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
581	2026-09-16	Revolutionizing thyroid nodule diagnosis in Hashimoto's thyroiditis: AI-driven radiomics and deep learning model 2025-Dec-16, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004546 PMID:41405348	研究论文	本研究旨在利用超声图像的放射组学和深度学习特征构建AI模型，以区分桥本甲状腺炎背景下的良恶性甲状腺结节，并比较其与细针穿刺细胞学联合BRAFV600E基因突变检测的诊断效能	首次在桥本甲状腺炎背景下结合放射组学和多种预训练深度学习模型（包括ResNet152）构建DLR模型，并利用SHAP和Grad-CAM进行可视化解释，同时与FNA细胞学及基因检测进行定量比较，验证了模型辅助放射科医师提升诊断性能的临床价值	样本量有限（1585例），模型的外部测试AUC（0.827）低于验证集（0.917），可能存在过拟合或泛化能力不足；未提及多中心前瞻性验证以及模型对不同超声设备或操作者的鲁棒性	探讨基于超声图像放射组学和深度学习特征构建的AI模型在桥本甲状腺炎背景下诊断甲状腺结节的效能，并定量比较其与FNA细胞学联合BRAFV600E基因突变检测的诊断性能，以建立更优的诊断范式	2018年1月1日至2023年12月30日期间中国8家医院收治的1585例桥本甲状腺炎患者的临床数据和术前超声图像	医学图像分析	甲状腺癌	超声成像，放射组学，深度学习，细针穿刺细胞学，BRAFV600E基因突变检测	CNN	图像	1585例患者的超声图像	NA	ResNet152	AUC，准确率，灵敏度，特异度	NA
582	2026-09-16	Accelerated free-breathing abdominal T2 mapping with deep learning reconstruction of radial turbo spin-echo data 2025-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70017 PMID:40762149	研究论文	该研究开发了一种灵活的深度学习框架，用于加速自由呼吸腹部T2映射，通过改进T2加权图像或重建T2图，实现在欠采样数据下高质量解剖图像和准确T2图的重建。	开发了一种灵活的深度学习框架，可以以完全监督或自监督的方式进行训练，分别用于改进T2加权图像或重建T2图，显著加速了重建过程。	未明确提及研究的局限性。	加速自由呼吸腹部T2映射，同时保持高质量的解剖图像、准确的T2图和快速重建时间。	腹部T2映射数据。	医学图像处理	NA	径向涡轮自旋回波磁共振成像，深度学习重建	深度学习框架	医学图像（MRI）	未明确说明样本大小。	NA	NA	体素级误差，重建时间	NA
583	2026-09-16	A generative deep learning approach to de novo antibiotic design 2025-Oct-16, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.07.033 PMID:40816267	研究论文	该研究开发了一种生成式人工智能框架，通过基于片段的方法和无约束从头生成方法设计新型抗生素，并使用遗传算法和变分自编码器	利用生成式深度学习进行从头抗生素设计，通过基于片段和无约束两种方法探索化学空间，发现了具有新作用机制的抗多重耐药菌化合物	仅合成了24种化合物，其中7种具有抗菌活性，最终只有2种先导化合物在体内验证，样本量较小，需要进一步优化和扩大验证	应对抗菌素耐药性危机，设计结构新颖的抗生素	淋病奈瑟菌和金黄色葡萄球菌，包括多重耐药分离株	机器学习	细菌感染	生成式深度学习，遗传算法，变分自编码器	变分自编码器	化学结构数据	计算机筛选超过10个化学片段，合成24种化合物，7种有活性，2种先导化合物进行体内实验	NA	变分自编码器	抗菌活性，杀菌效果，细菌负荷减少	NA
584	2026-09-16	Deep learning helps fight against antibiotic resistance 2025-10-08, Cell host & microbe IF:20.6Q1 DOI:10.1016/j.chom.2025.09.005 PMID:41067213	评论	本文评论了Krishnan等人在Cell上发表的一项研究，该研究提出了一个结合图神经网络片段筛选和从头分子设计的生成式深度学习平台，用于识别具有抗多重耐药细菌活性的先导化合物	评论文章强调了该研究将图神经网络片段筛选与从头分子设计相结合以发现对抗抗生素耐药性的新型化合物这一创新方法	评论文章通常篇幅有限，可能未深入讨论该平台的泛化能力、计算成本或临床转化挑战	总结并评价一项利用生成式深度学习平台发现抗耐药菌先导化合物的前沿研究	多重耐药淋病奈瑟菌和耐甲氧西林金黄色葡萄球菌	机器学习	感染性疾病	图神经网络片段筛选, 从头分子设计	图神经网络	分子数据	NA	NA	图神经网络	体内活性	NA
585	2026-09-16	Artificial intelligence in mental health: integrating opportunities and challenges of multimodal deep learning for mental disorder prevention and treatment 2025-Sep, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003624 PMID:40901142	综述	本文探讨了多模态深度学习在精神障碍预防和治疗中的机遇与挑战，并提出一个负责任应用AI的概念框架	提出了一个负责任应用AI于精神卫生保健的概念框架	未提及具体的实证研究或数据验证	探索AI技术（特别是多模态深度学习和预测分析）在精神障碍预防和治疗中的机遇与挑战	精神障碍的预防和治疗	机器学习	精神障碍	多模态深度学习	NA	NA	NA	NA	NA	NA	NA
586	2026-09-16	Fused RGB and IR image based deep learning detection of dried laver bugak for robotic automation systems 2025-Aug-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-16563-8 PMID:40877352	研究论文	该研究基于融合的RGB和红外图像，开发YOLO和RT-DETR深度学习检测模型，用于干燥紫菜bugak的检测和分类，以支持机器人自动化系统中的拾取和放置操作	提出了一种结合RGB和红外图像融合的新方法，使用VGG19网络增强检测输入质量，并发现至少需要五个物理类别才能进行有效的机器人处理	未在摘要中明确提及	开发有效的自动化分拣和装载系统，用于Kimbugak生产，通过检测和分类干燥紫菜bugak的物理特性，实现机器人自动化操作	干燥紫菜bugak	计算机视觉	NA	RGB和红外图像融合	YOLO, RT-DETR	图像	NA	NA	YOLOv11l, YOLOv8s, RT-DETR, VGG19	F1分数, mAP@0.5	NA
587	2026-09-16	Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs 2025-Aug-24, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.21.25334170 PMID:40894149	研究论文	该研究比较了基础模型和监督学习模型从眼底照片中检测需转诊青光眼的性能	比较了基础模型（RETFound）和监督学习模型（VGG-19）在青光眼检测中的表现，并研究了训练集大小、裁剪、人口统计学因素和外部数据的影响	未明确提及	比较基础模型和监督学习模型在检测需转诊青光眼方面的性能	来自洛杉矶县卫生服务部远程视网膜筛查项目的6116名参与者	计算机视觉	青光眼	深度学习	视觉Transformer, 卷积神经网络	图像	6116名参与者，训练集8996张图像，验证集3002张图像，内部测试集1000张图像，外部测试集300张图像	NA	RETFound（视觉Transformer）, VGG-19	AUC-ROC, 敏感度, 特异度, F1分数	NA
588	2026-09-16	Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333844 PMID:40894134	研究论文	该研究通过整合影像衍生临床内型、血浆蛋白质组学和外部多基因风险评分，构建机器学习和深度学习模型，以提升冠状动脉微血管疾病的风险预测性能	首次将基于影像的内型分型与遗传和蛋白质组数据整合用于CMVD风险预测，建立了复杂疾病的多模态建模框架	CMVD GWAS数据缺乏，依赖外部CAD GWAS权重和CMVD相关位点作为代理，可能影响遗传风险估计的准确性；样本量和人群代表性可能受限	开发并评估整合影像内型、血浆蛋白质组学和多基因风险评分的模型，以提高CMVD风险预测的准确性和个性化诊断能力	冠状动脉微血管疾病患者，基于灌注PET成像、血浆蛋白质组学和遗传数据	机器学习	心血管疾病	灌注PET成像、血浆蛋白质组学、多基因风险评分、全基因组关联研究	机器学习、深度学习、无监督聚类	影像、文本、组学数据	NA	NA	NA	AUROC	NA
589	2026-09-16	Anatomy-aware, label-informed approach improves image registration for challenging datasets 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.11.669599 PMID:40832189	研究论文	该文章介绍了一种基于解剖学知识和标签信息的图像配准方法，用于改善形态变异较大数据集（如基因敲除小鼠胚胎）的配准效果	开发了一种在ANTsX生态系统中实现的标签引导图像配准功能，利用分割标签提供区域对应关系来指导配准过程，可灵活整合专家定义的基于生物学同源性的区域对应，突破了传统仅基于强度配准方法在处理极端形态表型时的局限	摘要中未明确提及研究的具体局限性	解决传统强度配准方法在存在明显形态表型差异的数据集（如发育生物学和比较研究中的图像）中配准困难的问题，提高配准精度及下游统计分析的效能和灵敏度	E15.5小鼠胚胎图像，包括基因敲除小鼠胚胎（表现为严重脊柱侧弯和内脏拓扑结构重排）与野生型标准模板图像	医学图像分析	NA	图像配准	NA	图像	NA	NA	NA	对应性改善程度, 下游统计分析的效能和灵敏度	NA
590	2026-09-16	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	该文章开发了一个名为mamp-ml的机器学习框架，用于预测植物受体-配体相互作用，以解决实验瓶颈问题。	利用二十多年的功能数据和大规模蛋白质语言模型ESM-2构建管道和模型，结合受体-配体特征预测免疫原性结果，在缺乏实验结构的情况下实现高精度预测。	预测准确率为73%，可能受限于数据质量和模型泛化能力，未提及具体限制。	预测植物受体-配体相互作用，以加速植物免疫系统的研究和工程化。	植物受体和配体蛋白质。	机器学习	NA	蛋白质语言模型ESM-2	机器学习模型	蛋白质序列数据	NA	NA	ESM-2	准确率	NA
591	2026-09-16	Spatiotemporal predictions of toxic urban plumes using deep learning 2025-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf198 PMID:40583909	研究论文	提出了一种名为ST-GasNet的深度学习模型，用于快速预测城市有毒羽流的时空演化	受流体动力学方程启发，设计了一种新颖的深度学习模型，能够从有限的时间序列中学习时空依赖关系，并准确预测有毒羽流的后期演化，即使羽流被建筑物分割	模型训练依赖于高分辨率大涡模拟生成的数据，可能受限于特定城市几何和气象条件	开发快速且准确的方法预测城市中有毒羽流的时空扩散，以用于应急响应	城市大气中的有毒羽流	机器学习	NA	深度学习	时空深度学习模型	时间序列数据	有限数量的地面有毒城市羽流时间序列	NA	ST-GasNet	预测准确率至少90%	NA
592	2026-09-16	Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma 2025-04-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06480-9 PMID:40301933	研究论文	该文开发了一个深度学习放射病理临床（DLRPC）模型，整合CT图像、H&E染色穿刺活检病理图像和临床数据，预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂（TKI）治疗的敏感性	提出DLRPC多模态融合模型，利用基于临床的注意力掩码探索跨模态关联，整合CT、病理和临床三种模态数据进行预测，性能优于单模态模型和基于Dempster-Shafer理论的决策级融合模型	回顾性研究设计，样本量相对有限（214例），仅来自两个医疗中心，可能存在选择偏倚，需要更大规模的前瞻性多中心验证	开发并验证一个整合CT影像、病理图像和临床数据的深度学习模型，以预测EGFR突变肺腺癌患者对TKI治疗的响应	接受TKI治疗的EGFR突变肺腺癌患者	数字病理学	肺癌	CT影像、H&E染色病理图像、临床数据整合分析	CNN	图像、文本	214例来自两个医疗中心的肺腺癌患者（2013年9月至2023年6月）	NA	NA	AUC、准确率、灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）	NA
593	2026-09-16	Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data 2025-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012753 PMID:39899595	研究论文	该研究通过连续7天以100帧/秒记录果蝇在无特征环境中的姿态数据，使用SLEAP深度学习框架构建包含47个个体、近20亿姿态实例的全身体态数据集，识别梳理、喙伸展和运动等刻板行为，并分析行为随昼夜和实验天数的变化模式。	首次在无特征环境中连续7天以100帧/秒记录果蝇行为，生成近20亿姿态实例的大规模数据集；发现黎明后一小时是果蝇日常行为中的独特时间点，且该小时的行为组成与运动速度、移动与休息时间比例等健康指标高度相关。	摘要中未提及。	捕捉果蝇在连续、长时间尺度上的行为变化，探索行为如何随昼夜节律和实验天数变化，并揭示与健康相关的行为特征。	黑腹果蝇（Drosophila melanogaster）个体。	计算机视觉	NA	深度学习姿态估计	深度学习	图像	47个果蝇个体，近20亿姿态实例	SLEAP	NA	NA	NA
594	2026-09-16	Mapping the learning curves of deep learning networks 2025-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012286 PMID:39928655	研究论文	该研究提出了一种受认知科学启发的多维量化与可视化方法，通过追踪深度神经网络的学习曲线来捕捉模型学习的两个时间维度：信息处理轨迹和发展轨迹	提出了一种受认知科学启发的多维量化与可视化方法，能够捕捉模型学习的两个时间维度（信息处理轨迹和发展轨迹），并定义了四个描述性指标（start、end - start、max、tmax）来量化学习曲线	未明确说明	系统性地解释深度神经网络的内部表征，并追踪其学习曲线	深度神经网络在时间任务上的学习过程	机器学习	不适用	不适用	深度神经网络	不适用	750次模拟运行，涉及手势检测和句子分类两个任务	不适用	不适用	start、end - start、max、tmax	不适用
595	2026-09-16	Optimized smFISH Pipeline for Studying Nascent Transcription in Mouse Embryonic Tissue Samples 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4322-8_5 PMID:39745605	研究论文	本文优化了一种smFISH技术，并结合深度学习算法自动检测小鼠胚胎组织样本中的新生转录	将优化的smFISH技术与深度学习算法结合，实现了小鼠胚胎组织切片中新生转录的自动检测和精确定量	摘要未明确提及研究局限性	研究小鼠胚胎组织样本中新生转录的空间和时间动态	小鼠胚胎组织样本	数字病理学	NA	smFISH	深度学习	图像	NA	NA	NA	NA	NA
596	2026-09-16	An investigation of feature reduction, transferability, and generalization in AWID datasets for secure Wi-Fi networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306747 PMID:39746088	研究论文	本文针对AWID 3数据集提出一种基于特征消除和特征迁移的Wi-Fi网络攻击检测方法，并评估了多种机器学习与深度学习模型的泛化能力	结合递归特征消除与WLAN信号强度特征进行特征约简，构建轻量级检测模型，并系统评估特征迁移性与跨网络版本的泛化能力	仅基于AWID 3数据集，未覆盖真实复杂网络环境下的多类攻击场景，模型泛化性验证范围有限	在现代化流量与攻击场景下实现安全Wi-Fi网络中高效且可迁移的入侵检测	AWID 3数据集中的Wi-Fi管理帧（认证帧与关联帧）及相关攻击流量	网络安全	NA	决策树递归特征消除、特征工程	决策树、CNN、多种机器学习与深度学习模型	网络流量数据	NA	NA	决策树、卷积神经网络（CNN）	分类准确率	NA
597	2026-09-16	Automated CAD system for early detection and classification of pancreatic cancer using deep learning model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307900 PMID:39752442	研究论文	本文提出了一种用于胰腺癌早期检测和分类的四阶段计算机辅助诊断系统，基于CT扫描图像，利用深度学习方法实现肿瘤的自动检测与分类	提出了一种结合各向异性扩散滤波、Sobel滤波、分水岭分割与U-Net的混合分割方法，并设计了一个精简的11层AlexNet模型用于胰腺肿瘤的分类，实现了高精度的检测与分类	未提及外部验证数据集的使用，模型的泛化能力有待进一步验证，样本来源和规模未明确说明	开发一种自动化的计算机辅助诊断系统，用于胰腺癌的早期检测和分类，以辅助放射科医生提高诊断效率和准确性	胰腺癌CT扫描图像	计算机视觉	胰腺癌	CT扫描	CNN	图像	NA	NA	AlexNet, U-Net	准确率, AUC, 处理时间	NA
598	2026-09-16	Multi-region infectious disease prediction modeling based on spatio-temporal graph neural network and the dynamic model 2025-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012738 PMID:39787070	研究论文	该研究提出了一种结合图Transformer神经网络、图学习机制和元种群SIR模型的混合框架M-Graphormer，用于高维参数估计和多区域传染病预测	将图Transformer神经网络和图学习机制融入元种群SIR模型，构建混合框架，有效解决了现有模型在处理因人类流动导致的动态图结构时可能丢失隐藏空间依赖性的问题	未明确提及	实现高维参数估计和多区域疫情预测，解决人类流动导致的多区域疫情传播预测问题	多区域传染病疫情数据	机器学习	传染病	NA	图Transformer神经网络, SIR模型	疫情数据, 图结构数据	NA	NA	Graph Transformer, 元种群SIR模型	NA	NA
599	2026-09-16	The role of chromatin state in intron retention: A case study in leveraging large scale deep learning models 2025-01, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012755 PMID:39792954	研究论文	本文利用大规模基因组深度学习模型Sei和DNA语言模型DNABERT-2，开发了简单可解释的内含子保留模型，并证明Sei模型优于DNABERT-2，揭示了染色质状态在内含子保留调控中的作用。	首次利用Sei模型开发简单可解释的内含子保留模型，并证明其优于基于DNA语言模型DNABERT-2的模型，同时发现转录因子和染色质标记参与调控内含子保留。	摘要中未明确提及研究局限性。	研究染色质状态在内含子保留调控中的作用，并利用大规模深度学习模型开发准确的内含子保留预测模型。	内含子保留事件及其相关的染色质状态和基因调控机制。	基因组学深度学习	NA	大规模深度学习模型（Sei和DNABERT-2）	Sei模型、DNABERT-2	基因组序列和染色质状态数据	NA	NA	Sei、DNABERT-2	准确率	NA
600	2026-09-16	A Deep Learning and PSSM Profile Approach for Accurate SNARE Protein Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4314-3_5 PMID:39806147	研究论文	本文提出了一种结合多扫描卷积神经网络（CNN）和位置特异性评分矩阵（PSSM）特征的方法，用于准确识别SNARE蛋白	将多扫描CNN与PSSM谱结合，显著提高了SNARE蛋白分类的准确性和效率	摘要未提及具体局限性	准确识别SNARE蛋白，以阐明其在健康和疾病中的功能	SNARE蛋白	生物信息学	NA	PSI-BLAST	CNN	序列数据	NA	NA	多扫描卷积神经网络	准确性	NA