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
1	2026-10-16	Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture 2025-06, Plant, cell & environment DOI:10.1111/pce.15413 PMID:39898421	研究论文	本文提出了一种基于计算机视觉的小麦锈病自动检测与严重程度预测流程，利用Xception深度学习分类器区分健康与感染叶片，并通过Grabcut分割和CIELAB颜色空间分析计算病害严重度比率。	提出了一种低成本、可及且自动化的小麦锈病严重程度预测方法，结合Xception分类器、Grabcut前景分割和CIELAB颜色空间分析，在田间条件下使用数字彩色图像进行病害筛查。	摘要中未明确提及研究局限性。	开发一种自动化、低成本的小麦锈病检测与严重程度预测流水线，以替代传统劳动密集型的人工检测方法，实现早期检测和有效作物表型分析。	小麦叶片（健康与锈病感染的叶片），病原体为Puccinia triticina。	计算机视觉	NA	深度学习图像分类、Grabcut分割、CIELAB颜色空间分析	CNN	图像	NA	NA	Xception	NA	NA
2	2026-10-04	Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models 2025-06, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.02.787 PMID:40139644	研究论文	该研究提出了一种基于深度学习的组织学分析流程（SEKO），用于在啮齿动物模型中量化和可视化膝关节骨关节炎的关节重塑	首次将深度学习驱动的组织学分析流程（SEKO）应用于啮齿动物膝关节骨关节炎的空间评估，结合分割与可视化工具，实现了对软骨损失、软骨下骨面积变化及位置依赖性骨重塑的自动定量分析和概率热图可视化	仅考虑了HRNet和U-Net两种卷积神经网络架构，且最终仅采用U-Net；研究基于啮齿动物模型，尚未验证其在人类骨关节炎组织学分析中的适用性	开发深度学习驱动的组织学分析流程，实现啮齿动物膝关节骨关节炎的空间评估，量化并可视化内侧间室的关节重塑	啮齿动物膝关节组织学切片	数字病理学	骨关节炎	组织学分析、深度学习图像分割	CNN	图像	NA	NA	HRNet, U-Net	预测准确率	NA
3	2026-10-04	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-06, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	本研究探讨了锂盐或喹硫平单药治疗对首发躁狂青年纵向脑年龄的影响	使用迄今为止最大数据集训练的深度学习模型，在首发躁狂青年中纵向评估脑年龄预测，并比较锂盐与喹硫平的治疗效果	样本量较小，随访时间仅12个月，未观察到显著的治疗或时间效应，需更长期更大样本的研究	探究锂盐和喹硫平在双相和分裂情感性障碍早期是否具有神经保护作用	首发躁狂青年（15-25岁），随机接受锂盐（n=21）或喹硫平（n=18）单药治疗，以及健康对照（n=29）	机器学习	双相情感障碍, 分裂情感性障碍	T1加权磁共振成像	深度学习模型	图像	68名参与者（39名首发躁狂患者，29名健康对照），总共53,542个训练样本	NA	NA	脑年龄差（brain-PAD），p值，Cohen's d，置信区间	NA
4	2026-09-25	Integrating Artificial Intelligence in Next-Generation Sequencing: Advances, Challenges, and Future Directions 2025-Jun-19, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47060470 PMID:40699869	综述	本文综述了人工智能与下一代测序技术的整合，涵盖其在基因组研究和临床应用中的进展、挑战与未来方向	系统性地总结了AI在NGS全流程中的应用，包括变异检测、表观基因组分析、转录组学和单细胞测序，并提出了联邦学习、可解释AI和多模态组学统一框架等未来方向	数据异质性、模型可解释性不足以及伦理问题仍然存在	探讨AI与NGS的协同关系及其在基因组研究和临床转化中的应用前景	NGS工作流程、AI模型及其在基因组学中的应用	机器学习, 基因组学	癌症	下一代测序, 第三代测序	CNN, RNN, 混合架构	序列数据, 组学数据	NA	NA	CNN, RNN, 混合架构	NA	NA
5	2026-09-25	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	该文章介绍了NLSExplorer，一种可解释的核定位信号预测深度学习方法，利用蛋白质语言模型提取信息，在基准数据集上F1分数提升超过10%，并应用于Swiss-Prot数据库分析核定位蛋白的核运输片段特性	利用蛋白质语言模型提取核特异性位点信息辅助NLS检测，结合可解释注意力单元，实现优于现有方法的性能	未明确提及	开发可解释的核定位信号预测方法，探索核定位信号宇宙	核定位信号、核定位蛋白、核运输片段	生物信息学、机器学习	NA	深度学习、蛋白质语言模型	深度学习模型、注意力机制	蛋白质序列、文本	Swiss-Prot数据库中的核定位蛋白，涵盖416个物种	NA	带可解释注意力单元的深度学习模型	F1分数	NA
6	2026-09-21	A new era in nephrology: the role of super-resolution microscopy in research, medical diagnostic, and drug discovery 2025-06, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.01.040 PMID:40139567	综述	本文综述了超分辨率显微镜（特别是三维结构光照明显微镜）在肾脏病学研究、医学诊断和药物发现中的应用，介绍了足细胞精确形态测量程序及其与mRNA检测、多重染色和深度学习算法的结合	提出基于三维结构光照明显微镜的足细胞精确形态测量程序，能够量化足细胞足突形态，并在蛋白尿出现前检测足突变化；可与mRNA检测、多重染色和深度学习算法结合使用	作为综述文章，未提供原始实验数据；超分辨率显微镜技术的广泛临床应用仍需进一步验证和标准化	探讨超分辨率显微镜在肾脏病学研究、医学诊断和药物发现中的应用潜力，特别是在肾小球超微结构观察和足细胞形态量化方面	肾脏组织（肾小球超微结构，特别是足细胞足突和裂孔隔膜）	数字病理学	肾脏疾病	超分辨率显微镜（三维结构光照明显微镜）、mRNA检测、多重染色	深度学习算法	图像	NA	NA	NA	NA	NA
7	2026-09-19	Revealing emotional responses to urban environmental elements through street view data and deep learning 2025-Jun-05, Environment and planning. B, urban analytics and city science DOI:10.1177/23998083251348280 PMID:41268364	研究论文	本文通过街景数据和深度学习技术，探究城市环境特征对情绪的影响	结合DeepLab V3架构和LaDeco工具分析超过20万张街景图像，将环境特征分为五类并细分为53个类别，通过大规模参与者情绪报告和多元回归分析揭示环境特征与情绪的关系	研究仅针对台北市的50个采样区域，可能限制结果的普遍性；未提及具体的计算资源细节	探索城市环境特征对情绪的影响	台北市50个采样区域的城市环境特征和2090名参与者的情绪反应	计算机视觉	NA	深度学习，街景数据	CNN	图像，文本	超过200,000张Google Street View图像，2090名参与者	NA	DeepLab V3	NA	NA
8	2026-09-18	Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.09.658393 PMID:40661495	研究论文	该文章提出了一个计算流程PIONEER2.0，整合三维结构相似性与几何深度学习，用于准确预测人类蛋白质互作组中蛋白质-蛋白质界面的残基，并通过实验验证和疾病突变优先级分析展示其应用价值。	整合结构同源性与几何深度学习，针对AlphaFold3难以建模的约一半人类互作组，PIONEER2.0在界面残基预测上显著优于AlphaFold3，并构建了涵盖352,124个实验确定的人类二元蛋白质互作的多尺度结构信息互作组。	摘要中未明确提及研究的局限性。	开发高精度的蛋白质-蛋白质界面预测工具，以弥补结构解析复合物数量不足的问题，并应用于疾病突变机制研究和个性化医疗。	人类蛋白质互作组中的二元蛋白质-蛋白质相互作用及其界面残基。	计算生物学、结构生物信息学、深度学习	NA	几何深度学习、3D结构相似性比较、突变生成与实验验证	深度学习	蛋白质三维结构数据、蛋白质序列数据、突变数据	实验验证了1,866个突变，测试了5,010个突变-相互作用对；构建的互作组包含352,124个实验确定的人类二元蛋白质相互作用	NA	NA	界面残基预测准确性（与实验确定界面比较）	NA
9	2026-09-18	Deep learning-based reconstruction improves image quality in low-dose head CT angiography 2025-06, Malawi medical journal : the journal of Medical Association of Malawi IF:1.2Q4 DOI:10.4314/mmj.v37i2.8 PMID:41306806	研究论文	比较低剂量头部CT血管造影中滤波反投影、自适应统计迭代重建-Veo和深度学习图像重建算法的图像质量	在低剂量头部CT血管造影中评估深度学习图像重建算法，并与传统重建方法进行比较	样本量较小，仅25名患者	比较不同重建算法在低剂量头部CT血管造影中的图像质量	接受头部CT血管造影的患者	医学图像处理	脑血管疾病	CT血管造影	深度学习图像重建	医学图像	25名患者	NA	NA	CT值, 标准差, 信噪比, 对比噪声比, 边缘上升斜率, 主观评分	NA
10	2026-09-16	Spatiotemporal predictions of toxic urban plumes using deep learning 2025-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf198 PMID:40583909	研究论文	提出了一种名为ST-GasNet的深度学习模型，用于快速预测城市有毒羽流的时空演化	受流体动力学方程启发，设计了一种新颖的深度学习模型，能够从有限的时间序列中学习时空依赖关系，并准确预测有毒羽流的后期演化，即使羽流被建筑物分割	模型训练依赖于高分辨率大涡模拟生成的数据，可能受限于特定城市几何和气象条件	开发快速且准确的方法预测城市中有毒羽流的时空扩散，以用于应急响应	城市大气中的有毒羽流	机器学习	NA	深度学习	时空深度学习模型	时间序列数据	有限数量的地面有毒城市羽流时间序列	NA	ST-GasNet	预测准确率至少90%	NA
11	2026-09-13	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-06-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	研究论文	本文提出了一种基于神经网络的实时多物理场建模框架，用于加速软组织的形变和应力场计算，以改善手术模拟器	首次解决了手术模拟器中应力渲染缺失的问题，通过紧凑编码边界条件与物理场之间的非线性关系，并使用Z-Score归一化平衡不同物理场的特征尺度，避免大规模特征主导模型训练	仅在三维悬臂梁、肝脏、脾脏和肾脏模型上进行了验证，未在更复杂的生物组织或临床环境中测试，且精度损失约1%	解决手术模拟器中应力渲染缺失问题，开发基于神经网络的实时多物理场建模框架，用于软组织形变和应力分布的实时预测	三维悬臂梁、肝脏、脾脏和肾脏模型	机器学习	NA	深度学习	神经网络	数值模拟数据	四个三维模型（悬臂梁、肝脏、脾脏、肾脏）	NA	NA	效率提升倍数、准确率损失	NA
12	2026-09-13	Deep learning-based applicator selection between Syed and T&O in high-dose-rate brachytherapy for locally advanced cervical cancer: a retrospective study 2025-06-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addea5 PMID:40444332	研究论文	本研究开发了一种基于深度学习的决策支持工具，用于在局部晚期宫颈癌的高剂量率近距离放疗中选择Syed间质施源器或T&O腔内施源器	首次将深度学习应用于近距离放疗施源器选择，通过3D卷积神经网络结合轮廓掩膜和距离图来预测施源器适用性	回顾性研究设计，样本量相对有限，需要更多数据进行进一步验证，未来需开展前瞻性应用研究	开发深度学习模型辅助医生在局部晚期宫颈癌高剂量率近距离放疗中选择合适的施源器，提高治疗质量和决策一致性	184例局部晚期宫颈癌患者的422次施源器插入案例	医学图像分析	宫颈癌	高剂量率近距离放疗	3D CNN	3D医学图像	184例患者的422次施源器插入（训练集163例372次，测试集17例36次和4例复杂病例14次）	NA	3D CNN	准确率92.1±3.8%（交叉验证），独立测试准确率96.0%，灵敏度90.9%，特异性97.4%	NA
13	2026-09-13	Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography 2025-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.0498 PMID:40238103	研究论文	本研究开发了一种自动化深度学习工作流程，用于识别三尖瓣彩色多普勒超声心动图视频并评估三尖瓣反流的严重程度	开发了端到端的深度学习计算机视觉流程，可自动从超声心动图视频中识别三尖瓣彩色多普勒切面并分级三尖瓣反流严重程度，并在时间上和地理上独立的外部测试集上验证了其优异性能，且代码和权重开源	研究为回顾性设计，缺乏前瞻性验证；训练数据主要来自单一医疗中心，尽管使用了外部测试集进行验证，但仍需进一步的多中心前瞻性评估	设计深度学习计算机视觉工作流程，用于识别彩色多普勒超声心动图视频中三尖瓣反流并对其严重程度进行分级	超声心动图彩色多普勒视频及对应的三尖瓣反流诊断	计算机视觉	心血管疾病	超声心动图	CNN	视频	训练和验证集来自CSMC的47312项检查（2079898个视频），涵盖31708名患者；CSMC 2022年测试集包含2462项检查（108138个视频），涵盖2170名患者；SHC外部测试集包含5549项检查（278377个视频），涵盖5014名患者	NA	NA	AUC, 灵敏度, 特异度	NA
14	2026-09-10	Trends and global productivity in artificial intelligence research in clinical neurology and neuroimaging: a bibliometric analysis from 1980 to 2024 2025-06-04, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhaf148 PMID:40543094	文献计量分析	对1980至2024年间人工智能在临床神经病学和神经影像学领域的研究趋势与全球生产力进行了文献计量分析	首次全面分析该领域AI研究的全球趋势与生产力，并考察其与GDP、GDP购买力平价及人类发展指数的关系	未提供具体限制信息	评估AI在临床神经病学和神经影像学领域的研究趋势与全球生产力，并预测未来发展	来自Web of Science数据库的5,020篇相关出版物	文献计量学、人工智能	神经系统疾病	文献计量分析	回归模型	文献数据	5,020篇出版物	NA	NA	H指数、引用次数	NA
15	2026-09-10	Deep learning-assisted analysis of biomarker changes after increase of dosing from aflibercept 2 mg to 8 mg in therapy-resistant neovascular age-related macular degeneration 2025-06-01, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002176 PMID:40451292	研究论文	本研究利用深度学习语义分割算法评估阿柏西普8mg在难治性新生血管性年龄相关性黄斑变性患者中的真实世界疗效，关注关键OCT生物标志物的变化。	首次在真实世界环境中使用基于深度学习的语义分割算法量化阿柏西普剂量增加（从2 mg至8 mg）后OCT生物标志物的变化，突出AI在治疗监测中的潜在应用。	样本量小（23只眼），回顾性研究，缺乏对照组，未评估长期安全性和疗效，需要更大规模前瞻性研究。	评估阿柏西普8mg在难治性nAMD患者中的疗效和持久性，通过深度学习分析OCT生物标志物的变化。	难治性新生血管性年龄相关性黄斑变性患者。	医学影像分析	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习语义分割模型	OCT图像	21名患者的23只眼	NA	语义分割模型（具体架构未提及）	显著性水平（p值）、治疗间隔变化百分比、视力变化	NA
16	2026-09-09	Multimodal CustOmics: A unified and interpretable multi-task deep learning framework for multimodal integrative data analysis in oncology 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013012 PMID:40526743	研究论文	提出了一种统一且可解释的多任务深度学习框架Multimodal CustOmics，用于肿瘤学中全切片图像和多组学数据的整合分析	提出了一个可解释的多模态融合框架，能够在通路和基因水平上提取各模态活性及其交互评分，并扩展富集分析到空间数据	文中未明确提及局限性，但可能涉及数据缺失处理的鲁棒性有待进一步验证	开发一种可解释的深度学习框架，用于精准医学中多组学和组织病理学数据的整合分析	多种TCGA数据集和验证队列中的癌症数据，包括组织学图像和分子谱	数字病理学、机器学习	肿瘤	多组学测序、组织病理成像	多任务深度学习模型	组织学图像和多组学数据	涉及多个TCGA数据集和验证队列，具体数量未在摘要中提供	NA	NA	NA（提到优于state-of-the-art方法，但未指定具体指标）	NA
17	2026-09-09	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	本研究通过分析东部和斑驳鹀的歌声特征，利用机器学习模型评估歌曲在物种识别中的作用，并探讨其在生殖隔离中的贡献。	首次利用大规模公民科学录音和多种机器学习模型量化分析两个姊妹种的歌曲分化，并评估其在物种形成中的潜在作用。	遗传数据样本有限，且无法完全排除环境因素对歌曲特征的影响。	探究学习性歌曲在东部和斑驳鹀进化及物种形成中的作用，特别是其在生殖隔离中的功能。	东部鹀和斑驳鹀的歌曲录音及其公开遗传数据。	数字病理学、机器学习	不适用	声学分析、机器学习分类	卷积神经网络、随机森林、梯度提升机、深度学习模型	音频录音、遗传数据	未明确说明样本量，但使用了大规模公民科学录音。	未明确说明，可能包括Scikit-learn、TensorFlow或PyTorch。	卷积神经网络（CNN）	准确性	未提及，使用NA。
18	2026-09-08	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	研究论文	基于动态对比增强MRI的肿瘤内亚区深度学习分析用于预测乳腺癌Ki-67表达水平	利用k-means聚类将肿瘤分为两个亚区，并基于3D ResNet18预训练模型提取深度学习特征，构建结合两个亚区的联合模型以提高预测能力	未在摘要中明确说明局限性	评估基于DCE-MRI的肿瘤内亚区深度学习分析是否能帮助预测乳腺癌Ki-67表达水平	来自两家医院的290例乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	深度学习模型，逻辑回归	医学影像	290例乳腺癌患者	NA	3D ResNet18	AUC，决策曲线分析	NA
19	2026-09-07	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	研究论文	本研究提出一种基于放射科医生图像排序和深度学习模型的MRI图像质量度量方法，用于优化深度学习任务	开发了专门针对MRI的图像质量度量，利用放射科医生对图像对的排序训练DL模型，优于传统MSE和SSIM指标	未在文中明确提及限制，但可能受限于排序的主观性和数据来源的特定性	开发一种特定于MRI的图像质量度量，使用放射科医生的排序和深度学习模型，以改进图像质量评估和深度学习优化	来自NYU fastMRI Initiative神经数据库的2916对独特图像对，共19344个排序	医学影像分析、深度学习	不适用	磁共振成像（MRI）	深度学习模型（IQ-Net和EfficientNet）	MRI图像	2916对图像对（用于排序），7名放射科医生（其中2名使用李克特量表）	NA	IQ-Net、EfficientNet	准确率、加权Cohen's kappa、均方误差（MSE）、结构相似性（SSIM）	NA
20	2026-09-04	A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder 2025-06, Journal of substance use and addiction treatment DOI:10.1016/j.josat.2025.209685 PMID:40127869	研究论文	本研究使用生态瞬时评估和深度学习预测接受药物辅助治疗阿片类药物使用障碍患者的非处方阿片类药物使用、治疗保留率和药物不依从性	结合生态瞬时评估（EMA）与递归深度学习模型，实现实时预测阿片类药物使用障碍治疗中的关键结果	样本量较小（62名成人），且预测性能在不同EMA子类型和结果间存在差异，需进一步验证	预测接受MOUD患者的非处方阿片类药物使用、药物不依从性和治疗保留率，以支持个性化干预	接受药物辅助治疗阿片类药物使用障碍的成人患者	机器学习	阿片类药物使用障碍	生态瞬时评估（EMA）	循环深度学习模型（如长短期记忆网络）	生态瞬时评估数据、电子健康记录数据	62名成人，共14,322个观测	NA	递归神经网络（如LSTM）	AUC、SHAP值	NA