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
21	2026-03-15	Deep learning-based detection and segmentation of osseous metastatic prostate cancer lesions on computed tomography 2025-Jun, European journal of radiology artificial intelligence DOI:10.1016/j.ejrai.2025.100005 PMID:41822381	研究论文	本研究利用深度学习模型自动检测和分割CT图像中的骨转移性前列腺癌病灶	首次系统评估多种深度学习模型在骨转移性前列腺癌CT图像病灶检测与分割中的性能，并比较了nnUNetv2等模型在分割精度上的显著优势	未明确提及样本数据的具体来源或多样性限制，且模型对脊柱病灶的敏感性相对较低	自动化骨转移性前列腺癌病灶的检测与分割，以辅助诊断、预后和监测	CT图像中的骨转移性前列腺癌病灶	计算机视觉	前列腺癌	CT扫描	CNN	图像	NA	NA	EfficientNet, ResNet34, DenseNet, nnUNetv2, UNet, ResUNet, ResAttUNet	F1分数, 精确率, 召回率, AUC, Dice相似系数	NA
22	2025-03-11	A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response 2025-Jun, The American journal of pathology DOI:10.1016/j.ajpath.2025.02.002 PMID:40056973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23	2026-03-06	Identifying kinematic biomarkers of the dystrophic phenotype in a zebrafish model of Duchenne muscular dystrophy 2025-Jun-20, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-025-00382-6 PMID:40542412	研究论文	本研究利用高速摄像和基于深度学习的无标记运动捕捉技术，量化杜氏肌营养不良症斑马鱼模型的逃避反应游泳运动学，识别出区分突变体与野生型幼虫的关键生物标志物	首次将无标记运动捕捉与机器学习预测模型结合，用于斑马鱼杜氏肌营养不良模型的运动学分析，提供了高精度、可重复的游泳运动学评估方法	研究仅针对两种斑马鱼突变体（sapje和sapje-like），未涵盖其他杜氏肌营养不良模型或更广泛的运动障碍疾病	识别杜氏肌营养不良表型的运动学生物标志物，并探究其潜在机制	杜氏肌营养不良症斑马鱼模型（sapje和sapje-like突变体）的幼虫	计算机视觉	杜氏肌营养不良症	高速摄像，无标记运动捕捉	随机森林，支持向量机	视频	两种斑马鱼突变体（sapje和sapje-like）的幼虫，具体数量未在摘要中明确	NA	NA	效应大小（标准偏差）	NA
24	2026-03-02	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	本文提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选区域进行聚类	首次将图同构网络（GIN）与k均值和层次凝聚聚类结合，用于RNA结构基序的自动聚类，并成功发现新的基序实例和家族	未明确说明模型对未知基序类型的泛化能力及计算效率的具体评估	开发自动化工具以改进RNA结构基序的识别与分类，减少对人工分析的依赖	RNA结构基序候选区域（特别是RNA环区域）	机器学习	NA	RNA 3D结构分析	图同构网络（GIN）	图表示（基于碱基相互作用和3D结构）	NA	PyTorch（推断自GIN的常见实现）	图同构网络（GIN）	聚类准确率	NA
25	2026-02-27	An Open-Source Deep Learning-Based GUI Toolbox for Automated Auditory Brainstem Response Analyses (ABRA) 2025-Jun-20, Research square DOI:10.21203/rs.3.rs-6735294/v1 PMID:40585236	研究论文	本文介绍了一种基于深度学习的开源图形用户界面工具ABRA，用于自动化分析听觉脑干响应波形	开发了首个结合深度学习与图形界面的开源工具，实现ABR波形的快速、无偏分析，提升跨实验室研究的可重复性	未明确说明模型在极端或罕见病理条件下的泛化能力，以及训练数据集的详细多样性限制	自动化听觉脑干响应分析，以减少主观误差并提高研究效率	听觉脑干响应波形数据	机器学习	听力损失	电生理记录	CNN	电生理信号	NA	NA	卷积神经网络	峰值幅度、潜伏期、听觉阈值估计	NA
26	2026-02-27	DWI-based deep learning radiomics nomogram for predicting the impaired quality of life in patients with unruptured intracranial aneurysm developing new iatrogenic cerebral infarcts following stent placement: a multicenter cohort study 2025-Jun-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03628-5 PMID:40512286	研究论文	本研究开发了一种基于DWI的放射组学列线图，用于预测支架置入后发生新医源性脑梗死（NICI）的未破裂颅内动脉瘤患者健康相关生活质量（HRQOL）受损情况	整合临床特征、放射组学特征和深度学习特征构建综合DLRN模型，并采用超分辨率重建优化放射组学特征提取，在多中心队列中验证了其预测性能优于单一模态模型	研究仅基于回顾性多中心数据，未来需要前瞻性研究进一步验证模型的泛化能力和临床实用性	预测支架置入后发生新医源性脑梗死的未破裂颅内动脉瘤患者的健康相关生活质量受损情况	522例来自多家医院的未破裂颅内动脉瘤支架置入术后发生新医源性脑梗死的患者	数字病理学	颅内动脉瘤	DWI（弥散加权成像），超分辨率重建	深度学习，逻辑回归	医学影像（DWI图像）	522例患者，分为训练队列和两个外部验证队列	NA	GoogleNet	AUC（曲线下面积），校准曲线，决策曲线分析	NA
27	2026-02-27	AITom: AI-guided cryo-electron tomography image analyses toolkit 2025-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108207 PMID:40378936	研究论文	本文介绍了AITom，一个专为冷冻电子断层扫描（cryo-ET）研究人员设计的开源人工智能平台，旨在解决三维亚细胞成分定位、识别、分割和结构恢复的挑战	AITom整合了传统模板方法和无模板方法，以及先进的深度学习技术，为cryo-ET数据分析提供了一个全面的开源AI平台	NA	开发高效准确的大规模图像分析方法，以应对cryo-ET中三维亚细胞成分分析的复杂性	冷冻电子断层扫描图像中的三维大分子复合物和亚细胞结构	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）	深度学习	图像	NA	NA	NA	NA	NA
28	2026-02-27	Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model 2025-Jun, The Lancet. Digital health DOI:10.1016/j.landig.2025.03.005 PMID:40461349	研究论文	本研究开发并验证了一种基于Transformer的深度学习模型TRisk，用于预测心血管疾病在初级预防人群和糖尿病患者中的10年风险	首次将Transformer架构应用于心血管疾病风险评估，相比传统统计模型和现有深度学习方法，能更精准地识别高风险个体，减少过度治疗	研究未提及外部验证或跨地域泛化能力，且未说明模型的可解释性如何	开发一种新型深度学习模型，以改进心血管疾病预防治疗中的个体选择策略	英国25-84岁的成年人群，包括初级预防人群和糖尿病患者	机器学习	心血管疾病	深度学习	Transformer	电子健康记录	约300万成年人，来自389家全科诊所	NA	Transformer	C指数, 净收益, 假阴性率	NA
29	2026-02-26	A new age in structural S-layer biology: Experimental and in silico milestones 2025-06, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了近五年来S层蛋白结构研究的主要进展，包括实验结构测定和计算建模方面的突破	首次系统探讨了计算建模方法在S层蛋白研究中的应用，并展望了计算方法如何进一步推动对该蛋白结构的理解	NA	总结S层蛋白结构生物学领域的最新研究成果和方法进展	细菌和古菌中的表面(S-)层蛋白	结构生物学	NA	高分辨率成像，深度学习结构预测	深度学习模型	蛋白质结构数据，成像数据	NA	NA	NA	NA	NA
30	2026-02-22	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征	开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹	研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证	探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略	人类肝细胞癌组织样本，在免疫治疗前后收集	数字病理学	肝细胞癌	空间转录组学, 空间蛋白质组学	图神经网络	空间多组学数据	未明确指定样本数量	未明确指定	未明确指定	ROC-AUC	未明确指定
31	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
32	2026-02-19	Automatic Bi-Atrial Segmentation and Biomarker Extraction from Late Gadolinium-Enhanced MRI Using Deep Learning 2025-Jun-10, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2025.127335 PMID:41693757	研究论文	本文提出了一种名为biAtriaNet的深度学习流程，用于从晚期钆增强磁共振成像中自动分割左右心房并提取心房纤维化、心房壁厚度和心房腔直径及体积等生物标志物，以支持针对心房颤动的靶向消融治疗	开发了首个能够同时自动分割左右心房并从LGE-MRI中提取多种关键生物标志物的深度学习流程，解决了现有方法仅关注左心房且缺乏稳健分割的局限性	研究主要基于特定数据集（英国生物银行和犹他大学患者），尽管在独立测试集上表现良好，但样本多样性和泛化能力仍需在更广泛人群中进一步验证	开发一种自动化工具，用于从LGE-MRI中准确分割心房结构并提取生物标志物，以改善心房颤动的患者特异性治疗策略	心房颤动患者的心房结构，包括左心房和右心房的解剖形态、纤维化程度、心房壁厚度以及心房腔的直径和体积	数字病理学	心血管疾病	晚期钆增强磁共振成像	CNN	图像	训练和验证集包括4860名英国生物银行参与者的2D cine-MRI和60名犹他大学心房颤动患者的3D LGE-MRI，独立测试集包括11例新西兰怀卡托医院的3D LGE-MRI	NA	U-Net	Dice分数, 准确率, Kolmogorov-Smirnov相关性	NA
33	2026-02-15	Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention 2025-Jun, iMetaOmics DOI:10.1002/imo2.70021 PMID:41675159	研究论文	本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测	开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测	NA	通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预	2型糖尿病患者及其肠道微生物组	机器学习	2型糖尿病	微生物组测序	深度学习	微生物组数据	NA	NA	NA	NA	NA
34	2026-02-14	Multicenter Evaluation of Interpretable AI for Coronary Artery Disease Diagnosis from PET Biomarkers 2025-Jun-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25329944 PMID:40630571	研究论文	本研究开发了一种集成PET/CT心肌灌注成像关键临床参数的人工智能模型，用于提高阻塞性冠状动脉疾病的诊断准确性	首次开发了一个集成多种PET成像生物标志物（包括冠状动脉钙化评分、心肌血流和灌注参数）的AI模型，并通过多中心外部验证展示了其优于传统定量分析和临床评分的诊断性能	研究为回顾性设计，且仅纳入在180天内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	提高阻塞性冠状动脉疾病的诊断准确性	接受心脏PET/CT检查的患者	数字病理学	心血管疾病	PET/CT心肌灌注成像	XGBoost, 深度学习	医学影像（PET/CT图像）及临床参数	总队列17,348名患者，其中1,664名纳入研究（训练集386名，外部测试集1,278名）	NA	NA	AUC	NA
35	2026-02-14	In-Silico Predictions of Drug Resistance in Lung Cancers With EGFR Mutation 2025-Jun, Proceedings of the Platform for Advanced Scientific Computing Conference DOI:10.1145/3732775.3733588 PMID:41669100	研究论文	本文提出了一种利用高性能计算资源预测EGFR突变肺癌中耐药机制的计算工作流程	整合了深度学习结构预测、分子动力学模拟、分子对接和结合预测等多种计算方法，并探索了量子化学计算作为实验验证的补充工具	NA	预测肺癌中由EGFR突变引起的耐药机制，并为治疗策略提供替代方案	EGFR突变的肺癌	计算生物学	肺癌	深度学习结构预测、分子动力学模拟、分子对接、量子化学计算	深度学习模型	分子结构数据、化合物数据	NA	NA	NA	NA	高性能计算资源
36	2026-02-13	Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning 2025-Jun-10, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213691 PMID:40378378	研究论文	本研究开发了一种基于磁共振指纹成像和深度学习的全脑局灶性皮质发育不良检测框架	首次将磁共振指纹成像与深度学习结合用于全脑局灶性皮质发育不良的自动化检测，利用单次扫描获取的多参数特征	样本量相对较小（40名患者和67名健康对照），且未在独立外部数据集上进行验证	开发一种基于磁共振指纹成像的深度学习框架，用于全脑局灶性皮质发育不良的检测	药物难治性局灶性癫痫患者（包括FCD IIa、IIb、mMCD、MOGHE亚型）和年龄性别匹配的健康对照	数字病理学	癫痫	磁共振指纹成像（MRF）、临床MRI扫描	深度学习	图像	40名局灶性皮质发育不良患者和67名健康对照	NA	U-Net	灵敏度、假阳性数、病变标签重叠度	NA
37	2026-02-12	Learning Genetic Perturbation Effects with Variational Causal Inference 2025-Jun-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.05.657988 PMID:40501829	研究论文	本文提出了一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平上未见遗传扰动的转录组响应	提出SCCVAE模型，将机制因果模型与变分自编码器结合，实现从观测扰动到未见扰动的有效外推，并支持功能扰动模块识别和单基因敲除实验模拟	未明确讨论模型在更复杂或异质性细胞类型中的泛化能力，以及计算资源需求	开发一种能准确预测单细胞水平上遗传扰动效应的计算模型，以应用于功能基因组学和治疗靶点识别	单细胞转录组数据，特别是Perturb-seq技术生成的遗传扰动响应数据	机器学习	NA	Perturb-seq，单细胞转录组测序	变分自编码器（VAE），因果模型	单细胞转录组数据	NA	NA	SCCVAE（单细胞因果变分自编码器）	NA	NA
38	2026-02-09	Real-world radiology data for artificial intelligence-driven cancer support systems and biomarker development 2025-Jun, ESMO real world data and digital oncology DOI:10.1016/j.esmorw.2025.100120 PMID:41647703	综述	本文探讨了利用真实世界放射学数据与人工智能技术开发癌症诊断与治疗支持系统及生物标志物的潜力与挑战	提出了结合真实世界数据与人工智能的新范式，以加速癌症生物标志物发现和临床支持工具开发	面临数据访问困难、质量参差不齐、处理复杂以及临床信任建立等挑战	旨在推动人工智能在真实世界放射学数据中的应用，以改善癌症患者护理	真实世界放射学数据（包括影像和报告）及癌症患者群体	数字病理学	癌症	深度学习	深度学习模型	影像, 文本	NA	NA	NA	NA	NA
39	2026-02-02	Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry 2025-Jun-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.28.656653 PMID:40501725	研究论文	提出了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，并利用其预测通过比对候选结构的预测MS/MS谱与实验MS/MS谱的相似性来促进结构解析	开发了首个能够模拟碰撞诱导解离并考虑碰撞能量和极性的几何深度学习模型，实现了对未知分子结构的快速、低成本鉴定	未明确说明模型在处理极端复杂混合物或非常规分子结构时的性能限制	解决代谢组学、药物发现和反应筛选中区分同量异位素分子碎片模式的挑战，实现快速分子注释	未知分子结构、候选化学结构	机器学习	抑郁症、结核性脑膜炎	串联质谱(MS/MS)	几何深度学习模型	质谱数据	NIST'20 [M+H]加合子集	NA	ICEBERG	top-1准确率, top-10预测准确率	NA
40	2026-01-28	Bridging the Gap Between Accuracy and Efficiency in AI-Based Breast Cancer Diagnosis from Histopathological Data 2025-06-26, Cancers IF:4.5Q1 DOI:10.3390/cancers17132159 PMID:40647456	研究论文	本研究提出了一种名为CellSage的新型轻量级深度学习模型，用于从组织病理学图像中诊断乳腺癌，旨在平衡诊断准确性与计算效率	提出了一种集成了多尺度特征提取、深度可分离卷积和卷积块注意力模块（CBAM）的新型CNN架构，在保持高精度的同时显著降低了模型参数量和计算负担	研究仅在BreakHis数据集上进行训练和评估，未在其他独立数据集或真实临床环境中进行广泛验证	设计一个轻量且高性能的深度学习模型，以解决乳腺癌组织病理学诊断中准确性与计算效率之间的权衡问题	乳腺癌的组织病理学图像	数字病理学	乳腺癌	染色归一化（通过对比增强建模，CAM），数据增强	CNN	图像	BreakHis数据集	NA	CellSage（集成多尺度特征提取、深度可分离卷积、CBAM）	准确率，F1分数，AUC	NA