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	2026-04-01	Neurotype matching in monogamous rodents is modulated by early-life sleep experience 2025-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678442 PMID:41040201	研究论文	本研究利用深度学习工具分析草原田鼠的异性配对互动，探讨早期睡眠干扰对神经类型匹配和社会亲和力的影响	首次在非人类动物中量化神经类型匹配现象，通过早期睡眠干扰模拟人类自闭症特征，并发现混合神经类型配对导致社会亲和力降低	研究仅针对草原田鼠，且模拟的神经类型基于单一干预（早期睡眠干扰），可能无法完全代表人类自闭症的复杂性	探究神经类型匹配现象在非人类动物中的存在及其对社会互动的影响	草原田鼠（Microtus ochrogaster）的异性配对	机器学习	自闭症	深度学习	NA	视频	NA	NA	NA	NA	NA
2	2026-04-01	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-Sep-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	本研究提出了一种名为PROGPATH的统一弱监督深度学习模型，用于整合组织病理学图像特征和常规临床变量，以实现泛癌预后预测	开发了首个能够整合组织病理学图像与常规临床变量进行泛癌预后预测的统一模型；采用基于基础模型的图像编码、注意力引导的多实例学习模块以及交叉注意力变换器进行特征融合；引入了基于路由器的分类策略以提升预测性能；在涵盖多大陆、多机构的广泛外部队列中进行了大规模验证	未明确提及模型的计算效率或实时预测能力；依赖的临床变量范围可能因医疗机构而异；未讨论模型在不同种族或人群亚组中的表现差异	开发一个能够整合多模态数据（图像与临床变量）的泛癌预后预测模型，以指导癌症治疗并改善患者结局	癌症患者的组织病理学全切片图像（WSI）及常规临床变量	数字病理学	泛癌（涵盖15种癌症类型）	组织病理学成像	弱监督深度学习	图像（全切片图像），临床变量（结构化数据）	训练集：6,670名患者的7,999张WSI（涵盖15种癌症类型）；验证集：4,441名患者的7,374张WSI（涵盖12种癌症类型，来自8个联盟/机构）	未明确指定（提及基于基础模型的架构）	注意力引导的多实例学习模块，交叉注意力变换器	未明确指定具体指标（提及优于现有最先进的多模态预后预测模型）	NA
3	2026-04-01	Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes With Unsegmented 3D OCT Volumes 2025-Sep, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.05.036 PMID:40447246	研究论文	本研究利用深度学习模型，基于未分割的3D OCT体积数据，成功区分了视乳头水肿、非动脉炎性前部缺血性视神经病变和健康眼睛	首次使用完整的3D OCT体积数据，通过深度学习模型同时区分视乳头水肿、NAION和健康眼睛，并比较了不同区域（整个扫描、视乳头周围视网膜、视神经乳头）的诊断性能	研究为回顾性分析，可能存在选择偏倚；外部验证集规模相对较小	开发一种基于深度学习的自动化诊断工具，用于区分视神经乳头肿胀的不同病因	视神经乳头和视乳头周围视网膜的OCT扫描图像	计算机视觉	眼科疾病	光学相干断层扫描	CNN	3D图像	4619个原始光谱域视神经乳头体积扫描（来自1539只眼睛），外部验证集包含1663个扫描（来自742只眼睛）	PyTorch	ResNet 3D-18	准确率, AUC-ROC, 加权精确率, 加权召回率, 加权F1分数	NA
4	2026-04-01	Application of deep learning for detecting implants in computed tomography scout images with multi-institution and multi-vendor for personal identification 2025-09, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101315 PMID:40930679	研究论文	本研究提出基于深度学习的方法，用于在计算机断层扫描（CT）定位像中自动检测金属植入物，以辅助法医身份识别	首次在CT定位像中应用深度学习进行植入物检测，并使用了多机构、多厂商的数据集以确保模型在不同成像条件下的泛化能力	研究仅关注金属植入物，未涵盖其他类型的医疗植入物；模型性能可能受限于训练数据的多样性和数量	开发一种自动检测CT定位像中金属植入物的方法，以辅助法医调查中的身份识别	计算机断层扫描（CT）定位像中的金属植入物	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	多机构、多厂商的CT定位像数据集	NA	RetinaNet, Faster R-CNN	假阳性率, 分类一致性	NA
5	2026-03-29	Leveraging learned representations and multitask learning for lysine methylation site discovery 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.27.672583 PMID:40950037	研究论文	本文提出了一种基于Transformer的深度学习模型MethylSight 2.0，用于预测赖氨酸甲基化位点，并通过质谱实验验证了其有效性	利用深度学习最新进展，首次将Transformer架构应用于赖氨酸甲基化位点预测，并结合多任务学习整合其他赖氨酸翻译后修饰信息，实现了最先进的预测精度	模型主要针对赖氨酸甲基化位点，对于非组蛋白底物的甲基化机制理解仍有限，且实验验证的样本规模相对较小	提高赖氨酸甲基化位点的预测准确性，以促进赖氨酸甲基组图谱的绘制和癌症药物靶点的识别	蛋白质中的赖氨酸甲基化位点，特别是非组蛋白底物	自然语言处理	癌症	质谱实验	Transformer	序列数据	NA	NA	Transformer	准确性	NA
6	2026-03-24	Docking With Rosetta and Deep Learning Approaches in CAPRI Rounds 47-55 2025-Sep-22, Proteins IF:3.2Q2 DOI:10.1002/prot.70016 PMID:40980933	研究论文	本文介绍了在CAPRI第47至55轮中，结合Rosetta对接方法和深度学习技术预测蛋白质-蛋白质相互作用的策略与挑战	结合多种Rosetta对接方法（RosettaDock、ReplicaDock、SymDock）与深度学习工具（AlphaFold2、IgFold、AlphaRED），并开发了改进构象采样和评分函数的方法	对于更灵活的复合物，预测准确性仍然有限，尤其是在预测CDR H3环和抗体-抗原结合界面方面存在挑战	提高蛋白质-蛋白质相互作用的盲预测准确性，特别是针对结合诱导的构象变化、大型多聚体蛋白质和抗体-抗原相互作用	CAPRI第47至55轮中的49个目标，包括多阶段组装体、抗体-抗原复合物和柔性界面	计算生物学	NA	蛋白质对接，深度学习	AlphaFold2, IgFold, AlphaRED	蛋白质结构数据	49个CAPRI目标	Rosetta, 深度学习框架	AlphaFold2, IgFold, AlphaRED	DockQ分数，CAPRI质量排名	NA
7	2026-03-24	Deep learning chest X-ray age, epigenetic aging clocks, and associations with age-related subclinical disease in the Project Baseline Health Study 2025-09-19, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/glaf173 PMID:40795299	研究论文	本研究比较了基于深度学习胸片年龄（CXR-Age）与两种表观遗传衰老时钟在预测心肺疾病和衰弱方面的关联性	首次将深度学习胸片年龄与表观遗传衰老时钟进行对比，发现CXR-Age在中年人群中与心肺衰老指标关联更强	研究样本仅来自美国四个中心的2097名参与者，可能存在选择偏倚	比较不同衰老评估方法（CXR-Age与表观遗传时钟）与心肺疾病及衰弱指标的关联强度	Project Baseline Health Study的2097名参与者	医学影像分析	心血管疾病	深度学习，表观遗传时钟（Horvath Age，DNAm PhenoAge）	深度学习模型	胸片图像，表观遗传数据，临床指标	2097名参与者	NA	NA	关联性分析（线性回归）	NA
8	2026-03-23	Deep learning on brief interictal intracranial recordings can accurately characterize seizure onset zones 2025-Sep, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18478 PMID:40423629	研究论文	本研究利用深度学习模型分析短暂的发作间期颅内记录数据，以准确识别癫痫发作起始区	首次证明基于短暂发作间期颅内记录的深度学习模型能够有效分类全脑范围内的癫痫发作起始区，并揭示了发作间期癫痫样放电的特征重要性	研究样本量相对有限（78名患者），且模型性能可能受数据预处理方法（如直方图均衡化）的影响	通过自动化方法定位癫痫发作起始区，以改善术前评估并减少患者住院时间	78名癫痫患者的发作间期立体定向脑电图记录	机器学习	癫痫	立体定向脑电图	CNN	脑电图信号	超过1,000,000个发作间期立体定向脑电图片段，来自78名患者	NA	多通道、多尺度一维卷积神经网络	灵敏度, 特异性, 准确率	NA
9	2026-03-22	RETRACTED ARTICLE: Enhancing communication for people with hearing disabilities through robust sign language recognition using deep learning and the internet of things 2025-Sep-24, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2562454 PMID:40990717	撤稿文章	该文章已被撤稿，原计划研究利用深度学习和物联网技术增强听障人士手语识别的通信辅助技术	NA	文章因同行评审过程不合规而被撤稿，其科学性和可靠性无法得到保证	通过稳健的手语识别技术改善听障人士的沟通能力	听障人士	计算机视觉	听力障碍	深度学习, 物联网	深度学习模型	手势/图像数据	NA	NA	NA	NA	NA
10	2026-03-21	Artificial intelligence-based approaches for sleep-related breathing events identification using EEG and ECG signals 2025-09-01, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03442-9 PMID:40888857	研究论文	本研究提出了一种基于EEG和ECG信号的人工智能方法，用于识别睡眠相关呼吸事件，包括阻塞性睡眠呼吸暂停、中枢性睡眠呼吸暂停和低通气	采用多模态方法结合EEG和ECG信号，并引入稳健的集成学习模型与深度学习模型进行性能比较，提高了家庭睡眠测试中事件分类的准确性	研究仅基于201个PSG数据，样本量相对有限，且未详细讨论模型在更广泛人群或不同设备上的泛化能力	开发一种基于AI的方法，利用EEG和ECG信号识别睡眠相关呼吸事件，以替代传统耗时、不适且昂贵的多导睡眠图诊断	睡眠呼吸暂停（阻塞性和中枢性）和低通气事件	机器学习	睡眠呼吸障碍	小波变换	集成学习模型,深度学习模型	EEG信号,ECG信号	201个多导睡眠图数据	NA	NA	准确率,灵敏度,特异性	NA
11	2026-03-21	Current Trends and Future Directions of Statistical Methods in Medical Research: A Scientometric Analysis 2025-09, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70257 PMID:40916916	综述	本研究通过科学计量分析，探讨了医学研究中统计方法的当前趋势、热点领域及未来发展方向	利用CiteSpace进行双图叠加和文献共被引分析，结合网络指标量化文献影响力与新颖性，系统揭示了医学统计学与多学科的交叉融合及人工智能等新兴技术的增长趋势	研究基于Web of Science的4,919篇出版物，可能未涵盖所有相关文献，且未来方向预测基于现有趋势分析，存在不确定性	全面分析医学统计学领域的当前趋势、有影响力的研究领域及未来方向	医学研究中的统计方法及相关出版物	机器学习	NA	科学计量分析，包括高频关键词分析、引文指标分析、双图叠加分析、文献共被引分析	NA	文本数据（出版物元数据）	4,919篇相关出版物	CiteSpace	NA	网络指标（如中介中心性、sigma值）	NA
12	2026-03-20	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断	首次将早产儿视网膜筛查图像与多模态模型结合，用于预测心肺疾病，超越了仅基于人口统计学风险因素的模型性能	研究样本量有限（BPD队列99例，PH队列37例），且图像采集时间限于孕后34周内，可能影响模型泛化能力	探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能	493名有早产儿视网膜病变风险的婴儿，来自7个新生儿重症监护室	数字病理学	心血管疾病	视网膜图像采集，支持向量机	深度学习，支持向量机	图像，人口统计学数据	493名婴儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
13	2026-03-19	Artificial Intelligence in Contact Dermatitis: Current and Future Perspectives 2025-Sep-08, Dermatitis : contact, atopic, occupational, drug IF:4.0Q1 DOI:10.1177/17103568251376647 PMID:40916798	综述	本文综述了人工智能在接触性皮炎诊断和管理中的当前应用与未来展望	系统总结了AI在接触性皮炎领域的应用，包括图像分析、生物标志物发现和患者风险分析，并指出了未来发展方向	存在数据集偏差、缺乏标准化以及模型可解释性不足等限制	探讨人工智能如何提高接触性皮炎的诊断准确性、效率和可及性	接触性皮炎（包括过敏性接触性皮炎和刺激性接触性皮炎）	自然语言处理, 机器学习	接触性皮炎	图像分析, 转录组学分析	CNN, 机器学习算法	图像, 转录组数据, 临床数据	基于12项原始研究	NA	卷积神经网络	诊断准确率（高达99.5%）	NA
14	2026-03-19	Proposition of a new, minimally-invasive, software smartphone device to predict sleep apnea and its severity 2025-09-05, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03441-w PMID:40911165	研究论文	本研究评估了一款名为Apneal®的智能手机应用，通过记录声音和运动信号来预测睡眠呼吸暂停及其严重程度	提出了一种新的、微创的智能手机软件设备，利用手机的麦克风、加速度计和陀螺仪记录信号，结合深度学习模型自动检测呼吸事件，以替代传统的多导睡眠图	研究为单中心概念验证研究，样本量较小（46名患者），且自动评分方法（版本0.1）可能仍需优化	评估Apneal®应用在估计患者呼吸暂停低通气指数方面的性能，以解决睡眠呼吸暂停诊断中多导睡眠图访问受限的问题	成年患者	机器学习	睡眠呼吸暂停	声音和运动信号记录（通过智能手机麦克风、加速度计和陀螺仪）	序列深度学习模型	声音和运动信号	46名患者（女性占34%，BMI 28.7 kg/m²）	NA	NA	灵敏度, 阳性预测值, AUC-ROC, AUC-PR, ICC, Pearson相关系数	NA
15	2026-03-19	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-09, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	本研究提出了一种基于深度学习的融合框架，用于预测地下水中重金属污染指数	首次将五种常用水污染指数通过定制的基于根的数据融合与归一化方法整合为统一的复合指标，并应用深度神经网络进行建模预测	研究区域局限于伊朗赞詹的Gultepe-Zarrinabad子流域，模型在其他地理区域的泛化能力有待验证	开发一种AI驱动的环境监测工具，以支持可持续水资源管理	地下水中锰(Mn)、铁(Fe)、砷(As)和铅(Pb)四种重金属元素的污染水平	机器学习	NA	数据融合与归一化	DNN, DT, KNN, ANN	水质指标数据	NA	NA	深度神经网络	R, RMSE, MAE	NA
16	2026-03-19	Research on the potential of the deep learning-based "decomposition-optimization-reconstruction" method in runoff prediction for typical climate- and human-regulated basins in northern China 2025-09, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104655 PMID:40561564	研究论文	本文提出了一种基于深度学习的“分解-优化-重构”组合模型，用于中国北方典型气候和人类调控流域的径流预测	结合变分模态分解（VMD）和鲸鱼优化算法（WOA）来优化双向长短期记忆神经网络（BiLSTM），构建VMD-WOA-BiLSTM组合模型，以处理径流序列的非平稳性	模型在不同季节的预测性能存在差异，可能与径流的季节性特征及模型固有预测能力有关；对于总径流量较小的河流，预测效果可能受极端降水事件影响较大	提高径流预测的准确性，特别是在受气候和人类活动影响的非平稳径流序列中	中国北方典型气候和人类调控流域，具体为半干旱地区的海拉尔河流域和大黑河流域	机器学习	NA	变分模态分解（VMD），鲸鱼优化算法（WOA）	BiLSTM	径流序列数据	NA	NA	BiLSTM	预测准确性	NA
17	2026-03-18	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的三维形态	开发了首个开源、用户友好的Napari插件套件，集成了五个深度学习模型，用于自动化处理和分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜图像，并提供了首个手动标注的3D实例分割数据集	未明确说明模型在更广泛数据集或不同物种上的泛化能力，也未详细讨论计算效率或对硬件资源的具体要求	开发一个专门工具，以促进耳蜗毛细胞立体纤毛束的高通量、定量三维形态分析	耳蜗毛细胞及其立体纤毛束	计算机视觉	NA	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D共聚焦显微镜图像	约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的3D标注	NA	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具	NA	NA
18	2026-03-18	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，来自动量化帕金森病患者在家庭环境中的转身角度	这是首个探索使用单目摄像头数据在家庭环境中量化帕金森病患者转身行为的研究，重点关注自由生活场景下的复杂挑战	由于在自由生活环境中难以获取精确的真实数据，研究基于临床专家的手动标注将角度量化为最近的45°区间，这可能影响精度	开发一种自动量化帕金森病患者转身角度的方法，以评估疾病严重程度	帕金森病患者和健康对照志愿者	计算机视觉	帕金森病	视频分析，3D骨架提取	深度学习	视频	24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转身视频片段	NA	Fastpose, Strided Transformer	准确率, 平均绝对误差, 加权精确率	NA
19	2026-03-18	Longitudinal methods for Alzheimer's cognitive status prediction with deep learning 2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70488 PMID:40994414	研究论文	本研究开发了一种新的深度学习技术，用于预测阿尔茨海默病认知状态在3-10年内的变化	提出了一种新的机器学习技术，将认知状态预测从传统的1-3年扩展到3-10年，并引入了两种建模技术：分离标准化基线特征与基线偏差，以及一种新的基于线性注意力的插补方法	研究未明确提及样本的具体数量或数据集的详细特征，且长期预测（3-10年）仍具有挑战性	开发一种新的机器学习技术，以扩展对阿尔茨海默病认知状态的长期预测	遗忘型轻度认知障碍（aMCI）和阿尔茨海默病（AD）患者	机器学习	阿尔茨海默病	深度学习	深度学习模型	神经心理学数据和患者历史数据	使用国家阿尔茨海默病协调中心（NACC）数据库，具体样本数量未明确提及	NA	基于线性注意力的模型	1vA准确率	NA
20	2026-03-18	Big data and AI: Potential and challenges for digital transformation in toxicology 2025-Sep, Environmental analysis, health and toxicology DOI:10.5620/eaht.2025s07 PMID:41265416	综述	本文探讨了大数据和人工智能在毒理学数字化转型中的潜力与挑战，重点关注毒性数据库现状、AI方法及其在化学风险评估中的应用	系统整合了毒性数据库、AI方法（包括机器学习、深度学习和大型语言模型）及案例研究，并强调了解释性AI和不良结局通路框架的结合以提升模型可解释性	高质量同质数据集有限，AI模型的黑箱性质阻碍了监管接受度	推动毒理学从观察科学向预测科学转型，通过AI现代化化学风险评估	毒性数据库、AI方法（如机器学习和深度学习）、化学优先排序案例	机器学习	NA	NA	机器学习, 深度学习, 大型语言模型	大数据	NA	NA	NA	NA	NA