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
3761	2026-01-01	Deep learning-based investigation of chloroplast translation regulatory sequences 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698951 PMID:41459449	研究论文	本研究开发了一种混合深度学习模型，用于分析和分类植物和藻类叶绿体翻译调控序列，以识别异源前导序列用于合成生物学	首次使用深度学习模型分析叶绿体翻译调控序列，结合CNN、LSTM、Attention和Residual架构，并提出了两种藻类质体工程中引入异源前导序列的策略	模型仅基于300个核苷酸的前导序列进行分析，可能未涵盖所有调控元件；且存在一小部分序列表现出跨组模式，需进一步验证其功能性	研究叶绿体翻译调控序列的结构，以促进合成生物学和基因工程应用	植物和藻类的5'非翻译区序列，以及含有或不含Shine-Dalgarno（SD）基序的序列	自然语言处理	NA	深度学习	CNN, LSTM, Attention, Residual	序列数据	NA	NA	CNN, LSTM, Attention, Residual	预测性能	NA
3762	2026-01-01	ViTKAB: an efficient deep learning network for cotton leaf disease identification 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1719877 PMID:41459459	研究论文	本文提出了一种名为ViTKAB的高效深度学习网络，用于棉花叶部病害识别	通过集成Kolmogorov-Arnold网络和BiFormer模块来增强Vision Transformer，优化架构以提高推理速度，利用非线性特征表示更好地捕捉复杂病害特征，并引入稀疏动态注意力以增强鲁棒性和准确性	NA	开发一种高效的棉花叶部病害识别模型，以提升智能作物病害检测系统	棉花叶部病害，包括褐斑病、黄萎病、轮斑病和枯萎病	计算机视觉	植物病害	深度学习	Vision Transformer	图像	NA	NA	ViTKAB, Vision Transformer, Kolmogorov-Arnold network, BiFormer	平均识别准确率	NA
3763	2026-01-01	Deep learning, deeper relief: pipeline toward tailored analgesia for experimental animal models 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1639881 PMID:41459492	研究论文	本文提出了一种结合深度学习语言模型与实验验证的流程，用于识别和验证在实验动物模型中具有最小脱靶效应的镇痛药	创新点在于整合了基于蛋白质中心关系提取的深度学习语言模型（PEDL）与NF-κB报告小鼠模型的实验验证，实现了从通用镇痛药向精准医学方法的转变	NA	研究目的是开发一种定制化镇痛方案，以减少镇痛药对实验动物模型免疫反应和信号通路的干扰	研究对象为小鼠结肠炎模型中的镇痛药及其对NF-κB信号通路的影响	自然语言处理	结肠炎	蛋白质中心关系提取，NF-κB报告小鼠模型	深度学习语言模型	文本	NA	NA	NA	NA	NA
3764	2026-01-01	Tertiary lymphoid structure drives allograft rejection via IFN-γ-JAK-STAT-dependent atypical memory B cell differentiation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1728290 PMID:41459486	研究论文	本研究通过深度学习病理组学模型和生物信息学分析，揭示了三级淋巴结构在肝移植排斥反应中的作用机制，并发现其通过IFN-γ-JAK-STAT通路驱动非典型记忆B细胞分化，导致肝细胞损伤	首次提出深度学习病理组学模型预测移植排斥反应，并阐明三级淋巴结构通过IFN-γ-JAK-STAT依赖的非典型记忆B细胞分化驱动排斥反应的新免疫机制	研究主要基于回顾性队列和转录组数据库，需要进一步的前瞻性研究验证；小鼠模型的结果需在人类临床中进一步确认	探究三级淋巴结构在肝移植排斥反应中的病理作用、功能及形成机制	儿童活体肝移植后的肝活检样本、转录组数据库病例、小鼠原位肝移植模型	数字病理学	肝移植排斥反应	深度学习病理组学模型、单细胞RNA测序、多重免疫组化、生物信息学分析（ESTIMATE, CIBERSORT, XCELL, MCP）	深度学习模型	肝活检图像、基因表达谱、临床信息、单细胞RNA测序数据	590例转录组数据库病例（GSE193135:337例, GSE145780:235例, Renji:18例）、11例肝移植后肝活检单细胞RNA测序样本、小鼠模型	NA	NA	NA	NA
3765	2026-01-01	Deep learning-aided inter-species-comparison reveals shared and distinct molecular patterns in cynomolgus monkey and humans following non-specific T cell activation 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1603716 PMID:41459534	研究论文	本文提出了一种基于单细胞转录组学和深度学习的跨物种分析流程，用于比较食蟹猴和人类在非特异性T细胞激活后的分子模式	整合了变分自编码器（VAE）深度学习、细胞间通讯、差异基因表达和通路富集分析，实现系统性的跨物种时间序列分析	研究仅基于外周血单个核细胞（PBMCs）数据，且每个物种仅有两个生物学重复，样本量有限	比较食蟹猴和人类在免疫激活后的共享和独特分子特征，以促进转化研究和免疫调节疗法的开发	食蟹猴和健康人类的外周血单个核细胞（PBMCs）	机器学习	NA	单细胞转录组学（scRNA-seq）	VAE	单细胞转录组数据	每个物种两个生物学重复，在基线、刺激后0小时、6小时和24小时采集PBMCs	NA	变分自编码器（VAE）	NA	NA
3766	2026-01-01	Robust automated preclinical fMRI preprocessing via a multi-stage dilated convolutional Swin Transformer affine registration 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1621244 PMID:41459563	研究论文	本文提出了一种用于临床前fMRI数据预处理的鲁棒自动化流程，集成了先进的深度学习模块，特别是新开发的基于Swin Transformer的仿射配准方法	提出了一种新的多阶段扩张卷积Swin Transformer（MsDCSwinT）用于仿射配准，能够同时捕获局部和全局空间错位，即使在具有挑战性的临床前数据集中也能实现与标准图谱的精确对齐	未在摘要中明确说明	解决临床前fMRI数据预处理中的挑战，如低分辨率、大脑几何形状变化和数据集规模有限，以实现精确、自动化的数据分析	临床前功能磁共振成像（fMRI）数据	数字病理学	NA	功能磁共振成像（fMRI）	GAN, Transformer	图像	在多个临床前fMRI研究中进行了验证，具体样本数量未在摘要中说明	NA	Swin Transformer, 3D GAN, Multi-stage Dilated Convolutional Swin Transformer (MsDCSwinT)	Dice相似系数	NA
3767	2026-01-01	A hybrid Spiking Neural Network-Transformer architecture for motor imagery and sleep apnea detection 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1716204 PMID:41459561	研究论文	提出一种结合脉冲神经网络和Transformer的新型架构SpiTranNet，用于运动想象分类和睡眠呼吸暂停检测	通过脉冲多头注意力机制将SNN与Transformer深度融合，用脉冲神经元替代注意力机制中的标准激活函数，实现生物启发的时序处理和节能计算	NA	开发一种高效且鲁棒的生物医学信号处理架构，用于脑机接口和生物医学信号分析任务	运动想象分类和睡眠呼吸暂停检测	机器学习	睡眠呼吸暂停	脑电图, 心电图	SNN, Transformer	生理信号数据	三个生理数据集（一个EEG数据集用于MI分类，两个ECG数据集用于SA检测）	NA	SpiTranNet	准确率	NA
3768	2026-01-01	Machine learning-based mortality prediction in critically ill patients with hypertension: comparative analysis, fairness, and interpretability 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1686378 PMID:41459572	研究论文	本研究开发并评估了多种机器学习和深度学习模型，用于预测重症监护中高血压患者的院内死亡率，并评估了模型的公平性和可解释性	首次在重症高血压患者死亡率预测中综合比较了多种ML和DL模型，并系统评估了特征选择对模型公平性的影响	研究基于单一数据库（MIMIC-IV），外部验证不足；去偏方法对精选特征模型的效果有限	开发公平、可解释的AI工具，辅助重症高血压患者的临床决策	重症监护病房（ICU）中的高血压患者	机器学习	心血管疾病	电子健康记录（EHR）数据分析	GBM, logistic regression, SVM, random forest, MLP, LSTM	结构化临床数据（人口统计学、实验室值、生命体征、合并症、ICU特定变量）	基于MIMIC-IV数据库的样本（具体数量未在摘要中明确说明）	Scikit-learn, TensorFlow/PyTorch（具体框架未明确说明）	多层感知机（MLP）, 长短期记忆网络（LSTM）	AUC-ROC, 准确率, 灵敏度, 特异度, F1分数	NA
3769	2026-01-01	Association of Shanghai air pollution with postoperative infection in adolescent orthopedic patients: a study using a deep learning-based evolutionary model 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1692207 PMID:41459575	研究论文	本研究利用深度学习进化模型探讨上海空气污染与青少年骨科患者术后感染风险的关联	首次结合改进的StarFish算法优化的CNN-BiGRU-Attention进化深度学习模型与广义加性模型，分析多污染物对青少年术后感染的滞后效应和剂量反应关系	研究仅基于上海地区数据，可能受地域限制；未考虑患者个体行为差异等混杂因素	探究空气污染物（NO2、SO2、O3）对青少年骨科手术患者术后感染风险的影响	上海地区2019-2024年期间的32,261例青少年骨科手术术后感染病例	机器学习	骨科疾病	深度学习建模，广义加性模型分析	CNN, BiGRU, Attention机制	医疗记录数据，高分辨率空气污染与气象数据	32,261例青少年术后感染病例	TensorFlow/PyTorch（未明确指定）	CNN-BiGRU-Attention，改进的StarFish算法优化	百分比变化估计，95%置信区间	NA
3770	2026-01-01	The extended hollowed mind: why foundational knowledge is indispensable in the age of AI 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1719019 PMID:41459580	研究论文	本文提出了“空心化心智”的概念框架，探讨生成式人工智能在教育中引发的认知依赖风险，并提出了“强化心智”的教学目标	提出了“空心化心智”和“主权陷阱”的概念框架，从多学科角度解释人工智能对认知过程的影响，并提出了“强化心智”作为应对策略	主要基于理论分析和现有证据的综合，缺乏实证研究数据支持具体干预措施的效果	分析生成式人工智能对教育认知过程的影响，并提出应对认知依赖风险的理论框架	人工智能在教育环境中的认知影响机制	自然语言处理	NA	NA	生成式人工智能	理论分析	NA	NA	NA	NA	NA
3771	2025-12-31	DUDE: deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis 2025-Dec-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2231 PMID:41265030	研究论文	提出了一种名为DUDE的深度无监督域适应框架，用于处理生理时间序列分析中的分布偏移问题	引入了一种基于动态邻居选择策略的新型对比损失，根据潜在空间密度自适应确定每个样本的邻居数量	未明确说明模型在极端分布偏移或小样本目标域下的性能限制	解决生理信号分析中源域和目标域分布不完全重叠时的域适应挑战	连续生理信号，如心电图或血氧饱和度数据	机器学习	NA	深度无监督域适应	深度学习	时间序列数据	多个真实世界数据集，涉及不同人口统计、种族、地理和共病条件	NA	DUDE	与基线比较的性能提升百分比	NA
3772	2025-12-31	RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells 2025-Dec-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05933 PMID:41308162	研究论文	提出一种基于参考图像的超分辨率方法（RSR-MSI），利用光学显微镜图像作为参考帧，结合原始质谱成像的离子强度数据，从单张低分辨率质谱图像重建高分辨率图像	首次将基于参考图像的超分辨率方法应用于单细胞质谱成像领域，仅需单张低分辨率质谱图像和参考光学图像即可实现亚细胞级分辨率重建，无需大规模训练数据集或配对图像	未明确说明方法对特定组织类型或细胞状态的适用性限制，也未讨论参考图像与质谱图像配准误差对重建结果的影响	开发高空间分辨率、高通量的质谱成像方法，减少数据采集时间	生物组织和单细胞	计算成像	NA	质谱成像（MSI），光学显微镜	深度学习超分辨率网络	质谱图像，光学显微镜图像	NA	NA	NA	NA	NA
3773	2025-12-31	Diagnostic accuracy of artificial intelligence-based deep learning models in detecting furcation involvement: A systematic review and meta-analysis 2025-Dec-30, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70055 PMID:41466554	系统综述与荟萃分析	本文系统综述并荟萃分析了基于人工智能的深度学习模型在检测牙根分叉病变方面的诊断准确性	首次对深度学习模型在牙科影像中检测牙根分叉病变的诊断性能进行了系统性的定量评估和荟萃分析	纳入研究数量有限（8项），需要更大、更多样化的数据集来减少假阳性并实现安全的临床整合	系统评估深度学习模型在牙科影像中检测牙根分叉病变的诊断潜力	牙科影像（根尖片、全景片、锥形束CT）中的磨牙及其牙根分叉病变	数字病理学	牙周病	牙科影像学（根尖片、全景片、锥形束CT）	深度学习模型	影像	7814张影像，涉及12373颗磨牙	NA	NA	灵敏度，特异度，F1分数，曲线下面积，诊断比值比	NA
3774	2025-12-31	A hybrid model for structured illumination microscopy reconstruction using attention mechanism and deep Laplacian pyramid network with Fourier loss 2025-Dec-30, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70057 PMID:41467734	研究论文	提出一种结合注意力机制和深度拉普拉斯金字塔网络的混合模型，用于结构光照明显微镜图像的超分辨率重建	提出Att-SIM-LapSRN混合深度学习框架，首次将注意力U-Net与拉普拉斯金字塔超分辨率网络结合，并引入基于FFT的损失函数，以解决SIM重建中的伪影、噪声和高频细节丢失问题	未提及模型在极低信噪比或极端光照条件下的鲁棒性，也未讨论计算复杂度和实时处理能力	提升结构光照明显微镜在低光条件下的超分辨率成像质量，减少重建伪影并增强高频细节	生物样本的超分辨率显微图像	计算机视觉	NA	结构光照明显微镜	深度学习, 混合模型	图像	使用BioSR数据集（具体样本数量未说明）	未明确说明（可能为PyTorch或TensorFlow）	Attention U-Net, Laplacian pyramid super-resolution network	PSNR, SSIM, 感知质量指标	NA
3775	2025-12-31	AI-driven molecular modeling and design: from property prediction to drug generation 2025-Dec-29, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00745-7 PMID:41460590	研究论文	本文提出了一种名为ME&PP-MG&RC的深度学习框架，用于分子建模与设计，包括属性预测和药物生成	整合了分子编码与属性预测（ME&PP）以及分子生成与真实性分类（MG&RC）组件，提供统一的分子设计管道，实现了精确属性预测、新分子生成和真实性验证	未明确提及模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算成本或实际应用中的潜在挑战	通过深度学习技术推进计算分子设计和药物发现，实现自动化药物候选物识别	分子化合物，特别是针对QM9和ZINC数据集中的分子	机器学习	NA	深度学习，图神经网络	图神经网络	分子结构数据	涉及QM9和ZINC数据集，但未指定具体样本数量	未明确指定，可能为PyTorch或TensorFlow	未指定具体架构，但基于图神经网络模型	平均绝对误差	NA
3776	2025-12-31	Interpretable machine learning algorithms for diagnostic prediction of diabetic retinopathy 2025-Dec-29, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251410736 PMID:41460717	研究论文	本研究提出了一种新颖、标准化且可解释的机器学习框架，旨在提高糖尿病视网膜病变风险预测的诊断效率和准确性	采用动态加权投票集成方法，并结合SHAP进行可解释性分析，以增强模型的临床可信度	未明确提及研究的局限性	开发一种高精度且可解释的机器学习框架，用于糖尿病视网膜病变的诊断预测	糖尿病患者的临床数据	机器学习	糖尿病视网膜病变	机器学习算法	LightGBM, CatBoost, Extreme Random Tree, 集成模型	临床特征数据	未明确提及具体样本数量	未明确提及具体框架	动态加权投票集成	准确率, 灵敏度, AUC	未明确提及计算资源
3777	2025-12-31	Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways 2025-Dec-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21877 PMID:41364534	研究论文	本研究开发了一种结合传统机器学习、深度学习和生成模型的新框架，用于预测和优化聚合物复合材料的性能，特别是热导率和杨氏模量	提出了一种新颖的密集球体填充算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测精度，同时利用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构	传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的性能，可能未全面覆盖所有填料条件	预测和优化聚合物复合材料的热导率和机械性能	多填料聚合物复合材料	机器学习	NA	密集球体填充算法，COMSOL模拟	Random Forest Regression, Convolutional Neural Network, Transformer	几何模型数据，模拟数据	1024个代表性体积元素（RVE）模型	NA	CNN, Transformer	预测精度	NA
3778	2025-12-31	General Framework for Geometric Deep Learning on Tensorial Properties of Molecules and Crystals 2025-Dec-24, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c12428 PMID:41364709	研究论文	本文提出了一种用于分子和晶体张量性质几何深度学习的通用框架	开发了一个通用输出模块，使等变图神经网络能够端到端预测具有指定置换对称性的任意阶张量，并支持原子级性质和高阶张量	NA	预测分子和晶体的张量响应性质	分子和晶体	机器学习	NA	几何深度学习	等变图神经网络	张量数据	NA	NA	XPaiNN	准确性	NA
3779	2025-12-31	MIAT-DHX9 spatiotemporal expression drives venous neointimal hyperplasia through nucleolar homeostasis and mitotic progression 2025-Dec-23, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116578 PMID:41259202	研究论文	本文揭示了长链非编码RNA MIAT与DExH-box解旋酶9（DHX9）在静脉新生内膜增生中的时空表达模式，通过调控核仁稳态和有丝分裂进程驱动平滑肌细胞增殖	首次利用多超分辨率成像和单分子荧光原位杂交技术，揭示了MIAT-DHX9轴在核仁中的时空表达及其通过PARP1相互作用调控细胞周期的机制，并应用深度学习识别核仁形态特征作为疾病进展的生物标志物	研究主要基于体外和动物模型，尚未在人体临床试验中验证MIAT-DHX9靶向治疗的安全性和有效性	探究静脉新生内膜增生的分子机制，并开发基于核仁调控的治疗策略	平滑肌细胞（SMCs）的核仁稳态、有丝分裂进程及细胞增殖	数字病理学	心血管疾病	多超分辨率成像、单分子荧光原位杂交（FISH）、CRISPR基因编辑、深度学习	深度学习模型	图像数据（超分辨率成像、FISH图像）	体外平滑肌细胞模型及动物模型（具体数量未明确说明）	NA	NA	NA	NA
3780	2025-12-31	Deep-learning-based non-contrast CT for detecting acute ischemic stroke: a systematic review and HSROC meta-analysis of patient-level diagnostic accuracy 2025-Dec-15, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04528-3 PMID:41398240	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性	首次对基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中进行系统综述和荟萃分析，并探讨了研究间异质性的来源	研究间存在患者选择和指标测试领域的偏倚风险，AI报告质量多为中等，明确的外部验证仍不常见	评估深度学习应用于非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性，并探讨研究间异质性的来源	急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	深度学习	深度学习模型	非增强CT图像	来自16项研究的患者数据，其中13项贡献了患者层面的荟萃分析数据	NA	NA	敏感性, 特异性	NA