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	2025-10-05	Hybrid deep learning framework for heart disease prediction using ECG signal images 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10062-6 PMID:41028772	研究论文	提出一种基于心电图信号图像的混合深度学习框架用于心脏病预测	开发了一种混合深度学习框架，通过人工神经网络模型降低计算复杂度，在准确度、灵敏度、适应性、性能和可扩展性方面优于现有方法	依赖于特定Kaggle数据集，需要进一步临床验证	开发自动诊断心脏疾病的深度学习方法	心电图信号图像	机器学习	心血管疾病	心电图分析	人工神经网络	图像	来自Kaggle心电图数据集	NA	人工神经网络	准确度, 灵敏度, 适应性, 性能, 可扩展性	NA
102	2025-10-05	Enhanced image registration based brain tumour segmentation using optical particle swarm intelligence technique with Resnet Inceptionv2 HCNN 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-09373-5 PMID:41028790	研究论文	提出一种基于光学粒子群智能技术和Resnet Inceptionv2 HCNN的增强图像配准脑肿瘤分割方法	结合光学粒子群智能技术进行特征选择，并采用Resnet-inceptionv2-超卷积神经网络提高脑肿瘤识别精度	NA	解决脑肿瘤图像配准和分割不准确的问题，提高疾病识别精度	脑肿瘤医学图像	计算机视觉	脑肿瘤	医学图像分析	CNN, HCNN	医学图像	NA	NA	ResNet, Inceptionv2, HCNN	准确率, 灵敏度, 特异性, ROC曲线	NA
103	2025-10-05	An effective image despeckling and reconstruction approach using U-Net based model and comparative analysis 2025-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-10220-w PMID:41028882	研究论文	本文提出了一种名为U-Tunnel-Net的新型图像去噪架构，通过改进U-Net的池化操作位置和引入新卷积块来提升去斑和重建性能	在Tunnel Blocks中重新定位池化操作的位置，并引入新型卷积块，这一架构创新使模型区别于传统U-Net变体	仅针对瑞利分布的散斑噪声进行评估，未测试其他噪声类型	提升图像去噪和重建性能，特别是针对散斑噪声的去除	含噪声图像的去噪和重建	计算机视觉	NA	深度学习	U-Net	图像	UNS和Waterloo数据集，添加四个不同强度级别(σ=0.10,0.25,0.50,0.75)的瑞利分布散斑噪声	NA	U-Tunnel-Net, U-Net	峰值信噪比(PSNR), 结构相似性指数(SSIM), 运行时间	NA
104	2025-10-05	Automated contouring of gross tumor volume lymph nodes in lung cancer by deep learning 2025-Sep-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14794-6 PMID:41029235	研究论文	本研究提出了一种用于肺癌淋巴结大体肿瘤体积自动勾画的深度学习模型	首次针对肺癌GTVnd自动分割的探索性研究，集成了上下文线索增强模块和边缘引导特征增强解码器	样本量相对较小（90例CT扫描），仅针对小细胞肺癌Ш-Ⅳ期患者	开发并评估用于肺癌淋巴结大体肿瘤体积自动分割的深度学习模型	Ш-Ⅳ期小细胞肺癌患者的CT扫描图像	数字病理	肺癌	CT扫描	深度学习	医学影像	90例患者CT扫描（75例训练，15例测试）	NA	ECENet	3D Dice相似系数, 95% Hausdorff距离	NA
105	2025-10-05	Deep learning-aided optical biopsy achieves whole-chain diagnosis of Correa cascade of gastric cancer: a prospective study 2025-Sep-30, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-025-04310-9 PMID:41029674	研究论文	开发基于深度学习的pCLE计算机辅助诊断系统，用于胃癌Correa级联的实时全链条诊断	首次构建能够实时完成胃癌Correa级联全链条诊断的深度学习辅助系统	研究在单一临床中心进行，需要多中心验证	开发pCLE计算机辅助诊断系统并评估其在真实临床环境中的诊断性能	胃黏膜病变患者	计算机视觉	胃癌	基于探针的共聚焦激光内镜(pCLE)	深度学习网络	图像, 视频	5771次检查的pCLE图像和视频，包含47,462张图像和461段视频用于开发，11,439张图像和667段视频用于离线验证，951名患者用于前瞻性验证	NA	NA	准确率, 灵敏度, 特异性	NA
106	2025-10-05	petBrain: a new pipeline for amyloid, Tau tangles and neurodegeneration quantification using PET and MRI 2025-Sep-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01839-y PMID:41029733	研究论文	开发了一种用于阿尔茨海默病PET和MRI生物标志物定量分析的新型端到端处理流程	首个整合淀粉样蛋白PET、tau蛋白PET和结构MRI的端到端处理流程，采用深度学习分割和标准化生物标志物量化方法	未提及具体样本量和与其他方法的详细比较	开发标准化的阿尔茨海默病生物标志物分析平台	阿尔茨海默病患者	医学影像分析	阿尔茨海默病	PET成像, MRI成像, 深度学习	深度学习	医学影像	NA	NA	NA	一致性分析, 临床状态相关性, 认知表现相关性	基于Web的平台，无需本地计算基础设施
107	2025-10-05	Centiloid values from deep learning-based CT parcellation: a valid alternative to freesurfer 2025-Sep-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01860-1 PMID:41029783	研究论文	开发基于深度学习的CT分割流程用于阿尔茨海默病淀粉样蛋白沉积定量，验证其作为FreeSurfer MRI方法的有效替代方案	首次开发基于CT图像的深度学习分割流程并校准至标准Centiloid量表，提供无需MRI的淀粉样蛋白定量替代方案	样本量相对有限（306名参与者），需要进一步在多中心研究中验证	开发并验证基于CT图像的淀粉样蛋白定量方法，克服MRI方法的局限性	阿尔茨海默病患者和年轻对照组	医学影像分析	阿尔茨海默病	PET/CT成像，18F-florbetaben（FBB）示踪剂	深度学习	CT图像，PET图像	306名参与者（23名年轻对照组，283名患者）	NA	NA	R²，效应量，方差分析，ROC分析，准确率	NA
108	2025-10-05	EnsembleRegNet: Interpretable deep learning for transcriptional network inference from single-cell RNA-seq 2025-Sep-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108702 PMID:41043336	研究论文	提出EnsembleRegNet深度学习框架，用于从单细胞RNA测序数据推断基因调控网络	集成编码器-解码器和多层感知器架构，结合HLE二值化、案例删除分析、RcisTarget基序富集和AUCell调控子活性评分，提升鲁棒性和生物学可解释性	NA	从单细胞RNA测序数据准确推断转录因子-靶基因关系	基因调控网络	机器学习	NA	单细胞RNA测序	集成编码器-解码器, 多层感知器	单细胞RNA测序数据	NA	NA	集成编码器-解码器, 多层感知器	聚类性能, 调控准确性	NA
109	2025-10-05	Microbiome-transcriptome-histology triad enhances survival risk stratification in multiple cancers 2025-Sep-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108703 PMID:41043335	研究论文	提出一种整合数字病理学、宿主转录组学和肿瘤相关微生物组特征的多模态生存预测框架HMTsurv，用于多种癌症的生存风险分层	首次将组织学-转录组-微生物组三模态整合用于癌症生存预测，识别出14个泛癌生存生物标志物并阐明基因-微生物共表达网络	研究基于回顾性多组学数据集，需要在前瞻性临床试验中进一步验证	开发多模态生存预测框架以优化癌症术后治疗策略	结直肠癌、胃癌、肝细胞癌和乳腺癌患者	数字病理学	多种癌症	数字病理学、转录组测序、微生物组分析	深度学习多模态框架	组织病理图像、转录组数据、微生物特征	四种主要恶性肿瘤的多组学数据集	NA	HMTsurv	c-index, log-rank p值	NA
110	2025-10-05	Deep learning model for diagnosing lupus erythematosus in cardiac patients using ECG and audio spectrograms 2025-Sep-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14128-3 PMID:41023010	研究论文	提出一种结合ECG和音频谱图的深度学习模型，用于诊断心脏病患者的红斑狼疮	首创将ECG图像转换为音频并生成梅尔谱图的分析方法，开发了结合ResNet、LSTM和音频谱图变换器的混合模型	研究样本量未明确说明，模型在特定患者群体（心脏病合并红斑狼疮）中的适用性需要进一步验证	开发准确诊断心脏病患者中红斑狼疮的智能诊断模型	同时患有红斑狼疮和心脏病的患者	医疗人工智能	红斑狼疮, 心脏病	ECG分析, 音频谱图转换, 深度学习	CNN, LSTM, Transformer	ECG信号, 音频谱图, 图像	NA	NA	ResNet, LSTM, Audio Spectrogram Transformer	准确率, 灵敏度, 特异性, AUC	NA
111	2025-10-05	Smart detection of biofouling: A deep learning framework for water infrastructure surveillance 2025-Sep-23, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124665 PMID:41043362	研究论文	提出一种基于深度学习的端到端检测与实例分割框架MusselDet，用于监测淡水生物污损物种黄金贻贝的关键生命周期阶段	提出增强型Co-DETR架构，包含三个关键模块：CA-CBAM增强稀疏数据特征区分能力、LDGCN通过时空图学习恢复缺失幼虫特征、MLST实现细粒度实例分割和集群密度评估	基于自定义数据集进行评估，未在更广泛环境中验证框架的泛化能力	开发智能检测框架用于水基础设施生物污损监测	黄金贻贝（Limnoperna fortunei）的关键生命周期阶段	计算机视觉	NA	深度学习	Transformer, CNN, GCN	图像	自定义黄金贻贝数据集（GMD）	PyTorch	Co-DETR, CA-CBAM, LDGCN, MLST	平均精度(mAP₅₀), 召回率, 推理速度(FPS)	NA
112	2025-10-05	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究开发了一种基于深度学习的方法，利用早产儿视网膜图像预测支气管肺发育不良和肺动脉高压	首次发现ROP筛查视网膜图像中包含与BPD和PH相关的特征，并提出结合图像特征与人口统计学风险因素的多模态模型	样本量相对有限（BPD队列99例，PH队列37例），且仅包含≤34周胎龄的图像	探索视网膜图像特征与早产儿心肺疾病的关联性，开发早期预测模型	493名有ROP风险的早产儿，来自7个新生儿重症监护室	计算机视觉	心血管疾病	视网膜成像	深度学习,支持向量机	图像,临床数据	493名婴儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
113	2025-10-05	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-Sep-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	开发并评估基于人工智能的急诊科拥挤预测框架	首次将时间序列视觉变换器(TSiTPlus)和可解释卷积神经网络(XCMPlus)应用于急诊科拥挤预测，支持6小时提前量和24小时平均预测	研究数据仅来自美国东南部一家合作医院，可能限制模型的泛化能力	预测急诊科候诊人数以支持主动资源分配和改善医院效率	急诊科患者流量数据	机器学习	NA	机器学习预测建模	时间序列视觉变换器,可解释卷积神经网络	医院急诊科内部和外部数据	来自美国东南部一家合作医院的急诊科数据	NA	TSiTPlus,XCMPlus	平均绝对误差,均方误差	NA
114	2025-10-05	Unveiling genetic architecture of white matter microstructure through unsupervised deep representation learning of fractional anisotropy maps 2025-Sep-17, Research square DOI:10.21203/rs.3.rs-7411165/v1 PMID:41001519	研究论文	提出一种基于深度学习的无监督表示学习方法UDR-WM，用于从分数各向异性图谱中提取白质微观结构特征	采用无监督深度学习方法直接从体素级FA图谱提取全脑特征，无需先验解剖假设，相比传统方法显著提高了遗传发现能力	NA	揭示白质微观结构的遗传架构及其与脑部疾病的关联	人脑白质微观结构	医学影像分析	精神分裂症,帕金森病	扩散MRI,全基因组关联分析(GWAS)	深度学习	医学影像(分数各向异性图谱)	NA	NA	无监督深度表示学习	SNP遗传力,Mann-Whitney U检验,Wald检验,Fisher精确检验	NA
115	2025-10-05	Rapid and sensitive acute leukemia classification and diagnosis platform using deep learning-assisted SERS detection 2025-Sep-16, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102320 PMID:40925373	研究论文	提出结合深度学习和表面增强拉曼散射的分类策略，用于急性白血病的快速灵敏诊断	首次将Transformer模型与SERS检测结合，通过一维光谱和二维图像的特征融合实现急性白血病亚型分类	样本量相对有限（390例），仅验证了脑脊液样本	开发快速敏感的急性白血病分类诊断平台	脑脊液样本（包括健康对照、急性白血病患者和其他疾病患者）	数字病理	白血病	表面增强拉曼散射（SERS）	Transformer	光谱数据，图像数据	390例脑脊液样本	NA	Transformer	准确率，灵敏度，特异性，可靠性	NA
116	2025-10-05	Image-based drug screening combined with molecular profiling identifies signatures and drivers of therapy resistance in pediatric AML 2025-Sep-16, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102304 PMID:40840446	研究论文	本研究开发了结合高内涵成像和深度学习表型分析的功能性筛选平台，用于识别儿童急性髓系白血病的治疗耐药特征和驱动因素	首次系统性应用功能性精准医学方法研究儿童急性髓系白血病，结合分子谱分析识别跨遗传亚组的治疗耐药早期特征	研究样本量有限（45例患者），尚未在更大队列中验证预测效果	研究儿童急性髓系白血病的治疗耐药机制并确定靶向治疗策略	儿童急性髓系白血病患者样本	数字病理学	白血病	高内涵成像，基因组分析，表观基因组分析	深度学习	图像，基因组数据，表观基因组数据	45例儿童急性髓系白血病患者	NA	NA	NA	NA
117	2025-10-05	Deep-Learning-Based Analysis of Disease-Specific Structural Biomarkers on Retinal Sensitivity in Neovascular Age-Related Macular Degeneration 2025-Sep-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.12.68 PMID:41025875	研究论文	本研究使用深度学习分析新生血管性年龄相关性黄斑变性中疾病特异性生物标志物对视网膜点对点敏感性的影响	首次使用深度学习技术量化多种生物标志物并评估它们对视网膜敏感性的交互影响	样本量较小（20例患者），研究设计为横断面研究无法确定因果关系	评估疾病特异性生物标志物对新生血管性年龄相关性黄斑变性患者视网膜敏感性的影响	活动性新生血管性年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描，微视野检查，深度学习	深度学习	医学影像	20例患者（20只眼），平均年龄76.0岁	NA	NA	置信区间，点对点敏感性变化（dB）	NA
118	2025-10-05	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发并验证基于腕戴式加速度计和深度学习算法的全身性惊厥发作自动检测系统	提出集成卷积神经网络架构，通过基于分位数的聚合实现可调灵敏度，适用于现成智能手表	一名患者因传感器手臂被床栏卡住导致漏检一次发作，检测性能受传感器位置影响	开发自动化检测全身性或双侧惊厥发作的算法	癫痫监测单元中接受视频脑电图监测的384名患者	机器学习	癫痫	三维加速度计传感	CNN	加速度计幅度数据	训练集：37名患者54次惊厥发作；测试集：347名患者49次惊厥发作	NA	集成卷积神经网络	灵敏度, 误报率, 检测延迟	NA
119	2025-10-05	Effect of Tear Classification on Subscapularis Muscle Volume: A Deep Learning-based Semi-automatic Analysis of Pre- and Postoperative Changes in 246 Rotator Cuff Repair Patients With and Without First Facet Subscapularis Tears 2025-Sep, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671251374303 PMID:41036382	研究论文	本研究使用深度学习分割工具分析246例肩袖修复患者术前术后肩胛下肌体积变化，探讨肌腱撕裂分类与肌肉体积的关系	首次使用深度学习MRI分割技术系统评估不同肩胛下肌腱撕裂分类对肌肉体积的影响及术后变化	研究为单中心队列研究，证据等级为3级，样本量相对有限	评估肩胛下肌体积与肌腱撕裂分类的关系，并分析术前术后肌肉体积变化	246例接受关节镜肩袖修复术的患者	医学影像分析	肩袖损伤	磁共振成像	深度学习分割模型	MRI图像	246例患者	NA	NA	标准化肩胛下肌体积，统计学显著性(P值)	NA
120	2025-10-05	How Everything Is Connected to Everything Else - Population-Specific Connections between Adaptive Evolution, Disease Susceptibility, and Drug Responsiveness 2025-Sep, Advanced genetics (Hoboken, N.J.) DOI:10.1002/ggn2.202500018 PMID:41036480	评论	探讨适应性进化、疾病易感性和药物反应性之间的人口特异性联系	使用整合统计测试的深度学习网络识别17个人类群体中的有利突变，揭示三者间广泛且高度人群特异性的关联	许多有利突变仍未被识别，关联机制尚未完全阐明	研究适应性进化、疾病易感性和药物反应性之间的内在联系	17个人类群体的基因组数据	机器学习	NA	全基因组关联研究(GWAS), 深度学习	深度学习网络	基因组数据	17个人类群体	NA	NA	NA	NA