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	2026-06-29	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-Dec-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	研究论文	提出一种基于CNN-LSTM-Attention融合策略的深度学习框架CLAP-HMM，用于从长DNA序列中预测抗病基因	引入蛋白质功能提示作为生物学先验指导HMM模块进行结构状态建模，实现抗病基因边界的精准识别，融合CNN-LSTM-Attention提取基因表达模式	未提及具体局限性	开发从超长高度重复基因组序列中预测抗病基因的计算方法，提升抗病育种效果	抗病基因（R基因）	机器学习	植物病害	DNA测序	CNN-LSTM-Attention	DNA序列	未明确说明样本量	NA	CNN, LSTM, Attention, HMM	NA	NA
222	2026-06-29	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	research paper	提出PRISM-CRC深度学习框架，整合病理、影像、内镜和临床数据，提升结直肠癌诊断和预后预测	多模态数据融合的协同效应显著优于单模态模型，提供比传统TNM分期更精细的风险分层，具有直接临床意义	域偏移导致性能适度下降，形态模糊病例的分类错误，需要未来前瞻性试验验证临床效用	提升结直肠癌的诊断和预后预测能力	结直肠癌患者	machine learning, digital pathology, computer vision	colorectal cancer	NA	深度学习框架	图像, 文本, 临床数据	NA	NA	NA	concordance index, AUC	NA
223	2026-06-29	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	提出一种混合CNN-ViT框架CAFNet，结合交叉注意力融合和数据增强，用于鲁棒的脑肿瘤分类	提出混合CNN-ViT框架CAFNet，利用交叉注意力融合机制整合CNN局部特征与ViT全局上下文，结合数据增强显著提升分类性能	NA	开发一种鲁棒的脑肿瘤分类方法，提高从MRI扫描中多类别肿瘤分类的准确性	脑肿瘤MRI影像	计算机视觉	脑肿瘤	NA	CNN, Vision Transformer	MRI图像	多类别MRI数据集	NA	CAFNet, AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19	准确率	NA
224	2026-06-29	Feature fusion context attention gate UNet for detection of polycystic ovary syndrome 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26314-4 PMID:41309699	研究论文	提出基于特征融合上下文注意力U-Net的多囊卵巢综合征检测模型	首次将特征融合上下文模块集成到注意力U-Net中，并采用模糊对比增强成像优化数据集预处理	未提及外部数据集验证或临床实际部署中的泛化性评估	提高多囊卵巢综合征超声图像诊断的准确性和效率	多囊卵巢综合征超声图像数据集	计算机视觉	多囊卵巢综合征	NA	U-Net	图像	3800张超声图像（原始），增广后45600张图像	NA	特征融合上下文注意力U-Net	准确率	NA
225	2026-06-29	CT-based intratumoral heterogeneity quantification fusing deep learning radiomics for predicting lymph node metastasis in early-stage lung adenocarcinoma: a multicenter study 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26331-3 PMID:41298638	研究论文	基于CT的瘤内异质性量化融合深度学习影像组学预测早期肺腺癌淋巴结转移的多中心研究	首次提出基于CT瘤内异质性（ITHscore）的新型成像生物标志物，并将其与深度学习特征和Radscore融合构建预测模型，且通过多中心数据验证，揭示了相关信号通路	未在外部独立验证队列中进一步测试，且可能受限于样本量和回顾性设计	预测早期肺腺癌的淋巴结转移，推动非侵入性个体化治疗	早期肺腺癌患者的CT图像和淋巴结转移状态	计算机视觉, 数字病理学	肺癌	CT成像, 深度学习影像组学, 无监督聚类	CNN	图像	787例早期肺腺癌患者（来自三个中心）	PyTorch	NA	AUC	NA
226	2026-06-29	Predictive modeling of motor symptom severity and stage classification in Parkinson's disease using machine learning methods with selected multiple serological biomarkers 2025-Nov-25, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04504-x PMID:41291525	研究论文	利用机器学习方法基于多种血清学生物标志物预测帕金森病运动症状严重程度和分期分类	首次系统评估炎症标志物（如NLR、LMR）在机器学习模型中预测帕金森病严重程度的关键作用，并构建了自适应特征选择和学习率调整的深度神经网络，显著提升了分类和回归任务性能	研究基于单一数据库，样本特征选择依赖XGBoost重要性排序，可能忽略其他潜在重要标志物；模型未在独立外部数据集中验证泛化性	开发基于血清学生物标志物的客观、非侵入性帕金森病严重程度评估和分期分类工具	帕金森病患者	机器学习	帕金森病	血清学检测	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络	血清学生物标志物数据	2614名个体	未明确说明	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络（含自适应特征选择和学习率调整）	准确率, 加权F1分数	未明确说明
227	2026-06-29	Mycobacterium tuberculosis FAS-II pathway targeted integrative deep learning based identification of potential anti-tubercular agents 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00695-0 PMID:41186754	研究论文	整合深度学习方法识别潜在抗结核药物，靶向结核分枝杆菌FAS-II途径	首次采用综合方法，包括位点特异性数据集整理、多种机器学习模型探索、超参数优化的人工神经网络虚拟筛选、分子对接及体外验证，针对FAS-II途径中的多个关键酶（KasA、KasB、FabH）进行多靶点药物发现	未提及具体局限性	识别靶向结核分枝杆菌FAS-II途径的潜在抗结核药物	结核分枝杆菌FAS-II途径中的关键合成酶（KasA、KasB、FabH）	机器学习	结核病	分子对接、分子动力学模拟、体外生物学评价	人工神经网络	化合物库数据	NA	NA	人工神经网络（ANN）	抑制活性（相对于阳性对照的百分比）	NA
228	2026-06-29	Design, synthesis, deep learning-guided prediction, and biological evaluation of novel pyridine-thiophene-based imine-benzalacetophenone hybrids as promising antimicrobial agent 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00687-0 PMID:41186782	研究论文	设计、合成并通过深度学习预测新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物作为抗菌剂	首次将吡啶和噻吩骨架结合到亚胺-苯甲酰乙酰苯杂化物中，并利用深度学习QSAR模型辅助预测其抗菌活性	数据集规模有限可能影响模型泛化性	开发针对多重耐药病原体的新型抗菌剂并验证其药理学特性	新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物（7c和7j）及其抗菌、抗结核活性	机器学习	多重耐药菌感染	NA	全连接前馈神经网络	分子描述符（MolWt、LogP、TPSA等）	10种杂化物（7a-7j）	NA	全连接前馈神经网络	pMIC值	NA
229	2026-06-29	Deep learning-guided rational engineering of synergistic PD-1 and LAG-3 blockade for enhanced tumor immunomodulation 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00702-4 PMID:41186834	研究论文	利用深度学习工程化靶向PD-1和LAG-3的单克隆抗体以增强肿瘤免疫调节	首次利用消息传递图神经网络进行反向建模，设计针对PD-1和LAG-3免疫检查点的单克隆抗体，并通过整合物理化学准确性、进化可行性、经验验证、几何互补性和机器学习指导的突变预测来优化抗体结合亲和力	基于计算模拟的预测仍需要进一步的实验验证和临床转化，且只针对PD-1和LAG-3两个靶点	开发可扩展的计算框架设计免疫检查点抑制剂，以改善联合免疫治疗中的抗体结合能力和治疗潜力	PD-1和LAG-3免疫检查点及相应的单克隆抗体	机器学习	肿瘤	分子动力学模拟	消息传递图神经网络	蛋白质结构数据	NA	NA	消息传递图神经网络	结合亲和力、热稳定性、免疫原性	NA
230	2026-06-29	Deep infant brain segmentation from multi-contrast MRI 2025-Oct, Conference record. Asilomar Conference on Signals, Systems & Computers DOI:10.1109/ieeeconf67917.2025.11443909 PMID:41953470	研究论文	提出BabySeg框架，用于婴儿多对比度MRI的脑部分割，支持多种MRI协议和输入配置	引入域随机化技术合成超出实际范围的训练图像以提升数据集偏移不变性；设计灵活的特征池化和交互机制，支持任意数量的输入扫描	NA	解决婴儿脑部MRI分割方法碎片化问题，开发鲁棒、通用的深度学习分割框架	婴儿和幼儿的多对比度脑部MRI图像	数字病理学	NA	MRI（磁共振成像）	深度学习分割模型	图像（多对比度MRI）	NA	NA	BabySeg	NA	NA
231	2026-06-29	DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks 2025-02, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2291829 PMID:38084744	研究论文	提出DeepCompoundNet，一种利用多模态卷积神经网络整合分子信息和相互作用网络来预测化合物-蛋白质相互作用的深度学习模型	首次将分子信息（氨基酸序列、化学结构）与多种相互作用网络数据（蛋白质-蛋白质相互作用、药物-疾病相互作用、蛋白质-疾病相互作用）有效整合，提高了预测性能	未明确提及局限性，但可能涉及计算资源需求大或对新型相互作用预测的泛化能力有待进一步验证	提出一种新的深度学习模型，通过整合分子信息和多种相互作用数据来提高化合物-蛋白质相互作用预测的准确性	化合物-蛋白质相互作用对，包括蛋白质、药物以及相关的相互作用网络数据	机器学习	NA	NA	卷积神经网络	文本和网络数据	NA	NA	多模态卷积神经网络	性能评估指标	NA
232	2026-06-29	Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design 2025, Brain, behavior and evolution DOI:10.1159/000543081 PMID:39681106	研究论文	利用深度学习姿态估计和聚类分析，研究自由游动成年斑马鱼行为中刻板姿势的存在及其对运动控制的意义	采用无标记跟踪(DeepLabCut)结合无监督多变量时间序列分析(B-SOiD)发现鱼类仅通过三个前后轴水平弯曲即可完成游动，为陆生脊椎动物颈部与四肢演化提供新视角	样本量有限(12条个体)，聚类结果依赖帧序列长度(14000帧)，且未验证姿势簇的神经控制机制	探究自由游动斑马鱼是否存在刻板姿势及其对运动控制最小化主动(神经)控制的假设	12条成年斑马鱼(Danio rerio)的自由游动行为	计算机视觉, 机器学习	NA	基于深度学习的无标记运动跟踪(DeepLabCut)	深度神经网络(DeepLabCut中的姿态估计模型)	视频	12条成年斑马鱼，每条约14000帧视频数据	DeepLabCut, B-SOiD	DeepLabCut (基于ResNet的深度姿态估计网络)	聚类轮廓系数(最佳聚类数36-50个体 vs 86总体)	GPU (文中未明确型号)
233	2026-06-26	Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma 2025-12-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02045-w PMID:41430161	research paper	基于MRI的深度学习模型预测P53突变肝细胞癌	首次构建基于EfficientNetV2的多序列MRI深度学习模型用于预测P53突变的肝细胞癌，发现多相组合模型（T2WI+AP+VP）显著优于单序列模型	单中心回顾性研究，样本量有限（312例），缺乏外部验证数据集	开发基于MRI的深度学习模型预测P53突变肝细胞癌	312例经病理证实的肝细胞癌患者	digital pathology, machine learning	hepatocellular carcinoma	MRI	EfficientNetV2	image	312例肝细胞癌患者（训练集249例，测试集63例）	NA	EfficientNetV2	AUC, accuracy, sensitivity, specificity, precision, F1 score	NA
234	2026-06-26	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-12-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	基于深度学习的海马自动分割方法及其在轻度认知障碍MRI生物标志物识别中的应用	结合深度学习自动海马分割与放射组学特征提取，并集成XGBoost框架构建诊断模型，发现glszm_ZoneVariance特征具有最高预测权重	样本量较小（150例），可能影响模型泛化能力	开发基于深度学习的海马自动分割模型，结合放射组学特征和机器学习分类器，识别轻度认知障碍的MRI生物标志物	海马结构及其放射组学特征	深度学习, 医学影像分析	轻度认知障碍	MRI (3D T1WI), 放射组学	卷积神经网络 (CNN), 逻辑回归 (LR), 支持向量机 (SVM), 随机森林 (RF), XGBoost	脑部MRI图像	150名受试者，按7:3随机分为训练集和验证集	NA	CNN海马分割网络，LR, SVM, RF, XGBoost	AUC, 95%置信区间	NA
235	2026-06-26	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-11-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	探索多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的性能，并比较机器学习与深度学习模型的差异	结合DCE-MRI的多模态放射组学模型并通过SHAP值增强模型可解释性，在预测鼻咽癌新辅助化疗反应中展现出优越性能	未明确提及，可能包括样本量有限或回顾性研究设计	评估多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的价值，并比较机器学习和深度学习模型的性能差异	鼻咽癌（NPC）患者的新辅助化疗（NAC）反应	医学影像分析，机器学习	鼻咽癌	多模态MRI放射组学（T1WI, PDWI, CE-T1WI, DCE-MRI），特征选择（MIC, LASSO），机器学习，深度学习	多层感知机（MLP），逻辑回归，支持向量机，随机森林，极限梯度提升（XGBoost）	MRI影像数据（包括DCE-MRI）	370名鼻咽癌患者，其中126名接受DCE-MRI	NA	多层感知机，逻辑回归，支持向量机，随机森林，极限梯度提升	AUC，灵敏度，特异性，SHAP值	NA
236	2026-06-26	Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography 2025-11-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02082-5 PMID:41286703	研究论文	评估使用深度学习重建的超低剂量脑部计算机断层扫描在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与常规剂量计算机断层扫描进行比较	首次系统比较深度学习重建与迭代重建在超低剂量计算机断层扫描中检测颅内出血的性能，并证明其在保持诊断效果的同时大幅降低辐射剂量	样本量较小（93名患者），且为单中心回顾性研究，可能影响结果泛化性	评估超低剂量计算机断层扫描结合深度学习重建对颅内出血的诊断价值及图像质量	93名颅内出血患者（中位年龄67岁，其中61名男性）	计算机视觉	颅内出血	深度学习重建	深度学习网络	图像	93名患者	NA	深度学习重建模型	敏感性、特异性、信噪比、对比噪声比	NA
237	2026-06-26	Development and validation of an artificial intelligence-based model for cardiovascular disease prediction using longitudinal data 2025-11-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03280-5 PMID:41275275	研究论文	利用机器学习模型（特别是GRU和LSTM）从纵向随访数据预测心血管疾病10年发病风险，并在伊朗人群中验证模型效能	首次在伊朗人群中使用GRU深度学习模型处理纵向时序数据预测CVD，并以较少的临床变量（21个）达到与包含数百变量的大规模研究相当的预测性能	样本仅来自单个伊朗人群（TLGS队列），可能限制模型泛化性；模型性能AUC约0.74，仍有提升空间	评估深度学习和混合效应逻辑模型利用纵向数据预测10年CVD发病的效果，并识别关键预测因子	伊朗德黑兰脂质与葡萄糖研究（TLGS）中4872名30岁以上无心血管病史的成年人（1942名男性，2930名女性）	机器学习	心血管疾病	NA	LSTM, GRU	纵向临床数据（人口学、行为、生化指标）	4872名成人（男性1942，女性2930），其中545人（11.2%）发生CVD事件	NA	GRU, LSTM	AUC	NA
238	2026-06-26	Impact of contrast enhancement boost and super-resolution deep learning reconstruction on pediatric congenital heart disease CTA scans: ultra-low contrast dose 2025-11-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02015-2 PMID:41254528	研究论文	评估对比增强提升与超分辨率深度学习重建结合使用在儿童先天性心脏病CTA扫描中降低对比剂用量的可行性	首次将对比增强提升与超分辨率深度学习重建联合应用于儿童先天性心脏病CT成像，实现对比剂用量大幅降低（62.3%）同时保证图像质量	研究未提及具体算法框架及模型架构，且样本量较小（n=36），可能存在选择偏倚	探索减少儿童先天性心脏病患者CT血管成像中对比剂用量的新方案	72例儿童先天性心脏病患者，分为低对比剂剂量组和标准扫描组	数字病理学	先天性心脏病	CT血管成像	超分辨率深度学习重建网络	CT图像	72例儿童患者（低剂量组36例，标准组36例）	NA	NA	CT值、信噪比、对比噪声比、主观评分、诊断准确性	NA
239	2026-06-26	Automated segmentation of esophageal squamous cell carcinoma in contrast-enhanced free-breathing 3D-GRE: a comparative study of UNet, nnUNet, and UMamba for tumor delineation 2025-11-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02011-6 PMID:41219837	研究论文	对比三种深度学习模型（UNet、nnUNet、UMamba）在增强自由呼吸3D-GRE MRI上自动分割食管鳞状细胞癌的性能	首次在1mm各向同性分辨率的对比增强自由呼吸3D-GRE MRI上系统比较UNet、nnUNet和UMamba三种模型用于食管鳞状细胞癌分割，并展示了UMamba在边界描绘和分割精度上的优势	数据来源于单一机构，样本量相对较小（192例），且为回顾性研究；手动标注排除了钙化和出血区域，可能影响模型泛化性	评估深度学习模型在食管鳞状细胞癌自动分割中的性能，以减轻手动分割的负担并提高临床效率	食管鳞状细胞癌肿瘤区域	计算机视觉	食管癌	MRI成像（对比增强自由呼吸3D-GRE）	UNet、nnUNet、UMamba	医学图像（3D MRI）	192例患者，171例用于训练，21例用于验证	NA	UNet, nnUNet-2D/3D, UMamba	Dice相似系数（DSC）、豪斯多夫距离（HD）、平均表面距离（MSD）	NA
240	2026-06-26	Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis 2025-11-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03227-w PMID:41219882	meta分析	系统评估人工智能在基于影像的颈动脉易损斑块检测中的诊断性能	首次全面荟萃分析人工智能算法在区分不稳定与稳定颈动脉斑块中的诊断准确性，并基于样本量、人工智能算法类型、分割方法和发表年份进行亚组分析	仅一项研究报告了外部验证，限制了结果泛化性；研究间异质性高（I² > 90%）；存在发表偏倚	评估人工智能算法通过医学影像区分不稳定与稳定颈动脉斑块的诊断性能	颈动脉不稳定斑块（易损斑块）	机器视觉	颈动脉粥样硬化	医学影像	人工智能算法（机器学习或深度学习）	影像	31项研究，其中14项纳入meta分析	NA	NA	敏感度，特异度，曲线下面积	NA