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
381	2026-06-07	Comprehensive analysis of human dendritic spine morphology and density 2025-04-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	利用人类脑组织样本，结合三维重建和深度学习模型，全面分析树突棘的形态与密度	首次对来自患者手术样本的人脑树突棘进行大规模三维形态分析，集成深度学习自动分割与重建，显著提升处理效率	未明确提及深度学习模型的泛化性验证及临床疾病直接关联的局限性	研究人类树突棘形态与密度在性别、树突类型和组织条件上的差异，并探讨其与神经疾病的关系	27名接受肿瘤或癫痫手术患者（含8名女性、19名男性，年龄18-71岁）的脑组织样本中的树突棘	数字病理学	神经疾病	三维重建、急性切片培养、器官型脑片培养	深度学习模型	图像	27名患者的脑组织样本，包含近4000个树突棘	ZEISS arivis Pro	未指定具体架构	F1-score	未指定
382	2026-06-07	Distinguishing the activity of flexor digitorum brevis and soleus across standing postures with deep learning models 2025-03, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2024.12.014 PMID:39674063	研究论文	利用深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动	首次使用深度学习模型基于高密度表面肌电信号区分趾短屈肌和比目鱼肌在四种站立姿势下的活动，发现趾短屈肌在姿势调整中表现出更明显的时空调制特征	未提及模型泛化性验证、样本量较小、仅针对健康年轻男性	通过深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动差异	趾短屈肌和比目鱼肌的肌电活动	机器学习	NA	高密度表面肌电信号	深度卷积神经网络	肌电信号	健康年轻男性受试者，具体数量未提及	NA	深度卷积神经网络	分类准确率	NA
383	2026-06-07	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	研究论文	探索使用卷积神经网络自动分割死后MRI扫描中的海马结构	提出了一种融合自注意力机制和空洞空间金字塔池化的编码器-解码器分割框架，用于识别海马的四个亚区域	训练数据仅来自15例死后的MRI扫描，样本量较小，可能影响模型的泛化能力	开发全自动方法对死后MRI中的海马亚区域进行准确分割，以量化阿尔茨海默病引起的结构变化	死后大脑的T1加权、T2加权和磁敏加权MRI扫描中的海马结构，包括齿状回、海马头、海马体和海马尾	计算机视觉	阿尔茨海默病	死后MRI扫描	卷积神经网络	影像	15例死后MRI扫描（含T1加权、T2加权和磁敏加权影像）	NA	UNet, Double UNet, Attention UNet, Multi-resolution UNet	定性比较和定量比较	NA
384	2026-06-07	Deep learning for age estimation from panoramic radiographs: A systematic review and meta-analysis 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105560 PMID:39826609	系统性综述与荟萃分析	评估深度学习在基于全景X线片的年龄估计中的性能	首次通过系统综述和荟萃分析全面评估深度学习在全景X线片年龄估计中的表现，并量化其平均绝对误差	多数研究偏倚风险不明确或较高，研究间性能差异大，限制了临床推广	评估深度学习在全景X线片年龄估计中的准确性	基于深度学习进行年龄估计的研究及其性能指标	机器学习, 数字病理学	NA	深度学习	深度学习模型 (如CNN等未具体说明)	影像 (全景X线片)	纳入42项研究，其中9项用于荟萃分析	NA	NA	准确率, 平均绝对误差	NA
385	2026-06-07	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	提出一种可解释的多模态深度学习框架PIDGN，用于帕金森病早期预测	融合SNP和sMRI数据设计可解释的深度学习模型，结合集成树降维、Transformer编码器与3D ResNet，并利用门控注意力融合技术探索模态间交互，同时采用SHAP值和Grad-CAM解释模型预测的关键因素	未提及具体局限性	实现帕金森病的早期诊断，辅助医生及时治疗	帕金森病（PD）患者数据	机器学习	神经退行性疾病	SNP分型、sMRI成像	深度学习分类模型	基因数据（SNP）和影像数据（sMRI）	未提及具体样本数量	PyTorch	Transformer编码器、3D ResNet、门控注意力融合	准确率（Accuracy）、AUC（AUROC）	NA
386	2026-06-07	Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105570 PMID:39864612	研究论文	构建一种新的条件生成对抗网络模型来预测正畸治疗后侧貌变化	提出Soft-P-CGAN模型，融合条件向量输入模块、基于U-Net的生成器模块和基于PatchGAN的判别器模块，并设计Soft loss以增强软组织轮廓生成以及多尺度特征金字塔优化图像质量	下颌区域预测相对不准确	预测正畸治疗后侧貌变化，辅助临床医生设定正畸治疗目标	正畸成人患者的侧位头影X线片	计算机视觉	正畸相关口腔疾病	侧位头影X线成像	条件生成对抗网络	图像	成人患者的正畸前（T1）和正畸后（T2）侧位头影X线片，扩充后按8:1:1随机划分为训练、验证和测试集	NA	U-Net, PatchGAN, Pix2Pix, Cycle-GAN, CGAN	平均径向误差（MRE）、2.0/2.5/3.0/4.0 mm范围内的成功检测率（SDR）	NA
387	2026-06-07	Automated diagnosis and classification of temporomandibular joint degenerative disease via artificial intelligence using CBCT imaging 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105592 PMID:39870190	研究论文	使用人工智能技术实现颞下颌关节退行性关节病的CBCT图像自动诊断与分类	首次利用YOLOv10算法在CBCT图像上自动识别颞下颌关节退行性关节病的多种影像学征象，包括侵蚀、骨赘、硬化和软骨下囊肿	模型对于同时包含多个退行性关节病征象的图像分类准确率较低，且研究仅基于单一中心的CBCT图像数据	开发并验证基于深度学习的颞下颌关节退行性关节病自动诊断与分类方法	颞下颌关节退行性关节病的CBCT影像学征象分类	计算机视觉	颞下颌关节退行性关节病	CBCT成像	YOLOv10算法	图像	1018名患者的7357张标注CBCT图像（3010张正常髁突图像和4347张退行性关节病髁突图像）	NA	YOLOv10	准确率、精确率、灵敏度、特异性、F1分数、平均精度均值	NA
388	2026-06-07	LGS-PPIS: A Local-Global Structural Information Aggregation Framework for Predicting Protein-Protein Interaction Sites 2025-03, Proteins IF:3.2Q2 DOI:10.1002/prot.26763 PMID:39520116	研究论文	提出了一种局部-全局结构信息聚合框架LGS-PPIS，用于预测蛋白质-蛋白质相互作用位点	该框架包含边缘感知图卷积网络（EA-GCN）和集成初始残差与恒等映射的自注意力机制（SA-RIM），分别捕获局部和全局特征，并证明局部特征对PPIS预测作用更显著	现有方法仅考虑节点特征而忽略边特征，且无法捕捉远程残基的全局特征	预测蛋白质-蛋白质相互作用位点，克服湿实验高成本并解决现有深度学习方法特征提取不足的问题	蛋白质-蛋白质相互作用位点（PPIS）	机器学习	NA	NA	图卷积网络（GCN），自注意力机制	蛋白质序列与结构数据	三个广泛使用的PPIS预测基准数据集	NA	边缘感知图卷积网络（EA-GCN），集成初始残差与恒等映射的自注意力机制（SA-RIM）	评估指标未明确列出，但提及优于最先进方法	NA
389	2026-06-07	DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation 2025-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26734 PMID:39239684	研究论文	提出名为DeepPhoPred的深度学习工具，用于预测微生物磷酸化位点	采用双头卷积神经网络架构结合压缩与激励模块，从肽段的结构和进化信息中联合学习特征，显著优于现有预测方法	NA	开发低成本、高速度的计算方法，准确预测微生物磷酸化位点以辅助理解发病机制、宿主病原体相互作用及药物设计	微生物中的磷酸化丝氨酸、磷酸化苏氨酸和磷酸化酪氨酸位点	机器学习	NA	NA	卷积神经网络	肽段序列及其结构信息、进化信息	NA	NA	双头卷积神经网络、压缩与激励模块、全连接层	NA	NA
390	2026-06-07	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	对基于脑电图信号、利用深度学习进行情绪识别的方法、模型和数据集进行系统性综述	通过PRISMA指南进行系统筛选，涵盖2020-2025年文献，评估公开数据集的刺激过程和情感表征，旨在提升可解释性、泛化性和数据效率	未提及具体局限，但可能包括数据标注主观性、跨个体差异及EEG信号噪声等固有挑战	为基于EEG的情绪识别系统提供发展路线图，指导开发更可靠、可扩展和实用的方法	基于EEG信号的情绪识别方法及其使用的深度学习架构和数据集	机器学习	NA	EEG	深度学习（DL）	脑电图信号	最终纳入233篇文章	NA	NA	分类准确率、模型效率	NA
391	2026-06-07	Study on differentiating benign and malignant thyroid nodules based on CT multi-phase artificial intelligence models 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1738342 PMID:41625234	研究论文	基于CT多期相人工智能模型区分甲状腺结节良恶性的研究	首次系统比较了放射组学特征、原始3D DICOM数据和临床因素在CT多期相成像中区分甲状腺结节良恶性的效果，并构建了整合多模态数据的列线图模型	研究为回顾性设计，样本量有限，且未在外部数据集中验证模型的泛化能力	开发并验证基于CT多期相成像的人工智能模型，用于无创区分甲状腺结节的良恶性	604例甲状腺结节患者的CT多期相数据（平扫、动脉期、静脉期）及临床因素（性别、年龄、甲状腺球蛋白、促甲状腺激素水平）	计算机视觉, 机器学习	甲状腺结节	CT多期相成像	CNN, 机器学习模型	3D DICOM图像, 临床数据	604例甲状腺结节患者	PyTorch, Scikit-learn	ResNet, 列线图	AUC	NA
392	2026-06-06	DNABERT2-CAMP: A Hybrid Transformer-CNN Model for E. coli Promoter Recognition 2025-Dec-28, Genes IF:2.8Q2 DOI:10.3390/genes17010027 PMID:41595447	研究论文	提出DNABERT2-CAMP混合深度学习框架，用于高效识别大肠杆菌启动子序列	创新性地融合预训练Transformer（DNABERT-2）与自定义CNN-Attention-Mean Pooling模块，同时捕获长距离基因组依赖和局部基序模式，提升启动子识别准确性与可解释性	论文摘要未明确说明局限性，推测可能包括数据集中于E. coli K-12菌株、模型对高度退化的启动子基序可能仍存在挑战	准确识别大肠杆菌启动子序列，以支持基因调控研究和合成生物学应用	大肠杆菌σ70启动子的-10和-35元件	机器学习	NA	DNABERT-2 Transformer, CNN	混合Transformer-CNN模型	DNA序列	8720条81-bp序列（实验验证阳性与阴性平衡数据集）	PyTorch	DNABERT-2 Transformer, CNN-Attention-Mean Pooling (CAMP)	准确率, ROC AUC, 马修斯相关系数 (MCC)	NA
393	2026-06-06	ACmix-Swin Deep Learning of 4-Day-Old Apis mellifera Larval Transcriptomes Reveals Early Caste-Biased Regulatory Hubs 2025-Dec-25, Genes IF:2.8Q2 DOI:10.3390/genes17010017 PMID:41595437	研究论文	利用ACmix-Swin深度学习模型分析4日龄西方蜜蜂幼虫转录组，揭示早期社会等级偏向的调控枢纽基因	首次将混合卷积-注意力模型ACmix-Swin与WGAN-GP数据增强结合，应用于蜜蜂幼虫转录组分析，实现社会等级偏好基因的高效发掘	NA	揭示蜜蜂幼虫早期发育中的社会等级和性别特异性分子差异，并开发深度学习模型用于枢纽基因发现	4日龄西方蜜蜂（Apis mellifera）幼虫的转录组	机器学习	NA	RNA-seq	混合卷积-注意力模型（ACmix-Swin）	转录组数据	NA	PyTorch	ACmix-Swin, WGAN-GP	准确率	NA
394	2026-06-06	The Use and Importance ofArtificial Intelligence in Vaccine Research, Development, and Production 2025-Sep, Archives of Razi Institute DOI:10.32598/ARI.80.5.3442 PMID:42226986	综述	综述了人工智能（AI）在疫苗研究、开发和生产的应用及重要性	系统评估了AI技术（机器学习、深度学习、自然语言处理）在疫苗靶点识别、配方优化和生产流程简化中的作用，并强调其在优化供应链和改善全球疫苗可及性方面的潜力	存在伦理问题（数据隐私、算法偏见）、AI整合到现有框架的挑战	评估AI技术在疫苗研发和生产中的角色，并强调其在应对新兴传染病和公共卫生危机中的重要性	疫苗研究、开发和生产的全流程	机器学习	传染病	NA	NA	文本、数据	NA	NA	NA	NA	NA
395	2026-06-05	Detecting Mild Cognitive Impairment to Alzheimer's Disease Progression by fMRI Using Convolutional Neural Network and Long-short Term Memory 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2034.8 PMID:42238745	研究论文	利用静息态功能磁共振成像结合卷积神经网络和长短期记忆网络检测轻度认知障碍向阿尔茨海默病的进展	提出了结合三维CNN与LSTM的多模态深度学习模型，整合fMRI、临床评估和人口统计学信息来预测MCI向AD的转化	样本量较小（81名受试者，266个样本），可能影响模型的泛化性和稳定性	诊断MCI患者可能进展为AD的情况，以便早期干预或减少医疗费用	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	静息态功能磁共振成像	CNN, LSTM	fMRI图像, 临床数据, 人口统计学数据	81名MCI受试者，共266个样本，基线到最后一次观察平均间隔5年	NA	三维CNN, LSTM	准确率（92.47%）	NA
396	2026-06-05	DCM-ML: An Electroencephalography-based Classifier for Early Diagnosis of Schizophrenia Based on Dynamic Connectivity Matrices and Machine Learning Algorithms 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2572.1 PMID:42238755	研究论文	提出了一种基于动态连接矩阵和机器学习算法的脑电图分类器，用于精神分裂症的早期诊断	利用事件相关电位提取的动态连接矩阵结合随机森林分类器，在基于少量特征集的情况下实现接近完美的诊断准确性，并展现出对噪声的鲁棒性	样本量相对较小，且未来需要在更大、人口统计学更多样化的队列中进行验证	开发一种客观、可扩展、非侵入性的基于机器学习的精神分裂症早期诊断工具	81名参与者，包括49名精神分裂症患者和32名健康对照	机器学习	精神分裂症	事件相关电位	随机森林	脑电图信号	81名参与者（49名患者，32名对照）	NA	随机森林	准确率、灵敏度、特异性、F1分数	NA
397	2026-06-05	Imaging of cartilage, meniscus, and beyond: Role of Magnetic Resonance Imaging (MRI) and Computed Tomography (CT) 2025-Jun, Osteoarthritis imaging DOI:10.1016/j.ostima.2025.100268 PMID:42238704	综述	综述磁共振成像和计算机断层扫描在软骨、半月板及关节成像中的优势、局限与研究趋势	系统比较了MRI和CT在骨关节炎评估中的进展，包括光谱CT、负重扫描、深度学习重建、合成成像及光子计数CT等新兴技术	未提供具体实验数据或定量比较结果	探讨MRI和CT在软骨与半月板成像中的优缺点及研究趋势	关节软骨与半月板成像	计算机视觉	骨关节炎	MRI, CT, CT关节造影	NA	图像	NA	NA	NA	NA	NA
398	2026-06-04	Artificial Intelligence and Machine Learning in the Diagnosis and Management of Osteoporosis: A Comprehensive Review 2025-Dec-23, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010027 PMID:41597313	综述	对人工智能和机器学习在骨质疏松症诊断与管理中的应用进行了全面综述	系统总结了AI/ML在骨质疏松症诊断、风险预测和个性化治疗中的最新进展，并批判性分析了现有证据的异质性和不足	当前证据异质性大，缺乏稳健的外部验证和定量综合，未充分评估模型在不同人群中的鲁棒性，且对负面或矛盾结果的讨论不足	评估AI和ML在骨质疏松症诊断与管理中的临床应用潜力，并指出未来研究方向	骨质疏松症的诊断和管理流程	机器学习	骨质疏松症	NA	CNN	影像、临床数据、人口统计数据	NA	NA	卷积神经网络	NA	NA
399	2026-06-04	Detection of blueberry based on hyperspectral imaging and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117141 PMID:41606917	研究论文	利用高光谱成像和深度学习方法检测不同品种和成熟度蓝莓的糖含量	首次将分数阶导数与改进拉普拉斯特征映射相结合用于高光谱数据预处理和波段选择，并构建轻量级卷积神经网络模型，显著提高了复杂场景下蓝莓糖分预测的精度和鲁棒性	未提及模型的泛化能力验证、实际应用中的计算效率及对更广泛蓝莓品种的适用性	探索高光谱成像结合深度学习模型快速检测蓝莓糖含量的方法，满足大规模生产需求	蓝莓（F6、L11、L25三个品种，分为成熟、半成熟、未成熟三个类别）	计算机视觉, 深度学习	NA	高光谱成像	卷积神经网络（CNN）	高光谱图像	涉及三个蓝莓品种F6、L11、L25，共三类成熟度，具体样本数量未说明	NA	自定义浅层卷积神经网络（CNN）	相关系数（Rp）、均方根误差（RMSEP）、残差预测偏差（RPD）	NA
400	2026-06-04	Seasonal changes driving shifts in core microbes of Nongxiangxing Daqu: a integrated multi-omics analysis and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117216 PMID:41606940	研究论文	通过整合多组学分析和深度学习，揭示季节变化对浓香型大曲核心微生物群的影响	首次将高通量测序与深度学习结合，利用数据驱动的关键物种识别框架验证不同季节大曲的核心微生物，并揭示随机漂变主导群落组装过程	研究基于112个样品，可能存在地域或工艺差异的影响；深度学习模型的可解释性未详细探讨	阐明季节和压曲方式对浓香型大曲风味动态及微生物演替的影响，并识别核心微生物以优化大曲生产质量	浓香型大曲样品及其微生物群落（细菌和真菌），以及理化特性和风味化合物	机器学习	NA	高通量测序	深度学习（数据驱动关键物种识别框架）	序列数据、理化性质数据、风味化合物数据	120个大曲样品（未明确样品类型，实际为120份固态发酵样品）	NA	数据驱动关键物种识别（DKI）框架（具体架构未明确）	NA	NA