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
181	2026-04-01	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-Sep-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	本研究提出了一种名为PROGPATH的统一弱监督深度学习模型，用于整合组织病理学图像特征和常规临床变量，以实现泛癌预后预测	开发了首个能够整合组织病理学图像与常规临床变量进行泛癌预后预测的统一模型；采用基于基础模型的图像编码、注意力引导的多实例学习模块以及交叉注意力变换器进行特征融合；引入了基于路由器的分类策略以提升预测性能；在涵盖多大陆、多机构的广泛外部队列中进行了大规模验证	未明确提及模型的计算效率或实时预测能力；依赖的临床变量范围可能因医疗机构而异；未讨论模型在不同种族或人群亚组中的表现差异	开发一个能够整合多模态数据（图像与临床变量）的泛癌预后预测模型，以指导癌症治疗并改善患者结局	癌症患者的组织病理学全切片图像（WSI）及常规临床变量	数字病理学	泛癌（涵盖15种癌症类型）	组织病理学成像	弱监督深度学习	图像（全切片图像），临床变量（结构化数据）	训练集：6,670名患者的7,999张WSI（涵盖15种癌症类型）；验证集：4,441名患者的7,374张WSI（涵盖12种癌症类型，来自8个联盟/机构）	未明确指定（提及基于基础模型的架构）	注意力引导的多实例学习模块，交叉注意力变换器	未明确指定具体指标（提及优于现有最先进的多模态预后预测模型）	NA
182	2026-04-01	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-Sep, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习模型，基于未分割的3D OCT体积数据，成功区分了视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	首次使用完整的3D OCT体积数据，通过深度学习模型同时区分视乳头水肿、NAION和健康眼睛，并比较了不同区域（整个扫描、视乳头周围视网膜、视神经乳头）的诊断性能	研究为回顾性分析，可能存在选择偏倚；外部验证集规模相对较小	开发一种基于深度学习的自动化诊断工具，用于区分视神经乳头肿胀的不同病因	视神经乳头和视乳头周围视网膜的OCT扫描图像	计算机视觉	眼科疾病	光学相干断层扫描	CNN	3D图像	4619个原始光谱域视神经乳头体积扫描（来自1539只眼睛），外部验证集包含1663个扫描（来自742只眼睛）	PyTorch	ResNet 3D-18	准确率, AUC-ROC, 加权精确率, 加权召回率, 加权F1分数	NA
183	2026-04-01	Application of deep learning for detecting implants in computed tomography scout images with multi-institution and multi-vendor for personal identification 2025-09, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101315 PMID:40930679	研究论文	本研究提出基于深度学习的方法，用于在计算机断层扫描（CT）定位像中自动检测金属植入物，以辅助法医身份识别	首次在CT定位像中应用深度学习进行植入物检测，并使用了多机构、多厂商的数据集以确保模型在不同成像条件下的泛化能力	研究仅关注金属植入物，未涵盖其他类型的医疗植入物；模型性能可能受限于训练数据的多样性和数量	开发一种自动检测CT定位像中金属植入物的方法，以辅助法医调查中的身份识别	计算机断层扫描（CT）定位像中的金属植入物	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	多机构、多厂商的CT定位像数据集	NA	RetinaNet, Faster R-CNN	假阳性率, 分类一致性	NA
184	2026-04-01	Progress and new challenges in image-based profiling 2025-Aug-07, ArXiv PMID:40799808	综述	本文回顾了基于图像的细胞表型分析（图像分析）的计算方法演变，概述了当前流程、局限性及未来发展方向	系统总结了深度学习如何重塑图像分析，包括特征提取、可扩展性和多模态数据整合的改进，并强调了单细胞分析和批次效应校正等受单细胞转录组学启发的方法学进展	本文侧重于技术演进而未深入探讨广泛的生物学应用，且该领域仍面临需要创新解决方案的重大挑战	为研究人员提供导航这一快速发展领域进展与新挑战的路线图	基于图像的细胞表型分析（图像分析）的计算方法	计算机视觉	NA	显微镜成像，高通量图像分析	深度学习模型	显微镜图像	NA	NA	NA	NA	NA
185	2026-04-01	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2025-Aug-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.31.668042 PMID:40766544	研究论文	本文探讨了使用极少参数和数据的概率模型（如随机上下文无关文法）通过深度学习技术重新发现RNA碱基配对规则的可能性	展示了无需二级结构标签、序列比对或大量参数，仅通过少量RNA序列和自动微分框架就能学习到RNA碱基配对规则	模型仅基于21个参数，可能无法捕捉更复杂的RNA结构或非规范相互作用	研究RNA碱基配对规则的最小学习需求，探索序列级信号在RNA功能区分中的应用	RNA序列，包括结构RNA、信使RNA和打乱序列	自然语言处理	NA	随机上下文无关文法（SCFG），自动微分，随机梯度下降	概率模型，深度学习	序列（RNA序列）	少至50个RNA序列	自动微分框架（未指定具体名称）	随机上下文无关文法（SCFG）	NA	NA
186	2026-04-01	Head-to-Head Comparison between MRI and CT in the Evaluation of Volume and Quality of Epicardial Adipose Tissue 2025-08, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240531 PMID:40810643	研究论文	本研究系统比较了MRI和CT在评估心外膜脂肪组织体积和质量方面的测量结果	首次使用MRI的Dixon脂肪-水分离技术和CT的深度学习分割技术，对心外膜脂肪组织的体积和质量进行头对头比较	样本量较小（92名参与者），且仅基于瑞典心肺生物影像研究的一个子集，可能限制结果的普适性	评估MRI和CT在测量心外膜脂肪组织体积和质量方面的相关性和一致性	心外膜脂肪组织	医学影像分析	心血管疾病	Dixon脂肪-水分离MRI, CT	深度学习	MRI图像, CT图像	92名参与者（平均年龄59岁，60名男性）	NA	NA	Pearson相关系数, 组内相关系数	NA
187	2026-04-01	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-07, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探索了Shoe-MS算法在法医鞋印分析中的应用，该算法基于深度学习框架，用于评估成对图像的相似性得分	提出并应用Shoe-MS算法于法医鞋印分析，特别针对退化图像进行分类和源识别，实现了高精度相似性评分	算法无法完全替代法医检验员，且主要针对图像质量不高的犯罪现场证据	提升法医鞋印分析的定量评估能力，支持检验员进行概率性、可重复的判断	法医鞋印图像，包括犯罪现场采集的退化图像	计算机视觉	NA	深度学习	深度学习框架	图像	两个不同的数据库	NA	Shoe-MS	相似性得分	NA
188	2026-04-01	Cell-Type Annotation for scATAC-Seq Data by Integrating Chromatin Accessibility and Genome Sequence 2025-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom15070938 PMID:40723810	研究论文	提出了一种名为scAttG的深度学习框架，通过整合图注意力网络和卷积神经网络，利用scATAC-seq数据的染色质可及性和基因组序列特征进行细胞类型注释	整合图注意力网络和卷积神经网络，同时捕获染色质可及性信号和基因组序列特征，克服了现有跨组学和组内方法在数据对齐和批次效应方面的限制	未明确说明模型在特定生物环境或复杂细胞类型中的泛化能力，可能受限于scATAC-seq数据的质量和覆盖度	提高单细胞ATAC-seq数据的细胞类型注释准确性和鲁棒性	scATAC-seq数据中的细胞类型	机器学习	NA	scATAC-seq	GAT, CNN	染色质可及性数据，基因组序列数据	多个scATAC-seq数据集（具体数量未明确说明）	NA	图注意力网络，卷积神经网络	NA	NA
189	2026-04-01	Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656555 PMID:40501536	研究论文	本文介绍了一种能够自动执行多种裂解技术的质谱仪，并开发了一个统一的深度学习模型来预测碎片离子强度，从而显著提升了蛋白质组覆盖度	开发了首个能够覆盖CID、UVPD、EID和ECD等多种裂解技术的单一深度学习模型，并将其集成到标准LC-MS工作流程中	未明确说明模型在更广泛数据集或不同实验条件下的泛化能力	通过整合替代裂解技术和深度学习模型，增强标准LC-MS工作流程中的蛋白质组覆盖度	质谱仪生成的碎片离子数据，用于蛋白质鉴定	机器学习	NA	CID、UVPD、EID、ECD、LC-MS、多酶深度蛋白质组学实验	深度学习模型	质谱数据	通过多酶深度蛋白质组学实验生成的大规模数据集	Prosit	NA	蛋白质鉴定增加百分比	NA
190	2026-04-01	Performance of a Chest Radiograph-based Deep Learning Model for Detecting Hepatic Steatosis 2025-06, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240402 PMID:40539916	研究论文	本研究开发并评估了一个基于胸片的深度学习模型，用于检测肝脂肪变性	利用常规胸片而非专门的肝脏影像进行肝脂肪变性的深度学习检测，提供了一种便捷、低成本的筛查方法	研究为回顾性设计，可能存在选择偏倚；模型性能仍有提升空间，特别是在内部测试集上的灵敏度	开发一个基于胸片的深度学习模型，用于检测肝脂肪变性	接受过受控衰减参数检查的患者的胸片	计算机视觉	肝脂肪变性	受控衰减参数	深度学习模型	图像	共6599张胸片，来自4414名患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
191	2026-04-01	Cellular and subcellular specialization enables biology-constrained deep learning 2025-May-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.22.655599 PMID:40501912	研究论文	本文提出了一种基于生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室的特化机制，探索大脑多层神经网络中的学习协调机制	首次将兴奋性/抑制性神经元分型和树突-胞体区室化信号传导等生物学约束整合到多层人工神经网络中，并开发了完全生物学兼容的深度学习算法	模型仍基于简化生物学假设，尚未完全模拟真实神经系统的复杂性；实验验证仍需进一步开展	探索大脑如何在多层神经回路中协调学习过程，并建立生物学约束下的深度学习理论框架	人工神经网络中模拟的神经元细胞类型（兴奋性/抑制性）及其树突区室	机器学习	NA	深度学习算法	ANN	图像	NA	NA	具有循环连接的多层人工神经网络	图像分类准确率	NA
192	2026-04-01	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	研究论文	本文开发了一种基于深度学习的自动化工具SMAART-AI，用于从CT图像中可靠评估骨骼肌面积，并结合临床数据预测癌症恶病质	开发了端到端自动化管道SMAART-AI，集成了基于不确定性的错误标记机制，并首次将骨骼肌面积、骨骼肌指数、BMI和临床数据结合训练MLP模型预测恶病质	研究主要基于胃食管癌数据集，需要在更多癌症类型和更大样本中验证通用性	开发可靠、自动化的骨骼肌面积评估工具，用于癌症恶病质的早期诊断和监测	癌症患者（特别是胃食管癌患者）的CT图像和临床数据	数字病理学	癌症恶病质	计算机断层扫描（CT）	深度学习模型, 多层感知机	医学图像（CT扫描）	四个数据集（具体数量未明确说明），使用5折交叉验证	nnU-Net	nnU-Net 2D, 多层感知机（MLP）	Dice系数, 中位绝对误差, 精确度, 方差, 熵, 变异系数	NA
193	2026-04-01	Free-breathing, Highly Accelerated, Single-beat, Multisection Cardiac Cine MRI with Generative Artificial Intelligence 2025-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240272 PMID:40178397	研究论文	本研究开发并评估了一种用于心脏MRI的自由呼吸、高度加速、多切面、单次心跳的电影序列	提出了一种结合生成对抗网络（REGAIN）进行图像重建的自由呼吸单次心跳心脏电影MRI序列，实现了14.8倍的加速	研究样本量相对有限（136名参与者），且未明确说明模型在不同心脏疾病亚组中的泛化性能	开发一种快速、无需屏气的心脏MRI成像技术，以提高扫描效率和患者舒适度	健康参与者及患有各种心脏疾病的患者	医学影像	心血管疾病	心脏MRI, 生成对抗网络	GAN	MRI图像	136名参与者（40名健康，96名患有心脏疾病）	NA	REGAIN（分辨率增强生成对抗网络）	线性回归, Bland-Altman分析, Pearson相关系数, 组内相关系数（ICC）	3-T MRI系统
194	2026-04-01	Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI 2025-Mar-25, ArXiv PMID:40196141	研究论文	本文建立了一种基于磁敏感对比的MRI新方法，用于非侵入性成像脑内体素内血管尺寸分布，以实现对血管重塑的更全面和定量评估	提出了一种利用深度学习模型从GESFIDE MRI信号预测脑血容量和血管尺寸分布的新方法，实现了对血管重塑的定量成像	需要进一步的验证才能转化为临床前和临床工具	开发一种非侵入性成像方法，以更全面和定量地评估血管重塑	啮齿动物脑血管网络	医学影像分析	癌症、神经退行性疾病、纤维化、高血压、糖尿病	磁敏感对比增强MRI、高分辨率光片荧光显微镜	深度学习模型	MRI信号、显微镜图像	NA	NA	NA	相关系数(r)、Bhattacharya系数	NA
195	2026-03-31	Integrative deep learning of spatial multi-omics with SWITCH 2025-11, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00891-w PMID:41162770	研究论文	本文介绍了一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测	提出了循环映射机制，无需额外配对数据即可实现可靠的跨模态翻译，并利用这些翻译作为伪配对提供补充信号	未明确提及具体局限性	开发计算方法来整合未配对的空间多组学数据，并在单模态数据上进行跨模态预测	空间多组学数据	机器学习	NA	空间组学技术	深度生成模型	空间多组学数据	NA	NA	NA	整合准确性、空间域划分精度	NA
196	2026-03-31	Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration 2025-Oct-31, Ortopedia, traumatologia, rehabilitacja DOI:10.5604/01.3001.0055.6647 PMID:41904999	综述	本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化	整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式	存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训	探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复	干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化	再生医学	骨关节疾病	NA	深度学习模型	NA	NA	NA	NA	NA	NA
197	2026-03-31	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究了基于神经同步机制（特别是结合复值表示与Kuramoto动力学）如何增强深度学习模型在复杂视觉分类任务中的多物体编码能力	首次将神经科学中的同步机制（Kuramoto动力学）与复值表示结合，用于解决深度学习中的物体绑定问题，并设计了前馈和循环两种架构验证其有效性	未明确说明模型的计算复杂度、训练时间成本以及在更大规模数据集（如ImageNet）上的泛化能力	探索神经同步机制是否能增强人工模型在视觉分类任务中的多物体编码能力	多物体图像（如重叠手写数字、含噪声输入、分布外变换图像）	计算机视觉	NA	NA	前馈神经网络, 循环神经网络	图像	NA	NA	基于Kuramoto同步机制的复值神经网络架构	NA	NA
198	2026-03-31	Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses 2025-08-04, Biomolecules IF:4.8Q1 DOI:10.3390/biom15081121 PMID:40867566	研究论文	本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现	首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力	研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验	探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力	白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺	生物信息学	NA	LC-MS/MS蛋白质组学，转录组学分析	深度学习，机器学习	蛋白质组数据，转录组数据	三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段	NA	NA	NA	NA
199	2026-03-31	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质，通过微调AlphaFold2来克服现有方法对理想化几何形状的系统性偏差	通过物理基础设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并微调AlphaFold2模型以更好地捕捉自然蛋白质的几何多样性，从而提高了对未见折叠家族的泛化能力	当前深度学习结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所基于的物理原理，如原子堆积和氢键相互作用	改进深度学习模型以更准确地预测具有非理想几何形状的从头设计蛋白质，从而更好地反映自然蛋白质的多样性	从头设计的蛋白质，特别是那些具有多样几何形状的蛋白质	机器学习	NA	物理基础设计方法，深度学习结构预测	深度学习模型，具体为微调的AlphaFold2	蛋白质结构数据	5,996个稳定、从头设计的蛋白质，以及数千个来自5个未见折叠家族的几何形状多样的从头设计蛋白质	NA	AlphaFold2	NA	NA
200	2026-03-31	Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment 2025-04-16, Biomolecules IF:4.8Q1 DOI:10.3390/biom15040589 PMID:40305346	综述	本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力	探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测	临床验证和实施挑战仍然存在	优化黑色素瘤的免疫检查点抑制剂治疗	黑色素瘤患者	机器学习	黑色素瘤	RNAseq分析，CT成像，电子健康记录数据分析	机器学习，深度学习	文本，图像，实验室数据	NA	NA	NA	准确度	NA