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	2026-01-08	Image-Based Profiling of Induced Trophoblast Stem Cells Identifies Signatures Associated with Sex, Schizophrenia Genomic Risk and Placental Stress 2025-Dec-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.23.695254 PMID:41497620	研究论文	本研究利用基于图像的细胞特征分析技术，探索了精神分裂症遗传风险与胎盘发育之间的相互作用	首次结合Cell Painting图像分析、hiPSC来源的滋养层细胞模型以及胎盘基因组风险评分，揭示了精神分裂症风险相关的细胞核定位特征和性别二态性	研究基于体外细胞模型，可能无法完全模拟体内胎盘发育的复杂环境；样本量相对有限	阐明精神分裂症遗传风险因素与环境因素如何相互作用影响胎盘发育	源自人类诱导多能干细胞（hiPSC）的滋养层细胞，供体包括男性和女性精神分裂症患者及神经典型个体	数字病理学	精神分裂症	Cell Painting图像分析，缺氧应激实验	监督机器学习	图像	来自不同供体（精神分裂症患者和神经典型个体）的hiPSC细胞系，具体数量未明确说明	CellProfiler，深度学习框架（未具体说明）	NA	NA	NA
82	2026-01-08	Structural alterations related to emotion dysregulation, anxiety and self-harm in adolescents borderline personality disorder. A source-based morphometry study 2025-Dec-24, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.121035 PMID:41453667	研究论文	本研究通过源基形态测量学结合深度学习模型，探讨青少年边缘型人格障碍（BPD）的脑结构改变及其与情绪失调、焦虑和自伤行为的关联	首次在迄今最大的青少年BPD样本中，结合无监督的源基形态测量学（SBM）和通过遗传算法优化的深度神经网络，系统分析脑结构异常与临床特征的关系	研究样本虽为迄今最大，但仍可能存在代表性限制，且为横断面设计，无法确定因果关系	探究青少年边缘型人格障碍的脑结构差异及其与情绪失调、焦虑和自伤行为的神经生物学机制	129名青少年BPD患者（12-17岁）和107名年龄、性别、教育匹配的健康对照	神经影像学	边缘型人格障碍	高分辨率T1加权结构MRI	深度神经网络	MRI图像	236名参与者（129名BPD患者，107名健康对照）	NA	通过遗传算法优化的深度神经网络	泛化性能	NA
83	2026-01-08	Predictive design of tissue-specific mammalian enhancers that function in vivo in the mouse embryo 2025-Dec-24, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.22.695948 PMID:41497587	研究论文	本研究提出了一种基于深度学习的通用策略，用于设计在小鼠胚胎中可靠发挥功能的组织特异性增强子	首次将深度学习模型应用于哺乳动物体内组织特异性增强子的预测与设计，并成功在活体小鼠胚胎中验证了合成增强子的功能	研究仅在小鼠胚胎中验证了三种组织（心脏、肢体、中枢神经系统）的增强子，尚未扩展到更多组织类型或成年动物模型	开发能够精确控制哺乳动物基因表达的程序化增强子设计方法	小鼠胚胎的组织特异性增强子	计算生物学	NA	全基因组染色质可及性分析	CNN	基因组序列数据	已验证的人类和小鼠增强子数据集	NA	紧凑型卷积神经网络	体内功能验证（组织特异性活性）	NA
84	2026-01-08	A combined model of convolutional neural networks and graph attention networks for improved classification of mild cognitive impairment 2025-Dec-23, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121674 PMID:41448509	研究论文	本文提出了一种结合卷积神经网络和图注意力网络的新模型，用于改进轻度认知障碍的分类	提出了一种新颖的CNN与改进的GAT模型相结合的方法，以利用它们在捕捉大脑结构特征和区域间关系方面的互补优势，从而解决现有单一模型在检测微病变方面的局限性	未来需要通过额外的数据优化来进一步提升模型性能	改进轻度认知障碍的早期诊断和分类，以推进神经退行性疾病的诊疗策略	轻度认知障碍患者	医学影像分析	阿尔茨海默病	磁共振成像	CNN, GAT	图像, 图数据	NA	NA	多层感知机	AUC, F1分数, 敏感度, 特异度	NA
85	2026-01-08	DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention 2025-Dec-23, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08898d PMID:41487137	研究论文	本文提出了一种名为DSSA-PPI的混合深度学习框架，通过解耦注意力机制整合结构和序列信息，以增强蛋白质突变对结合亲和力变化的预测	采用解耦注意力机制结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略，整合序列和结构特异性贡献	未明确提及具体局限性，可能依赖于标准数据集SKEMPI v2的覆盖范围	提高蛋白质突变对蛋白质-蛋白质相互作用结合亲和力变化的预测精度	蛋白质-蛋白质相互作用中的突变效应	机器学习	NA	深度学习	GNN, 语言模型	结构数据, 序列数据	标准蛋白质结合亲和力数据集SKEMPI v2	NA	PPIFormer, ESM-2	NA	NA
86	2026-01-08	Spatial Transcriptomics As Rasterized Image Tensors (STARIT) characterizes cell states with subcellular molecular heterogeneity 2025-Dec-22, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695193 PMID:41497642	研究论文	本文提出了一种名为STARIT的方法，将成像空间转录组学数据转换为图像张量表示，以利用亚细胞异质性识别细胞状态	STARIT通过将转录本转换为图像张量，结合深度学习模型，首次在imSRT数据中利用亚细胞转录定位信息来区分细胞状态，超越了传统基于基因计数矩阵的方法	未明确提及具体局限性，但可能依赖于模拟和真实数据的验证范围	开发一种新方法来利用成像空间转录组学数据中的亚细胞分子异质性，以更精确地识别和表征细胞类型与状态	成像空间转录组学数据中的细胞及其亚细胞转录本分布	计算机视觉	NA	成像空间转录组学	深度学习计算机视觉模型	图像张量	NA	Python	NA	NA	NA
87	2026-01-08	[Diagnosis and treatment of liver diseases in the era of artificial intelligence] 2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology DOI:10.3760/cma.j.cn501113-20250910-00376 PMID:41461549	综述	本文分析了人工智能在肝病领域大数据分析、转化研究及影像病理解读等关键领域的应用进展，并探讨了其在真实世界诊断与治疗中面临的挑战	系统梳理了AI在肝病诊断与治疗中的应用现状，并明确指出当前AI工具在辅助临床决策中的核心痛点，如模型成熟度不足、责任归属问题及多中心通用模型构建困难	当前机器学习与深度学习技术尚无法有效支持真实世界临床决策，AI模型存在碎片化、个性化问题，难以整合为广泛适用的多中心通用模型	探讨人工智能在肝病诊断与治疗领域的应用潜力与挑战，推动AI驱动决策支持工具的发展	肝病领域的临床诊断与治疗过程	数字病理	肝病	NA	机器学习, 深度学习	多模态数据（病史、体征、实验室数据、影像、病理）	NA	NA	NA	NA	NA
88	2026-01-08	Deep learning-based high dynamic range 3D reconstruction 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30204-0 PMID:41419546	研究论文	本文提出了一种基于深度学习的高动态范围三维重建方法，用于修复条纹投影轮廓测量中因过曝导致的饱和条纹图像	利用U-Net的衍生网络结构（如Res-U-Net和SE-U-Net）修复饱和条纹，无需额外硬件或多组图像采集，显著提高了高动态范围环境下的三维重建精度	未明确说明方法在极端反射率变化或复杂光照条件下的泛化能力，且未与其他非深度学习方法进行对比	解决高动态范围环境中因物体反射率和光照条件变化导致的图像过曝问题，提升条纹投影轮廓测量的三维重建精度	条纹投影轮廓测量中捕获的过曝条纹图像	计算机视觉	NA	条纹投影轮廓测量	CNN	图像	NA	NA	U-Net, Res-U-Net, SE-U-Net	NA	NA
89	2026-01-08	Deep learning-based diagnosis of temporomandibular joint osteoarthritis using whole-body bone scans 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114027 PMID:41497394	研究论文	本研究开发了基于深度学习的模型，利用全身骨扫描自动诊断颞下颌关节骨关节炎，并评估全身骨关节炎特征作为潜在预测因子	首次应用深度学习模型基于骨扫描图像自动诊断TMJ-OA，并比较了头颈部与全身扫描在诊断中的价值，提出轻量级模型VGG16-Lite在特定区域成像中表现出色	全身扫描排除头颈部后对TMJ-OA的预测价值有限（AUC约0.65），表明仅依赖全身特征可能效用不足，需要进一步研究全身关联性	开发自动诊断颞下颌关节骨关节炎的深度学习模型，并探索全身骨关节炎特征与TMJ-OA的关联	1943名患者（3886个颞下颌关节）的骨扫描图像	计算机视觉	骨关节炎	骨闪烁扫描（骨扫描）	CNN	图像	1943名患者，3886个颞下颌关节	NA	VGG16, VGG16-Lite	AUC	NA
90	2026-01-08	Deep learning-assisted diagnosis of pubertal breast development on multicenter ultrasound images 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113937 PMID:41497395	研究论文	本研究开发并验证了一种名为STransXNet的混合深度学习模型，用于基于多中心超声图像自动分期青春期乳房发育	提出了一种新颖的混合深度学习模型STransXNet，用于青春期乳房发育的自动分期，并在多中心数据上验证了其优于基线模型和放射科住院医师的性能，特别是在区分临床实践中最具挑战性的中间阶段方面表现出色	研究为回顾性设计，可能受到数据选择和潜在偏倚的影响；模型在更广泛人群和不同成像设备中的泛化能力仍需进一步前瞻性验证	开发一个自动、标准化的深度学习模型，以辅助评估青春期乳房发育阶段，支持临床决策	青春期乳房发育的超声图像	计算机视觉	NA	超声成像	深度学习	图像	2,576张来自三家医院的超声图像	NA	STransXNet	准确率	NA
91	2026-01-08	Lifespan trajectory of claustrum volume in humans - effect of age, hemisphere, and sex, and association with cognitive performance 2025-Dec-18, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121665 PMID:41421500	研究论文	本研究利用深度学习自动分割和规范建模，探讨了人类屏状核体积的生命周期轨迹及其与认知表现的关系	首次在大型健康人群样本中描绘屏状核体积从婴儿期到老年的生命周期轨迹，并揭示其与年龄、半球、性别及认知功能的关联	研究基于横断面数据，无法确定因果关系；样本年龄范围虽广，但老年样本相对较少；认知评估指标有限	研究非病理生物条件（如年龄、半球、性别）对屏状核体积的影响及其与认知表现的关联	3474名1至80岁健康参与者的屏状核结构	医学影像分析	NA	T1加权3特斯拉MRI扫描	深度学习	MRI图像	3474名健康参与者（年龄1-80岁）	NA	NA	NA	NA
92	2026-01-08	HOES: an efficient multi-evolutionary expert system for deep learning model optimization in time series prediction 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30014-4 PMID:41407749	研究论文	本研究设计了一种基于六种进化算法的混合优化专家系统（HOES），用于优化深度学习模型在时间序列预测中的性能	HOES集成了多种进化算法，并引入了传输机制、记忆系统和惩罚系统来实现协同优化，提高了全局搜索能力和优化效率	NA	优化深度学习模型在时间序列预测中的性能，解决传统优化方法效率有限的问题	时间序列预测任务，包括交通、天气、家庭用电、风能、太阳能和ETT_m1数据集	机器学习	NA	NA	LSTM	时间序列数据	六个公共数据集：Traffic, Weather, Household, Wind Power, Solar Power, ETT_m1	NA	SJ-LSTM	RMSE, MAE	NA
93	2026-01-08	High density EEG and deep learning outcome prediction on the first day of coma after cardiac arrest 2025-Dec-16, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121658 PMID:41412410	研究论文	本研究利用深度学习分析心脏骤停后昏迷患者第一天的静息态脑电图，预测其预后结果，并与临床预后指标进行互补性评估	首次将深度学习应用于心脏骤停后昏迷第一天的高密度脑电图分析，实现高准确性的预后预测，并验证了其与临床标记物的互补性	研究样本量相对有限，外部验证数据集较小，且第二天脑电图的预测性能有所下降	评估深度学习在心脏骤停后昏迷患者预后预测中的应用价值	心脏骤停后昏迷患者	机器学习	心血管疾病	静息态脑电图记录	CNN	脑电图信号	第一天165名患者，第二天100名患者，外部验证60名患者	NA	卷积神经网络	灵敏度, 特异性	NA
94	2026-01-08	Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693143 PMID:41473290	研究论文	本研究提出了一种基于卷积神经网络的可解释深度学习模型ChromAgeNet，用于从3D染色质图像预测造血干细胞衰老	首次利用深度学习从3D染色质图像中量化预测造血干细胞衰老，并识别出染色质熵、外周异染色质和染色质凝聚体等预测标志物	模型性能（AUROC 0.77 ± 0.03）仍有提升空间，且目前仅在小鼠HSCs上验证	量化造血干细胞衰老过程，开发用于衰老预测和药物筛选的工具	小鼠造血干细胞（HSCs）	数字病理学	老年疾病	3D显微镜成像，DAPI染色	CNN	图像	未明确指定样本数量，但使用年轻和年老小鼠HSCs的3D图像数据集	未明确指定，但基于卷积神经网络	ChromAgeNet（自定义CNN架构）	AUROC	NA
95	2026-01-08	Automatic classification of criminal activities for security surveillance by keyframes detection and advanced inception techniques 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30199-8 PMID:41392027	研究论文	本研究提出一种结合关键帧检测与先进Inception技术的自动犯罪活动分类方法，用于安全监控	引入了关键帧提取方法，通过仅识别和选择关键帧来减少数据量，提高了模型效率	NA	开发有效的自动化异常行为检测机制，用于视频监控系统	监控视频中的异常行为/犯罪活动	计算机视觉	NA	深度学习	CNN	视频	标准数据集（未指定具体数量）	NA	Inceptionv4	准确率	NA
96	2026-01-08	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2025-Dec-12, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本研究提出了一种名为NowcastPNN的新型概率神经网络架构，用于对巴西圣保罗的登革热发病率进行实时估计和预测	结合了负二项分布的统计建模与注意力机制等深度学习技术，并采用蒙特卡洛Dropout方法获取预测不确定性区间	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准模型	开发一种快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	时间序列数据	相当于2-4年的登革热发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉
97	2026-01-08	PI-uMSS: Prior information-based unsupervised magnetic source separation in quantitative susceptibility mapping 2025-Dec-12, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121643 PMID:41391626	研究论文	提出一种基于先验信息的无监督磁源分离框架，用于定量磁化率成像中的顺磁性和抗磁性源分离	首次将先验信息引导与物理约束损失函数结合，实现无需高质量标签的全脑无监督磁源分离	未明确说明模型对罕见病理情况的泛化能力，且依赖特定成像参数（QSM和R数据）	改进定量磁化率成像中的磁源分离精度	人脑磁共振成像数据	医学影像分析	脑部疾病	定量磁化率成像（QSM）、横向弛豫（R）成像	深度学习模型	磁共振图像	未明确说明	未明确说明	未明确说明	结构相似性指数（SSIM）、归一化均方误差	未明确说明
98	2026-01-08	Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7651 PMID:41410328	研究论文	本研究评估并比较了四种基于人工智能的模型在巴氏涂片细胞异常检测中的判别能力	在哥伦比亚大学人群中首次评估了人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型在筛查和检测任务中的表现	研究样本量较小（650张图像），且仅基于单一大学队列，可能限制了结果的泛化能力	评估和比较人工智能模型在巴氏涂片异常检测中的判别能力，以改善宫颈癌筛查的诊断性能	来自哥伦比亚东北部大学队列的巴氏涂片细胞图像	数字病理学	宫颈癌	数字图像分析, 深度学习	CNN	图像	650张巴氏涂片细胞图像	NA	DenseNet, InceptionV3, MobileNet, VGG19	灵敏度, 特异性, 曲线下面积	NA
99	2026-01-08	Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets 2025-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.19.689219 PMID:41473273	研究论文	本文提出了一种结合图神经网络与分子描述符的混合深度学习框架，用于预测药物靶点的半数抑制浓度（IC50）值	该研究创新性地整合了图神经网络与显式分子描述符，以同时捕获局部结构模式和全局理化性质，从而提升生物活性预测的准确性和可解释性	模型在部分靶点上的性能提升有限，且可解释性仅部分通过描述符贡献和注意力机制实现，可能未完全覆盖所有分子相互作用机制	加速药物发现过程，通过提高IC50值预测的准确性来优化化合物筛选和优化	14,316种化合物，涵盖激酶、核受体和蛋白酶等九种不同的生物靶点	机器学习	NA	图神经网络结合分子描述符分析	图神经网络	分子图数据（包含原子和键特征）及理化性质描述符	14,316种化合物	NA	图神经网络	R²（决定系数）	NA
100	2026-01-08	Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy 2025-Dec-09, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105313 PMID:41381021	研究论文	本研究开发了一种轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后玻璃体腔出血的风险	整合超广角荧光素血管造影图像和临床数据，构建轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性和良好的可解释性	回顾性研究设计，样本量有限（1318只眼），外部验证集规模较小（264只眼）	开发预测模型以评估增殖性糖尿病视网膜病变患者术后玻璃体腔出血风险	增殖性糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	超广角荧光素血管造影	深度学习	图像, 临床数据	1318只眼（来自968名患者），外部测试集264只眼	NA	EfficientNet-V2, 多层感知机	AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距	NA