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
1541	2026-01-24	Deep learning-enhanced digital-BGO versus TOF PET/CT: comparative assessment of detection, quantitation, and overall image quality 2025-Dec-16, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00814-8 PMID:41400899	研究论文	本研究评估了采用深度学习算法的数字BGO PET/CT（OMNI6R）与配备飞行时间技术的PET/CT（DMI5R）在病灶检测灵敏度、定量分析和整体图像质量方面的性能对比	首次将基于深度学习的Precision Deep Learning算法应用于数字BGO PET/CT系统，模拟飞行时间增强效果，并在减少采集时间和活度衰减的条件下实现非劣效性能	样本量较小（30例患者），未明确说明深度学习算法的具体架构细节，且研究仅针对特定PET/CT设备型号	比较深度学习增强的数字BGO PET/CT与传统飞行时间PET/CT在临床影像诊断中的性能差异	PET/CT影像数据、人工插入的合成病灶（150个）、临床患者图像	医学影像分析	NA	PET/CT成像、深度学习图像重建	深度学习算法	医学影像（PET/CT图像）	30例患者，150个插入的合成病灶	NA	Precision Deep Learning (PDL)	真阳性率、恢复系数（SUVmean, SUVmax）、图像质量评分（5点李克特量表）	NA
1542	2026-01-24	SLEEPYLAND: trust begins with fair evaluation of automatic sleep staging models 2025-Dec-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02237-2 PMID:41402410	研究论文	介绍SLEEPYLAND框架，一个用于自动睡眠分期模型公平评估的开源平台，包含大量多中心PSG数据，并提出了集成模型SOMNUS以提升性能	提出了首个大规模、多领域、开源的自动睡眠分期评估框架SLEEPYLAND，并开发了集成模型SOMNUS，通过软投票集成在24个数据集上实现鲁棒性能，超越现有最佳模型，且能预测评分者歧义	尽管SOMNUS提升了泛化能力，但未发现任何模型架构能一致性地最小化人口统计学/临床偏倚	推动自动睡眠分期模型的公平评估与临床采用，解决泛化性、模型偏倚和评估不一致性问题	多中心、多年龄、多疾病、多硬件配置的PSG记录数据，以及基于这些数据的自动睡眠分期模型	机器学习	睡眠障碍	多导睡眠图（PSG）记录	深度学习模型，集成模型	脑电图（EEG）/眼电图（EOG）信号数据	约220,000小时域内数据和约84,000小时域外数据，涉及24个数据集，包括Bern-Sleep-Wake-Registry（N=6633）	未明确指定，但提及开源框架，可能涉及TensorFlow, PyTorch等	未明确指定具体架构，但提及集成模型SOMNUS	macro-F1分数，ROC-AUC	未明确指定
1543	2026-01-24	A hybrid machine vision and handcrafted features fusion based approach for fine-grained millet classification 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32311-4 PMID:41402508	研究论文	本文提出了两种新颖的混合框架，结合手工特征和深度学习，用于细粒度小米品种分类	提出了两种混合框架，结合手工特征提取与深度学习，包括堆叠集成机器学习方法和双向深度学习架构，有效融合了传统机器学习与深度学习的优势	未明确提及，可能包括数据集有限或模型泛化能力	解决小米品种准确识别和分类的挑战，提升分类精度	小米品种，如稗子小米、小小米和黍子小米	计算机视觉	NA	NA	SVM, RF, KNN, CNN	图像	NA	NA	VGG19	准确率, F1分数, ROC-AUC	NA
1544	2026-01-24	Understanding machine learning weather prediction by designing a cost-efficient model with knowledge-oriented modules 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32366-3 PMID:41392318	研究论文	本文提出了一种名为KARINA的新型数据驱动模型，通过结合Geocyclic Padding和SENet模块与ConvNeXt骨干网络，以较低的训练成本实现了具有竞争力的全球天气预报性能	设计了结合Geocyclic Padding和SENet模块的轻量级模型KARINA，在显著降低训练成本的同时达到与先进模型相当的预测精度，并首次系统分析了各模块对特定天气过程（水平平流和大气对流）的建模贡献	模型在10天以上的预报时效性能未充分验证，且未与其他更多类型的机器学习天气预测模型进行广泛对比	开发计算高效的机器学习天气预测模型，并深入理解模型组件对特定天气现象的预测能力	全球天气数据	机器学习	NA	数据驱动建模	CNN	气象数据	NA	NA	ConvNeXt, SENet	预报准确率	NA
1545	2026-01-24	Investigating causal relations between brain morphology and genetic risk variants in Parkinson's disease 2025-Dec-13, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103928 PMID:41519071	研究论文	本文采用因果深度学习框架，研究帕金森病中遗传风险变异与大脑形态之间的因果关系	首次将因果深度学习应用于帕金森病的基因型-表型分析，开发了掩蔽因果归一化流模型来评估遗传变异对大脑结构的因果影响	研究样本量相对有限，且主要基于特定数据集（PPMI和UK Biobank），可能影响结果的普遍适用性	探索帕金森病中遗传变异与大脑形态之间的因果关系，推动成像基因组学在该疾病中的应用	帕金森病患者、前驱期帕金森病患者以及神经健康对照参与者	机器学习	帕金森病	成像基因组学	深度学习	遗传和成像数据	PPMI数据集：359名参与者（102名对照，214名帕金森病患者，43名前驱期患者）；UK Biobank数据集：16,861名神经健康参与者	NA	掩蔽因果归一化流模型	p值	NA
1546	2026-01-24	Temporal-aware transformer networks for state of charge multi-output prediction in unmanned aerial vehicle lithium-ion batteries 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32347-6 PMID:41388014	研究论文	本文提出了一种用于无人机锂离子电池荷电状态多步预测的时序感知Transformer网络框架	结合局部时空特征提取与长程依赖建模，通过时序编码器和基于滑动窗口的多输出机制，提升了动态环境下预测的准确性和适应性	未明确提及模型在极端工况或电池老化条件下的泛化能力	提高无人机锂离子电池荷电状态（SOC）的预测精度，以保障飞行安全和能量管理	无人机（UAV）锂离子电池的荷电状态（SOC）	机器学习	NA	深度学习	Transformer, CNN, LSTM, RNN	时序数据	大规模数据集（具体数量未提及）	NA	Temporal-aware Transformer Networks (TATNS)	平均绝对百分比误差（MAPE）	NA
1547	2026-01-24	Mucin phenotype-based deep learning framework for intestinal metaplasia-carcinogenesis progression prediction 2025-Dec-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01224-w PMID:41388069	研究论文	本研究开发了一个基于黏液表型的深度学习框架，用于预测胃黏膜肠上皮化生向胃癌的进展过程	揭示了胃黏膜癌变过程中黏液时空动态变化规律，并开发了MPMR模型，该模型能直接从H&E全切片图像预测四种黏液标志物，并通过对抗学习生成可解释的模拟染色热图	研究主要基于中国胃癌高发区的纵向队列，可能在其他人群中的泛化性有待验证	预测胃黏膜肠上皮化生向胃癌的恶性转化风险	胃黏膜组织样本，包括肠上皮化生和胃癌组织	数字病理学	胃癌	H&E染色全切片成像	Vision Transformer	图像	来自中国胃癌高发区的纵向队列样本	NA	UNI预训练的Vision Transformer	AUC	NA
1548	2025-12-12	CRLM-GAN: a feature-constrained GAN-based deep learning framework for multi-parametric MRI-based segmentation of colorectal liver metastases before and after chemotherapy 2025-Dec-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00964-z PMID:41372955	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1549	2026-01-24	BioLACE: unifying spatial geometry and marker priors for cohesive cell-type clustering in spatial transcriptomics 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.01.691603 PMID:41573943	研究论文	本文提出了BioLACE框架，用于在空间转录组学中整合空间几何结构和标记基因先验知识，实现一致的细胞类型聚类	提出了一个可扩展的框架，首次在共享的变分自编码器潜在空间中统一空间结构、转录组变异和标记基因信息，通过联合优化三个互补目标实现更优的聚类性能	未明确讨论计算复杂度或对大规模数据集的扩展性限制，也未提及对噪声或批次效应的鲁棒性	开发一个统一框架，提升空间转录组学中细胞类型聚类的准确性和生物学一致性	空间转录组学数据，包括MERFISH下丘脑、小鼠脊髓和Slide-seq小鼠小脑数据集	空间转录组学	NA	空间转录组学技术（MERFISH, Slide-seq）	VAE（变分自编码器）	基因表达谱和空间坐标数据	三个公开数据集（具体样本数量未明确说明）	PyTorch（基于代码仓库推断）	VAE	聚类准确性、生物学一致性边界、潜在表示可解释性	NA
1550	2026-01-24	Deep learning method for semi-automated segmentation of optic nerve head tissues in optical coherence tomography images 2025-Dec, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110678 PMID:41038371	研究论文	本文提出了一种基于深度学习的半自动分割方法，用于光学相干断层扫描图像中视神经乳头组织的分割	开发了一种结合用户交互的半自动分割方法，允许用户接受或修正模型预测，并利用修正结果更新模型以提升后续图像的分割准确性	测试数据集较小（仅包含6个视神经乳头的图像体积），限制了更新模型效果评估的全面性	实现视神经乳头组织边界的半自动分割，以获取组织特异性信息	光学相干断层扫描图像中的视神经乳头组织，包括前筛板表面、布鲁赫膜和脉络膜-巩膜界面	计算机视觉	NA	光学相干断层扫描	CNN	图像	46个预处理后的视神经乳头图像体积（每个包含24个径向扫描）用于训练，6个视神经乳头的图像体积（每个24个扫描）用于测试	NA	NA	均方根误差	NA
1551	2026-01-24	Deep Learning Enhances Weightbearing CT Detection of Lisfranc Instability: A FIXUS-AI Ankle Insight 3D Algorithm 2025-Dec, Cureus DOI:10.7759/cureus.99658 PMID:41561244	研究论文	本研究开发了一种基于深度学习的3D负重CT（WBCT）算法，用于检测Lisfranc不稳定性，并评估了三种深度学习模型的性能	首次将深度学习算法应用于3D负重CT图像，以检测孤立的Lisfranc不稳定性，并比较了三种不同深度学习模型的性能	研究样本量有限（280例），缺乏外部验证，未来需要更大数据集和外部验证来进一步确认模型的泛化能力	研究深度学习算法在负重CT图像上对孤立Lisfranc不稳定性的诊断影响	280例患者的负重CT扫描图像，包括140例孤立Lisfranc不稳定性病例和140例无足部损伤的对照组	计算机视觉	足部损伤	负重CT（WBCT）成像	CNN, LSTM	3D图像	280例患者（140例病例，140例对照）	NA	3D卷积神经网络（3D-CNN），CNN结合长短期记忆（LSTM），差分CNN-LSTM	灵敏度，特异性，准确率，F1分数，ROC曲线下面积（AUC）	NA
1552	2026-01-24	Advancements in Cancer Survival Prediction: A Systematic Review of Classical and Modern Approaches 2025-Dec, Indian journal of community medicine : official publication of Indian Association of Preventive & Social Medicine IF:0.9Q4 DOI:10.4103/ijcm.ijcm_626_24 PMID:41561693	综述	本文系统回顾了癌症生存预测中传统统计方法与现代机器学习及深度学习模型的应用、进展及未来研究方向	通过系统综述方法，梳理了过去15年间癌症生存预测模型从传统方法向混合及深度学习模型的演进趋势，并强调了在有限数据集下利用临床数据的增长趋势	综述基于特定数据库（ScienceDirect、IEEE Xplore、PubMed）的文献，可能未涵盖所有相关研究，且纳入标准可能引入选择偏倚	识别癌症预测中应用的生存分析模型，突出近期进展，并为未来研究提出方向	癌症患者的生存预测	机器学习	癌症	NA	机器学习, 深度学习	临床数据	基于51篇文献的综述，未指定具体样本量	NA	NA	NA	NA
1553	2026-01-24	Automatic multi-IMU-based deep learning evaluation of intensity during static standing balance training exercises 2025-Nov-27, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01760-3 PMID:41310727	研究论文	本研究通过全身可穿戴传感器和卷积神经网络模型，自动评估静态站立平衡训练中的运动强度，以支持家庭康复训练	首次结合多IMU传感器和CNN模型，实现物理治疗师感知的平衡运动强度自动评估，为家庭康复提供量化监控手段	研究仅基于单日训练数据，样本量有限，且未考虑动态平衡训练或长期康复效果	开发基于可穿戴传感器和机器学习的平衡运动强度评估系统，以支持家庭康复训练的剂量监控	平衡训练参与者（n=47）和物理治疗师参与者（n=42）	机器学习	老年疾病	可穿戴惯性测量单元（IMU）	CNN	运动学数据	47名平衡训练参与者和42名物理治疗师	NA	卷积神经网络	均方根误差（RMSE）	NA
1554	2026-01-24	Dynamic AI-assisted ipsilateral tissue matching for digital breast tomosynthesis 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112356 PMID:40925265	研究论文	本研究评估了AI辅助的乳腺数字断层合成同侧组织匹配技术对减少定位误差的效果，特别是对非专家放射科医生	引入了动态AI辅助的同侧组织匹配技术，并集成了ViewFinder警告系统以识别高不确定性病例，显著提升了非专家放射科医生在复杂病例中的定位准确性	研究样本量相对较小（30个病例，94个参考标注），且仅针对乳腺数字断层合成技术，未涉及其他影像模态	评估AI辅助技术是否能减少乳腺数字断层合成中的定位误差，特别是在典型肿瘤边界之外	乳腺数字断层合成图像中的病变区域	数字病理学	乳腺癌	乳腺数字断层合成	深度学习	医学影像	30个病例，包含94个共识参考标注	NA	NA	均方根误差, 最大距离误差	NA
1555	2026-01-24	From Big to Small: Emerging Methods for Enhancing Precision Psychiatry Through Transfer Learning 2025-Oct-30, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2025.10.022 PMID:41173199	综述	本文综述了迁移学习在脑-行为预测建模中的应用，特别是在精准精神病学中预测临床结果方面的潜力	通过迁移学习利用大规模神经影像数据集来提升小规模临床数据集的预测准确性，增强模型的泛化性和可解释性	NA	探讨迁移学习在精准精神病学中用于脑-行为预测建模的方法与效用	神经影像数据与临床特征之间的关联	机器学习	精神疾病	神经影像学	NA	神经影像数据	NA	NA	NA	NA	NA
1556	2026-01-24	Pan-cancer single-cell and spatial transcriptomics implicate cancer-associated fibroblasts in neutrophil immunosuppressive phenotypic transitions and immunotherapy resistance 2025-Oct-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01706-x PMID:41068349	研究论文	本研究通过泛癌单细胞和空间转录组学分析，揭示了癌症相关成纤维细胞在促进中性粒细胞免疫抑制表型转变和免疫治疗抵抗中的作用	构建了涵盖21种癌症类型、462名患者的中性粒细胞单细胞图谱，识别出主要免疫抑制亚群CXCR2+VNN2+Neu，并通过空间转录组学首次系统揭示了成纤维细胞活性驱动其表型转变的机制	研究主要基于转录组数据，功能验证和机制细节仍需进一步实验探索	探究中性粒细胞在肿瘤微环境中的异质性、调控机制及其对免疫治疗响应的影响	462名泛癌患者的中性粒细胞及肿瘤微环境成分	生物信息学	泛癌	单细胞RNA测序, 空间转录组学	深度学习模型	单细胞转录组数据, 空间转录组数据	462名患者, 涵盖21种癌症类型	NA	Deepsurv	NA	NA
1557	2026-01-24	Advanced Embryo Ploidy Classification Using Vision Transformers: Integration of Sequential Time-Lapse Imaging and Undersampling Techniques: A Retrospective Study 2025 Oct-Dec, Journal of human reproductive sciences DOI:10.4103/jhrs.jhrs_111_25 PMID:41560882	研究论文	本研究通过整合Vision Transformers与连续延时成像技术，并应用随机欠采样方法，旨在提高胚胎倍性分类的准确性，特别是在处理类别不平衡问题时	首次将Vision Transformers应用于胚胎倍性分类，结合连续延时成像和随机欠采样技术，有效提升了镶嵌体胚胎等少数类别的预测性能	研究为回顾性设计，样本量相对有限，且模型在不平衡数据集上的性能下降明显	提高辅助生殖技术中胚胎倍性分类的可靠性，优化胚胎选择过程	来自生育诊所的囊胚期延时成像视频，包含遗传学确认的倍性状态	计算机视觉	NA	延时成像	Vision Transformer	视频序列帧	1020个囊胚视频，生成99,324个序列帧，平衡后每类17,000张图像	NA	ViT-B/16, ViT-B/32	准确率, 精确率, 召回率, F1分数	NA
1558	2026-01-24	Deep Learning Unveils Health Predictions From EEG and MRI Data 2025 Sep-Oct, IEEE pulse IF:0.3Q4 DOI:10.1109/MPULS.2025.3618430 PMID:41564094	综述	本文综述了人工智能（尤其是深度学习）在利用fMRI和EEG数据进行大脑活动检测和神经系统疾病诊断中的应用	系统性地概述了AI在神经影像学中的多种应用，并讨论了其在认知神经科学和医学影像中的关键作用以及未来挑战	作为综述文章，未提出新的具体模型或实验，主要基于现有研究进行总结	探讨AI驱动技术在利用fMRI和EEG检测和探索人类大脑活动中的应用	功能磁共振成像（fMRI）和脑电图（EEG）数据	机器学习	神经系统疾病	fMRI, EEG	深度学习模型, 机器学习技术	神经影像数据（fMRI和EEG）	NA	NA	NA	NA	NA
1559	2026-01-24	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Aug-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用位点	Disobind方法结合了ProtT5蛋白质语言模型的序列嵌入，能够考虑结合伙伴的上下文信息，且不依赖于结构或多序列比对，在预测IDR界面方面优于现有方法	未在摘要中明确说明	开发一种深度学习方法以准确预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用	蛋白质内在无序区域（IDRs）及其结合伙伴	机器学习	NA	深度学习	基于ProtT5的模型	蛋白质序列	NA	NA	ProtT5	NA	NA
1560	2026-01-24	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2025-Aug-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	研究论文	本研究评估了基于深度学习的图像增强技术在改善脑转移瘤3D对比增强T1加权黑血磁共振成像图像质量和诊断性能方面的效用	首次将商用深度学习图像增强软件应用于3D对比增强T1加权黑血磁共振成像，显著提高了小病灶（小于5毫米）的检测灵敏度	研究为回顾性设计，未与其他深度学习增强方法直接比较，且伪影改善不显著	评估深度学习图像增强对脑转移瘤磁共振成像质量和诊断准确性的提升效果	脑转移瘤患者及无脑转移患者的3D对比增强T1加权黑血磁共振图像	数字病理	脑转移瘤	3D对比增强T1加权黑血磁共振成像	深度学习	医学图像	247名患者（126名有脑转移，121名无脑转移）	NA	NA	信噪比, 对比噪声比, 灵敏度, 特异性, 假阳性计数	NA