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	2026-01-06	Secure facial biometric authentication in smart cities using multimodal methodology 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	本文提出了一种结合多模态深度学习和密码学框架的方法，用于智能城市环境中的安全面部生物特征认证	提出了一种融合CNN低级特征保留、ResNet-50高级特征提取和ElGamal加密的多模态系统，显著提升了传统模型在防欺骗和安全数据传输方面的性能	未明确提及模型在更广泛数据集或实际部署环境中的泛化能力及计算开销	开发一种安全的面部生物特征认证系统，以防止智能城市中未经授权的访问和欺骗攻击	面部生物特征数据	计算机视觉	NA	NA	CNN, ResNet-50	图像	使用CelebA Faces数据集，具体样本数量未明确	NA	CNN, ResNet-50	准确率, 平均损失分数	NA
2	2026-01-06	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2025-Dec-29, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了一个名为MetaChrome的开源软件平台，用于自动化中期染色体分析	MetaChrome通过微调的深度学习模型，结合图形用户界面，实现了中期染色体的自动化分割和DNA FISH信号的共定位分析，相比传统图像处理方法提高了分割准确性	未在摘要中明确提及	开发一个开源、用户友好的工具，以自动化分析中期染色体图像，解决染色体分割和DNA FISH信号共定位的挑战	DNA FISH染色体图像，特别是中期染色体	数字病理学	NA	DNA荧光原位杂交（DNA FISH），高通量成像（HTI）	深度学习模型	图像	使用手动标注的中期染色体数据集进行微调	NA	Cellpose	分割准确性	NA
3	2026-01-06	Qualitative and quantitative analysis of Paris polyphylla var. yunnanensis from different origin using multi-dimensions FT-MIR and NIR spectroscopy, data fusion combined with machine learning 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127414 PMID:41485381	研究论文	本研究利用多维FT-MIR和NIR光谱、数据融合结合机器学习，对云南重楼进行定性和定量分析，以评估其地理来源和质量控制	采用多维光谱（包括1D、2DCOS、3DCOS）与数据融合技术，结合传统机器学习和深度学习模型ResNet，实现了对云南重楼地理来源的快速、准确识别和总皂苷含量预测	未明确提及样本的具体数量或多样性限制，可能影响模型的泛化能力	开发一种快速、稳健的策略，用于传统中药云南重楼的地理溯源和质量控制	云南重楼（Paris polyphylla var. yunnanensis）	机器学习	NA	FT-MIR光谱、NIR光谱、数据融合	ResNet, PCA, t-SNE, PLS-DA, OPLS-DA, PLSR	光谱图像	NA	NA	ResNet	RX, RY, Q, RMSEE, RMSECV, RMSEP, 准确率, RPD, Rc, Rp	NA
4	2026-01-06	DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention 2025-Dec-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08898d PMID:41487137	研究论文	本文提出了一种名为DSSA-PPI的混合深度学习框架，通过解耦注意力机制整合结构和序列信息，以增强蛋白质突变对结合亲和力变化的预测	提出了一种结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2的混合框架，并采用解耦注意力机制整合序列和结构特异性贡献，提高了PPI结合亲和力变化预测的精度	未在摘要中明确提及	准确评估突变对蛋白质-蛋白质相互作用（PPIs）的影响，以理解疾病发病机制并开发靶向疗法	蛋白质-蛋白质相互作用（PPIs）及其突变引起的结合亲和力变化	机器学习	NA	深度学习	几何等变图神经网络, 蛋白质语言模型	蛋白质结构和序列数据	标准蛋白质结合亲和力数据集SKEMPI v2	NA	PPIFormer, ESM-2	NA	NA
5	2026-01-06	WEAKLY SUPERVISED SEGMENTATION AND CLASSIFICATION OF ALPHA-SYNUCLEIN AGGREGATES IN BRIGHTFIELD MIDBRAIN IMAGES 2025-Dec-19, ArXiv PMID:41333166	研究论文	本研究开发了一种基于弱监督分割的自动化图像处理流程，用于在帕金森病和偶发性路易体病的中脑组织全玻片图像中分割和分类α-突触核蛋白聚集体	提出了一种对免疫组化标记变异性具有鲁棒性的弱监督分割方法，结合ResNet50分类器，能够自动区分路易体和神经突等主要聚集体形态	未明确说明样本量的具体细节，且方法在更广泛的组织类型或染色协议中的泛化能力有待验证	开发自动化工具以更好地理解α-突触核蛋白聚集体的空间组织和异质性	帕金森病和偶发性路易体病患者的中脑组织样本	数字病理学	帕金森病	免疫组化染色	CNN	图像	NA	NA	ResNet50	平衡准确率	NA
6	2026-01-06	Trustworthy deep learning for malaria diagnosis using explainable artificial intelligence 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28387-7 PMID:41419508	研究论文	本研究利用深度学习模型和可解释人工智能技术，从血液涂片图像中自动诊断疟疾，旨在提高诊断准确性和临床可信度	结合了四种CNN模型进行实证评估，并采用两种先进的混合架构进行微调，同时应用三种XAI技术（Grad-CAM、LIME、SHAP）提供多层次的模型决策透明度，增强了临床信任	未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力测试，以及计算资源需求的具体分析	开发一个高精度、可解释且可扩展的AI诊断框架，用于疟疾的自动检测，以应对资源有限医疗环境中的诊断挑战	血液涂片图像，包括薄涂片和厚涂片，用于疟疾寄生虫的检测	计算机视觉	疟疾	显微镜成像	CNN	图像	27,090张图像来自Kaggle疟疾数据集，以及一个独立的哈佛Dataverse数据集包含厚涂片图像	NA	MobileNetV2, VGG19, InceptionV3, ResNet18, Xception, Inception-ResNetV2	F1-score, 准确率	NA
7	2026-01-06	Long-term, ambulatory 12-lead ECG from a single non-standard lead using perceptual reconstruction 2025-Dec-19, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342224 PMID:41445642	研究论文	本研究提出了一种基于深度学习的方法，从单个非标准导联（模拟植入式心脏监测器信号）重建12导联心电图，用于连续监测心脏功能变化	首次使用感知损失训练深度U-Net模型（ECG12-PerceptNet），从单个ICM导联重建12导联心电图，实现了对传导、复极、心律和心脏功能变化的连续监测	研究基于模拟ICM信号进行重建，未在真实ICM设备上验证；样本标注依赖于临床医生解释的规则解析，可能存在偏差	从单个ICM导联重建12导联心电图，以检测心脏传导、复极、心律和功能变化	75,450个超声心动图-心电图配对数据，标注了右束支传导阻滞、左束支传导阻滞、心房颤动、QT间期延长和低左心室射血分数五种疾病标签	机器学习	心血管疾病	心电图信号处理，深度学习重建	U-Net	心电图信号	75,450个超声心动图-心电图配对样本	NA	U-Net	分类性能（具体指标未明确），回归模型预测左心室射血分数	NA
8	2026-01-06	Learning Patient Similarity from Genomics for Precision Oncology 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342480 PMID:41445600	研究论文	本文开发了一个基于深度学习的患者相似性建模框架，利用真实世界的临床基因组数据，通过嵌入肿瘤基因组图谱来测量患者相似性，并评估患者亚组与共享治疗结果之间的关联	该框架能够从复杂的分子和临床数据中提取简洁、上下文特定的见解，支持无可用生物标志物或未知原发癌症患者的决策，并在持续学习场景中随时间动态更新	未明确提及具体局限性，可能包括数据来源的单一性、模型泛化能力或临床验证的不足	开发一个基于患者相似性的决策支持模型，以促进精准肿瘤学的更广泛实现	乳腺癌患者和泛癌种患者，包括无可用基因组生物标志物或未知原发癌症的患者	机器学习	癌症	肿瘤基因组分析	深度学习	基因组数据和临床数据	NA	NA	NA	NA	NA
9	2026-01-06	A deep learning framework for comprehensive segmentation of deep grey nuclei 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.16.25342423 PMID:41445621	研究论文	本文介绍了一个名为THOMASINA的深度学习框架，用于从标准T1加权和WMn MRI中全面分割深部灰质核团	结合合成WMn对比度与先进的深度学习分割模型，提供快速、可重复且可扩展的解决方案，解决了传统多图谱分割方法的预处理时间长和工具分散问题	未明确说明数据集的详细样本特征或潜在偏差，且合成WMn对比度的有效性可能依赖于特定成像条件	开发一个深度学习框架，以准确、高效地分割深部灰质核团，用于神经疾病研究和生物标志物发现	深部灰质结构，如丘脑和基底核，从标准T1加权和WMn MRI图像中	计算机视觉	神经疾病	MRI成像，包括T1加权和WMn对比	深度学习模型	医学图像（MRI）	未在摘要中明确指定具体样本数量	未指定具体框架，但可能基于PyTorch或TensorFlow等深度学习库	SwinUNETR, DiNTS, SegResNet	Dice系数	未在摘要中明确指定
10	2026-01-06	Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07341-1 PMID:41408570	综述	本文系统回顾了乳腺癌中基于MRI的预后影像特征（包括放射组学和深度学习特征）的生物学基础，并评估了现有研究的方法学质量	首次系统性地综述了乳腺癌预后影像特征的生物学关联，并整合了放射组学和深度学习方法，强调了从影像到多组学数据的生物学解释	纳入研究的方法学严谨性有限，整体偏倚风险较高，且样本量范围较大（61-2279例），可能影响结论的普适性	探索乳腺癌MRI预后影像特征的生物学基础，并评估相关研究的方法学质量	乳腺癌患者	数字病理学	乳腺癌	MRI, 基因组学, 转录组学, 多组学分析	监督机器学习, 无监督机器学习	影像数据, 基因组数据, 转录组数据, 多组学数据	16项研究，共涉及61至2279名乳腺癌患者	NA	NA	NA	NA
11	2026-01-06	Comprehensive perturbation of transcription factors in human cardiomyocytes reveals the regulatory architecture of congenital heart disease 2025-Dec-17, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.15.694070 PMID:41446109	研究论文	本研究通过系统扰动人类干细胞心肌细胞分化过程中的转录因子，揭示了先天性心脏病的调控架构	首次大规模扰动1983个转录因子，结合深度学习Transformer模型预测扰动转录因子，并构建了TF-基因调控网络以解析先天性心脏病的调控机制	研究基于体外干细胞分化模型，可能无法完全模拟体内心脏发育的复杂性；增强子扰动数量有限（981个），可能未覆盖所有调控元件	解析先天性心脏病（CHD）的基因调控架构，识别关键转录因子及其在心脏发育中的作用	人类干细胞分化的心肌细胞，以及先天性心脏病相关的转录因子和增强子	计算生物学	先天性心脏病	转录因子扰动实验，增强子扰动，RNA测序（RNA-seq）	Transformer	基因表达数据（转录组）	涉及1983个转录因子和981个增强子的扰动实验	NA	Transformer	NA	NA
12	2026-01-06	De novo design of protein competitors for small molecule immunosensing 2025-Dec-16, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.16.694474 PMID:41446193	研究论文	本文利用深度学习模型设计蛋白质竞争性结合剂，用于小分子免疫传感，实现了对地高辛的灵敏检测	采用BindCraft管道设计针对抗原结合位点的竞争性结合剂，并通过筛选选择与小分子分析物产生空间冲突的结合剂，避免了传统竞争性免疫分析中需要定制合成竞争分子的繁琐步骤	设计的结合剂结合亲和力从低到中等（42 nM - 1.1 μM），可能在某些高灵敏度应用中受限	开发一种基于深度学习设计蛋白质竞争性结合剂的方法，以简化小分子生物标志物的竞争性免疫分析	小分子生物标志物（如地高辛）的检测	机器学习	NA	竞争性免疫分析，生物发光测定	深度学习模型	NA	在细菌裂解液中直接筛选了10个结合剂，其中7个成功	NA	BindCraft管道	结合亲和力（Kd），检测灵敏度（IC50）	NA
13	2026-01-06	scCotag: Diagonal integration of single-cell multi-omics data via prior-informed co-optimal transport and regularized barycentric mapping 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693589 PMID:41446270	研究论文	本文提出了一种名为scCotag的深度学习框架，用于单细胞多组学数据的对角线整合，通过先验信息引导的共最优传输和正则化重心映射来提高细胞对齐和特征嵌入的准确性	该方法首次结合先验信息引导的共最优传输（COOT）与正则化重心映射，迭代推断细胞对齐和特征对应关系，解决了现有方法假设所有细胞可对齐且先验特征对应完全可靠的局限性	未明确说明计算资源需求或框架在超大规模数据集上的可扩展性限制	开发一种鲁棒的单细胞多组学数据对角线整合方法，以提升细胞对齐精度和生物调控机制的细粒度解析	单细胞RNA-seq和ATAC-seq数据，涉及人类大脑、骨髓和血液样本，以及阿尔茨海默病（AD）和非AD（NoAD）患者的死后脑组织数据	机器学习	阿尔茨海默病	单细胞RNA-seq, ATAC-seq	深度学习框架	单细胞多组学数据	涉及人类大脑、骨髓和血液数据集，具体样本数量未明确说明	未明确指定（如TensorFlow, PyTorch等），但基于深度学习框架	基于共最优传输（COOT）和正则化重心映射的定制架构	细胞对齐精度, 嵌入精度	NA
14	2026-01-06	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2025-Dec-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	本文开发了一种集成多模态成像的深度学习模型，用于自动化高风险儿童霍奇金淋巴瘤受累部位放疗的临床靶区勾画	首次将多时间点PET/CT图像与计划CT结合，利用SwinUNETR等深度学习架构实现临床靶区的自动分割，显著优于仅使用计划CT的模型	研究样本仅限于儿童高风险霍奇金淋巴瘤患者，模型在外部测试中的性能仍有提升空间，且临床评估样本量较小	开发自动化临床靶区分割算法，以促进受累部位放疗计划制定	288名儿童高风险霍奇金淋巴瘤患者的计划CT、基线PET/CT和中期PET/CT扫描	数字病理	霍奇金淋巴瘤	PET/CT成像	深度学习	图像	288名患者，其中230例用于模型开发，58例用于外部测试	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离	NA
15	2026-01-06	Lightweight deep learning models for EEG decoding: a review 2025-Dec-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae2717 PMID:41330041	综述	本文系统回顾了用于脑电图信号分类的轻量级深度学习模型	将现有轻量级模型方法归纳为三大策略：基于多尺度特征融合的信息整合策略、隐藏层优化策略以及基于结构优化的混合改进策略，并综合了最新进展、识别新兴趋势并展望未来研究方向	NA	回顾轻量级深度学习模型在脑电图解码中的应用，旨在为设计高效、鲁棒的脑机接口分类架构提供参考	脑电图信号	机器学习	NA	NA	深度神经网络	脑电图信号	NA	NA	NA	NA	NA
16	2026-01-06	Evaluation of magnetic resonance imaging and deep learning-based synthetic computed tomography for calcified intradural tumors - importance of domain-specific training and validation of synthetic imaging methods for clinical application 2025-Dec-11, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06731-0 PMID:41381905	研究论文	本研究评估了基于深度学习的合成CT在钙化性硬膜内肿瘤中的应用，强调了领域特异性训练和验证的重要性	首次针对钙化性硬膜内肿瘤评估了BoneMRI生成的合成CT图像的准确性，并揭示了该技术在特定病变中的局限性	样本量较小（仅5例患者），且合成CT未能可视化任何硬膜内肿瘤，表明技术适用范围有限	验证BoneMRI生成的合成CT图像在硬膜内肿瘤中的准确性，并评估其临床应用的可行性	硬膜内脊柱肿瘤患者	数字病理学	脊柱肿瘤	MRI, CT, 深度学习	深度学习算法	医学图像（MRI和CT）	5例硬膜内肿瘤患者	NA	NA	肿瘤可见性百分比, 肿瘤尺寸, Hounsfield单位, p值	NA
17	2026-01-06	[The orthodontic diagnosis] 2025-Dec-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文探讨了正畸诊断的基础、分类系统、技术发展（如人工智能）及其在临床实践中的应用与局限性	强调了人工智能和深度学习在提升正畸诊断测量与分类可靠性方面的作用，同时指出其在准确性和透明度方面的挑战	人工智能在准确性和透明度方面仍存在挑战，且无法替代临床评估，复杂病例仍需人工解释和跨学科合作	综述正畸诊断的方法、技术发展及其在临床决策中的应用	正畸诊断中的骨骼、牙齿和功能异常评估	NA	NA	人工智能，深度学习	NA	NA	NA	NA	NA	NA	NA
18	2026-01-06	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统性综述	本文系统综述了应用于肺癌患者CT扫描的2D深度学习分割网络的现状与前景	系统性地总结了2020年至2024年间2D深度学习网络在肺癌CT分割中的应用，并识别了研究中的关键概念与主要差距	综述主要基于2020年至2024年的文献，可能未涵盖更早或最新的技术发展；且纳入的124项研究可能存在发表偏倚	评估2D深度学习网络在肺癌CT图像分割中的当前应用与未来潜力，以改善诊断、治疗和患者生存	肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	基于124项符合纳入标准的研究，具体样本量未在摘要中明确给出，但提及LIDC-LIDR数据集是最常用数据集	NA	U-Net及其变体	Dice相似系数	NA
19	2026-01-06	Deep Learning for the Diagnosis and Treatment of Thyroid Cancer: A Review 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.020 PMID:40749944	综述	本文综述了深度学习在甲状腺癌诊断与治疗中的应用进展	系统总结了深度学习在甲状腺癌诊断、治疗及预后预测中的最新应用，并指出了技术、临床和伦理方面的挑战	深度学习在临床广泛采用仍面临显著的技术、临床和伦理障碍	为临床医生提供深度学习应用于甲状腺癌诊断与治疗的最新研究进展	甲状腺癌	数字病理学	甲状腺癌	深度学习	CNN, LSTM, GAN	超声图像, 病理图像	NA	NA	卷积神经网络, 长短期记忆网络, 生成对抗网络	NA	NA
20	2026-01-06	Segmentation of honeycomb cysts, traction bronchiectasis and emphysematous lung parenchyma using the deep learning method 2025-Dec, Tuberkuloz ve toraks DOI:10.5578/tt.2025041118 PMID:41486792	研究论文	本研究利用深度学习技术，在HRCT图像上对蜂窝囊肿、牵拉性支气管扩张和肺气肿区域进行分割	首次将U-Net架构应用于MinIP图像，对间质性肺病分类的关键参数（蜂窝囊肿、牵拉性支气管扩张和肺气肿）进行自动分割	研究仅包含265例患者，样本量有限；未明确说明深度学习模型的具体训练细节和超参数设置	开发基于深度学习的医学图像分割方法，辅助间质性肺病的分类诊断	265例被诊断为寻常型间质性肺炎患者的HRCT图像	数字病理学	肺病	高分辨率计算机断层扫描	深度学习	医学图像	265例患者	NA	U-Net	灵敏度, 精确度, F1分数, AUC, 准确度	NA