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
1501	2026-04-27	Clinical narratives as a predictor for prognosticating functional outcomes after intracerebral hemorrhage 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120807 PMID:37717279	research paper	研究临床叙述能否改善脑出血患者功能预后的预测性能	首次利用自然语言处理从临床叙述中提取文本标记，并将其与现有预后模型结合，显著提升脑出血患者功能结局的预测性能	NA	探讨临床叙述能否提升脑出血后功能结局的预测能力	脑出血患者的临床叙述记录和功能结局（改良Rankin量表评分）	natural language processing	intracerebral hemorrhage	NLP	machine learning and deep learning approaches	text	1363例患者（训练集1023例，测试集340例）	NA	NA	area under the receiver operating characteristic curve, net reclassification improvement, integrated discrimination improvement	NA
1502	2026-04-27	Deep learning analysis of UPLC-MS/MS-based metabolomics data to predict Alzheimer's disease 2023-10-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2023.120812 PMID:37776718	研究论文	利用深度学习分析基于UPLC-MS/MS的代谢组学数据来预测阿尔茨海默病	首次通过UPLC-MS/MS代谢组学数据结合深度学习模型，识别出一组新的诊断性代谢生物标志物用于预测阿尔茨海默病，其中胆汁酸代谢物与APOE-ε4等位基因和临床生物标志物相关	样本量较小，仅包含177名个体，且模型在单一数据集上验证，可能缺乏泛化能力	识别新的代谢生物标志物并开发深度学习工具以预测阿尔茨海默病	来自阿尔茨海默病神经影像学倡议队列的78名AD患者和99名认知正常个体，共177人	机器学习	阿尔茨海默病	UPLC-MS/MS	多层前馈神经网络	代谢组学数据	177名个体（78名AD患者和99名认知正常者）	H2O	多层前馈神经网络（2层18个神经元）	准确率、F1分数、AUC	NA
1503	2026-04-27	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨高级磁共振成像技术能否反映急性胰腺炎后的病理生理变化，并提供预测糖尿病的影像生物标志物	利用先进MRI技术开发定量复合风险评分，并结合人工智能深度学习算法优化预测能力	NA	通过纵向MRI观察急性胰腺炎后糖尿病的自然病程，识别高危个体并建立风险评分系统	急性胰腺炎后发生糖尿病的患者及其血糖正常、糖尿病前期人群	机器学习	糖尿病, 急性胰腺炎	MRI	深度学习	图像	NA	NA	NA	NA	NA
1504	2026-04-25	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2026-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	提出一种基于多尺度残差密集变换器生成对抗网络的低剂量CT去噪方法	在生成器中采用MRDT Block作为核心单元，将多尺度策略引入残差密集网络以减少过度平滑并保留精细细节，同时结合补丁变换器模块捕获长距离依赖，减轻卷积神经网络局部感受野引起的失真；引入混合注意力模块处理空间、频率和对比度信息，实现更好的噪声抑制和对比度均匀性；判别器在全局、像素和子尺度上对抗性探索去噪LDCT与正常剂量CT的差异，以更好捕捉结构变化	未提及具体局限性	开发一种低剂量CT去噪框架，在增强噪声抑制的同时保留解剖细节和结构保真度	低剂量CT图像	计算机视觉	NA	低剂量CT	生成对抗网络	图像	NIH-AAPM-Mayo Clinic低剂量CT数据集和真实世界数据集	NA	多尺度残差密集变换器生成对抗网络	NA	NA
1505	2026-04-25	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	通过多中心外部验证，评估用于巴雷特食管异型增生组织学诊断的深度学习模型性能	对之前交叉验证的BE异型增生深度学习模型进行多中心外部验证，采用生成对抗网络归一化染色特性，结合YOLO和ResNet101的集成方法	NA	外部验证用于巴雷特食管异型增生分级诊断的深度学习模型	巴雷特食管的病理全切片图像	数字病理学	食管腺癌、巴雷特食管	全切片图像数字化	CNN、生成对抗网络	图像	489张全切片图像	NA	You Only Look Once, ResNet101	敏感性、特异性、F1分数	NA
1506	2026-04-25	In Silico Digital Breast Tomosynthesis Dataset for the Comparative Analysis of Deep Learning Models in Tumor Segmentation 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01626-z PMID:40760265	研究论文	评估计算机生成的数字乳腺断层合成（DBT）数据作为肿瘤分割深度学习模型训练源的可行性	首次系统探究将计算机模拟生成的DBT数据用于多种深度学习模型的训练与领域泛化评估，验证其在数据稀缺环境下的辅助价值	实验规模较小（230个ROI），且未在完全真实的临床数据集上验证模型性能	评估计算机生成的DBT数据在乳腺肿瘤分割任务中作为训练资源的可行性	230个二维感兴趣区域（ROIs），涵盖不同乳腺密度和肿瘤复杂度	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习模型	图像	230个二维感兴趣区域	PyTorch, MONAI	U-Net, FCN, DeepLabv3, DeepLabv3+, ResNet50, ResNet101	F1分数, 交并比, 精确率, 召回率	NVIDIA RTX 3090 GPU
1507	2026-04-25	Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches 2026, Caries research IF:2.9Q1 DOI:10.1159/000546448 PMID:40544827	综述	系统综述深度学习技术在咬翼片放射影像中龋齿诊断的应用进展	首次系统性地综述了深度学习在咬翼片放射影像龋齿诊断中的最新进展，总结了不同深度学习架构的性能优势	综述可能受限于纳入研究的异质性及部分研究缺乏外部验证	评估深度学习技术在咬翼片放射影像中辅助龋齿诊断的现状与潜力	咬翼片放射影像中的龋齿病变检测与诊断	计算机视觉	龋齿	NA	深度学习	影像	NA	NA	NA	NA	NA
1508	2026-04-25	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-01, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文探讨利用新生儿重症监护室的床边摄像头结合深度学习辅助进行全身运动评估	首次系统总结了床边摄像头在新生儿重症监护室中用于自动全身运动评估的潜力，并结合深度学习技术提出非侵入性、可扩展的解决方案	未提供实际实验数据或性能评估，仅基于文献综述，缺乏验证的临床结果	评估床边摄像头与深度学习结合在新生儿全身运动评估中的可行性与应用前景	床边摄像头获取的新生儿RGB视频数据	计算机视觉	新生儿神经系统疾病	深度学习	NA	视频数据	NA	NA	NA	NA	NA
1509	2026-04-25	An ancient recombination desert is a speciation supergene in placental mammals 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	利用深度学习方法研究胎盘哺乳动物中一个古老的重组荒漠作为物种形成的超级基因	首次通过深度学习从22个胎盘哺乳动物物种的基因组比对中推断重组景观的进化，并发现X连锁重组荒漠是一个古老且反复出现的基因流屏障，保留了物种历史	NA	理解减数分裂重组率在物种形成早期对基因流的影响，并应用重组感知的系统发育分析准确推断物种关系	胎盘哺乳动物物种	机器学习	NA	基因组比对	深度学习	基因组比对数据	22个胎盘哺乳动物物种用于初始分析，94个物种用于系统发育分析	PyTorch	NA	NA	NA
1510	2026-04-25	Advancing biological taxonomy in the AI era: deep learning applications, challenges, and future directions 2026-01, Science China. Life sciences DOI:10.1007/s11427-025-3074-8 PMID:41136689	综述	综述了深度学习在生物分类学中的应用、挑战与未来方向	提出将基因组视为“语言”的基础模型，以及整合因果关系的全集成模型可能为物种界定带来阶跃变化	存在数据质量、算法鲁棒性、参考文库完整性、模型透明度和共享标准等关键挑战	探讨人工智能尤其是深度学习如何推动生物分类学的发展，并分析其潜在变革与挑战	生物分类学，包括基于图像、生物声学、基因序列和物种性状的分类方法	机器学习	NA	深度学习	基础模型	图像、声音、基因序列	NA	NA	NA	NA	NA
1511	2026-04-25	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	提出一种基于联邦学习和混合谐波搜索与互信息特征选择的癫痫预测与管理系统，实现高精度癫痫发作检测	首次将联邦学习与混合谐波搜索-互信息特征选择方法结合，并设计EpilepNet-LD架构，同时捕获EEG信号的时间依赖性和层次空间特征，在保护隐私的前提下实现高精度癫痫发作检测	NA	开发一个实时、高精度的癫痫发作检测系统，克服现有方法适用性差、误报率高和特征选择效率低的问题	癫痫患者的脑电图（EEG）数据	机器学习	神经系统疾病	EEG	LSTM, DenseNet	信号	NA	NA	EpilepNet-LD (LSTM + DenseNet-121)	accuracy, sensitivity	NA
1512	2026-04-25	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	提出一种名为TripleFusionNet的深度学习框架，融合多流架构与注意力机制，用于结直肠疾病分类	提出TripleFusionNet三重流架构，结合EfficientNetB3、ResNet50和DenseNet121的多级特征提取，并集成多尺度注意力模块和挤压激励精化块以增强特征判别力，同时采用渐进门控融合机制动态加权融合特征	在CRCCD_V1数据集上，基于嵌入的分类器性能略优于端到端模型，表明端到端学习仍有提升空间	开发一种鲁棒的早期诊断方法，用于从组织病理和内镜图像中分类结直肠疾病	结直肠癌症的组织病理和内镜图像	计算机视觉, 数字病理学	结直肠癌	NA	CNN	图像	CRCCD_V1数据集包含14个类别，LC25000数据集为二分类	PyTorch	EfficientNetB3, ResNet50, DenseNet121, 多尺度注意力模块, 挤压激励精化块, 渐进门控融合	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	NA
1513	2026-04-25	Automatic detection of arterial input function for brain DCE-MRI in multi-site cohorts 2025-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70020 PMID:40808286	研究论文	提出一种鲁棒深度学习模型，用于从多中心DCE-MRI脑部影像中自动提取动脉输入函数	采用3D UNet模型结合额外卷积核和修正Huber损失函数，在多样多中心队列中实现动脉输入函数自动提取	非所有参与者数据均用于血脑屏障通透性测量，可能影响模型泛化性	开发并验证一种高精度动脉输入函数自动提取方法，用于脑部DCE-MRI定量药代动力学建模	人类脑部DCE-MRI影像及动脉输入函数区域	计算机视觉	脑血管疾病	DCE-MRI成像	3D UNet	医学图像	训练集：289名参与者共384次扫描；独立验证集：326名参与者共421次扫描	NA	3D UNet	AIFitness评分、Ktrans值、组内相关系数	NA
1514	2026-04-25	Paradigm-Shifting Attention-Based Hybrid View Learning for Enhanced Mammography Breast Cancer Classification With Multi-Scale and Multi-View Fusion 2025-Nov, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3569726 PMID:40354201	研究论文	提出一种基于注意力机制的混合视角学习框架，用于增强乳腺摄影乳腺癌分类	提出了混合视角学习范式，统一了传统单视角和多视角学习方法；设计了对比切换注意力和选择性池化注意力两种注意力机制，分别解决数据完整性和多尺度特征捕捉问题	未明确说明局限性	提升乳腺摄影图像中乳腺癌分类的准确性和鲁棒性	乳腺摄影图像	计算机视觉	乳腺癌	乳腺摄影	注意力模型	图像	INbreast和CBIS-DDSM两个数据集	PyTorch	对比切换注意力、选择性池化注意力	准确率、F1分数、AUC-PR	NA
1515	2026-04-25	Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer 2025-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100866 PMID:40803647	研究论文	通过组织学图像虚拟推断RNA表达，识别与结直肠癌转移风险相关的通路	利用最大规模的匹配结直肠癌空间转录组数据集（45名患者、超过30万个Visium斑点），结合多种先进深度学习模型（UNI、ResNet-50、Vision Transformer和Vision Mamba），直接从H&E染色组织图像中推断空间转录组水平的分子信息	某些肿瘤相关通路无法仅通过组织学图像完全捕获	开发并验证虚拟RNA推断方法，以从标准H&E组织图像中获取空间转录组水平的分子信息，识别与结直肠癌转移风险相关的基因特征	结直肠癌患者的H&E染色组织图像及匹配的空间转录组数据	数字病理学, 机器学习	结直肠癌	空间转录组学, H&E染色	深度学习模型	图像	45名患者，超过300,000个Visium斑点	NA	UNI, ResNet-50, Vision Transformer, Vision Mamba	斯皮尔曼相关系数	NA
1516	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
1517	2026-04-25	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	提出一种名为CaCoFold-R3D的概率语法模型，联合预测RNA的三维基序与二级结构	首次将超过50种已知RNA三维基序的预测与二级结构整合到单一概率语法中，并利用进化信息同时识别规范螺旋（包括假结）和基序	未明确提及，但可能依赖于高质量的序列比对，且基序列表的完整性和新基序发现有待进一步验证	开发一种快速、可定制的RNA三维结构预测方法，用于指导RNA设计和药物靶点发现	RNA序列或比对数据中的三维基序和二级结构	机器学习	NA	RNA-seq	概率语法模型	序列数据	超过50种已知RNA三维基序	NA	R3D语法	NA	NA
1518	2025-02-22	Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90514-1 PMID:39979555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1519	2026-04-25	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-02, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	设计深度学习模型从心电图信号中预测高血压并识别相关心电片段	提出多分支多尺度LSTM网络MML-Net和心电导向波对齐可解释人工智能管道ECG-XAI，用于早期检测高血压介导的心脏变化	未在外部多中心数据集上验证，且模型解释仅聚焦于P波和R波	探索利用心电图信号早期检测高血压引起的心脏结构变化	心电图信号及高血压患者的心脏变化	机器学习, 数字健康	心血管疾病, 高血压	心电图	LSTM	信号	210,120份10秒12导联心电图（来自FUKUDA FX-8322）和812份心电图（来自NALONG RAGE-12）	PyTorch	MML-Net（多分支多尺度LSTM）	召回率, 精确率	NA
1520	2026-04-25	Graph based recurrent network for context specific synthetic lethality prediction 2025-02, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出基于图循环网络的模型用于上下文特异性合成致死预测	引入图循环网络编码器获取上下文特异性低维特征表示，利用门控循环单元集成上下文相关状态信息	未提及具体限制，但方法依赖遗传上下文信息，可能对缺乏上下文数据的场景适应性有限	预测具有治疗潜力的合成致死相互作用，特别是上下文依赖性的SL关系	合成致死相互作用及其遗传上下文依赖性	机器学习	癌症	NA	图循环网络	基因组相互作用数据	NA	NA	图循环网络，门控循环单元	NA	NA