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
441	2026-05-31	Prediction of mammographic breast density based on clinical breast ultrasound images using deep learning: a retrospective analysis 2025-Jun, Lancet regional health. Americas DOI:10.1016/j.lana.2025.101096 PMID:40290129	研究论文	基于深度学习从临床乳腺超声图像预测乳腺钼靶密度的回顾性分析	首次探索利用人工智能从乳腺超声图像预测BI-RADS乳腺密度类别，并在乳腺癌风险模型中证明其与钼靶密度具有相似的预测能力	未明确提及，但基于回顾性设计可能存在选择偏倚和泛化性限制	评估深度学习模型从临床乳腺超声图像预测乳腺密度的准确性，并比较其与临床BI-RADS密度在乳腺癌风险预测中的表现	来自三所机构的14,066名女性的405,120张临床乳腺超声图像	计算机视觉, 机器学习	乳腺癌	NA	深度学习模型（CNN相关）	图像（乳腺超声图像）	14,066名女性，405,120张图像（训练集10,393人/302,574张，验证集2,593人/69,842张，测试集1,074人/28,616张）	NA	卷积神经网络（具体架构未说明）	AUROC	NA
442	2026-05-31	MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer 2025-06, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2025.107765 PMID:40345352	research paper	本研究介绍了一种基于MRI和多模态AI的3D深度学习模型（3D-MMR-model），用于预测非转移性乳腺癌患者的复发风险	结合多模态MRI数据和AI驱动的3D深度学习模型，实现乳腺癌复发风险的无创预测，并通过RNA-seq分析探索肿瘤区域热点与微环境的关系	NA	开发并验证一种基于MRI的多模态AI模型，用于预测非转移性乳腺癌的复发风险，并指导辅助治疗决策	非转移性乳腺癌患者	machine learning	乳腺癌	MRI, RNA-seq	3D深度学习模型（3D-MMR-model）	MRI图像（T1+C, T2WI）和临床数据	来自中国四家机构的1199名非转移性乳腺癌患者	PyTorch	改进的3D-UNet（肿瘤分割），DenseNet121（无病生存预测）	AUC	NA
443	2026-05-31	High-throughput markerless pose estimation and home-cage activity analysis of tree shrew using deep learning 2025-05, Animal models and experimental medicine IF:3.8Q2 DOI:10.1002/ame2.12530 PMID:39846430	研究论文	利用深度学习方法实现树鼩的无标记姿态估计和居家笼活动分析	首次将深度学习用于树鼩的无标记姿态估计和多种自发行为识别，并开发了同时监测16只树鼩的高通量系统	NA	开发一种高效的方法来量化树鼩的居家笼活动，为理解其日常行为和建立疾病模型提供可靠基础	树鼩	计算机视觉	NA	深度学习	CNN	行为视频	16只树鼩	NA	NA	抓取行为中位持续时间0.20秒	NA
444	2026-05-31	Cyber-physical security of biochips: A perspective 2025-May, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0252554 PMID:40454326	综述	从多层面探讨微流控生物芯片的网络安全与物理安全威胁及防御策略	首次系统阐述微流控生物芯片面临的结构篡改、材料降解、样本干扰和知识产权盗窃等多维度安全威胁，并提出基于深度学习、机械响应染料、分子条形码和物理不可克隆函数等跨学科综合防御框架	作为前瞻性观点文章，未提供具体实验验证或定量分析各防御技术的有效性	揭示微流控生物芯片在关键应用中的安全漏洞并推荐多层防御机制	微流控生物芯片及其安全威胁与防御技术	计算机视觉, 机器学习	不适用	微流控	深度学习	图像	不适用	不适用	不适用	不适用	不适用
445	2026-05-31	Non-local modeling of enhancer-promoter interactions, a correspondence on "LOCO-EPI: Leave-one-chromosome-out (LOCO) as a benchmarking paradigm for deep learning based prediction of enhancer-promoter interactions" 2025-May, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-025-06378-5 PMID:42210916	评述	对Tahir等人2024年关于增强子-启动子相互作用预测模型的论文提出质疑，指出其结论重复了2018年的工作，并解释模型性能差的原因与DNA环化等最新进展一致	纠正了已有研究记录的遗漏，并指出模型性能差与DNA环化、黏连蛋白挤压和CTCF约束下增强子-启动子相互作用建模的最新进展一致	未提供新的实验数据或模型改进，仅基于已有文献分析	纠正对增强子-启动子相互作用建模的误解，阐明模型性能差的可能原因	Tahir等人提出的LOCO-EPI模型及其与先前研究的比较	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
446	2026-05-31	A deep learning framework for automated and generalized synaptic event analysis 2025-Mar-05, eLife IF:6.4Q1 DOI:10.7554/eLife.98485 PMID:40042890	研究论文	提出一种基于深度学习的监督方法miniML，用于自动检测和分类自发突触事件，并验证其在多种实验条件下的通用性	首次将深度学习框架miniML应用于自发突触事件的自动化分析，在精确度和召回率上优于传统方法，且易于跨物种、跨记录技术和跨突触类型泛化	未提及具体局限，但依赖监督学习需要大量标注数据，可能对罕见突触事件检测不足	开发一种自动化、可靠且标准化的突触事件分析框架，以促进神经功能的高通量研究	模拟真实数据和多种生物样本中的自发突触事件	机器学习	神经疾病	电生理记录, 光学记录	CNN（卷积神经网络）	电信号, 图像	未在标题和摘要中明确说明样本数量	NA	NA	精确度, 召回率	NA
447	2026-05-31	Deep learning methods for protein function prediction 2025-01, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	综述	综述近期深度学习在蛋白质功能预测中的进展，涵盖数据源和评估指标	深入总结该领域的重要进展，识别主要挑战并探讨未来方向	未提供具体实验或方法比较，仅依赖于现有文献分析	梳理深度学习在蛋白质功能预测中的现状并指引未来发展	蛋白质功能预测方法	机器学习	NA	NA	深度学习	序列、结构、相互作用数据	NA	NA	NA	评估指标	NA
448	2026-05-30	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	利用基础模型提取双时间点CT扫描中的时间变化特征，预测肺癌患者生存期	首次将基础模型应用于双时间点CT扫描，通过时间变化特征（欧氏距离、逐元素相减特征向量）提升非小细胞肺癌生存预测效果	样本量较小（仅102例），且为单中心回顾性研究，需进一步外部验证	验证双时间点CT扫描结合基础模型提取的时间变化特征在肺癌生存预测中的价值	接受放射治疗的NSCLC患者	医学影像分析	非小细胞肺癌	基础模型特征提取	随机森林、梯度提升生存模型	CT影像	102例NSCLC患者，每例包含治疗前和治疗后CT扫描	NA	基础模型（未具体说明架构）、随机森林、梯度提升	生存预测性能（具体指标文中未明确给出）	NA
449	2026-05-30	Mino-Bimaadiziwin and the Pursuit of Harmony 2025-11, Personality and social psychology review : an official journal of the Society for Personality and Social Psychology, Inc IF:7.7Q1 DOI:10.1177/10888683251345043 PMID:41017246	研究论文	从北美原住民Anishinaabeg视角探讨“美好生活”概念Mino-Bimaadiziwin及其七大美德教导，强调和谐而非幸福	提出心理学家应深度理解北美原住民关于幸福的本土世界观，避免文化挪用或殖民化，并通过故事工作呈现与西方观点不同的和谐导向理论	NA	引入Mino-Bimaadiziwin概念和七大祖父教导，拓展心理学对幸福的跨文化理解	Anishinaabeg原住民（包括奥吉布韦、波塔瓦托米等第一民族）的幸福观和七大美德价值观	自然语言处理	NA	NA	NA	文本	NA	NA	NA	NA	NA
450	2026-05-30	Artificial Intelligence-Augmented Imaging for Early Pancreatic Cancer Detection 2025-Oct, Visceral medicine IF:1.8Q2 DOI:10.1159/000546603 PMID:40567392	综述	通过人工智能增强影像技术实现早期胰腺癌检测	利用放射组学和深度学习模型提取人眼不可见的胰腺癌细微影像特征，可在临床诊断前数月甚至数年于CT扫描中识别出胰腺癌的预诊征象	数据集异质性、模型可解释性不足以及缺乏真实临床环境的前瞻性验证	探讨人工智能在早期胰腺导管腺癌（PDA）CT检测中的应用，以实现更早干预并减少诊断不确定性	胰腺癌早期检测的CT影像及人工智能模型	计算机视觉	胰腺癌	CT、放射组学	深度学习模型	图像	NA	NA	NA	NA	NA
451	2026-05-30	Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing 2025-09, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400321 PMID:39888246	观点文章	探讨从头测序在宏蛋白质组学中的应用，包括其从手动注释到基于图、标签和深度学习方法的演变，以及其在检测未测序物种和提供微生物群落功能洞察方面的潜力	系统性地回顾了从头测序方法从手动注释到基于图、标签和深度学习方法的演变，并重点讨论了其在宏蛋白质组学中检测未测序物种的潜力	主要依赖观点阐述，缺乏实验验证；未提供具体性能指标或与数据库搜索的定量比较	探讨从头测序在宏蛋白质组学中的演变、优势、局限性和未来机遇	宏蛋白质组学中的微生物群落蛋白质	机器学习	NA	质谱法	深度学习	质谱数据	NA	NA	NA	NA	NA
452	2026-05-30	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	研究论文	提出一种任务聚焦知识迁移方法，用于CT图像感知质量评估	首次将自然图像中的任务相似知识迁移至CT图像质量评估，采用混合卷积神经网络-变压器模型，无需参考图像且减少对大规模标注数据集的依赖	未具体说明局限性，但可能涉及对CT图像领域特定失真的泛化能力有限或需要进一步临床验证	开发一种无参考、自动化的CT图像质量评估方法，以密切反映放射科医生的评估并减少对标注数据集的依赖	低剂量CT图像质量和儿科CT检查图像	计算机视觉	NA	CT	混合卷积神经网络-变压器模型	图像	涉及低剂量CT感知图像质量评估数据集和儿科CT检查数据集，但未明确具体样本数量	PyTorch	CNN-Transformer混合架构	NA	NA
453	2026-05-30	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-Sep-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	通过身体传感器和认知任务数据，利用时间融合深度学习模型检测阿片类药物滥用	首次将时间融合变换器机器学习模型应用于结合身体传感器和认知任务数据来检测阿片类药物滥用	行为反应比生理信号对滥用状态预测更强，可穿戴传感器预测能力有限，且需与客观阿片类药物滥用测量基准对比	利用机器学习检测阿片类药物滥用，预防过量使用和阿片类药物使用障碍等风险	169名使用阿片类镇痛药管理慢性疼痛的患者	机器学习	阿片类药物滥用	NA	时间融合变换器	生理数据（心率变异性、呼吸率）、行为数据（反应时间、任务准确率）	169名患者，9238个数据点	NA	时间融合变换器	AUC、特异性、敏感性	NA
454	2026-05-30	Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient 2025-Aug, HSS journal : the musculoskeletal journal of Hospital for Special Surgery IF:1.6Q2 DOI:10.1177/15563316251339660 PMID:40454292	综述	探讨人工智能在肌肉骨骼疾病诊断和预后中的应用，包括计算机视觉算法和多模态预测模型	引入生成式人工智能领域，概述AI模型开发的局限性框架	未具体说明，但指出AI模型开发存在局限性	帮助临床医生理解机器学习和深度学习在肌肉骨骼疾病管理中的应用意义	肌肉骨骼患者和相关AI模型	计算机视觉	肌肉骨骼疾病	NA	深度学习	图像、多模态数据	NA	NA	计算机视觉算法、多模态预测模型	NA	NA
455	2026-05-30	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-07-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	提出多模态深度学习方法M-REGLE，通过融合心电图和光电容积描记波形数据，提升心血管性状的遗传预测性能	首次利用卷积变分自编码器联合学习多模态生理波形的低维潜在因子，并通过GWAS分析发现更多遗传位点，实现跨模态互补信息的遗传关联挖掘	未明确提及模型泛化性验证（如其他模态数据）或计算效率分析	开发多模态表示学习方法以增强复杂心血管性状的遗传关联发现和预测能力	心血管生理波形模态（12导联心电图、单导联心电图、光电容积描记图）	机器学习	心血管疾病	深度卷积变分自编码器	卷积神经网络	生理波形信号	多个生物样本库数据集（具体样本数未提供）	PyTorch	变分自编码器	遗传位点发现率、遗传风险评分预测性能	NA
456	2026-05-30	A review of denoising methods in single-particle cryo-EM 2025-07, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2025.103817 PMID:40164016	综述	全面回顾单颗粒冷冻电镜图像去噪方法的最新进展	从传统滤波方法到最新深度学习策略的系统性比较分析，为研究者提供该领域的全面视角	未涉及具体去噪方法的定量性能对比实验，未深入探讨方法在真实数据上的泛化能力	推动单颗粒冷冻电镜去噪领域发展，促进高质量图像获取，为领域新研究者提供指导	单颗粒冷冻电镜图像去噪方法	计算机视觉	NA	冷冻电镜	NA	冷冻电镜图像	NA	NA	NA	信噪比	NA
457	2026-05-30	AI-Driven Detection and Measurement of Keratinized Gingiva in Dental Photographs: Validation Using Reference Retainers 2025-07, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.14164 PMID:40195567	研究论文	评估深度学习模型在口腔照片中检测角化龈的临床有效性，并利用参考固定器进行验证	首次提出能够可靠识别全口腔角化龈的AI模型，并利用参考固定器进行彻底验证	后牙区域的预测结果需要进一步改进	评估深度学习模型在口腔照片中检测角化龈的能力，并验证其临床适用性	来自32名受试者的576张口腔六分区照片	机器视觉	口腔疾病	深度神经网络	DeepLabv3	图像	32名受试者，576张六分区照片	NA	DeepLabv3, ResNet50	Dice系数，准确率	NA
458	2026-05-30	Peptide Property Prediction for Mass Spectrometry Using AI: An Introduction to State of the Art Models 2025-05, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400398 PMID:40211610	综述	综述了基于机器学习和深度学习的质谱肽段性质预测模型，涵盖可消化性、保留时间等多个性质	提供了从入门到前沿的全面概述，有助于开发可访问且可复现的肽段性质预测模型	当前模型在处理多样化翻译后修饰和仪器变异性方面存在困难，需要大规模协调数据集和标准化评估指标	介绍并更新质谱肽段性质预测领域的前沿模型，旨在为新手和有经验的研究者提供指导	质谱蛋白质组学中的肽段性质预测模型	机器学习	NA	质谱	机器学习、深度学习	质谱数据	NA	NA	NA	NA	NA
459	2026-05-30	Risk-Stratified Screening: A Simulation Study of Scheduling Templates on Daily Mammography Recalls 2025-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.010 PMID:40044308	研究论文	通过仿真模拟评估风险分层筛查调度对每日乳腺X光检查召回率的影响	将基于AI和深度学习的癌症风险分层整合到每日筛查调度中，以优化同一天诊断检查的利用，减少后续预约需求	基于模拟而非真实临床数据，且未涉及实际实施中的复杂性，如患者依从性或资源限制	评估与传统随机调度相比，风险分层筛查调度对乳腺X光检查工作流程中召回率、运营时间和患者等待时间的影响	基于离散事件模拟的高容量乳腺成像中心的每日患者调度流程	计算机视觉	乳腺癌	没有使用特定的测序或组学技术；主要涉及AI辅助诊断和深度学习	深度学习风险模型	模拟数据	每日60名患者（模型中平均42%接受筛查，11%约3名被推荐诊断检查）	NA	NA	召回率方差、运营时间、患者等待时间	NA
460	2026-05-30	Opportunistic Detection of Hepatocellular Carcinoma Using Noncontrast CT and Deep Learning Artificial Intelligence 2025-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.12.011 PMID:40044303	研究论文	利用非增强CT和深度学习人工智能算法机会性检测肝细胞癌	首次探索非增强CT在肝细胞癌机会性筛查中的应用，并开发了基于3D卷积块注意力模块的人工智能算法	未提及具体限制，但可能包括样本选择偏倚、外部验证队列规模有限等	开发一种仅使用非增强CT进行高效准确肝细胞癌检测的人工智能算法	肝细胞癌患者及高风险人群的非增强CT扫描图像	计算机视觉，数字病理	肝癌	CT成像	3D卷积块注意力模块	CT图像	共2,223名患者（内部验证）和584名患者（外部测试）	NA	卷积块注意力模块	AUC	NA