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
1781	2026-05-02	Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples 2025-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138370 PMID:40267710	研究论文	提出一种结合高光谱成像与深度学习的方法，用于快速筛选共代谢微塑料降解细菌	首次将高光谱成像与深度学习算法结合，用于共代谢固体培养基中微塑料降解细菌的直接筛选，克服了传统方法耗时且难以鉴别共代谢降解菌的局限	仅验证了一种聚己二酸/对苯二甲酸丁二醇酯降解细菌，模型在更广泛微生物种类和环境样本中的适用性需进一步探索	开发一种高效筛选共代谢微塑料降解细菌的方法	共代谢固体培养基中的微塑料降解细菌	机器学习和计算机视觉	不适用	高光谱成像	机器学习和深度学习算法	高光谱图像（包含空间和光谱信息）	实验涉及固体培养基样本，具体数量未明确	不适用	不适用	不适用	不适用
1782	2026-05-02	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jul-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	提出一种多模态深度学习方法M-REGLE，通过联合表示互补的心电波形模态，提高心血管特征遗传预测的准确性	首次将多模态表示学习应用于遗传发现，通过卷积变分自编码器联合学习多模态生理波形的低维表示，再进行全基因组关联分析，比单模态方法发现更多遗传位点	NA	开发多模态深度学习方法，从互补的心电波形模态中提取联合表示，以发现遗传关联并改善心血管特征预测	心血管特征（如房颤）的遗传关联	机器学习	心血管疾病	NA	卷积变分自编码器	生理波形（光电容积脉搏波PPG和心电图ECG）	来自多个生物样本库的数据集	NA	卷积变分自编码器	遗传风险评分	NA
1783	2026-05-02	Deep learning-guided design of dynamic proteins 2025-May-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	描述了一种基于深度学习的通用方法，用于从头设计具有原子级精度的蛋白质构象动态变化	首次实现从头设计受控的蛋白质构象变化，模拟自然信号蛋白的开关机制，并通过实验验证了设计构象	未提及具体限制，但可能涉及计算资源需求高或设计复杂度随蛋白质大小增加	开发通用深度学习框架实现可调控蛋白质动态构象的从头设计	蛋白质构象的动态变化及信号传导行为	机器学习	NA	深度学习	神经网络	蛋白质结构数据	NA	NA	NA	NA	NA
1784	2026-05-02	Interpretable artificial intelligence model for predicting heart failure severity after acute myocardial infarction 2025-05-12, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04818-1 PMID:40355836	研究论文	开发可解释人工智能模型，利用多维度临床数据预测急性心肌梗死后心力衰竭严重程度	结合深度学习和机器学习模型，并采用SHAP方法增强模型可解释性，同时开发了临床应用的网页平台	未提及	建立可解释人工智能模型以预测急性心肌梗死后心力衰竭严重程度，支持早期干预和优化治疗策略	1574名急性心肌梗死患者的多维临床数据，包括病史、临床特征、生理参数、实验室检查、冠脉造影和超声心动图结果	机器学习	心血管疾病	NA	TabNet、多层感知器、随机森林、XGBoost	临床数据（病史、特征、生理参数、实验室检查、影像结果）	1574名急性心肌梗死患者	NA	TabNet、多层感知器、随机森林、XGBoost	AUROC	NA
1785	2026-05-02	Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes 2025-04-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0561-OA PMID:38960391	研究论文	评估三阴性乳腺癌中新辅助化疗反应，比较顶浆分泌形态、雄激素受体和免疫表型的影响	发现顶浆分泌形态比雄激素受体表达更能可靠预测新辅助化疗反应，且顶浆分泌形态与低Ki-67LI相关	单中心研究，样本量有限，且顶浆分泌形态为罕见亚型	评估三阴性乳腺癌对新辅助化疗的反应及顶浆分泌形态、雄激素受体、Ki-67标记指数和肿瘤浸润淋巴细胞的影响	三阴性乳腺癌患者	数字病理学	乳腺癌	免疫组织化学	深度学习模型	图像	232例三阴性乳腺癌患者	NA	NA	病理完全缓解率	NA
1786	2026-05-02	Prediction of testicular histology in azoospermia patients through deep learning-enabled two-dimensional grayscale ultrasound 2025-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202480 PMID:39363830	研究论文	开发了一种基于深度学习的模型，通过二维灰度超声图像预测无精子症患者的睾丸组织学结果	首次利用深度学习融合超声图像和睾丸体积数据，无创区分无精子症患者的精子存在与缺失，并进一步分类成熟停滞和仅支持细胞综合征	未提供具体局限性信息	建立睾丸灰度超声图像与睾丸组织学之间的关联，避免不必要的睾丸活检	无精子症患者的睾丸组织学类型，包括精子存在（SPP）和精子缺失（SAP）以及成熟停滞（MA）和仅支持细胞综合征（SCOS）	机器学习	无精子症	二维灰度超声	深度学习	图像	353名男性，共4357张图像	NA	NA	AUC、准确率、灵敏度、特异度	NA
1787	2026-05-02	Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates 2025-02-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae195 PMID:39576009	研究论文	通过全球基因型-环境预测竞赛，发现多样化建模策略均可有效预测玉米产量	首次举办公开的基因型-环境互作预测竞赛，整合基因组变异、表型、气象和管理数据，系统评估多种建模策略（包括传统育种工具、机器学习/深度学习、机械模型和集成模型）的预测能力，验证了无单一模型绝对优越的结论	未明确讨论模型可解释性、数据偏差或跨环境泛化性的潜在问题	探索结合遗传和环境因素预测作物表型的方法，提升产量预测精度以保障粮食安全	玉米（Maize）的产量性状预测	机器学习	不适用	基因组变异分析、表型采集、气象数据记录、田间管理记录	混合模型（随机森林、岭回归、最小二乘法、深度学习/机器学习、机械模型、集成模型）	基因型数据、表型数据、气象数据、管理记录	涵盖9年（2022-2023年）的多地点玉米数据集，具体样本量未在摘要中明确	不适用（竞赛中涉及多种框架，如随机森林、岭回归等，但未在摘要中指定具体框架）	随机森林、岭回归、最小二乘法、深度学习网络（具体架构未指定）、机械模型、集成模型	产量预测精度（未在摘要中明确具体指标，如R²或RMSE等）	未指定具体计算资源
1788	2026-05-02	Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.029 PMID:39107188	研究论文	基于超声和磁共振成像的多模态深度学习模型用于预测乳腺癌患者腋窝淋巴结转移	首次将超声和磁共振成像的深度学习预测结果与临床参数结合，构建多模态深度学习模型，用于预测乳腺癌患者腋窝淋巴结转移	回顾性研究设计，样本量有限（共588例），外部验证队列样本量较小（123例）	开发并验证基于超声和磁共振成像的多模态深度学习模型，以无创方式预测乳腺癌患者腋窝淋巴结转移	乳腺癌患者	数字病理学	乳腺癌	NA	卷积神经网络	图像	588例，其中主要队列465例，外部验证队列123例	NA	卷积神经网络	受试者工作特征曲线下面积、决策曲线	NA
1789	2026-05-02	Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.005 PMID:39138111	研究论文	评估S-Detect技术在超声不同切面诊断乳腺病变的表现并与BI-RADS分类进行比较	首次系统分析S-Detect技术在径向和反径向两个切面间的不一致性及其对诊断性能的影响，识别导致不一致的病变特征	仅基于回顾性数据，且未考虑操作者间差异；S-Detect在切面不一致时的诊断效能显著下降，需谨慎引用其结果	评估S-Detect在不同超声切面的诊断效能并分析不一致性的影响因素	711名患者的756个乳腺病变	机器学习	乳腺病变	超声成像	深度学习模型（S-Detect）	超声图像	711名患者，756个乳腺病变	NA	NA	准确率, AUC	NA
1790	2026-05-02	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	探索深度学习放射组学列线图在预测乳腺癌患者新辅助化疗后肿瘤状态和腋窝淋巴结转移中的可行性	融合了临床特征、放射组学特征和深度学习迁移学习特征，构建了综合列线图，并利用Cox回归模型进行生存分析验证算法有效性	本研究为回顾性研究，样本量有限，可能存在选择偏倚，且未进行外部验证	评估深度学习放射组学列线图在预测乳腺癌新辅助化疗后肿瘤和淋巴结状态中的诊断性能及预后价值	乳腺癌患者	数字病理学	乳腺癌	超声成像	深度学习模型（结合放射组学）	图像	243例乳腺癌患者	NA	深度学习迁移学习模型	ROC曲线下面积、一致性指数、决策曲线分析、Kaplan-Meier生存曲线	NA
1791	2026-05-02	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	比较常规6mm HASTE与深度学习重建的DL-HASTE（4mm和6mm层厚）在3T肠道MRI中的图像质量和疾病检测能力	首次评估深度学习单次扫描技术DL-HASTE在肠道MRI中的应用，展示其在缩短采集时间的同时提升图像质量	样本量较小（91例），且仅评估了盆腔肠道成像，未涵盖其他腹部区域；DL-HASTE仅在3T设备上测试，通用性有待验证	比较DL-HASTE与常规HASTE在肠道MRI中的图像质量和疾病检测性能	91例接受3T MR肠造影的患者（51名女性，平均年龄44±10岁）	医学影像	肠道疾病（包括回肠壁增厚、回肠炎症、狭窄、穿透性疾病）	深度学习图像重建（DL-HASTE）	深度学习模型	MRI图像	91例患者	NA	DL-HASTE	图像质量、伪影、肠壁清晰度、诊断信心（5点Likert量表）	NA
1792	2026-05-02	Harnessing AI for Improved Detection and Classification of Pleural Effusion: Insights and Innovations 2025, Canadian respiratory journal IF:2.1Q3 DOI:10.1155/carj/2882255 PMID:40809325	综述	本文综述了人工智能和机器学习在胸腔积液检测与分类中的应用，展示了这些技术在提升诊断准确性和效率方面的潜力	系统梳理了包括LGB和XGBoost在内的多种机器学习模型在胸腔积液诊断中的应用，并指出整合多元诊断参数可显著提高准确性	未提及具体样本量和数据来源的差异可能影响模型泛化能力	评估AI和ML技术在胸腔积液检测与分类中的当前应用现状并指出未来研究方向	胸腔积液的检测与分类方法	机器学习	胸腔积液	NA	深度学习, 集成方法	临床数据, 实验室数据, 影像数据	NA	NA	Light Gradient Boosting Machine, XGBoost	准确率, AUC	NA
1793	2026-05-02	An in-silico simulation study to generate computed tomography images from ultrasound data by using deep learning techniques 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf005 PMID:42064001	研究论文	通过深度学习模型从超声数据生成类似CT的图像，以增强病变检测能力	首次使用原始超声射频数据作为条件生成对抗网络（cGAN）的输入来生成CT样图像，显著改善病变可检测性并减轻声影伪影	研究基于模拟数据，未使用真实患者数据验证；数据集规模较小（每个数据集1000样本）	探究深度学习能否从原始超声数据生成CT样图像，以提高实质器官病变检测性能	模拟体模中的超声数据和CT图像	医学影像处理	NA	k-wave超声模拟工具包、Astra CT模拟工具包	条件生成对抗网络（cGAN）	图像（超声数据、CT模拟数据）	2个数据集，每个1000样本（训练800，测试200）	NA	pix2pix条件生成对抗网络	广义对比度噪声比（gCNR）、结构相似性指数（SSIM）、Jaccard指数	NA
1794	2026-05-02	CT-based deep learning prediction of complete response in intermediate-stage hepatocellular carcinoma treated with drug-eluting beads transarterial chemoembolization 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf018 PMID:42063993	研究论文	开发基于CT的深度学习模型预测中期肝细胞癌患者在接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	采用具有时空视频视觉Transformer架构的双网络深度学习模型，利用基线专用肝脏CT数据预测完全缓解，并应用8折交叉验证与集成技术提高预测性能	模型灵敏度中等，需改进以提升灵敏度；样本量有限（93例），需要更大数据集和前瞻性研究验证	开发基于CT的深度学习模型预测中期肝细胞癌患者接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	初治巴塞罗那临床肝癌B期肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	视频视觉Transformer	图像	93例患者（机构1: 50例，机构2: 49例）	NA	时空视频视觉Transformer	特异性、AUC、灵敏度、平衡准确率	NA
1795	2026-05-02	Prognostic modeling in head and neck cancer: deep learning or handcrafted radiomics? 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf008 PMID:42064005	review	系统评价了手工放射组学与深度学习模型在头颈癌预后预测中的表现	首次全面比较手工放射组学与深度学习模型在头颈癌预后预测中的方法学严谨性和性能指标	纳入研究的方法学、预后定义和性能指标存在显著异质性，亟需标准化	评估手工放射组学与深度学习模型在头颈鳞状细胞癌患者预后预测中的性能	接受（放）化疗的头颈鳞状细胞癌患者	machine learning	头颈癌	放射组学	深度学习模型、手工放射组学模型	医学影像	23项符合纳入标准的研究	NA	NA	总体生存率、局部区域复发率、远处转移率	NA
1796	2026-05-02	Deep learning automates Cobb angle measurement compared with multi-expert observers 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf009 PMID:42064002	研究论文	本文介绍了一种基于深度学习的全自动Cobb角测量软件，与多位专家观察者进行对比，展现出更高的测量精度和可解释性	开发了全自动Cobb角测量软件，不仅精确测量角度，还直接在原始图像上可视化测量结果；与七位专家读者对比，表现优于人类观察者	文章未明确提及限制	实现全自动Cobb角测量，提高脊柱侧弯评估的准确性和可重复性	脊柱X光图像中的Cobb角测量	计算机视觉	脊柱侧弯	NA	深度神经网络	图像	NA	PyTorch	NA	平均偏差, 组内相关系数(ICC), 皮尔逊相关系数	NA
1797	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA
1798	2026-05-02	Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence 2024-11, The American journal of emergency medicine DOI:10.1016/j.ajem.2024.08.019 PMID:39213808	综述	回顾人工智能在钝性胸部创伤影像诊断中的应用，并探讨其挑战与优化方向	系统总结了AI在钝性胸部创伤（肋骨骨折、肺挫伤、血气胸等）诊断中的进展，并首次聚焦于多任务综合诊断的局限性	当前深度学习研究集中于特定临床场景，缺乏对钝性胸部创伤复杂性的全面诊断和预后评估能力	评估AI在钝性胸部创伤诊断中的潜在效用，并提出优化其临床应用的策略	钝性胸部创伤患者及相关影像数据	计算机视觉, 数字病理学	胸部创伤	影像学	深度学习	图像	NA	NA	NA	NA	NA
1799	2026-05-02	Automated cell lineage reconstruction using label-free 4D microscopy 2024-10-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	描述了一种无需手动标注的深度学习管道embGAN，用于从无标记4D显微镜图像中自动重建细胞谱系	首次实现无需荧光标记或转基因的无标记3D延时成像中自动细胞检测与追踪，且训练无需手动数据标注，具备尺度和实验室间泛化能力	在密集组织和胚胎中自动检测与追踪的挑战尚未完全解决；性能以秀丽隐杆线虫胚胎为基准，可能在其他生物体中泛化性有限	开发一种自动化细胞谱系重建方法，以替代荧光显微镜中的人工标注过程，实现高通量研究	秀丽隐杆线虫（Caenorhabditis elegans）胚胎的细胞谱系	计算机视觉	NA	无标记4D显微镜	深度学习管道（embGAN）	无标记3D延时图像	多个实验室和多台仪器获取的图像（具体数量未说明）	NA	embGAN（基于生成对抗网络的架构）	细胞检测与追踪性能（接近最先进水平，具体指标未说明）	NA
1800	2026-05-02	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	病例报告	通过深度学习重建加速MRI中出现的假阳性软骨分层案例	首次报告深度学习重建加速MRI在髋关节牵引下关节造影中产生假阳性软骨分层的现象	仅基于单个病例，未进行系统性测试，且未深入分析训练数据偏差的影响	指出深度学习重建技术在临床应用中的潜在假阳性风险	30岁健康男性患者的右髋关节	计算机视觉	软骨病变	MRI加速成像	深度学习重建模型	图像	1例患者	NA	NA	假阳性率	NA