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
221	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
222	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
223	2026-01-20	LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules 2025-Jan, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230444 PMID:38848168	研究论文	本研究结合图像掩蔽和显著性激活图，系统探索了CT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献	通过图像掩蔽和Grad-CAM方法，首次系统分析了深度神经网络在肺结节分类中依赖的放射学特征，特别是结节纹理和形态特征的重要性	研究仅基于NLST数据集的固体肺结节，可能不适用于其他类型结节或不同人群	探索深度神经网络在低剂量CT图像中分类不确定肺结节时依赖的放射学特征	来自国家肺癌筛查试验（NLST）的固体肺结节（直径4-20毫米）患者	计算机视觉	肺癌	低剂量CT扫描	深度神经网络	图像	来自NLST的固体肺结节患者	NA	NA	AUC	NA
224	2026-01-20	Application of artificial intelligence in cervical cytology: a systematic review of deep learning models, datasets, and reported metrics 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1678863 PMID:41550300	综述	本文系统综述了2022年至2025年间应用于宫颈细胞学图像的深度学习模型，重点关注模型架构、数据集和性能指标	首次系统性地总结了深度学习在宫颈细胞学中的应用趋势，并识别了混合模型和Vision Transformer方法的兴起	数据集临床代表性有限，交叉验证不足，诊断标准不一致	评估人工智能在宫颈细胞学中的应用现状，以支持癌前病变的早期检测	宫颈细胞学图像	计算机视觉	宫颈癌	深度学习	CNN, ViT, 混合模型	图像	NA	NA	卷积神经网络, Vision Transformer, 混合架构	准确率, 精确率, 召回率, F1分数	NA
225	2026-01-20	An in-depth exploration of machine learning methods for mental health state detection: a systematic review and analysis 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1724348 PMID:41550350	综述	本文对2015年至2024年间应用于心理健康状态检测的机器学习方法进行了系统回顾与分析	系统性地识别、分类并分析了用于心理健康检测的机器学习技术，特别指出了模型可解释性与预测准确性之间的核心权衡	纳入的研究数量有限（35篇），且部分研究数据收集方式为手动，可能影响结果的普适性	识别和分类应用于心理健康检测的机器学习技术，并分析该领域最常用的算法	心理健康状态检测相关的研究文献	机器学习	心理健康问题	NA	监督学习, 无监督学习, 深度学习	在线社交网络数据, 手动收集数据	基于35篇符合纳入标准的研究	NA	逻辑回归, 深度学习架构	NA	NA
226	2026-01-20	Ensemble learning for predicting microsatellite instability in colorectal cancer using pretreatment colonoscopy images and clinical data 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1734076 PMID:41551159	研究论文	本研究开发并评估了一种集成学习框架，结合预处理结肠镜图像和常规临床数据，用于结直肠癌中微卫星不稳定性的非侵入性预测	提出了一种集成学习框架，首次将预处理结肠镜图像与常规临床数据相结合，用于非侵入性预测结直肠癌的微卫星不稳定性，并通过多数投票集成方法提升了预测性能	研究为回顾性设计，可能受限于数据收集的偏差；未在外部验证集上进行测试，泛化能力有待进一步验证	开发一种非侵入性、自动化的方法，用于预测结直肠癌中的微卫星不稳定性，以替代传统侵入性检测	经病理确诊且通过免疫组化确定微卫星不稳定性状态的结直肠癌患者	数字病理学	结直肠癌	免疫组化，聚合酶链反应	CNN, Transformer, Logistic Regression, Random Forest, Support Vector Machine, Gradient Boosting	图像，临床数据	1844名患者	TensorFlow, PyTorch, Scikit-learn	ResNet-50, EfficientNet, DenseNet, VGG-16, Vision Transformer	准确率，精确率，召回率，AUROC	NA
227	2026-01-20	A CT-based deep learning model to predict local recurrence-free survival in primary retroperitoneal sarcoma 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1725377 PMID:41551503	研究论文	本研究构建了一个基于术前CT的深度学习模型，用于预测原发性腹膜后肉瘤患者的局部无复发生存期	首次将深度学习应用于预测原发性腹膜后肉瘤的局部复发风险，并证明其优于传统手工放射组学模型和临床模型	回顾性研究设计，样本量较小（115例患者），缺乏外部验证队列	预测原发性腹膜后肉瘤患者的局部无复发生存期，以辅助风险分层和个体化治疗决策	原发性腹膜后肉瘤患者	数字病理	腹膜后肉瘤	CT成像	深度学习模型	CT图像	115例原发性腹膜后肉瘤患者（训练集86例，验证集29例）	NA	端到端深度学习模型	C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析, 生存分析	NA
228	2026-01-19	Breast cancer classification in point-of-care ultrasound imaging-the impact of training data 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014502 PMID:39830074	研究论文	本研究旨在通过比较不同训练数据增强技术，提升用于分类点式护理超声（POCUS）图像的深度学习网络性能，以改善低收入和中等收入国家乳腺癌的早期检测	比较了多种数据增强技术（包括直方图匹配、直方图均衡化和CycleGAN）在POCUS图像分类中的应用，并展示了CycleGAN生成图像能显著提升分类性能	未详细讨论模型在临床环境中的泛化能力或不同数据增强技术对计算资源的具体需求	通过增加训练数据量来改进用于乳腺癌分类的POCUS图像深度学习网络	乳腺癌组织图像，包括点式护理超声（POCUS）和标准超声（US）图像	计算机视觉	乳腺癌	点式护理超声（POCUS），标准超声（US）	CNN, GAN	图像	两个数据集（POCUS和标准US图像），具体样本数量未明确说明	NA	CycleGAN	AUC（曲线下面积），95%置信区间	NA
229	2026-01-19	Training a high accuracy model to visualize blood clots during mechanical thrombectomy for the treatment of Acute Ischemic Stroke 2025, Frontiers in stroke DOI:10.3389/fstro.2025.1610399 PMID:41541866	研究论文	本研究提出了一种利用Medtronic Solitaire™支架上的不透射线标记空间排列的血栓可视化方法，并开发了基于U-Net架构的深度学习模型Clot[U]-Net进行血栓边界预测	首次利用支架上的不透射线标记空间排列实现机械取栓过程中的血栓可视化，无需改变现有临床工作流程	需要进一步的临床前和临床验证，目前仅在体外图像上进行训练和测试	提高急性缺血性卒中机械取栓手术中血栓的可视化能力，以提升首次取栓成功率	急性缺血性卒中患者的血栓	数字病理学	急性缺血性卒中	荧光透视成像	CNN	图像	800张体外前后位和侧位图像	NA	U-Net	交并比, AUROC	NA
230	2026-01-19	Leveraging molecular graphs for natural product classification 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.031 PMID:41542071	研究论文	本研究探索了使用图神经网络直接从分子图结构学习神经指纹，用于天然产物的自动分类	首次系统地评估了多种图神经网络架构在天然产物分类任务上的性能，并强调了基于图表示的数据驱动方法优于传统指纹方法	模型性能高度依赖于架构选择和特征表示，需要针对特定任务进行定制化设计	开发一种能够更好地捕捉天然产物结构和生物合成复杂性的自动分类方法	天然产物分子	机器学习	NA	图神经网络	GNN	分子图	NA	NA	多种图神经网络架构	准确率, 鲁棒性	NA
231	2026-01-19	AOP-DRL: A deep representation learning framework for the computational prediction of antioxidant peptides 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.014 PMID:41542079	研究论文	本文提出了一种名为AOP-DRL的深度学习框架，用于高通量预测抗氧化肽，结合了蛋白质语言模型和分层卷积网络	开发了结合蛋白质语言模型与分层卷积网络的深度学习框架AOP-DRL，有效处理可变肽长度并捕获非线性残基相互作用，相比现有模型在多个数据集上显著提升了预测准确率	未明确提及具体局限性，但可能依赖于公开数据集的覆盖范围和验证质量	开发一个计算框架以高效预测抗氧化肽，替代传统湿实验室方法	抗氧化肽序列	机器学习	NA	深度学习，蛋白质语言模型，卷积网络	深度学习框架	肽序列数据	来自公开研究的实验验证抗氧化序列和负对照序列，具体数量未明确	NA	分层卷积网络	准确率	NA
232	2026-01-19	TBM preferred to AlphaFold 3 for functional models of insect odorant receptors 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.08.028 PMID:41542085	研究论文	本文比较了基于模板的建模与AlphaFold 3在构建昆虫气味受体功能模型上的表现，并基于功能突变数据支持前者	首次系统比较了传统模板建模与最新AI模型AlphaFold 3在昆虫气味受体结构预测上的优劣，并引入了脂质分子模拟膜环境	研究仅涉及来自三个昆虫目的六个受体序列，样本量有限	评估并比较不同计算方法在预测昆虫气味受体结构和功能上的可靠性，以支持基于结构的害虫控制策略	昆虫气味受体	计算生物学	NA	模板建模，深度学习结构预测	AlphaFold 3	蛋白质序列，实验结构数据	来自三个昆虫目的六个气味受体序列	NA	AlphaFold 3	功能突变数据支持度	NA
233	2026-01-19	STAG-LLM: Predicting TCR-pHLA binding with protein language models and computationally generated 3D structures 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.004 PMID:41542080	研究论文	本文提出了一种名为STAG-LLM的多模态机器学习模型，用于预测TCR-pHLA结合特异性，该模型结合了蛋白质序列数据和计算生成的3D结构	通过结合蛋白质语言模型与几何深度学习架构，利用计算生成的3D蛋白质结构作为额外数据模态，显著提升了预测性能，即使在训练数据量减少三倍的情况下仍优于现有方法	使用计算生成的3D结构可能带来推理成本增加、训练数据有限以及对生成结构中噪声的鲁棒性等挑战	预测T细胞受体（TCR）与肽-HLA（pHLA）复合物的结合特异性，以支持个性化免疫治疗设计	T细胞受体（TCR）和肽-HLA（pHLA）复合物	机器学习	NA	计算建模工具生成3D蛋白质结构	蛋白质语言模型, 几何深度学习	蛋白质序列, 3D结构	NA	NA	STAG-LLM	NA	NA
234	2026-01-17	Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children 2025-Jan-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.120459 PMID:39603586	研究论文	本研究利用深度学习分割算法分析美国街景图像，评估居住区绿化空间与儿童心血管健康之间的关联	首次采用街景图像深度学习分析替代传统卫星测量，更精确地量化地面绿化暴露，并探索其与儿童心血管健康的跨阶段关联	仅观察到青春期晚期存在有限关联，未发现累积或纵向效应，样本局限于美国特定队列，可能受混杂因素影响	探究街景绿化空间与儿童心血管健康的关联性	美国Project Viva出生队列中的儿童参与者	计算机视觉	心血管疾病	深度学习分割算法	深度学习	街景图像	美国Project Viva队列儿童（2007-2021年追踪数据）	NA	分割算法（未指定具体架构）	回归系数, 95%置信区间	NA
235	2026-01-17	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	本研究开发了一种主动学习方法，用于训练能够区分由光感受器转录因子CRX结合位点构成的增强子和沉默子的深度学习模型	采用主动学习策略结合合成生物学和不确定性采样，迭代训练能够区分相同序列但功能相反的CRX结合位点的模型	模型主要针对CRX转录因子，可能无法直接推广到其他转录因子或调控环境	开发能够准确区分增强子和沉默子的深度学习模型，以解决传统模型在解释转录因子功能多样性方面的局限性	光感受器转录因子CRX的结合位点及其调控功能（增强子/沉默子）	机器学习	NA	大规模并行报告基因检测	深度学习	基因组序列	基因组中几乎所有结合的CRX位点，并通过多轮主动学习迭代增加训练数据	NA	NA	NA	NA
236	2026-01-16	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本研究结合基于深度学习的蛋白质语言模型和分子动力学模拟，从微生物组库中高通量筛选抗生物污染肽	首次将基于提示调优的蛋白质语言模型ESM2与分子动力学模拟相结合，用于从海量序列库中高通量发现抗生物污染肽	仅对六种候选肽进行了分子动力学模拟验证，筛选范围仍有待进一步扩大	开发新型抗生物污染肽材料，以拓展其在复杂生物环境中的应用场景	抗生物污染肽序列	机器学习	NA	蛋白质语言模型，分子动力学模拟	随机森林，蛋白质语言模型	肽序列数据	包含等量抗生物污染肽和生物污染肽序列的平衡数据库	NA	ESM2	NA	NA
237	2026-01-16	Translational Informatics Driven Drug Repositioning for Neurodegenerative Disease 2025, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X327908241121062335 PMID:39936420	综述	本文从转化信息学的角度全面审视了神经退行性疾病的药物重定位，涵盖数据源、计算模型和临床应用	通过整合人工智能和医疗数据，系统化地分类了药物重定位的计算模型，并突出了在神经退行性疾病研究中的应用潜力	NA	开发针对神经退行性疾病的有效治疗干预措施	神经退行性疾病	自然语言处理	老年病	NA	机器学习,深度学习	文本	NA	NA	NA	NA	NA
238	2026-01-16	Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications 2025, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X353595250303064846 PMID:40754866	综述	本文综述了基于AI增强MRI在阿尔茨海默病诊断中的应用，重点探讨了深度学习模型（如CNN和NC-ANN）的挑战与临床意义	通过系统分类和批判性评估MRI深度学习研究，强调了其在提升神经疾病诊断性能方面的潜力，并讨论了临床实践中的挑战与未来方向	作为综述文章，未涉及原始数据或新模型开发，主要依赖现有研究，可能受限于文献覆盖范围和偏倚	总结和评估基于MRI的深度学习研究在神经疾病（特别是阿尔茨海默病）诊断中的应用，以促进AI在临床实践中的整合	阿尔茨海默病及其他神经疾病，使用脑结构MRI数据进行预测建模	数字病理学	阿尔茨海默病	脑结构磁共振成像（MRI）	CNN, NC-ANN	图像	NA	NA	NA	NA	NA
239	2026-01-16	Data-driven prediction of future purchase behavior in cross-border e-commerce using sequence modeling with PSO-tuned LSTM 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337932 PMID:41370290	研究论文	提出一种结合变分模态分解、长短期记忆网络和粒子群优化的混合深度学习框架，用于预测跨境电商用户的未来购买行为	首次将变分模态分解（VMD）与LSTM结合用于跨境电商行为预测，并引入粒子群优化（PSO）自动调优LSTM超参数，有效提升预测精度和泛化能力	未明确说明模型在数据稀疏或新用户场景下的表现，也未讨论跨文化因素对购买行为的影响	提升跨境电商平台运营效率和用户体验，通过精准预测用户购买行为	跨境电商用户的购买行为序列数据	机器学习	NA	时间序列分析，变分模态分解	LSTM	时间序列数据	NA	NA	LSTM	预测准确率，鲁棒性	NA
240	2026-01-15	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	本研究开发了一种基于深度学习的融合模型，整合MRCP影像和临床参数，以辅助放射科医生更准确地诊断肝外胆总管梗阻	提出了一种多模态深度学习融合模型，结合MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者拥有MRCP影像，且存在临床数据缺失需通过插补处理	开发一个深度学习分类模型，以提高肝外胆总管梗阻的诊断准确性	肝外胆总管梗阻患者	计算机视觉	肝外胆总管梗阻	磁共振胰胆管成像	深度学习融合模型	图像, 临床数据	465名患者（其中143名有MRCP影像）	NA	NA	准确率, 灵敏度, 特异性, AUC	NA