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
101	2025-10-29	Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China 2025-Oct-24, Clinical endoscopy IF:2.1Q3 DOI:10.5946/ce.2025.113 PMID:41147107	研究论文	本研究开发了一种结合深度学习和内镜超声的机器学习模型，用于纵隔和腹腔淋巴结的诊断分类	首次将U-Net分割模型与六种深度学习架构结合k近邻算法集成应用于内镜超声图像分析，并创新性地将机器学习模型与专家诊断和逻辑回归分析相结合	回顾性研究设计，样本量相对有限（93名患者），仅在中国单一中心进行	提高内镜超声对纵隔和腹腔淋巴结病变的诊断性能并降低医疗成本	纵隔和腹腔淋巴结的内镜超声图像	计算机视觉	淋巴结病变	内镜超声	CNN, U-Net, k-NN	医学图像	93名患者，630张图像	NA	U-Net, ResNet-50	F1分数, 敏感性, AUC	NA
102	2025-10-29	Predicting the Effort Required to Manually Mend Auto-Segmentations 2025-Oct-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623042 PMID:41129432	研究论文	本文研究评估自动分割结果临床可用性的方法，重点关注预测手动修正所需的工作量	提出基于深度学习网络的隐式指标来预测修正工作量，无需真实分割标签，仅使用自动分割结果和原始图像	研究仅针对放射治疗计划中的7个解剖器官，需要在更广泛场景中验证	开发能够有效预测自动分割结果手动修正工作量的评估方法	放射治疗计划中的自动轮廓分割结果	医学图像分析	NA	深度学习	深度学习网络	医学图像，分割掩码	3个机构的7个不同解剖器官数据	NA	NA	误差率	NA
103	2025-10-29	SNRAware: Improved Deep Learning MRI Denoising with Signal-to-noise Ratio Unit Training and G-factor Map Augmentation 2025-Oct-22, Radiology. Artificial intelligence DOI:10.1148/ryai.250227 PMID:41123451	研究论文	开发并评估一种基于深度学习的MRI去噪方法，利用图像重建过程中获得的定量噪声分布信息来提升模型性能和泛化能力	提出SNRAware训练方案，利用MRI重建知识通过模拟多样化合成数据集和提供定量噪声分布信息来增强去噪效果	回顾性研究设计，数据主要来自3T MRI扫描仪	改进基于深度学习的MRI去噪方法	心脏电影序列MRI图像	医学影像处理	心血管疾病	MRI	CNN, Transformer	医学图像	训练集2885236张图像来自96605个心脏电影序列，测试集3000个电影序列	NA	Transformer, 卷积块	PSNR, SSIM, 对比噪声比	NA
104	2025-10-29	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Oct-22, Genome research IF:6.2Q1 DOI:10.1101/gr.280540.125 PMID:41125441	研究论文	本研究利用合成调控基因组学数据微调深度学习模型Enformer，提升其对基因组变异的预测能力	首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提高了模型对非参考序列的预测性能	模型对DHS顺序或方向重排的序列预测能力较差	提高深度学习模型对基因组变异序列的表观遗传特征预测能力	DNase I超敏感位点的删除、倒位和重排工程序列	机器学习	NA	合成调控基因组学	深度学习	基因组序列数据	数十个工程化序列	NA	Enformer	预测误差	NA
105	2025-10-29	A robust and data-efficient deep learning model for cardiac assessment without segmentation 2025-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01903-x PMID:41126099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
106	2025-10-29	Explainable machine learning algorithm predicting working memory performance in Parkinson's disease using task-fMRI 2025-Oct-14, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-025-13438-w PMID:41085732	研究论文	开发可解释的机器学习模型，基于任务功能磁共振成像数据预测帕金森病患者的工作记忆表现水平	首次将三维卷积神经网络与三维卷积自编码器预训练结合，应用于帕金森病工作记忆表现分类，并生成显著性图谱解释模型决策依据	样本量较小（仅45名患者和15名健康对照），仅使用单一任务功能磁共振成像范式	开发可解释的深度学习模型用于帕金森病患者工作记忆表现的客观评估	帕金森病患者和健康对照个体	医学影像分析	帕金森病	任务功能磁共振成像，n-back工作记忆任务	3D-CNN	三维脑功能影像数据	45名帕金森病患者和15名健康对照	NA	三维卷积神经网络，三维卷积自编码器	准确率	NA
107	2025-10-29	From screening to subtyping in a single glance 2025-Oct-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101391 PMID:41142900	研究论文	介绍了一种集成从筛查到分型全流程的深度学习系统S2S框架，用于放射影像的精细疾病诊断	提出了首个将检测到分型全诊断流程整合的'筛查到分型'框架，建立了人机协作新范式	NA	开发能够处理复杂胸部癌症全诊断流程的深度学习系统	胸部癌症的放射影像	计算机视觉	胸部癌症	深度学习	深度学习系统	放射影像	NA	NA	S2S-Med系统	准确率	NA
108	2025-10-29	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-Oct-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	提出一种融合视觉和听觉信息的多模态深度学习框架GARNN-AE-LSTM，用于实现高精度视频摘要	结合门控循环神经网络(GARNN)和对抗编码器LSTM(AE-LSTM)，引入门控AlexNet和多模态特征提取，通过运动补偿PCA降维和时序建模提升关键帧检测精度	NA	开发高精度的视频摘要系统，通过保留关键内容创建精简版长视频	视频数据	计算机视觉	NA	多模态特征提取，运动补偿特征降维，PCA降维	GRU, LSTM, AlexNet	视频，音频，图像	NA	NA	GARNN, AE-LSTM, AlexNet	敏感度, F分数, 阳性预测值	NA
109	2025-10-29	Prophylactic biological mesh reinforcement during ileostomy closure surgery evaluated by the image-based deep learning model for the prevention of stoma-site incisional hernia: phase II study protocol for a single-centre, prospective, randomised controlled clinical trial 2025-Oct-07, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101121 PMID:41062141	研究论文	本研究通过基于图像的深度学习模型评估生物补片在预防回肠造口关闭术后造口部位切口疝的安全性和有效性	首次将影像组学用于预测造口部位切口疝，并验证基于图像的深度学习模型在预测术后并发症和识别高风险患者方面的可行性	单中心研究，样本量较小（40例患者）	评估生物补片在预防高风险患者回肠造口关闭术后切口疝的安全性和有效性	需要接受回肠造口关闭术且被基于图像的深度学习模型识别为造口部位切口疝高风险因素的患者	医学影像分析	直肠癌	基于图像的深度学习模型	深度学习模型	医学影像数据	40例患者	NA	NA	术后切口疝发生率、局部疼痛、切口感染、血清肿等并发症发生率	NA
110	2025-10-29	Deep learning prediction of peak oxygen uptake in patients with coronary heart disease: a retrospective study 2025-Oct-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-098878 PMID:41047260	研究论文	本研究开发并验证了基于亚极量心肺运动测试指标和深度学习方法预测冠心病患者峰值摄氧量的模型	首次将深度学习方法应用于冠心病患者峰值摄氧量预测，并比较了多种机器学习模型的性能	研究为回顾性设计，需要进一步的外部验证和前瞻性研究才能临床应用	开发预测冠心病患者峰值摄氧量的预测模型	冠心病患者	机器学习	冠心病	心肺运动测试	神经网络,XGBoost	临床数据和运动测试指标	10538名冠心病患者	NA	神经网络	R²,平均绝对误差,偏差,Bland-Altman分析,SHAP特征重要性排序	NA
111	2025-10-29	G4STAB: a multi-input deep learning model to predict G-quadruplex thermodynamic stability based on sequence and salt concentration 2025-Oct-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf545 PMID:41014017	研究论文	开发了一个多输入深度学习模型G4STAB，用于基于序列特征和盐浓度预测G-四链体热力学稳定性	首个不依赖预设结构特征，能同时考虑序列特征、盐浓度和pH值预测G-四链体熔解温度的深度学习模型	模型训练数据仅限于2382个DNA G-四链体序列，可能无法覆盖所有可能的G-四链体拓扑结构	开发准确预测G-四链体热力学稳定性的计算模型	DNA G-四链体核酸结构	机器学习	癌症	深度学习	多输入深度神经网络	序列数据, 化学浓度数据	2382个DNA G-四链体序列训练数据，391502个实验验证的G-四链体分析数据	NA	多输入深度神经网络	R²	NA
112	2025-10-29	DenseFormer-MoE: A Dense Transformer Foundation Model With Mixture of Experts for Multi-Task Brain Image Analysis 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	提出一种结合密集卷积网络、视觉Transformer和专家混合的DenseFormer-MoE基础模型，用于多任务脑图像分析	首次将密集卷积网络、视觉Transformer和专家混合机制集成到脑图像分析基础模型中，通过动态专家选择解决多任务学习中的优化冲突问题	仅使用T1加权磁共振图像，未探索多模态脑影像数据	开发适用于多种下游任务的脑图像分析基础模型	脑部T1加权磁共振图像	计算机视觉	脑部疾病	T1加权磁共振成像	Transformer, CNN, MoE	图像	UK Biobank、ADNI、PPMI等多个知名脑成像数据集	NA	DenseNet, Vision Transformer, Mixture of Experts	NA	NA
113	2025-10-29	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	使用基于3D卷积神经网络的多模态MRI方法区分多系统萎缩和帕金森病	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合用于帕金森综合征的自动鉴别诊断	样本量相对较小，仅包含156名患者；回顾性研究设计	开发基于深度学习的自动诊断工具，用于区分不同类型的帕金森综合征	多系统萎缩患者（MSA-P、MSA-C、MSA-PC变体）和帕金森病患者	医学影像分析	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	CNN	医学影像	156名患者（92名MSA患者，64名PD患者）	NA	3D CNN	准确率	NA
114	2025-10-29	A Wearable Electrochemical Biosensor for Salivary Detection of Periodontal Inflammation Biomarkers: Molecularly Imprinted Polymer Sensor with Deep Learning Integration 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509658 PMID:40714834	研究论文	开发了一种用于唾液检测牙周炎症生物标志物的可穿戴电化学生物传感器，结合分子印迹聚合物和深度学习技术	首次将分子印迹聚合物传感器与深度学习集成，开发出可穿戴口护平台用于实时监测口腔炎症	NA	开发高灵敏度、非侵入性的牙周炎症检测方法	唾液中的基质金属蛋白酶-8（MMP-8）生物标志物	医疗健康监测	牙周病	电化学传感、分子印迹聚合物、密度泛函理论模拟	深度学习	电化学阻抗数据	患者样本（具体数量未说明）	NA	NA	特异性、重现性、诊断准确性	NA
115	2025-10-29	VLM-CPL: Consensus Pseudo-Labels From Vision-Language Models for Annotation-Free Pathological Image Classification 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3595111 PMID:40758498	研究论文	提出一种基于视觉语言模型的无需人工标注的病理图像分类方法VLM-CPL	结合两种噪声标签过滤技术与半监督学习策略，提出提示-特征一致性选择和开放集提示策略	由于预训练数据集与目标数据集之间的领域差距，初始伪标签可能包含大量噪声	开发无需人工标注的病理图像自动分类方法	病理图像	数字病理学	癌症	视觉语言模型	VLM	图像	五个公共病理图像数据集	NA	VLM-CPL	准确率	NA
116	2025-10-29	AI-Driven De Novo Design of Ultra Long-Acting GLP-1 Receptor Agonists 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202507044 PMID:40787887	研究论文	提出一种结合深度学习与功能筛选的AI驱动肽药物设计方法，成功设计出超长效GLP-1受体激动剂	首次将深度学习蛋白设计与功能筛选整合为单周期流程，两周内完成从设计到筛选全过程，显著提升肽药物开发效率	仅针对GLP-1受体激动剂进行验证，未涉及其他肽类药物靶点	开发高效肽药物设计方法以解决传统设计效率低、耗时久、成本高的问题	胰高血糖素样肽-1受体激动剂（GLP-1RAs）	机器学习	糖尿病	深度学习蛋白设计，虚拟功能筛选，体外验证，体内实验	深度学习	蛋白序列数据	设计10,000个全新GLP-1RAs，60个通过虚拟筛选，最终验证2个先导化合物	NA	NA	成功率，半衰期，血糖水平，减重效果	NA
117	2025-10-29	Personalized Medication for Chronic Diseases Using Multimodal Data-Driven Chain-of-Decisions 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504079 PMID:40788064	研究论文	提出一种基于多模态数据驱动的决策链框架，用于慢性疾病的个性化用药决策	首次将思维链提示思想应用于临床决策过程，构建包含三阶段深度学习任务的序列化决策框架，整合多模态临床表型数据、多属性药物数据和临床专家知识	NA	开发能够从综合视角捕捉患者-药物关系的个性化用药决策框架	慢性肾病患者、膜性肾病患者、类风湿关节炎患者、结直肠癌患者和膝骨关节炎患者	机器学习	慢性疾病	多模态数据分析	深度学习	多模态临床表型数据、多属性药物数据	3675名患者的3173条单模态记录、502条多模态记录和2187条用药记录	NA	多模态数据驱动的决策链框架	预测性能	NA
118	2025-10-29	Video-Based Data-Driven Models for Diagnosing Movement Disorders: Review and Future Directions 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30327 PMID:40814940	综述	全面回顾了基于视频的数据驱动模型在运动障碍诊断中的应用现状并展望未来研究方向	系统分析了2006-2024年间视频模态运动障碍诊断模型的发展趋势，发现姿态估计方法日益流行，实时方法和端到端深度学习架构的应用增多	当前方法存在公共数据源有限、缺乏标准化指标和患者隐私问题等主要限制	探索基于视频的数据驱动模型在运动障碍诊断中的应用潜力	运动障碍患者，包括震颤、肌张力障碍、肌阵挛、舞蹈症、抽动症、帕金森病和共济失调	计算机视觉	运动障碍	视频分析	机器学习,深度学习	视频	NA	NA	端到端深度学习架构	NA	NA
119	2025-10-29	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大型语言模型启发的方法，通过学习植物群落中丰度排序的物种序列的'语法'来理解植物组合	首次将大型语言模型的思想应用于植物群落分析，能够捕捉跨生态系统的物种间潜在关联	研究范围仅限于欧洲及邻近国家的植物物种，未涉及全球其他地区的植物群落	开发能够预测物种组成和分类生境类型的方法，以支持生物多样性保护和恢复	欧洲及邻近地区的植物群落和物种组合	自然语言处理	NA	物种序列分析，群落生态学方法	神经网络，语言模型	物种丰度序列数据	覆盖10,000多种欧洲及邻近国家植物物种	NA	语言模型架构	准确率	NA
120	2025-10-29	On the utility of virtual staining for downstream applications as it relates to task network capacity 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.576061 PMID:41112785	研究论文	系统研究虚拟染色技术对下游临床应用效用的影响，特别关注任务网络容量的作用	首次系统研究虚拟染色对下游任务性能的影响，提出任务网络容量是决定虚拟染色效用的关键因素	研究基于特定生物数据集，结果可能受数据集特性影响	评估虚拟染色技术对下游临床任务（如分割和分类）的实际效用	生物医学图像数据	数字病理	NA	虚拟染色技术	深度学习图像到图像转换网络	生物医学图像	NA	NA	NA	分割性能, 分类性能	NA