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
841	2025-12-30	Morphometric trait analysis and machine learning-based yield modeling in wood apple (Feronia limonia L.) 2025-Dec-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07978-6 PMID:41457267	研究论文	本研究通过形态计量学分析和可解释的机器学习模型，揭示了木苹果产量变异的决定因素，并提出了高产理想型的选择框架	首次将多元统计与可解释的机器学习模型（随机森林+SHAP）结合，为木苹果这一未充分利用树种的生产力调控提供了首个数据驱动的框架，并识别出影响产量的关键性状组合	研究仅基于62个基因型，样本量相对有限，且未涉及分子或遗传层面的深入分析	量化木苹果冠层结构、花部和果实性状等形态计量学描述符如何解释产量变异，并建立可解释的产量预测模型	62个木苹果基因型的形态计量学性状（营养、叶、花、果实和种子性状）及单株产量	机器学习	NA	形态计量学分析	Random Forest, Support Vector Regression, Deep Learning (MLP)	形态计量学数据	62个木苹果基因型	NA	Random Forest, MLP	R², RMSE, MAE	NA
842	2025-12-30	Factors Impacting the Performance of Deep Learning Detection of Pulmonary Emboli 2025-Dec-26, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.12.028 PMID:41456841	研究论文	评估一款FDA批准的商业肺栓塞检测模型在真实世界中的性能，并识别与技术、人口统计学和临床因素相关的性能变化	在真实临床环境中评估商业AI模型的性能，并系统分析技术参数和患者合并症对模型性能的影响，为产品选择和部署后监控提供依据	研究为单中心回顾性设计，可能限制结果的普遍性；未评估所有潜在混杂因素；模型性能可能受数据质量和标注一致性影响	评估商业AI模型在真实世界中的性能，并识别影响性能的因素，以指导部署后监控和部署策略	11,144例CT肺血管造影检查	数字病理	肺栓塞	CT肺血管造影	深度学习模型	医学影像	11,144例检查，其中1,193例为肺栓塞阳性	NA	NA	灵敏度, 阳性预测值	NA
843	2025-12-30	Improving multi-scale short-term precipitation forecasting through frequency domain analysis and attention mechanisms 2025-Dec-24, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125276 PMID:41456591	研究论文	本研究提出了一种结合频域分析和注意力机制的新型短期降水预报模型，旨在提高多尺度降水预报的精度和效率	在频域量化降水的多尺度分布特征，并将跨通道多尺度注意力机制与TransUNet混合架构相结合，以捕捉降水时间演变的非线性关系	未明确说明模型在极端天气事件或不同地理区域的泛化能力	提高短期降水预报的准确性和多尺度特征捕捉能力，同时减少计算资源需求	小时降水分布（未来0-24小时）	机器学习	NA	NA	TransUNet, 注意力机制	时间序列数据（历史降水数据）	NA	NA	TransUNet, 跨通道多尺度注意力机制	威胁分数, RMSE	NA
844	2025-12-30	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2025-Dec-22, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了从传统方法到人工智能驱动的智能酶工程在生物催化中的演变，总结了常见策略并介绍了机器学习和深度学习模型的最新应用	通过整合机器学习和深度学习模型，显著提升了酶工程方法的效率，准确预测突变效应并高效探索不连续序列空间，帮助避免局部适应度最优陷阱	存在力场精度限制、突变采样约束、实验通量限制和上位效应等挑战	总结酶工程策略并介绍人工智能在其中的应用，以推动酶设计向可预测和高效路径的深刻转变	酶工程策略，包括定向进化、理性/半理性设计、残基共进化和从头设计	机器学习	NA	定向进化、理性/半理性设计、残基共进化分析、从头设计	机器学习、深度学习	序列数据、结构数据、功能数据	NA	NA	NA	NA	NA
845	2025-12-30	Interpretable classification of endomicroscopic brain data via saliency consistent contrastive learning 2025-Dec-19, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103917 PMID:41456554	研究论文	本文提出了一种新颖的图像分类框架，用于基于pCLE数据的可解释脑组织表征	提出了标签对比学习损失以学习类别内相似性和类别间对比，设计了显著性一致性模块生成临床相关显著性图，并引入Top-K最大最小池化层和指数移动平均更新全局嵌入	未明确说明	提高pCLE脑组织分类的准确性和可解释性	离体和在体pCLE脑数据	计算机视觉	脑肿瘤	pCLE	深度学习	图像	未明确说明	未明确说明	未明确说明	准确性, 鲁棒性, 可解释性	未明确说明
846	2025-12-30	Learning feature dependencies for precise tumor region detection and segmentation in optical coherence tomography images 2025-Dec-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03914-7 PMID:41410798	研究论文	提出一种新颖的依赖特征分割方法（DIFSM），用于提高视网膜OCT图像中肿瘤区域的定位和分割精度	通过整合图像预处理、特征间依赖分析和Vision Transformer架构，明确建模特征间依赖关系，解决重叠像素模糊问题	未提及模型在更大规模或更复杂肿瘤类型数据集上的泛化能力	提高视网膜OCT图像中肿瘤区域的自动检测和分割精度	视网膜OCT图像中的肿瘤感染区域	计算机视觉	视网膜肿瘤	光学相干断层扫描（OCT）	Vision Transformer（ViT）	图像	OCTID数据集中的高分辨率视网膜OCT图像	未明确指定	Vision Transformer	Dice系数, IoU, 精确率, 灵敏度, 特异性, 均方匹配误差（MSME）	未明确指定
847	2025-12-30	Large-scale automated measurement and genetic parameters analysis of early-life myofiber characteristics in broilers 2025-Dec-16, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106293 PMID:41456401	研究论文	本研究利用全切片成像和深度学习工具，大规模自动测量了1032只肉鸡早期肌纤维特征，并分析了其遗传参数	首次大规模自动化量化肉鸡肌纤维总数和横截面积，并估计其遗传参数，揭示了肌纤维性状的遗传控制及肌肉间负相关关系	研究仅基于早期生命阶段样本，未涵盖整个生长周期；样本量虽大但可能受品种限制	探究肉鸡肌纤维特征的遗传参数及其在育种中的应用潜力	1032只肉鸡的胸大肌和腓肠肌	数字病理学	NA	全切片成像	深度学习	图像	1032只肉鸡	NA	NA	NA	NA
848	2025-12-30	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	本文提出了一种名为HEIST的分层图变换器基础模型，用于处理空间转录组学和蛋白质组学数据，通过建模组织为分层图结构来整合空间信息和细胞内部基因共表达网络	HEIST模型首次将空间转录组学和蛋白质组学数据统一建模为分层图结构，通过跨层级消息传递计算基因嵌入，无需固定基因词汇表即可泛化到新数据类型（如空间蛋白质组学）	未明确说明模型在处理超大规模数据集时的计算效率限制或对特定组织类型的适用性局限	开发一个能够同时利用空间信息和细胞内基因/蛋白质表达数据的基础模型，以理解细胞在组织微环境中的调控机制	空间转录组学和蛋白质组学数据中的细胞及其基因/蛋白质表达模式	计算生物学	NA	空间转录组学, 空间蛋白质组学	图变换器	空间组学数据（包含空间坐标和细胞内转录/蛋白质计数）	来自15个器官的124个组织中的2230万个细胞	NA	分层图变换器	临床结果预测准确性, 细胞类型注释性能, 基因插补精度	NA
849	2025-12-30	Enlarged Perivascular Spaces and Modifiable Vascular Risk Factors: Cross-Sectional and Longitudinal Analysis in the UK Biobank Cohort 2025-Dec-06, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2025.11.016 PMID:41456992	研究论文	本研究利用英国生物银行队列数据，通过深度学习模型量化脑部MRI中的血管周围间隙，并探讨了血管风险因素、APOE基因型与PVS之间的横断面和纵向关联	首次在大规模社区队列中，结合深度学习自动量化PVS，系统分析了多种可改变血管风险因素及APOE基因型与PVS的关联，并关注了性别和脑区特异性模式	纵向分析样本量相对较小，随访时间较短，风险因素与PVS的纵向关联有限	探讨血管风险因素和APOE基因型与脑部血管周围间隙的关联，以评估PVS作为血管性脑健康生物标志物的潜力	英国生物银行队列中的社区居住成年人，横断面分析包括38,121名参与者，纵向分析包括4,225名参与者	数字病理学	老年疾病	脑部MRI	深度学习模型	图像	横断面分析38,121名参与者，纵向分析4,225名参与者	NA	NA	回归系数(b), 95%置信区间(CI)	NA
850	2025-12-30	Unveiling Hearts: Deep Learning-Based Electrocardiogram Classification for Congenital Heart Disease Detection 2025-Dec, Current medical science IF:2.0Q3 DOI:10.1007/s11596-025-00134-z PMID:41191231	研究论文	本研究开发了一种基于深度学习的ECG分类方法，用于准确检测先天性心脏病	结合CNN和RNN分析ECG信号，并应用SMOTE技术处理类别不平衡问题，提高了分类准确性	需要更多数据集进行验证，并需解决实际应用中的噪声处理和外部验证等挑战	开发一种深度学习方法来准确分类先天性心脏病	ECG信号数据	机器学习	先天性心脏病	ECG分析	CNN, RNN	时间序列数据	MIT-BIH心律失常数据库	NA	NA	准确性	NA
851	2025-12-30	Basic Science and Pathogenesis 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70855_099341 PMID:41454832	研究论文	本研究开发了一种基于深度学习的自动化方法，用于分析阿尔茨海默病APP/PS1转基因小鼠模型中淀粉样蛋白斑块微环境中的星形胶质细胞和小胶质细胞的时空动态变化	采用可解释的机器学习模型区分反应性星形胶质细胞的肥大形态，并开发了区分血管与非血管淀粉样蛋白斑块的ML模型，提供了比传统染色密度更敏感的疾病进展测量指标	研究基于转基因小鼠模型，可能无法完全反映人类阿尔茨海默病的复杂性；样本量相对有限（6、9、12月龄小鼠）	评估阿尔茨海默病淀粉样蛋白斑块微环境中星形胶质细胞增生和小胶质细胞增生的时空动态变化	APP/PS1转基因阿尔茨海默病小鼠模型中的星形胶质细胞和小胶质细胞	数字病理学	阿尔茨海默病	多重免疫荧光组织切片分析	深度学习, 机器学习	图像	6、9、12月龄APP/PS1转基因小鼠的组织切片	未明确说明	未明确说明	统计显著性	NA
852	2025-12-30	Automated detection of fin whales with distributed acoustic sensing in the Arctic and Mediterranean 2025-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0041855 PMID:41460012	研究论文	本研究提出了一种基于分布式声学传感（DAS）和深度学习的自动化检测管道，用于在北极和地中海地区大规模监测长须鲸的低频叫声	首次将YOLO深度学习模型应用于DAS数据中的鲸鱼叫声检测，并展示了其在跨地理位置和海床环境下的强泛化能力，无需微调即可实现高性能	研究仅基于两条海底电缆的数据集（挪威斯瓦尔巴和摩纳哥-意大利），可能未覆盖所有海洋环境或鲸鱼叫声变体	开发一种自动化、可扩展的管道，用于利用分布式声学传感技术监测海洋哺乳动物（特别是长须鲸）的叫声	长须鲸的低频叫声	机器学习	NA	分布式声学传感（DAS）	YOLO, Hough变换, DBSCAN, 模板匹配, LightGBM	声学数据	两条海底电缆的数据集：挪威斯瓦尔巴135公里和摩纳哥-意大利162公里	NA	YOLO	F1分数	NA
853	2025-12-30	Hankel-FNO: Fast underwater acoustic charting via physics-encoded Fourier neural operator 2025-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0041890 PMID:41460013	研究论文	本文提出了一种基于傅里叶神经算子的快速水下声学制图方法，通过结合物理知识实现高效准确的声场预测	提出了Hankel-FNO模型，将声传播知识和地形信息编码到傅里叶神经算子中，解决了传统数据驱动方法在固定分辨率和显式偏微分方程依赖方面的限制	未明确说明模型在极端复杂环境或噪声干扰下的性能表现，且对大规模实时应用的泛化能力仍需进一步验证	开发快速准确的水下声学制图方法，以支持环境感知传感器部署优化和自主车辆路径规划等下游任务	水下声场传播与声学制图	机器学习	NA	傅里叶神经算子	FNO	声场数据、地形数据	NA	NA	Hankel-FNO	准确性、计算速度、长程预测性能	NA
854	2025-12-30	FigATree: a novel framework for histological subtyping and grading of lung adenocarcinoma 2025-Nov-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04355-4 PMID:41307585	研究论文	本文提出了一种名为FigATree的新型可解释AI框架，用于肺腺癌的组织学亚型分型和分级诊断	结合基础模型增强的区域级编码器与基于XGBoost的病理学知识驱动的玻片级分类器，实现了高精度且可解释的肺腺癌诊断	未明确说明模型在更广泛或更具挑战性数据集上的潜在性能限制	开发一种可解释的AI框架，以提升肺腺癌组织学亚型分型和分级的准确性与临床可翻译性	肺腺癌（LUAD）	数字病理学	肺癌	H&E染色	基础模型, XGBoost	图像	1186张H&E染色全玻片图像	NA	NA	准确率	NA
855	2025-12-30	Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review 2025-Nov-06, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.70110 PMID:41199593	综述	本文是关于人工智能在痤疮诊断与管理中应用的综述，评估了AI工具的类型、应用、性能及训练数据中的皮肤多样性问题	提供了AI在痤疮领域应用的最新概览，特别关注了模型性能比较以及训练数据中皮肤多样性不足的公平性问题	仅基于105篇文献进行分析，且多数研究仅关注诊断，管理应用较少；训练数据中皮肤颜色多样性报告不足	评估AI在痤疮诊断与管理中的应用现状、工具类型、性能及数据多样性	痤疮	机器学习	痤疮	NA	深度学习, 经典机器学习, 集成模型, 大语言模型	图像	105篇研究文章	NA	NA	准确率	NA
856	2025-12-30	CELLetter: leveraging large language model and dual-stream network to identify context-specific ligand-receptor interactions for cell-cell communication analysis 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf693 PMID:41451540	研究论文	本文介绍了一个名为CELLetter的深度学习框架，用于识别细胞间通讯中的配体-受体相互作用，并整合下游转录因子活动来解码细胞信号传导	结合蛋白质大语言模型ProstT5进行特征嵌入，采用双流架构进行特征提取和降维，引入门控机制进行动态权重调整的特征融合，并提出了基于空间转录组学的多角度验证策略	未明确说明模型在处理大规模数据集时的计算效率或对特定细胞类型的泛化能力限制	开发一个深度学习框架以识别潜在的配体-受体相互作用并量化细胞间通讯强度	细胞间通讯中的配体-受体相互作用，特别是基于单细胞RNA测序数据和空间转录组学数据	机器学习	头颈部鳞状细胞癌	单细胞RNA测序，空间转录组学，基因调控网络分析	深度学习框架，双流网络	蛋白质序列，单细胞RNA测序数据，空间转录组学数据	NA	NA	双流架构，门控机制	11种评估指标，包括共定位距离、共表达比率、共检测概率等	NA
857	2025-12-30	Deciphering RNA modification and post-transcriptional regulation with NetRNApan 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf690 PMID:41451538	研究论文	本文介绍了NetRNApan，一个用于RNA修饰位点预测、基序发现和反式调控因子识别的深度学习框架	NetRNApan通过深度学习框架，不仅提高了RNA修饰位点预测的准确性，还增强了特征表示的可解释性和通用性，并能发现新的反式调控因子	NA	研究RNA修饰和转录后调控，开发一个深度学习框架用于预测RNA修饰位点、发现基序和识别调控因子	RNA修饰，特别是m5U和m6A修饰，以及相关的RNA结合蛋白	自然语言处理	NA	FICC-seq, miCLIP-seq	深度学习	RNA序列数据	NA	NA	NA	准确性	NA
858	2025-12-30	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2025-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680242 PMID:41278680	研究论文	本文提出了一种名为SpaGene的深度学习框架，用于整合单细胞RNA测序和空间转录组学数据，以填补空间转录组数据中缺失的基因表达信息	SpaGene是一种新颖的深度学习框架，通过两个编码器-解码器对、两个翻译器和两个判别器的组合，有效整合scRNA-seq和空间转录组学数据，实现了对空间转录组数据中缺失基因表达的高精度填补	未在摘要中明确提及	整合单细胞RNA测序和空间转录组学数据，以增强对组织生物学、细胞相互作用和疾病进展的理解	单细胞RNA测序数据和空间转录组学数据	机器学习	肺癌	单细胞RNA测序（scRNA-seq），空间转录组学	GAN	基因表达数据	NA	NA	编码器-解码器对	皮尔逊相关系数（PCC），结构相似性指数（SSIM），均方根误差（RMSE）	NA
859	2025-12-30	Nuclei segmentation and classification from histopathology images using federated learning for end-edge platform 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322749 PMID:40638627	研究论文	提出一种结合分割与分类的深度学习框架，用于组织病理学图像中的细胞核分割与分类，并采用联邦学习保护数据隐私	提出了一种结合SegNet分割与DenseNet121分类的两阶段框架，并首次在细胞核分析任务中集成了联邦学习（FedAvg）和全整数量化技术，以实现隐私保护与边缘设备高效部署	未明确说明模型在重叠细胞核或边界模糊情况下的具体性能细节，也未提及跨不同染色或扫描仪图像的泛化能力评估	开发一种高效、可扩展且保护隐私的自动化方法，用于组织病理学图像中的细胞核分割与分类，以辅助癌症检测	组织病理学图像中的细胞核	数字病理学	癌症	组织病理学成像	CNN	图像	NA	TensorFlow, PyTorch	SegNet, DenseNet121	平均像素精度（MPA）, 平均交并比（MIoU）, 频率加权交并比（FWIoU）, 准确率, 马修斯相关系数（MCC）	边缘设备（部署平台），具体GPU型号未提及
860	2025-12-30	Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4662-5_9 PMID:40728613	研究论文	本文提出了一种基于注意力机制的深度学习方法PFresGO，利用基因本体（GO）图的层次结构来高通量预测多种蛋白质功能	PFresGO通过整合基因本体关系，克服了现有方法忽视不同功能间关系的局限性，实现了更准确的蛋白质功能预测	NA	开发高效的计算方法，用于蛋白质功能注释，以弥合高通量序列数据与未知蛋白质功能之间的差距	蛋白质功能预测	机器学习	NA	基因本体（GO）图分析	基于注意力机制的深度学习	序列数据	NA	NA	NA	NA	NA