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	2026-03-02	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	本文介绍了一种名为dCRISTOR的新型数字分子诊断系统，通过整合dCas9工程化微电机、免提取LAMP扩增、低成本明场显微镜和深度学习图像处理，实现了对HIV-1 RNA的高灵敏度检测	开发了基于dCas9工程化磁性微电机的数字病毒RNA检测平台，无需荧光读数或昂贵制造工艺，结合CNN-MOT算法实现运动变化的精确测量	研究中使用的临床样本数量有限（n=9），且主要针对HIV-1病毒，未验证对其他病毒或样本类型的适用性	开发一种适用于即时检测的高灵敏度、低成本数字核酸分析系统	人类免疫缺陷病毒-1（HIV-1）RNA	数字病理学	艾滋病	免提取环介导等温扩增（LAMP），逆转录定量聚合酶链反应（RT-qPCR）	CNN	图像	21份加标血浆样本和9份临床患者样本	NA	卷积神经网络	灵敏度，特异性，检测限（LOD）	NA
42	2026-03-02	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	综述	本文从数据科学视角，系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战	系统性地评估了58种计算方法在9个基准测试的21个数据集上的性能，揭示了模型性能在不同数据集和评估指标间的显著差异，为基于特定应用场景选择最合适方法提供了实用视角	高质量标注数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间背景具有挑战性	探讨如何有效应用深度学习进行转录组学数据分析，以服务于生物、医学和临床环境	单细胞和空间转录组学数据	机器学习	NA	单细胞测序，空间转录组学	深度学习	基因表达，表观遗传修饰，代谢物水平，空间位置	涉及21个数据集（来自9个基准测试），数据规模已扩展至数百万细胞	NA	NA	NA	NA
43	2026-03-01	Safe-by-Design Strategies for Intranasal Drug Delivery Systems: Machine and Deep Learning Solutions to Differentiate Epithelial Tissues via Attenuated Total Reflection Fourier Transform Infrared Spectroscopy 2025-Mar-14, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.4c00643 PMID:40109738	研究论文	本研究结合ATR-FTIR光谱与机器学习和深度学习技术，有效区分鼻至脑上皮组织，为鼻内药物递送系统开发安全设计模型	首次将ATR-FTIR光谱与ML/DL结合用于区分鼻上皮组织，并引入SHAP值分析解释模型决策，构建去噪自编码器提升光谱质量	研究基于离体猪组织实验，可能无法完全反映体内复杂生理环境，样本量未明确说明	开发鼻内药物递送系统的安全设计监测策略	嗅觉上皮、呼吸上皮和气管组织	机器学习	NA	衰减全反射傅里叶变换红外光谱	前馈神经网络, 支持向量机, 自编码器	光谱数据	NA	NA	前馈神经网络, 去噪自编码器	准确率, 灵敏度, 特异性, F1分数, 皮尔逊相关系数	NA
44	2026-02-27	Applications of Artificial Intelligence in Constrictive Pericarditis: A Short Literature Review 2025-Mar-11, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-025-02222-x PMID:40067491	综述	本文是一篇关于人工智能在缩窄性心包炎中应用的简短文献综述	探讨了新兴人工智能应用（如认知机器学习和深度学习算法ResNet50）在区分缩窄性心包炎与限制性心肌病方面的潜力，AUC值超过0.95	模型存在泛化性和可解释性问题，且由于难以获取大规模高质量超声心动图数据集，该领域的人工智能应用发展仍处于早期阶段	回顾人工智能在缩窄性心包炎诊断、风险分层和治疗规划中的应用，以改善患者预后	缩窄性心包炎	数字病理学	心血管疾病	超声心动图、计算机断层扫描、磁共振成像	深度学习	图像	NA	NA	ResNet50	AUC	NA
45	2026-02-26	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2025-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.642107 PMID:40161587	研究论文	本研究通过空间单细胞成像和单细胞RNA测序分析肝细胞癌，开发了基于深度学习的空间动态网络策略，揭示了肿瘤细胞状态与微环境之间的空间共依赖性	首次提出“肿瘤细胞村庄”概念，并利用深度学习策略构建空间动态网络，揭示肿瘤细胞状态与微环境之间的特异性分子共依赖性及其对患者预后的影响	研究样本量相对有限（50个肿瘤生物样本），且仅针对肝细胞癌，未涉及其他癌症类型	探究肝细胞癌中肿瘤空间景观的形成机制及其对肿瘤适应性的影响	肝细胞癌肿瘤组织中的细胞及其微环境	数字病理学	肝癌	空间单细胞成像, 单细胞RNA测序	深度学习	图像, 基因表达数据	超过200万个细胞，来自50个肿瘤生物样本	NA	NA	NA	NA
46	2026-02-26	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个基于深度学习的决策框架，用于预测乳腺癌放疗的剂量分布，以辅助选择最佳治疗技术（IMRT或3D-CRT）	利用2D U-Net CNN模型预测剂量分布图和DVH指标，构建了一个决策框架，显著优于历史决策方法，在准确率、召回率和精确率上表现更优	研究基于回顾性数据集，且仅涉及两个医疗中心，可能受到CT系统、剂量学协议和临床实践差异的影响，外部验证样本量较小（30例）	开发一个深度学习决策框架，以预测剂量分布并辅助选择乳腺癌放疗的最佳治疗技术	乳腺癌患者，特别是接受IMRT和3D-CRT治疗的患者	数字病理学	乳腺癌	强度调制放射治疗（IMRT），三维适形放射治疗（3D-CRT）	CNN	图像（CT图像）	346例患者用于训练和微调，30例患者用于外部验证	NA	U-Net	Dice相似系数（DSC），剂量体积直方图（DVH）分析，准确率，召回率，精确率	NA
47	2026-02-23	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	本文介绍了一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中对神经元进行分类	结合自监督预训练与监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行电生理分类和聚类	NA	解决细胞外电生理记录中因噪声、技术变异性和批次效应带来的神经元分类挑战	小鼠记录和脑切片中的神经元	机器学习	NA	细胞外电生理记录	自编码器	电生理信号	NA	NA	条件卷积联合自编码器	细胞类型区分性能	NA
48	2026-02-23	Decoding the effects of mutation on protein interactions using machine learning 2025-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0249920 PMID:40013003	综述	本文综述了利用机器学习预测突变对蛋白质相互作用影响的近期进展，涵盖不同相互作用类型及方法评估	全面比较了基于物理化学、机器学习和深度学习的预测方法，并探讨了突变数据局限性及未来人工智能驱动的改进方向	突变数据存在偏差、质量问题和数据集规模限制，影响预测工具的准确性	通过计算工具预测突变引起的结合自由能变化，以理解遗传变异对蛋白质与生物分子相互作用的影响	蛋白质与蛋白质、DNA/RNA、配体等生物分子的相互作用	机器学习	癌症	NA	机器学习, 深度学习	突变数据	NA	NA	NA	NA	NA
49	2026-02-21	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究利用深度学习卷积神经网络分析MRI图像，辅助腰椎间盘突出症的诊断和治疗决策	比较了纯AI、纯人类和AI辅助三种方法在诊断准确性和决策时间上的表现，展示了AI与人类专家协同工作的潜力	回顾性研究，样本可能有限，未详细说明模型泛化能力	评估深度学习在腰椎间盘突出症诊断和治疗决策中的辅助作用	接受手术评估患者的MRI图像	计算机视觉	腰椎间盘突出症	磁共振成像	CNN	图像	未明确说明	未明确说明	未明确说明	准确率	未明确说明
50	2026-02-20	Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment 2025-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.18.25324199 PMID:40166584	研究论文	提出一种基于深度学习的自动分割框架，用于在放疗CT图像上精确分割下颌骨、上颌骨子区域及单个牙齿，以支持剂量评估和骨放射性坏死评估	开发了一种新颖的深度学习自动分割框架，结合Swin UNETR和ResUNet模型，首次实现了与ClinRad ORN分期系统对齐的下颌骨/上颌骨子区域及单个牙齿的精确分割，并用于剂量空间定位分析	分割性能在不同子区域间存在差异（如上前磨牙Dice值仅0.69），且对数据中常缺失的牙齿和子区域分割适用性有限	开发一种临床工具，用于口腔颌面结构的自动分割，以支持放疗剂量估计和骨放射性坏死评估	放疗CT图像中的下颌骨、上颌骨子区域（牙槽区与基骨区）及单个牙齿	数字病理学	头颈癌	计算机断层扫描（CT）	深度学习	CT图像	NA	NA	Swin UNETR, ResUNet	Dice系数, 几何精度, 剂量学比较, 统计显著性检验（Bonferroni校正p值）	NA
51	2026-02-16	Medical Image Segmentation Assisted with Clinical Inputs via Language Encoder in A Deep Learning Framework 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/adb371 PMID:41078606	研究论文	提出一种结合临床文本输入的深度学习框架，用于医学图像分割，特别是在癌症放疗中自动分割肿瘤体积和危及器官	通过基于Transformer的文本编码器将临床文本信息整合到图像分割过程中，弥补了传统自动分割方法在捕捉不可见微观肿瘤侵袭信息方面的不足	仅在前列腺癌分割示例中进行了验证，尚未在其他癌症类型或器官上广泛测试	提高癌症放疗中临床靶区（CTV）和危及器官（OAR）的自动分割精度	局部前列腺癌放疗中的前列腺分割	医学图像分割	前列腺癌	深度学习	深度学习框架	医学图像, 临床文本	NA	NA	Transformer	NA	NA
52	2026-02-13	Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram 2025-03, The Korean journal of internal medicine DOI:10.3904/kjim.2024.130 PMID:39987899	研究论文	本研究开发了一种基于人工智能的心电图算法，用于从正常窦性心律中预测阵发性心房颤动的早期发作	利用深度学习模型从正常窦性心律的心电图中预测一个月内房颤发作，并采用可解释AI技术揭示模型决策的关键心电图特征	研究未明确说明模型在不同人群或临床环境中的泛化能力，且数据来源于特定时间段（2013-2020年），可能影响时效性	开发可靠的人工智能算法，通过12导联心电图检测正常窦性心律患者中房颤的早期迹象	阵发性心房颤动患者及正常窦性心律患者	机器学习	心血管疾病	12导联心电图	深度神经网络	心电图信号	552,372条心电图轨迹，来自318,321名患者	NA	深度神经网络	AUROC	NA
53	2026-02-12	VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis 2025-Mar-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609718 PMID:40166134	研究论文	本文介绍了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平	VISTA通过变分推断和几何深度学习联合建模单细胞RNA-seq和空间转录组学数据，并整合不确定性量化，以解决空间转录组技术基因覆盖有限的挑战	未在摘要中明确提及	增强对空间诱导细胞状态和特征的理解，通过预测未观测基因表达来扩展空间转录组数据的分析能力	空间转录组学数据，特别是亚细胞空间转录组学技术生成的数据	空间转录组学	NA	单细胞RNA-seq, 空间转录组学	几何深度学习	基因表达数据, 空间数据	四个空间转录组学数据集	NA	NA	时间效率, 内存消耗	NA
54	2026-02-11	Multi-scale structural similarity embedding search across entire proteomes 2025-Mar-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.28.640875 PMID:40093062	研究论文	提出了一种可扩展的结构相似性搜索策略，用于处理大规模三维生物分子结构数据	利用蛋白质语言模型和深度神经网络将三维结构转换为固定长度向量，实现高效的大规模结构比较，并能泛化至全长多肽链和多聚体组装	NA	开发可扩展且高效的结构相似性搜索方法，以应对人工智能/深度学习预测带来的三维生物分子结构信息快速增长	实验确定的结构和AI/DL方法预测的计算结构模型	机器学习	NA	蛋白质语言模型, 深度神经网络	深度神经网络	三维结构数据	NA	NA	NA	TM-score	NA
55	2026-02-02	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种结合卷积傅里叶变换模块的深度学习模型，用于增强心音图信号中第一和第二心音的自动分割	引入了卷积傅里叶变换模块，能够有效区分心音与背景噪声，提高了在心杂音存在下的分割准确性和鲁棒性	未提及模型在更广泛或多样化临床数据集上的泛化能力评估	开发一种能够准确分割心音图信号中S1和S2心音的自动化方法，以辅助心脏瓣膜疾病的检测	心音图信号	数字病理学	心血管疾病	心音图	CNN	信号数据	使用了内部数据集、PhysioNet 2016、PhysioNet 2022和Asan Medical Center数据集	未明确提及	卷积傅里叶变换模块	F1分数	NA
56	2026-01-26	Acute Infarct Core Volume Estimation on Noncontrast Computed Tomography With a Deep Learning Algorithm 2025-Mar, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001509 PMID:41573179	研究论文	本文开发并验证了一种深度学习算法，用于在非对比增强计算机断层扫描上估计急性缺血性卒中患者的梗死核心体积	提出了一种基于深度学习的方法，能够在非对比增强CT上估计梗死核心体积，其性能至少与CT灌注相当，简化了患者选择流程	研究主要针对前循环大血管闭塞患者，外部验证集样本量相对有限，且算法性能在特定指标上仍有提升空间	开发并验证一种深度学习算法，用于在非对比增强CT上估计急性缺血性卒中患者的基线梗死核心体积	急性缺血性卒中前循环大血管闭塞患者	数字病理学	心血管疾病	非对比增强计算机断层扫描, CT血管造影, CT灌注, 扩散加权磁共振成像	深度学习算法	医学影像	训练和内部验证使用2858例卒中警报患者研究，外部验证使用230例大血管闭塞患者	NA	NA	组内相关系数, 交并比, Spearman相关系数	NA
57	2026-01-25	FlyVISTA, an integrated machine learning platform for deep phenotyping of sleep in Drosophila 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq8131 PMID:40073129	研究论文	本文介绍了FlyVISTA，一个用于果蝇睡眠深度表型分析的集成机器学习平台	开发了结合高分辨率闭环视频成像系统、深度学习网络和计算流程的平台，用于注释35个身体部位并提取高维数据中的行为，揭示了睡眠和觉醒相关微行为的时空动态	NA	深入分析果蝇睡眠的表型特征	果蝇	机器学习	NA	高分辨率闭环视频成像系统	深度学习网络	视频	NA	NA	NA	NA	NA
58	2026-01-25	Deep Unsupervised Clustering for Prostate Auto-segmentation With and Without Hydrogel Spacer 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/ada8f3 PMID:41078605	研究论文	本文提出了一种基于深度无监督聚类和文本引导分割的方法，用于前列腺自动分割，以处理临床数据集中的异质性问题，特别是针对使用水凝胶间隔物的患者	结合UMAP降维和k-means聚类识别数据集中的隐藏簇，并开发了CLIP-UNet模型，通过文本编码器整合簇信息以提升分割性能	研究仅基于909名患者的数据，可能未涵盖所有临床异质性情况，且聚类方法依赖于特定降维和聚类算法	提高前列腺自动分割在异质临床数据集中的准确性，特别是在使用水凝胶间隔物的场景下	前列腺癌患者的CT图像，包括使用两种类型水凝胶间隔物及未使用的患者	数字病理学	前列腺癌	CT成像	深度学习模型	图像	909名患者	NA	UNet, CLIP-UNet	Dice系数	NA
59	2026-01-24	scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework 2025-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.11.623049 PMID:39605417	研究论文	本文提出了一种名为scPrediXcan的新型细胞类型特异性转录组范围关联研究框架，该框架整合了深度学习方法和单细胞数据，以更精确地识别疾病相关基因	将先进的深度学习模型（ctPred）与经典TWAS框架结合，能够高精度预测细胞类型特异性表达，并捕捉线性模型忽略的复杂基因调控规律	未在摘要中明确提及具体限制，但可能涉及数据稀疏性和样本量问题	开发一个强大的细胞类型特异性转录组范围关联研究框架，以更深入地理解复杂疾病的细胞机制	2型糖尿病和系统性红斑狼疮	机器学习	2型糖尿病, 系统性红斑狼疮	单细胞数据, 表观遗传特征预测	深度学习模型	DNA序列数据, 单细胞表达数据	NA	NA	ctPred	准确性, 基因识别数量, 基因座解释能力	NA
60	2026-01-23	A Novel Fusion Framework Combining Graph Embedding Class-Based Convolutional Recurrent Attention Network with Brown Bear Optimization Algorithm for EEG-Based Parkinson's Disease Recognition 2025-Mar-15, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02329-4 PMID:40088329	研究论文	本文提出了一种结合图嵌入类卷积循环注意力网络与棕熊优化算法的新型融合框架，用于基于EEG信号的帕金森病识别	提出GECCR2ANet+BBOA融合框架，首次将图嵌入类卷积循环注意力网络与棕熊优化算法结合，显著提升EEG信号中时空依赖关系的捕捉能力	未提及模型在更大规模或更复杂EEG数据集上的泛化能力验证	提高基于EEG信号的帕金森病识别准确率，促进早期诊断	帕金森病患者与健康对照的EEG信号数据	机器学习	帕金森病	EEG信号处理	CNN, 注意力网络, 优化算法	EEG信号	UNM数据集和UC San Diego数据集（具体样本数未明确）	未明确指定	改进的VGG19, 图三重注意力网络, 图嵌入类卷积循环注意力网络	准确率, 灵敏度, F1分数, 错误率, 计算时间	未明确指定