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
6661	2026-01-14	Localized identification of seepage and ponding in earthen embankment using infrared thermography assimilated with different deep learning frameworks 2025-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13258-y PMID:41093858	研究论文	本研究通过将被动红外热成像技术与深度学习算法结合，提出了一种用于识别土堤渗漏和积水的高级方法	将土堤渗漏识别任务转化为图像分类问题，并利用深度学习框架处理热图像序列以高精度预测渗漏和积水范围	NA	解决土堤长期渗漏和积水导致的失效问题，以增强堤坝安全和洪水易发区的灾害预防策略	土堤（土质堤坝）	计算机视觉	NA	红外热成像技术	深度学习算法	热图像序列	NA	NA	NA	准确度	NA
6662	2026-01-14	Impact of deep learning model uncertainty on manual corrections to MRI-based auto-segmentation in prostate cancer radiotherapy 2025-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70221 PMID:40849835	研究论文	本研究评估了深度学习生成的不确定性图对经验丰富的放射肿瘤学家在前列腺癌放疗中手动修正基于深度学习的自动分割的影响	首次系统评估了向临床医生展示深度学习分割不确定性图如何影响其决策、质量感知、信心和编辑效率	研究样本量较小（35例独立测试集），且仅涉及四位经验丰富的肿瘤学家，结果可能无法推广到更广泛的临床医生群体或不同分割任务	评估深度学习生成的不确定性图在临床医生手动修正放疗自动分割过程中的影响	接受超低分割MRI-only放疗的前列腺癌患者	数字病理学	前列腺癌	MRI	深度学习模型	医学影像（MRI）	434例患者用于训练（10折交叉验证），35例独立测试集	nnUNet	nnUNet	Dice系数	NA
6663	2026-01-14	Development and clinical implementation of an MRI-only planning workflow featuring deep learning-based synthetic CT for prostate cancer external beam radiotherapy 2025-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70228 PMID:40841175	研究论文	本文开发并临床实施了一种仅基于MRI的放疗规划工作流程，利用深度学习生成合成CT图像，用于前列腺癌外部束放射治疗	创新点包括开发多通道CycleGAN模型从MRI生成合成CT、自动化基准标记检测以及将工作流程集成到治疗规划系统中，从而消除对CT扫描的需求	研究样本量较小（回顾性11例，前瞻性10例），且未详细讨论模型在不同患者群体或成像设备上的泛化能力	旨在临床实施仅基于MRI的放疗规划工作流程，用于前列腺癌外部束放射治疗，以提高效率和减少辐射暴露	前列腺癌患者	数字病理学	前列腺癌	MRI成像（T1加权Dixon、T2加权3D、T2*加权GRE）、定量磁化率映射	GAN	图像	回顾性11例患者，前瞻性10例患者	NA	CycleGAN	剂量学差异百分比、基准标记检测成功率、检测时间减少	NA
6664	2026-01-14	Single- versus multi-model in the deep learning prediction of monitor units per control point for automated treatment planning in prostate cancer 2025-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70229 PMID:40883098	研究论文	本研究比较了单模型与多模型深度学习方法在预测前列腺癌容积旋转调强放疗中每个控制点监测单位数的性能，以自动化治疗计划	引入了基于深度学习的单模型与多模型方法，用于预测前列腺癌VMAT治疗中每个控制点的监测单位数，并比较了2D与3D输入数据的性能	研究仅基于单一机构的前列腺癌患者数据，样本量相对有限，且未评估模型在其他癌症类型或放疗技术中的泛化能力	开发并比较深度学习方法，以预测前列腺癌容积旋转调强放疗中每个控制点的监测单位数，实现自动化治疗计划	前列腺癌患者接受60 Gy分20次放疗的治疗计划数据	数字病理	前列腺癌	容积旋转调强放疗	深度学习模型	3D剂量分布数据、2D平均剂量强度投影数据	302份均匀治疗计划（训练集220份、验证集40份、测试集42份）	NA	NA	每个控制点仪表权重的误差百分比、每个束流监测单位的误差百分比、临床目标达成率	NA
6665	2026-01-14	A Deep Learning Method for Autism Spectrum Disorder Classification Based on Multimodal Neuroimaging Data 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253912 PMID:41337246	研究论文	本文提出了一种基于多模态神经影像数据的深度学习模型，用于自闭症谱系障碍（ASD）的分类诊断	通过融合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）的互补信息，构建更全面的特征空间，捕捉单一模态无法提供的复杂神经病理特征	研究仅使用了ABIDE NYU站点的数据，样本量有限，且未在其他独立数据集上进行验证	提高自闭症谱系障碍（ASD）与典型发育对照组（TC）的早期分类准确性，以支持及时干预和治疗	自闭症谱系障碍（ASD）患者和典型发育对照组（TC）的个体	机器学习	自闭症谱系障碍	功能磁共振成像（fMRI），结构磁共振成像（sMRI）	深度学习模型	神经影像数据	来自ABIDE NYU站点的影像数据	NA	NA	准确率，AUC，灵敏度，特异度	NA
6666	2026-01-14	A fusocelular skin dataset with whole slide images for deep learning models 2025-May-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05108-3 PMID:40368949	研究论文	本文介绍了AI4SkIN数据集，这是首个用于皮肤梭形细胞病变的公开全切片图像数据集，通过创新的众包协议进行标注，旨在提升计算机辅助诊断系统的性能	首次公开了针对皮肤梭形细胞病变的全切片图像数据集，并采用基于高斯过程的众包协议进行标注，展示了非专家标注数据在训练深度学习模型中的有效性	未明确提及数据集的样本多样性或潜在的标注偏差，且未详细讨论模型在临床环境中的泛化能力	开发一个用于皮肤梭形细胞病变分类的公开数据集，以支持计算机辅助诊断系统的研究和验证	皮肤梭形细胞病变的全切片图像	数字病理学	皮肤梭形细胞病变	苏木精和伊红染色	深度学习模型	全切片图像	641张全切片图像	NA	NA	NA	NA
6667	2026-01-14	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	本研究利用Twitter数据，通过无监督深度学习方法分析了2010年至2023年间公众对痴呆症基因检测的认知趋势和差距	首次结合BERT模型和主题建模技术，从社交媒体数据中挖掘公众对痴呆症基因检测的长期认知演变，并识别出关键争议话题	研究仅基于英语推文数据，可能无法全面反映全球多元文化背景下的公众认知；主题一致性系数较低（Silhouette Coefficient=0.19），表明话题聚类效果有限	分析公众对痴呆症基因检测的认知趋势、关注焦点及信息传播模式	2010年1月1日至2023年4月1日期间包含相关术语的英文推文	自然语言处理	痴呆症	基因检测	BERT	文本	3045条原始/源推文	NA	BERT	Silhouette Coefficient	NA
6668	2026-01-14	GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running 2025-Mar-21, Research square DOI:10.21203/rs.3.rs-6206222/v1 PMID:40166023	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，旨在通过大规模多样化数据训练，实现低成本、高精度的步态动力学预测	开发了首个针对人类步态的生成式基础模型，能够处理多样化输入和输出任务，并在数据缺失或未见人群上保持高准确性和鲁棒性	模型训练依赖于大规模数据集，可能无法覆盖所有可能的步态变异或极端情况；未详细讨论模型在实时应用中的计算延迟问题	通过深度学习模型低成本地预测和分析人类步态动力学，以促进健康、预防损伤、治疗疾病和优化运动表现	人类行走和跑步的步态动力学，包括运动学和地面反作用力	机器学习	NA	深度学习	生成式基础模型	运动学和力数据	大规模数据集，包含多样化参与者人口统计学和步态模式	未指定	未指定	准确性, 鲁棒性	未指定
6669	2026-01-14	Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics 2025-Feb-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56560-z PMID:39948387	研究论文	本文介绍了一种名为DeepCellMap的深度学习辅助工具，用于分析发育中人类大脑的小胶质细胞空间组织	开发了DeepCellMap工具，结合多尺度图像处理与先进空间统计，首次系统映射小胶质细胞在正常和病理大脑发育中的空间组织	未明确说明样本量的具体限制或工具在不同成像模态下的验证范围	研究发育中人类大脑的小胶质细胞空间组织及其在病理条件下的变化	人类胎儿大脑组织中的小胶质细胞	数字病理学	NA	多尺度图像处理，空间统计，聚类分析	深度学习	组织切片图像	NA	NA	NA	NA	NA
6670	2026-01-14	Innovative Immunoinformatics Tools for Enhancing MHC (Major Histocompatibility Complex) Class I Epitope Prediction in Immunoproteomics 2025, Protein and peptide letters IF:1.0Q4 DOI:10.2174/0109298665373152250625054723 PMID:40662558	综述	本文综述了免疫信息学工具在提升MHC I类表位预测方面的最新进展	整合了生物信息学算法、人工智能和机器学习模型，特别是深度学习与多组学数据融合，以增强表位预测的敏感性和特异性	由于MHC I类结合肽的复杂性和多样性，在不同人群和情境中精确识别表位仍极具挑战性	提升MHC I类表位预测的准确性，以促进疫苗开发、癌症免疫疗法和自身免疫性疾病研究	MHC I类分子结合肽	自然语言处理	NA	免疫信息学工具（如NetMHC、IEDB、MHCflurry）、生物信息学算法、人工智能、机器学习、深度学习、多组学数据整合	机器学习模型、深度学习模型	大规模肽-MHC结合数据、结构特征、相互作用动态、蛋白质组学、转录组学、基因组学数据	NA	NA	NA	敏感性、特异性、准确性	NA
6671	2026-01-14	Highly Elastic, Fatigue-Resistant, and Antifreezing MXene Functionalized Organohydrogels as Flexible Pressure Sensors for Human Motion Monitoring 2024-11-20, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c12852 PMID:39506450	研究论文	本研究设计了一种基于MXene功能化有机水凝胶的柔性压力传感器，用于人体运动监测	设计了一种具有双网络结构和可逆交联相互作用的弹性、抗疲劳、抗冻PVA/LA有机水凝胶，并引入MXene作为导电填料以增强传感器性能	NA	开发用于人体运动监测和健康监测的柔性压力传感器	基于MXene功能化有机水凝胶的柔性压力传感器	机器学习	NA	NA	CNN, LSTM	传感器信号数据	NA	NA	一维卷积神经网络, 长短期记忆网络	准确率	NA
6672	2026-01-14	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统	开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测	研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析	解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求	产后女性，特别是美国黑人产后女性	数字病理学	心血管疾病	纳米膜传感器技术	深度学习	波形数据	20名产后黑人女性	NA	NA	NA	云架构
6673	2026-01-14	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值	Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题	未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制	开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控	单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群	机器学习	头颈鳞状细胞癌	单细胞RNA测序，批量RNA测序	自编码器	基因表达数据	NA	NA	基于最优传输的自编码器	NA	NA
6674	2026-01-14	CIRI-Deep Enables Single-Cell and Spatial Transcriptomic Analysis of Circular RNAs with Deep Learning 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308115 PMID:38308181	研究论文	本文介绍了CIRI-deep，一种基于深度学习的模型，用于从单细胞和空间转录组数据中全面预测环状RNA的调控	开发了首个能够处理单细胞和空间转录组数据的深度学习模型，专门用于环状RNA的全面分析和预测	未在摘要中明确说明	解决现有单细胞和空间转录组技术在有效分析环状RNA方面的局限性	环状RNA	自然语言处理	NA	RNA-seq	深度学习模型	RNA-seq数据	基于2500万个高置信度环状RNA调控事件的数据集	NA	NA	在测试集和留出数据上均表现出高性能	NA
6675	2026-01-14	A Novel Approach Utilizing Domain Adversarial Neural Networks for the Detection and Classification of Selective Sweeps 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202304842 PMID:38308186	研究论文	本文提出了一种基于域对抗神经网络的域适应扫描检测与分类方法，用于改进选择性扫描的识别与分类	通过域对抗神经网络及其对抗学习模块，平衡两个域的分布对齐与分类性能，有效解决了深度学习模型中训练数据与真实基因组数据不匹配的问题	NA	提高选择性扫描的检测与分类性能，以增强对生物进化的理解，并为精准医学和遗传改良提供支持	选择性扫描	机器学习	NA	基因组数据分析	域对抗神经网络	基因组数据	NA	NA	域对抗神经网络	泛化能力、预测鲁棒性、准确性	NA
6676	2026-01-14	Predicting Single Neuron Responses of the Primary Visual Cortex with Deep Learning Model 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202305626 PMID:38350735	研究论文	本文提出了一种用于预测小鼠初级视觉皮层（V1）单神经元对自然刺激响应的先进计算模型	该算法结合物体位置并集成多个具有不同训练-验证数据的模型，在跨被试预测中比现有模型提升了15%-30%，并在SENSORIUM 2022挑战赛中排名第一	NA	预测初级视觉皮层单神经元对自然刺激的响应，以帮助理解神经机制并应用于脑机接口等下一代技术	小鼠初级视觉皮层（V1）的单神经元	机器学习	NA	NA	深度学习模型	图像	基于数千张图像的数据集	NA	NA	预测准确率	NA
6677	2026-01-13	Applications of artificial intelligence-based conversational agents in healthcare: A systematic umbrella review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106204 PMID:41337874	综述	本文对人工智能对话代理在医疗保健领域的应用进行了系统性的伞状综述	首次对AI对话代理在医疗保健领域的应用和有效性进行全面的全球性综合评估	难以就当前AI对话代理在医疗保健领域的整体有效性得出结论，且存在研究领域不平衡的问题	全面概述AI对话代理在医疗保健领域的当前应用及相关健康结果	2000年至2025年间发表的同行评审系统综述文章	自然语言处理	NA	深度学习	NA	文本	44篇综述文章	NA	NA	NA	NA
6678	2026-01-13	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习在生理时间序列数据（特别是ECG和EEG频谱）中异常检测的应用方法及效果	通过系统综述比较了不同机器学习方法在生理频谱异常检测中的性能，并指出无监督Transformer模型在该领域表现最优	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能遗漏了其他有价值但性能略低的方法	评估机器学习在生理时间序列频谱数据异常检测中的应用效果，并推荐最佳方法	ECG（心电图）和EEG（脑电图）的频谱数据	机器学习	心血管疾病	频谱分析	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据	NA	NA	Transformer	AUC, 准确率, F1分数	NA
6679	2026-01-13	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合超声和多序列MRI的深度学习放射组学列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合临床参数、超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了多中心验证	回顾性研究设计，样本量相对较小（103例患者），且仅针对三阴性乳腺癌这一特定亚型	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后方面的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	超声成像, 多序列磁共振成像	深度学习放射组学模型	二维超声图像, 三维MRI图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
6680	2026-01-13	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像对常见美容填充剂进行可靠鉴别	首次将人工智能深度学习应用于超声图像中美容填充剂的鉴别，填补了该领域的研究空白	对钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发人工智能深度学习模型以在真实条件下通过超声图像准确鉴别不同类型的美容填充剂	超声图像中的美容填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	深度学习	图像	1432张来自6个国家14位医生收集的超声图像	NA	YOLO, YOLOv11	准确率, F1分数, 精确率, 召回率	NA