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
1541	2026-01-07	SpaMWGDA: Identifying spatial domains of spatial transcriptomes using multi-view weighted fusion graph convolutional network and data augmentation 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013667 PMID:41223185	研究论文	本文提出了一种基于多视图加权融合图卷积网络和数据增强的深度学习模型SpaMWGDA，用于空间转录组数据的空间域识别	通过多视图加权融合图卷积网络和数据增强，模型能全面捕获邻域信息、自适应融合关键特征，并减少聚类噪声	未明确说明模型的计算复杂度或对大规模数据的可扩展性限制	开发一种深度学习模型以改进空间转录组数据中的空间域识别	空间转录组数据中的细胞基因表达和空间信息	机器学习	NA	空间转录组学	GCN	基因表达和空间信息数据	NA	NA	多视图加权融合图卷积网络	空间域识别和轨迹推断性能	NA
1542	2026-01-07	DeepADR: multimodal prediction of adverse drug reaction frequency by integrating early-stage drug discovery information via Kolmogorov-Arnold networks 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf695 PMID:41481073	研究论文	本文介绍了一个名为DeepADR的多模态深度学习框架，用于整合早期药物发现信息，通过Kolmogorov-Arnold网络预测药物不良反应的发生和频率	DeepADR通过整合化学结构、生物靶点图谱和基于大语言模型的药物不良反应术语语义表示，并利用Kolmogorov-Arnold网络融合异构数据，增强了多模态间复杂非线性关系的建模，提高了预测性能	未在摘要中明确提及	预测药物不良反应的发生和频率，以支持早期安全评估和候选药物优先排序	药物化合物及其相关的不良反应	机器学习	NA	多模态深度学习，大语言模型	Kolmogorov-Arnold网络	化学结构数据，生物靶点数据，文本语义数据	未在摘要中明确提及	未在摘要中明确提及	Kolmogorov-Arnold网络	未在摘要中明确提及	未在摘要中明确提及
1543	2026-01-07	Attention GhostUNet++: Enhanced Segmentation of Adipose Tissue and Liver in CT Images 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254588 PMID:41337067	研究论文	本研究提出了一种名为Attention GhostUNet++的新型深度学习模型，用于从CT图像中自动精确分割腹部脂肪组织和肝脏	将通道、空间和深度注意力机制集成到Ghost UNet++的瓶颈结构中，以增强特征细化、上下文理解和计算效率	在边界细节分割方面存在微小局限	开发一种用于身体成分分析的自动化、精确的医学图像分割方法	腹部脂肪组织（包括皮下脂肪和内脏脂肪）以及肝脏	数字病理学	心血管疾病	CT成像	CNN	图像	使用了AATTCT-IDS和LiTS两个公开数据集，具体样本数量未在摘要中说明	NA	Ghost UNet++	Dice系数	NA
1544	2026-01-07	Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification 2025-Jun-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.10.25328700 PMID:40585079	研究论文	本研究开发了一个基于深度学习的计算流程，用于从数字化组织学切片中准确分类儿童肉瘤亚型	整合了多中心数据并进行图像协调，系统评估了多种CNN和ViT架构作为特征提取器，并引入了基于SAMPLER的轻量级、快速训练的分类器	研究依赖于特定的多中心数据集，可能未涵盖所有罕见亚型或外部验证中心的变异性	开发一个机器学习驱动的计算管道，以准确分类儿童肉瘤亚型，减少诊断障碍	儿童肉瘤的数字化组织学切片	数字病理学	儿童肉瘤	组织学成像，全切片图像数字化	CNN, ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	UNI, CONCH	AUC	NA
1545	2026-01-07	Automated cervix biometry, volumetry and normative models for 3D motion-corrected T2-weighted 0.55-3T fetal MRI during 2nd and 3rd trimesters 2025-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.16.25325947 PMID:40321262	研究论文	本研究提出首个用于妊娠期宫颈3D T2加权图像的自动化多层分割和生物测量深度学习流程	首次开发了针对妊娠期宫颈MRI的自动化深度学习分割与生物测量方法，并构建了公开可用的3D群体平均图谱	仅评估了20个数据集，样本量相对较小，且未明确说明模型在异常病例或不同扫描参数下的泛化能力	开发自动化方法以改进妊娠期宫颈MRI测量，减少人工干预并提高分析效率	妊娠期宫颈的3D T2加权MRI图像	数字病理学	妊娠相关疾病	3D T2加权MRI	深度学习	3D MRI图像	20个数据集用于评估，270个正常足月病例用于分析	NA	NA	与手动测量比较的性能评估	NA
1546	2026-01-07	A multilayer deep autoencoder approach for cross layer IoT attack detection using deep learning algorithms 2025-Mar-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93473-9 PMID:40133346	研究论文	本文提出了一种多层深度自编码器方法，用于跨层物联网攻击检测	引入多层深度自编码器，利用其分层简化能力提取全局和局部特征的潜在表示，并集成RNN、GNN和TCN等深度学习算法以增强检测能力	NA	解决物联网网络安全中特征表示、可扩展性和灵活性需求，提升跨层攻击检测效果	物联网网络中的跨层攻击，如网络层的中间人攻击和传输层的分布式拒绝服务攻击	机器学习	NA	深度学习算法	自编码器, RNN, GNN, TCN	网络数据	使用基准数据集和真实场景进行广泛模拟	NA	多层深度自编码器	检测准确率, 误报率	NA
1547	2026-01-07	Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses 2025-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56784-z PMID:39915478	研究论文	本研究开发了基于术前多期CT图像的深度学习模型，用于预测肾肿块恶性和侵袭性病理特征	首次使用多期卷积神经网络从CT图像中预测肾肿块的恶性和侵袭性，其性能超越了资深放射科医生、放射组学模型及肾测量评分列线图	研究仅基于单一机构的回顾性和前瞻性数据，未在外部验证集上进行测试，且样本量相对有限	改善肾肿块的诊断，区分良性肿块与侵袭性癌症，以优化治疗决策	肾肿块患者及其术前CT图像	计算机视觉	肾癌	计算机断层扫描（CT）	CNN	图像	4557名患者的13261个术前CT体积	NA	多期卷积神经网络	AUC	NA
1548	2026-01-07	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文综述了人工智能在输血医学中的应用、机遇、挑战及未来方向	系统性地探索了AI工具（包括机器学习、深度学习、自然语言处理和预测分析）在输血医学多个领域的整合潜力	当前应用大多处于探索性阶段，且面临临床工作流变异性、算法透明度、公平获取以及数据隐私与偏见等伦理挑战	探讨人工智能在输血医学中的整合应用，以应对长期存在的挑战并推动精准医学发展	输血医学的多个领域，包括供者管理、血液产品质量优化、输血需求预测和出血风险评估等	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 预测分析	NA	NA	NA	NA	NA	NA	NA
1549	2026-01-07	FastKAN-DDD: A novel fast Kolmogorov-Arnold network-based approach for driver drowsiness detection optimized for TinyML deployment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332577 PMID:41191636	研究论文	本文提出了一种基于快速Kolmogorov-Arnold网络的新型驾驶员疲劳检测模型FastKAN-DDD，并针对TinyML部署进行了优化	首次将FastKAN架构应用于驾驶员疲劳检测领域，结合可学习的径向基函数非线性激活函数，并通过后训练量化技术实现了极低的计算开销和内存占用	研究仅使用了UTA-RLDD单一数据集进行验证，未在更广泛的实际驾驶场景中进行测试	开发适用于资源受限嵌入式系统的轻量级、可解释、高性能驾驶员疲劳检测模型	驾驶员疲劳状态检测	机器学习	NA	后训练量化（动态范围、float-16、仅权重量化）	FastKAN（快速Kolmogorov-Arnold网络）	图像数据（来自UTA-RLDD数据集）	UTA-RLDD数据集（具体样本数量未在摘要中说明）	NA	FastKAN（基于径向基函数的可学习激活函数）	准确率, 推理延迟, 内存占用	微控制器系统（TinyML部署环境）
1550	2026-01-06	Secure facial biometric authentication in smart cities using multimodal methodology 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	本文提出了一种结合多模态深度学习和密码学框架的方法，用于智能城市环境中的安全面部生物特征认证	提出了一种融合CNN低级特征保留、ResNet-50高级特征提取和ElGamal加密的多模态系统，显著提升了传统模型在防欺骗和安全数据传输方面的性能	未明确提及模型在更广泛数据集或实际部署环境中的泛化能力及计算开销	开发一种安全的面部生物特征认证系统，以防止智能城市中未经授权的访问和欺骗攻击	面部生物特征数据	计算机视觉	NA	NA	CNN, ResNet-50	图像	使用CelebA Faces数据集，具体样本数量未明确	NA	CNN, ResNet-50	准确率, 平均损失分数	NA
1551	2026-01-06	Qualitative and quantitative analysis of Paris polyphylla var. yunnanensis from different origin using multi-dimensions FT-MIR and NIR spectroscopy, data fusion combined with machine learning 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127414 PMID:41485381	研究论文	本研究利用多维FT-MIR和NIR光谱、数据融合结合机器学习，对云南重楼进行定性和定量分析，以评估其地理来源和质量控制	采用多维光谱（包括1D、2DCOS、3DCOS）与数据融合技术，结合传统机器学习和深度学习模型ResNet，实现了对云南重楼地理来源的快速、准确识别和总皂苷含量预测	未明确提及样本的具体数量或多样性限制，可能影响模型的泛化能力	开发一种快速、稳健的策略，用于传统中药云南重楼的地理溯源和质量控制	云南重楼（Paris polyphylla var. yunnanensis）	机器学习	NA	FT-MIR光谱、NIR光谱、数据融合	ResNet, PCA, t-SNE, PLS-DA, OPLS-DA, PLSR	光谱图像	NA	NA	ResNet	RX, RY, Q, RMSEE, RMSECV, RMSEP, 准确率, RPD, Rc, Rp	NA
1552	2026-01-06	WEAKLY SUPERVISED SEGMENTATION AND CLASSIFICATION OF ALPHA-SYNUCLEIN AGGREGATES IN BRIGHTFIELD MIDBRAIN IMAGES 2025-Dec-19, ArXiv PMID:41333166	研究论文	本研究开发了一种基于弱监督分割的自动化图像处理流程，用于在帕金森病和偶发性路易体病的中脑组织全玻片图像中分割和分类α-突触核蛋白聚集体	提出了一种对免疫组化标记变异性具有鲁棒性的弱监督分割方法，结合ResNet50分类器，能够自动区分路易体和神经突等主要聚集体形态	未明确说明样本量的具体细节，且方法在更广泛的组织类型或染色协议中的泛化能力有待验证	开发自动化工具以更好地理解α-突触核蛋白聚集体的空间组织和异质性	帕金森病和偶发性路易体病患者的中脑组织样本	数字病理学	帕金森病	免疫组化染色	CNN	图像	NA	NA	ResNet50	平衡准确率	NA
1553	2026-01-06	Trustworthy deep learning for malaria diagnosis using explainable artificial intelligence 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28387-7 PMID:41419508	研究论文	本研究利用深度学习模型和可解释人工智能技术，从血液涂片图像中自动诊断疟疾，旨在提高诊断准确性和临床可信度	结合了四种CNN模型进行实证评估，并采用两种先进的混合架构进行微调，同时应用三种XAI技术（Grad-CAM、LIME、SHAP）提供多层次的模型决策透明度，增强了临床信任	未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力测试，以及计算资源需求的具体分析	开发一个高精度、可解释且可扩展的AI诊断框架，用于疟疾的自动检测，以应对资源有限医疗环境中的诊断挑战	血液涂片图像，包括薄涂片和厚涂片，用于疟疾寄生虫的检测	计算机视觉	疟疾	显微镜成像	CNN	图像	27,090张图像来自Kaggle疟疾数据集，以及一个独立的哈佛Dataverse数据集包含厚涂片图像	NA	MobileNetV2, VGG19, InceptionV3, ResNet18, Xception, Inception-ResNetV2	F1-score, 准确率	NA
1554	2026-01-06	Long-term, ambulatory 12-lead ECG from a single non-standard lead using perceptual reconstruction 2025-Dec-19, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342224 PMID:41445642	研究论文	本研究提出了一种基于深度学习的方法，从单个非标准导联（模拟植入式心脏监测器信号）重建12导联心电图，用于连续监测心脏功能变化	首次使用感知损失训练深度U-Net模型（ECG12-PerceptNet），从单个ICM导联重建12导联心电图，实现了对传导、复极、心律和心脏功能变化的连续监测	研究基于模拟ICM信号进行重建，未在真实ICM设备上验证；样本标注依赖于临床医生解释的规则解析，可能存在偏差	从单个ICM导联重建12导联心电图，以检测心脏传导、复极、心律和功能变化	75,450个超声心动图-心电图配对数据，标注了右束支传导阻滞、左束支传导阻滞、心房颤动、QT间期延长和低左心室射血分数五种疾病标签	机器学习	心血管疾病	心电图信号处理，深度学习重建	U-Net	心电图信号	75,450个超声心动图-心电图配对样本	NA	U-Net	分类性能（具体指标未明确），回归模型预测左心室射血分数	NA
1555	2026-01-06	Learning Patient Similarity from Genomics for Precision Oncology 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.17.25342480 PMID:41445600	研究论文	本文开发了一个基于深度学习的患者相似性建模框架，利用真实世界的临床基因组数据，通过嵌入肿瘤基因组图谱来测量患者相似性，并评估患者亚组与共享治疗结果之间的关联	该框架能够从复杂的分子和临床数据中提取简洁、上下文特定的见解，支持无可用生物标志物或未知原发癌症患者的决策，并在持续学习场景中随时间动态更新	未明确提及具体局限性，可能包括数据来源的单一性、模型泛化能力或临床验证的不足	开发一个基于患者相似性的决策支持模型，以促进精准肿瘤学的更广泛实现	乳腺癌患者和泛癌种患者，包括无可用基因组生物标志物或未知原发癌症的患者	机器学习	癌症	肿瘤基因组分析	深度学习	基因组数据和临床数据	NA	NA	NA	NA	NA
1556	2026-01-06	A deep learning framework for comprehensive segmentation of deep grey nuclei 2025-Dec-18, medRxiv : the preprint server for health sciences DOI:10.64898/2025.12.16.25342423 PMID:41445621	研究论文	本文介绍了一个名为THOMASINA的深度学习框架，用于从标准T1加权和WMn MRI中全面分割深部灰质核团	结合合成WMn对比度与先进的深度学习分割模型，提供快速、可重复且可扩展的解决方案，解决了传统多图谱分割方法的预处理时间长和工具分散问题	未明确说明数据集的详细样本特征或潜在偏差，且合成WMn对比度的有效性可能依赖于特定成像条件	开发一个深度学习框架，以准确、高效地分割深部灰质核团，用于神经疾病研究和生物标志物发现	深部灰质结构，如丘脑和基底核，从标准T1加权和WMn MRI图像中	计算机视觉	神经疾病	MRI成像，包括T1加权和WMn对比	深度学习模型	医学图像（MRI）	未在摘要中明确指定具体样本数量	未指定具体框架，但可能基于PyTorch或TensorFlow等深度学习库	SwinUNETR, DiNTS, SegResNet	Dice系数	未在摘要中明确指定
1557	2026-01-06	Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07341-1 PMID:41408570	综述	本文系统回顾了乳腺癌中基于MRI的预后影像特征（包括放射组学和深度学习特征）的生物学基础，并评估了现有研究的方法学质量	首次系统性地综述了乳腺癌预后影像特征的生物学关联，并整合了放射组学和深度学习方法，强调了从影像到多组学数据的生物学解释	纳入研究的方法学严谨性有限，整体偏倚风险较高，且样本量范围较大（61-2279例），可能影响结论的普适性	探索乳腺癌MRI预后影像特征的生物学基础，并评估相关研究的方法学质量	乳腺癌患者	数字病理学	乳腺癌	MRI, 基因组学, 转录组学, 多组学分析	监督机器学习, 无监督机器学习	影像数据, 基因组数据, 转录组数据, 多组学数据	16项研究，共涉及61至2279名乳腺癌患者	NA	NA	NA	NA
1558	2026-01-06	De novo design of protein competitors for small molecule immunosensing 2025-Dec-16, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.16.694474 PMID:41446193	研究论文	本文利用深度学习模型设计蛋白质竞争性结合剂，用于小分子免疫传感，实现了对地高辛的灵敏检测	采用BindCraft管道设计针对抗原结合位点的竞争性结合剂，并通过筛选选择与小分子分析物产生空间冲突的结合剂，避免了传统竞争性免疫分析中需要定制合成竞争分子的繁琐步骤	设计的结合剂结合亲和力从低到中等（42 nM - 1.1 μM），可能在某些高灵敏度应用中受限	开发一种基于深度学习设计蛋白质竞争性结合剂的方法，以简化小分子生物标志物的竞争性免疫分析	小分子生物标志物（如地高辛）的检测	机器学习	NA	竞争性免疫分析，生物发光测定	深度学习模型	NA	在细菌裂解液中直接筛选了10个结合剂，其中7个成功	NA	BindCraft管道	结合亲和力（Kd），检测灵敏度（IC50）	NA
1559	2026-01-06	scCotag: Diagonal integration of single-cell multi-omics data via prior-informed co-optimal transport and regularized barycentric mapping 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693589 PMID:41446270	研究论文	本文提出了一种名为scCotag的深度学习框架，用于单细胞多组学数据的对角线整合，通过先验信息引导的共最优传输和正则化重心映射来提高细胞对齐和特征嵌入的准确性	该方法首次结合先验信息引导的共最优传输（COOT）与正则化重心映射，迭代推断细胞对齐和特征对应关系，解决了现有方法假设所有细胞可对齐且先验特征对应完全可靠的局限性	未明确说明计算资源需求或框架在超大规模数据集上的可扩展性限制	开发一种鲁棒的单细胞多组学数据对角线整合方法，以提升细胞对齐精度和生物调控机制的细粒度解析	单细胞RNA-seq和ATAC-seq数据，涉及人类大脑、骨髓和血液样本，以及阿尔茨海默病（AD）和非AD（NoAD）患者的死后脑组织数据	机器学习	阿尔茨海默病	单细胞RNA-seq, ATAC-seq	深度学习框架	单细胞多组学数据	涉及人类大脑、骨髓和血液数据集，具体样本数量未明确说明	未明确指定（如TensorFlow, PyTorch等），但基于深度学习框架	基于共最优传输（COOT）和正则化重心映射的定制架构	细胞对齐精度, 嵌入精度	NA
1560	2026-01-06	Lightweight deep learning models for EEG decoding: a review 2025-Dec-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae2717 PMID:41330041	综述	本文系统回顾了用于脑电图信号分类的轻量级深度学习模型	将现有轻量级模型方法归纳为三大策略：基于多尺度特征融合的信息整合策略、隐藏层优化策略以及基于结构优化的混合改进策略，并综合了最新进展、识别新兴趋势并展望未来研究方向	NA	回顾轻量级深度学习模型在脑电图解码中的应用，旨在为设计高效、鲁棒的脑机接口分类架构提供参考	脑电图信号	机器学习	NA	NA	深度神经网络	脑电图信号	NA	NA	NA	NA	NA