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
81	2025-11-21	Assessing deep learning models for multi-class upper endoscopic disease segmentation: A comprehensive comparative study 2025-Nov-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i41.111184 PMID:41262538	研究论文	本研究对17种深度学习模型在上消化道多类别疾病分割任务中的表现进行了全面比较分析	首次系统比较了CNN、Transformer和Mamba三种架构的17种先进模型在上消化道疾病分割任务中的表现，并重点评估了临床适用性和泛化能力	跨数据集评估显示模型泛化能力有限，性能下降明显，泛化保留率仅为64.78%至71.52%	评估深度学习模型在上消化道多类别疾病分割中的性能，识别适合临床应用的模型	上消化道疾病的内镜图像	计算机视觉	上消化道疾病	内镜检查	CNN, Transformer, Mamba	图像	自收集数据集3313张图像（9个类别），公开EDD2020数据集386张图像（5个类别）	NA	Swin-UMamba, SegFormer, ConvNeXt+UPerNet, 金字塔视觉Transformer v2+高效多尺度卷积解码	交并比(IoU), 性能效率权衡得分	NA
82	2025-11-21	MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems 2025-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03386-y PMID:40471491	研究论文	提出一种名为MSFHNet的混合深度学习网络，用于从BCI-VR系统中的空间认知EEG信号提取多尺度时空特征	采用分层架构结合多尺度扩张卷积和时间模块、通道空间注意力机制的空间模块，通过交叉堆叠模块实现深度特征融合	NA	提升脑机接口-虚拟现实系统中空间认知训练的性能	空间认知任务中的脑电图信号	机器学习	NA	脑电图	混合神经网络	EEG信号	NA	NA	MSFHNet	分类准确率	NA
83	2025-11-21	A deep learning system for detecting silent brain infarction and predicting stroke risk 2025-Nov, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01413-9 PMID:40481238	研究论文	开发基于视网膜图像的深度学习系统DeepRETStroke，用于检测无症状性脑梗死并预测卒中风险	首次利用视网膜图像构建领域特定的基础模型来表征眼脑连接，无需脑部影像即可检测无症状性脑梗死	需要大规模视网膜图像数据进行预训练，模型性能在不同人群中的普适性需进一步验证	开发非侵入性的卒中风险预测系统	来自中国、新加坡、马来西亚、美国、英国和丹麦的视网膜图像数据	数字病理	心血管疾病	视网膜成像	深度学习	图像	预训练：895,640张视网膜照片；验证：213,762张视网膜照片；前瞻性研究：218名卒中参与者	NA	DeepRETStroke	AUC	NA
84	2025-11-21	Multi-task and multi-scale attention network for lymph node metastasis prediction in esophageal cancer 2025-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03391-1 PMID:40488960	研究论文	提出一种创新的多任务多尺度注意力网络用于食管癌淋巴结转移预测	提出软扩展淋巴结掩模区域的方法增强节点上下文特征，并采用双分支训练策略同时预测转移概率和节点掩模	仅在177名患者的数据集上进行验证，样本规模有限	提高食管鳞状细胞癌淋巴结转移的自动诊断准确性	食管癌患者的淋巴结医学图像	医学图像分析	食管癌	深度学习	注意力网络	医学图像	177名患者，577个淋巴结	NA	多任务多尺度注意力网络(MANet)	准确率	NA
85	2025-11-21	Quantifying features from X-ray images to assess early stage knee osteoarthritis 2025-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03405-y PMID:40616750	研究论文	提出一种结合预训练深度学习模型和图像处理技术的自动化系统，用于从X射线图像中量化膝关节骨关节炎的影像生物标志物	将预训练DL模型与图像处理技术结合，无需昂贵训练过程即可自动量化KOA关键特征，并提供可解释的定量数据	系统性能仍有提升空间（分类准确率73%），且需要验证数据的标注	开发自动化膝关节骨关节炎严重程度评估系统	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	深度学习	医学图像	NA	NA	DexiNed	准确率	NA
86	2025-11-21	MTMedFormer: multi-task vision transformer for medical imaging with federated learning 2025-Nov, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03404-z PMID:40627238	研究论文	提出一种基于Transformer的多任务医学影像模型MTMedFormer，结合联邦学习解决医学数据隐私和数据集规模限制问题	首次将Transformer架构与多任务学习结合用于医学影像，并提出新颖的贝叶斯联邦聚合方法	仅在乳腺X光片和肺炎数据集上验证，未在其他医学影像任务上测试	开发能够同时处理多个医学影像诊断任务的深度学习模型，同时保护患者数据隐私	医学影像数据，特别是乳腺X光片和肺炎影像	医学影像分析	乳腺癌, 肺炎	深度学习	Transformer	医学影像	NA	NA	Transformer	NA	NA
87	2025-11-21	Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer 2025-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf142 PMID:40901703	研究论文	开发多模态深度学习模型DeepAFM，整合组织病理学、基因组学和临床信息预测非小细胞肺癌患者对免疫治疗的反应	提出首个结合VQVAE2自监督学习的多模态预测框架，通过注意力热图实现生物标志物可视化发现	样本量较小（93例患者），置信区间范围较宽	预测晚期非小细胞肺癌患者对免疫治疗的反应并发现生物标志物	晚期非小细胞肺癌患者	数字病理学	肺癌	全切片图像分析，基因组测序	多模态深度学习，VQVAE2	组织病理图像，基因组数据，临床数据	93例晚期NSCLC患者	NA	VQVAE2, DeepAFM	AUC	NA
88	2025-11-21	Superior performance of three-dimensional to two-dimensional convolutional neural network for predicting airflow limitation in patients with chronic obstructive pulmonary disease 2025-Nov, Respiratory investigation IF:2.4Q2 DOI:10.1016/j.resinv.2025.10.008 PMID:41187391	研究论文	比较三维和二维卷积神经网络在预测COPD患者气流受限方面的性能	首次系统比较3D-CNN与2D-CNN在预测COPD患者肺功能指标(%FEV1)中的表现，证明3D-CNN的优越性	样本量有限(200个内部数据集+20个外部验证数据)，需要更大数据集验证和纵向应用研究	评估和比较基于深度学习的模型预测COPD患者气流受限的准确性	慢性阻塞性肺疾病(COPD)患者	医学影像分析	慢性阻塞性肺疾病	计算机断层扫描(CT)	CNN	医学影像	200个内部CT数据集+20个外部验证数据	NA	ResNet18	均方根误差(RMSE), 相关系数	NA
89	2025-11-21	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型用于生成SPECT衰减校正图像，并在多中心队列中验证其提高冠心病诊断准确性的能力	首次在多中心大样本中验证深度学习生成的合成衰减校正图像可替代传统CT衰减校正，无需额外设备或辐射暴露	研究主要基于特定患者群体，需要在更广泛人群中进一步验证	评估深度学习生成的合成SPECT图像是否能提高传统SPECT心肌灌注成像的诊断准确性	阻塞性冠心病患者	数字病理	心血管疾病	SPECT心肌灌注成像，CT衰减校正	深度学习模型	医学影像	开发队列4,894名患者（4个中心），外部验证队列746名患者（72个中心）和320名患者（另一个外部中心）	NA	DeepAC	AUC，总灌注缺损定量评分	NA
90	2025-11-21	Familial fibrotic hypersensitivity pneumonitis: A distinct clinical phenotype with shorter leukocyte telomere length 2025-Nov, Respiratory investigation IF:2.4Q2 DOI:10.1016/j.resinv.2025.10.012 PMID:41197207	研究论文	本研究探讨家族性纤维化性过敏性肺炎的独特临床特征及其与较短白细胞端粒长度的关联	首次发现家族性纤维化性过敏性肺炎具有独特的临床表型，且与较短的白细胞端粒长度显著相关	回顾性研究设计，样本量有限（19例家族性病例）	研究家族性纤维化性过敏性肺炎的临床特征和白细胞端粒长度特征	490例接受白细胞端粒长度测量的患者，其中131例纤维化性过敏性肺炎患者（含19例家族性病例）	数字病理学	间质性肺病	白细胞端粒长度测量，胸部高分辨率CT	深度学习	医学影像，临床数据	490例患者（131例纤维化性过敏性肺炎，其中19例家族性病例）	NA	NA	统计学显著性（p值），相关系数（r值）	NA
91	2025-11-21	Automated C. elegans behavior analysis via deep learning-based detection and tracking 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013707 PMID:41218058	研究论文	提出一种基于深度学习的秀丽隐杆线虫行为自动分析方法，实现多线虫实时检测、跟踪和运动参数定量分析	集成YOLOv8与ByteTrack的增强型线虫检测框架，实现多线虫实时精确跟踪和多种行为参数的自动提取	NA	开发自动化高通量线虫行为分析方法，替代传统人工跟踪的低效方式	秀丽隐杆线虫(Caenorhabditis elegans)	计算机视觉	NA	深度学习	CNN	视频图像	NA	YOLOv8, ByteTrack	YOLOv8	精确度, 召回率, mAP50, 帧率(FPS)	NA
92	2025-11-21	Improving the accuracy of automated labeling of specimen images datasets via a confidence-based process 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013650 PMID:41223204	研究论文	提出一种基于置信度的自动化标本图像标注方法，显著提高标注准确率	通过分析网络对生成标签的置信度并结合用户定义阈值，拒绝低置信度标签，显著提升自动标注准确率	需要牺牲部分标注覆盖率来换取更高准确率，最高置信度阈值下需拒绝约65%的标签	提高自然历史收藏标本图像的自动化标注准确率	植物标本馆标本图像	计算机视觉	NA	深度学习	CNN	图像	超过600,000份植物标本馆标本	NA	卷积神经网络	准确率	NA
93	2025-11-21	Designing flexible protein structures and sampling protein conformations with a unified model using vector quantization and diffusion 2025-Nov, National science review IF:16.3Q1 DOI:10.1093/nsr/nwaf290 PMID:41245953	研究论文	提出一种结合向量量化和扩散模型的统一方法PVQD，用于蛋白质结构设计和构象采样	首次将向量量化自编码器与潜在空间扩散模型结合，统一了蛋白质结构预测、设计和构象动力学建模	NA	开发能够预测蛋白质构象分布和设计具有丰富构象动力学蛋白质结构的深度学习方法	蛋白质骨架结构和构象动力学	机器学习	NA	深度学习	VQ-VAE, 扩散模型	蛋白质结构数据	NA	NA	向量量化自编码器, 潜在空间扩散模型	二级结构组成, 环区长度, 结构域大小, 实验结构变异重现度	NA
94	2025-11-21	Single Mitochondrion Morphology-Function Relationship Analysis Using Fluorescent Probes and Artificial Intelligence 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509140 PMID:40841958	研究论文	本研究开发了一种结合定制荧光探针与人工智能的单线粒体形态-功能关系分析方法	开发了新型双阳离子探针MitoVP增强线粒体靶向和粘度传感分辨率，并首次将深度学习与随机森林分类器结合用于单线粒体形态-功能关系定量分析	研究主要聚焦于缺氧应激条件下的线粒体，未涉及其他应激条件或疾病模型	解析单线粒体水平上形态与功能的关系，特别是缺氧应激下的响应机制	单个线粒体的形态和功能特征	生物医学图像分析	缺氧相关疾病	荧光探针成像，深度学习图像分析	深度学习算法，随机森林分类器	荧光显微镜图像	超过10,000个线粒体	NA	NA	分类准确率	NA
95	2025-11-21	Interpretation of RNA Universe and Coding Potential Using IntRNA 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509518 PMID:40847441	研究论文	本研究构建了多通道深度学习框架IntRNA来解析RNA宇宙和编码潜力	提出大量RNA编码特征扩展特征空间，开发RNA序列图像化表示方法，构建双路径模型在多项基准测试中表现最佳	NA	解决RNA研究中三个关键问题：检测RNA编码潜力、注释sncRNAs复杂分类、区分环状和线性lncRNAs	RNA序列及其编码特征	生物信息学	NA	RNA序列分析	深度学习	RNA序列数据	NA	NA	双路径模型	基准测试性能比较	NA
96	2025-11-21	SURF: A Self-Supervised Deep Learning Method for Reference-Free Deconvolution in Spatial Transcriptomics 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202505456 PMID:40859416	研究论文	提出一种名为SURF的自监督深度学习无参考解卷积方法，用于空间转录组学数据分析	首次将高维基因数据分析与自监督深度学习相结合，有效建模非线性基因相互作用并利用点间关系，无需匹配单细胞参考数据	未明确说明方法在极低分辨率或极高噪声数据下的性能表现	开发无需参考数据的空间转录组学解卷积工具	空间转录组学数据	生物信息学, 机器学习	结直肠癌肝转移	空间转录组学	深度学习	基因表达数据	合成和真实数据集（包含不同分辨率、物种、空间模式和组织状态）	NA	自监督深度学习架构	基准测试比较性能	NA
97	2025-11-21	BridgeNet: a high-efficiency framework integrating sequence and structure for protein and enzyme function prediction 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf607 PMID:41259416	研究论文	提出BridgeNet框架，通过整合蛋白质序列和结构信息进行蛋白质和酶功能预测	通过新型潜在环境矩阵实现序列和结构信息的无缝对齐，无需推理时显式结构输入	NA	开发高效整合序列和结构信息的蛋白质属性预测框架	蛋白质和酶	计算生物学, 结构生物信息学	NA	深度学习	预训练深度学习框架	蛋白质序列, 结构信息	NA	NA	BridgeNet（包含序列编码、结构编码和桥接模块的模块化架构）	酶分类准确率, Gene Ontology注释性能, 辅酶特异性预测准确率, 肽毒性预测性能	NA
98	2025-11-21	PCBert-Kla: an efficient prediction method for lysine lactylation sites based on ProtBert and fusion of physicochemical features 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf615 PMID:41259418	研究论文	提出基于ProtBert和理化特征融合的赖氨酸乳酰化位点预测方法PCBert-Kla	结合ProtBert提取蛋白质序列深度特征与多种理化特征融合，并采用注意力机制自动选择特征	NA	开发高效的赖氨酸乳酰化位点预测方法	蛋白质序列及其赖氨酸乳酰化位点	生物信息学	多种疾病	深度学习	Transformer, 注意力机制	蛋白质序列数据	NA	NA	ProtBert, 全连接层	准确率, 可靠性, 泛化能力	NA
99	2025-11-21	MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction 2025-Nov, Chinese journal of natural medicines IF:4.0Q1 DOI:10.1016/S1875-5364(25)60945-9 PMID:41260779	研究论文	提出一种多视图融合和多任务学习框架MolP-PC，用于药物ADMET性质预测	整合1D分子指纹、2D分子图和3D几何表示的多视图融合，结合注意力门控融合机制和多任务自适应学习策略	模型在预测分布容积(VD)时存在低估倾向，对高组织分布化合物的分析有待改进	开发精确的药物ADMET性质预测框架以降低早期药物开发失败风险	药物分子及其ADMET性质	机器学习	NA	深度学习	多任务深度学习	分子指纹、分子图、几何表示	NA	NA	注意力门控融合机制	NA	NA
100	2025-11-21	Identification of natural product-based drug combination (NPDC) using artificial intelligence 2025-Nov, Chinese journal of natural medicines IF:4.0Q1 DOI:10.1016/S1875-5364(25)60942-3 PMID:41260785	综述	本文全面回顾了人工智能在天然产物药物组合识别领域的最新进展	通过整合多源异质数据和自主特征提取，显著提高了预测准确性，为新型天然产物药物组合发现提供了强有力的技术途径	当前方法仍受限于实验数据碎片化、高成本和广泛的组合空间	加速天然产物药物组合的发现并为实验验证提供指导	天然产物药物组合	机器学习	复杂疾病	高通量筛选,人工智能算法	传统机器学习,深度学习	多源异质数据	NA	NA	NA	预测准确性	NA