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	2026-09-19	Utilizing deep learning-based causal inference to explore vancomycin's impact on continuous kidney replacement therapy necessity in blood culture-positive intensive care unit patients 2025-01-07, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02662-24 PMID:39656005	研究论文	该研究利用基于深度学习的因果推断方法，探究万古霉素对血培养阳性ICU患者接受连续性肾脏替代治疗（CKRT）风险的影响。	首次将基于深度学习的因果推断模型应用于量化万古霉素对CKRT启动概率的影响，并识别出与万古霉素敏感性相关的特定患者特征	仅基于MIMIC-III单一数据集，样本量有限（1318例，其中仅41例需要CKRT），可能存在选择偏倚，且未在外部数据集验证	预测ICU血培养阳性患者的CKRT需求，并定量评估万古霉素对CKRT启动概率的因果影响	ICU中血培养阳性的患者	机器学习	脓毒症急性肾损伤	NA	随机森林, LightGBM, 深度学习因果推断模型	结构化临床数据	1318例ICU患者（其中41例需要CKRT）	NA	随机森林, Light Gradient Boosting Machine, 深度学习因果推断模型	AUC	NA
442	2026-09-19	Deep learning-based prediction of HER2 status and trastuzumab treatment efficacy of gastric adenocarcinoma based on morphological features 2025-01-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-06034-5 PMID:39762854	研究论文	本研究基于胃腺癌的H&E染色组织病理图像，利用深度学习模型预测HER2状态及曲妥珠单抗治疗疗效	首次探讨深度学习提取的形态学特征能否预测抗HER2治疗的疗效，并构建CNN模型同时预测HER2状态和曲妥珠单抗治疗反应	样本量相对有限，仅纳入单中心连续病例，模型在活检标本中预测HER2状态的AUC较低（0.723），需外部多中心验证	探索基于H&E染色形态学特征的深度学习算法，准确预测胃腺癌HER2状态并评估曲妥珠单抗治疗反应，辅助临床决策	胃腺癌患者的手术标本和活检标本，包括接受HER2检测的病例及接受曲妥珠单抗治疗的HER2阳性病例	数字病理学	胃癌	H&E染色、免疫组化（IHC）、荧光原位杂交（FISH）	CNN	图像	300例连续手术标本、101例活检标本（均接受HER2检测），以及41例接受曲妥珠单抗治疗的HER2阳性胃活检标本	NA	卷积神经网络（CNN）	AUC	NA
443	2026-09-19	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	撤稿	该论文提出了一种基于多源地理大数据和深度神经网络的房价评估模型（HPEM），用于房价预测	将注意力机制与空间特征提取相结合，并采用蝙蝠优化算法提高模型的可解释性和准确性	论文已被撤稿	解决传统房价预测模型在泛化性、计算效率和可解释性方面的困难	多源地理大数据和房价数据	机器学习	NA	多源地理大数据分析、深度学习	混合深度学习网络	多源地理数据、结构化数据	房价数据集（具体样本量未提及）	NA	注意力机制与空间特征提取网络	特征稳定性、平均绝对误差（MAE）、训练时间	NA
444	2026-09-19	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，用于早期检测阿尔茨海默病及相关痴呆症，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	将特征工程机器学习与端到端深度学习（结合大语言模型）相结合，分析Craft Story Recall任务中的数字语音记录，用于早期检测认知障碍并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	样本量相对较小，仅涉及120名患者和68名认知正常对照，可能影响模型的泛化能力	利用人工智能分析数字语音录音，实现认知障碍的早期检测，并区分早发性阿尔茨海默病与早发性非阿尔茨海默病认知障碍	120名患者和68名认知正常对照的语音样本	自然语言处理	阿尔茨海默病	数字语音分析	机器学习，深度学习，大语言模型	音频	188名参与者（120名患者和68名认知正常对照）	NA	NA	AUC	NA
445	2026-09-19	High-resolution protein modeling through Cryo-EM and AI: current trends and future perspectives - a review 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1688455 PMID:41209584	综述	本文综述了冷冻电镜和人工智能在蛋白质高分辨率建模中的最新进展及未来展望	系统总结了冷冻电镜与人工智能（如AlphaFold 2和AlphaFold 3）的互补作用，并讨论了整合方法在药物设计、酶机制阐明和功能预测中的应用	未提及具体的技术限制或数据局限性，但讨论了当前AI-冷冻电镜整合的局限性	总结冷冻电镜和人工智能在蛋白质结构解析中的最新进展，并探讨未来整合实验和计算方法的方向	蛋白质，包括膜蛋白、柔性蛋白、内在无序蛋白和大型大分子复合物	结构生物学	NA	冷冻电镜，人工智能结构预测	深度学习算法	蛋白质结构数据，氨基酸序列	NA	NA	AlphaFold 2, AlphaFold 3	NA	NA
446	2026-09-19	Explainable Transfer Learning with Residual Attention BiLSTM for Prognosis of Ischemic Heart Disease 2025, F1000Research DOI:10.12688/f1000research.166307.3 PMID:41216267	研究论文	该研究提出了一种名为X-TLRABiLSTM的可解释迁移学习模型，用于缺血性心脏病的预后预测	结合了迁移学习、残差注意力双向LSTM、SHAP可解释性分析以及人口统计学重加权公平性优化策略	仅在UCI心脏病数据集上进行了评估，未在更大规模或更多样化的临床数据集上验证	实现缺血性心脏病的早期准确预测，同时提高模型的可解释性、泛化性和公平性	缺血性心脏病患者	机器学习	心血管疾病	NA	LSTM	文本	UCI心脏病数据集，使用10折交叉验证	NA	残差注意力双向LSTM	准确率, F1分数, AUC, 假阳性率, 假阴性率, 公平性差距	NA
447	2026-09-19	Computational models for pan-cancer classification based on multi-omics data 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1667325 PMID:41220429	综述	该综述总结了泛癌研究中的多组学数据和公共数据库，并探讨了基于机器学习和深度学习的泛癌分类计算模型及其优缺点	系统性地从计算模型角度对泛癌分类方法进行分类和比较，涵盖机器学习和深度学习，并整合了多组学数据视角	现有框架难以整合肿瘤内动态时间变化和空间异质性，限制了实时临床适用性	总结泛癌研究中的多组学数据和公共数据库，综述当前基于计算模型的泛癌分类方法，并探讨关键挑战和未来方向	泛癌多组学数据（基因组学、转录组学、蛋白质组学）及公共生物医学数据库	机器学习	泛癌	多组学数据分析	机器学习, 深度学习	多组学数据	NA	NA	NA	NA	NA
448	2026-09-19	AI-Based Detection of Coronary Artery Occlusion Using Acoustic Biomarkers Before and After Stent Placement 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3615394 PMID:41221436	研究论文	使用DeepSets架构的人工智能，通过学习患者特异性声学生物标志物，区分经皮冠状动脉介入治疗前后的心音，从而检测冠状动脉闭塞。	提出使用DeepSets架构学习患者特异性声学生物标志物，并利用学习到的潜在表示识别与冠状动脉疾病相关的声音原子，实现无创监测。	样本量小（仅12名患者），且使用孤立舒张期窗口声音时准确率较低（71.43%）。	利用人工智能基于心音声学生物标志物检测冠状动脉闭塞，并评估支架植入前后的变化。	12名接受经皮冠状动脉介入治疗的人类患者的心音记录。	医学人工智能	心血管疾病	心音记录、匹配追踪分解	DeepSets	音频	12名患者	NA	DeepSets	准确率	NA
449	2026-09-19	Deep learning-based classification of colorectal cancer in histopathology images for category detection 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf077 PMID:41256969	研究论文	本研究探索了基于深度学习的结直肠癌组织病理图像自动分类方法，通过对比ResNet和Swin Transformer等模型，并开发了一种两阶段预测框架以提高分类鲁棒性	开发了一个两阶段预测框架，包括二分类异常检测阶段和多分类癌症分类器，显著提高了对代表性不足和形态复杂类别的分类鲁棒性，例如将高级别不典型增生的分类准确率从53.57%提升至71.43%	Swin Transformer V2模型虽然性能有竞争力，但计算需求增加；对于高级别不典型增生等复杂类别的分类准确率仍有待提高	利用深度学习技术对结直肠癌组织病理图像进行自动分类，以辅助病理学家进行准确诊断	结直肠癌组织病理图像，包括增生性息肉、腺癌和高级别不典型增生等类别	数字病理学	结直肠癌	苏木精-伊红染色组织病理图像分析	CNN, Transformer	图像	NA	NA	ResNet-34, ResNet-50, Swin Transformer V2	准确率, top-2准确率, top-3准确率, 微平均ROC AUC, F1分数	NA
450	2026-09-19	Pathway-guided architectures for interpretable AI in biological research 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.10.063 PMID:41282420	综述	本文综述了通路引导的可解释深度学习架构（PGI-DLA）在生物多组学数据建模中的研究进展，重点讨论了组学兼容性、架构设计、特征解释及生物与临床应用。	系统梳理了PGI-DLA在组学兼容性、架构设计、特征解释及生物临床应用方面的最新进展，并深入分析了不同通路数据库（KEGG、GO、Reactome、MSigDB）在知识范围、层次结构、细节程度和注释重点上的差异及其对模型设计、性能和可解释性的影响。	作为综述文章，未提出新的计算模型或实验验证，主要基于已有文献的总结与分析。	综述通路引导的可解释深度学习架构（PGI-DLA）的研究现状，为选择和优化通路数据库以实现PGI-DLA、将组学数据转化为可操作的生物学和临床见解提供指导。	生物多组学数据、通路数据库（KEGG、GO、Reactome、MSigDB）以及通路引导的可解释深度学习模型。	机器学习	NA	多组学数据分析	NA	组学数据	NA	NA	NA	NA	NA
451	2026-09-19	Digital technologies in psoriasis management: from precision diagnosis to therapeutic innovation and holistic care 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1656585 PMID:41293553	综述	本文系统探讨了数字技术（人工智能、物联网、多组学等）如何变革银屑病的精准诊断、治疗优化与康复管理	系统整合了数字技术在银屑病全流程管理中的应用，包括AI皮肤镜诊断（EfficientNet-B4模型准确率92.3%超越230名皮肤科医生）、智能光疗剂量优化、AI辅助生物制剂选择（完全清除率从39%提升至61%）、物联网可穿戴监测及多组学数据整合与计算药物设计	数据标准化不足、隐私问题、算法透明度受限以及缺乏长期验证	探讨数字技术在银屑病管理中的应用潜力，从精准诊断到治疗创新及整体护理，建立基于精准医学和数据驱动的管理框架	银屑病患者及相关管理流程（诊断、治疗、康复）	数字病理学	银屑病	人工智能、深度学习、物联网、多组学数据整合、计算药物设计、智能光疗设备	CNN	图像、文本、可穿戴设备实时数据、多组学数据	230名皮肤科医生（对比研究）	NA	EfficientNet-B4	准确率、完全清除率、严重不良事件发生率	NA
452	2026-09-19	Identifying escaped farmed salmon from fish scales using deep learning 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf078 PMID:41311715	研究论文	该研究利用近9万张鱼鳞图像训练并验证了一种卷积神经网络，用于区分逃逸养殖鲑鱼与野生大西洋鲑	在近9万张鱼鳞图像上训练模型，涵盖两个国家档案库、异质成像协议、数百条河流以及可追溯至20世纪30年代的时间序列，并证明深度学习在不同生态和方法学背景下具有稳健的泛化能力	文中未明确说明模型的具体局限性	开发并验证一种可大规模应用的深度学习工具，用于监测逃逸养殖鲑鱼	来自两个国家档案库的鱼鳞图像，涵盖养殖和野生大西洋鲑	计算机视觉	NA	鱼鳞分析	CNN	图像	近90000张鱼鳞图像，来自两个国家档案库，涵盖数百条河流，时间序列延伸至20世纪30年代；另有一个大型独立测试集	NA	CNN	F1分数	NA
453	2026-09-18	Multimodal deep learning ensemble framework for skin cancer detection 2025-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30534-z PMID:41469782	研究论文	本文提出了一种基于迁移学习和集成学习的多模态深度学习框架，用于皮肤癌的检测与分类，融合了图像和元数据，并在多个数据集上验证了其性能	提出了一种自适应加权集成方法，动态地为每个模型分配权重，并融合了预训练模型（ResNet50、Xception、EfficientNetB0）与元数据，同时使用SMOTE处理类别不平衡	未明确说明	评估迁移学习技术在增强CNN性能方面的效果，并开发一个高精度的皮肤癌检测与分类框架	皮肤癌（包括多种类型）	计算机视觉	皮肤癌	深度学习，迁移学习，集成学习	CNN	图像，元数据	ISIC 2018数据集、ISIC 2019数据集和Derm7pt数据集（具体样本数未提及）	NA	ResNet50, Xception, MobileNet, EfficientNetB0, DenseNet121	准确率，精确率，召回率，F1分数，AUC	NA
454	2026-09-18	Osprey optimization algorithm integrated with graph neural networks for intrusion detection in wireless sensor networks 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28359-x PMID:41461693	研究论文	该论文提出了一种结合鱼鹰优化算法（OOA）和图神经网络（GNN）的OOA-GNN框架，用于无线传感器网络中的入侵检测，并在WSN-DS数据集上取得了99.68%的准确率。	将鱼鹰优化算法与图神经网络相结合，利用OOA自动优化GNN的超参数，并通过图结构表示捕获WSN数据中的网络模式，从而提升入侵检测性能。	仅在WSN-DS数据集上验证，未在大规模或多种真实WSN环境中测试；未详细讨论计算开销和实时部署的可行性。	提高无线传感器网络中入侵检测的准确性并降低误报率，以增强网络安全。	无线传感器网络中的网络流量数据（WSN-DS数据集）。	机器学习	NA	SMOTE	GNN	网络流量数据	NA	NA	GNN	准确率, 假阳性率	NA
455	2026-09-18	Terahertz metamaterial liquid detector optimized by deep learning 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28757-1 PMID:41461749	研究论文	本研究提出了一种基于超材料太赫兹探测器吸收峰位移的无标记乙醇液体检测方法，并利用深度神经网络（DNN）优化了探测器的结构参数	采用深度神经网络（DNN）优化超材料液体探测器的结构参数，设计了一种五层结构的超材料探测器（包含叉指铜金属线、聚酰亚胺介质层、嵌套双字母形VO₂开环方环和铜金属板），实现了高吸收率和高位移值，并揭示了VO₂在不同温度下对吸收波调控的作用机制	摘要中未明确提及研究局限性	开发一种高效、精确的乙醇液体检测新方法，为食品安全、环境监测和生物医学等领域的未来应用提供参考	乙醇液体	机器学习	NA	太赫兹超材料检测，CST仿真	DNN	仿真数据（CST仿真）	NA	NA	深度神经网络（DNN）	灵敏度（3.33 THz/RIU），品质因数（FOM，66 RIU⁻¹），吸收率	NA
456	2026-09-18	Efficient blood cell classification from microscopic smear images using U-Net segmentation and a lightweight CNN 2025-12-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26947-5 PMID:41453980	研究论文	本文提出了一种基于深度学习的方法，结合U-Net分割和轻量级CNN，用于从显微镜血涂片图像中自动分类和计数九种血细胞	提出了一种结合U-Net分割和自定义轻量级卷积神经网络（LWCNN）的BloodCell-Net方法，用于九种血细胞的分类，并采用分水岭算法分离重叠细胞	未明确讨论模型在临床环境中的泛化能力、数据集规模和多样性限制，以及计算资源需求	开发基于深度学习的自动化系统，用于从显微镜血涂片图像中分类和计数血细胞，以辅助血液相关疾病的诊断	显微镜血涂片图像中的九种血细胞，包括红细胞、成红细胞、中性粒细胞、嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞、未成熟粒细胞和血小板	数字病理学	血液疾病	深度学习，图像分割，图像分类	CNN	图像	NA	NA	U-Net, LWCNN	准确率, 精确率, 灵敏度, 交并比(IoU), Dice系数, 召回率, F1分数	NA
457	2026-09-18	Deep Learning-aided 1H-MR Spectroscopy for Differentiating between Patients with and without Hepatocellular Carcinoma 2025-Dec-25, 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.2025-0064 PMID:40790529	研究论文	本研究利用深度学习辅助的质子磁共振波谱（1H-MRS）技术，通过光谱模拟增强数据，区分乙肝病毒相关肝硬化患者是否患有肝细胞癌	结合深度学习与1H-MRS，并通过光谱模拟生成大规模数据集来训练卷积神经网络，以区分HBV-LC患者是否伴有HCC	样本量较小，且基于模拟数据集开发模型，可能影响泛化能力	探索肝脏1H-MRS结合深度学习在区分HBV-LC患者伴或不伴HCC方面的潜力	37名接受MRI监测的乙肝病毒相关肝硬化患者，其中20名无HCC，17名伴有HCC	数字病理学, 机器学习	肝癌	质子磁共振波谱（1H-MRS）	卷积神经网络（CNN）	光谱数据	37名患者（20名HBV-LC，17名HBV-LC-HCC），模型评估使用17名患者（10名HBV-LC，7名HBV-LC-HCC）	NA	卷积神经网络（CNN）	灵敏度, 特异度, 准确率	NA
458	2026-09-18	Systematic hyperparameter analysis of GRU and LSTM across demand pattern types: a demand-characteristic-driven meta-learning framework for rapid optimization 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31508-x PMID:41449176	研究论文	本文系统研究了GRU和LSTM在不同需求模式下的超参数影响，并提出了一个需求特征驱动的元学习框架以实现快速优化	提出了需求复杂度指数（DCI）作为综合度量，并构建了一个集成框架，根据输入需求特征定制超参数选择，从而提高准确性并加速处理	仅分析了三种需求模式，可能未覆盖所有实际需求类型；研究基于特定数据集，泛化能力有待验证	探究需求特征和深度学习超参数对多期预测准确性的影响，并开发一个基于需求特征的元学习框架来快速优化超参数	需求预测中的时间序列数据，具体为平滑需求、无 spikes 的 erratic 需求和有 spikes 的 erratic 需求三种模式	机器学习	NA	NA	GRU, LSTM	时间序列数据	NA	NA	GRU, LSTM	WMAPE%	NA
459	2026-09-18	A hybrid ensemble deep learning framework with novel metaheuristic optimization for scalable malicious website detection 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33695-z PMID:41436869	研究论文	本文提出了一种混合集成深度学习框架，结合随机森林、XGBoost、LightGBM和深度神经网络，并利用新型元启发式优化算法，用于可扩展的恶意网站检测	结合三种集成学习模型与深度神经网络，并采用Weevil Damage Optimization Algorithm和Energy Valley Optimizer两种新型元启发式算法进行超参数调优，同时引入主成分分析降维和SHAP模型可解释性分析	未明确提及	提高恶意网站检测的准确性、可扩展性和可解释性，以应对快速演变的网络攻击	恶意网站与良性网站的URL及相关网络特征	机器学习	NA	NA	CNN, LSTM, GAN	文本	63,191个URL	Scikit-learn, TensorFlow, PyTorch	Random Forest, XGBoost, LightGBM, Deep Neural Network	准确率, 精确率, 召回率, F1分数, AUC	NA
460	2026-09-18	Exploiting fuzzy weights in CNN model-based taxonomic classification of 500-bp sequence bacterial dataset 2025-12-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24836-5 PMID:41436515	研究论文	本文提出了一种改进的模糊加权卷积神经网络（F-CNN），用于细菌DNA序列（特别是500-bp片段）的分类学分类	将模糊逻辑与深度学习结合，引入模糊加权系统处理分类层中相似类别的不确定性，并采用特征选择阶段优化参数	在属水平上500-bp片段的分类准确率仅为84.03%，仍有提升空间；未与其他先进方法进行广泛比较	克服传统分类方法的局限，提高基于500-bp片段的细菌DNA序列分类准确率	细菌DNA序列，特别是500-bp片段	机器学习	NA	NA	CNN	文本	超过140万条细菌基因序列（来自RDP 11数据集）	NA	模糊加权卷积神经网络（F-CNN）	准确率	NA