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
301	2026-09-20	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	研究论文	本文提出了一种基于U-Net的多尺度深度学习框架Kpi-Net，用于精确量化乳腺癌病理图像中的Ki67增殖指数	开发了残差扩张多尺度模块（RDMS Module）结合Transformer Block以捕获局部和全局信息，引入了HS-CBAM-FPN和SFF-CBAM机制进行多级特征融合，并应用分水岭算法细化细胞簇分割	摘要中未明确提及研究的局限性	精确量化乳腺癌病理图像中的Ki67增殖指数，以辅助乳腺癌诊断和治疗决策	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN, Transformer	图像	NA	NA	U-Net, Transformer	F1分数, 均方根误差（RMSE）	NA
302	2026-09-20	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	本文提出了一种集成了微流控、深度学习和移动健康技术的智能手机比色传感平台，用于定量检测肝脏生物标志物。	结合了SLA 3D打印微流控流动池、智能手机成像和CNN回归分析，实现了便携式、低试剂消耗的肝脏生物标志物定量检测，并通过两点手机适配框架确保跨设备稳健性。	未明确提及	开发一种准确、分散式的肝脏生物标志物检测平台，用于资源有限环境下肝功能障碍的早期诊断和监测。	肝脏生物标志物，包括直接胆红素、总胆红素、丙氨酸氨基转移酶（ALT）和天冬氨酸氨基转移酶（AST）。	数字病理学	肝脏疾病	微流控、比色传感、深度学习	CNN	图像	未明确提及	未明确提及	卷积神经网络（CNN）	决定系数（R）、变异系数（CV）、检测限（LOD）	未明确提及
303	2026-09-20	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0042 PMID:40518300	研究论文	该研究评估了使用深度学习重建与超分辨率技术的薄层单次激发T2加权MR成像在胰腺囊性病变评估中的效用	将深度学习重建与超分辨率技术应用于薄层单次激发T2加权成像，实现了2mm层厚图像质量优于5mm层厚图像，且不降低信噪比和对比噪声比	样本量较小，仅纳入30例患者，且为单中心回顾性研究	评估深度学习重建与超分辨率技术对薄层单次激发T2加权成像图像质量的影响，并探讨其作为胰腺囊性病变评估方案的可行性	胰腺囊性病变患者	医学影像分析	胰腺囊性病变	磁共振成像	深度学习重建模型	医学图像	30例患者	NA	NA	信噪比, 对比噪声比, 图像质量评分, 诊断置信度	NA
304	2026-09-20	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	该研究使用AlphaFold2多聚体预测秀丽隐杆线虫的蛋白质-蛋白质相互作用，并分析内在无序区域在相互作用中的作用	结合物理和功能数据集进行预测，发现功能关联对高置信度预测的贡献，并强调内在无序区域在预测相互作用中的重要性	未明确提及	预测和理解秀丽隐杆线虫中蛋白质-蛋白质相互作用的分子细节	秀丽隐杆线虫的蛋白质	计算生物学	NA	深度学习	AlphaFold2	蛋白质序列和结构数据	NA	NA	AlphaFold2多聚体	NA	NA
305	2026-09-20	Unveiling Quality of Life Factors for the Elderly: A Public Health Nursing Approach Enhanced by Advanced ML and DL Techniques 2025 Nov-Dec, Public health nursing (Boston, Mass.) DOI:10.1111/phn.70003 PMID:40619584	研究论文	本研究利用机器学习和深度学习技术构建预测模型，识别影响社区老年人生活质量的关键因素，以辅助公共卫生护理实践。	将AdaBoost等集成学习模型与SMOTE数据平衡方法相结合，应用于老年人生活质量的预测与影响因素分析，并融合公共卫生护理视角。	样本量仅为500且采用系统抽样，样本代表性有限；未明确说明模型的外部验证情况。	开发基于人工智能的预测模型，识别影响老年人生活质量的关键因素，以支持社区健康护士提供个性化护理和预防措施。	社区老年人群	机器学习	老年疾病	NA	机器学习，深度学习，集成学习	结构化表格数据	500名老年参与者	NA	AdaBoost，SMOTE	准确率，召回率，特异性	NA
306	2026-09-20	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出使用深度学习同时减少脑部MRI中的运动伪影和噪声，通过模拟数据训练模型，并在健康志愿者图像上验证效果	针对T1W、T2W和FLAIR序列分别构建训练模型，不依赖于成像方向和伪影方向，并通过模拟生成大量训练数据	样本量较小，仅使用20名健康志愿者的数据，且主要基于模拟图像进行训练和评估	利用深度学习减少脑部MRI中的运动伪影和噪声，以提高临床实用性	20名健康志愿者的脑部MRI图像（包括矢状位、冠状位和轴位）	计算机视觉	NA	磁共振成像	CNN	图像	20名健康志愿者，模拟图像n=115200，训练集36000对，验证集200对，测试集200对和2000对	NA	NA	SSIM, PSNR, 视觉评估	NA
307	2026-09-20	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究旨在利用基于深度学习重建的高度加速高分辨率双反转恢复（DIR）磁共振成像技术，提高多发性硬化（MS）近皮层病灶的检测和评估	首次将基于深度学习重建技术（DL-Speed, DLS）应用于高分辨率双反转恢复（DIR）成像，实现5分钟内全脑高分辨率成像，并显著提高了近皮层MS病灶的检测率	回顾性研究，样本量较小（25例患者），仅由两名神经放射科医生评估，未与其他先进重建技术进行头对头比较	比较深度学习重建的高分辨率DIR（DLS-DIR）与传统DIR（C-DIR）在检测多发性硬化近皮层病灶中的诊断性能	25例多发性硬化患者	医学影像分析	多发性硬化	磁共振成像（MRI），双反转恢复（DIR），深度学习重建	深度学习重建模型	MRI图像	25例MS患者的MRI数据	NA	NA	病灶计数，Wilcoxon符号秩检验	NA
308	2026-09-20	A deep learning framework for understanding cochlear implants 2025-Oct-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665227 PMID:40777303	研究论文	该文章提出了一个深度学习框架，通过使用任务优化的解码器处理模拟的假体输入来估计最佳情况结果，并应用于人工耳蜗，以评估当前设备的性能限制	提出了一种新的深度学习框架来评估感官假体，并通过模拟听觉神经输入训练人工神经网络来识别和定位声音，以估计最佳情况结果	研究基于模拟输入，可能无法完全反映真实生理条件；结果可能受模拟准确性和模型假设的限制	评估感官假体的性能限制，并理解其潜力和局限性，以人工耳蜗为例	人工耳蜗和模拟听觉神经输入	机器学习	耳聋	深度学习	人工神经网络	模拟听觉神经输入	NA	NA	NA	语音识别性能，声音定位性能	NA
309	2026-09-20	The association of retinal age gap with schizophrenia: a cross-sectional analysis 2025-09, Schizophrenia research IF:3.6Q1 DOI:10.1016/j.schres.2025.07.018 PMID:40712190	研究论文	本研究利用深度学习从视网膜照片预测视网膜年龄，并分析其与精神分裂症的关系	使用深度学习预测视网膜年龄，首次发现精神分裂症患者视网膜年龄差距增大，且归因于高血压和糖尿病	横断面研究设计，无法确定因果关系；样本仅来自单一医院，可能影响普遍性	探讨精神分裂症与视网膜年龄差距的关联，以视网膜作为中枢神经系统衰老的替代指标	年龄≥40岁的个体，包括精神分裂症患者和未受影响者	数字病理学	精神分裂症	彩色视网膜摄影	CNN	图像	98,629名个体，其中214名患有精神分裂症	NA	卷积神经网络	NA	NA
310	2026-09-20	Transitioning from wet lab to artificial intelligence: a systematic review of AI predictors in CRISPR 2025-02-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06013-w PMID:39905452	系统综述	本文系统综述了CRISPR-Cas9多步骤过程中人工智能预测器的应用，并提供了80个可用数据集和50个预测流程的详细分析	弥合了人工智能与CRISPR-Cas9研究之间的知识鸿沟，提供了独特的平台让AI研究人员深入理解CRISPR-Cas9多步骤过程背后的生物学基础，并详细介绍了80个可用数据集和50个预测流程的表示学习方法、机器/深度学习方法趋势及性能值	现有AI预测器性能有限，许多步骤仍依赖昂贵耗时的湿实验，主要原因是CRISPR与AI领域之间存在知识鸿沟	促进从湿实验向人工智能的过渡，优化CRISPR-Cas9多步骤过程，为开发更稳健和精确的预测流程提供建议	CRISPR-Cas9系统相关数据集、AI预测器、表示学习方法、分类器/回归器	机器学习	癌症, 遗传疾病, 遗传病	CRISPR-Cas9	NA	NA	80个CRISPR-Cas9系统相关数据集, 50个预测流程	NA	NA	NA	NA
311	2026-09-20	HEDDI-Net: heterogeneous network embedding for drug-disease association prediction and drug repurposing, with application to Alzheimer's disease 2025-02-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05938-6 PMID:39891114	研究论文	本文提出了一种名为HEDDI-Net的异质网络嵌入架构，用于药物-疾病关联预测和药物重定位，并将其应用于阿尔茨海默病	HEDDI-Net无需重新训练即可直接应用于新的疾病和药物，克服了大多数基于GCN方法的局限性，同时提供了与代表性蛋白质的亲和力模式，增强了可解释性	未明确说明	准确检测药物-疾病关联，同时保持生物学机制的可解释性，并应用于药物重定位	药物、疾病、蛋白质	机器学习	阿尔茨海默病	图嵌入、浅层学习	多层感知机	网络数据	未明确说明	NA	异质网络嵌入架构、多层感知机	AUC（超过0.98）、恢复率	未明确说明
312	2026-09-20	The clinical application of artificial intelligence in cancer precision treatment 2025-01-27, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06139-5 PMID:39871340	综述	本文综述了人工智能在癌症精准治疗中的临床应用，涵盖其在个体化传统疗法、新兴靶向治疗和免疫治疗中的作用，并讨论了相关挑战和伦理问题	系统总结了人工智能在癌症精准医学中的最新应用进展，包括靶点预测、靶向药物生成、免疫治疗反应预测、新抗原预测和长链非编码RNA识别等具体领域	本文为综述性文章，未开展原始实验研究，且未提供具体的定量性能评估数据	综述人工智能在癌症精准治疗中的应用现状，为临床医生和研究人员提供有价值的参考资源，并推动该领域的进一步研究	癌症精准治疗中的人工智能应用，包括机器学习和深度学习方法在肿瘤个体化治疗中的角色	机器学习	癌症	NA	NA	NA	NA	NA	NA	NA	NA
313	2026-09-20	Spatial transcriptome reveals histology-correlated immune signature learnt by deep learning attention mechanism on H&E-stained images for ovarian cancer prognosis 2025-01-24, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06007-8 PMID:39856778	研究论文	利用空间转录组数据解构深度学习注意力机制在H&E染色图像上学习到的与组织学相关的免疫特征，用于卵巢癌预后预测	首次使用空间转录组数据解构深度学习CNN模型在H&E染色全切片图像上学习到的注意力特征，揭示其与免疫信号的空间相关性	摘要中未明确提及研究的局限性	预测卵巢癌患者预后并解构深度学习模型的注意力机制，以理解其预测的生物学基础	335例未经治疗的高级别浆液性卵巢癌患者的773张H&E染色肿瘤切片全切片图像，以及独立队列和FFPE样本的空间转录组数据	数字病理学	卵巢癌	H&E染色、空间转录组学	CNN	图像、空间转录组数据	335例患者的773张全切片图像，独立队列和FFPE样本（具体数量未在摘要中说明）	NA	ResNet101	NA	NA
314	2026-09-20	Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images 2025-01-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06017-6 PMID:39849586	研究论文	本文提出了一种深度学习框架，通过针对癌症周围组织（非癌症区域）的微调目标比例，基于组织病理学图像进行胃癌诊断。	发现了非癌症感兴趣区域（ROI）权重依赖的模型性能，表明非癌症区域具有诊断价值，并构建了基于MobileNetV2的DeepNCCNet模型，在外部验证中实现了高泛化能力。	摘要中未明确提及研究的局限性。	利用癌症周围组织的组织病理学图像，提高癌症诊断的准确性，特别是胃癌诊断。	胃癌组织病理学图像中的感兴趣区域（ROI），包括非癌症和癌症区域。	数字病理学	胃癌	组织病理学图像分析	CNN	图像	摘要中未明确说明具体样本数量。	未明确说明	MobileNetV2	准确率	未明确说明
315	2026-09-20	Diagnosis of Parkinson's disease by eliciting trait-specific eye movements in multi-visual tasks 2025-01-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06044-3 PMID:39810187	研究论文	本文通过在虚拟现实环境中设计多视觉任务来诱发帕金森病特异性的眼动异常，并利用深度学习算法对异常特征进行建模，以实现帕金森病的辅助诊断	开发了基于虚拟现实环境的多任务眼动范式，能够诱发帕金森病特异性的眼动异常；结合注视、扫视和平滑追踪行为提取眼动特征，并构建深度学习诊断模型	摘要中未提及	通过虚拟现实环境中的多视觉任务诱发帕金森病特异性眼动异常，并利用深度学习算法实现帕金森病的辅助诊断	114名帕金森病患者和125名健康对照者	数字病理学, 机器学习	帕金森病	虚拟现实眼动追踪	深度学习模型（摘要未指定具体类型）	眼动数据（注视、扫视、平滑追踪行为）	239名参与者（114名帕金森病患者和125名健康对照者）	NA	NA	召回率, 准确率, ROC-AUC	NA
316	2026-09-19	MaskTerial: a foundation model for automated 2D material flake detection 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	本文提出一种用于自动检测二维材料薄片的深度学习基础模型MaskTerial，通过合成数据预训练和实例分割网络实现高精度检测	使用合成数据生成器进行广泛预训练，使模型仅需5-10张图像即可快速适应新材料，并引入不确定性估计模型基于光学对比度对预测进行分类	未明确说明模型在极端低对比度或非标准光学条件下的泛化能力，可能对训练数据分布外材料性能下降	实现从光学显微镜图像中自动检测和分类剥离的二维材料薄片，提高分类准确性和客观性以及样品制备效率	二维材料薄片，包括六方氮化硼等五种不同二维材料	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	八个数据集，涵盖五种二维材料	NA	MaskTerial	NA	NA
317	2026-09-19	Machine Learning-Based Identification of Natural History Studies in Rare Diseases: A Step toward Understanding Disease Development and Outcome 2025-Dec, Journal of rare diseases (Berlin, Germany) DOI:10.1007/s44162-025-00115-9 PMID:41245678	研究论文	本文提出了一种基于机器学习的方法，从PubMed中系统识别罕见疾病的自然史研究（NHS），并比较了二元分类和多分类模型的性能。	首次系统性地利用机器学习和深度学习模型从PubMed文献中自动识别罕见疾病的自然史研究，并发现二元分类显著优于四分类。	研究仅基于PubMed文献，未涉及其他数据库；模型在四分类任务上性能较低；未进行外部验证。	开发机器学习模型从PubMed中自动识别自然史研究，为大规模罕见疾病自然史分析奠定基础	PubMed中与罕见疾病自然史研究相关的文献摘要	自然语言处理	罕见疾病	NA	预训练语言模型（PubMedBERT）	文本	人工整理的NHS语料库（具体数量未提供）	NA	PubMedBERT-base-uncased-abstract	精确率, 召回率, F1分数, AUCPR	NA
318	2026-09-19	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-11-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	该研究提出了一种结合交叉注意力融合机制与数据增强的混合CNN-ViT框架CAFNet，用于多类别脑肿瘤MRI图像的鲁棒分类	提出了CAFNet混合CNN-ViT框架，引入交叉注意力融合机制结合数据增强，在多类别脑肿瘤分类任务上显著优于传统机器学习、深度学习和迁移学习模型	仅在单一多类别MRI数据集上验证，未说明数据集规模、类别平衡情况及外部验证结果；未与最新ViT变体或混合模型进行对比；未讨论模型的计算复杂度和临床部署可行性	提升多类别脑肿瘤MRI图像的分类准确率和鲁棒性，克服传统手工特征方法在处理肿瘤大小、形态和纹理差异时的不足	脑肿瘤MRI图像（多类别分类任务）	计算机视觉	脑肿瘤	MRI影像分析、数据增强、迁移学习	CNN、ViT、混合CNN-ViT、交叉注意力融合	图像	NA	NA	AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19, Vision Transformer (ViT), CAFNet (CNN-ViT混合架构)	准确率	NA
319	2026-09-19	Hybrid deep learning with attention fusion for enhanced colon cancer detection 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29447-8 PMID:41315603	研究论文	该研究提出了一种结合EfficientNet-B3和Vision Transformer的混合深度学习模型，并引入注意力融合机制，用于在Kvasir内窥镜数据集上实现自动化结肠癌检测	将EfficientNet-B3的局部细粒度纹理特征提取能力与Vision Transformer的全局上下文建模能力相结合，并通过多头注意力融合模块协调两类特征，实现更全面的表征和更强的分类稳定性，同时采用MCC指导模型优化	模型存在轻微过拟合倾向	实现自动化结肠癌检测，为计算机辅助结肠镜系统提供快速、客观、可靠的诊断支持，减少病理学家工作量	Kvasir内窥镜数据集中的结肠图像	计算机视觉	结肠癌	内窥镜成像	CNN, Transformer	图像	NA	NA	EfficientNet-B3, Vision Transformer, 多头注意力融合模块	准确率, F1-score, 马修斯相关系数（MCC）, Brier Score	NA
320	2026-09-19	CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29658-z PMID:41315655	研究论文	本文设计了一种JOA优化的CNN-LSTM混合深度学习模型，用于预测CBN刀具在MQL条件下硬车削Inconel 718时的表面粗糙度和刀具磨损	提出将CNN-LSTM混合模型与JOA优化算法结合用于刀具磨损和表面粗糙度预测，并集成到MATLAB/Simulink环境中实现实时预测和无传感器部署	实验数据仅基于27组全因子加工试验，样本量较小，可能影响模型的泛化能力验证	解决镍基高温合金Inconel 718加工过程中刀具磨损快和表面质量差的问题，实现表面粗糙度和刀具磨损的精确预测	Inconel 718镍基高温合金在MQL条件下使用CBN刀具的硬车削加工过程	机器学习	NA	硬车削加工、MQL条件、CBN刀具	CNN-LSTM	数值数据	27组全因子加工试验数据	MATLAB, Simulink	CNN, LSTM	R, RMSE, MAPE	NA