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
941	2026-05-27	DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics 2025-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.05.662121 PMID:40672156	研究论文	提出一种名为DGAT的双图注意力网络，从转录组学数据推断空间蛋白质景观	首次提出双图注意力网络框架，通过整合转录组、蛋白质组和空间信息的异构图，从仅转录组学空间数据中精确推断蛋白质表达	依赖空间CITE-seq数据集进行RNA-蛋白质关系学习，可能受限于训练数据的覆盖范围和质量	从仅转录组学空间转录组数据中推断蛋白质表达，填补空间组学中蛋白质水平信息缺失的空白	空间转录组数据、空间蛋白质表达	数字病理学	扁桃体疾病、乳腺癌、胶质母细胞瘤、恶性间皮瘤	空间转录组学、空间CITE-seq	图注意力网络	图像、文本（基因表达数据）	公开和内部数据集，包括扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤样本	NA	双图注意力网络	蛋白质推断准确率	NA
942	2026-05-27	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	研究利用深度学习重建加速多b值DWI，评估其对图像质量改善及BCLC A期肝细胞癌微血管侵犯预测的影响	首次系统性比较深度学习加速多b值DWI与标准序列在图像质量和MVI预测能力上的差异，证明深度学习重建可大幅缩短采集时间同时保持诊断效能	NA	评估深度学习多b值DWI在BCLC A期肝细胞癌MVI预测中的加速效果、图像质量改善及预测效能	BCLC A期肝细胞癌患者的微血管侵犯（MVI）状态	机器学习	肝细胞癌	多b值DWI	深度学习重建模型	磁共振DWI图像	118名患者，其中48例MVI阳性	NA	深度学习重建网络	AUC, 信号噪声比, 对比度噪声比	NA
943	2026-05-27	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	研究论文	研究基于术前CT的深度学习与放射组学融合模型预测直肠癌患者肿瘤出芽等级	首次将细胞外体积参数图像与深度学习及放射组学特征结合，构建多参数融合模型预测直肠癌肿瘤出芽等级	样本量较小（仅135例），且为单中心回顾性研究，可能影响模型的泛化性	开发一种无创的基于CT的多参数深度学习-放射组学模型，用于术前预测直肠癌患者的肿瘤出芽等级	直肠癌患者的术前CT图像及肿瘤出芽等级	医学影像分析	直肠癌	CT成像, 细胞外体积参数图像, 深度学习, 放射组学	深度学习模型, 放射组学模型	CT图像	135例直肠癌患者（Bd1+2组85例，Bd3组50例）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
944	2026-05-27	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	开发并验证一种基于深度学习的双模态虚拟活检系统，整合MRI和MG影像特征，用于无创预测乳腺癌HER2状态	首次整合MRI放射组学特征和MG深度学习特征，构建XGBoost三元分类模型，实现HER2-zero/low/positive三种状态的精准预测	HER2-zero与HER2-low组间影像特征无显著差异，可能影响临床决策边界；需更大规模多中心验证	开发无创预测乳腺癌HER2状态的决策支持系统，指导靶向治疗	550例乳腺癌患者的MRI和MG影像数据	数字病理学, 机器学习	乳腺癌	MRI放射组学, MG深度学习特征提取	XGBoost, 深度学习模型（未明确指定类型）	MRI影像, MG影像	550例乳腺癌患者（训练集、内部验证集、外部验证集）	NA	放射组学模型（MRI）, 深度学习模型（MG）, XGBoost集成模型	AUC, 准确率	NA
945	2026-05-27	Automated Fast Prediction of Bone Mineral Density From Low-dose Computed Tomography 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.041 PMID:40082126	研究论文	本研究探讨利用深度学习方法基于低剂量CT扫描建立骨密度预测和骨质疏松分类系统	提出了一种基于单张2D低剂量CT切片进行椎体分割和骨密度预测的快速自动化系统	未在标题和摘要中明确说明	研究基于低剂量CT扫描进行体积骨密度预测和骨质疏松分类的可行性	腰椎椎体	数字病理学	骨质疏松症	CT	CNN	图像	551名受试者的低剂量CT和QCT数据	NA	U-Net	Dice相似系数, 灵敏度, 阳性预测值, Hausdorff距离, 均方根误差, R平方, 曲线下面积, 准确率	NA
946	2026-05-27	Deep Learning and Radiomics Discrimination of Coronary Chronic Total Occlusion and Subtotal Occlusion using CTA 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.011 PMID:40164533	研究论文	利用深度学习和影像组学模型，基于冠状动脉CT血管造影（CCTA）鉴别慢性完全闭塞与次全闭塞病变	首次在CCTA图像上结合深度学习和影像组学方法进行CTO与STO的精准鉴别，并证明其性能优于传统方法	未明确说明	开发并验证基于CCTA的深度学习和影像组学模型，用于区分CTO和STO病变，并与传统方法比较性能	冠状动脉慢性完全闭塞（CTO）和次全闭塞（STO）病变	计算机视觉，数字病理学	心血管疾病	CCTA	深度学习模型，影像组学模型	图像	581名参与者，含600个病变（403个CTO，197个STO）	NA	NA	AUC	NA
947	2026-05-27	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	提出一种结合深度学习与改进远足优化算法的框架，利用磁共振神经成像数据分类臂丛神经损伤类型	首次将改进远足优化算法与MobileNetV4结合用于神经损伤分类，并在多序列MRI数据上实现高精度	样本量较小（仅39名患者），且未明确说明模型的外部验证或泛化能力	提高臂丛神经损伤诊断的准确性和减少诊断变异性	臂丛神经损伤患者（神经失用、轴突断裂、神经断裂）	机器学习	臂丛神经病变	磁共振神经成像	卷积神经网络（基于MobileNetV4）	MRI图像（STIR、T2、T1、DWI序列）	39名确诊臂丛神经病变患者	PyTorch	MobileNetV4	准确率、敏感性、特异性	NA
948	2026-05-27	Deep Learning Image Reconstruction (DLIR) Algorithm to Maintain High Image Quality and Diagnostic Accuracy in Quadruple-low CT Angiography of Children with Pulmonary Sequestration: A Case Control Study 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.005 PMID:40410108	研究论文	评估深度学习图像重建算法在儿童肺隔离症四低CT血管成像中维持高图像质量和诊断准确性的效果	首次将深度学习图像重建算法应用于儿童肺隔离症的四低CT血管成像，实现辐射剂量、对比剂剂量、注射流速和压力的同时降低，并保持高诊断准确性	样本量较小（各53例），为回顾性病例对照研究，未进行多中心验证	评估四低CT血管成像结合深度学习图像重建在儿童肺隔离症诊断中的图像质量和诊断准确性	疑似肺隔离症的儿童患者	医学影像	肺隔离症	CT血管成像	深度学习图像重建	CT图像	106名儿童患者（四低组53例，常规组53例）	NA	深度学习图像重建算法	信噪比、边缘上升距离、主观图像质量评分、灵敏度、特异性	NA
949	2026-05-27	Point-Based Shape Representation Generation with a Correspondence-Preserving Diffusion Model 2025-Jul, Proceedings of machine learning research PMID:42180650	研究论文	提出一种基于扩散模型的点云形状表示生成方法，能够保持点之间的对应关系	首次在深度生成模型中引入点对应关系保持机制，现有深度学习方法仅处理无序点云而忽略对应关系	未提及具体局限性	开发能够生成保留点对应关系的真实点云形状的扩散模型	基于OASIS-3数据集的 hippocampal 形状表示	计算机视觉	阿尔茨海默病	扩散模型	扩散模型	点云（点形状表示）	OASIS-3数据集中的海马形状数据	PyTorch	扩散模型（未指定具体架构名称）	NA	NA
950	2026-05-27	Multimodal deep learning for predicting neoadjuvant treatment outcomes in breast cancer: a systematic review 2025-06-23, Biology direct IF:5.7Q1 DOI:10.1186/s13062-025-00661-8 PMID:40551237	综述	系统综述多模态深度学习在乳腺癌新辅助治疗病理完全缓解预测中的应用，并比较其与单模态方法的性能	首次系统性比较多模态与单模态深度学习在乳腺癌新辅助治疗pCR预测中的性能，纳入51项研究并分析多种数据模态整合效果	研究间方法异质性大、依赖回顾性数据、外部验证有限，多组学和临床文本数据作为主要输入的情况较少	评估多模态深度学习预测乳腺癌新辅助治疗疗效的准确性并对比单模态方法	乳腺癌患者接受新辅助治疗后病理完全缓解的预测模型	机器学习	乳腺癌	NA	CNN	影像、数字病理、多组学、临床记录	51项研究，中位队列281例	NA	卷积神经网络	AUC	NA
951	2026-05-27	Expanded AI learning: AI as a Tool for Human Learning 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.040 PMID:40210520	研究论文	演示深度学习模型可作为教学工具，在无AI直接辅助的情况下提升放射科医生执行成像任务的能力	首次提出将人工智能作为教学工具来提升放射科医生的内在能力，这一观点在放射学文献中尚未被提出过	NA	证明深度学习模型可用作教学工具，在影像判读时无需额外AI辅助即可提升放射科医生的判读能力	放射科医生及其对膝关节X光片的性别分类能力	数字病理学	NA	深度学习（卷积神经网络）	CNN	图像（膝关节X光片）	50张训练用膝关节X光片和50张测试用新X光片，3名人类读者	NA	NA	准确率，置信区间	NA
952	2026-05-27	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	研究论文	开发了PiCAP和CAPSIF2两个深度学习模型，用于预测蛋白质与碳水化合物的非共价相互作用及其残基位点	提出新型数据集和神经网络架构PiCAP，首次实现高准确度蛋白质-碳水化合物结合预测，并开发残基级预测模型CAPSIF2超越现有方法	NA	通过计算方法大规模预测蛋白质-碳水化合物相互作用，揭示细胞功能中未充分认识的蛋白质-碳水化合物交互网络	蛋白质与碳水化合物的非共价结合作用	机器学习	NA	深度学习	卷积神经网络	蛋白质序列数据	基于已知碳水化合物结合蛋白数据集训练，对人神经细胞表面蛋白及三个蛋白质组进行预测	NA	PiCAP, CAPSIF2	平衡准确率, Dice系数	NA
953	2026-05-27	Melanoma classification using generative adversarial network and proximal policy optimization 2025 Mar-Apr, Photochemistry and photobiology IF:2.6Q3 DOI:10.1111/php.14006 PMID:39080818	研究论文	提出一种基于生成对抗网络和近端策略优化的深度学习框架，用于黑色素瘤分类	引入离线策略近端策略优化算法处理数据不平衡，结合生成对抗网络进行数据增强以提升泛化能力	未提及具体局限性	提高黑色素瘤早期检测的准确性，支持临床治疗决策	黑色素瘤皮肤病变图像	计算机视觉	黑色素瘤	深度学习图像分类	生成对抗网络、近端策略优化	图像	使用SIIM-ISIC黑色素瘤分类挑战赛-ISIC-2020数据集	NA	三扩张卷积层，生成对抗网络	F-measure, 几何均值	NA
954	2026-05-27	Self-Attention Mechanisms-Based Laryngoscopy Image Classification Technique for Laryngeal Cancer Detection 2025-03, Head & neck DOI:10.1002/hed.27999 PMID:39526389	研究论文	提出一种基于自注意力机制的喉镜图像分类技术，用于喉癌检测	基于Swin-Transformer构建智能喉癌检测系统（ILCDS），在喉镜图像分类中取得优于传统CNN模型及专业喉科医生的性能	外部队列测试性能略有下降	开发高精度、高灵敏度的深度学习模型辅助喉癌早期检测	喉镜图像	计算机视觉	喉癌	NA	Swin-Transformer	图像	1462名患者的5768张喉镜图像	NA	Swin-Transformer	准确率, AUC	NA
955	2026-05-27	Artificial intelligence-driven ensemble deep learning models for smart monitoring of indoor activities in IoT environment for people with disabilities 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88450-1 PMID:39910242	研究论文	提出了一种基于元启发式优化的集成深度学习模型，用于在物联网环境中对残疾人的室内活动进行智能监测	首次将海洋捕食者算法用于特征选择，并采用图卷积网络、LSTM序列到序列和卷积自编码器的集成模型，利用改进的卷尾猴优化算法进行超参数调优	未提及模型在真实场景中的部署挑战、计算资源需求或对不同类型残疾人的适应性	开发一种智能监测室内活动的方法，以提高残疾人的生活质量并降低医疗成本	残疾人的室内活动监测	机器学习	NA	NA	集成模型（图卷积网络、LSTM序列到序列、卷积自编码器）	传感器信号、图像或视频帧	NA	NA	图卷积网络（GCN）、LSTM序列到序列（LSTM-seq2seq）、卷积自编码器（ConvAutoencoder）	准确率（Accuracy）	NA
956	2026-05-27	Automatic cervical lymph nodes detection and segmentation in heterogeneous computed tomography images using deep transfer learning 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84804-3 PMID:39905029	研究论文	利用深度迁移学习在异构CT图像中自动检测和分割颈部淋巴结	使用大规模头颈数据集预训练的nnUNet模型进行迁移学习，实现了在异质CT图像中自动检测和分割颈部淋巴结，并验证了在不同医院外部测试集中的泛化能力	检测灵敏度较低（54.6%），且外部测试集性能有所下降；未说明模型在更广泛临床场景中的表现	开发用于自动检测和分割颈部淋巴结的深度学习模型	626名头颈癌患者的11,013个标注淋巴结（短轴直径≥3mm）	计算机视觉	头颈癌	CT成像	深度学习模型（nnUNet）	CT图像	11,013个淋巴结（626名患者）	nnUNet	nnUNet	灵敏度、阳性预测值、假阳性率/例、Dice相似系数、Hausdorff距离	NA
957	2026-05-27	Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry 2025-02, Biometrical journal. Biometrische Zeitschrift DOI:10.1002/bimj.70023 PMID:39698740	研究论文	探索将域自适应方法用于整合纵向临床注册中不同测量工具以获取联合潜在表示	将计算机科学中用于图像数据的域自适应概念应用于纵向队列设置，通过常微分方程对潜在表示中的轨迹建模并从基线特征推断个体参数，还加入惩罚项以改善对齐	在更复杂场景中对齐效果降低，且仅评估了时间点较少的情况	评估域自适应方法在整合不同测量工具以分析纵向注册数据中的潜力	脊髓性肌萎缩症患者注册数据中的不同运动功能测量工具	机器学习	脊髓性肌萎缩症	NA	深度学习模型（常微分方程）	数值型纵向数据（测量工具评估得分）	基于修改的SMA数据及真实SMA数据集，具体样本数未提供	NA	NA	拟合优度、复杂度	NA
958	2026-05-27	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	探究翻转课堂教学方法对护理专业学生在职业道德课程中反思能力的影响	采用所罗门四组准实验设计，增强了实验的内部效度，较传统前后测对照设计更严谨	仅针对一所大学学生的样本，可能影响结果的外推性；未详细说明翻转课堂的具体实施细节	评估翻转课堂方法对护理学生反思能力的影响，以促进深度学习	护理专业学生	教育技术	NA	NA	NA	问卷数据	80名护理学生，分为四组	SPSS	NA	反思能力得分	NA
959	2026-05-27	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	研究论文	利用深度学习模型（3D DenseNet）基于CTP图像对后循环梗死进行分类，并与临床专家团队的性能进行比较	首次将深度学习应用于后循环梗死的CTP图像分类，并系统对比了模型与多位临床专家的诊断性能	未在外部数据集验证，且模型仅采用固定输入组合，未探索全部CTP参数优化	开发并验证基于CTP的深度学习模型用于后循环梗死分类，评估其与临床专家诊断的差异	541名患者（123名POCI患者，418名非POCI患者），来自INSPIRE国际卒中灌注登记数据库	计算机视觉，数字病理学	脑卒中（后循环梗死）	CT灌注成像	3D DenseNet	CT灌注图像（包括NCCT和延迟时间图）	541名患者（POCI与非POCI比例为1:3）	NA	3D-Dense卷积网络	AUC，灵敏度，特异度，准确率，精确率	NA
960	2026-05-27	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	研究人工智能和机器学习在非编码RNA发现中的应用	系统性地介绍了AI技术（包括机器学习和深度学习）在长链非编码RNA功能预测、疾病关联识别和蛋白质相互作用注释中的应用，并详细描述了深度学习的处理流程	主要聚焦于理论框架和方法论概述，未提供具体的定量性能比较或跨数据集验证结果	探讨AI技术在非编码RNA研究中的启发式方法，促进计算预测与实验验证的整合	长链非编码RNA（lncRNA）及其结合蛋白（lncRBP）	机器学习	NA	RNA-seq	LSTM, CNN, 基于Transformer的模型	文本	NA	NA	LSTM, CNN, Transformer	NA	NA