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
141	2025-12-13	Application of thin-slice and accelerated T1-weighted GRE sequences in 1.5T abdominal magnetic resonance imaging using deep learning image reconstruction 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064005 PMID:41383277	研究论文	本研究比较了标准梯度回波序列与两种基于深度学习图像重建的加速T1加权梯度回波序列在1.5T腹部磁共振成像中的性能	应用深度学习图像重建技术于加速和高分辨率的T1加权梯度回波序列，显著减少了采集时间并提高了图像质量	研究样本量较小（50名患者），且诊断信心和病变检测能力在序列间无显著差异	评估深度学习图像重建在腹部磁共振成像中减少采集时间和提高图像质量的效果	50名接受1.5T腹部磁共振成像的患者	医学影像	NA	磁共振成像，深度学习图像重建，并行成像，部分傅里叶采样	深度学习	磁共振图像	50名患者	NA	NA	噪声、伪影、锐度/对比度、整体图像质量、诊断信心（使用李克特量表1-5分评估）	NA
142	2025-12-13	Tripartite strategy for dual reduction of radiation and iodine dose in obese CCTA: High-iodine contrast, 80 kVp, and deep learning reconstruction 2025-Oct-31, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045725 PMID:41261582	研究论文	本研究评估了一种结合高碘浓度造影剂、80 kVp扫描和深度学习图像重建的三联低剂量策略，用于肥胖患者的冠状动脉CT血管成像，旨在同时降低辐射和碘剂量并保持诊断质量	首次在肥胖患者中联合应用高碘浓度造影剂、80 kVp扫描和深度学习图像重建，实现辐射剂量和碘负荷的双重显著降低，同时维持甚至改善图像质量和诊断准确性	单中心前瞻性试验，样本量相对较小（100例患者），且诊断性能验证仅在20例患者的亚组中进行，可能限制结果的普遍性	开发并验证一种在肥胖患者冠状动脉CT血管成像中同时降低辐射暴露和碘负荷的低剂量策略，同时确保诊断图像质量	肥胖患者（BMI ≥30 kg/m²）	医学影像	心血管疾病	冠状动脉CT血管成像，深度学习图像重建	深度学习模型	CT图像	100例肥胖患者（低剂量组50例，标准剂量组50例），其中20例亚组进行有创冠状动脉造影对比	NA	NA	图像噪声，信噪比，对比噪声比，主观图像质量评分（5分制），诊断准确性，灵敏度，阴性预测值	NA
143	2025-12-13	Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.29.685313 PMID:41278910	研究论文	本文提出了一种基于蛋白质语言模型和深度学习的框架，用于预测抗原结构上的构象B细胞表位	引入了一种以表面“斑块”为中心的框架，直接预测抗原结构上的表位，并比较了蛋白质语言模型与卷积基线的性能	实验成本高，且大多数计算工具在抗体-抗原识别上转移效果不佳	预测构象B细胞表位，以辅助抗体发现和疫苗设计	抗体-抗原复合物	自然语言处理, 机器学习	NA	蛋白质语言模型, 深度学习	多层感知机, CNN	蛋白质结构	1,151个AbDb抗体-抗原复合物	NA	ESM-2, 卷积神经网络	F1分数, ROC-AUC, PR-AUC	NA
144	2025-12-13	SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.06.627299 PMID:41278937	研究论文	本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在捕捉细胞形态、蛋白质定位和生物学功能	提出了一种新颖的蛋白质组感知学习目标，并构建了首个直接从图像数据学习的蛋白质组层次结构图	NA	开发能够准确捕捉单细胞生物学特征的深度学习模型	人类蛋白质图谱中的蛋白质组范围图像集合	计算机视觉	NA	荧光显微镜	自监督深度学习模型	图像	人类蛋白质图谱的蛋白质组范围图像集合	NA	NA	NA	NA
145	2025-12-13	The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg) 2025-Oct-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05975-w PMID:41145519	研究论文	本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准	发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型	数据集仅包含单中心数据，可能限制模型的泛化能力	为颈椎研究提供数据资源，并建立分割任务的基准	颈椎磁共振成像（MRI）	数字病理学	颈椎疾病	磁共振成像（MRI）	深度学习分割模型	图像	1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注	NA	NA	Dice系数	NA
146	2025-12-13	A knowledge-driven deep learning framework for organoid morphological segmentation and characterization 2025-Oct-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02411-8 PMID:41121276	研究论文	本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征	提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析	NA	开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化	类器官	计算机视觉	NA	明场显微镜成像	Transformer	图像	大规模类器官数据集，涵盖多种组织类型和显微成像设置	NA	多模态Transformer	NA	NA
147	2025-12-13	Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504164122 PMID:41055996	研究论文	本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率	将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一	模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证	探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块	小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5）	机器学习, 神经形态计算	NA	生物物理真实建模, 神经形态硬件映射	Vision Transformer, 基于电导的神经网络	图像数据	NA	NA	Vision Transformer, sWTA模块	准确率, 泛化性能, 训练计算量	IBM TrueNorth神经形态芯片
148	2025-12-13	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-Oct, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	评论	本文探讨了人工智能在鼻整形术中的应用及其潜在影响，包括术前规划、患者沟通以及相关的伦理和医学法律问题	深入分析了AI在鼻整形术中的创新应用，如深度学习与GANs用于预测术后结果，并强调了其局限性及伦理考量	AI无法考虑个体愈合过程、组织行为和长期鼻部重塑，且存在预测偏差、强化不切实际的美学标准等伦理问题	评估人工智能在鼻整形术中的角色，探讨其作为辅助工具而非替代外科专业知识的合理性	人工智能技术在鼻整形术中的应用及其对患者和医疗实践的影响	数字病理学	NA	深度学习, 生成对抗网络(GANs)	深度学习模型, GANs	图像数据	NA	NA	NA	NA	NA
149	2025-12-13	Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study 2025-Oct, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03570-x PMID:40794157	研究论文	本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估	首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注	研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳	比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能	通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎	数字病理	生殖医学	时差成像视频分析	深度学习	视频	第3天移植胚胎2965个，第5天及以上移植胚胎6970个	未提及	iDAScore V2	AUC	未提及
150	2025-12-13	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程	首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系	未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况	开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率	光声层析成像的原始传感器数据（正弦图）	计算机视觉	NA	光声层析成像	全连接网络, Swin-UNETR	图像, 传感器数据	NA	NA	全连接网络, Swin-UNETR	峰值信噪比, 结构相似性指数	NA
151	2025-12-13	[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions] 2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences DOI:10.11817/j.issn.1672-7347.2025.250389 PMID:41382998	综述	本文综述了非侵入式脑机接口技术在载人航天任务中的应用前景与技术挑战	系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复等全任务周期的应用范式，并前瞻性地探讨了与深度学习、虚拟现实及机器人技术融合的智能人机协作模型	面临信号鲁棒性不足、系统适应性有限及数据处理效率欠佳等技术挑战	探讨非侵入式脑机接口技术在载人航天任务中的应用潜力与实现路径	航天员在长期载人航天任务中的生理、心理及认知功能	脑机接口	NA	非侵入式脑机接口技术，多模态生理信号采集	深度学习算法	神经信号，多模态生理信号	NA	NA	NA	NA	NA
152	2025-12-13	Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay 2025-Aug-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16352-3 PMID:40846738	研究论文	本研究评估了使用LSTM神经网络预测切萨皮克湾叶绿素a浓度的效果，并与传统统计模型进行了比较	首次将LSTM模型应用于切萨皮克湾叶绿素a浓度的时间序列预测，并证明了其在捕捉复杂时空动态方面的优越性能	研究仅基于卫星遥感数据，未考虑其他环境因素（如水温、营养盐浓度）对叶绿素a的影响，且模型在更长期预测中的稳定性尚未验证	评估深度学习模型在水质预测中的应用潜力，以支持水生生态系统的可持续管理	切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据	机器学习	NA	卫星遥感监测	LSTM	时间序列数据	1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域	NA	LSTM	均方根误差	NA
153	2025-12-13	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补	提出了一个无参考框架，结合基因组语言模型联合处理空间转录组数据的噪声和缺失问题，并作为模型预训练和新生物信号发现的强有力工具	NA	克服空间转录组数据中高噪声水平和基因测量缺失的挑战，提升数据质量和分析能力	空间转录组数据	机器学习	NA	空间转录组学	深度学习框架	空间转录组数据	NA	NA	基因组语言模型	NA	NA
154	2025-12-13	Integrative Analysis of Multi-Omics Data for Biomarker Discovery 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254134 PMID:41336317	研究论文	本文通过整合代谢组学、脂质组学、肽组学、蛋白质组学和糖蛋白组学数据，探索统计和深度学习方法，以发现区分肝细胞癌与肝硬化对照的多组学生物标志物	采用多组学整合分析方法，结合统计和深度学习技术，从血清样本中识别肝细胞癌与肝硬化的差异特征，并揭示相关生物通路如LXR/RXR激活和急性反应信号	样本量较小（仅20例肝细胞癌和20例肝硬化患者），可能影响结果的普遍性和统计效力	发现区分肝细胞癌与肝硬化的多组学生物标志物，以改善疾病预测和个性化治疗	肝细胞癌和肝硬化患者的血清样本	机器学习	肝细胞癌	LC-MS/MS分析	深度学习	多组学数据（代谢组学、脂质组学、肽组学、蛋白质组学、糖蛋白组学）	40个血清样本（20例肝细胞癌，20例肝硬化）	NA	NA	NA	NA
155	2025-12-13	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）在临床现实的合成患者队列中进行心血管风险预测，并将预测结果转化为可操作的临床建议	研究基于合成患者队列，可能无法完全反映真实世界数据的复杂性	支持初级保健中的心血管风险分层，以增强早期干预策略	合成患者队列，包括人口统计学和临床变量	机器学习	心血管疾病	NA	LSTM, GRU	序列数据	NA	NA	LSTM, GRU	NA	NA
156	2025-12-13	A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测	提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调	研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感	开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断	孤独症谱系障碍患者与非患者的图像样本	计算机视觉	孤独症谱系障碍	图像模式识别	CNN, Transformer	图像	文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本	NA	ResNet-50, ViTSwin	准确率	NA
157	2025-12-13	NLP-enriched social determinants of health improve prediction of suicide death among the Veterans 2025-Mar-31, Research square DOI:10.21203/rs.3.rs-5067562/v1 PMID:40235516	研究论文	本研究探讨了通过自然语言处理（NLP）和ICD编码提取的社会行为健康决定因素（SBDH）对退伍军人精神病院出院后自杀死亡预测模型的性能提升作用	创新性地将NLP从非结构化临床记录中提取的SBDH信息与ICD编码信息结合，用于提升自杀死亡预测模型的性能、校准度和公平性	研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能仍有提升空间（AUROC约64%）	评估社会行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院患者的自杀死亡预测	2017年1月1日至2019年7月1日期间从129家美国退伍军人健康管理局（VHA）精神病院出院的197,581名退伍军人，共计414,043次出院记录	自然语言处理	精神疾病	自然语言处理（NLP），ICD编码分析	集成机器学习模型，基于Transformer的深度学习基础模型	文本（非结构化临床记录），结构化管理数据	197,581名退伍军人的414,043次出院记录	NA	TransformEHR	灵敏度，阳性预测值（PPV），受试者工作特征曲线下面积（AUROC），校准分析	NA
158	2025-12-13	Principles of artificial intelligence in radiooncology 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02272-0 PMID:39105746	综述	本文是一篇针对放射肿瘤学领域的人工智能深度学习原理的全面指南	以易于理解的方式，专门为放射肿瘤学定制，系统阐述了深度学习的技术原理，填补了该领域缺乏易懂综述的空白	NA	阐明深度学习在放射肿瘤学中的技术原理，旨在弥合复杂技术概念与临床实践之间的差距	深度学习模型及其在放射肿瘤学中的应用	机器学习	NA	NA	MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习	NA	NA	NA	NA	NA	NA
159	2025-12-13	Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02262-2 PMID:39105745	综述	本文总结了人工智能在放射治疗计划自动分割中的最新技术和临床应用	探讨了将数学肿瘤生长模型与AI肿瘤检测相结合以优化靶区勾画的新视角，并展望了一站式分割与放疗计划的前沿	临床实施中面临领域偏移等挑战	总结AI在放疗计划自动分割中的技术现状与临床应用	危及器官、大体肿瘤体积和临床靶区	数字病理	肿瘤	NA	深度学习	医学影像	NA	NA	NA	效率、一致性和时间节省	NA
160	2025-12-13	The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning 2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-024-02313-8 PMID:39503868	研究论文	本研究评估了Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性，以支持放射治疗计划	首次将可提示的基础分割模型应用于脑胶质瘤的交互式自动轮廓勾画，并评估其在放射治疗计划中的潜力	使用建议掩码时准确性较低（0.572），且模型性能可能受肿瘤分级影响	评估Segment Anything基础模型在脑胶质瘤MRI自动分割中的准确性，以支持放射治疗计划	脑胶质瘤MRI图像	数字病理	脑胶质瘤	MRI成像	基础分割模型	MRI图像	369个MRI数据集，共16,744个横断面切片	NA	Segment Anything	IoU, Dice系数	NA