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
1761	2026-01-21	A Multi-phase CT Dataset for Automated Differential Diagnosis of Liver Tumors 2025-Dec-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06343-4 PMID:41392114	研究论文	本文介绍了一个用于肝脏肿瘤自动鉴别诊断的多期相CT数据集MCT-LTDiag	提出了一个包含517个病例、涵盖五个肿瘤亚型的标准化多期相CT数据集，并展示了多期相整合能显著提升诊断性能	NA	开发一个用于肝脏肿瘤自动鉴别诊断的基准数据集	肝脏肿瘤患者的多期相CT扫描图像	数字病理学	肝癌	多期相对比增强CT扫描	机器学习,深度学习	图像	517个病例	NA	NA	NA	NA
1762	2026-01-21	Renji endoscopic submucosal dissection video data set for Esophagus 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	本研究介绍了首个公开的食管内镜黏膜下剥离术视频数据集，包含25个手术视频和141,909个阶段标注	这是首个公开的、包含全面阶段标注的食管ESD视频数据集	数据集规模相对较小（仅25个手术视频），可能限制模型的泛化能力	为人工智能辅助内镜手术提供高质量的标注数据集，支持手术阶段识别研究	食管内镜黏膜下剥离术（ESD）视频	计算机视觉	食管疾病	内镜黏膜下剥离术（ESD）	深度学习	视频	25个手术视频，包含141,909个阶段标注	NA	NA	NA	NA
1763	2026-01-21	Quantitative CT Imaging in Progressive Pulmonary Fibrosis: Clinical Usefulness and Meaningful Threshold Definition 2025-Dec-06, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.11.031 PMID:41360185	研究论文	本研究通过深度学习定量CT成像算法，确定了非特发性肺纤维化间质性肺病患者中定义进行性肺纤维化的最小临床重要差异阈值，并评估其预后价值	首次使用深度学习定量CT成像算法定义了非特发性肺纤维化间质性肺病患者中FS变化的1年和6个月MCID阈值，并验证了这些阈值在预后预测和风险分层中的临床实用性	研究为回顾性设计，可能受到选择偏倚的影响，且仅基于单一中心的患者数据，外部验证尚需进一步研究	确定定量CT成像中FS变化的MCID阈值，并评估其在定义进行性肺纤维化和预测患者预后中的临床意义	非特发性肺纤维化间质性肺病患者	数字病理学	肺纤维化	深度学习定量CT成像算法	深度学习	CT图像	476名患者	NA	NA	最小临床重要差异, 风险比, 95%置信区间	NA
1764	2026-01-21	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，旨在通过神经影像数据提高双相情感障碍和精神分裂症的跨诊断分类准确性	提出了一种新的互惠多网络噪声标签学习方法，通过最大化深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的偏差或错误	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神疾病的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者	机器学习	精神疾病	神经影像数据（功能连接性）	深度神经网络	图像数据（神经影像）	未明确指定患者样本数量，但使用了公共CIFAR-10和PathMNIST数据集进行验证	未明确指定	未明确指定	分类准确率	NA
1765	2026-01-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	提出了一种用于医学视频对象跟踪与分割的高效适配框架DD-SAM2，通过深度可分离扩张卷积适配器增强SAM2的多尺度特征提取能力	首次系统性地探索了基于适配器的微调策略，将Segment Anything Model 2应用于医学视频分割与跟踪，并充分利用其流式记忆机制	需要在有限训练数据的医学视频上进行微调，可能对数据稀缺场景的泛化能力存在限制	开发一种高效适配框架，提升SAM2在动态医学影像场景中的对象跟踪与分割性能	医学视频中的肿瘤分割和左心室跟踪	计算机视觉	肿瘤，心血管疾病	深度学习，视频分割	适配器微调框架	医学视频	TrackRad2025和EchoNet-Dynamic数据集	PyTorch	Segment Anything Model 2, Depthwise-Dilated Adapter	Dice系数	NA
1766	2026-01-21	Deep learning reconstruction for fast cardiovascular magnetic resonance imaging protocol: A comparative study with conventional cardiovascular magnetic resonance 2025-Nov-28, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.102017 PMID:41318031	研究论文	本研究比较了压缩感知人工智能算法与传统灵敏度编码重建在加速心血管磁共振成像、提升图像质量和保持诊断准确性方面的表现	前瞻性验证了深度学习重建算法在多种临床序列（Cine、T2 STIR、LGE）中加速CMR采集、提升图像质量并保持诊断准确性的潜力	研究样本量相对有限（105名参与者），且未明确说明深度学习模型的具体架构细节	评估压缩感知人工智能算法在加速心血管磁共振成像采集、提升图像质量和保持诊断准确性方面的功能	105名计划进行临床心血管磁共振检查的参与者	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	105名参与者	NA	NA	信噪比, 对比噪声比, 边缘锐度, 心室功能参数, T2信号强度比, 晚期钆增强百分比, 主观图像质量评分（5点李克特量表）	NA
1767	2026-01-21	Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection 2025-Nov-26, ArXiv PMID:41356065	研究论文	本研究提出并评估了多种深度学习架构，用于检测基于代码调制视觉诱发电位的非侵入性脑机接口，显著提升了单次试验解码的准确性和鲁棒性	引入了基于Siamese网络的相似性解码方法，并采用Earth Mover's Distance及其约束版本作为距离度量，相比传统欧氏和马氏距离，对EEG信号中的时间延迟变化表现出更强的鲁棒性	研究仅涉及13名健康成年人，样本量较小，且未在患者群体或更复杂环境中验证	开发高鲁棒性的解码方法，以解决基于代码调制视觉诱发电位的非侵入性脑机接口中EEG信号的时间变异性和会话依赖性噪声问题	健康成年人的脑电图信号	机器学习	NA	脑电图记录	CNN, Siamese网络	脑电图信号	13名健康成年人	NA	卷积神经网络, Siamese网络	准确率	NA
1768	2026-01-21	Rapid cancer diagnosis using deep learning-powered label-free subcellular-resolution photoacoustic histology 2025-Nov-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz1820 PMID:41270177	研究论文	本文开发了一种亚细胞分辨率无标记紫外光声显微镜系统，结合深度学习技术，用于快速癌症诊断	开发了具有240纳米分辨率的亚细胞分辨率紫外光声显微镜系统，并首次结合循环一致性生成对抗网络进行虚拟染色，以及使用DenseNet-121进行肝组织良恶性肿瘤诊断	NA	提高癌症诊断的速度和准确性，减少传统组织学染色所需的时间和人工	肝组织中的良性和恶性肿瘤	数字病理学	肝癌	无标记紫外光声显微镜	GAN, CNN	图像	NA	NA	CycleGAN, DenseNet-121	AUC	NA
1769	2026-01-21	AI-aided segmentation of four types of drusen in volumetric OCT 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.566705 PMID:41293704	研究论文	本文提出了一种结合卷积神经网络进行自动玻璃膜疣分割和专用分类模块的深度学习框架，用于从OCT图像中准确分割和分类四种临床相关的玻璃膜疣类型	开发了一个深度学习框架，首次结合自动分割和分类模块，能够区分四种临床相关的玻璃膜疣类型，并在定量分析方面显示出显著改进	NA	实现年龄相关性黄斑变性（AMD）中玻璃膜疣的客观评估和监测	光学相干断层扫描（OCT）图像中的玻璃膜疣	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN	图像	NA	NA	NA	Dice系数, 临界成功指数	NA
1770	2026-01-21	DeepWheat: predicting the effects of genomic variants on gene expression and regulatory activities across tissues and varieties in wheat using deep learning 2025-Sep-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03809-x PMID:41024142	研究论文	本文提出了一个名为DeepWheat的深度学习框架，用于预测小麦中基因组变异对基因表达和调控活性的影响	开发了DeepWheat框架，包含DeepEXP和DeepEPI两个模型，能够整合序列和表观基因组特征进行组织特异性基因表达预测，并支持跨品种的模型迁移	NA	预测小麦中基因组变异对组织特异性基因表达和调控活性的影响，以支持作物功能基因组学和育种	小麦	机器学习	NA	深度学习	深度学习模型	基因组序列, 表观基因组数据	五个小麦品种	NA	DeepEXP, DeepEPI	皮尔逊相关系数	NA
1771	2026-01-21	Variational inference of single cell time series 2025-Sep-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.29.610389 PMID:39257806	研究论文	本文提出了一种名为SNOW的深度学习算法，用于解卷积单细胞时间序列RNA测序数据，以分离时间依赖和独立成分	开发了SNOW算法，能够有效解卷积单细胞时间序列数据，构建有生物学意义的潜在空间并去除批次效应	未在摘要中明确提及	分析单细胞时间序列RNA测序数据，解决时间与细胞类型贡献解卷积、区分真实动态与批次效应等挑战	单细胞时间序列RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习	RNA测序数据	合成和真实scRNA-seq数据（具体数量未提及）	NA	NA	NA	NA
1772	2026-01-21	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	本文介绍了一个名为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，以提升数据质量和下游分析效果	提出了一种无需参考的框架，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值问题，并展示了其在数据整合、模型预训练及新生物信号发现方面的应用	NA	解决空间转录组数据分析中因高噪声和基因测量缺失带来的挑战，提升数据质量和分析准确性	空间转录组数据	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	基因组语言模型	NA	NA
1773	2026-01-21	Multicenter Evaluation of Interpretable AI for Coronary Artery Disease Diagnosis from PET Biomarkers 2025-Jun-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25329944 PMID:40630571	研究论文	本研究开发了一种整合PET/CT心肌灌注成像关键临床参数的人工智能模型，用于提高阻塞性冠状动脉疾病的诊断准确性	首次开发了整合冠状动脉钙化评分、心肌血流和灌注参数等多模态PET成像生物标志物的可解释AI模型，并在多中心外部验证中显示出优于传统定量分析和临床评分的诊断性能	研究为回顾性设计，仅纳入有创冠状动脉造影的患者可能引入选择偏倚，模型在更广泛人群中的普适性仍需前瞻性验证	开发可解释的人工智能模型以改善冠状动脉疾病的诊断准确性	接受心脏PET/CT检查并随后进行有创冠状动脉造影的疑似冠状动脉疾病患者	数字病理学	心血管疾病	PET/CT心肌灌注成像，深度学习，机器学习	XGBoost, 深度学习	医学影像（PET/CT），临床参数	总队列17,348名患者，最终纳入1,664名受试者（训练集386名，外部测试集1,278名）	XGBoost	XGBoost集成学习模型	AUC（受试者工作特征曲线下面积）	NA
1774	2026-01-21	Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification 2025-Jun-27, ArXiv PMID:41019222	综述	本文综述了胎儿睡眠的生理特征、测量方法和分类技术，并探讨了宫内条件对其的影响	跨物种比较胎儿睡眠模式，并综合了从传统规则方法到深度学习的最新分类技术	NA	为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供基础，以支持产前护理的早期诊断和干预	人类和大型动物模型的胎儿睡眠	NA	NA	侵入性动物技术和非侵入性人类模态	深度学习	NA	NA	NA	NA	NA	NA
1775	2026-01-21	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2025-May-30, Research square DOI:10.21203/rs.3.rs-6622868/v1 PMID:40502758	研究论文	本研究通过多中心评估，利用放射组学和深度学习技术对胰腺导管内乳头状黏液性肿瘤（IPMN）的恶性风险进行分层预测	首次在IPMN的囊肿层面进行恶性风险分层，并开发了放射组学与深度学习的融合模型，在多中心数据中验证了其优于单一模型和专家评估的潜力	模型性能仍需提升才能独立应用于临床，且样本量有限（359个T2W MRI图像）	评估人工智能在预测IPMN异型增生等级中的可行性，以改善诊断准确性并减少不必要的手术干预	胰腺导管内乳头状黏液性肿瘤（IPMN）的囊肿图像	医学影像分析	胰腺癌	T2W MRI成像	深度学习, 放射组学	图像	来自七个中心的359个T2W MRI图像	NA	NA	AUC	NA
1776	2026-01-21	Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples 2025-May-15, ArXiv PMID:40463694	研究论文	本研究提出了一种基于深度学习的框架，用于自动化预测卵巢癌分期，利用常规组织病理学图像实现高精度分类	首次将迁移学习与ResNet-101结合，并采用遗传算法优化超参数，以自动化方式对卵巢癌组织切片进行分级和分期	未提及模型在外部验证集上的泛化能力，且数据来源和样本多样性可能有限	开发自动化方法以辅助卵巢癌的诊断和分期，减少人工评估的时间和主观差异	卵巢癌薄组织活检样本的透射光学显微镜明场图像	数字病理学	卵巢癌	组织病理学成像	CNN	图像	NA	PyTorch, TensorFlow	ResNet-101	准确率	NA
1777	2026-01-21	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了一种弱监督深度学习模型在对比增强超声（CEUS）中区分恶性与良性局灶性肝病变（FLLs）的性能	采用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签即可分类肝病变	回顾性研究，样本来自单一三级医院，可能限制泛化能力	评估弱监督深度学习在CEUS中自动分类肝病变恶性与否的可行性	局灶性肝病变（FLLs）患者	计算机视觉	肝病	对比增强超声（CEUS）	深度学习	图像	370名患者，共955,938张图像	NA	注意力机制的多实例学习算法	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
1778	2026-01-21	Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103818 PMID:40695098	研究论文	本研究探讨了流体和白质抑制（FLAWS）MRI序列在提高深度学习模型检测和分割多发性硬化（MS）患者皮质病变方面的效果，并开发了能泛化到仅使用标准T1加权图像（MPRAGE）的临床环境的模型	首次将FLAWS MRI序列与深度学习结合，显著提升了皮质病变的检测和分割性能，并实现了从先进研究序列到常规临床序列的知识迁移和泛化	研究基于多中心数据，但样本量相对有限（204名患者），且外部验证仅在一个机构进行，可能影响模型的广泛适用性	提高多发性硬化患者皮质病变的自动检测和分割准确性，并促进深度学习模型在临床环境中的实际应用	多发性硬化（MS）患者的MRI图像，特别是皮质病变	数字病理学	多发性硬化	FLAWS MRI序列、MP2RAGE序列、MPRAGE序列	深度学习模型	MRI图像	204名多发性硬化患者	NA	NA	F1-score, DSC	NA
1779	2026-01-21	From CNNs to SAM: A Survey of Deep Learning Techniques for Liver Tumor Segmentation in CT Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3631322 PMID:41550585	综述	本文对基于深度学习的CT图像肝脏肿瘤分割技术进行了全面综述，分析了100多篇相关研究论文	从CNN到SAM等多个维度系统梳理了肝脏肿瘤分割领域的发展脉络与新兴趋势，并探讨了不同方法选择的影响	作为综述文章，主要总结现有研究，未提出新的模型或方法	综述深度学习技术在CT图像肝脏肿瘤分割领域的研究进展与应用	肝脏肿瘤的CT图像分割	计算机视觉	肝癌	CT成像	深度学习模型	CT图像	NA	NA	CNN, SAM	NA	NA
1780	2026-01-21	Disorder-specific neurodynamic features in schizophrenia inferred by neurodynamic embedded contrastive variational autoencoder model 2024-12-18, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-03200-7 PMID:39695106	研究论文	本研究通过整合神经动力学模型与对比变分自编码器，提取并评估精神分裂症特有的宏观特征，包括个体水平、区域水平参数和时变状态	首次将神经动力学模型与对比变分自编码器结合，用于提取精神分裂症特有的神经动力学特征，并揭示了与症状相关的独特分子机制模式	研究基于多中心数据集，但未具体说明样本异质性或模型泛化能力的详细评估	探索精神分裂症的病理机制，通过神经动力学模型分析微观改变如何影响宏观神经回路和脑功能	精神分裂症患者	机器学习	精神分裂症	神经动力学模型	CVAE	神经影像数据	NA	NA	对比变分自编码器	NA	NA