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
101	2026-05-16	Forecasting stock prices using long short-term memory involving attention approach: An application of stock exchange industry 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319679 PMID:40100866	研究论文	该研究利用长短期记忆网络结合注意力机制预测股票价格，以卡拉奇证券交易所100指数为应用案例	首次将注意力机制与LSTM结合用于卡拉奇证券交易所的股价预测，并比较了四种深度学习模型的性能	未提及模型的泛化能力及在不同市场条件下的适用性，可能存在过拟合风险	通过深度学习模型提高股票价格预测的准确性，以稳定经济	卡拉奇证券交易所100指数的每日商业数据	自然语言处理	NA	NA	人工神经网络、递归神经网络、长短期记忆网络、门控循环单元	时间序列数据	从2008年2月22日至2021年2月23日的每日股票数据	TensorFlow, PyTorch	人工神经网络、RNN+Attention、LSTM+Attention、GRU+Attention	R平方	NA
102	2026-05-16	IV3TM: Inception V3 enabled bidirectional long short-term memory network for brain tumor classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335397 PMID:41134912	研究论文	提出一种基于Inception V3和双向长短期记忆网络的脑肿瘤分类方法	结合Inception V3的空间特征提取能力和BiLSTM的序列依赖学习能力，用于脑肿瘤MRI图像分类	未提及具体限制	提高脑肿瘤分类的准确性和效率，以辅助早期诊断和治疗	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	Inception V3, BiLSTM	图像	使用Brain MRI图像数据集和Figshare脑肿瘤数据集	NA	Inception V3, BiLSTM	特异性、准确率、精确率、F1分数、敏感度、均方根误差	NA
103	2026-05-15	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	提出一种基于深度学习和数字微流控的无标记并行细胞分选方法	将深度学习图像识别与微流控操控结合，利用YOLOv8目标检测模型实现精确液滴分类，并结合安全区间路径规划算法实现多目标、无碰撞的液滴路径规划	未提及具体局限性	实现基于形态学的高精度、无标记细胞分选，以支持诊断、治疗和基础细胞生物学研究	HeLa细胞、聚苯乙烯微珠、红细胞、Jurkat细胞、HL-60细胞	计算机视觉, 数字病理学	不适用	数字微流控（AM-DMF）	YOLOv8（目标检测模型）	图像	HeLa细胞和聚苯乙烯微珠用于初步实验，后续扩展至红细胞、Jurkat细胞和HL-60细胞；具体数量未提及	PyTorch（推测，基于YOLOv8框架）	YOLOv8	分选精度（98.5%）、纯度（96.49%）、回收率（80%）	未提及
104	2026-05-15	How to accurately predict nanobody structure: Classical physics-based simulations or deep learning approaches 2025, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2024.12.001 PMID:40973396	研究论文	本文系统比较了基于物理的模拟和深度学习方法在预测不同类别纳米抗体结构中的准确性	针对纳米抗体CDR3结构预测难题，首次系统性比较经典物理模拟（同源建模+分子动力学）与深度学习（AlphaFold2和RoseTTAFold）两种策略在三种结构类别（凹面、环状、凸面）纳米抗体上的表现，并提出纳米抗体与靶蛋白结合需诱导契合机制的观点	仅选取了三种代表性纳米抗体（Nb32、Nb80、Nb35）进行研究，样本量有限	评估不同预测策略对纳米抗体结构预测的准确性，特别是CDR3区域，并为不同类别纳米抗体提供最佳预测方法建议	三种代表性纳米抗体（Nb32、Nb80、Nb35），分别代表凹面、环状和凸面结构类别	机器学习, 计算机视觉	NA	NA	深度学习模型	蛋白质结构数据	3种纳米抗体（Nb32、Nb80、Nb35）	AlphaFold2, RoseTTAFold	AlphaFold2, RoseTTAFold	预测准确度（通过与实验结构比较）	NA
105	2026-05-15	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	提出一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组和MRI数据，用于脑癌诊断	首次将图注意力网络提取的基因组图嵌入与3D DenseNet的MRI特征图通过交叉注意力机制融合，并采用Entmax sigmoid函数增强分类稀疏性和可解释性	论文未明确提及局限性	提高脑癌诊断的准确性、全面性和可解释性	脑癌患者基因组数据和MRI图像	数字病理学	脑癌	MRI, 基因组测序	图注意力网络, 3D DenseNet, 交叉注意力机制	图像（MRI），基因组数据	四个基准数据集，具体数量未提及	PyTorch	GAT, 3D DenseNet, 交叉注意力	准确率, F1分数	NA
106	2026-05-12	Spike rate inference from mouse spinal cord calcium imaging data 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603957 PMID:39829770	研究论文	利用监督深度学习与非监督反卷积算法，从小鼠脊髓钙成像数据中推断神经元放电率，并通过真实数据验证和优化模型	首次评估现有尖峰推断算法在脊髓神经元上的适用性，并通过重新训练CASCADE模型显著提升性能，展示了算法在不同神经系统区域间的泛化能力	未提及算法在更广泛脑区或病理条件下的泛化性，且真实数据仅来自小鼠脊髓背角特定细胞类型	验证并优化从脊髓钙成像数据推断神经元放电率的算法，为其在脊髓研究中的可靠应用提供基础	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	CNN（CASCADE）和OASIS	钙成像信号和电生理记录的真实数据	包含谷氨酸能和GABA能神经元的小鼠脊髓背角样本	CASCADE（基于TensorFlow/PyTorch）和OASIS	CASCADE（深度学习模型）和OASIS（非负反卷积）	准确性和泛化性能（具体指标未明确提及，但基于推断准确性评估）	NA
107	2026-05-12	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨人工智能如何应对生物学大数据复杂性，重点分析其在植物科学、动物科学和微生物学等生命科学领域的应用	系统梳理了高通量组学数据增长驱动AI分析需求的过程，特别强调组学预测分析在系统生物学中的角色及FAIR原则对组学数据的重要性	未提供具体实验验证或定量比较结果，仅进行文献综述性讨论	探索AI在生命科学中应用的发展现状、挑战与机遇	生命科学领域中的高通量组学数据（植物、动物、微生物学数据）	机器学习	NA	NA	NA	组学数据	NA	NA	NA	NA	NA
108	2026-05-12	CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf069 PMID:40552981	research paper	介绍CellBinDB，一个大规模多模态标注数据集，用于细胞分割并基准测试通用模型	构建了涵盖多种组织类型和染色方法的大规模多模态标注数据集，并系统评估了8种主流细胞分割技术的性能	复杂细胞形状会降低分割精度，数据集主要覆盖常规染色类型和常见组织，对罕见细胞类型的适应性未知	建立支持通用模型训练和多技术评估的细胞分割数据集，推动更通用分割技术的发展	细胞或细胞核边界	digital pathology	NA	DAPI、ssDNA、H&E、多重免疫荧光染色	深度学习分割模型（具体未指定）	图像	1000余张标注图像，覆盖30余种正常和疾病组织类型（人类和小鼠样本）	NA	NA	分割精度、边界检测效果（具体指标如Dice系数等未明确）	NA
109	2026-05-12	Prediction of Bone Mineral Density based on Computer Tomography Images Using Deep Learning Model 2025, Gerontology IF:3.1Q3 DOI:10.1159/000542396 PMID:39527924	研究论文	基于深度学习模型利用计算机断层扫描图像预测骨密度	提出了一种多阶段深度学习模型，可自动测量椎体骨密度并提高骨质疏松诊断率	未明确说明	开发自动测量骨密度的深度学习模型，提高骨质疏松诊断率	801名受试者的2,080个椎体（T11-L4）	计算机视觉	骨质疏松症	QCT	CNN	图像	801名受试者（410名男性和391名女性），共2,080个椎体	NA	多阶段深度学习模型	判定系数R², 准确率, 精确率, 召回率, F1分数	NA
110	2026-05-12	Dynamic Prediction of Cardiovascular Death among Old People with Mildly Reduced Kidney Function Using Deep Learning Models Based on a Prospective Cohort Study 2025, Gerontology IF:3.1Q3 DOI:10.1159/000545679 PMID:40359927	研究论文	利用深度学习模型基于前瞻性队列研究动态预测肾功能轻度减退老年人的心血管死亡	首次使用动态深度学习算法（Dynamic DeepHit）对肾功能轻度减退老年人群进行心血管死亡动态预测，随随访次数增加预测性能提升	该研究未提及具体限制	识别肾功能轻度减退老年人群中与心血管死亡相关的目标特征并利用深度学习模型降低死亡风险	肾功能轻度减退的老年人（年龄≥60岁）	机器学习	心血管疾病	NA	深度学习模型	临床纵向数据	12,650名老年人（年龄≥60岁）	NA	动态深度生存模型	一致性指数、布里尔分数	NA
111	2026-05-10	The development of artificial intelligence in the histological diagnosis of Inflammatory Bowel Disease (IBD-AI) 2025-01, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.05.033 PMID:38853093	研究论文	开发基于人工智能的炎症性肠病组织学诊断系统，用于半自动量化基底浆细胞增多	首次将深度学习模型应用于量化基底浆细胞，以辅助炎症性肠病（克罗恩病和溃疡性结肠炎）的病理诊断，并验证其与人类金标准的一致性	未提及局限性信息	开发基于AI的诊断支持系统，评估基底浆细胞增多以鉴别炎症性肠病亚型	4881张标注图像（训练集）及356例肠道活检样本（验证集，含克罗恩病、溃疡性结肠炎和健康对照）	数字病理学	炎症性肠病	组织学活检	深度学习模型	图像	4981张标注图像（训练集），356例肠道活检（验证集）	NA	NA	基底浆细胞数量、比值比（OR）、95%置信区间	NA
112	2026-05-10	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-01, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	综述	对机器学习和深度学习在美容整形手术中的应用进行定性系统综述	首次系统评估机器学习、深度学习和人工智能在美容整形手术中的应用，涵盖多种手术类型并分析其潜力与风险	纳入研究数量有限（18项），且研究人群、算法类型和手术类型差异大，可能导致结果异质性；此外，人工智能可能产生不切实际的患者期望	评估机器学习、深度学习和人工智能在美容整形手术中的应用现状	美容整形手术相关的研究，包括隆乳术、乳房缩小术、鼻整形术、面部年轻化手术（如面部提升术、眼睑成形术）和身体塑形手术	machine learning	NA	NA	机器学习、深度学习、人工智能算法	图像	共筛选2,148项研究，最终纳入18项研究	NA	NA	NA	NA
113	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
114	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
115	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
116	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
117	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
118	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
119	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
120	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