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	2026-07-13	Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility 2025-09-15, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-025-00521-3 PMID:40952583	研究论文	研究不同浓度银离子对莱茵衣藻生长、叶绿素含量和运动能力的生物物理响应	首次揭示银离子对微藻的毒物兴奋效应，表现为低浓度促进生长而高浓度抑制；同时利用深度学习算法跟踪单个微藻的运动，量化银离子对运动能力的影响	未深入探讨银离子影响微藻运动的分子机制，且仅使用单一藻种，结论的普适性有限	探究银离子对微藻（莱茵衣藻）的毒性效应及非线性响应模式	莱茵衣藻（C. reinhardtii）微藻	machine learning	NA	分光光度分析	深度学习算法	图像数据	不同浓度银离子（0.29至1.18 µM）暴露下的莱茵衣藻样本	NA	NA	NA	NA
2	2026-07-13	Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma 2025-09, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110295 PMID:40627917	research paper	开发并解释了一个基于病理组学的集成预测模型，用于肝内胆管癌的预后预测	首次开发了用于肝内胆管癌预后的病理组学集成模型，并通过多种方法提高模型可解释性	NA	开发并解释一个用于肝内胆管癌预后的病理组学集成模型	252例肝内胆管癌患者的术后肿瘤切片	digital pathology	intrahepatic cholangiocarcinoma	NA	CNN	病理图像	252例肝内胆管癌患者	PyTorch	CNN, K-means	AUC	NA
3	2026-07-07	MedImg: An Integrated Database for Public Medical Images 2025-09-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf068 PMID:40833036	研究论文	构建了包含105个公共医学影像数据集、总计1995671张图像的综合数据库MedImg，涵盖14种成像模态和13个器官部位，旨在促进深度学习医学图像分析研究	首次系统整合多源公共医学图像数据，构建在线平台并标准化元数据描述，为算法泛化性验证提供大规模基准资源	仅整合公开数据集，未包含私有或临床实时数据；数据库更新频率和维护机制未明确说明	解决医学图像分析中大规模标准化数据集缺乏的问题	公共医学图像数据集及深度学习算法在临床转化中的有效性验证	计算机视觉, 数字病理学	肺部疾病, 脑部疾病, 眼部疾病, 心脏疾病	X射线, CT, MRI, OCT, 超声, 内镜成像	NA	图像	105个数据集共1995671张医学图像	NA	NA	NA	NA
4	2026-07-07	Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform 2025-Sep-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.28.672961 PMID:40950071	研究论文	介绍了一个开源、基于人工智能的平台LabGym，用于自动化分析秀丽隐杆线虫行为	开发了基于深度学习的自动化平台，能够高精度分类和量化多蠕虫视频中的多种用户定义行为参数	未在摘要中明确提及限制	为秀丽隐杆线虫行为分析提供经济、易用且全面的自动化方法	秀丽隐杆线虫	计算机视觉、机器学习	不适用	深度学习、视频分析	深度学习模型	视频数据	多蠕虫视频（具体数量未提及）	PyTorch	卷积神经网络	准确率（具体指标未列出）	未提及
5	2026-07-07	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-09-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	全面回顾人工智能在肌层浸润性膀胱癌诊断、治疗和反应评估中的应用现状与未来潜力	系统总结了AI在MIBC全程管理中的应用机会，包括诊断、治疗规划和反应评估，并探讨了数据异构、工作流程整合等挑战	未提及具体的验证数据集规模或前瞻性临床试验证据，挑战分析偏向定性描述	评估AI在MIBC管理中的应用现状、挑战及临床影响	肌层浸润性膀胱癌患者的诊断、治疗及反应评估	机器学习	膀胱癌	NA	深度学习模型、机器学习算法	影像数据、临床数据	NA	NA	NA	准确率	NA
6	2026-07-05	CADxPolydetect: a clinically explainable hybrid deep learning system for multi-class colorectal lesion detection using augmented colonoscopy images 2025-09-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03176-4 PMID:41013565	研究论文	提出一个名为CADxPolyDetect的临床可解释混合深度学习系统，用于多类结直肠病变检测，通过增强结肠镜图像实现	将DCGAN扩增、SMOTE平衡、三种预训练CNN（ResNet-50、DenseNet-201、VGG-16）与Transformer网络及多类SVM分类器结合，并利用Grad-CAM生成临床相关热力图，实现了可解释的混合深度学习系统	未提及明确局限性，但可能依赖于单一数据集（Hyper Kvasir）及增强技术，泛化性能需进一步验证	解决结肠镜图像中类别不平衡、可解释性缺失和空间复杂性问题，提高结直肠病变早期检测的准确性和临床信任度	结肠镜图像中的结直肠病变（包括恶性息肉）	计算机视觉	结直肠癌	DCGAN图像增强、SMOTE类别平衡、Grad-CAM可视化解释	CNN与Transformer混合模型	结肠镜图像	原始Hyper Kvasir数据集10,672张图像，扩增至23,000张	NA	ResNet-50, DenseNet-201, VGG-16, Transformer, 多类SVM	准确率、F1分数、精确率、召回率	NA
7	2026-07-03	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-09-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	该研究将先进机器学习和深度神经网络与共识分子对接结合，用于虚拟筛选ALK抑制剂	创新性地结合了基于配体和基于结构的方法，并利用共识对接分数作为特征，通过集成投票模型和XGBoost共识对接模型高效筛选新型ALK抑制剂	模型性能依赖于数据集大小和特征工程，建议进一步的体外测试以验证预测效果	开发用于预测ALK抑制剂的AI模型，加速非小细胞肺癌治疗药物的筛选	ALK抑制剂候选化合物	机器学习	非小细胞肺癌	分子对接	XGBoost, 人工神经网络, 图神经网络	分子结构数据	120,571种化合物用于虚拟筛选	NA	XGBoost, 人工神经网络, 图神经网络	F1分数, 平均精度	NA
8	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟	利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法	对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大	开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法	来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据	机器学习	不适用	分子动力学模拟、高斯积分	一维卷积神经网络、循环神经网络、注意力机制	蛋白质结构坐标、30维高斯积分向量	1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹	PyTorch	注意力机制的一维卷积神经网络、循环神经网络	AUC、精确率、召回率、F1分数、R	未明确提及
9	2026-07-01	Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial 2025-09, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202410-1048OC PMID:40208581	研究论文	研究国家肺部筛查试验中定量CT测量的肺纤维化与临床结局的关系	利用深度学习算法和定量成像技术，在大规模高风险人群中评估肺纤维化的意义	仅包括有吸烟史的高危人群，可能无法推广至其他人群	评估定量肺纤维化测量与临床相关结局的关联	国家肺部筛查试验中的参与者	计算机视觉	肺纤维化	低剂量CT扫描，CALIPER算法，深度学习UIP算法	深度学习模型（DL-UIP）	医学影像	11518名参与者	NA	CALIPER, DL-UIP	危险比（HR）	NA
10	2026-06-19	Street view images help to reveal the impact of noisy environments on the survival duration of stroke patients 2025-09-26, International journal of health geographics IF:3.0Q2 DOI:10.1186/s12942-025-00416-8 PMID:41013534	研究论文	利用街景图像和深度学习模型揭示噪声环境对脑卒中患者生存期的影响	首次使用街景图像结合多模态深度学习模型评估住宅噪声水平，并探讨噪声对脑卒中死亡率的年龄组和社会经济差异	未提及研究局限	研究道路交通噪声对脑卒中患者死亡率的年龄组和社会经济差异影响	辽宁省阜新市2011-2019年间住院的36240名脑卒中患者	机器学习	脑卒中	NA	多模态深度学习模型	街景图像	36240名脑卒中住院患者	NA	多模态深度学习模型	风险比（HR）、95%置信区间（CI）、p值、人口归因分数	NA
11	2026-06-19	3D Deep Learning for Virtual Orbital Defect Reconstruction: A Precise and Automated Approach 2025-09-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011143 PMID:39960444	研究论文	提出一种改进的3D U-Net+++架构用于虚拟眼眶缺损重建，实现高精度和自动化	首次采用改进的3D U-Net+++架构处理涉及中线两侧的眼眶缺损，克服传统镜像技术的局限性，并实现完全自动化	仅基于CT扫描数据，未涉及其他影像模态；临床验证样本量较小（仅15例）	开发精确自动化的虚拟眼眶缺损重建方法以辅助术前规划	眼眶缺损（包括合成缺损和临床骨折病例）的虚拟重建	计算机视觉	眼眶骨折	CT扫描	3D U-Net+++	图像（CT扫描）	300个合成缺损（来自颅骨螺旋CT扫描）和15例临床眼眶骨折病例	NA	3D U-Net+++	Hausdorff距离（HD95）、平均对称表面距离（ASSD）、表面Dice相似系数（Surface DSC）、峰值信噪比（PSNR）、结构相似性指数（SSIM）、5点Likert量表评分	NA
12	2026-06-18	High-performance identification of insulating materials by using generalized spectrum in laser-induced breakdown spectroscopy 2025-Sep-11, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01151e PMID:40838327	研究论文	提出了一种基于激光诱导击穿光谱的广义光谱方法，用于高性能识别绝缘材料，显著提升分类准确性	提出广义光谱法（GSM-LIBS），通过整合多个光谱特征（如峰强度、积分强度、强度比、辐射背景和光谱形状）保留全局和局部信息，优于传统PCA方法	未明确说明局限性	实现绝缘材料的高性能识别，减少资源浪费和污染，促进资源回收	七种不同类型的绝缘材料	机器学习	NA	激光诱导击穿光谱（LIBS）	K近邻（KNN）、支持向量机（SVM）、神经网络（NN）	光谱数据	七种绝缘材料的样本，具体数量未在摘要中提供	NA	KNN、SVM、NN	准确率	NA
13	2026-06-18	Advancements in deep learning for image-guided tumor ablation therapies: a comprehensive review 2025-09-04, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/adfeab PMID:40845893	综述	全面回顾深度学习在图像引导肿瘤消融治疗中的应用，涵盖术前、术中和术后各阶段	系统总结了深度学习在IGTA全流程中的创新应用，包括术前图像分割与增强、术中实时导航和术后疗效监测	未提及具体临床验证结果或定量比较不同深度学习方法的效果	探讨深度学习在图像引导肿瘤消融治疗中提升精准性、安全性和患者预后的潜力	图像引导肿瘤消融治疗中的深度学习技术及其在不同治疗阶段的应用	机器学习, 计算机视觉	肿瘤相关疾病	超声、CT、MRI	深度学习模型	医学图像	NA	NA	NA	NA	NA
14	2026-06-18	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-09-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	开发多模态机器学习模型，整合MRI影像组学、深度学习和临床指标，预测儿童恶性肿瘤患者术后3年无病生存期	首次结合MRI影像组学特征、深度学习特征与临床指标构建多模态融合模型，并采用贝叶斯优化进行参数调整，显著提升预测性能	回顾性研究设计，样本量有限（260例），且仅针对接受R0切除的脑肿瘤患儿，可能限制模型的泛化能力	开发可预测儿童恶性肿瘤术后3年无病生存期的多模态机器学习模型，为个性化治疗提供科学依据	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	数字病理学	儿童恶性脑肿瘤	MRI影像组学, 深度学习	SVM, RF, LightGBM	MRI图像, 临床指标	260例儿童脑肿瘤患者	PyRadiomics, PyTorch	3D ResNet-18	AUC, 敏感性, 特异性	NA
15	2026-06-17	EEG-Based Deep Learning Model for Hyper-Acute Large Vessel Occlusion Stroke Detection in Mice 2025-09, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1111/cns.70592 PMID:41014019	research paper	开发基于脑电图（EEG）的深度学习模型，用于小鼠超急性大血管闭塞性脑卒中的早期检测	首次利用EEG信号结合EEGNet深度学习架构实现超急性期大血管闭塞性脑卒中的高准确率检测，并在小鼠模型上验证了其在发病后1.5小时内的可靠性	该研究仅在动物模型上进行，未在人类临床数据中验证，且样本量有限	开发一种基于EEG的深度学习模型，用于超急性大血管闭塞性脑卒中的早期、准确检测	pMCAO小鼠模型，用于模拟大血管闭塞性脑卒中	machine learning	stroke (脑卒中)	EEG（脑电图）	EEGNet	EEG信号数据	未在摘要中明确说明样本量（涉及pMCAO小鼠和假手术小鼠）	NA	EEGNet	accuracy, AUC, precision, recall, F1 score	NA
16	2026-06-15	Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service 2025 Sep-Oct, Clinical & experimental ophthalmology DOI:10.1111/ceo.14560 PMID:40491217	研究论文	开发并验证一种用于区域糖尿病视网膜病变筛查的双模态深度学习系统	结合眼底照片和OCT扫描的双模态深度学习系统，在多种族社区中检测威胁视力的糖尿病视网膜病变，达到高准确性和特异性	7.4%的眼底照片不可分级，可能影响系统在部分患者中的适用性	评估深度学习系统在区域糖尿病视网膜病变筛查中的性能和有效性	多民族社区的糖尿病患者	计算机视觉	糖尿病视网膜病变	NA	深度学习	图像	748名糖尿病患者	NA	NA	敏感性、特异性、AUC	NA
17	2026-06-15	Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging 2025 Sep-Oct, Clinical & experimental ophthalmology DOI:10.1111/ceo.14566 PMID:40515626	研究论文	横断面和纵向分析视网膜血管特征与青光眼、年龄相关性黄斑变性等眼病的关联	首次在大型纵向队列（加拿大老龄化纵向研究）中评估视网膜血管特征与眼病随时间变化的关系，并揭示横断面关联可能源于反向因果	依赖自我报告的眼病诊断，可能存在报告偏倚；使用深度学习算法提取血管特征，但未与其他方法对比；纵向随访期仅3年，可能不足以完全揭示因果关系	探究视网膜血管特征（如直径和扭曲度）与青光眼及年龄相关性黄斑变性的横断面和纵向关联	加拿大老龄化纵向研究中30,097名参与者的基线及3年随访数据	机器学习	青光眼, 年龄相关性黄斑变性	眼底成像	深度学习	图像, 表格数据	30,097名参与者，92%随访率	NA	QUARTZ（深度学习算法）	比值比, 置信区间, 贝塔系数	NA
18	2026-06-07	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-09, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	提出一种基于结构的蛋白质-蛋白质结合亲和力预测器PCANN，并与其他神经网络预测器进行比较	使用ESM-2语言模型编码蛋白质结合界面信息，结合图注意力网络（GAT）进行预测，在两个新数据集上优于现有最佳预测器BindPPI	实验数据有限且准确性不高，缺乏内部一致性，需通过AI辅助文献检索和人工筛选解决	开发更准确的蛋白质-蛋白质结合亲和力预测器	蛋白质-蛋白质复合物	机器学习	NA	NA	图注意力网络，ESM-2语言模型	序列	两个文献提取的数据集	NA	图注意力网络	平均绝对误差	NA
19	2026-06-06	The Use and Importance ofArtificial Intelligence in Vaccine Research, Development, and Production 2025-Sep, Archives of Razi Institute DOI:10.32598/ARI.80.5.3442 PMID:42226986	综述	综述了人工智能（AI）在疫苗研究、开发和生产的应用及重要性	系统评估了AI技术（机器学习、深度学习、自然语言处理）在疫苗靶点识别、配方优化和生产流程简化中的作用，并强调其在优化供应链和改善全球疫苗可及性方面的潜力	存在伦理问题（数据隐私、算法偏见）、AI整合到现有框架的挑战	评估AI技术在疫苗研发和生产中的角色，并强调其在应对新兴传染病和公共卫生危机中的重要性	疫苗研究、开发和生产的全流程	机器学习	传染病	NA	NA	文本、数据	NA	NA	NA	NA	NA
20	2026-06-02	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-09, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发和验证基于腕戴式加速度计和深度学习的算法，用于自动检测全面性或双侧强直阵挛性发作，并集成到商用智能手表中	采用基于分位数聚合的可调灵敏度集成的卷积神经网络架构，实现高检测性能与可调灵敏度	错过了两次发作，其中一次因佩戴传感器的患者手臂被床栏杆卡住而未能检测到	自动检测全面性惊厥性发作	全面性或双侧强直阵挛性发作患者	机器学习	癫痫	三维加速度计	卷积神经网络	加速度数据	384名患者（训练集37人含54次发作，独立测试集347人含49次发作）	NA	集成卷积神经网络（Episave）	灵敏度、误报率、检测潜伏期	NA