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
41	2026-05-08	Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization 2025-01-30, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c05276 PMID:39809573	研究论文	提出一种基于预训练深度神经网络的Kin-SiM方法，用于单分子FRET迹线的理想化处理	利用LSTM神经网络自动化理想化FRET迹线，无需先验马尔可夫假设和人工干预，直接从多维轨迹中提取生物分子状态数、动态变化及动力学参数	未详细说明在实际复杂生物体系中的局限性或泛化性能挑战	开发自动化深度学习方法改进单分子FRET数据分析，减少人工时间和偏差风险	单分子荧光共振能量转移（smFRET）迹线和生物分子构象状态	机器学习	NA	smFRET	LSTM	时间序列	NA	NA	LSTM	与HMM方法对比的性能	NA
42	2026-05-08	Modeling gene interactions in polygenic prediction via geometric deep learning 2025-01-22, Genome research IF:6.2Q1 DOI:10.1101/gr.279694.124 PMID:39562137	研究论文	提出PRS-Net，一种可解释的几何深度学习框架，用于多基因风险预测，通过建模基因-基因相互作用提升复杂疾病预测性能	首次将几何深度学习与图神经网络结合用于多基因风险评分，在单基因分辨率下解卷积全基因组PRS并显式建模基因-基因相互作用，同时引入注意力读取模块实现模型可解释性	NA	开发一种可解释且能捕捉基因非线性交互的多基因风险预测方法，同时实现遗传风险预测和生物学发现	复杂性状和疾病相关的基因相互作用网络	机器学习	复杂疾病	NA	图神经网络	基因组数据	NA	PyTorch	图神经网络	预测性能	NA
43	2026-05-08	Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach 2025-01-22, Genome research IF:6.2Q1 DOI:10.1101/gr.278812.123 PMID:39622637	研究论文	提出弱监督深度学习框架scIDST，用于推断单细胞转录组数据中疾病进展阶段	首次通过弱监督学习从单细胞转录组数据推断疾病进展阶段，克服细胞异质性对差异基因表达的干扰，且预训练模型可迁移至独立数据资源	未明确说明当前方法的局限性及实际验证中的潜在挑战	开发一种新方法解决单细胞转录组数据中因细胞病理阶段差异导致的异质性问题	患者来源组织中的单细胞/单核基因组测序数据	机器学习	NA	单细胞/单核基因组测序	深度学习	转录组数据	NA	NA	scIDST	差异表达分析验证	NA
44	2026-05-08	Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry 2025, Transplant international : official journal of the European Society for Organ Transplantation IF:2.7Q2 DOI:10.3389/ti.2025.14121 PMID:40630785	研究论文	利用ISHLT注册数据开发深度学习模型预测肺移植受者1年死亡率	通过SHAP分析筛选出10个最具影响力的移植前因素，实现了与使用25个因素相当的预测性能，并在外部独立数据集上验证了模型的泛化能力	外部数据集与ISHLT数据集存在显著组成差异，可能影响模型在不同人群中的适用性	优化肺移植候选者选择，提高资源利用效率和患者预后	肺移植受者	机器学习	肺移植	NA	梯度提升机、多层感知机	结构化临床数据	29,364名患者（ISHLT注册数据），其中4,729例死亡，24,635例存活	NA	梯度提升机、多层感知机	AUC, 准确率	NA
45	2026-05-08	Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon 2025, Arquivos brasileiros de oftalmologia IF:1.1Q3 DOI:10.5935/0004-2749.2025-0053 PMID:41172514	研究论文	评估深度学习模型在巴西亚马逊地区巴尔塞洛斯市检测翼状胬肉的诊断准确性	首次在巴西亚马逊偏远地区使用智能手机拍摄眼前段照片并结合深度学习模型进行翼状胬肉检测，验证了人工智能在资源匮乏地区开展眼病筛查的可行性	样本量较小（38名参与者），属于初步研究，且未评估模型在不同人群和环境中的泛化能力	评估基于MobileNet-V2的深度学习模型检测翼状胬肉的诊断性能	巴西亚马逊地区巴尔塞洛斯市的38名参与者（76只眼）	计算机视觉	翼状胬肉	智能手机摄影	卷积神经网络	图像	38名参与者（76只眼）	NA	MobileNet-V2	敏感性、特异性、准确性、阳性预测值、阴性预测值、曲线下面积	NA
46	2026-05-06	Integrating pharmacogenomics and cheminformatics with diverse disease phenotypes for cell type-guided drug discovery 2025-01-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01431-x PMID:39833831	研究论文	提出一种名为Pathopticon的网络统计方法，通过整合药物基因组学和化学信息学来指导细胞类型特异性药物发现	首次结合CMap数据构建细胞类型特异性基因-药物扰动网络，并整合化学信息学和多种疾病表型以实现细胞类型依赖性药物优先排序	未明确说明，但基于CMap数据的依赖性和方法学验证可能受限于现有数据库的覆盖范围和准确性	开发一个细胞类型特异性的药物发现和重新定位平台	CMap中的基因表达谱、ChEMBL中的药物化学信息、Enrichr数据库中的569种疾病特征、73个MSigDB基因集以及CTD中的目标基因表达谱	药物发现、网络生物学、统计方法	血管疾病	qPCR实验验证	网络统计模型	基因表达数据、化学结构数据、疾病表型数据	73个MSigDB基因集用于基准测试，569种疾病特征来自Enrichr数据库	NA	Pathopticon网络模型，QUIZ-C统计方法	AUROC	NA
47	2026-05-06	FODSeg: a deep learning framework for tract-specific white matter segmentation from full angular distributions 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1734498 PMID:41601529	研究论文	提出一种名为FODSeg的深度学习框架，利用完整纤维取向分布函数（fODF）进行白质纤维束特异性分割	首次在体素分割中利用完整的fODF表示以保留全角度方向信息，并将纤维束分割重构为单类问题以减少标签冲突	NA	改进白质纤维束分割方法，提高在复杂纤维结构区域（如交叉纤维和瓶颈区域）的准确性和特异性	人类连接组计划数据集中的72个白质纤维束	数字病理学	NA	扩散磁共振成像	深度学习	扩散磁共振成像数据	人类连接组计划数据集（包含72个白质纤维束）	NA	NA	Dice系数、体积过度分割值、特异性	NA
48	2026-05-04	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	基于深度学习的框架，利用头部非对比CT扫描预测脑内血肿扩展	开发了一个全自动的两阶段深度学习框架，用于仅使用临床非对比CT扫描预测血肿扩展，并在大型多中心数据集上验证其性能优于常用的BAT评分	NA	开发并验证一个基于深度学习的全自动框架，用于预测脑内出血患者的血肿扩展	脑内出血患者的头部非对比CT扫描图像	机器学习，计算机视觉	脑内出血	非对比CT扫描	深度学习模型	图像	回顾性数据集2484例来自84个中心，前瞻性数据集500例来自26个中心	NA	两阶段框架	AUC，敏感性，特异性	NA
49	2026-05-04	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	综述	本综述总结了基于磁共振成像的影像组学和机器学习在软组织肉瘤分级中的当前研究进展	首次系统总结了将语义影像特征、影像组学特征和深度学习特征结合到机器学习模型中用于STS分级，并探讨了从肿瘤体积和瘤周区域提取特征的优势	未提及具体局限性分析，样本量有限且不同研究间方法学差异较大	评估基于MRI的影像组学和机器学习预测软组织肉瘤恶性程度分级的现状	软组织肉瘤	机器学习	软组织肉瘤	MRI影像组学	随机森林、支持向量机、LASSO、SMOTE	MRI图像	NA	NA	随机森林、支持向量机、LASSO、SMOTE	AUC值、准确率	NA
50	2026-05-04	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	研究论文	本研究评估了基于深度学习的去噪算法在创伤神经放射学CT扫描中降低辐射剂量至25%时保持图像质量和诊断准确性的能力	首次系统性验证深度学习去噪算法可在创伤神经放射学急诊CT中将辐射剂量降低75%而维持与全剂量相当的诊断性能	单中心回顾性研究，样本量有限（100例），未涵盖所有类型颅内出血	评估深度学习去噪算法在创伤神经放射学急诊CT中降低辐射剂量的能力	100例神经放射学创伤CT扫描患者	医学影像	创伤性神经放射疾病	CT成像	深度学习去噪网络	CT图像	100例患者	NA	深度学习去噪算法	敏感性、特异性、图像噪声、CT值	NA
51	2026-05-04	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证一种基于CT影像的深度学习模型，用于肺癌的病理分级和预后评估	利用MobileNetV3架构构建非侵入性工具，可自动化病理分级并提供预后评估，辅助手术规划	NA	开发非侵入性深度学习模型，以自动化病理分级和预后评估，为手术规划提供辅助	肺癌患者，特别是非小细胞肺癌患者	深度学习	肺癌	NA	深度学习模型	CT影像	NLST队列572例（训练集461例，内部验证111例）及外部验证224例	NA	MobileNetV3	准确率, 灵敏度, 特异度, AUC	NA
52	2026-05-04	Deep Learning-Based Prediction of Freezing of Gait in Parkinson's Disease With the Ensemble Channel Selection Approach 2025-Jan, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70206 PMID:39740772	研究论文	基于深度学习与集成通道选择的帕金森病冻结步态预测方法	提出将瓶颈注意力模块集成到标准双向长短期记忆网络中的新型架构，并引入集成学习进行最优通道选择，显著降低计算复杂度并提升检测精度	NA	开发一种高效、准确的帕金森病冻结步态事件检测算法，实现实时监测	帕金森病患者的冻结步态事件	机器学习	帕金森病	运动信号采集	双向长短期记忆网络	运动信号	传感器数据（脚踝、腿部、躯干传感器）	NA	卷积瓶颈注意力-双向长短期记忆网络（CBA-BiLSTM）	准确率	NA
53	2026-05-03	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	开发了一种主动学习方法，用于区分发育中神经视网膜中的增强子和沉默子	结合主动学习与不确定性采样，迭代训练模型区分具有相同序列但功能相反的CRX结合位点	模型训练主要基于CRX转录因子，可能不适用于其他转录因子的调控元件	建立区分增强子和沉默子的深度学习模型	CRX转录因子的顺式调控元件（增强子和沉默子）	机器学习	NA	大规模平行报告基因检测	深度学习模型	基因组序列	超过所有结合CRX的基因组位点	NA	NA	区分能力	NA
54	2026-05-03	Accelerated CEST imaging through deep learning quantification from reduced frequency offsets 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30269 PMID:39270056	研究论文	通过深度学习和减少频率偏移采样来加速CEST成像	利用Fisher信息增益分析识别最优频率偏移，并采用U-NET网络从欠采样Z谱中量化CEST图，实现扫描时间显著缩短	未提及大规模验证或不同场强下的适用性	缩短CEST采集时间，通过Z谱欠采样结合深度学习构建CEST图	脑部CEST图像，包括18名志愿者的体内数据及模拟的胶质母细胞瘤IV级病理	深度学习	脑部疾病, 胶质母细胞瘤	CEST成像	U-NET	图像	18名志愿者	NA	U-NET	结构相似性指数, 峰值信噪比, 皮尔逊相关系数, 均方误差	NA
55	2026-05-03	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种名为mSIGHT的深度学习工具，可将常规H&E染色病理图像转化为高保真合成多重免疫荧光图像，用于预测乳腺癌新辅助治疗反应	首创结合配准网络的图像翻译管线mSIGHT，解决了输入与目标图像之间的未对齐问题，性能优于标准Pix2Pix和CycleGAN，能从常规H&E染色中提取免疫细胞信息	研究样本量较小（17例三阴性乳腺癌用于模型开发），且仅针对乳腺癌，可能限制在其他癌症类型中的泛化能力	开发能从常规H&E染色图像中获取免疫细胞信息的深度学习工具，以低成本、可扩展的方式替代多重免疫荧光技术，并预测乳腺癌新辅助治疗反应	乳腺癌患者的核心针活检组织样本	数字病理学	乳腺癌	H&E染色，多重免疫荧光（mIF）	生成对抗网络（GAN）结合配准网络	病理图像	17例三阴性乳腺癌用于模型开发，218例乳腺癌用于外部验证	PyTorch	Pix2Pix, CycleGAN,配准网络	像素级指标，细胞密度，细胞间邻近度，调整后的优势比	NA
56	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
57	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
58	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
59	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
60	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