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
1181	2026-08-07	Deep Learning Predicts Non-Normal Transmission Distributions in High-Field Asymmetric Waveform Ion Mobility (FAIMS) Directly from Peptide Sequence 2025-02-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05359 PMID:39865577	研究论文	本文利用深度学习模型直接从肽段序列预测高场非对称波形离子迁移谱（FAIMS）中的非正态传输分布	首次采用多标签分类方案对FAIMS中肽离子的非正态传输分布进行建模，并结合随机森林和LSTM网络的集成平均提高了预测性能	模型在预测错误案例中仍存在不足，且依赖大量的训练数据	准确预测肽离子在FAIMS中的迁移行为，以加速检测方法开发和数据库搜索中的真阳性判别	人类肽段前体离子	机器学习、蛋白质组学	NA	高场非对称波形离子迁移谱（FAIMS）	随机森林、长短时记忆网络（LSTM）	肽段序列数据	超过100,000个人类肽段前体用于训练，近40,000个肽离子用于测试	NA	LSTM、随机森林	F2分数、AUROC	NA
1182	2026-08-07	An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy 2025-01-23, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02068e PMID:39686848	研究论文	本文提出了一种可解释的多尺度卷积注意力残差网络，用于基于拉曼光谱的胶质瘤分级，实现了对高级别胶质瘤、低级别胶质瘤和正常组织的分类，并用Grad-CAM增强了模型的可解释性。	提出了结合多尺度通道和空间注意力机制与残差结构的M-SCA ResNet，有效适应光谱特征尺度的多样性，并提升了特征提取能力	未明确提及局限性	提高拉曼光谱胶质瘤分级的准确性和可解释性，辅助医生制定个性化手术方案	高级别胶质瘤（WHO III-IV级）、低级别胶质瘤（WHO I-II级）和正常脑组织	机器学习	胶质瘤	拉曼光谱	卷积神经网络（CNN）	光谱数据	未明确提及样本数量	NA	M-SCA ResNet（多尺度卷积注意力残差网络）	准确性、加权F1分数	NA
1183	2026-08-07	Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04106 PMID:39711466	研究论文	开发了一种双用质谱芯片阵列（DUMSCA），用于小细胞外囊泡的快速分离和检测，并结合深度学习模型实现克罗恩病的高性能诊断	DUMSCA芯片阵列相比传统方法速度提升超过50%，具备稳健存储、可重复使用、高效解吸/电离和代谢物定量能力，且无需先验知识即可进行疾病诊断	摘要中未提及具体局限性	开发一种高通量技术，用于小细胞外囊泡的快速分离和代谢解码，并应用于疾病诊断	血浆中的小细胞外囊泡（sEVs）	质谱成像	克罗恩病	质谱分析	深度学习模型（具体类型未指定）	代谢数据矩阵	未具体说明（涉及血浆sEVs样本）	NA	NA	诊断性能（具体指标未提及）	NA
1184	2026-08-07	NMRformer: A Transformer-Based Deep Learning Framework for Peak Assignment in 1D 1H NMR Spectroscopy 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05632 PMID:39745381	研究论文	本文介绍了NMRformer，一种基于Transformer的深度学习框架，用于1D ¹H NMR光谱中的峰值分配和代谢物识别	与传统方法不同，NMRformer将光谱解释为峰值序列，并将自注意机制和峰高比率直接集成到Transformer编码器层中，能够识别峰值之间的长程依赖关系，并快速识别属于相同代谢物的峰值	NA	提高1D ¹H NMR光谱中峰值分配和代谢物识别的准确性和效率	来自多种细胞和生物液体样本的1D ¹H NMR光谱	机器学习	NA	NMR光谱	Transformer	光谱数据	四种类型的细胞样本和三种类型的生物液体样本	NA	Transformer编码器	准确率	NA
1185	2026-08-07	Differential Diagnosis of Urinary Cancers by Surface-Enhanced Raman Spectroscopy and Machine Learning 2025-01-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05287 PMID:39757799	研究论文	本研究开发了一种基于表面增强拉曼光谱和机器学习的方法，用于区分膀胱癌、肾癌和前列腺癌患者血清样本，实现非侵入性早期诊断	首次尝试利用SERS与机器学习策略区分多种泌尿系统癌症，使用临床血清样本完成了三种癌症的清晰分类	信息未在标题和摘要中明确说明	开发一种快速、无标记、高灵敏度的血清检测方法，以辅助泌尿系统癌症的早期诊断和筛查	膀胱癌、肾癌和前列腺癌患者的血清样本	机器学习	泌尿系统癌症	表面增强拉曼光谱	长短期记忆网络	光谱数据	信息未在标题和摘要中明确说明	NA	LSTM	准确率、敏感性、特异性、受试者工作特征曲线	NA
1186	2026-08-06	Prediction of Hypoglycemia From Continuous Glucose Monitoring in Insulin-Treated Patients With Type 2 Diabetes Using Transfer Learning on Type 1 Diabetes Data: A Deep Transfer Learning Approach 2025-05, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968231215324 PMID:38014538	研究论文	利用迁移学习在1型糖尿病数据上预训练卷积神经网络，预测胰岛素治疗的2型糖尿病患者的低血糖事件	首次将迁移学习应用于从1型糖尿病到2型糖尿病的持续葡萄糖监测数据，以缓解数据稀缺问题	未明确提及外部验证数据集的多样性或模型在不同人群中的泛化能力	开发一种深度学习模型，通过迁移学习提高2型糖尿病患者低血糖预测的准确性	226名1型糖尿病患者和180名2型糖尿病患者的持续葡萄糖监测数据	机器学习	2型糖尿病	持续葡萄糖监测	卷积神经网络	时间序列数据	406名患者（226名1型糖尿病，180名2型糖尿病），外部验证334,711个一小时样本	NA	卷积神经网络	AUC, 阳性预测值, 特异性, 敏感性	NA
1187	2026-08-05	Development of machine learning-based mpox surveillance models in a learning health system 2025-Oct-16, Sexually transmitted infections IF:3.6Q2 DOI:10.1136/sextrans-2024-056382 PMID:40318862	研究论文	本研究旨在开发基于机器学习和深度学习模型的mpox病例监测系统，利用临床笔记进行监测	首次将机器学习模型应用于mpox监测，并在学习型健康系统框架下进行，比较了传统回归模型与深度学习模型的性能	仅基于单一医疗中心的数据，样本量相对较小，可能限制模型的泛化能力	开发并评估基于临床笔记的机器学习模型用于mpox病例监测，以支持公共卫生监测和持续质量改进	哥伦比亚大学欧文医学中心的临床就诊记录，包括PCR确诊的mpox病例及匹配对照	机器学习	mpox	临床笔记文本分析	逻辑回归（LASSO）、ClinicalBERT、ClinicalLongformer	临床文本数据	228例mpox病例和698例对照	NA	LASSO、ClinicalBERT、ClinicalLongformer	精确率、召回率、F1分数、AUROC、AUPRC、RP80	NA
1188	2026-08-05	OncoMet: a deep learning framework for the prediction of oncogenic signaling pathways and metastasis in esophageal cancer patients using histopathology images from primary tumors 2025-08-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06914-4 PMID:40842012	研究论文	提出一个基于深度学习的框架OncoMet，利用食管癌患者原发肿瘤的组织病理学图像预测致癌信号通路及其转移风险	首次在无需详尽patch级标注的情况下，仅依赖切片级标注，利用深度学习模型从H&E染色切片预测致癌信号通路和转移风险	文中未明确提及局限性	利用深度学习分析数字病理图像，自动化并提升食管癌的诊断和风险分层，以支持精准医学和靶向治疗	食管癌患者原发肿瘤的组织病理学图像	数字病理学	食管癌	H&E染色全切片成像	深度学习模型	图像（高分辨率H&E染色全切片图像）	未明确给出样本数量	未明确指定（可能使用通用深度学习框架，如TensorFlow或PyTorch）	未明确指定（深度学习模型）	AUC	未明确说明
1189	2026-08-05	Spatiotemporal calcium signaling patterns underlying opposing effects of histamine and TAS2R agonists in airway smooth muscle 2025-07-01, American journal of physiology. Lung cellular and molecular physiology DOI:10.1152/ajplung.00058.2025 PMID:40434402	研究论文	本研究通过单细胞显微镜和基于深度学习的图像分割技术，比较了组胺、氯喹和氟芬那酸在气道平滑肌细胞中引起的钙信号时空动态，并结合离子通道模型揭示了不同激动剂的相反效应机制	首次将单细胞显微成像与深度学习分割方法结合，量化分析不同激动剂诱导的钙信号时空异质性，并提出钙信号向细胞外周区室化导致膜超极化的新机制	摘要未提及研究局限性	探究苦味受体激动剂与组胺在气道平滑肌细胞中钙信号时空动态差异及其对膜电位和舒张作用的机制	气道平滑肌细胞中的钙信号动态及离子通道行为	数字病理学	哮喘	单细胞显微镜、深度学习分割	深度学习模型	图像	未提及具体样本数量	NA	NA	熵	NA
1190	2026-08-05	Deep learning model for hair artifact removal and Mpox skin lesion analysis and detection 2025-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-05324-2 PMID:40594433	研究论文	本研究提出一种结合毛发去除与升级U-Net模型的深度学习方法来增强Mpox皮肤病变的检测	通过整合毛发去除预处理步骤与增强U-Net架构，提高Mpox皮肤病变的可见性和分割精度，显著优于现有模型	未提及	提高Mpox皮肤病变检测的准确性，辅助医生早期诊断	Mpox、水痘和麻疹的皮肤病变图像	计算机视觉	痘病	深度学习	CNN（U-Net）	图像	未提及	未提及	U-Net	准确率、召回率、F1分数	未提及
1191	2026-08-05	Screening and Risk Analysis of Atrial Fibrillation After Radiotherapy for Breast Cancer: Protocol for the Cross-Sectional Cohort Study "Watch Your Heart (WATCH)" 2025-06-04, JMIR research protocols IF:1.4Q3 DOI:10.2196/67875 PMID:40466092	研究论文	本研究旨在评估乳腺癌放疗后5年内房颤的发生率，并探讨心脏辐射暴露与房颤发生之间的关联。	使用智能手表进行为期一个月的房颤筛查，并辅以心电图确认和医生验证；开发深度学习算法进行心脏亚结构的自动分割和剂量分析。	样本量有限（200例），且为单中心研究，可能限制结果的普遍性。	评估乳腺癌放疗后5年随访期间症状性或无症状性房颤的发生率，并研究心脏辐射剂量与房颤发生的关联。	年龄超过65岁、5年前接受乳腺癌放疗、无房颤病史的200名患者。	数字病理学	乳腺癌	心电图、智能手表监测、经胸超声心动图、深度学习自动分割	深度学习模型（具体类型未指定）	心电图数据、智能手表监测数据、超声心动图图像、医疗记录、剂量学数据	200名乳腺癌放疗后5年的患者	NA	NA	发病率	NA
1192	2026-08-05	AngioPy Segmentation: An open-source, user-guided deep learning tool for coronary artery segmentation 2025-01-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132598 PMID:39341506	研究论文	开发并验证了AngioPy，一个基于用户引导的深度学习工具，用于冠状动脉分割，无需手动校正即可实现快速准确的分割。	创新性地整合用户定义的地面真值点来提升分割性能，并减少手动校正需求。	研究未提及具体局限性。	开发并验证一个能够减少手动校正的冠状动脉分割深度学习工具，以提高定量冠状动脉造影的准确性和效率。	冠状动脉造影图像中的血管分割。	医学影像分析	冠状动脉疾病	数字减影血管造影	深度学习分割模型	图像	2455张训练图像和580张外部验证图像；203张图像用于与QCA比较。	未提及	未明确指定，但可能使用卷积神经网络（CNN）结构	F1分数、像素准确率、精确率、敏感性、特异性、相关系数、平均差异	未提及
1193	2026-08-04	Training deep learning models on personalized genomic sequences improves variant effect prediction 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618510 PMID:39463940	研究论文	本文展示了在个性化基因组序列上训练深度学习模型可以提高变异效应预测的性能，并保留了变异效应表征。	提出在训练序列-功能模型时使用匹配的个人基因组数据，以改善变异效应预测，这是对传统模型的创新改进。	未提及具体限制，但可能包括对未见过细胞环境和实验读出场景的泛化能力有限。	旨在训练深度学习模型以改进变异效应预测，并探索其在解释性状相关遗传变异中的应用。	个性化基因组序列和功能基因组数据，用于变异效应预测。	机器学习	NA	功能基因组学	深度学习模型	基因组序列和功能数据	NA	NA	NA	性能指标未明确，可能包括预测准确性等。	NA
1194	2026-08-04	MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89096-9 PMID:39934248	研究论文	本文提出了一种名为MedFuseNet的新型编码器-解码器架构，旨在通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割。	提出了双分支并行特征学习结构，结合CNN和Swin-Transformer，并设计了四种不同的注意力模块（ASPP、交叉注意力、自适应交叉注意力和SE注意力）用于特征融合和增强。	未在摘要中明确提及局限性。	提高医学图像分割的性能，通过融合局部和全局特征表示及混合注意力机制。	医学图像（如心脏MRI和腹部CT图像）	计算机视觉、深度学习	不适用（涉及心脏和腹部影像，但不特定于某疾病）	深度学习、卷积神经网络、Transformer	编码器-解码器架构（CNN和Swin-Transformer）	医学图像（MRI和CT）	使用ACDC和Synapse公开数据集，具体样本数量未提及	不适用（未提及具体框架）	MedFuseNet（基于CNN和Swin-Transformer，包含ASPP、交叉注意力、ACA和SE注意力模块）	Dice相似系数（DSC）	不适用（未提及具体计算资源）
1195	2026-08-04	A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer 2025-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89693-8 PMID:39934265	研究论文	提出一种基于人工智能的超分辨率图像重建技术，用于皮肤癌早期诊断，特别是中间可疑皮肤病变的检测。	提出新颖的MELIIGAN框架，结合堆叠残差块处理大尺度放大与细粒度纹理重建，混合损失函数（含总变差正则化和Charbonnier损失）提升重建质量。	未在摘要中明确提及局限性。	解决超分辨率重建中放大时纹理细节丢失的挑战，实现中间皮肤病变的早期诊断。	皮肤镜检查图像中的中间可疑皮肤病变。	计算机视觉	皮肤癌（黑色素瘤）	超分辨率图像重建	生成对抗网络（GAN）	图像	未指定。	未指定。	MELIIGAN，堆叠残差块	SSIM（0.946），PSNR（40.12 dB）	未指定。
1196	2026-08-03	World's First Real-Time Artificial Intelligence-Assisted Mechanical Thrombectomy for Acute Ischemic Stroke 2025-Aug-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文报告了全球首例实时人工智能辅助机械取栓术治疗急性缺血性卒中的初步经验，评估了AI系统的有效性、准确性和安全性	首次在急诊机械取栓术中应用实时深度学习AI系统，提供引导导管移出荧光透视图像的实时通知，并验证了其临床实用性	初步研究样本量较小，需要大规模研究验证其对手术流程和临床结果的影响	评估实时AI辅助机械取栓术在急性缺血性卒中患者中的准确性、安全性和潜在有效性	16例连续接受机械取栓术的急性缺血性卒中患者	计算机视觉, 机器学习, 数字病理学	急性缺血性卒中	深度学习	深度学习模型	视频影像	16例急性缺血性卒中患者	NA	NA	精确率, 召回率, 通知次数	NA
1197	2026-08-03	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出一种自适应边界增强Dice（ABeDice）损失函数，结合指数递归互补函数与传统Dice损失，以提升医学图像分割的准确性	创新性地引入指数递归互补函数，动态调整预测概率分布，优先高概率像素，增强边界检测与定位，提高网络的量化潜力和收敛速度	摘要未提供明确的局限性信息	改进医学图像分割的损失函数，以提高分割准确性	医学图像分割任务，特别是眼底图像（REFUGE）、皮肤病变图像（ISIC2018）和眼部图像（RIT-Eyes）	计算机视觉	眼病和皮肤病（具体疾病未知）	深度学习	Swin-Unet（基于Transformer的U-Net变体）	图像	三个公开数据集：REFUGE、ISIC2018、RIT-Eyes（具体样本数未提供）	NA	Swin-Unet	Dice相似系数	NA
1198	2026-08-03	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	本研究开发了一种基于模型的深度学习图像重建框架及联合优化框架，以提升高分辨率3D螺旋轨迹磁共振指纹的扫描效率和计算效率	通过参数估计损失联合优化图像重建和参数量化网络，并基于解剖特异性时空稀疏性数据驱动优化3D螺旋轨迹旋转角，实现端到端联合优化	未提供具体局限性信息	提高3D定量MRI的参数量化准确性和缩短重建时间	健康受试者和患者的模拟及体内MRF数据	深度学习	不适用	MRF	MBDL	图像	未明确说明，涉及健康受试者和患者	NA	NA	NRMSE, p值	NA
1199	2026-08-03	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	提出一种基于物理约束的深度学习增强金纳米颗粒定位与定量方法，与光子谐振吸收显微镜结合，实现数字分辨率分子诊断	通过物理建模获取点扩散函数，生成真实训练数据，利用上下文感知网络提升检测精度，克服传统图像处理在高密度条件下的不足	未提及具体局限，可能依赖高质量的PRAM与SEM图像配对，影响泛化性	实现数字分辨率的生物标志物检测，提高分子诊断的灵敏度和准确性	金纳米颗粒和基于光子谐振吸收显微镜的生物分子检测	计算机视觉，数字病理学	未指定	点扩散函数测量，扫描电子显微镜，光子谐振吸收显微镜	深度学习模型	图像	未指定	未指定	上下文感知网络	准确性，灵敏度，亚像素分辨率	未指定
1200	2026-08-03	Artificial intelligence automated solution for hazard annotation and eye tracking in a simulated environment 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108075 PMID:40339543	研究论文	提出一种基于人工智能的自动化解决方案，用于驾驶模拟环境中的危险标注和视线追踪，以简化数据分析流程	在以往仅进行危险检测的基础上，集成了危险标注与视线追踪数据，并结合车辆操作参数提供驾驶员行为的统一视图	摘要未提及明确的局限性	自动化驾驶模拟实验中的危险标注和视线追踪任务，以加速研究进程并增强对驾驶行为的理解	驾驶模拟环境中的驾驶员行为、道路危险和干扰因素	计算机视觉	不适用	深度学习	不明确	图像、时间序列数据（如视线追踪和车辆操作数据）	不明确	不明确	不明确	不明确	不明确