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
741	2026-05-23	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	提出多器官AI内表型概念，利用深度学习方法研究脑、眼及心脏疾病的异质性与共同病因	首次提出"泛疾病"概念，并利用弱监督深度学习模型（Surreal-GAN）从多器官成像、遗传、蛋白质组和RNA-seq数据中识别11个AI衍生生物标志物（多器官AI内表型），用于揭示不同器官疾病之间的异质性和共享机制	NA	研究脑、眼及心脏疾病的异质性与共同病因，并为精准医学提供新的AI维度表示	129,340名参与者的个体水平数据以及MULTI联盟的汇总数据	机器学习、数字病理学	阿尔茨海默病、偏头痛、癌症、心血管疾病	RNA-seq	Surreal-GAN（弱监督深度学习模型）	图像、基因、蛋白质组、RNA-seq数据	129,340名参与者	NA	Surreal-GAN	NA	NA
742	2026-05-23	Predicting functional outcomes after a stroke event by clinical text notes: A comparative study of traditional machine learning and deep learning methods 2025 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251381194 PMID:40961451	研究论文	比较传统机器学习与深度学习方法在基于临床文本预测中风后功能结局上的性能	首次全面比较传统机器学习与深度学习方法在中风功能结局预测中的应用，并评估多种文本特征表示技术及其融合策略	数据仅来自单一医院，样本有限，深度学习方法未达最佳性能	基于临床文本笔记预测急性缺血性中风后功能结局，优化医疗资源配置	急性缺血性中风患者的临床文本笔记	自然语言处理	中风	文本挖掘	KNN、SVM、CNN、LSTM	文本	一家台湾医院收集的临床文本笔记	NA	KNN、SVM、CNN、LSTM	准确性、I型错误率	NA
743	2026-05-23	Relation equivariant graph neural networks to explore the mosaic-like tissue architecture of kidney diseases on spatially resolved transcriptomics 2025-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf303 PMID:40358510	研究论文	提出一种关系等变图神经网络框架REGNN，用于分析肾脏疾病空间转录组数据中的异质性组织结构	首次将关系等变性和位置编码引入图神经网络，处理肾脏组织马赛克样空间结构，结合自编码器和自监督学习克服标注数据不足	仅验证于10× Visium平台，缺乏多平台泛化性测试；未详细说明计算资源消耗	开发适用于高度异质性组织（如肾脏）的空间转录组数据分析工具，揭示病理机制	慢性肾脏病和急性肾损伤患者的肾脏组织空间转录组数据	自然语言处理	肾脏疾病	空间转录组学	图神经网络	基因表达空间数据	不同肾脏疾病状态下的异质性样本	NA	关系等变图神经网络, 图自编码器, 自监督学习	NA	NA
744	2026-05-23	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	开发了一种基于多模态深度学习的AI模型，通过常规组织病理图像和临床病理变量预测乳腺癌复发风险和化疗获益	利用预训练基础模型（基于171,189张组织病理切片），结合临床变量（年龄、肿瘤大小、受体状态）进行多模态分析，无需基因组测试即可预测Oncotype DX复发评分，并在TAILORx试验和六个外部队列中验证其预后价值和化疗获益预测能力	模型依赖于特定临床病理变量和预训练数据分布，可能在极端资源有限或不同人口统计特征的队列中需进一步验证；未详细讨论模型对不同亚型乳腺癌的适用性或潜在的批次效应	开发替代昂贵基因测试的AI工具，用于HR+/HER2-早期乳腺癌的复发风险分层和化疗决策支持	HR+/HER2-早期乳腺癌患者（TAILORx试验及六个独立外部队列）	数字病理学	乳腺癌	组织病理图像分析	多模态深度学习	图像和临床变量	培训（TAILORx试验n=8,284）和验证（外部六个队列n=5,497）	NA	基础模型（预训练于171,189张组织病理切片）	AUC	NA
745	2026-05-23	A Novel Deep Learning-based Pathomics Score for Prognostic Stratification in Pancreatic Ductal Adenocarcinoma 2025-05-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002463 PMID:40314741	研究论文	利用深度学习从苏木精-伊红染色全切片图像中构建病理组学评分，用于胰腺导管腺癌的预后分层	首次提出一种基于深度学习的病理组学评分，整合弱监督学习和多实例学习，从病理图像中自动提取可重复性特征，实现低成本的精准预后预测	由于未在摘要中提及，标记为NA	构建并验证一种基于深度学习的病理组学评分，以提升胰腺导管腺癌的预后预测准确性	864例胰腺导管腺癌患者的苏木精-伊红染色全切片图像及临床数据	数字病理学	胰腺导管腺癌	深度学习、弱监督学习、多实例学习、随机生存森林	NA	病理图像	864例患者的组织切片图像，其中训练组489例、验证组211例、新辅助治疗组164例	NA	NA	AUROC, C-index, 风险比 (HR), P值	NA
746	2026-05-23	Convolutional variational auto-encoder and vision transformer hybrid approach for enhanced early Alzheimer's detection 2025-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.3.034501 PMID:40415866	研究论文	提出一种结合卷积变分自编码器与视觉变压器的混合模型，用于早期阿尔茨海默病的增强检测	首次将卷积变分自编码器的无监督特征提取能力与视觉变压器的多头注意力机制结合，通过CVAE编码阶段捕获MRI关键特征并解码阶段去除无关细节，提升ViT对复杂模式的识别能力	未提及模型的泛化能力验证及在不同数据集上的表现稳定性	实现早期阿尔茨海默病的自动精准诊断，通过改进深度学习模型提高检测速度和准确性	阿尔茨海默病患者的脑部MRI影像	计算机视觉	阿尔茨海默病	MRI扫描	混合模型（CVAE + ViT）	图像（结构MRI）	14000个结构MRI样本，来自ADNI和SCAN数据库	PyTorch	CVAE（卷积变分自编码器）, ViT（视觉变压器）	测试准确率（93.3%）	NA
747	2026-05-23	Non-invasive quantification of pressure drops in stenotic intracranial vessels: using deep learning-enhanced 4D flow MRI to characterize the regional haemodynamics of the pulsing brain 2025-Apr-04, Interface focus IF:3.6Q1 DOI:10.1098/rsfs.2024.0040 PMID:40191027	研究论文	利用深度学习增强的超分辨率四维血流磁共振成像量化颅内狭窄血管的压力降	首次将深度学习增强的超分辨率技术与物理信息虚拟功-能相对压力技术结合，用于无创量化颅内动脉狭窄段的压力降	NA	开发无创方法量化颅内狭窄动脉的跨狭窄压力降，评估功能性狭窄严重程度	颅内动脉狭窄患者及颅内模拟实验	机器学习, 数字病理学	颅内动脉粥样硬化疾病	四维血流磁共振成像, 深度学习增强超分辨率	深度学习模型	磁共振成像数据	颅内动脉粥样硬化疾病患者队列及颅内模拟实验	NA	超分辨率模型	准确度, 偏差, 与参考有创导管测量的一致性	NA
748	2026-05-23	Capsule neural network and adapted golden search optimizer based forest fire and smoke detection 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81742-y PMID:39905031	研究论文	提出一种结合改进胶囊神经网络与自适应黄金搜索优化器的森林火灾和烟雾检测方法	首次将胶囊神经网络与自适应黄金搜索优化器结合用于森林火灾和烟雾检测	未提及模型在真实场景中的部署及实时性评估	提高森林火灾和烟雾检测的准确性和可靠性	森林火灾和烟雾	计算机视觉	NA	深度学习	胶囊神经网络	图像	NA	NA	胶囊神经网络、自适应黄金搜索优化器	准确性、可靠性	NA
749	2026-05-23	Advances in colorectal cancer diagnosis using optimal deep feature fusion approach on biomedical images 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83466-5 PMID:39905104	研究论文	提出一种基于最优深度特征融合方法的结直肠癌诊断新方法，利用生物医学图像实现高精度分类	融合MobileNet、SqueezeNet和SE-ResNet三种深度学习模型进行特征提取，并使用Osprey优化算法进行超参数选择，最终采用深度信念网络进行分类，首次在Warwick-QU数据集上达到99.39%的准确率	仅在一个数据集上进行了验证，未提及模型的泛化能力和在真实临床环境中的表现	开发一种基于深度特征融合的计算机辅助诊断方法，提高结直肠癌病理图像诊断的准确性和一致性	结直肠癌患者的病理组织学图像	数字病理学	结直肠癌	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	生物医学图像（病理组织学图像）	Warwick-QU数据集	NA	MobileNet, SqueezeNet, SE-ResNet, DBN	准确率	NA
750	2026-05-23	ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86819-w PMID:39905156	研究论文	提出了一种名为ThyroNet-X4 Genesis的深度学习模型，用于甲状腺结节的良恶性辅助诊断	在ResNet架构基础上，通过引入分组卷积和更大的卷积核来增强特征提取能力，提升了超声图像分析性能	外部验证集准确率仅为67.02%，表明泛化能力可能有限，且未提及模型在真实临床环境中的鲁棒性评估	开发一种高精度的深度学习模型，用于自动分类甲状腺结节的良恶性，以减少误诊风险	甲状腺结节超声图像中的良性与恶性分类	计算机视觉	甲状腺结节	超声成像	卷积神经网络（CNN）	图像	使用了公开甲状腺超声图像数据集，以及来自汉中市中心医院的外部验证集，具体样本数量未提及	NA	ResNet（改进版，含分组卷积和大核卷积）	准确率	NA
751	2026-05-23	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文提出了一个新的胸部X光片结核病语义分割数据集TB-Portals SIFT，并评估了U-Net和YOLOv8-seg架构的语义分割模型在结核病变分割上的泛化能力	构建了首个可用于结核病变语义分割的大规模数据集TB-Portals SIFT，并系统比较了基于分割的分类方法与传统图像级分类方法的泛化性能	依赖伪标签进行训练，可能引入标注噪声；未在真实临床环境中验证模型效果	通过语义分割实现可解释的结核病分类，并评估分割方法的泛化能力	胸部X光片中的结核病变区域	计算机视觉	结核病	X光成像	CNN	图像	6,328张胸部X光片，包含10,435个伪标注病变实例	PyTorch	U-Net, YOLOv8-seg, DenseNet121	分割精度, 分类准确率, 目标检测性能, 泛化性能	NA
752	2026-05-23	Enhancer-driven cell type comparison reveals similarities between the mammalian and bird pallium 2025-01-02, Science (New York, N.Y.) DOI:10.1126/science.adp3957 PMID:39946451	研究论文	利用深度学习表征增强子代码，比较羊膜动物端脑细胞类型的相似性	提出了三种基于增强子代码的指标，用于跨物种比较细胞类型；生成了鸡端脑的单细胞多组学和空间分辨转录组数据	未明确说明局限性	比较羊膜动物（哺乳动物和鸟类）端脑细胞类型的相似性	羊膜动物的端脑细胞类型，包括非神经元、GABA能神经元和兴奋性神经元	机器学习	NA	单细胞多组学、空间分辨转录组学	深度学习模型	基因表达数据、增强子序列数据	鸡端脑的单细胞多组学和空间分辨转录组数据	NA	NA	NA	NA
753	2026-05-23	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	使用机器学习和深度学习技术预测胃肠间质瘤患者对伊马替尼的依从性	首次在真实世界中使用机器学习技术预测胃肠间质瘤患者伊马替尼不依从的相关因素	NA	调查胃肠间质瘤患者的伊马替尼依从率并开发基于机器学习和深度学习的预测模型	胃肠间质瘤患者的伊马替尼依从行为	机器学习	胃肠间质瘤	问卷调查	极限梯度提升、轻量级梯度提升机、分类提升、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	问卷数据	397名胃肠间质瘤患者	NA	LGBM, XGBoost, CatBoost, RF, SVM, ANN, MLP, NaiveBayes, TabNet, Wide&Deep	F1分数	NA
754	2026-05-23	Researching public health datasets in the era of deep learning: a systematic literature review 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241307839 PMID:39794941	综述	对深度学习在公共卫生数据预测分析中的应用进行系统文献综述，识别挑战与趋势	系统梳理了2015年以来深度学习在公共卫生数据应用中的激增趋势，归纳了可解释AI、患者嵌入学习及多源数据融合等新兴方向	未提出标准化方法解决现有挑战，缺乏跨学科协作的具体指南	探索深度学习在公共卫生数据预测分析中的应用现状、挑战与发展趋势	公共卫生领域的多样化数据集	机器学习	公共卫生相关疾病（14类疾病类别）	NA	深度学习模型	公共卫生数据	2004篇文献	NA	NA	NA	NA
755	2026-05-23	Identifying protected health information by transformers-based deep learning approach in Chinese medical text 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251315594 PMID:39862116	研究论文	提出基于BERT的深度学习算法以识别中文医疗文本中的受保护健康信息，并验证其在中文临床上下文中隐私保护的可行性	首次将BERT结合BiLSTM-CRF模型应用于中文临床文本隐私信息识别，并预训练医学语料库提升性能	未明确说明局限性	提出一种基于Transformer的深度学习方法来识别中文临床文本中的受保护健康信息，并验证该方法在隐私保护中的效果	中文临床文本中的受保护健康信息	自然语言处理	不适用	BERT	深度学习模型	文本	来自151家医疗机构的33017份出院小结	PyTorch	BERT, BiLSTM, CRF	微平均召回率, F1值	不适用
756	2026-05-23	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	提出一种新颖的混合呼吸机压力预测器（H-VPP），利用患者呼吸时间序列数据预测呼吸机气道压力	提出混合投票回归器方法，结合时间序列数据分析肺部属性R和C对高压的影响，预测性能优于现有机器学习与深度学习模型	NA	准确预测呼吸机呼吸回路中的气道压力，降低因压力不当导致患者肺损伤或供氧不足的风险	患者呼吸时的呼吸机气道压力与肺部属性（R和C）	机器学习	呼吸机相关疾病（COVID-19相关）	NA	投票回归器（Voting Regressor）	时间序列数据（患者呼吸）	NA	NA	混合投票回归器（H-VPP）	R值、平均绝对误差、均方误差	NA
757	2026-05-23	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-07-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	研究论文	本研究提供了一个关于3D打印支架的最大规模开源数据集，并运用多种机器学习和深度学习算法预测支架质量、细胞响应和可打印性	提供了最全面的开源数据集，涵盖1171个支架、60种生物材料、49种细胞系及不同打印条件，并使用超过40种机器学习与深度学习算法进行预测	信息缺乏，待进一步说明	利用人工智能技术预测3D生物打印支架的质量，克服数据稀缺问题	3D打印支架的质量、细胞响应和可打印性	机器学习	NA	3D生物打印	机器学习与深度学习算法	表格数据	1171个3D打印支架样本	Scikit-learn, XGBoost, LightGBM, PyTorch	KMeans, XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, 全连接神经网络（6个隐藏层）	准确率, F1分数	NA
758	2026-05-23	A variational autoencoder trained with priors from canonical pathways increases the interpretability of transcriptome data 2024-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011198 PMID:38959284	研究论文	利用先验来自规范通路的变分自编码器提高转录组数据的可解释性	提出一种利用生物学数据先验指导网络学习基于可理解生物学概念的转录组表示的变分自编码器	NA	通过变分自编码器提高转录组数据的可解释性，实现基于生物通路水平的差异分析	转录组数据	机器学习	NA	RNA-seq	变分自编码器	基因表达数据	NA	NA	VAE, β-VAE, 先验引导VAE	重构准确度, 语义准确性	NA
759	2026-05-23	The Use of Deep Learning Software in the Detection of Voice Disorders: A Systematic Review 2024-06, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.636 PMID:38168017	系统综述	总结深度学习在声学及喉镜输入检测嗓音障碍中的应用，比较不同神经网络准确性，并与专家临床视觉检查对比	首次系统比较CNNs和MLPs在不同输入类型（声学vs影像）下的诊断准确性，并探讨其相对于专家临床检查的效能	仅限有限比较中显示深度学习优于专家检查，缺乏外部验证研究	评估深度学习在嗓音障碍检测中的有效性	健康与嗓音障碍患者的分类诊断	自然语言处理, 数字病理学	嗓音障碍	深度学习	CNN, MLP	音频, 图像	34项研究纳入，包括18项声学分析、15项影像分析、1项两者兼顾	NA	CNN, MLP	准确率	NA
760	2026-05-23	DeepDynaForecast: Phylogenetic-informed graph deep learning for epidemic transmission dynamic prediction 2024-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011351 PMID:38598563	研究论文	提出了DeepDynaForecast，一种基于系统发育树和图的深度学习系统，用于预测传染病传播动态	结合系统发育树拓扑和人口参数的原始-对偶图学习结构，采用快捷多层聚合技术，实现了对新兴高风险群体传播动态的早期识别与预测	NA	开发基于系统发育的深度学习系统，用于预测传染病传播风险和模式，以优化公共卫生干预策略	人类免疫缺陷病毒（HIV）在佛罗里达州2012年至2020年的传播动态	机器学习	艾滋病（HIV）	系统发育分析	图神经网络（GNN）	模拟爆发数据和真实大规模流行病数据	NA	PyTorch	原始-对偶图学习结构，快捷多层聚合	准确率	NA