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
741	2026-01-01	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-Dec, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	研究论文	本文提出并评估了一种名为ECG-SMART-NET的深度学习架构，用于精确诊断闭塞性心肌梗死	提出了一种临床信息引导的ResNet-18架构改进，通过先学习时间特征再学习空间特征的方式，更好地捕捉ECG信号中的时间和空间信息	未明确提及研究的局限性	开发并评估一种深度学习架构，用于从12导联心电图识别闭塞性心肌梗死	闭塞性心肌梗死患者的心电图数据	数字病理学	心血管疾病	心电图	CNN	图像	来自7,397名独特患者的10,393份心电图	NA	ResNet-18, ECG-SMART-NET	AUC	NA
742	2026-01-01	Zero-shot deep learning for the annotation of unknown eDNA sequences using co-occurrences and phylogenetic embeddings 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013776 PMID:41417866	研究论文	本文提出一种零样本深度学习方法来注释未知环境DNA序列，结合物种共现数据和系统发育嵌入以提高分类注释的准确性	利用系统发育嵌入和物种共现数据，通过人工神经网络直接从原始序列预测未见物种，无需依赖完整参考数据库	方法在测试案例中对未见物种的正确预测率约为24%，仍有提升空间，且可能受数据质量和覆盖范围影响	开发自动化且改进的环境DNA序列分类注释方法，以应对大规模生物多样性监测中的数据处理挑战	环境DNA序列及其相关的物种参考数据库、物种共现数据和系统发育信息	机器学习	NA	环境DNA宏条形码技术	人工神经网络	DNA序列数据	超过31,000种可能性物种的测试案例	NA	人工神经网络	正确预测率	NA
743	2026-01-01	A novel computational analysis integrating social determinants information from EHR and literature with Alzheimer's disease biological knowledge through large language models and knowledge graphs 2025-Dec, Innovation in aging IF:4.9Q1 DOI:10.1093/geroni/igaf102 PMID:41458885	研究论文	本研究利用大语言模型和知识图谱整合电子健康记录与文献中的社会决定因素信息，结合阿尔茨海默病的生物学知识，通过图深度学习进行链接预测分析	首次将社会决定因素信息通过大语言模型和知识图谱整合到阿尔茨海默病的生物学研究中，并利用图深度学习进行链接预测，揭示了社会因素与生物因素之间的潜在相互作用	研究主要基于现有文献和电子健康记录数据，可能受数据质量和覆盖范围的限制，且验证依赖于单细胞RNA-seq和蛋白质组学数据，需进一步实验验证	探索社会决定因素对阿尔茨海默病风险的影响，并整合社会与生物学知识以提升疾病预测和干预策略	阿尔茨海默病及相关痴呆症患者的社会决定因素和生物学数据	自然语言处理, 机器学习	阿尔茨海默病	单细胞RNA-seq, 蛋白质组学	图深度学习	文本, 结构化数据	NA	NA	NA	准确率	NA
744	2026-01-01	Prediction of chronic obstructive pulmonary disease based on multimodal data and deep learning 2025-Dec, APL bioengineering IF:6.6Q1 DOI:10.1063/5.0289414 PMID:41459345	研究论文	提出一种基于深度学习的多模态动态融合网络（MMDF-Net），用于整合胸部CT图像、肺功能指标和环境暴露数据，以提升慢性阻塞性肺疾病的早期预测性能	提出多模态动态融合网络，通过双塔跨模态对比学习模块对齐图像与非图像特征，使用条件生成对抗网络生成高保真环境暴露数据，并采用动态门控融合机制根据患者属性自适应调整多模态权重	未明确说明模型在其他独立数据集上的泛化能力验证情况，也未讨论计算复杂度或临床部署可行性	解决慢性阻塞性肺疾病早期预测中多模态信息利用不足、模态异质性和数据缺失导致的模型泛化能力差的问题	慢性阻塞性肺疾病患者的多模态医疗数据	数字病理学	慢性阻塞性肺疾病	胸部CT成像、肺功能检测、环境暴露数据采集	深度学习, 生成对抗网络	图像, 结构化数据	COPD Gene数据集（具体样本量未说明）	未明确说明	双塔跨模态对比学习模块, 条件生成对抗网络, 动态门控融合机制	AUC, 敏感性, 特异性	未明确说明
745	2026-01-01	AI in drug repurposing for cancer therapies 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003893 PMID:41180633	评论	本文探讨了人工智能在癌症治疗药物再利用中的变革潜力，包括其方法、成功案例及面临的挑战	强调了AI（特别是机器学习和深度学习）在快速识别现有药物抗癌潜力方面的创新应用，为传统药物开发提供了成本效益高且省时的替代方案	讨论了AI整合到药物再利用中面临的挑战和伦理考虑，包括需要稳健的验证和监管监督以确保患者安全和疗效	研究人工智能在癌症治疗药物再利用领域的应用潜力	现有药物及其潜在的抗癌特性	机器学习	癌症	机器学习（ML），深度学习（DL）	NA	大规模数据集	NA	NA	NA	NA	NA
746	2026-01-01	Artificial intelligence in genomics: transforming the diagnosis of hereditary spastic paraplegia 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003882 PMID:41180748	综述	本文综述了人工智能在基因组学中的应用，特别是如何改变遗传性痉挛性截瘫的诊断	整合了AI驱动的基因组学工具，如Dynamicasome结合分子动力学模拟与深度学习，以捕捉超越序列保守性的结构破坏，并利用SpliceAI和Exomiser等工具改进剪接预测和表型驱动的变异优先排序	未提及具体研究中的样本量限制或数据偏差	探讨人工智能如何加速遗传性痉挛性截瘫的分子诊断和临床管理	遗传性痉挛性截瘫患者及其基因组数据	基因组学	遗传性痉挛性截瘫	下一代测序	深度学习	基因组序列数据	NA	NA	NA	临床级准确性	NVIDIA Parabricks, Illumina DRAGEN
747	2026-01-01	Proformer: a multimodal proteomics transformer model for multidisease early risk assessment 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf686 PMID:41454831	研究论文	本文提出了一种名为Proformer的多模态蛋白质组学Transformer模型，用于评估20种常见慢性疾病的多疾病早期风险	首次开发了一种能够整合蛋白质表达、序列和功能信息的多模态Transformer模型，用于从单一测量中提供多疾病风险预测，超越了现有疾病特异性工具	模型训练依赖于英国生物银行的数据，可能在其他人群中的泛化能力有限，且未详细讨论模型的可解释性或临床部署的可行性	开发一种基于蛋白质组学数据的多疾病早期风险评估工具，以改善慢性疾病的预防和干预策略	来自英国生物银行的47,124名个体的真实蛋白质组学数据，用于评估20种常见慢性疾病的风险	机器学习	慢性疾病	蛋白质组学	Transformer	蛋白质表达、序列和功能信息	47,124名个体	NA	Transformer	10年判别性能	NA
748	2026-01-01	Harnessing Artificial Intelligence for Precision Cardiovascular Medicine 2025-Nov, Cureus DOI:10.7759/cureus.97837 PMID:41458747	综述	本文探讨了人工智能在心血管医学中的应用，特别是其在提高诊断精度、效率和早期识别心脏疾病方面的作用	综述了AI在心血管医学中的多种应用，包括ECG、超声心动图和心脏成像的AI驱动诊断工具，以及非侵入性AI工具如HeartFlow在治疗规划中的作用	AI系统需要访问敏感患者数据，引发隐私、数据安全和伦理监督的担忧，可能削弱公众信任	评估人工智能在心血管医学中的诊断能力和临床应用，以改善患者预后和临床决策	心脏疾病，特别是冠状动脉疾病和心脏自主神经功能障碍	机器学习	心血管疾病	NA	支持向量机, 深度学习, 人工神经网络	心电图数据, 心脏CT图像, 超声心动图, 心脏成像	NA	NA	NA	NA	NA
749	2026-01-01	Deep learning-based autonomous weld quality inspection in battery pack manufacturing using a two-stage model 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251409224 PMID:41442326	研究论文	本研究提出了一种基于深度学习的两阶段模型，用于电池包制造中的激光焊缝质量自主检测	提出了一种两阶段深度学习框架，即使在缺陷数据稀缺的情况下也能保持有效；第一阶段使用仅基于正常数据训练的CNN自编码器，并引入了一种新颖的损失函数来捕捉分布特征；第二阶段利用第一阶段的编码器和瓶颈层作为共享骨干网络进行多类缺陷分类	未明确说明模型在更广泛工业环境或不同焊接工艺中的泛化能力	开发一种自动化、智能化的焊缝质量检测解决方案，以替代传统人工检测方法	电池包制造中的激光焊缝	计算机视觉	NA	激光焊接	CNN, 自编码器	图像	来自实际工业环境的高质量数据集（具体数量未说明）	NA	自编码器	准确率, F1分数	NA
750	2026-01-01	Can AI find the cavities in caries prediction and diagnosis? 2025-Sep, Evidence-based dentistry DOI:10.1038/s41432-025-01181-0 PMID:40715738	评论	本文是对一篇关于人工智能在早期儿童龋齿检测和预测中应用的系统综述和荟萃分析的评论	评论了人工智能在早期儿童龋齿检测和预测中的最新进展，并强调了深度学习算法的潜力	评论本身未进行原始研究，依赖于所评论综述的数据和方法，可能受限于原综述的纳入标准和数据质量	评估人工智能在早期儿童龋齿检测和预测中的应用效果和潜力	早期儿童龋齿	机器学习	龋齿	NA	机器学习, 深度学习, 神经网络	NA	21项研究	NA	NA	准确率, 灵敏度, 特异性, 汇总接收者操作特征曲线	NA
751	2026-01-01	Fusing Tool Segmentation Predictions from Pose-Informed Morphological Polar Transform of Endoscopic Images 2025-Aug, IEEE International Conference on Automation Science and Engineering (CASE) : [proceedings]. IEEE Conference on Automation Science and Engineering DOI:10.1109/case58245.2025.11164078 PMID:41458100	研究论文	本文提出并评估了融合语义图像分割预测的方法，重点介绍了一种结合空间频率和边缘特征的新型混合方法	提出了一种基于低层特征融合灰度分割预测的混合方法，包括梯度估计、拉普拉斯金字塔和改进的空间频率方法，并探索了通过无监督聚类和ResNet-18模型进行可解释性分析	未提及具体的数据集规模限制或计算资源需求，可能缺乏大规模验证	通过融合两种基于形态学极坐标变换的分割预测，生成更优的手术工具分割结果，以支持机器人辅助微创手术中的视觉力估计	鼻窦手术中的内窥镜图像，特别是手术工具的分割	计算机视觉	NA	形态学极坐标变换，深度学习分割	CNN	图像	NA	NA	U-Net, ResNet-18	NA	NA
752	2026-01-01	Automated identification of autism spectrum disorder from facial images using explainable deep learning models 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11847-5 PMID:40695996	研究论文	本研究提出了一种基于可解释深度学习模型的自动化自闭症谱系障碍面部图像识别框架	整合了多种预训练CNN模型、数据增强技术和可解释AI方法（如LIME），在提升准确率的同时增强了模型的可解释性	未明确说明模型在不同人群和临床环境中的泛化能力，以及数据集的多样性限制	开发自动化、高效且可解释的自闭症谱系障碍早期检测方法	自闭症谱系障碍患者的面部图像	计算机视觉	自闭症谱系障碍	面部图像分析	CNN	图像	NA	TensorFlow, Keras	VGG16, VGG19, InceptionV3, VGGFace, MobileNet	准确率	NA
753	2026-01-01	Enhancing plant morphological trait identification in herbarium collections through deep learning-based segmentation 2025 Mar-Apr, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70000 PMID:40308899	研究论文	本文提出了一种基于深度学习的植物标本扫描图像分割方法，以去除背景并提升植物形态特征识别的分类性能	提出了一种新颖的深度学习分割方法，用于从植物标本扫描中生成植物掩膜并移除非植物背景，通过半自动预处理减少训练数据准备的人工工作量	NA	提升植物标本数字化收藏中植物形态特征识别的准确性	植物标本扫描图像	计算机视觉	NA	深度学习图像分割	深度学习模型	图像	NA	NA	NA	F1分数, 分类准确率	NA
754	2025-04-25	RETRACTED: A deep learning-based ensemble for autism spectrum disorder diagnosis using facial images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321697 PMID:40261913	研究论文	本文提出了一种基于深度学习的集成模型，利用面部图像进行自闭症谱系障碍（ASD）的诊断	结合VGG16和Xception网络的集成模型，通过预处理技术克服现有数据集的局限性，实现了97%的准确率	未提及模型在其他数据集上的泛化能力	提高自闭症谱系障碍（ASD）的早期诊断准确率	自闭症谱系障碍（ASD）患者的面部图像	计算机视觉	自闭症谱系障碍	深度学习、集成学习、数据增强	VGG16、Xception	图像	Kaggle ASD面部图像数据集	NA	NA	NA	NA
755	2026-01-01	Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1509377 PMID:40417183	研究论文	本研究评估了一种基于深度学习算法在非对比脑部CT报告分类中的诊断精确度	采用DistilBERT模型对非对比脑部CT报告进行四类紧急程度分类，并通过5折交叉验证展示了较高的F1分数	束硬化伪影和过度噪声会显著降低模型性能，且阳性预测值低于先前研究报告	确定深度学习算法在分类非对比脑部CT报告时的诊断精确度	1,861份非对比脑部CT报告	自然语言处理	NA	NA	Transformer	文本	1,861份报告（其中800份用于训练，200份用于验证）	Python	DistilBERT	F1分数, 灵敏度, 特异性, 阳性预测值	NA
756	2026-01-01	FedGAN: Federated diabetic retinopathy image generation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326579 PMID:40705831	研究论文	提出一种名为FedGAN的联邦学习框架，用于在保护隐私的前提下生成高质量的糖尿病视网膜病变合成图像	首次将生成对抗网络与跨孤岛联邦学习相结合，用于合成医学图像生成，并通过预训练和微调策略解决数据稀缺问题	未明确说明合成图像在临床诊断任务中的具体性能验证，且实验规模可能有限	解决医学AI中数据稀缺和患者隐私保护的双重挑战，实现跨机构的安全协作	糖尿病视网膜病变图像	计算机视觉	糖尿病视网膜病变	生成对抗网络，联邦学习	GAN	图像	未明确说明具体样本数量，涉及腹部CT扫描和糖尿病视网膜病变数据集	未明确说明，但提及联邦平均算法	DCGAN	真实感分数	NA
757	2026-01-01	Predicting molecular subtype in breast cancer using deep learning on mammography images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1638212 PMID:41035664	研究论文	本研究开发并评估了一个基于常规乳腺X线摄影图像的深度学习模型，用于预测乳腺癌的分子亚型	提出了结合卷积块注意力模块（CBAM）与DenseNet121的深度学习模型，用于从非侵入性的乳腺X线图像中预测乳腺癌分子亚型	研究为回顾性分析，样本量相对较小（390例患者），模型性能在部分分类任务上（如HER2状态预测）的AUC值（0.658）有待提升	开发一种非侵入性的深度学习模型，以替代或辅助侵入性活检技术，预测乳腺癌的分子亚型	经病理证实的浸润性乳腺癌患者	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	390例患者	NA	DenseNet121-CBAM	AUC, 准确率, 敏感性, 特异性	NA
758	2025-12-13	RETRACTED: Can artificial intelligence and face recognition using deep learning detect emotions in children with autism? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338701 PMID:41364738	研究论文	本研究评估了深度学习模型通过人脸识别技术识别自闭症儿童面部表情的性能	提出了一种名为AutismEfficientNet的新型深度学习架构，通过整合EfficientNetV2和MobileNetV3来提高分类准确性	需要在临床环境和多样化人群中进行进一步验证	评估深度学习模型在识别自闭症儿童面部表情方面的性能	自闭症儿童的面部图像数据	计算机视觉	自闭症	人脸识别技术	CNN	图像	两个已发布数据集：Dr. Fatma M. Talaat's Emotions of Autistic Children 和 FERAC数据集	NA	AutismEfficientNet, EfficientNetV2, MobileNetV3	准确率, 灵敏度, 特异性, F1分数	NA
759	2026-01-01	Knowledge-enhanced AI drives diagnosis of multiple retinal diseases in fundus fluorescein angiography 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1703606 PMID:41458157	研究论文	本研究开发并验证了一种基于知识增强预训练策略的深度学习模型，用于利用眼底荧光素血管造影图像对六种视网膜疾病进行准确的多分类	提出了一种名为KeepFIT的知识增强预训练策略，结合ResNet-50图像编码器，显著提升了模型在FFA图像上对多种视网膜疾病的诊断准确性和泛化能力	未明确提及模型在更广泛或多样化人群中的验证情况，以及计算资源需求的具体细节	开发并验证一个深度学习模型，以实现对六种视网膜疾病的准确多分类，提升眼底荧光素血管造影图像的自动化分析能力	眼底荧光素血管造影图像	计算机视觉	视网膜疾病	眼底荧光素血管造影	CNN	图像	使用了两个大型FFA语料库（一个精选图谱和一个临床报告数据集）进行预训练，并在两个独立测试集（包括一个外部机构来源的数据集）上进行评估	NA	ResNet-50	AUC	NA
760	2026-01-01	Psilocybin-induced modulation of visual salience processing 2025, Neuroscience of consciousness IF:3.1Q1 DOI:10.1093/nc/niaf060 PMID:41458361	研究论文	本文研究了裸盖菇素在自然场景感知中如何调节视觉显著性处理，通过眼动追踪和脑电图记录揭示了其对注意动态的影响	采用自我盲法自然主义设计，结合深度学习生成的显著性地图分析眼动模式，并关联脑电图频谱变化，首次系统探讨了裸盖菇素对视觉显著性处理的调制作用	样本量较小（23名参与者），实验条件基于自我报告剂量，缺乏长期效应评估，且未控制个体差异如既往药物使用史	探究裸盖菇素如何改变自然场景感知中的视觉显著性处理和注意动态	23名人类参与者在低剂量和高剂量裸盖菇素下的眼动行为与脑电活动	计算机视觉	NA	眼动追踪，静息态脑电图记录，深度学习模型	深度学习模型	图像，眼动数据，脑电信号	23名参与者	NA	NA	香农熵，Lempel-Ziv复杂度，相关性分析	NA