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	2026-05-02	Automated detection and recognition of oocyte toxicity by fusion of latent and observable features 2025-08-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138411 PMID:40318589	研究论文	开发了一种融合深度学习潜在特征与可观察人类概念特征的框架，用于自动检测和识别卵母细胞毒性	首次将深度学习提取的潜在特征与人类概念可观察特征融合，用于卵母细胞毒性检测、亚型分类和强度分级	NA	评估环境污染物对卵母细胞异常的影响，并实现自动化毒性检测与分类	小鼠卵母细胞	计算机视觉	NA	NA	深度学习（潜在特征提取网络）	图像	2126张小鼠卵母细胞图像	NA	特征融合网络	ROC-AUC	NA
42	2026-05-02	Deep learning-enhanced hyperspectral imaging for rapid screening of Co-metabolic microplastic-degrading bacteria in environmental samples 2025-08-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.138370 PMID:40267710	研究论文	提出一种结合高光谱成像与深度学习的方法，用于快速筛选共代谢微塑料降解细菌	首次将高光谱成像与深度学习算法结合，用于共代谢固体培养基中微塑料降解细菌的直接筛选，克服了传统方法耗时且难以鉴别共代谢降解菌的局限	仅验证了一种聚己二酸/对苯二甲酸丁二醇酯降解细菌，模型在更广泛微生物种类和环境样本中的适用性需进一步探索	开发一种高效筛选共代谢微塑料降解细菌的方法	共代谢固体培养基中的微塑料降解细菌	机器学习和计算机视觉	不适用	高光谱成像	机器学习和深度学习算法	高光谱图像（包含空间和光谱信息）	实验涉及固体培养基样本，具体数量未明确	不适用	不适用	不适用	不适用
43	2026-04-30	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	通过深度学习药物筛选和回顾性临床分析，发现二肽基肽酶-4抑制剂沙格列汀可作为意识障碍的候选治疗药物	首次利用深度学习模型基于三维分子结构预测现有FDA批准药物作为促醒剂的药效，并验证沙格列汀对急性和长期意识障碍的促醒作用	回顾性研究设计，需前瞻性临床试验确证疗效和安全性	识别现有FDA批准药物中可用于治疗意识障碍的新药	4047例因创伤、血管或缺氧性脑损伤所致昏迷患者的格拉斯哥昏迷量表评分变化	数字病理学, 机器学习	意识障碍, 脑损伤	深度学习药物筛选	深度学习模型	分子结构数据, 临床回顾性数据	4047例昏迷患者	NA	NA	恢复率, 95%置信区间, P值	NA
44	2026-04-30	Predicting hematoma expansion after intracerebral hemorrhage: a comparison of clinician prediction with deep learning radiomics models 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02214-3 PMID:39920546	研究论文	比较临床医生与深度学习影像组学模型在预测脑出血后血肿扩展方面的准确性	首次系统比较专家临床医生与机器学习影像组学模型在预测脑出血后血肿扩展方面的性能，并建立新的性能基准	模型总体AUC中等，提示预测性能仍有提升空间；专家间一致性较低（kappa=0.156）	评估机器学习影像组学模型相比临床专家在预测脑出血后血肿扩展方面的准确性	脑出血患者的基线头部CT影像和入院临床数据	机器学习, 医学影像分析	脑出血	CT影像	随机森林分类器, 深度学习模型	CT影像, 临床数据	900名脑出血患者（训练集621例，测试集279例）	NA	随机森林, 深度学习模型	AUC, kappa系数, 组内相关系数	NA
45	2026-04-29	Structural Connectome Analysis using a Graph-based Deep Model for Prediction of Non-Imaging Variables 2025-Aug-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642165 PMID:40161600	研究论文	利用基于图的深度学习模型从结构脑连接中预测非成像变量	提出一种图卷积网络启发模型，特别是其中的连接注意力模块，可学习脑图嵌入表示并提供图级注意力	未在文中明确提及	预测非成像变量（如年龄和简易精神状态检查分数），以改进对健康与疾病的理解	结构脑连接图谱	机器学习	老年疾病	扩散磁共振成像	图卷积网络	图像	使用PREVENT-AD和OASIS3公开数据集	NA	连接注意力模块	准确率	NA
46	2026-04-27	A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease 2025-08-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123563 PMID:40494037	综述	系统综述脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究现状	综合总结深度学习在脑年龄预测中的应用进展，强调脑年龄差距作为早期诊断标志物的潜力	存在站点效应、偏差校正、数据不足、硬件需求、模型准确性和临床适用性等挑战	系统评估脑年龄差距作为阿尔茨海默病早期诊断生物标志物的研究进展和局限性	脑年龄预测模型和脑年龄差距指标	机器学习	阿尔茨海默病	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
47	2026-04-22	Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative 2025-Aug-05, Research square DOI:10.21203/rs.3.rs-7169062/v2 PMID:40799763	研究论文	本文介绍了一个大型全身和全身体积的[18F]FDG-PET/CT数据集，包含1,597张PET/CT图像及对应的130个目标区域的CT衍生分割	提供了首个包含多中心、多病理类型（如肺癌、淋巴瘤、黑色素瘤）的大规模全身PET/CT数据集，并附带经医生验证的CT自动分割结果	数据集中分割结果基于CT图像自动生成后人工校正，可能存在分割误差；且仅包含特定病理类型，未覆盖所有疾病	通过共享带分割标注的PET/CT数据集，促进深度学习训练和多模态图像分析在临床管理中的应用	无显性疾病的个体及患有肺癌、淋巴瘤、黑色素瘤等不同病理的患者	数字病理学	肺癌, 淋巴瘤, 黑色素瘤	PET/CT成像, CT自动分割	NA	图像（PET/CT）	1,597张PET/CT图像，来自多中心个体，包括健康者和患者	NA	NA	NA	NA
48	2026-04-18	Using Deep Learning to Choose Optimal Smoothing Values for Equating 2025-Aug-23, Applied psychological measurement IF:1.0Q3 DOI:10.1177/01466216251363244 PMID:40881830	研究论文	本研究利用深度学习自动选择等值中的最优平滑值，通过训练卷积神经网络分析人类分类的后平滑图，并与人工选择进行比较	首次将深度学习（特别是卷积神经网络）应用于心理测量等值中的平滑值选择，自动化了传统依赖人工视觉判断的过程	人类与训练网络的一致性率为71%，表明仍有提升空间，且研究可能受限于训练数据的质量和数量	自动化心理测量等值过程中最优平滑值的选择，提高效率和一致性	等值过程中的后平滑图（图像数据）	机器学习	NA	深度学习，图像分类	CNN	图像	使用人类分类的后平滑图进行训练，具体样本数量未明确说明	NA	卷积神经网络	一致性率（agreement rate）	NA
49	2026-04-17	BiU-Net: A Biologically Informed U-Net for Genotype Imputation 2025-Aug-26, Research square DOI:10.21203/rs.3.rs-6797863/v1 PMID:40909775	研究论文	提出一种名为BiU-Net的生物信息学启发的U-Net模型，用于基因型插补，以解决缺失基因型在复杂区域和小数据集中的问题	BiU-Net通过分割基因型数据并编码位置信息来保留基因组上下文，从而在整体指标和按次要等位基因频率分层的指标上优于现有方法	NA	开发一种参考自由的深度学习模型，以改进基因型插补，特别是在复杂区域和种群不匹配的情况下	基因型数据	机器学习	NA	基因型插补	U-Net	基因型数据	涉及1000 Genomes Project、Louisiana Osteoporosis Study和Simons Genome Diversity Project数据集	NA	U-Net	整体指标和按次要等位基因频率分层的指标	NA
50	2026-04-14	ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences 2025-Aug-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.20.671365 PMID:40894558	研究论文	本文介绍了一种名为ESMDynamic的深度学习模型，该模型能够直接从蛋白质序列预测动态的残基-残基接触概率图	首次基于ESMFold架构开发了直接从单序列预测蛋白质动态接触图的深度学习模型，无需多重序列比对，且推理速度比现有方法快数个数量级	模型性能依赖于训练数据（实验结构集合和分子动力学模拟）的质量和覆盖范围，对于训练数据中未充分代表的构象动态模式可能预测能力有限	开发一种快速准确的蛋白质动态接触图预测方法，以理解蛋白质构象动力学	蛋白质序列及其动态结构特性	结构生物学	NA	深度学习，分子动力学模拟	深度学习模型	蛋白质序列，接触概率图	在两个大规模MD数据集（mdCATH和ATLAS）上进行基准测试，并应用于ASCT2和SWEET2b转运蛋白、肌钙蛋白C设计以及HIV-1蛋白酶同源二聚体等多个系统	NA	基于ESMFold架构	与最先进的集合预测模型（AlphaFlow、ESMFlow、BioEmu）在瞬时接触预测方面进行比较	NA
51	2026-04-14	Intratumoral Microbiome-related MRI Model for Predicting Breast Cancer Shrinkage Pattern Following Neoadjuvant Therapy 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243545 PMID:40892452	研究论文	本研究开发了一种基于瘤内微生物组相关MRI特征的模型，用于预测乳腺癌患者在新辅助治疗后肿瘤的缩小模式	首次将瘤内微生物组数据与多时间点MRI的放射组学和深度学习特征融合，构建预测模型，并验证了其在分子亚型和肿瘤分期中的稳健性	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床适用性	开发一个精准预测乳腺癌新辅助治疗后肿瘤缩小模式的模型，以辅助保乳手术规划	接受新辅助治疗并手术的乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习, 机器学习	MRI图像	2249名女性乳腺癌患者（训练集671人，内部验证集335人，外部验证集1243人）	NA	U-Net, ResNet-50	AUC, Dice系数	NA
52	2026-04-12	Transfer Learning Based Deep Learning Approach for Knee Osteoarthritis Grading Using Modified XceptionNet Architecture 2025-08-22, Journal of visualized experiments : JoVE DOI:10.3791/68720 PMID:40920575	研究论文	本研究提出了一种基于迁移学习的深度学习方法，使用改进的XceptionNet架构对膝关节骨关节炎进行分级	通过类别平衡方法、定制化预处理流程及对XceptionNet的架构改进，有效解决了数据集不平衡问题，提升了早期膝关节骨关节炎的检测性能	NA	开发自动化系统用于膝关节骨关节炎的放射学识别，特别是早期检测	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	NA	NA	XceptionNet	准确率, 精确率, 召回率, F1分数, Cohen's kappa	NA
53	2026-04-11	Deep learning approach for automated hMPV classification 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14467-1 PMID:40781468	研究论文	本研究提出了一种名为hMPV-Net的深度学习框架，利用卷积神经网络（CNN）实现人偏肺病毒（hMPV）感染的自动检测与分类	开发了hMPV-Net这一新型深度学习框架，通过结合数据增强、加权损失函数和dropout正则化等先进技术，有效解决了数据集不平衡问题，并在计算效率上显著优于ResNet-50和VGG-16等现有模型	研究使用了模拟图像数据集而非真实患者数据进行训练和评估，这可能会影响模型在真实临床场景中的泛化能力	开发一种能够快速、准确检测和分类人偏肺病毒（hMPV）感染的自动化诊断方法	人偏肺病毒（hMPV）感染病例，特别是儿童、老年人和免疫功能低下患者中的呼吸道疾病	计算机视觉	呼吸道疾病	深度学习，卷积神经网络（CNN）	CNN	图像	10,000个样本，包含等量的hMPV阳性和阴性病例	NA	hMPV-Net	准确率, 精确率, 召回率, F1分数	NA
54	2026-04-07	Detecting structural heart disease from electrocardiograms using AI 2025-08, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09227-0 PMID:40670798	研究论文	本文介绍了一种名为EchoNext的深度学习模型，用于从心电图检测多种结构性心脏病	模型基于大规模多样化健康系统的超过100万条心律和影像记录进行训练，能够检测多种结构性心脏病，并在内部和外部验证中表现出高诊断准确性，优于心脏病专家，且在不同护理环境和种族/民族群体中表现一致	NA	利用人工智能扩大心脏病筛查的可及性	结构性心脏病	机器学习	心血管疾病	深度学习	深度学习模型	心电图（心律记录）和影像记录	超过100万条心律和影像记录	NA	EchoNext	诊断准确性	NA
55	2026-04-05	ACtriplet: An improved deep learning model for activity cliffs prediction by in tegrating triplet loss and pre-training 2025-Aug, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101317 PMID:40893440	研究论文	本文提出了一种名为ACtriplet的改进深度学习模型，通过整合三元组损失和预训练策略来预测活性悬崖	将人脸识别中的三元组损失与预训练策略相结合，开发了专门针对活性悬崖的预测模型，以更好地利用现有数据	未提及具体的数据量限制或模型泛化能力的详细评估	开发一种改进的深度学习模型，用于预测药物发现中的活性悬崖，以优化分子结构	活性悬崖（相似化合物对，其结构微小差异导致结合亲和力显著不同）	机器学习	NA	深度学习	深度神经网络	分子图像或图数据	基于30个基准数据集进行实验	NA	ACtriplet	NA	NA
56	2026-04-01	Head-to-Head Comparison between MRI and CT in the Evaluation of Volume and Quality of Epicardial Adipose Tissue 2025-08, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240531 PMID:40810643	研究论文	本研究系统比较了MRI和CT在评估心外膜脂肪组织体积和质量方面的测量结果	首次使用MRI的Dixon脂肪-水分离技术和CT的深度学习分割技术，对心外膜脂肪组织的体积和质量进行头对头比较	样本量较小（92名参与者），且仅基于瑞典心肺生物影像研究的一个子集，可能限制结果的普适性	评估MRI和CT在测量心外膜脂肪组织体积和质量方面的相关性和一致性	心外膜脂肪组织	医学影像分析	心血管疾病	Dixon脂肪-水分离MRI, CT	深度学习	MRI图像, CT图像	92名参与者（平均年龄59岁，60名男性）	NA	NA	Pearson相关系数, 组内相关系数	NA
57	2026-03-31	Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses 2025-08-04, Biomolecules IF:4.8Q1 DOI:10.3390/biom15081121 PMID:40867566	研究论文	本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现	首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力	研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验	探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力	白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺	生物信息学	NA	LC-MS/MS蛋白质组学，转录组学分析	深度学习，机器学习	蛋白质组数据，转录组数据	三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段	NA	NA	NA	NA
58	2026-03-30	RNA-ligand interaction scoring via data perturbation and augmentation modeling 2025-08, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00820-x PMID:40555786	研究论文	本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用	结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可准确预测RNA-小分子结合	受限于已验证的RNA-小分子相互作用数据有限和已知RNA结构稀缺	开发数据驱动的深度学习模型以预测RNA与小分子的相互作用	RNA与小分子之间的相互作用	机器学习	NA	深度学习	深度学习框架	序列数据	NA	NA	基于注意力的特征融合模块	十倍交叉验证、未见评估、诱饵评估	NA
59	2026-03-22	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2025-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	本文介绍了一种名为ViViEchoformer的深度学习模型，用于从超声心动图视频中直接回归预测射血分数	提出了一种基于视频视觉变换器的深度学习模型，能够直接从超声心动图视频中提取时空信息并准确预测射血分数	NA	开发一种自动、准确的射血分数预测方法，以辅助人类评估和分析	超声心动图视频	计算机视觉	心血管疾病	超声心动图	Transformer	视频	10,030个心尖四腔超声心动图视频	NA	视频视觉变换器	平均绝对误差, 均方根误差, 均方对数误差, 曲线下面积, 分类准确率	NA
60	2026-03-19	Intestinal bacteria translocation promotes β-cell dysfunction in DIO mice 2025-Aug-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15244-w PMID:40849329	研究论文	本研究利用深度学习辅助方法评估肠道细菌易位在肥胖小鼠模型中对胰腺β细胞功能障碍的影响	首次结合FISH、16S rRNA扩增子测序和深度学习辅助方法，精确追踪并量化肠道细菌易位至胰腺的过程，揭示了细菌易位与2型糖尿病严重程度之间的直接关联	研究仅基于小鼠模型，尚未在人类中进行验证；深度学习辅助方法的泛化能力需进一步测试	阐明肠道微生物在2型糖尿病进展中的直接机械作用，特别是肠道细菌易位对胰腺功能的影响	饮食诱导肥胖小鼠和抗生素诱导微生物群破坏的肥胖小鼠模型	数字病理学	2型糖尿病	FISH, 16S rRNA扩增子测序, 深度学习辅助方法	深度学习模型	图像, 序列数据	DIO和AIMD-DIO小鼠模型	NA	NA	准确性, 客观性	NA