	FLAWS MRI序列、MP2RAGE序列、MPRAGE序列	深度学习模型	MRI图像	204名多发性硬化患者	NA	NA	F1-score, DSC	NA
6273	2026-01-21	From CNNs to SAM: A Survey of Deep Learning Techniques for Liver Tumor Segmentation in CT Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3631322 PMID:41550585	综述	本文对基于深度学习的CT图像肝脏肿瘤分割技术进行了全面综述，分析了100多篇相关研究论文	从CNN到SAM等多个维度系统梳理了肝脏肿瘤分割领域的发展脉络与新兴趋势，并探讨了不同方法选择的影响	作为综述文章，主要总结现有研究，未提出新的模型或方法	综述深度学习技术在CT图像肝脏肿瘤分割领域的研究进展与应用	肝脏肿瘤的CT图像分割	计算机视觉	肝癌	CT成像	深度学习模型	CT图像	NA	NA	CNN, SAM	NA	NA
6274	2026-01-21	Disorder-specific neurodynamic features in schizophrenia inferred by neurodynamic embedded contrastive variational autoencoder model 2024-12-18, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-03200-7 PMID:39695106	研究论文	本研究通过整合神经动力学模型与对比变分自编码器，提取并评估精神分裂症特有的宏观特征，包括个体水平、区域水平参数和时变状态	首次将神经动力学模型与对比变分自编码器结合，用于提取精神分裂症特有的神经动力学特征，并揭示了与症状相关的独特分子机制模式	研究基于多中心数据集，但未具体说明样本异质性或模型泛化能力的详细评估	探索精神分裂症的病理机制，通过神经动力学模型分析微观改变如何影响宏观神经回路和脑功能	精神分裂症患者	机器学习	精神分裂症	神经动力学模型	CVAE	神经影像数据	NA	NA	对比变分自编码器	NA	NA
6275	2026-01-21	Uncertainty-aware genomic deep learning with knowledge distillation 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.13.623485 PMID:39605624	研究论文	本文提出了一种名为DEGU的方法，通过集成学习和知识蒸馏提升深度神经网络在调控基因组学预测中的鲁棒性和可解释性	DEGU方法首次将集成学习与知识蒸馏结合，以捕获模型不确定性（认知不确定性）并可选地估计数据不确定性，从而提供校准的不确定性估计和更一致的解释	未明确提及具体的数据集限制或模型泛化边界	提高深度神经网络在调控基因组学预测中的可靠性和可解释性	调控基因组学中的功能基因组预测任务	机器学习	NA	深度神经网络，集成学习，知识蒸馏	DNN	基因组序列数据	NA	NA	NA	校准的不确定性估计，覆盖保证	NA
6276	2026-01-21	High-speed in vivo calcium recording using structured illumination with self-supervised denoising 2024-Nov-15, Optics continuum IF:1.1Q4 DOI:10.1364/optcon.532996 PMID:41550202	研究论文	本研究提出了一种结合周期性结构光照和自监督去噪的高通量钙成像方法，用于在体记录神经活动	开发了新型伪HiLo重建方法，结合周期性结构光照和自监督深度学习去噪，显著提高了钙信号的信噪比	方法主要针对GCaMP8f钙指示剂在CA1锥体神经元中的应用，尚未验证其他神经类型或指示剂	提高在体神经钙成像的速度和信噪比，减少背景污染和随机噪声	小鼠CA1区锥体神经元的钙活动	计算神经科学	NA	宽场荧光成像，周期性结构光照，钙成像	深度学习	图像序列	NA	NA	DeepCAD-RT	对比度，瞬态峰噪比，成对相关系数，背景像素相关系数	NA
6277	2026-01-21	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024-Mar-19, ArXiv PMID:38562453	研究论文	本研究评估了缺血性卒中发生时脑体积与脑萎缩指标BPF作为功能预后生物标志物的优劣	首次通过深度学习自动分割和贝叶斯信息准则比较，证明急性卒中时的脑体积比脑萎缩指标BPF能更好地预测功能预后	单中心回顾性研究，样本量有限（467例），仅纳入动脉缺血性卒中患者	比较脑体积与脑萎缩指标在缺血性卒中功能预后预测中的效能	急性缺血性卒中患者的神经影像数据与90天功能预后	数字病理学	缺血性卒中	MR神经影像	深度学习分割模型	医学影像	467例动脉缺血性卒中患者	NA	NA	贝叶斯信息准则	NA
6278	2026-01-21	Human cytomegalovirus infection perturbs neural progenitor cell fate via the expression of viral microRNAs 2023-02, Journal of medical virology IF:6.8Q1 DOI:10.1002/jmv.28574 PMID:36772841	研究论文	本研究探讨了人类巨细胞病毒（HCMV）通过表达病毒microRNAs（miRNAs）扰乱神经祖细胞（NPCs）命运，进而导致神经发育障碍的机制	首次结合微阵列、深度学习和实验验证，系统揭示了HCMV感染NPCs过程中病毒miRNAs（特别是hcmv-miR-US25-1）通过靶向神经发育关键基因（如Jag1）调控细胞命运的分子机制	研究主要关注早期感染阶段，未涵盖长期感染效应；体外NPCs模型可能无法完全模拟体内复杂微环境	阐明HCMV感染导致神经发育障碍的分子机制，特别是病毒miRNAs在调控神经祖细胞命运中的作用	人类神经祖细胞（NPCs）和人类巨细胞病毒（HCMV）	生物信息学与计算生物学	神经发育障碍	微阵列分析、实时定量逆转录聚合酶链反应（qRT-PCR）、定点突变	深度学习模型	microRNA表达数据、mRNA表达数据	未明确说明具体样本数量，但涉及HCMV感染的NPCs实验组和对照组	NA	NA	NA	NA
6279	2026-01-20	BRAIN-META: A reproducible CNN-vision transformer meta-ensemble pipeline for explainable brain tumor classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103769 PMID:41551258	研究论文	本研究提出了一种名为BRAIN-META的可重复深度学习流程，用于基于结构MRI的多类别脑肿瘤分类	结合了十种混合CNN-Vision Transformer模型与元学习集成框架，并利用Grad-CAM增强可解释性	NA	开发一种准确、可解释且模块化的脑肿瘤分类方法，以支持神经肿瘤学的临床决策	代表四种类别的2D MRI图像：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	结构MRI	CNN, Vision Transformer, 元学习集成	图像	NA	NA	DenseNet121, DenseNet169, DenseNet201, MobileNet, MobileNetV2, EfficientNetB0, EfficientNetB1, EfficientNetB4, InceptionV3, Xception, Vision Transformer	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
6280	2026-01-20	SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks 2026-May-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129332 PMID:41478040	研究论文	本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无需培养地识别败血症及其致病病原体	开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并首次在独立外部队列中展示了接近临床级别的性能，实现了从富集血液中直接进行败血症识别和病原体分类	残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类别之间，表明在血液样本收集中需要改进原始类别平衡	开发一种快速、无需培养的败血症诊断和病原体识别方法	败血症患者及健康对照者的血液样本	机器学习	败血症	表面增强拉曼光谱	深度学习	光谱数据	653份主要数据集样本（来自卡塔尔一家三级医院）和70份独立外部盲测队列样本	NA	超操作神经网络	准确率	NA