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
421	2026-09-19	scGPD: single-cell informed gene panel design for targeted spatial transcriptomics 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.02.680117 PMID:41256660	研究论文	本文提出了scGPD，一个基于深度学习的基因组合设计框架，利用单细胞RNA-seq数据为靶向空间转录组学选择紧凑、非冗余的基因集	使用基因-基因相关性感知的门控机制来提取信息特征，鼓励所选基因之间的多样性并消除冗余，优于现有方法	摘要中未明确说明	解决靶向空间转录组学中，选择能捕捉组织细胞和空间异质性复杂性的信息基因组合这一关键挑战	单细胞RNA-seq数据和空间转录组学数据	计算生物学、空间转录组学、单细胞分析	NA	单细胞RNA-seq、空间转录组学	深度学习	基因表达数据	NA	NA	NA	细胞类型分类准确率、转录组范围表达恢复	NA
422	2026-09-19	Automated segmentation of soft X-ray tomography: Native cellular structure with submicron resolution at high-throughput for whole-cell quantitative imaging in yeast 2025-Oct-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E24-10-0486 PMID:40875368	研究论文	本文利用基于深度学习的自动分割流程对酵母细胞的软X射线断层扫描（SXT）图像进行分割和标注，实现了高通量的全细胞定量成像和形态学分析	开发了基于深度学习的自动分割流程，用于软X射线断层扫描图像，通过手动迭代改进提高了分割精度，实现了对数百个细胞的高通量精确表型分析，并首次展示了SXT数据用于整个细胞器和细胞的精确3D曲率分析以及使用表面网格检测细微形态特征的能力	摘要中未明确提及研究的局限性	开发自动分割软X射线断层扫描图像的流程，实现高通量、精确的全细胞定量成像和形态学分析	酵母细胞（野生型、VPH1-GFP和特定突变株）	计算机视觉	NA	软X射线断层扫描（SXT）	深度学习	图像	数百个细胞（跨三个菌株）	NA	NA	NA	NA
423	2026-09-19	An Interpretable Deep Learning Framework for Biomarker Discovery in Complex Disease Survival Outcomes 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679415 PMID:41256539	研究论文	提出并验证了一种可解释的深度学习框架SurvDNN，用于复杂疾病生存结局中的生物标志物发现	结合了基于自举的正则化策略以缓解过拟合，并提出了新颖的稳定性驱动过滤算法以提高模型鲁棒性；将基于排列的特征重要性检验(PermFIT)扩展到生存分析设置中，实现了在复杂生物标志物-结局关联下对个体生物标志物贡献的严格量化	未明确说明	解决复杂疾病生存结局中生物标志物发现所面临的时间-事件数据独特性质、非线性非加性生物标志物交互以及高维性等挑战	复杂疾病（如癌症和心血管疾病）的生存结局数据及生物标志物	机器学习	癌症, 心血管疾病	基于自举的正则化, 稳定性驱动过滤算法, 基于排列的特征重要性检验	深度神经网络	生存时间-事件数据	未明确说明	未明确说明	深度神经网络	预测准确性	未明确说明
424	2026-09-19	Correcting Non-Uniform Milling in FIB-SEM Images with Unsupervised Cross-Plane Image-to-Image Translation 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.29.679411 PMID:41256585	研究论文	本文开发了一种无监督跨平面图像到图像翻译的深度学习方法，用于校正FIB-SEM图像中因铣削厚度不均匀导致的轴向畸变	提出了一种无监督的图像到图像翻译方法，无需任何真实标注即可在三维图像体积内进行跨平面学习，以端到端方式校正非均匀铣削伪影	仅在真实世界的微型黄蜂数据集上进行了验证，未在其他生物组织或更大规模数据集上评估，方法的泛化能力尚不明确	校正FIB-SEM图像中观察到的非均匀铣削伪影，以改善图像的轴向分辨率和质量，从而支持生物组织精细结构的准确分割和重建	FIB-SEM三维图像体积，具体为微型黄蜂数据集	计算机视觉	NA	FIB-SEM	CNN	图像	一个真实世界的微型黄蜂数据集	NA	NA	定性分析和定量分析	NA
425	2026-09-19	GatorAffinity: Boosting Protein-Ligand Binding Affinity Prediction with Large-Scale Synthetic Structural Data 2025-Oct-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.29.679384 PMID:41256614	研究论文	该研究利用大规模合成蛋白质-配体复合物数据，开发了一种名为GatorAffinity的几何深度学习评分函数，用于蛋白质-配体结合亲和力预测	通过Boltz-1结构预测模型生成了超过45万个合成蛋白质-配体复合物，并结合SAIR数据库的超过100万个合成复合物，构建了大规模合成数据集GatorAffinity-DB，并基于此预训练了GatorAffinity模型，显著提升了亲和力预测的准确性和泛化能力	摘要中未明确提及研究的局限性	解决蛋白质-配体结合亲和力预测中实验数据稀缺的问题，提升预测准确性和泛化能力	蛋白质-配体复合物及其结合亲和力	机器学习	NA	结构预测模型Boltz-1	几何深度学习	结构数据	超过450,000个合成蛋白质-配体复合物（来自Boltz-1），超过1,000,000个合成复合物（来自SAIR数据库），以及PDBbind中的少于20,000个实验结构	NA	GatorAffinity	NA	NA
426	2026-09-19	Comprehensive aortic stenosis characterization using multi-view deep learning 2025-Sep-29, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.26.25336778 PMID:41256129	研究论文	该文章开发了EchoNet-AS，一种结合视频卷积神经网络和分割模型的多视图深度学习端到端方法，用于综合评估主动脉瓣狭窄的严重程度	首次将B模式视频的结构信息和多普勒图像的功能信息整合到一个端到端深度学习模型中，突破了现有AI模型仅使用单一信息的局限	摘要中未明确提及研究的局限性	利用多视图深度学习综合评估主动脉瓣狭窄的严重程度，并验证其在不同医疗中心外部队列中的泛化能力	主动脉瓣狭窄患者，包括来自KPNC、SHC和CSMC三个医疗系统的超声心动图研究	医学影像分析	心血管疾病	超声心动图，包括B模式视频和多普勒成像	CNN，分割模型	图像和视频	训练集210193张图像来自16076项研究（KPNC）；内部验证集1589项研究（KPNC）；时间外部验证集19206项研究（KPNC）；外部验证集2415项研究（SHC）和9038项研究（CSMC）	NA	卷积神经网络（CNN），分割模型	AUC	NA
427	2026-09-19	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2025-Sep-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.26.678787 PMID:41256411	研究论文	本文提出了一种基于深度学习的工具AccuSNV，用于高精度自动化的细菌单核苷酸变异（SNV）检测	AccuSNV利用卷积神经网络整合多个样本的比对信息，通过学习跨样本模式提高精度，并提供了用户友好的下游分析模块	未明确提及	开发一种高精度、自动化的细菌SNV检测工具，以解决传统方法高假阳性率和需要手动过滤的问题	细菌分离株的SNV检测	机器学习	NA	全基因组测序	CNN	序列数据	六个细菌物种的模拟数据以及多个真实的细菌数据集	NA	卷积神经网络	NA	NA
428	2026-09-19	Mapping the Evolution of China's Traditional Chinese Medicine Education Policies: Insights From a BERTopic-Based Descriptive Study 2025-09-25, JMIR medical education IF:3.2Q1 DOI:10.2196/72660 PMID:40997298	研究论文	本研究基于BERTopic模型对中医药教育政策文献进行主题建模，系统分析中国中医药教育政策的研究主题及其演变趋势	首次将BERTopic深度学习主题建模技术应用于中医药教育政策分析，提出了中医药教育政策演变的五个阶段框架（边缘化、标准化、专业化、系统化、再标准化），填补了该领域长期趋势和核心问题研究的空白	未明确提及研究局限性，但可能存在政策文献收集范围有限、BERTopic模型参数选择对结果的影响未充分讨论等问题	系统分析中国中医药教育政策的研究主题和演变趋势，为未来政策制定和教育实践提供数据驱动的参考依据	中国中医药教育相关政策文献，来源包括教育部、国家中医药管理局、北大法宝及中医药院校档案	自然语言处理	NA	NA	BERTopic	文本	NA	NA	BERTopic	NA	NA
429	2026-09-19	Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study 2025-09-23, JMIR cancer IF:3.3Q2 DOI:10.2196/71102 PMID:40986859	研究论文	该研究利用亚马逊消费者评论作为新型数据源，通过内容分析和深度学习及大语言模型开发基线模型，以识别癌症幸存者的护理需求	首次将亚马逊消费者评论作为识别癌症幸存者护理需求的新数据源，并构建了公开可用的手动标注语料库及基于深度学习和LLM的基线模型	仅标注了159条评论，样本量较小；基线模型性能有限（NER F1最高66.92%，文本分类F1最高88.46%）；未与临床指南进行直接对比验证	突出利用亚马逊消费者评论作为识别癌症幸存者护理需求（特别是症状自我管理）新来源的潜力，并开发基线自然语言处理模型	亚马逊平台上健康相关产品的消费者评论，重点关注包含癌症提及的句子	自然语言处理	癌症	自然语言处理，深度学习，大语言模型	BERT，GPT-4	文本	4703个句子，来自3349条评论，涉及2589种产品；其中159条评论被手动标注，产生2067个标签	NA	Bert-base-cased，gpt4-1106-preview-chat	加权平均F1分数，F1分数	NA
430	2026-09-19	GIN-CRC-Pareto: A graph-based Pareto-optimal multi-task learning framework to identify miRNA-target interactions in colorectal cancer 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.10.669528 PMID:40832303	研究论文	本文提出了一种基于图的帕累托最优多任务学习框架GIN-CRC-Pareto，用于同时预测miRNA-mRNA结合对、识别种子匹配对并分类种子匹配亚型，以识别结直肠癌中的miRNA-靶标相互作用	结合图神经网络与帕累托最优梯度平衡策略，动态调整任务权重以优化每个任务而不影响其他任务，并验证了该框架结合迁移学习在其他癌症中的泛化能力	摘要中未明确提及研究的局限性	识别结直肠癌中的miRNA-靶标相互作用，以阐明驱动结直肠癌及其他恶性肿瘤的分子机制，并促进基于miRNA的癌症治疗开发	结直肠癌（CRC）中的miRNA-mRNA相互作用	机器学习	结直肠癌	NA	图神经网络	NA	NA	NA	图同构网络	准确率，精确率，AUC	NA
431	2026-09-19	Domain-Randomized Deep Learning for Neuroimage Analysis: Selecting Training Strategies, Navigating Challenges, and Maximizing Benefits 2025-Jul, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2025.3590806 PMID:41306561	综述	本文是一篇教程综述，系统介绍了基于域随机化的深度学习在神经影像分析中的训练策略、实施挑战与优势，涵盖原理、实现及潜在应用	系统综述了通过合成随机化强度和解剖内容的图像来训练深度神经网络的新兴域随机化策略，该策略无需重新训练或微调即可处理训练中未见过的图像类型，并跨多种成像模态验证了有效性	域随机化方法增加了计算需求，实际采用时需要在泛化能力与计算成本之间进行权衡	综述合成驱动训练范式的原理、实施和潜力，探讨实际采用该技术的考量因素，旨在加速开发可泛化工具，使深度学习更易于领域专家使用	神经影像数据，特别是MRI图像，以及CT、PET、OCT、超声、电子和荧光显微镜、X射线微断层扫描等多模态医学图像	计算机视觉	NA	域随机化训练策略、合成图像生成、解剖分割图	深度神经网络	图像	NA	NA	NA	NA	NA
432	2026-09-19	Sidechain conditioning and modeling for full-atom protein sequence design with FAMPNN 2025-Jul, Proceedings of machine learning research PMID:41307002	研究论文	本文提出了FAMPNN，一种全原子蛋白质序列设计方法，在序列生成过程中显式建模残基的侧链构象	FAMPNN是首个在固定主链蛋白质序列设计中显式建模侧链构象的方法，联合学习离散氨基酸身份和连续侧链构象的分布，显著提升了序列恢复率和侧链堆积质量	未明确提及	解决现有深度学习方法在固定主链蛋白质序列设计中忽略侧链构象建模的问题，提高序列设计和侧链堆积的准确性	蛋白质序列和侧链构象	机器学习	NA	深度学习	MPNN	蛋白质结构数据	NA	NA	FAMPNN	序列恢复率, 侧链堆积质量, 零样本预测结合和稳定性	NA
433	2026-09-19	Revealing emotional responses to urban environmental elements through street view data and deep learning 2025-Jun-05, Environment and planning. B, urban analytics and city science DOI:10.1177/23998083251348280 PMID:41268364	研究论文	本文通过街景数据和深度学习技术，探究城市环境特征对情绪的影响	结合DeepLab V3架构和LaDeco工具分析超过20万张街景图像，将环境特征分为五类并细分为53个类别，通过大规模参与者情绪报告和多元回归分析揭示环境特征与情绪的关系	研究仅针对台北市的50个采样区域，可能限制结果的普遍性；未提及具体的计算资源细节	探索城市环境特征对情绪的影响	台北市50个采样区域的城市环境特征和2090名参与者的情绪反应	计算机视觉	NA	深度学习，街景数据	CNN	图像，文本	超过200,000张Google Street View图像，2090名参与者	NA	DeepLab V3	NA	NA
434	2026-09-19	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本文训练并验证了一个基于深度学习的脑微出血（CMB）分割模型，并分析了CMB与认知功能、血管风险因素及白质高信号负担之间的关联	使用nnU-Net框架自动量化SWI上的脑微出血，并在独立内部和外部验证集上评估模型性能，同时在大规模临床数据集中探索CMB与认知功能、血管风险因素及WMH负担的关联	外部验证集上的分割性能相对较低（Dice分数为0.46），表明模型泛化能力有限；研究为单机构回顾性研究，可能存在选择偏倚	训练并验证深度学习模型用于SWI上脑微出血的自动分割，并探究CMB与认知障碍及血管风险因素之间的关联	接受脑MRI评估认知障碍的参与者	数字病理学	心血管疾病	SWI	CNN	图像	训练集287例，内部验证集67例，外部验证集68例，时间独立临床数据集448例	PyTorch	U-Net	Dice分数	NA
435	2026-09-19	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	研究论文	本研究开发并验证了一种基于深度学习的自动量化黑质高信号及分类神经退行性帕金森综合征的算法，使用磁敏感图加权成像（SMwI）检测和量化黑质小体-1异常	首次开发同时检测和量化黑质小体-1异常的深度学习模型，利用磁敏感图加权成像实现帕金森病的快速、准确自动量化诊断，并可用于症状严重程度预测和患者分层	需要在不同临床环境中进一步验证研究结果	开发并验证基于深度学习的黑质高信号自动量化方法及神经退行性帕金森综合征分类算法	450名训练参与者（210名特发性帕金森病患者和240名对照组）和237名验证参与者（168名特发性帕金森病患者、58名特发性震颤患者和11名药物诱导帕金森综合征患者）	医学影像分析	帕金森病	磁敏感图加权成像（SMwI），多回波梯度回波序列重建，N-3-氟丙基-2-β-甲氧羰基-3-β-(4-碘苯基)去甲托烷PET	深度学习	医学影像	训练集450名参与者，验证集237名参与者	NA	Heuron NI（量化模型），Heuron IPD（分类模型）	AUC（曲线下面积），95%置信区间	NA
436	2026-09-19	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	研究论文	本文开发了一种基于深度学习的去脸方法，用于儿科脑部MRI，以促进神经科学中的数据共享	开发了首个专门针对儿科脑部MRI的去脸工具，使用nnU-Net模型在大型多机构数据集上训练，涵盖多种MRI序列和年龄范围，并公开提供软件包	耳朵去除的准确性相对较低（73%），去脸对某些下游分析可能存在微小影响	开发自动去脸工具以保护儿科脑部MRI中的隐私，促进数据共享	儿科脑部MRI图像，包括脑肿瘤患者和临床对照患者	数字病理学	脑肿瘤	MRI	CNN	图像	976张MRI图像，来自208名脑肿瘤患者和36名对照患者，年龄从7天到21岁	NA	nnU-Net	准确率, 相关系数	NA
437	2026-09-19	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-04-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	研究论文	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担评分	提出了一种多任务AI系统，结合影像组学和深度学习特征，能够无创地早期预测残留癌症负担评分，并在多个外部验证队列中验证了其性能	摘要中未提及	开发一种AI系统，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担评分	接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	磁共振成像，影像组学，深度学习	多任务AI系统	图像	1048名乳腺癌患者（主要队列335人，外部验证队列713人）	NA	NA	AUC	NA
438	2026-09-19	A Pseudo-Value Approach to Causal Deep Learning of Semi-Competing Risks 2025-Mar-03, Arabian journal of mathematics IF:0.9Q2 DOI:10.1007/s40065-025-00501-7 PMID:41268055	研究论文	提出一种用于半竞争风险下非致命结局因果推断的深度学习三阶段方法，并应用于肺癌手术效果评估	结合阿基米德Copula表示、Jackknife伪值和深度神经网络，无需比例风险等强假设，实现半竞争风险下因果生存效应的直接标准化估计	依赖于阿基米德Copula表示和伪值近似，可能对模型误设敏感；未与其他复杂因果方法进行广泛比较	在半竞争风险和复杂协变量关系下，准确估计治疗对非致命结局的因果效应	早期非小细胞肺癌患者，以及模拟数据	机器学习	肺癌	NA	深度神经网络	数值型生存数据	波士顿肺癌研究队列（具体样本量未提供）及模拟研究	NA	深度神经网络（具体结构未指定）	NA	NA
439	2026-09-19	Data Harmonization with StyleTransfer-GANs: Enhancing Non-Invasive IDH Classification in Brain Tumors 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3049148 PMID:41200077	研究论文	本文开发了一个StyleTransfer-GAN来协调多中心MRI数据，以提升脑肿瘤中非侵入性IDH分类的准确性	使用StyleTransfer-GAN进行数据协调，解决多中心MRI数据异质性，并评估其对IDH分类的影响	摘要中未明确提及限制	提高非侵入性IDH突变状态分类的准确性和泛化能力	脑胶质瘤患者的MRI图像	医学图像分析	脑肿瘤	MRI	GAN	图像	NA	NA	StyleTransfer-GAN, 深度学习网络	准确率, 灵敏度, 特异度	NA
440	2026-09-19	Masked image modeling in medical hyperspectral imaging: reconstruction evaluation and downstream tasks 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048802 PMID:41267884	研究论文	本文利用掩码图像建模方案在高光谱图像上进行自监督预训练，并评估预训练和下游分类任务	将最先进的预训练架构与高光谱成像结合，有效编码组织的空间和光谱特征，并采用序列光谱和空间注意力分解模型以提高效率	未提及明显的局限性	评估基于掩码图像建模的预训练方法在医学高光谱图像上的重建效果和下游任务性能	高光谱图像数据，包括内部数据集和验证数据集	计算机视觉，医学图像分析	NA	高光谱成像	掩码自编码器，注意力机制	高光谱图像	17类组织样本，具体数量未明确	NA	基于序列光谱和空间注意力的分解模型	平均绝对误差（MAE），准确率	NA