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
761	2025-12-10	How deep is the brain? The shallow brain hypothesis 2023-12, Nature reviews. Neuroscience DOI:10.1038/s41583-023-00756-z PMID:37891398	观点文章	本文提出了浅层大脑假说，挑战了深度学习与预测编码中普遍采用的层次化架构，强调皮层下区域在并行处理中的重要作用	提出了浅层大脑假说，整合了皮层层次处理与皮层下区域的大规模并行处理，突破了传统深度学习的纯层次化架构	假说尚未得到充分实验验证，且未提供具体的计算模型或算法实现	探讨大脑的计算架构，挑战当前深度学习与预测编码网络中的层次化假设	哺乳动物大脑的神经解剖结构与计算原理	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
762	2025-12-09	Magnetic resonance image enhancement and segmentation using conventional and deep learning denoising techniques for dynamic cerebral angiography 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00406-x PMID:41357951	研究论文	本研究评估了自动去噪流程，以增强动态脑血管造影图像质量，辅助视觉分析和自动化血管分割，从而通过血管特征提取改进量化	结合传统技术与基于深度学习的无监督技术进行图像去噪，并展示了在分割任务中使用去噪图像相比原始噪声图像的显著性能提升	图像采集受婴儿运动伪影、短采集时间导致的对比度变化以及扫描仪硬件限制影响，增加了噪声并降低了血管可见性，这对AI工具和专业分析诊断构成挑战	评估自动去噪流程以增强图像质量，辅助视觉分析和自动化血管分割，改进血管特征提取的量化	婴儿的动态脑血管造影（TRANCE-MRI）图像	计算机视觉	脑血管疾病	动态血管磁共振成像（TRANCE-MRI）	深度学习无监督模型	图像	NA	NA	Noise2Void, PPN2V GMM	Dice系数, Hausdorff距离	NA
763	2025-12-09	Ex vivo human brain volumetry: Validation of MRI measurements 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过扫描离体原位人脑标本，验证了MRI脑体积测量工具与金标准水置换法的准确性	首次使用离体原位人脑标本作为金标准，验证了多种MRI序列和分割方法（包括手动和基于深度学习的自动分割）在脑体积测量中的准确性	样本量较小（仅7个解剖头部），且所有标本均经过酒精-甲醛溶液固定，可能影响组织特性	验证MRI脑体积测量工具的准确性，通过离体标本扫描与金标准水置换法对比	离体原位固定的人脑标本	医学影像分析	NA	MRI扫描（T2加权、T1加权、MP2RAGE序列）	深度学习	MRI图像	7个解剖头部标本	NA	SynthSeg	体积测量准确性，重复测量方差分析	NA
764	2025-12-09	Optimized T1-weighted MP-RAGE MRI of the brain at 0.55 T using variable flip angle coherent gradient echo imaging and deep learning reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70109 PMID:41024478	研究论文	本文提出并评估了一种在0.55 T磁场下用于快速脑部T1加权成像的优化MP-RAGE协议，结合可变翻转角相干梯度回波成像和深度学习重建技术	采用可变翻转角SSFP-FID内核的MP-RAGE序列，在0.55 T低场强下实现了白质信噪比平均提升21%和灰白质信号差异平均改善47%，并结合深度学习重建将扫描时间从5分17秒缩短至2分46秒	可变翻转角SSFP-FID的微分点扩散函数比标准序列略宽8%，可能影响边缘清晰度	开发在低场强（0.55 T）磁共振下快速获取高分辨率脑部T1加权图像的方法	人脑组织（重点关注白质和灰质）	医学影像分析	NA	磁共振成像（MRI），具体为MP-RAGE序列，SSFP-FID内核，可变翻转角成像	深度学习模型	磁共振图像	NA	NA	NA	白质信噪比（SNR），白质-灰质信号差异，微分点扩散函数宽度，扫描时间	NA
765	2025-12-09	A High-resolution dataset for AI-driven segmentation and analysis of drug-treated breast tumor spheroids 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109141 PMID:41207172	研究论文	本研究介绍了一个用于AI驱动分割和分析药物处理乳腺癌肿瘤球体的高分辨率公开数据集	创建了首个公开可用的高分辨率异型肿瘤球体图像数据集，并评估了多种深度学习分割模型在药物响应量化中的应用	数据集样本量相对较小（95张图像），且仅针对一种乳腺癌细胞系和一种药物处理，可能限制模型的泛化能力	促进AI驱动的分割和分析，以更准确地评估药物对3D肿瘤球体模型的效果	由MDA-MB-231乳腺癌细胞和人成纤维细胞组成的异型肿瘤球体	数字病理学	乳腺癌	显微成像	CNN	图像	95张高分辨率图像，进一步划分为2980个图像块（512×512像素）	未明确指定，但提及了深度学习分割模型	U-Net, Fully Convolutional Network (FCN), Mask R-CNN, YOLOv12-Seg, DeepLab	Jaccard指数, 准确率	NA
766	2025-12-09	Patients visits forecasting in emergency departments: Self-adapting LSTM models for evolving data distributions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109153 PMID:41218323	研究论文	本研究提出了一种基于自适应Seq2Seq LSTM的深度学习框架，用于急诊科患者就诊量的预测，以应对数据分布变化	结合了序列特定缩放和持续学习策略的自适应LSTM模型，能够在数据分布变化时自动调整，无需手动重新训练	在长期预测（如1个月）中，性能接近季节性朴素基准，且在COVID相关突变期间，ARIMA偶尔表现更优	设计一个在数据分布变化条件下保持准确性的急诊科患者就诊量预测框架，无需人工干预或完全重新训练	急诊科的历史每日就诊数据，涵盖COVID前、COVID期间和COVID后阶段	机器学习	NA	深度学习预测	LSTM, Seq2Seq	时间序列数据	覆盖COVID前、COVID期间和COVID后阶段的急诊科历史每日就诊数据	NA	Seq2Seq LSTM	MSE, MAE, MAPE, MASE	NA
767	2025-12-09	CellApop: A knowledge-guided decoupled distillation framework for label-efficient apoptotic cell segmentation and dynamic analysis in brightfield microscopy 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109156 PMID:41223808	研究论文	本文提出了一种基于知识引导解耦蒸馏的深度学习框架CellApop，用于在明场显微镜图像中实现标签高效的凋亡细胞分割和动态分析	开发了知识引导解耦蒸馏框架，通过多个专家模型指导轻量级学生网络训练，显著减少手动标注需求约80%，并引入重参数化、深度可分离卷积和边缘感知模块以提升在细胞密集重叠和边界模糊等挑战条件下的分割精度	未明确说明模型在更广泛细胞类型或不同显微镜设置下的泛化能力，以及框架对计算资源的具体需求	实现无标记、实时的凋亡细胞检测，以克服传统荧光染色方法的局限性	明场显微镜图像中的凋亡细胞	数字病理学	NA	明场显微镜成像	深度学习分割模型	图像	16,472张明场细胞图像，来自三个公共数据集（BF-C2DL-MuSC、DICC2DHHeLa、LiveCell）和一个专有凋亡数据集	未明确指定，但基于深度学习框架	CellApop（轻量级学生网络，包含重参数化、深度可分离卷积和边缘感知模块）	Dice相似系数、Hausdorff距离、IoU、灵敏度、特异性	NA
768	2025-12-09	Explainable multimodal fusion for breast carcinoma diagnosis: A systematic review, open problems, and future directions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109152 PMID:41232399	系统综述	本文系统综述了2015年至2025年间发表的49项关于可解释多模态融合在乳腺癌诊断与预后中的应用研究	首次系统性地梳理了乳腺癌诊断中多模态学习与可解释人工智能（XAI）的研究现状、融合策略及开放性问题	纳入研究存在数据集可用性有限、基准测试不一致、真实世界可解释模型稀缺等普遍问题	分析多模态融合与可解释人工智能在乳腺癌诊断和预后中的应用现状、挑战及未来方向	乳腺癌（BC）	数字病理学	乳腺癌	多模态数据融合（影像、临床记录、组织病理学、基因组数据）	Transformer, GNN, Autoencoder, 集成学习	影像、文本、基因组数据	NA	NA	注意力机制、门控架构、混合架构	NA	NA
769	2025-12-09	Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109161 PMID:41252869	研究论文	本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了深度学习放射组学列线图以预测患者总生存期	首次结合nnU-Net自动分割与多中心CT数据，构建了整合放射组学特征和深度学习特征的预测模型，并在多个外部验证队列中验证了其性能	临床因素的加入未显著提升模型预测效能，且研究为回顾性设计，可能存在选择偏倚	预测小细胞肺癌患者的总生存期，以支持个性化治疗决策	小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习	CT图像	1061例来自中国四家医院的患者	nnU-Net	nnU-Net	Dice相似系数, 一致性指数, 净重分类改善指数, 综合判别改善指数	NA
770	2025-12-09	MRomicsNet: A morphomics-radiomics-driven adaptive topological model for AD diagnosis on clinically routine T1-weighted images 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109160 PMID:41260107	研究论文	本研究提出了一种基于形态组学和影像组学的自适应拓扑模型（MRomicsNet），用于在临床常规T1加权图像上进行阿尔茨海默病诊断	首次将形态组学和影像组学特征整合到一个自适应拓扑模型中，通过深度学习框架强化重要脑区间连接并抑制无关连接，以优化脑网络构建	研究主要依赖于特定数据集（ADNI和EDSD），未在更广泛或多样化临床数据上进行验证，且模型复杂度可能较高	开发一种结合形态组学和影像组学优势的自适应拓扑模型，以提升基于T1加权图像的阿尔茨海默病诊断准确性	阿尔茨海默病患者及健康对照者的脑部T1加权图像	数字病理学	阿尔茨海默病	T1加权磁共振成像	图卷积网络	图像	ADNI和EDSD数据集，具体样本数量未在摘要中明确说明	深度学习框架（具体未指定，可能为PyTorch或TensorFlow）	MRomicsNet（包含morphGCN通道和mrGCN通道）	诊断准确率	NA
771	2025-12-09	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	系统综述	本文系统评估了人工智能在结肠癌研究中的应用现状，重点关注其对诊断准确性、治疗规划和患者结局的影响	通过系统综述和元分析评估AI在结肠癌应用的最新进展，并特别关注可解释AI和生成AI技术的使用	临床整合仍面临数据和验证缺口，现有研究质量参差不齐	评估人工智能在结肠癌检测、分类、预测和分割中的应用可靠性及其临床影响	2020年至2024年间发表的关于AI在结肠癌中应用的学术文章	数字病理学	结肠癌	NA	深度学习, 机器学习	NA	80篇文章	NA	GAN	诊断准确性	NA
772	2025-12-09	GICAF-Net: A cross-attentional graph-image fusion network for hyperspectral pathological diagnosis of FNH and HCC 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109171 PMID:41289808	研究论文	本研究提出了一种名为GICAF-Net的图-图像交叉注意力融合网络，用于肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的高光谱病理诊断	提出了一种新颖的双分支网络架构，结合了残差卷积和残差图卷积，并引入了拓扑感知交叉注意力融合模块（TACA）以及结合交叉熵、预测置信度和跨模态注意力一致性的多约束融合损失函数，以增强跨模态信息融合和分类稳定性	研究样本量相对较小（共120例），且未在更广泛的外部数据集上进行验证	提高肝肿瘤（FNH与HCC）术中高光谱病理诊断的准确性和效率	肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的病理样本	数字病理	肝癌	高光谱成像	CNN, GCN	高光谱图像	包含60例HCC和60例FNH的平衡高光谱肝肿瘤数据集，共120例	NA	GICAF-Net, 残差卷积, 残差图卷积	AUC, 准确率, F1分数	NA
773	2025-12-09	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2026-Jan, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	本研究利用基于深度学习的M2M模型，从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模人群中评估其与年龄、性别、种族及自我报告青光眼等因素的关联	首次在基于人群的大规模队列（CLSA）中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性	研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断，可能存在误报或漏报	评估在大型人群队列中使用深度学习模型从眼底照片估计RNFL厚度的可行性，并分析其与人口学因素及青光眼状态的关联	加拿大老龄化纵向研究（CLSA）基线综合队列中45至85岁的参与者	数字病理学	青光眼	眼底摄影，光学相干断层扫描（OCT）	深度学习模型	图像	28,114名参与者	NA	M2M（Machine-to-Machine）模型	Pearson相关系数，回归系数（β），p值	NA
774	2025-12-09	Quantitative analysis of corn adulteration in sweet potato starch using a CNN-LSTM hybrid model 2026-Jan-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147041 PMID:41274049	研究论文	本文利用太赫兹时域光谱技术结合CNN-LSTM混合模型，实现了对红薯淀粉中玉米掺假的快速定量分析	首次将CNN-LSTM混合深度学习模型应用于太赫兹光谱数据，用于淀粉掺假的定量检测，相比传统回归方法具有更高精度	未提及模型在其他淀粉类型或更复杂掺假场景中的泛化能力，且样本规模和多样性可能有限	开发一种快速、准确、非破坏性的淀粉掺假定量检测方法	掺假的红薯淀粉样品（含有玉米淀粉）	机器学习	NA	太赫兹时域光谱技术	CNN, LSTM	光谱数据（时域光谱）	一系列掺假样品（具体数量未明确说明）	NA	CNN-LSTM混合模型	Rp（预测相关系数）, RMSEP（预测均方根误差）	NA
775	2025-12-09	Exploring environmental sustainability of artificial intelligence in radiology: A scoping review 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112558 PMID:41275851	综述	本文通过范围综述，综合分析了放射学中人工智能的环境可持续性相关文献，并总结了减轻其环境影响的关键策略	首次系统性地综述了放射学AI领域的环境可持续性研究，识别了关键的环境影响指标（如能耗、碳足迹）并提出了具体的缓解策略	纳入的研究数量有限（仅13篇），且该领域的研究仍处于早期阶段，缺乏统一的标准和长期数据	旨在综合现有关于放射学中人工智能环境可持续性的文献，并强调减轻其影响的策略	放射学中的人工智能应用	数字病理	NA	NA	CNN, Vision Transformer, 大型语言模型	医学影像（如CT、MRI）	NA	NA	轻量级模型架构	二氧化碳当量排放、训练时间、电力使用效率、等效汽车行驶距离、能耗、耗水量	GPU, TPU, 云计算
776	2025-12-09	Deep Learning HASTE for Upper Abdominal MRI: Improved Image Quality, Speed, and Energy Efficiency in a Prospective Study 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70183 PMID:41346174	研究论文	本研究前瞻性地比较了深度学习重建的快速T2加权HASTE序列与传统HASTE序列在上腹部3T MRI中的图像质量、扫描时间和能效	首次将深度学习重建技术应用于上腹部MRI的HASTE序列，在保证图像质量的同时实现了62.5%的扫描时间缩减和显著的能耗降低	研究为单中心前瞻性研究，样本量相对有限（166例），且仅针对上腹部MRI，未评估其他解剖区域	评估深度学习重建的快速HASTE序列在上腹部MRI中的图像质量、诊断性能和能效优势	166名计划接受上腹部MRI检查的患者（平均年龄60±14岁）	医学影像分析	上腹部疾病	3T MRI, T2加权HASTE序列	深度学习模型	MRI图像	166例患者	未明确说明	未明确说明	图像质量评分, SNR, CNR, 放射组学特征, 扫描时间, 能耗	未明确说明
777	2025-12-09	Association of deep learning-derived optic nerve morphology with Parkinson's disease and drug-induced Parkinsonism: Findings from the LIFE Study 2025-Dec-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123751 PMID:41223743	研究论文	本研究通过深度学习分析眼底照片中的视盘杯盘比，探讨其与帕金森病及药物诱导性帕金森综合征的关联	首次在大规模人群研究中，利用深度学习从眼底照片中提取视盘杯盘比，并评估其与帕金森病及药物诱导性帕金森综合征的关联	研究为横断面设计，无法确定因果关系；仅基于ICD-10编码和处方记录诊断疾病，可能存在误分类；未详细说明深度学习模型的具体架构和性能	探究视盘杯盘比作为神经退行性病变标志物，与帕金森病及药物诱导性帕金森综合征的关联	来自日本LIFE研究的14,280名40-64岁社区参与者	数字病理学	帕金森病	眼底摄影	深度学习	图像	14,280名参与者	NA	NA	NA	NA
778	2025-12-09	Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning 2025-Dec-08, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202513086 PMID:41147785	研究论文	本研究开发了一个基于机器学习的高效平台，利用“反应活性比指纹”来测定二元和三元共聚中的反应活性比，实现序列调控	提出了“反应活性比指纹”的新设计，并利用深度学习模型在稀疏实验数据下实现毫秒级的高效测定，扩展至三元共聚体系	未明确说明模型在极端反应条件或非常规单体组合下的泛化能力	开发高效测定共聚反应活性比的方法，实现聚合物序列的按需调控	二元和三元共聚反应体系	机器学习	NA	共聚反应动力学分析，玻璃化转变表征	深度学习模型	反应活性比指纹，实验数据	数百万个反应活性比指纹	NA	NA	测定效率（毫秒级），预测准确性（通过动力学实验验证）	NA
779	2025-12-09	SleepPPG-Net2: deep learning generalization for sleep staging from photoplethysmography 2025-Dec-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae1a34 PMID:41172609	研究论文	本研究提出SleepPPG-Net2模型，通过多源域训练提升基于光电容积脉搏波（PPG）的四阶段睡眠分期在外部数据集上的泛化性能	采用多源域训练策略解决PPG数据漂移问题，显著提升模型在分布外数据上的泛化能力（Cohen's kappa提升达21%）	模型性能仍受年龄、性别和阻塞性睡眠呼吸暂停严重程度等人口统计学和临床因素影响	改善基于PPG信号的自动睡眠分期模型的跨数据集泛化能力	原始PPG时间序列数据	机器学习	睡眠障碍	光电容积脉搏波（PPG）	深度学习模型	时间序列数据	NA	NA	SleepPPG-Net2	Cohen's kappa	NA
780	2025-12-09	From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01768 PMID:41247925	研究论文	本研究探索了将蛋白质氨基酸序列转换为二维声谱图作为蛋白质功能预测任务的数据表示方法	提出蛋白质声谱化方法，将一维序列转换为二维声谱图，并证明这种表示结构本身是模型预测性能的关键来源	未明确说明模型在更广泛蛋白质类别或更大规模数据集上的泛化能力限制	探索蛋白质序列的最佳表示方法以提高功能预测性能	蛋白质氨基酸序列	计算生物学	NA	蛋白质声谱化	融合模型, 扩散模型	序列, 图像	18,000个序列，涵盖12个功能多样的蛋白质类别	NA	Transformer, ESM-2, ProtBERT	准确率	NA