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
201	2026-08-08	MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_12 PMID:39649703	研究论文	提出MASSM框架，一种端到端深度学习模型，直接从图像中同时定位多个解剖结构、估计群体级统计形状表示并在图像空间描绘形状	首次实现端到端多解剖结构统计形状建模，无需手动分割、预对齐或边界框标注，并能直接在图像空间描绘形状	文献中未提及具体局限性	开发一种无需手动干预的深度学习框架，用于从图像中直接进行多解剖结构的统计形状建模，以提供优于分割网络的形状信息	多种解剖结构（具体未在标题和摘要中明确列出）	计算机视觉	NA	深度学习	多任务网络	图像	NA	NA	NA	形状信息质量（优于分割网络）	NA
202	2026-08-07	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-01-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种可解释的多尺度卷积注意力残差网络，用于基于拉曼光谱的胶质瘤分级，实现了对高级别胶质瘤、低级别胶质瘤和正常组织的分类，并用Grad-CAM增强了模型的可解释性。	提出了结合多尺度通道和空间注意力机制与残差结构的M-SCA ResNet，有效适应光谱特征尺度的多样性，并提升了特征提取能力	未明确提及局限性	提高拉曼光谱胶质瘤分级的准确性和可解释性，辅助医生制定个性化手术方案	高级别胶质瘤（WHO III-IV级）、低级别胶质瘤（WHO I-II级）和正常脑组织	机器学习	胶质瘤	拉曼光谱	卷积神经网络（CNN）	光谱数据	未明确提及样本数量	NA	M-SCA ResNet（多尺度卷积注意力残差网络）	准确性、加权F1分数	NA
203	2026-08-07	Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04106 PMID:39711466	研究论文	开发了一种双用质谱芯片阵列（DUMSCA），用于小细胞外囊泡的快速分离和检测，并结合深度学习模型实现克罗恩病的高性能诊断	DUMSCA芯片阵列相比传统方法速度提升超过50%，具备稳健存储、可重复使用、高效解吸/电离和代谢物定量能力，且无需先验知识即可进行疾病诊断	摘要中未提及具体局限性	开发一种高通量技术，用于小细胞外囊泡的快速分离和代谢解码，并应用于疾病诊断	血浆中的小细胞外囊泡（sEVs）	质谱成像	克罗恩病	质谱分析	深度学习模型（具体类型未指定）	代谢数据矩阵	未具体说明（涉及血浆sEVs样本）	NA	NA	诊断性能（具体指标未提及）	NA
204	2026-08-07	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了NMRformer，一种基于Transformer的深度学习框架，用于1D ¹H NMR光谱中的峰值分配和代谢物识别	与传统方法不同，NMRformer将光谱解释为峰值序列，并将自注意机制和峰高比率直接集成到Transformer编码器层中，能够识别峰值之间的长程依赖关系，并快速识别属于相同代谢物的峰值	NA	提高1D ¹H NMR光谱中峰值分配和代谢物识别的准确性和效率	来自多种细胞和生物液体样本的1D ¹H NMR光谱	机器学习	NA	NMR光谱	Transformer	光谱数据	四种类型的细胞样本和三种类型的生物液体样本	NA	Transformer编码器	准确率	NA
205	2026-08-07	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱和机器学习的方法，用于区分膀胱癌、肾癌和前列腺癌患者血清样本，实现非侵入性早期诊断	首次尝试利用SERS与机器学习策略区分多种泌尿系统癌症，使用临床血清样本完成了三种癌症的清晰分类	信息未在标题和摘要中明确说明	开发一种快速、无标记、高灵敏度的血清检测方法，以辅助泌尿系统癌症的早期诊断和筛查	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱	长短期记忆网络	光谱数据	信息未在标题和摘要中明确说明	NA	LSTM	准确率、敏感性、特异性、受试者工作特征曲线	NA
206	2026-08-05	AngioPy Segmentation: An open-source, user-guided deep learning tool for coronary artery segmentation 2025-01-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132598 PMID:39341506	研究论文	开发并验证了AngioPy，一个基于用户引导的深度学习工具，用于冠状动脉分割，无需手动校正即可实现快速准确的分割。	创新性地整合用户定义的地面真值点来提升分割性能，并减少手动校正需求。	研究未提及具体局限性。	开发并验证一个能够减少手动校正的冠状动脉分割深度学习工具，以提高定量冠状动脉造影的准确性和效率。	冠状动脉造影图像中的血管分割。	医学影像分析	冠状动脉疾病	数字减影血管造影	深度学习分割模型	图像	2455张训练图像和580张外部验证图像；203张图像用于与QCA比较。	未提及	未明确指定，但可能使用卷积神经网络（CNN）结构	F1分数、像素准确率、精确率、敏感性、特异性、相关系数、平均差异	未提及
207	2026-08-01	Fake news detection: state-of-the-art review and advances with attention to Arabic language aspects 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2693 PMID:40134874	综述	本文全面回顾了假新闻检测领域的最新进展，并特别关注阿拉伯语方面的挑战和解决方案	系统性地综述了阿拉伯语假新闻检测的独特挑战和专门技术，包括预处理、方法和数据集	未提供实证实验结果，仅基于文献综述，可能缺乏对最新技术深入比较	全面梳理假新闻的类型、领域、特征、生命周期和检测方法，并重点探讨阿拉伯语假新闻检测的前沿进展和未来研究方向	假新闻及其检测方法，尤其是阿拉伯语内容	自然语言处理	NA	NA	机器学习模型、深度学习模型、基于Transformer的模型	文本	NA	NA	Transformer架构（如BERT及其变体）	NA	NA
208	2026-07-31	Surgical video workflow analysis via visual-language learning 2025-Jan-25, npj health systems DOI:10.1038/s44401-024-00010-3 PMID:42527453	研究论文	提出一种视觉-语言深度学习框架，用于手术视频中细粒度三元组<器械，动作，目标>的精确识别	提出了ITM框架，结合三元组内和三元组间的建模，以及手术三元组语义增强器（TSE）跨视觉和文本模态建立语义关系，实现了手术视频的细粒度分析	未明确说明局限性	实现对手术视频中<器械，动作，目标>三元组的精确识别，以提升手术场景分析的准确性和鲁棒性	手术视频中的细粒度三元组关系	计算机视觉，自然语言处理	NA	视觉-语言深度学习	ITM框架（包含三元组内和三元组间建模），TSE增强器	手术视频	使用手术视频基准数据集（未指定具体数量）	NA	ITM框架，TSE增强器	NA	NA
209	2026-07-29	The effects of learning experience on college students' deep english learning: a study of the chain mediation effect of motivation and strategy 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325491 PMID:40465789	研究论文	探讨学习体验对大学生英语深度学习的影响以及动机和策略的链式中介效应	首次在英语学习领域验证“学习体验→学习动机→学习策略→深度学习”的链式中介模型	样本范围有限且采用横截面设计，未来可扩大样本、采用纵向研究并探索其他中介变量	研究学习体验对大学生英语深度学习的影响机制	不同性别、年龄、教育背景和学业成就水平的大学生	自然语言处理	NA	问卷调查与统计分析	链式中介模型	量表数据	未明确说明具体样本量，但提及不同背景的大学生	SPSS, AMOS	链式中介模型	显著性水平、路径系数、中介效应检验	NA
210	2026-07-28	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	利用大型语言模型和图神经网络对蛋白质-蛋白质相互作用模型进行排序	通过结合蛋白质语言模型和图神经网络，提出了一种基于图的深度学习算法DeepRank-GNN-esm，用于从大量生成模型中识别近天然构象	NA	解决蛋白质复合物建模中从大量生成模型中识别高质量近天然构象的挑战	蛋白质-蛋白质相互作用模型	机器学习	癌症、感染性疾病、神经退行性疾病	蛋白质语言模型	图神经网络、蛋白质语言模型	蛋白质结构数据	NA	DeepRank-GNN-esm	图神经网络	NA	NA
211	2026-07-28	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍InterLabelGO+模型，一种基于ESM2蛋白质语言模型和深度学习进行基因本体术语预测的工具	考虑了不同GO术语之间的复杂关系，并结合序列同源搜索获得共识预测	未提及	开发高性能的蛋白质功能预测方法，特别是基因本体术语预测	蛋白质序列的基因本体术语预测	机器学习，自然语言处理	NA	蛋白质语言模型（ESM2），序列同源搜索	深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
212	2026-07-28	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	研究论文	描述预测人类蛋白质变异致病性的方法及其在结构功能注释上的扩展	提出在预测致病性后进一步推导蛋白质结构稳定性、溶剂可及性和相互作用网络扰动的在线框架	未明确提及具体局限性	通过序列嵌入和机器学习预测人类变异致病性，并在线提供结构功能解释	人类蛋白质变异	机器学习	NA	蛋白质序列嵌入	机器学习和/或深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
213	2026-07-28	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究协议	本生活范围综述协议旨在追踪人工智能在实施科学中的应用，包括评估方法和结果	采用生活范围综述方法，动态跟踪人工智能在实施科学中的快速演变作用	未提及具体局限性	绘制人工智能在实施研究和实践中的应用，识别评估方法、报告结果及潜在风险，并综合研究空白和机会	人工智能在实施科学中的应用，包括机器学习、深度学习、自然语言处理、大语言模型等技术	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	机器学习, 深度学习, 自然语言处理, 大语言模型	文本	NA	NA	NA	NA	NA
214	2025-10-07	Using artificial intelligence and statistics for managing peritoneal metastases from gastrointestinal cancers 2025-01-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae049 PMID:39736152	综述	探讨人工智能和统计学方法在胃肠道癌腹膜转移分析与管理的应用	系统比较AI方法与统计学方法在腹膜转移管理中的性能表现	纳入研究数量有限（约30篇），样本量是影响预测准确性的关键因素	研究AI和统计学方法在胃肠道癌腹膜转移管理中的应用价值	胃肠道癌引发的腹膜转移患者	机器学习	胃肠道癌	文献系统回顾	机器学习,深度学习	医学文献数据	约30篇符合条件的研究文献	NA	NA	预测准确性,精确度	NA
215	2025-10-07	DeepMEns: an ensemble model for predicting sgRNA on-target activity based on multiple features 2025-01-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae043 PMID:39528429	研究论文	提出基于深度学习的集成可解释模型DeepMEns，用于预测sgRNA的靶向活性	提出集成可解释模型，结合多种特征和架构，通过五个子回归器的平均预测提高性能	模型内在机制仍存在解释难度，性能提升空间未明确量化	提高CRISPR/Cas9系统中sgRNA靶向活性的预测准确性	化脓性链球菌CRISPR/Cas9系统的单导RNA（sgRNA）	机器学习	NA	基因编辑技术	CNN, Transformer, LSTM	序列数据，DNA形状特征，位置编码特征	五个不同的训练和验证数据集，十个独立测试数据集	NA	CNN with Transformer encoder, LSTM with attention mechanism	Spearman相关系数	NA
216	2025-10-07	A comprehensive review of deep learning-based approaches for drug-drug interaction prediction 2025-01-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae052 PMID:39987494	综述	本文系统综述了基于深度学习的药物相互作用预测方法，包括分子表示分析和图数据特征提取的理论框架	提供了最新的药物相互作用预测方法综述，深入分析了分子表示方法并系统阐述了图数据特征提取的理论框架	NA	为不同领域研究人员提供关于药物相互作用预测的最新且易于理解的指南	药物相互作用预测方法	生物医学信息学	NA	深度学习	NA	图数据	NA	NA	NA	NA	NA
217	2025-10-07	Advances in computer vision and deep learning-facilitated early detection of melanoma 2025-01-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf002 PMID:40139223	综述	本文综述了计算机视觉和深度学习技术在黑色素瘤早期检测中的最新进展与应用	系统评估了YOLO、GAN、Mask R-CNN、ResNet和DenseNet等先进神经网络在黑色素瘤早期检测中的集成应用	未提及具体研究样本量和技术实现的详细性能指标	探索人工智能技术在改善黑色素瘤早期检测和诊断准确性的应用	皮肤镜图像和黑色素瘤病变	计算机视觉	黑色素瘤	深度学习	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	皮肤镜图像	NA	NA	YOLO, GAN, Mask R-CNN, ResNet, DenseNet	NA	NA
218	2025-05-15	Automatic Detection of Cognitive Impairment in Patients With White Matter Hyperintensity Using Deep Learning and Radiomics 2025 Jan-Dec, American journal of Alzheimer's disease and other dementias DOI:10.1177/15333175251325091 PMID:40087144	研究论文	本研究利用深度学习和放射组学技术自动检测白质高信号患者的认知障碍	结合VB-Nets深度学习卷积神经网络和放射组学特征，开发了一种新的随机森林模型，用于早期诊断白质高信号患者的认知障碍	样本量较小（总共108名患者），且外部验证集仅来自一家医院	开发一种可靠的早期诊断工具，用于检测白质高信号患者的认知障碍	白质高信号患者	数字病理学	老年疾病	放射组学特征提取	VB-Nets CNN和随机森林	医学影像	79名患者（医院1）和29名患者（医院2）	NA	NA	NA	NA
219	2026-07-09	Generative AI for Diagnostic Medical Imaging: A Review 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056369157250212095252 PMID:41731736	综述	本文全面分析了生成式深度学习模型在诊断医学影像中的应用，探讨了其在提高诊断准确性、减少辐射暴露和改进数据处理方面的变革潜力	设计了多种专门用于医学影像的生成模型管线架构，包括增强型GAN配置及AE-GAN混合模型，以应对合成图像质量、时间序列处理和精准字幕生成等挑战	未提及具体局限性	综合评估生成式深度学习模型在医学诊断成像中的应用进展，推动更准确、可及和个性化的患者护理	诊断医学影像中的生成深度学习模型	计算机视觉	NA	NA	GAN, 自编码器, 扩散模型, 基于Transformer的模型	医学图像	NA	NA	ML-C-GAN, Temporal-GAN, Atten-AE, M3AE	NA	NA
220	2025-04-23	EnsembleSE: identification of super-enhancers based on ensemble learning 2025-01-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf003 PMID:40251827	research paper	提出了一种基于集成学习的超增强子识别方法EnsembleSE，用于更有效地识别基因调控网络中的超增强子	集成不同模型的优势，提出基于集成策略的模型，增强模型的泛化能力，并设计了一种结合局部结构和全局信息的多角度特征表示方法	需要大量标记数据进行训练，限制了其在生物数据中的进一步应用	提高超增强子识别的准确性和效率，以支持基因调控网络和疾病机制的研究	超增强子（SEs）	machine learning	NA	ensemble learning	ensemble model	sequence data	在小鼠和人类数据集上进行了评估	NA	NA	NA	NA