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
1	2025-12-26	Association of a Lifestyle Risk Index With Visceral and Subcutaneous Adipose Tissue in the German National Cohort (NAKO) 2026-Jan, Obesity (Silver Spring, Md.) DOI:10.1002/oby.70071 PMID:41261047	研究论文	本研究探讨了生活方式风险指数与内脏和皮下脂肪组织的关系，基于德国国家队列的横断面数据	结合多种生活方式因素构建风险指数，并利用深度学习技术从全身MRI中自动分割内脏脂肪组织，分析其与生活方式的关系	研究为横断面设计，无法确定因果关系；样本可能受自我报告偏倚影响；BMI可能混淆生活方式与内脏脂肪的关联	评估生活方式风险指数与肥胖指标（特别是内脏脂肪组织）的关联	德国国家队列中30,920名符合条件的参与者，年龄48.2±12.2岁	数字病理学	心血管疾病	磁共振成像（MRI），深度学习图像分割	深度学习模型	图像（MRI扫描）	30,920名参与者（来自超过205,000名合格参与者），其中18,508名有完整数据	NA	NA	调整后的几何均值，95%置信区间	NA
2	2025-12-26	Effects of disease duration and antipsychotics on brain age in schizophrenia 2026-Jan, Schizophrenia research IF:3.6Q1 DOI:10.1016/j.schres.2025.11.008 PMID:41274179	研究论文	本研究探讨了精神分裂症患者大脑加速衰老的现象，并评估了抗精神病药物对此的影响	使用两种不同的机器学习模型（包括一种基于Transformer的模型）来增强大脑年龄预测的鲁棒性，并首次在双相情感障碍患者中比较了接受与未接受抗精神病药物治疗对大脑年龄差距的影响	研究为横断面设计，无法确定大脑衰老的时间动态，需要纵向研究来澄清	调查精神分裂症中大脑加速衰老的进展性以及抗精神病药物的潜在作用	首次发作精神病患者、健康对照者以及接受与未接受抗精神病药物治疗的双相情感障碍患者	机器学习	精神分裂症	神经影像学	Transformer, 深度学习模型	神经影像数据	NA	NA	Transformer, 深度学习模型	NA	NA
3	2025-12-26	Lower Limb Joints Torques Continuous Estimate Model Based on Muscle Synergy for Patients With Motor Dysfunction 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3645234 PMID:41411354	研究论文	本研究为下肢运动功能障碍患者开发了一种基于肌电信号和肌肉协同理论的连续关节力矩估计模型，用于康复外骨骼机器人的辅助控制	在神经控制层面建立了肌电信号与下肢关节力矩的关联模型，并采用基于肌肉协同的运动神经激活模型和多尺度特征融合增强的深度学习方法来连续估计力矩，同时利用对抗迁移学习方法优化模型以适应患者长期使用	研究仅涉及8名患者，样本量较小，且仅针对髋关节和膝关节进行了验证	为康复外骨骼机器人开发准确可靠的下肢关节力矩估计方法，以实现按需辅助控制	下肢运动功能障碍患者	机器学习	运动功能障碍	表面肌电图	深度学习	肌电信号	8名下肢运动功能障碍患者	NA	自注意力机制	决策系数	NA
4	2025-12-26	Assessing the relation between protein phosphorylation, AlphaFold3 models, and conformational variability 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70376 PMID:41432299	研究论文	本文系统评估了AlphaFold模型在预测蛋白质磷酸化诱导的结构多样性方面的能力	首次系统比较了AlphaFold2、AlphaFold3非磷酸化模型和AlphaFold3磷酸化模型在捕捉磷酸化驱动构象变化方面的表现	所有模型主要与主导结构状态对齐，经常未能捕捉磷酸化特异性构象，AF3-磷酸化模型的改进有限	评估深度学习模型预测蛋白质磷酸化诱导构象变化的能力	蛋白质及其磷酸化修饰	机器学习	癌症,阿尔茨海默病	深度学习	AlphaFold2, AlphaFold3	蛋白质结构数据	NA	AlphaFold	AlphaFold2, AlphaFold3	结构对齐度	NA
5	2025-12-26	Assessing the validity of leucine zipper constructs predicted by AlphaFold 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70438 PMID:41432297	研究论文	本研究评估AlphaFold预测的亮氨酸拉链结构有效性，以AP-1转录因子为例	首次利用超过2000个实验验证的人类亮氨酸拉链数据集，系统评估AlphaFold在预测亮氨酸拉链二聚体界面方面的能力与局限性	AlphaFold可能高置信度预测出在体内因静电作用无法形成的二聚体（如FosB同源二聚体），存在高置信度但低准确性的预测案例	探究AlphaFold在预测蛋白质二聚化结构方面的有效性，特别是亮氨酸拉链结构域	AP-1转录因子（Fos和Jun二聚体）及2000多个实验验证的人类亮氨酸拉链	结构生物学	NA	AI/深度学习蛋白质结构预测	深度学习	氨基酸序列、多序列比对	超过2000个人类亮氨酸拉链	AlphaFold2, AlphaFold3	AlphaFold	NA	NA
6	2025-12-26	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-Jan, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	本文提出了一种名为SenSeqNet的深度学习框架，用于直接从蛋白质序列中预测细胞衰老状态	整合了进化尺度建模（ESM-2）的嵌入表示与混合LSTM-CNN架构，以捕捉序列和高阶结构特征，在独立测试中取得了优于传统方法的性能	未在摘要中明确提及	开发一个直接从蛋白质序列中检测细胞衰老状态的深度学习工具，以加速衰老机制研究和相关治疗靶点识别	蛋白质序列	自然语言处理	老年疾病	蛋白质序列分析	LSTM, CNN	序列数据	未在摘要中明确提及	未在摘要中明确提及	混合LSTM-CNN架构	准确率	未在摘要中明确提及
7	2025-12-26	Deep learning for optical misalignment diagnostics in multi-lens imaging systems 2026-Jan-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.578126 PMID:41442380	研究论文	本文提出了两种基于深度学习的逆向设计方法，用于仅通过光学测量诊断多镜头成像系统中的光学错位问题	开发了两种互补的深度学习模型，利用光线追踪点图或灰度合成相机图像，实现多镜头系统错位的自动化诊断，无需传统专用设备	NA	开发自动化、可扩展的光学错位诊断方法，以改进多镜头成像系统的制造和质量控制流程	多镜头成像系统，包括6镜头摄影定焦镜头以及两镜头和六镜头系统	计算机视觉	NA	光线追踪，物理模拟管道	深度学习模型	光学测量数据，包括光线追踪点图和灰度合成相机图像	NA	NA	NA	平均绝对误差（对于横向平移为0.031 mm，对于倾斜为0.011）	NA
8	2025-12-26	Diffuse optical imaging with channel attention fusion network 2026-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.1.016001 PMID:41445764	研究论文	本研究提出了一种用于漫射光学成像的端到端深度学习框架——通道注意力融合网络（CAFNet），以解决传统重建技术中的伪影、噪声放大和深度灵敏度限制等问题	首次将通道注意力机制与AUTOMAP域变换及多尺度特征学习模块相结合，构建了端到端的漫射光学图像重建网络，通过注意力机制优先处理关键特征	研究主要基于模拟和实验体模数据，尚未在真实临床患者数据上进行大规模验证	提高漫射光学成像中光学特性重建的精度和鲁棒性，特别是针对深部异常（如肿瘤）的检测与定位	模拟数据集和实验体模中的光学特性重建	医学影像分析	肿瘤	漫射光学成像	深度学习	图像	未明确说明具体样本数量，但包含模拟数据集和实验体模数据	未明确说明	CAFNet（包含AUTOMAP、特征提取模块、通道注意力机制）	均方误差（MSE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）	NA
9	2025-12-26	Artifact-robust Deep Learning-based Segmentation of 3D Phase-contrast MR Angiography: A Novel Data Augmentation Approach 2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.tn.2024-0211 PMID:40619248	研究论文	本研究提出了一种新颖的数据增强方法，用于改善受搏动伪影影响的3D相位对比磁共振血管成像的深度学习分割性能	通过模拟k空间幅度中的周期性误差来生成搏动伪影，从而增强数据，这是针对PC-MRA图像分割的创新数据增强策略	研究仅基于16名志愿者的数据集，样本量较小，可能限制了方法的泛化能力	提高受搏动伪影影响的3D PC-MRA图像的血管分割准确性	3D相位对比磁共振血管成像图像	计算机视觉	心血管疾病	相位对比磁共振血管成像	深度学习模型	3D医学图像	16名志愿者的PC-MRA数据集	NA	NA	Dice-Sørensen系数, Intersection over Union, 平均对称表面距离	NA
10	2025-12-26	Deep Learning-aided 1H-MR Spectroscopy for Differentiating between Patients with and without Hepatocellular Carcinoma 2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0064 PMID:40790529	研究论文	本研究探索了结合深度学习的1H-MR光谱技术在区分乙型肝炎病毒相关肝硬化患者是否伴有肝细胞癌方面的潜力	首次将深度学习与1H-MR光谱结合，通过光谱模拟进行数据增强，用于肝细胞癌的鉴别诊断	样本量较小（共37例患者），且研究基于模拟数据集，需要进一步临床验证	开发一种基于深度学习的1H-MR光谱方法，以区分乙型肝炎病毒相关肝硬化患者是否伴有肝细胞癌	乙型肝炎病毒相关肝硬化患者，包括无肝细胞癌组（20例）和伴有肝细胞癌组（17例）	医学影像分析	肝细胞癌	质子MR光谱（1H-MRS）	CNN	光谱数据	37例患者（20例无HCC，17例有HCC），其中17例用于测试	NA	卷积神经网络（包括定量CNN和分类CNN）	灵敏度, 特异性, 准确率	NA
11	2025-12-26	Recent Advances in Musculoskeletal Radiology: Bridging Innovation and Clinical Application 2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0150 PMID:41443887	综述	本文综述了肌肉骨骼放射学领域的最新进展，重点介绍了MRI、CT和人工智能等创新技术在提高诊断准确性方面的应用	总结了当前肌肉骨骼成像的七个关键领域，包括CT样对比MRI、定量MRI、AI在图像重建和诊断支持中的应用、MR波谱、全身MRI、PET以及先进的CT技术，并强调了这些技术如何共同推动该领域的范式转变	NA	总结和整合肌肉骨骼放射学领域的最新技术进展，并探讨其向临床应用的转化	肌肉骨骼系统的成像技术与临床应用	数字病理学	肌肉骨骼疾病	MRI, CT, 人工智能, MR波谱, PET	CNN, 自然语言处理	图像, 文本	NA	NA	NA	NA	NA
12	2025-12-26	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2025-Dec-25, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	本研究提出了一种仅使用非增强CT图像的全自动净水摄取量化方法，用于评估急性缺血性卒中早期病变进展	首次实现了基于专家启发式规则和体素级计算的完全自动化净水摄取量化，无需深度学习组件，直接从常规NCCT扫描中估计病变进展	分割准确性中等（Dice系数约0.47-0.48），且为回顾性研究，需要进一步前瞻性验证	开发一种自动化、可重复的方法来量化急性缺血性卒中早期病变进展，以评估溶栓治疗效果	急性缺血性卒中患者的非增强CT图像	医学影像分析	缺血性卒中	非增强CT成像	NA	医学影像（CT图像）	内部数据集185例患者（排除后155例），外部测试集51例患者（排除后46例）	NA	NA	病变检测率, 平均绝对NWU误差, Dice相似系数, 平均平均精度	NA
13	2025-12-26	Deep Learning-Powered Dark-Field Microscopy for Simultaneous Size and Concentration Analysis of Nanoplastics in Water 2025-Dec-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03712 PMID:41447323	研究论文	本研究开发了一种基于卷积神经网络（CNN）的暗场显微镜（DFM）方法，用于同时分析水中纳米塑料的尺寸和浓度	结合轮廓识别算法与简化的VGGNet，首次实现暗场显微镜图像中纳米塑料的同步尺寸和浓度分析，具有高精度和灵敏度	仅针对聚苯乙烯纳米塑料（PSNPs）在150-600 nm范围内进行了验证，未涉及其他类型或更小尺寸的纳米塑料	开发一种可靠且可视化的纳米塑料分析方法，以评估其环境行为和潜在毒性	水中的聚苯乙烯纳米塑料（PSNPs）	计算机视觉	NA	暗场显微镜（DFM）	CNN	图像	未明确具体样本数量，但涉及150-600 nm范围内的PSNPs	未明确指定，但提及轮廓识别算法与VGGNet	VGGNet	准确度, 灵敏度, 检出限, 回收率	NA
14	2025-12-26	Diagnostic Performance of Artificial Intelligence in Radiographs for Pneumoperitoneum Detection: A Systematic Review and Meta Analysis 2025-Dec-24, The British journal of radiology DOI:10.1093/bjr/tqaf309 PMID:41442471	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能在X光片中检测气腹的诊断准确性	这是首个评估人工智能诊断气腹准确性的荟萃分析，比较了深度学习与机器学习模型的性能，并揭示了AI在临床工作流程中提升早期诊断和优先分诊的潜力	纳入研究数量有限（14个模型），未来需要更大样本量的前瞻性多中心研究以及不同模型间的直接比较	评估人工智能算法在医学影像中检测气腹的诊断准确性	基于人工智能的X光片诊断模型	计算机视觉	气腹	医学影像分析	深度学习, 机器学习	X光影像	14个AI模型（具体患者样本数未在摘要中明确说明）	NA	NA	灵敏度, 特异度, 诊断比值比, 曲线下面积, 阴性似然比, 阳性似然比	NA
15	2025-12-26	Critical evaluation of the theory and practice of feed-forward neural networks for genomic prediction 2025-Dec-24, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf314 PMID:41442545	研究论文	本文批判性地评估了前馈神经网络在基因组预测中的理论和实践，通过理论分析和实证研究比较了深度学习与线性模型的性能	提出了预测问题的分类法以避免模型比较中的混淆，并系统评估了深度学习在基因组预测中的三个声称优势	仅探索了深度学习模型空间的一小部分，可能未考虑其他潜在贡献方面	评估深度学习在基因组预测中的有效性，并与传统线性模型进行比较	玉米多环境试验数据集，包括基因组、土壤、天气和管理输入与谷物产量的关系	机器学习	NA	基因组预测，深度学习，RKHS回归	前馈神经网络，RKHS模型	基因组数据，土壤数据，天气数据，管理数据	NA	NA	NA	预测准确性	NA
16	2025-12-26	Refined query network (RQNet) for precise MRI segmentation and robust TED activity assessment 2025-Dec-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3101 PMID:41442780	研究论文	本文提出了一种名为RQNet的高效深度学习框架，用于精确分割多序列MRI中的复杂眼眶结构并稳健评估甲状腺眼病活动性	引入了新颖的Refined Query Transformer Block（RQT Block）和Refined Attention Query Multi-Head Self-Attention（RAQ-MSA），将注意力复杂度从O(N²)降低到O(N·M)，并通过多序列MRI特征融合提升甲状腺眼病活动性评估性能	未明确提及研究的局限性	开发一个高效的深度学习框架，用于精确分割3D眼眶MRI结构并稳健评估甲状腺眼病活动性，以支持临床决策	多序列MRI（T1WI、T2WI、T1CE）中的复杂眼眶结构	计算机视觉	甲状腺眼病	MRI成像	CNN, Transformer	3D MRI图像	NA	PyTorch	U-Net, RQNet, RQT Block	Dice相似系数, AUC	NA
17	2025-12-26	Deep Learning Model for Classification of Premature Ventricular Contractions　- Could Artificial Intelligence Models Become the New Criteria? 2025-Dec-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-25-1002 PMID:41443894	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2025-12-26	Deep learning optimization of teaching schedules in sports dance education 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28249-2 PMID:41444315	研究论文	本研究提出了一种基于深度学习的体育舞蹈教学排课优化框架，以解决传统排课方法在处理动态约束时的不足	首次将循环神经网络（RNN）与强化学习（RL）相结合，用于体育舞蹈教育的排课优化，实现了冲突解决、教师工作量平衡和学生课程连续性的多目标优化	研究基于特定教育机构的五年历史数据，其普适性有待在不同规模和类型的教育环境中进一步验证	优化体育舞蹈教育中的教学排课流程，提高排课效率和资源分配的公平性	体育舞蹈教育中的课程安排、教师可用性、学生表现数据	机器学习	NA	NA	RNN, RL	历史排课数据、教师可用性数据、学生表现指标	来自教育机构的五年真实体育舞蹈课程数据	NA	NA	冲突解决率、教师工作量平衡效率、学生课程连续性、排课执行时间	NA
19	2025-12-26	Enhanced classification prostate cancer based on generative adversarial networks and integrated deep learning with vision transformer models 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31623-9 PMID:41444330	研究论文	本文提出了一种基于生成对抗网络与视觉Transformer模型集成的深度学习增强分类方法，用于前列腺癌诊断	提出了一种结合GAN、SVM和ViT的混合模型（ViT-GAN-SVM），在无需修改源图像的情况下实现安全的隐写术，并显著提升前列腺癌诊断性能	NA	开发一种安全的隐写术方法并提升前列腺癌诊断准确率	前列腺癌	计算机视觉	前列腺癌	扩散加权成像	GAN, SVM, Transformer	医学图像	NA	NA	Vision Transformer, EfficientNet-B4, DenseNet121, ResNet-18	PSNR, SSIM, 准确率, 敏感度, 精确率, F1分数	NA
20	2025-12-26	Optimized federated learning framework with RegNetZ and Swin-Transformer for multimodal pancreatic cancer detection1 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31967-2 PMID:41444372	研究论文	本文提出了一种结合RegNetZ和Swin-Transformer的联邦学习框架，用于多模态胰腺癌的自动检测、亚型分类和预后预测	创新点包括整合RegNetZ和Swin-Transformer进行多模态特征提取，引入混合Aquila-灰狼优化器进行超参数调优，以及采用联邦学习框架在保护隐私的同时提升诊断准确性	研究在模拟的5-7个客户端机构中进行评估，未在真实世界大规模多中心数据上验证，且框架的泛化能力有待进一步测试	研究旨在通过联邦学习框架提高胰腺癌的早期检测、亚型分类和预后预测的准确性和效率，同时解决医疗数据隐私和共享问题	研究对象包括胰腺癌的CT、MRI、组织学、基因组和临床记录等多模态数据	数字病理学	胰腺癌	CT、MRI、组织学、基因组测序、临床记录分析	CNN, Transformer	图像、文本、基因组数据、临床记录	在5-7个模拟客户端机构中进行评估，具体样本数量未明确说明	PyTorch, TensorFlow	RegNetZ, Swin-Transformer	准确率、灵敏度、精确率、AUC	未明确指定GPU类型或云平台，但提到框架具有较低的计算成本