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
121	2025-10-06	A novel artificial intelligence segmentation model for early diagnosis of bladder tumors 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04715-9 PMID:39738572	研究论文	开发基于Transformer的膀胱肿瘤分割网络BTS-Net，用于早期膀胱癌的智能诊断	首次将Transformer架构应用于膀胱肿瘤分割任务，能够准确识别平坦癌组织和微小卫星病灶	研究样本仅来自单一医疗中心，需要更多外部验证	提高早期膀胱肿瘤的识别率，减少漏诊	膀胱癌患者的手术视频数据	计算机视觉	膀胱癌	深度学习	Transformer	视频	273例膀胱癌患者的TURBT手术视频	NA	BTS-Net	MPrecision, MRecall, MIoU, F1-score	NA
122	2025-10-06	Preoperative discrimination of absence or presence of myometrial invasion in endometrial cancer with an MRI-based multimodal deep learning radiomics model 2025-07, Abdominal radiology (New York) DOI:10.1007/s00261-024-04766-y PMID:39747670	研究论文	开发基于MRI的多模态深度学习放射组学模型，用于术前判别子宫内膜癌肌层浸润状态	首次结合临床特征与深度学习特征构建多模态模型，采用集成稀疏贝叶斯极限学习机进行特征整合	回顾性研究设计，样本来源限于五个医疗中心	提高子宫内膜癌术前肌层浸润评估的准确性	1139例子宫内膜癌患者	医学影像分析	子宫内膜癌	磁共振成像	深度学习	医学影像	1139例患者（来自5个独立中心）	NA	ResNet18	AUC, IDI, DCA	NA
123	2025-10-06	Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01763-5 PMID:40596927	研究论文	本研究评估了人工智能辅助压缩感知与深度学习重建技术结合在5.0T MRI上加速脑部T2加权成像的可行性	首次在5.0T MRI上探索ACS与DLR技术的协同应用，实现78%的扫描时间缩减	样本量相对有限（98名参与者），且为单中心可行性研究	系统评估ACS-DLR集成技术在5.0T MRI脑部T2加权成像中的诊断效能	脑部T2加权成像	医学影像分析	脑部疾病	MRI T2加权成像，压缩感知，深度学习重建	深度学习	医学影像	98名参与者	NA	NA	信噪比，对比噪声比，图像质量评分	5.0T MRI设备
124	2025-10-06	A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf051 PMID:40703125	研究论文	开发用于心电图解读的深度基础模型，并通过迁移学习实现罕见疾病检测	构建了迄今为止最全面的心电图深度神经网络模型，并首次将基础模型概念应用于心电图分析，通过迁移学习在数据有限的情况下有效检测罕见疾病	罕见疾病检测的数据集相对较小，模型性能在罕见疾病检测上仍有提升空间	开发能够有效解读心电图并检测罕见心脏疾病的基础模型	心电图信号和相关的68种常见心电图诊断及3种罕见疾病	医疗人工智能	心脏疾病	心电图分析	CNN	心电图信号	160万份心电图，来自UCSF 1986-2019年的临床常规采集	NA	卷积深度神经网络	AUC, 敏感度, 特异性	NA
125	2025-10-06	Antimicrobial Peptides Design Using Deep Learning and Rational Modifications: Activity in Bacteria, Candida albicans, and Cancer Cells 2025-Jul-11, Current microbiology IF:2.3Q3 DOI:10.1007/s00284-025-04346-3 PMID:40643674	研究论文	本研究利用深度学习和理性修饰设计抗菌肽，并评估其在细菌、白色念珠菌和癌细胞中的活性	结合两种深度学习算法生成抗菌肽，并通过生物信息学和AI工具进行理性修饰优化	仅对12种合成肽进行了体外测试，样本规模有限	开发具有高抗菌活性和生物安全性的新型抗菌肽	抗菌肽及其对细菌、白色念珠菌和癌细胞的抑制作用	机器学习	细菌感染,真菌感染,乳腺癌	深度学习,生物信息学分析,体外测试	深度学习算法	肽序列数据,生物活性数据	26个计算机生成的合成肽，其中12个进行体外测试	NA	NA	最小抑菌浓度(MIC),半数抑制浓度(IC)	NA
126	2025-10-06	3BTRON: A Blood-Brain Barrier Recognition Network 2025-Jul-04, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08453-6 PMID:40615521	研究论文	提出一种名为3BTRON的深度学习框架，用于自动分析血脑屏障的电子显微镜图像	首次开发专门用于血脑屏障结构分析的深度学习网络，能够通过图像特征识别年龄相关的血脑屏障变化	模型仅在359个小鼠样本上训练和验证，尚未在人类数据或更大样本上测试	开发自动化工具分析血脑屏障在衰老过程中的结构变化	年轻和年老小鼠的血脑屏障电子显微镜图像	数字病理	老年疾病	电子显微镜	深度学习	图像	359个小鼠脑部样本	NA	3BTRON	灵敏度, 特异度	NA
127	2025-10-06	Report on the quantitative intra-voxel incoherent motion diffusion MRI reconstruction grand challenge 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17998 PMID:40665555	研究报告	介绍2024年定量体素内不相干运动扩散MRI重建挑战赛的结果和发现	首次举办针对IVIM-dMRI重建算法的基准测试挑战赛，比较传统优化和深度学习方法在临床参数估计中的表现	基于模拟数据而非真实临床数据，未来需要解决现实世界的复杂性以确保临床适用性	评估和改进从扩散MRI数据中提取定量组织参数的重建算法	扩散MRI数据中的分数灌注、伪扩散系数和真实扩散系数	医学影像	NA	扩散MRI，体素内不相干运动模型	深度学习，传统优化方法	模拟k空间数据，数字体模	42个团队参与，7个进入最终阶段	NA	级联U-Net	相对均方根误差	NA
128	2025-10-06	Base-resolution binding profile prediction of proteins on RNAs with deep learning 2025-Jul-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf748 PMID:40794872	研究论文	提出了一种基于深度学习的iDeepB方法，用于预测蛋白质在RNA上的碱基分辨率结合谱	首次整合细胞系特异性基因表达谱来预测蛋白质-RNA相互作用，构建了表达感知基准数据集	未明确说明方法在其他类型RNA结合蛋白或细胞系中的泛化能力	开发能够准确预测蛋白质在RNA上结合核苷酸和结合强度的计算方法	RNA结合蛋白及其与RNA的相互作用	机器学习	NA	eCLIP-seq, RNA-seq	深度学习, 多头注意力机制	基因组序列数据, 基因表达数据	基于细胞特异性RNA-seq和eCLIP-seq数据构建的基准数据集	NA	混合深度网络, 多头注意力	结合谱预测准确性	NA
129	2025-10-06	Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies 2025-Jul-10, Journal of materials chemistry. B DOI:10.1039/d5tb00744e PMID:40476698	综述	本文系统探讨了先进生物可视化技术在解码组织多尺度化学-结构-功能关系中的原理、应用与局限	重点分析了人工智能驱动的图像分析、多维成像重建和多模态数据整合等变革性技术进步	NA	通过先进可视化技术解析生物组织的多尺度复杂性，推动生物材料开发和生物医学研究	生物组织和器官的多尺度结构与功能特征	生物医学可视化	NA	多维成像、多模态数据整合、增强现实	深度学习	多维图像数据、多模态生物数据	NA	NA	NA	NA	NA
130	2025-10-06	Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits 2025-Jul-03, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2025.05.015 PMID:40543505	研究论文	提出多模态深度学习框架M-REGLE，通过联合分析生理波形数据提升心血管性状的遗传预测能力	开发了首个用于多模态生理波形联合表征学习的遗传发现框架，相比单模态方法显著提高了遗传位点发现数量	研究主要聚焦心血管性状，未验证在其他生理系统或疾病中的适用性	利用多模态生理数据改进复杂性状的遗传关联研究	心电图和光电容积脉搏波等生理波形数据	机器学习	心血管疾病	GWAS, 深度学习	卷积变分自编码器	生理波形信号	多个生物银行的大规模人群数据	NA	卷积变分自编码器	遗传位点发现数量, 遗传风险评分预测性能	NA
131	2025-10-06	Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect 2025-07, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500164 PMID:40444593	研究论文	本研究结合荧光高光谱成像与深度学习算法，开发了一种快速检测伤口常见感染细菌的非侵入性方法	首次将荧光高光谱成像技术与空间-光谱多尺度注意力网络相结合，实现低至10 CFU/mL细菌浓度的快速非侵入检测	仅针对8种常见细菌进行研究，未涵盖所有可能的致病菌种类	开发快速准确的细菌感染检测方法	伤口感染中的八种常见细菌	计算机视觉	细菌感染	荧光高光谱成像(FHSI)	深度学习	高光谱图像	八种细菌物种的培养板荧光数据	NA	空间-光谱多尺度注意力网络(SSMA-Net)	准确率	NA
132	2025-10-06	Hyperspectral Imaging for Predicting Bladder Cancer Grading: A Novel Diagnostic Approach 2025-07, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500161 PMID:40456708	研究论文	提出一种基于深度学习的多模态融合模型RVCK-net，通过整合高光谱成像和病理图像实现膀胱癌精准分级	首次提出结合高光谱成像和病理图像的多模态融合模型，采用自适应融合机制整合空间和光谱信息	NA	提高膀胱癌分级的准确性和诊断一致性	膀胱癌组织样本	数字病理学	膀胱癌	高光谱成像, 病理成像	深度学习, 多模态融合模型	高光谱图像, 病理图像	NA	NA	RVCK-net	准确率	NA
133	2025-10-06	PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes 2025-Jul, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101009 PMID:40466864	研究论文	提出一种名为PTMFusionNet的深度学习方法，用于预测疾病相关翻译后修饰并整合蛋白质表达数据进行疾病亚型分类	开发了结合层注意力图卷积网络和特征加权图卷积网络的双重GCN模型，能够预测PTM潜力分数并与蛋白质表达数据融合	NA	预测疾病相关翻译后修饰并改进疾病亚型分类	蛋白质翻译后修饰和疾病亚型	机器学习	癌症	质谱技术	GCN	蛋白质表达数据和PTM信息	三个数据集（KIPAN、COADREAD和THCA）	NA	Layer-Attention Graph Convolutional Network (LAGCN), Feature Weighting Graph Convolutional Network (FWGCN)	准确率, F1分数, AUC	NA
134	2025-10-06	Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning 2025-07, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500182 PMID:40505653	研究论文	本研究提出了一种结合高光谱成像和深度学习的新型诊断方法，用于区分皮炎、光化性角化病和脂溢性角化病	首次将高光谱成像与深度学习相结合用于皮肤病变诊断，采用Savitzky-Golay滤波和一阶导数光谱分析增强数据质量	样本量较小（60个样本），需要进一步研究可扩展性和成本效益优化	开发准确诊断皮肤病变的自动化方法	皮炎、光化性角化病(AK)、脂溢性角化病(SK)三种皮肤病变	计算机视觉	皮肤病	高光谱成像(HSI), Savitzky-Golay滤波, 一阶导数光谱分析	深度学习	高光谱图像	60个术中临床标本	NA	NA	准确率, 灵敏度, 特异性	NA
135	2025-10-06	Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes 2025-Jul-31, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.25.666829 PMID:40766630	研究论文	提出一种用于长读长单细胞RNA测序数据结构注释和分离的灵活神经网络框架	采用混合神经网络架构和全局上下文感知设计，能够精确识别因测序噪声或文库构建变异导致的移位、部分降解或重复的结构元件	NA	开发用于长读长单细胞转录组数据处理的结构注释和分离框架	长读长单细胞RNA测序数据	生物信息学	NA	Oxford Nanopore Technologies (ONT), 单细胞RNA测序	混合神经网络	长读长单细胞RNA测序数据	NA	PyTorch, TensorFlow	混合神经网络架构	NA	标准GPU
136	2025-10-06	Toroidal indentation for measuring cell and tissue mechanical anisotropy 2025-Jul-30, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.07.064 PMID:40749995	研究论文	开发了一种基于环形压痕和深度学习的方法来测量生物材料和细胞在不同尺度下的力学各向异性	提出了使用环形压头结合有限元模拟和深度学习模型来量化生物材料各向异性弹性模量的新方法	方法基于线性不可压缩横向各向同性材料模型，可能不适用于非线性或可压缩材料	开发一种通用的压痕方法来估计生物材料从宏观组织到单细胞尺度的各向异性弹性模量	各向异性肌肉组织、细胞单层和单细胞	生物力学	NA	压痕测试、有限元建模、深度学习	深度学习模型	力学测试数据、模拟数据	NA	NA	NA	各向异性程度(E:E比值)	NA
137	2025-10-06	Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study 2025-Jul-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/70118 PMID:40706028	研究论文	通过大规模跨国多队列研究开发基于血清氯水平的深度学习模型预测ICU患者院内死亡率	首次将因果图分析与深度学习相结合，建立个性化生存曲线预测模型，并发现血清氯水平与ICU患者预后的非线性关系	研究基于回顾性数据，可能存在未测量的混杂因素	分析ICU入院时血清氯水平与院内死亡率的关系，建立个性化生存预测模型	重症监护室患者	医疗人工智能	重症监护疾病	因果图分析，限制性立方样条，Cox比例风险模型	深度学习模型	临床数据	189,462名ICU患者（美国和中国四个队列）	NA	Causal SurvivalNet	Brier分数，风险比	NA
138	2025-10-06	Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study 2025-Jul, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01205-3 PMID:40304887	研究论文	本研究探讨视网膜年龄差（深度学习预测的视网膜年龄与实际年龄之差）作为日本人群系统性健康生物标志物的潜力	首次在日本人群中验证视网膜年龄差与系统性疾病的关联，并采用纵向分析方法	纵向分析未发现基线视网膜年龄差与疾病发病的显著关联，仅观察到边际关联	研究视网膜年龄差作为系统性健康生物标志物的临床应用价值	日本长滨研究的参与者	数字病理	心血管疾病	深度学习	深度学习模型	视网膜图像	微调队列2,261人，分析队列6,070人	NA	NA	平均绝对误差	NA
139	2025-10-06	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	开发并验证基于深度学习的计算病理学工具Deep-Breast-Cancer-Recurrence-Auto，用于从常规H&E染色全切片图像预测乳腺癌复发风险	首次提出基于深度学习的计算病理学方法，仅使用常规H&E染色全切片图像即可预测乳腺癌复发风险，为现有基因组学工具提供成本效益更高的替代方案	研究仅在两个独立队列中进行验证，需要更多样化的临床环境进一步验证其普适性	开发准确预测乳腺癌复发风险的计算病理学工具	乳腺癌患者	计算病理学	乳腺癌	苏木精-伊红染色全切片成像	深度学习	病理图像	两个独立队列：癌症基因组图谱计划乳腺癌数据集和俄亥俄州立大学内部数据集	NA	NA	AUC, 准确率, 特异性, 敏感性	NA
140	2025-10-06	Artificial intelligence in pediatric otolaryngology: A state-of-the-art review of opportunities and pitfalls 2025-Jul, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112369 PMID:40334638	综述	对人工智能在儿科耳鼻喉科应用现状、机遇与挑战进行系统性评述	首次系统梳理AI在儿科耳鼻喉科的独特应用场景，强调儿童生理发育特性对AI模型的特殊要求	成人训练数据在儿科应用的泛化能力不足，儿科专项数据相对匮乏	评估AI在儿科耳鼻喉科的临床应用潜力与发展方向	儿科耳鼻喉疾病患者及相关医疗数据	医疗人工智能	儿科耳鼻喉疾病	深度学习, 预测建模, 大语言模型	深度学习模型	医学图像, 临床数据	NA	NA	NA	NA	NA