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
1141	2026-08-09	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	利用深度学习模型在多器官影像、遗传、蛋白质组和RNA-seq数据中识别11种多器官AI内表型，探索脑、眼、心脏疾病的异质性和共同病因	引入“泛疾病”概念，使用弱监督深度学习模型（Surreal-GAN）整合多器官数据，识别多器官AI内表型（MAEs），并展示其在阿尔茨海默病进展、药物反应、因果通路和药物靶点发现中的应用潜力	摘要中未明确提及局限性	探索脑、眼和心脏疾病的异质性和共同病因，为精准医学提供AI驱动的患者分层工具	129,340名参与者的个体级数据以及MULTI联盟的汇总级数据，涉及脑、眼、心多器官	机器学习	阿尔茨海默病、偏头痛、癌症、心血管疾病	影像组学、遗传学、蛋白质组学、RNA-seq	Surreal-GAN（弱监督深度学习模型）	影像、遗传、蛋白质组、RNA-seq数据	129,340名参与者（个体级数据）	NA	Surreal-GAN	认知衰退轨迹评估、风险因素和死亡率，但未明确列出性能指标	NA
1142	2026-08-09	Lateral flow and colorimetric assay for ketamine detection reinforced with deep learning model interfaced with mobile app for smart alert 2025-08-09, Mikrochimica acta DOI:10.1007/s00604-025-07429-x PMID:40781183	研究论文	本研究开发了基于适配体的比色法和侧向层析法检测氯胺酮，并集成深度学习模型与移动应用实现智能警报。	提出了一种双阶段深度学习框架（YOLOv5和ResNet50）用于侧向层析试纸条数据的有效分类，并结合移动应用实现智能警报。	未明确提及局限性。	开发一种便携、低成本、快速的氯胺酮检测方法，结合深度学习模型实现智能警报。	氯胺酮检测，使用合成尿液样本。	计算机视觉	不适用	比色法、侧向层析法、紫外-可见分光光度法	YOLOv5、ResNet50	图像（试纸条图像）	合成尿液样本，具体数量未提供。	PyTorch	YOLOv5、ResNet50	准确性、速度、可靠性	未提供具体信息
1143	2026-08-09	Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades 2025-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8490 PMID:39251256	研究论文	本研究评估了在软件和硬件升级背景下，基于深度学习的Dixon（DL-Dixon）方法在淀粉样蛋白PET成像中用于衰减校正的准确性和纵向一致性	首次在PET/MR系统软件和硬件升级场景下，评估深度学习衰减校正方法的准确性和纵向一致性，并利用迁移学习适应不同扫描仪软件版本和头部线圈	未明确说明局限性，但研究聚焦于特定的软件版本和线圈组合，可能限制了泛化性	协调PET/MR DL-Dixon衰减校正方法在软件和硬件升级中的表现，并评估其准确性和纵向一致性	329名参与者的三模态PET/MR和CT图像，其中38名在约3年内进行了两次扫描	医学影像	阿尔茨海默病	PET/MR成像、CT成像、深度学习	深度学习模型	医学图像	329名参与者，其中38名重复扫描	NA	DL-Dixon	相对绝对误差、变异系数、组内相关系数	NA
1144	2026-08-08	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-07-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	开发了一种基于注意力的多模态深度学习模型，结合MRI和临床特征预测乳腺癌新辅助化疗后的病理完全缓解，并验证其可解释性和跨机构泛化性	结合3D卷积神经网络和自注意力机制，融合治疗前后MRI影像与临床非影像特征，实现可解释的多模态融合预测	未在文中明确提及，但可能包括样本量有限或外部验证数据集规模较小	提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和可解释性，并验证跨机构泛化能力	乳腺癌患者，接受新辅助化疗	医学影像分析, 深度学习	乳腺癌	MRI成像, 临床数据整合	3D卷积神经网络, 自注意力机制	MRI图像, 临床非影像数据	I-SPY 2试验660例，I-SPY 1试验114例	NA	3D CNN, 自注意力	AUC	NA
1145	2026-08-08	Flexible High Temperature Stable Hydrogel Based Triboelectric Nanogenerator for Structural Health Monitoring and Deep Learning Augmented Human Motion Classification 2025-07, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502739 PMID:40465357	研究论文	本研究制备了一种基于PDMS-水凝胶纳米复合材料的摩擦电纳米发电机，用于高温环境下的结构健康监测和基于深度学习的人体运动分类	开发了含ZnAl层状双氢氧化物纳米颗粒的生物相容性PDMS-水凝胶纳米复合TENG，在高达200°C的温度下保持输出电压稳定性，并结合深度学习模型实现高温环境下的人体运动分类	摘要中未提及局限性	旨在开发适用于高温工业环境的高温稳定TENG，用于振动能量收集、结构健康监测和人体运动监测	PDMS-水凝胶纳米复合TENG设备，包含ZnAl-LDH纳米颗粒	机器学习	NA	NA	深度学习模型（具体类型未指定）	电压波形数据	NA	NA	NA	最大功率密度（110 µW cm⁻²），输出电压稳定性，能量谱变化	NA
1146	2026-08-08	RETRACTED ARTICLE: A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-04-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	提出一种多滤波深度迁移学习框架，用于基于图像的孤独症谱系障碍检测，通过数据增强、多滤波、直方图均衡化和两阶段降维提高预训练模型的分类准确率。	整合数据增强、多滤波、直方图均衡化和两阶段降维到预训练冻结网络中，无需微调，提升图像模式识别性能。	未提及具体限制，可能受限于数据集规模和依赖预训练特征。	自动化检测孤独症谱系障碍，提高早期诊断的准确性和效率。	基于面部图像的孤独症和非孤独症个体样本。	计算机视觉	孤独症谱系障碍	图像处理	CNN, Transformer	图像	使用已建立的面部基准数据集，包含孤独症和非孤独症个体样本，具体数量未说明。	未明确提及	ResNet-50, ViT, Swin	准确率	未明确提及
1147	2026-08-08	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究利用基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤，并与GoogleNet及多种传统机器学习分类器进行性能比较	结合预处理流程（形态学操作、高斯模糊、阈值裁剪）、PCA降维和数据增强，采用预训练ResNet152与GoogleNet进行特征提取，并利用SVM、KNN、CART和GNB等传统分类器进行分类，最佳组合达到98.53%准确率	未提及具体限制，但可能包括对特定数据集的依赖性、计算资源需求等	探索深度迁移学习技术在脑肿瘤准确诊断中的有效性	脑肿瘤MR图像	计算机视觉	脑肿瘤	磁共振成像	CNN（卷积神经网络）	图像	未明确，但数据集分为训练（80%）和测试（20%）	未明确指定	ResNet152, GoogleNet	准确率、灵敏度、召回率、F1分数	未提供具体信息
1148	2026-08-08	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	研究论文	提出一种自注意力深度时间卷积网络（SADTCN）用于实时预测帕金森病震颤信号，并验证其多步预测性能。	首次将自注意力机制与深度时间卷积网络结合，用于捕捉震颤信号的短期和长期依赖关系以及时空动态，实现多步预测，优于现有深度学习模型。	未提及具体限制，可能包括样本量有限或实验条件限制。	开发一种高精度、鲁棒且泛化能力强的模型，用于实时预测帕金森病震颤，以支持辅助技术。	帕金森病患者的肢体震颤信号和关节角度运动。	机器学习和数字信号处理	帕金森病	短时傅里叶变换（STFT）用于频谱分析	深度学习模型（SADTCN）	信号数据（手部和手臂震颤信号）	实验性数据（未提供具体样本数）	NA	自注意力深度时间卷积网络（SADTCN）	准确度、鲁棒性、泛化能力（使用Wilcoxon符号秩检验）	NA
1149	2026-08-08	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	本文介绍了一个基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒，该系统仅使用急诊科就诊前六小时内可获得的临床和实验室特征。	提出了一种结合评分系统的新型CDSS，能够在早期仅凭常规临床和实验室数据准确区分MIS-C与斑疹伤寒，并进行了与五种经典统计和机器学习模型的对比验证。	未明确说明，但研究样本量较小（87名斑疹伤寒和133名MIS-C患者），且验证集仅包含MIS-C患者，可能限制模型的泛化性。	开发一个临床决策支持系统，以帮助医疗团队在早期快速区分MIS-C和地方性斑疹伤寒，改善患者预后。	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者。	临床决策支持系统、机器学习	多系统炎症综合征（MIS-C）、地方性斑疹伤寒	临床和实验室特征分析	深度学习模型（具体类型未明确，可能为MLP）	临床和实验室数据（表格数据）	训练和测试数据集包含87名斑疹伤寒患者和133名MIS-C患者，验证数据集包含111名MIS-C患者。	未明确	未明确，可能为多层感知机（MLP）	灵敏度、特异性、准确性、精确率	未明确
1150	2026-08-08	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	提出一种基于投影梯度下降的可解释对抗性模型分析方法，用于医学图像分析中深度学习模型的透明度提升	利用投影梯度下降生成对抗性样本以识别影响模型决策的关键特征，从而增强可解释性，适用于医学图像分析	未提及	通过对抗性生成来提升深度学习模型在医学图像分析中的可解释性，以缩小人工智能与临床实践的差距	脑肿瘤、眼部疾病和COVID-19数据集	数字病理学	脑肿瘤、眼部疾病、COVID-19	投影梯度下降对抗性生成	卷积神经网络	医学图像	六个数据集，具体数量未提及	未提及	DenseNet121、InceptionV3、ResNet101	AUC、t检验p值	未提及
1151	2026-08-08	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中视网膜血管分割	将Gabor滤波器与深度可分离卷积集成到UNet框架中，增强对血管空间频率和方向的捕捉能力，在有限训练数据下表现良好	未提及明确局限性	提高糖尿病视网膜病变中视网膜血管分割的准确性，特别是在血管尺寸多样、分叉和弯曲段存在以及图像质量不一致的情况下	视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波、深度可分离卷积	UNet	眼底图像	DRIVE、STARE和CHASE_DB1数据集	NA	UNet	准确率、精确率、召回率、F1分数	轻量级架构，适用于资源受限环境
1152	2026-08-08	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	研究论文	介绍了一个基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎谱系分配并识别关键基因。	提出了结合PCA降维、注意力自编码器和反事实梯度归因算法的可解释模型，能够识别并解释不同谱系间的基因表达差异。	未明确提及局限性，但可能依赖于特定数据集，泛化能力需进一步验证。	准确预测单细胞转录组数据中的细胞谱系分配，并识别关键基因以理解细胞分化过程。	人类和小鼠的单细胞转录组数据。	机器学习	NA	单细胞转录组学	自编码器、注意力机制	单细胞转录组数据	未明确提及样本量	NA	PCA、注意力自编码器	准确率、F1分数、精确率、召回率、AUROC	NA
1153	2026-08-08	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	研究论文	本文提出多任务学习方法，利用光电容积脉搏波（PPG）相关任务间的共享特征，提升信号质量评估及生理参数估计的性能	首次在多任务学习框架下，针对PPG信号质量评估和心率/呼吸率估计进行定制化深度模型设计，利用任务间依赖关系提高整体性能	实验仅在46名受试者的数据集上验证，样本量有限，可能影响模型泛化能力	开发多任务深度学习方法，以改善基于PPG的可穿戴健康监测应用中的信号质量评估和生理参数估计准确度	PPG信号质量评估（心率、心率变异性）和生理参数同步估计（心率、呼吸率），数据集来自46名佩戴智能手表的受试者日常活动	信号处理	无特定疾病	PPG（光电容积脉搏波）	多任务深度学习模型	PPG信号数据	46名受试者的日常活动PPG数据	NA	NA	准确率、误差率	NA
1154	2026-08-08	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	提出ResoMergeNet（RMN），一种用于白内障、肺癌和乳腺癌多模态医学图像分类的深度学习模型，结合迁移学习、ResBoost框架和ConvMergeNet技术	通过集成ResBoost框架和ConvMergeNet技术，结合迁移学习，能有效处理不同图像模态（如可见光眼部图像和病理图像），强调全局和局部特征提取并减少无关数据影响	未在摘要中提及具体局限性，可能包括对多样本或更多模态的泛化能力需进一步验证	解决医学图像分类中模态差异带来的性能下降问题，提升白内障、肺癌和乳腺癌的早期诊断准确性	白内障眼部图像、肺癌病理图像和乳腺癌病理图像（BreakHis数据集）	计算机视觉	白内障、肺癌、乳腺癌	NA	CNN（卷积神经网络）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，含100倍和200倍放大倍数）	NA	ResoMergeNet（结合ResBoost和ConvMergeNet）	准确率	NA
1155	2026-08-08	Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma 2025-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8493 PMID:39848779	研究论文	本研究利用新型距离分辨的3D评估方法，分析胶质母细胞瘤（GBM）中肿瘤周围增强区域FLAIR高信号的ADC特征，并探讨其与MGMT启动子甲基化状态的关系	首次采用距离分辨的3D体积评估方法分析肿瘤周围浸润区的ADC剖面，揭示了常规MRI上人眼不可见的组织特征，并发现ADC分布与MGMT甲基化状态相关	未提及具体限制，但可能包括回顾性研究设计、单中心数据、样本量相对较小等潜在局限	探究GBM中MGMT启动子甲基化状态是否在MRI标志物中有所体现，特别是肿瘤周围浸润区的ADC特征	101例IDH野生型胶质母细胞瘤患者，其中43例为MGMT启动子甲基化（mMGMT），58例为MGMT启动子未甲基化（uMGMT）	医学影像分析	胶质母细胞瘤	深度学习分割	深度学习模型（具体未指定，可能为分割网络）	MRI图像（包括FLAIR和ADC图像）	101例患者（43例mMGMT，58例uMGMT）	NA	NA	Wilcoxon符号秩检验的P值、ADC值的百分比变化	NA
1156	2026-08-08	MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_12 PMID:39649703	研究论文	提出MASSM框架，一种端到端深度学习模型，直接从图像中同时定位多个解剖结构、估计群体级统计形状表示并在图像空间描绘形状	首次实现端到端多解剖结构统计形状建模，无需手动分割、预对齐或边界框标注，并能直接在图像空间描绘形状	文献中未提及具体局限性	开发一种无需手动干预的深度学习框架，用于从图像中直接进行多解剖结构的统计形状建模，以提供优于分割网络的形状信息	多种解剖结构（具体未在标题和摘要中明确列出）	计算机视觉	NA	深度学习	多任务网络	图像	NA	NA	NA	形状信息质量（优于分割网络）	NA
1157	2026-08-07	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-12-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	研究论文	本研究提出一个可解释的深度学习集成框架，用于准确分类野生有毒蘑菇种类，保障食品安全	首次将可解释AI集成方法应用于真菌分类，结合多种预训练CNN架构的集成策略提升分类性能	标题和摘要中未提及局限性信息	开发一个准确且可解释的深度学习框架，用于野生有毒蘑菇的分类，以减少误认导致的中毒事件	18种野生有毒蘑菇物种的高分辨率图像	计算机视觉	蘑菇中毒	图像增强技术	CNN	图像	3600张高分辨率图像，通过增强扩展至7200个训练样本	NA	DenseNet121, EfficientNet-B3, MobileNet-V3, ShuffleNet-V2	准确率, MCC, 对数损失	NA
1158	2026-08-07	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-12-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	研究论文	提出了一种名为CLAP-HMM的深度学习框架，用于在长DNA序列中预测抗性基因	引入蛋白质功能提示作为生物学先验，指导HMM模块进行结构状态建模，实现抗性基因边界的精确识别	未提及	提高超长、高重复基因组序列中抗性基因预测的准确性	抗性基因	深度学习、生物信息学	植物病害	DNA测序	CNN-LSTM-Attention混合模型	长DNA序列	NA	NA	CNN、LSTM、注意力机制、HMM	NA	NA
1159	2026-08-07	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-12-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	提出了一种名为T-SCAPE的新型多域深度学习框架，通过对抗性域适应整合多种免疫学数据源，以预测T细胞免疫原性	利用跨域对抗域适应技术整合多种免疫相关数据源，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	摘要中未提及明显局限性	开发一种能够准确预测T细胞免疫原性的深度学习模型，以提升蛋白质治疗药物和疫苗的安全性和有效性	肽段、MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、源生物体信息和T细胞激活	机器学习	不适用	深度学习	多域深度学习模型	免疫学数据	未提及具体样本量	未提及具体框架	对抗性域适应网络	性能指标未具体提及，但提到严格泄漏控制基准	未提及具体计算资源
1160	2026-08-07	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比度MRI的深度学习模型，用于预测PET确定的淀粉样蛋白状态，以提高阿尔茨海默病的诊断准确性	首次将T2 FLAIR与T1加权图像结合用于深度学习预测PET淀粉样蛋白状态，显著提高了预测性能	未提及明确限制	提高基于MRI的PET淀粉样蛋白状态预测准确性，以减少对PET或CSF采样的依赖	阿尔茨海默病患者及认知正常对照者的MRI和PET图像	数字病理学	阿尔茨海默病	NA	深度学习模型（EfficientNet）	图像（MRI和PET）	4056例用于模型开发，149例用于外部测试	NA	EfficientNet	AUC，准确率，敏感性，特异性	NA