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
41	2026-08-25	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-02-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	介绍了一种名为SCOPER的RNA溶液构象预测器，它结合基于运动学的构象采样与深度学习模型IonNet预测镁离子结合位点，以改善小角X射线散射（SAXS）谱图的拟合质量	首次将深度学习模型IonNet用于预测RNA镁离子结合位点，并整合构象采样以处理RNA的构象可塑性，从而提高对实验SAXS数据的验证能力	需要初始足够准确的RNA结构作为输入，且过度调整可塑性和离子密度可能导致过拟合实验SAXS数据	开发一个高效工具，用于准确验证RNA在溶液中的状态，并提供包含离子的校正原子模型，解决SAXS谱图与RNA结构比较中的两大挑战	RNA分子	深度学习	NA	小角X射线散射（SAXS）、深度学习	深度学习模型IonNet	基因组数据	14个实验数据集	NA	IonNet	SAXS谱图拟合质量	NA
42	2026-08-23	The role of sleep quality in mediating the relationship between habenula volume and resilience 2025-02, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2025.116358 PMID:39799818	研究论文	本研究通过MRI数据，探讨了睡眠质量在缰核体积与心理韧性关系中的中介作用。	首次在人类中提出并验证睡眠质量作为缰核体积与心理韧性之间关系的中介变量，并结合深度学习分割模型进行体积测量。	样本量较小（84名健康参与者），且未涵盖临床抑郁人群，可能影响结果的普适性。	探索睡眠质量是否作为缰核体积与心理韧性关联的中介机制，为抑郁症预防提供潜在靶点。	健康参与者的大脑缰核体积、睡眠质量、心理韧性。	神经影像学	抑郁症	MRI（3T-T1加权成像）	深度学习分割模型	图像（MRI）和问卷数据	84名健康参与者	NA	NA	相关性分析（如皮尔逊相关系数）、中介分析中的间接效应	NA
43	2026-08-21	Establishing the effect of computed tomography reconstruction kernels on the measure of bone mineral density in opportunistic osteoporosis screening 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88551-x PMID:39953113	研究论文	本研究旨在探究CT重建核函数对临床CT扫描中体积骨密度（vBMD）定量分析的影响，通过使用模型和内部校准方法，评估不同重建核函数在机会性骨质疏松筛查中的误差	系统性地评估了多种重建核函数（包括平滑和锐化核）对vBMD测量的影响，并结合深度学习和两种校准方法，为机会性CT扫描的标准化提供依据	研究仅基于单一CT设备（GE HealthCare）和45例扫描，结果可能不适用于其他厂商或扫描协议，且未涵盖所有可能的临床场景	评估CT重建核函数对临床CT扫描中vBMD定量结果的影响，以指导机会性骨质疏松筛查中的扫描协议选择	临床CT扫描中的全髋关节和第四腰椎（L4）	医学影像分析	骨质疏松症	CT扫描，深度学习分割	深度学习分割模型	CT图像	45例临床CT扫描	NA	NA	决定系数[公式:见原文]，均值差异，配对t检验，Bland-Altman分析	NA
44	2026-08-21	Coordinating multiple mental faculties during learning 2025-02-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89732-4 PMID:39939457	研究论文	提出一种控制器-外周架构，用于解释大脑多个区域在学习过程中如何协调，并通过形式化模型模拟快速学习行为	首次提出控制器-外周架构来解释多脑区协调机制，并成功模拟了人类行为和脑反应，而标准深度学习模型无法做到	未提及明确局限性，但可能受限于模型简化及仅针对快速学习场景	探索大脑多个区域在学习过程中如何在没有统一指挥者的情况下实现协调	大脑区域（如腹侧视觉流、海马体、前额叶皮层）及其协调机制	机器学习、神经科学	NA	形式化建模、计算模拟	控制器-外周架构模型	图像（示例图像）	未明确说明样本数量	NA	控制器-外周架构（具体结构未指定）	人类行为匹配度、脑响应匹配度	NA
45	2026-08-21	BiFPN-enhanced SwinDAT-based cherry variety classification with YOLOv8 2025-02-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89624-7 PMID:39948150	研究论文	提出一种基于深度学习的混合模型，集成BiFPN、Swin Transformer和可变形注意力Transformer，用于樱桃品种分类，并在土耳其西地中海地区构建的数据集上验证其性能。	首次将BiFPN与YOLOv8n-cls框架结合，并融合Swin Transformer和DAT技术，以提高樱桃品种分类的准确性。	摘要未提及明确的局限性。	利用深度学习模型准确分类樱桃品种，以优化收获时机、保障质量控制和支持出口分类。	土耳其西地中海地区的樱桃品种。	计算机视觉	不适用	不适用	深度学习混合模型（含YOLOv8n-cls、Swin Transformer、DAT）	图像	未明确样本数量，提及新构建的数据集。	NA	YOLOv8n-cls, Swin Transformer, DAT, BiFPN	精确率、召回率、F1分数、准确率	NA
46	2026-08-21	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-02, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	生成了包含420万个细胞的空间分辨单细胞转录组脑图谱，并构建空间老化时钟以识别脑老化、恢复年轻和疾病的空间及细胞类型特异性转录组指纹。	首次构建空间老化时钟，利用空间转录组学和深度学习揭示T细胞和神经干细胞对邻近细胞的衰老和恢复年轻效应。	摘要未提及局限性。	系统研究脑老化中细胞间邻近效应及其对组织衰退的影响，并提供评估干预措施的可扩展工具。	小鼠脑组织，涵盖20个不同年龄段及两种干预措施（运动和部分重编程）。	空间转录组学、机器学习	神经退行性疾病（与脑老化相关）	空间转录组学（单细胞）	机器学习模型（空间老化时钟）、深度学习	空间转录组数据	4.2百万细胞，来自20个年龄点和2种干预条件	NA	NA（深度学习，未指定具体架构）	NA	NA
47	2026-08-21	Optical coherence tomography: implications for neurology 2025-02-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001340 PMID:39704153	综述	本文探讨了光学相干断层扫描（OCT）在神经病学实践中的作用，特别是在诊断和监测视乳头水肿、视神经炎和视网膜动脉阻塞等疾病中的应用。	强调OCT技术在神经眼科领域的进展，包括深度学习算法的应用，提高了诊断准确性和预测能力。	文中未明确提及局限性。	评估OCT在神经病学中诊断、监测和量化治疗反应的作用。	视乳头水肿、视神经炎和视网膜动脉阻塞患者。	医学影像	神经眼科疾病	光学相干断层扫描（OCT）	深度学习模型（未具体指定）	图像（视网膜结构图像）	未提及	未提及	未提及	未提及	未提及
48	2026-08-21	Artificial intelligence and stroke imaging 2025-02-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001333 PMID:39760722	综述	本文探讨了人工智能在卒中成像中的应用，特别是深度学习在预测、描述和推断工具中的潜力，并分析了临床应用中面临的挑战和未来方向。	提出深度生成模型作为解决当前深度学习模型对真实临床数据鲁棒性不足问题的潜在方案，预测其能催化卒中领域的创新。	目前AI在卒中成像临床一线应用仍有限，主要受限于数据噪声、不完整、偏差和小规模等现实问题，模型泛化能力不足。	探讨人工智能如何通过高分辨率成像模型实现卒中个体化精确护理，并分析其当前进展和未来路径。	卒中患者的高分辨率影像数据，包括实质宏观结构、微结构、功能组织特性以及血管拓扑和动力学特征。	计算机视觉、机器学习、医学影像分析	卒中（脑血管疾病）	高分辨率成像技术，具体类型未明确（如MRI、CT等）	深度学习模型（包括深度生成模型）	影像数据（高分辨率成像）	未明确	未明确	未明确提及具体架构，但涉及深度学习模型如深度生成模型	未明确	未明确
49	2026-08-20	Automated grading of oleaster fruit using deep learning 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89358-6 PMID:39939355	研究论文	本研究旨在开发一种基于深度学习的实时机器视觉系统，用于根据伊朗国家标准对沙枣果实进行自动分级	首次将Mask R-CNN和YOLOv8模型应用于沙枣果实的实时自动分级，实现了在不同传送带速度下的高效准确分类	未提及具体局限性	开发一个实时机器视觉系统，用于在不同分级速度下自动分类沙枣果实	沙枣果实，分为四个质量等级	计算机视觉	NA	NA	CNN, Mask R-CNN, YOLOv8	视频帧图像	包含四个质量等级的沙枣果实视频帧数据集，传送带速度范围4.82至21.51厘米/秒	NA	Mask R-CNN, YOLOv8x, YOLOv8n	检测率, 实例分割精度, 分类准确率, 敏感性	NA
50	2026-08-20	Learning based lower limb joint kinematic estimation using open source IMU data 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89716-4 PMID:39939380	研究论文	本研究提出基于深度学习的框架，利用惯性测量单元（IMU）数据估计下肢关节运动学，并评估了三种训练方法，其中迁移学习法在减少数据需求的同时达到了与逆运动学相当的性能	提出了一种结合迁移学习的深度学习方法，仅用少量新用户数据微调即可实现高精度估计，克服了单一用户模型泛化性差和多用户模型精度低的局限，并分析了最优IMU放置位置	文中未明确提及局限性，但可能包括对数据集的依赖、迁移学习需少量数据微调以及不同人群的适用性仍需进一步验证	开发一种高效、个性化的下肢关节运动学估计框架，减少数据收集负担并提升在临床和实际环境中的可用性	下肢关节运动学（包括膝关节、髋关节和踝关节等）的估计，使用IMU数据	机器学习, 生物力学	NA	IMU（惯性测量单元）	深度学习模型	时间序列数据（IMU传感器数据）	基于开源数据集，具体样本量未在摘要中提及	NA	深度学习架构（具体如CNN、LSTM等未指定）	准确度（与逆运动学比较）	NA
51	2026-08-20	Pre- and post- COVID-19 trends related to dementia caregiving on Twitter 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82405-8 PMID:39939632	研究论文	本文通过分析Twitter上关于痴呆症照护的推文，研究了COVID-19大流行前后痴呆症照护者的关注趋势变化	首次利用BERT模型和主题建模技术分析社交媒体上痴呆症照护者在大流行前后的关注点变化，特别是发现痴呆症相关污名化的显著增加趋势	仅分析了英语推文，可能无法代表全球照护者的观点；数据来源单一（Twitter）可能引入偏差	了解痴呆症照护者在COVID-19大流行前后的关注点变化，为后疫情时代更好地支持照护者提供见解	痴呆症照护者及其在Twitter上分享的相关经历和情绪	自然语言处理	痴呆症（包括阿尔茨海默病等）	社交媒体数据挖掘	BERT（双向编码器表示来自变换器）	文本数据（推文）	44,527条英语推文	Transformers（PyTorch）	BERT	主题分类的准确性和主题一致性（未明确列出具体指标）	未在标题和摘要中提及，标记为NA
52	2026-08-20	Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89219-2 PMID:39939654	研究论文	本研究利用全景X线片和深度学习模型预测即刻种植的可能性，证实该方法具有较高的准确性	首次将深度学习应用于基于全景X线片的即刻种植可能性预测	未提及具体局限，可能包括样本量有限或单一中心数据	评估深度学习模型在预测即刻种植可能性方面的可行性及准确性	201名患者的874颗牙齿，分为两组：440颗难以即刻种植的牙齿和434颗可以即刻种植的牙齿	医学影像分析	牙科疾病	全景X线摄影	卷积神经网络	图像	201名患者，874颗牙齿	NA	DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2	敏感性、精确率、准确率、平衡准确率、F1分数	NA
53	2026-08-19	Radiomics and Deep Learning Prediction of Immunotherapy-Induced Pneumonitis From Computed Tomography 2025-02, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00198 PMID:39977708	研究论文	本研究利用影像组学和深度学习模型预测免疫检查点抑制剂治疗引起的肺炎，基于胸部CT图像构建了三种纯影像模型进行评估	首次在大型队列中比较纯影像组学、纯深度学习及二者组合模型对ICI相关肺炎的预测性能，并展示深度学习在该任务上优于传统影像组学	模型为纯影像模型，未纳入临床数据，且组合模型未显著提升性能	从CT图像预测患者接受ICI治疗后发生肺炎的风险，以改善治疗安全性和疗效	671名接受ICI治疗的癌症患者的2,700个对比增强胸部CT扫描图像	医学影像分析	免疫治疗相关肺炎	CT成像	CNN	CT图像	671名患者的2,700个CT扫描	NA	CNN	AUC, 阳性预测值, 敏感性	NA
54	2026-08-13	Working-memory load decoding model inspired by brain cognition based on cross-frequency coupling 2025-02, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111206 PMID:39824230	研究论文	本研究提出一种基于跨频率耦合的脑认知启发的多频带多尺度混合Sinc卷积神经网络（MBSincNex），用于解码工作记忆负荷。	将跨频率耦合机制引入EEG解码模型，通过多频带和多尺度Sinc卷积实现时间-频率转换，同时提取时间、频率和空间域特征，并采用事后可解释性技术验证特征提取能力。	未明确提及局限性。	提高工作记忆负荷识别的准确性，并强调编码阶段的重要性，验证行为反应不能准确反映认知负荷。	工作记忆负荷识别，基于EEG数据。	机器学习	NA	NA	卷积神经网络（CNN）	脑电图（EEG）数据	自采集的三类工作记忆数据集（具体数量未给出）	NA	MBSincNex	分类准确率	NA
55	2026-08-12	Deep Learning-Based Assessment of Lip Symmetry for Patients With Repaired Cleft Lip 2025-02, The Cleft palate-craniofacial journal : official publication of the American Cleft Palate-Craniofacial Association DOI:10.1177/10556656241312730 PMID:39838936	研究论文	提出一种基于深度学习和对比学习的方法，通过分析唇部侧向形态自动评估修复唇裂患者术后的唇部对称性	利用对比学习量化唇部对称性，无需患者图像训练，而是通过开放数据集中的面部变换和视频帧时间错位模拟唇部不对称	准确性有限，与医学专家评估的相关性中等（Pearson相关系数分别为0.31和0.27）	开发自动化、客观的工具来评估修复唇裂患者术后唇部对称性	修复唇裂患者的唇部侧向形态和对称性	计算机视觉	唇裂	NA	深度学习模型（对比学习）	图像（面部图像）	146张修复唇裂患者的图像	NA	NA	加权准确率，Pearson相关系数	NA
56	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
57	2026-08-07	Deep Learning-Assisted Fluorescence Single-Particle Detection of Fumonisin B1 Powered by Entropy-Driven Catalysis and Argonaute 2025-02-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05913 PMID:39868471	研究论文	开发了一种基于深度学习辅助的熵驱动催化与Argonaute介导的荧光单颗粒适配体传感平台，用于超灵敏检测农产品和食品中的伏马菌素B1	将适配体、熵驱动催化与Argonaute技术集成，拓宽了Argonaute的靶标范围并提高了灵敏度；同时利用深度学习显著提升单颗粒检测的分析效率	未明确说明具体局限	实现对食品中痕量伏马菌素B1的超灵敏、特异性检测，以保障食品安全和公共健康	农产品和食品中的伏马菌素B1	生物传感、深度学习、数字病理学	NA	荧光单颗粒检测、熵驱动催化、Argonaute介导的切割反应	深度学习模型（YOLOv9）	共聚焦荧光图像	多种实际食品样本	深度学习框架（具体未提及，可能为PyTorch或类似）	YOLOv9	检出限、线性范围、回收率	NA
58	2026-08-07	Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis 2025-02-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02796 PMID:39951652	综述	本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断中的应用现状与前景，涵盖分子生物学、组织识别、治疗监测及与人工智能和多组学整合等方面	系统性地概述了SERS在头颈癌诊断中的多种创新应用，包括液体活检中的高吞吐侧流分析和唾液诊断，以及SERS与人工智能和多组学的整合	未明确提及局限性，但作为综述，可能缺少对SERS技术标准化和临床转化障碍的深入讨论	总结SERS在头颈癌诊断中的应用进展，并展望未来方向和挑战	头颈癌的分子标志物（如EGFR、PD-1/PD-L1）、基因表达、肿瘤微环境、液体活检样本（如ctDNA）、组织样本	医学影像分析	头颈癌	表面增强拉曼光谱（SERS）	NA	光谱数据	不适用（综述文章，未涉及具体样本）	NA	NA	NA	NA
59	2026-08-07	Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning 2025-02-20, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay02098g PMID:39925033	研究论文	本文开发了一种形状自适应的柔性表面增强拉曼散射（SERS）基底，结合深度学习算法，用于快速检测和定量分析水果表面的福美双残留。	创新点在于开发了一种波纹状Ag NPs@PDMS柔性SERS基底，能够贴合弯曲表面，同时保持高灵敏度、可重复性和机械鲁棒性，并首次将1D CNN模型应用于SERS信号的定量分析。	摘要中未提及明确的局限性。	实现水果表面福美双农药残留的快速、灵敏和定量检测，以确保食品安全。	番茄和蓝莓果皮上的福美双残留。	机器学习, 数字病理学, 计算机视觉	NA	表面增强拉曼散射（SERS）	1D CNN	拉曼光谱数据	番茄和蓝莓果皮上的福美双浓度低至10 M（具体样本数量未提供）	NA	1D CNN	决定系数（R²）、均方根误差（RMSE）	NA
60	2026-08-07	Lens-Free Holographic Imaging-Based Immunosensor Using Unpaired Data Set Signal-to-Noise Ratio-Enhanced Modal Transformation for Biosensing 2025-02-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04453 PMID:39901522	研究论文	本研究提出了一种基于无透镜全息成像和未配对数据集模态转换的免疫传感器，结合CuO@SiO纳米颗粒点击反应信号放大策略，用于抗生素的高灵敏检测	利用未配对数据集构建模态转换模型，解决了传统方法要求数据集一一对应的复杂性，实现了大视场成像和信噪比增强的全息重建	摘要中未提及明显局限性	开发一种便携、高灵敏度的免疫传感器，用于抗生素检测，克服传统显微镜在透镜和视场之间的权衡限制	氯霉素抗生素检测	计算成像与生物传感	不适用	无透镜全息成像	模态转换模型（深度学习）	全息图像	不适用	NA	模态转换网络	信噪比、结构相似性指数、检测限、动态范围	NA