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
1221	2026-01-28	Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework 2025-Dec-30, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13010018 PMID:41590845	研究论文	本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF）	提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统	研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证	开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层	124名既往无房颤病史的心脏植入式电子设备（CIED）患者	机器学习	心血管疾病	NA	深度学习	临床参数	124名CIED患者（其中39名在12个月随访期内发生SCAF）	NA	ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构）	AUC	NA
1222	2026-01-28	Detection and Classification of Alzheimer's Disease Using Deep and Machine Learning 2025-Dec-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12010004 PMID:41591137	研究论文	本研究提出了一种结合临床数据和MRI扫描的双模态框架，利用机器学习和深度学习模型检测和分类阿尔茨海默病	提出了一种双模态框架，整合基于症状的临床数据和MRI扫描，并引入可解释AI（XAI）如SHAP和Grad-CAM来增强模型的可解释性	未明确提及样本量、计算资源或具体的数据集细节，可能限制了结果的泛化性	早期和准确诊断阿尔茨海默病，以改善患者预后	阿尔茨海默病患者，使用临床数据和MRI扫描	机器学习, 深度学习	阿尔茨海默病	磁共振成像（MRI）	KNN, SVM, DT, RF, CNN	临床数据, 图像（MRI扫描）	NA	NA	EfficientNetB3, DenseNet-121, ResNet-50, MobileNetV2	准确率	NA
1223	2026-01-28	Artificial Intelligence-Aided Microfluidic Cell Culture Systems 2025-Dec-24, Biosensors DOI:10.3390/bios16010016 PMID:41590268	综述	本文综述了人工智能辅助的微流控细胞培养系统与器官芯片平台在生理过程建模、疾病进展和药物反应研究中的应用	整合人工智能（特别是机器学习和深度学习）与微流控技术，实现自动化表型分析、预测建模和微环境的实时控制，推动系统向可解释和自主化发展	未明确提及具体技术限制，但暗示了数据异质性和分析复杂性带来的挑战	探讨人工智能如何增强微流控细胞培养系统和器官芯片平台的分析能力，以支持精准医疗和生物医学研究	微流控细胞培养系统、器官芯片平台及其生成的多参数数据集	机器学习	癌症	高分辨率成像、集成传感器、生化检测	机器学习, 深度学习	图像, 多模态数据	NA	NA	NA	准确率	NA
1224	2026-01-28	Automated, anatomy-based, heuristic post-processing reduces false positives and improves interpretability of deep learning intracranial aneurysm detection models 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33083-7 PMID:41430430	研究论文	本文提出了一种结合启发式后处理的自动化深度学习方法，用于降低CTA图像中颅内动脉瘤检测的假阳性率	开发了全自动的解剖学基础启发式后处理方法，通过整合脑部掩膜和动脉-静脉分离模块，显著减少深度学习模型的假阳性	后处理方法可能在某些情况下误删真阳性，尤其是在公共数据集上表现更明显	提高深度学习模型在CTA图像中检测颅内动脉瘤的准确性和临床可接受性	CTA图像中的颅内动脉瘤	数字病理学	颅内动脉瘤	CTA成像	CNN, Transformer	医学图像（CTA）	训练集：1,186个开源CTA（1,373个标注动脉瘤）；测试集：143个私有CTA（218个标注动脉瘤）和843个公开CTA（1,027个标注动脉瘤）	NA	CPM-Net, 3D-CNN-TR（可变形3D卷积神经网络-Transformer混合模型）	真阳性, 假阴性, 假阳性, 假阳性率	NA
1225	2026-01-28	Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images 2025-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01316-5 PMID:41420096	研究论文	本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能	首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题	合成图像增强在内部测试中显著提升性能，但在外部测试中未观察到改善，表明合成图像增强的泛化能力有待提高	提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性	来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像	数字病理学	糖尿病视网膜病变	条件级联扩散模型	深度学习系统	图像	开发数据集包含72,559只眼的图像，内部测试集包含9,071只眼，外部测试集包含2,842只眼	NA	条件级联扩散模型	AUROC	NA
1226	2026-01-28	Generalizable and scalable protein stability prediction with rewired protein generative models 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67609-4 PMID:41422228	研究论文	本文提出了一种名为SPURS的深度学习框架，通过重新连接和整合两种互补的蛋白质生成模型，并利用大规模热稳定性数据进行监督微调，以实现可泛化、可扩展的蛋白质稳定性预测	创新点在于将蛋白质语言模型和逆折叠模型进行重新连接和整合，形成一个统一框架，并通过监督微调提升蛋白质稳定性预测能力，同时展示了在蛋白质信息学中的广泛应用潜力	未在摘要中明确提及	研究目的是预测由氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病并指导蛋白质工程应用	研究对象是蛋白质及其氨基酸替换	机器学习	NA	深度学习	蛋白质语言模型, 逆折叠模型	蛋白质序列数据, 热稳定性数据	大规模热稳定性数据	NA	SPURS框架	NA	NA
1227	2026-01-28	Caries Detection in Primary Molars with Bitewing Radiographs through Deep Learning Based-Object Detectors 2025-Dec-18, Caries research IF:2.9Q1 DOI:10.1159/000550079 PMID:41411231	研究论文	本研究旨在开发基于深度学习目标检测器的人工智能算法，用于在儿童乳磨牙的咬翼X光片中检测和分期龋齿病变	首次将多种深度学习目标检测算法应用于儿童乳磨牙龋齿的自动检测与分期，并比较了不同模型在龋齿严重性分类中的性能	数据集仅包含1,023张X光片，样本量相对有限；模型在检测所有龋齿病变时的灵敏度仅为0.509，仍有提升空间	开发人工智能算法以辅助临床医生更准确地诊断儿童龋齿病变，实现自动化龋齿检测与分期	儿童乳磨牙的咬翼X光片	计算机视觉	龋齿	X光成像	深度学习目标检测器	图像	1,023张儿童乳磨牙咬翼X光片	NA	DINO, YOLOv7	加权Kappa分数, 灵敏度, 特异性, 准确率	NA
1228	2026-01-28	Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03830-8 PMID:41204957	研究论文	本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹	采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性	样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据	开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹	特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描	数字病理学	神经退行性疾病	T1加权3D脑部MRI扫描	SVM	图像	192例患者（132例iNPH，60例PSP）	NA	线性支持向量机	AUROC	NA
1229	2026-01-28	Deep learning for multi-modal medical image segmentation: a survey and comparative study 2025-Dec, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-025-01052-3 PMID:41082044	综述	本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析	提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现	NA	综述和比较多模态医学图像分割的深度学习技术进展	多模态医学图像分割方法	计算机视觉	NA	多模态医学图像融合	深度学习模型	多模态医学图像	NA	NA	NA	分割准确性，可靠性	NA
1230	2026-01-28	Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03804-w PMID:41091157	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1231	2026-01-28	Retrospective detection of missed intra-cranial aneurysms on computed tomography angiography using a commercial deep learning algorithm 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03810-y PMID:41091156	研究论文	本研究评估了一种商业深度学习算法在回顾性检测计算机断层扫描血管造影中漏诊的颅内动脉瘤的效果	结合自然语言处理与卷积神经网络，通过算法标记疑似漏诊动脉瘤，并由神经放射科医生验证，提高了动脉瘤的检测率	漏诊的动脉瘤主要为小型（≤3毫米），且研究为单中心回顾性设计，可能存在选择偏倚	识别漏诊动脉瘤患者以进行随访和可能治疗，并评估深度学习算法在CTA中检测漏诊动脉瘤的有效性	成年患者的头部CTA研究	数字病理学	颅内动脉瘤	计算机断层扫描血管造影	CNN	图像	2615项头部CTA研究	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
1232	2025-11-25	Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation 2025-Nov-24, Medical oncology (Northwood, London, England) DOI:10.1007/s12032-025-03127-z PMID:41284066	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1233	2026-01-28	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	本文介绍了一种名为OpenSpindleNet的开源深度学习网络，用于在头皮和颅内脑电图中可靠检测睡眠纺锤波	采用双头架构增强性能、鲁棒性和易用性，在颅内脑电图检测中表现优于现有方法	NA	开发一种精确、自动的睡眠纺锤波检测方法，以理解其在睡眠生理和脑健康中的作用	睡眠纺锤波，一种在轻度非快速眼动睡眠期间发生的振荡性脑活动	机器学习	NA	脑电图	深度学习网络	脑电图数据	NA	NA	双头架构	F1分数	NA
1234	2026-01-28	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞静纤毛束的3D形态	开发了首个集成五种深度学习模型的Napari插件套件，用于耳蜗毛细胞静纤毛束的自动化3D分析，并提供了首个开源的手动标注3D数据集	NA	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞静纤毛束	计算机视觉	NA	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	Napari	Z-Focus Tracker, PCPAlignNet, 分割模型, 分类模型	NA	NA
1235	2026-01-28	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	本研究利用深度学习模型，通过早产儿视网膜图像预测支气管肺发育不良和肺动脉高压	首次将早产儿视网膜筛查图像与心肺疾病预测结合，提出多模态模型整合图像特征与人口统计学风险因素，优于单一特征模型	样本量相对有限（BPD队列99例，PH队列37例测试集），且图像仅限于孕后年龄≤34周，可能影响模型泛化能力	探索早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，并开发多模态预测模型	493名有早产儿视网膜病变风险的早产儿，接受常规视网膜筛查	数字病理学	心血管疾病	视网膜成像，超声心动图	深度学习，支持向量机	图像，人口统计学数据	493名早产儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
1236	2026-01-28	UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation 2025-Aug-06, ArXiv PMID:41479462	研究论文	提出一种名为UNISELF的深度学习方法，用于多发性硬化病灶的自动分割，旨在同时优化域内准确性和跨域泛化能力	结合了测试时自集成病灶融合和测试时实例归一化，以处理域偏移和输入对比度缺失问题	仅基于单一有限数据源（ISBI 2015训练数据集）进行训练，可能未涵盖所有临床场景的多样性	开发一种能够同时提高域内分割精度和跨域泛化性能的多发性硬化病灶自动分割方法	多发性硬化病灶	数字病理	多发性硬化	多对比磁共振成像	深度学习	图像	基于ISBI 2015纵向多发性硬化分割挑战训练数据集，并在多个公共和私有测试数据集上评估	未明确指定	未明确指定	未明确指定	未明确指定
1237	2026-01-28	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性	首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质	模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围	开发能够预测蛋白质动态行为和突变效应的深度学习模型	超过64,000个蛋白质的动态生物物理特性	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
1238	2026-01-28	Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data 2025-06-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17132159 PMID:40647456	研究论文	本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率	提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担	研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证	设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题	乳腺癌的组织病理学图像	数字病理学	乳腺癌	染色归一化（通过对比增强建模，CAM），数据增强	CNN	图像	BreakHis数据集	NA	CellSage（集成多尺度特征提取、深度可分离卷积、CBAM）	准确率，F1分数，AUC	NA
1239	2026-01-28	AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States 2025-Apr, Information (Basel) DOI:10.3390/info16040309 PMID:41550100	研究论文	本文报告了一种基于深度学习的AI模型，用于高精度检测铜绿假单胞菌在浮游和生物膜状态下的光学显微镜图像	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇预防生物膜形成，实现高效检测	未提及模型在多样化环境或不同细菌物种上的泛化能力评估	开发一种准确高效的生物膜检测与预防方法	铜绿假单胞菌的浮游状态和生物膜状态	计算机视觉	NA	光学显微镜成像，适配体DNA模板银纳米簇技术	深度学习	图像	大体积亮场图像（具体数量未说明）	NA	U-Net, ResNet18, ResNet34	NA	NA
1240	2026-01-28	An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states 2024-Dec-24, ArXiv PMID:39764404	研究论文	本研究应用基于深度学习的AI模型，结合适配体DNA模板银纳米簇，对铜绿假单胞菌的浮游态和生物膜态光学透射显微图像进行高精度检测与分析	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇抑制生物膜形成，实现多学科交叉的生物膜检测新方法	未明确说明模型在多样化环境样本或不同细菌物种上的泛化能力，且未提供与其他先进方法的定量对比结果	开发准确高效的生物膜检测与预防方法，以应对健康、食品工业和环境污染问题	铜绿假单胞菌的浮游态和生物膜态	计算机视觉	NA	光学透射显微镜，适配体DNA模板银纳米簇合成	CNN	图像	NA	NA	U-Net, ResNet18, ResNet34	NA	NA