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
101	2025-11-08	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-Sep-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	本研究开发了一种结合机器学习和分子对接的AI模型，用于虚拟筛选间变性淋巴瘤激酶抑制剂	结合了基于配体和基于结构的双重方法，使用集成投票模型和共识对接策略，在大型化合物库中筛选出三个有前景的ALK抑制剂	需要进一步的体外实验验证模型筛选性能，图神经网络表现不如传统机器学习模型	开发AI模型预测ALK抑制剂用于非小细胞肺癌治疗	间变性淋巴瘤激酶抑制剂化合物	机器学习	肺癌	分子对接，虚拟筛选	XGBoost, ANN, GNN, 集成学习	化合物结构数据	120,571个化合物	XGBoost, TensorFlow/PyTorch	人工神经网络, 图神经网络, 集成投票模型	F1分数, 平均精度, 交叉验证	GPU加速分子对接程序
102	2025-11-07	SeaMoon: From protein language models to continuous structural heterogeneity 2025-Sep-04, Structure (London, England : 1993) DOI:10.1016/j.str.2025.06.010 PMID:40683255	研究论文	本研究开发了SeaMoon方法，直接从蛋白质序列预测连续结构异质性，无需依赖3D结构信息	首次探索直接从蛋白质序列预测连续结构运动，无需利用3D结构；结合蛋白质语言模型与轻量级卷积神经网络；能够捕捉传统方法无法识别的运动模式	仅对40%的测试蛋白质能够以合理精度预测至少一个真实运动	开发直接从蛋白质序列预测连续结构异质性的深度学习方法	蛋白质结构运动和构象变化	计算生物学, 机器学习	NA	蛋白质语言模型, 深度学习	CNN	蛋白质序列, 蛋白质语言模型嵌入	约1,000组实验构象集合	NA	轻量级卷积神经网络	预测精度	NA
103	2025-11-06	Leveraging deep learning to combat cyberbullying on social media 2025 Sep-Dec, Industrial psychiatry journal DOI:10.4103/ipj.ipj_47_25 PMID:41180047	短篇通讯	探讨深度学习技术在社交媒体网络欺凌检测中的应用潜力	结合基于Transformer和循环神经网络的模型，并整合表情符号和情感分析等多模态数据提升检测精度	数据标注困难、网络俚语理解、语境依赖解释问题以及用户匿名性带来的识别挑战	开发更准确、全面且符合伦理的网络欺凌检测方法	社交媒体中的网络欺凌内容（文本、图像）和用户行为	自然语言处理	NA	情感分析，多模态数据分析	Transformer, RNN	文本，图像，多模态数据	NA	NA	Transformer, 循环神经网络	检测准确率	NA
104	2025-11-05	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.04.636130 PMID:39974895	研究论文	本研究使用深度学习模型Enformer预测合成调控基因组学数据中的DNA可及性和RNA转录，并通过微调提升模型性能	首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提升了模型对基因组变异的预测泛化能力	模型对DHS顺序或方向重排的序列预测能力较差，训练数据主要基于参考基因组相似序列	评估和改进深度学习模型对基因组变异序列的表观遗传特征预测能力	DNase I超敏感位点的删除、倒位和重排等工程化序列	计算生物学	NA	合成调控基因组学，表观遗传学分析	深度学习	基因组序列，表观遗传数据	数十个DHS工程化序列	NA	Enformer	预测误差，相关性	NA
105	2025-11-05	Correction: A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches? 2025-Sep, Cureus DOI:10.7759/cureus.c307 PMID:41185712	correction	本文是对先前发表的一篇系统综述文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
106	2025-11-02	Application of Explainable Artificial Intelligence Based on Visual Explanation in Digestive Endoscopy 2025-Sep-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101058 PMID:41155057	综述	系统回顾基于视觉解释的可解释人工智能在消化内镜图像分析中的研究进展与应用	首次系统梳理消化内镜领域视觉解释型XAI方法的应用现状，重点关注模型决策透明化	仅纳入34篇文献，样本量有限；未涉及非视觉解释方法	构建可信赖的AI辅助消化内镜诊疗系统	消化内镜图像（食管胃十二指肠镜、结肠镜、超声内镜、无线胶囊内镜）	计算机视觉	胃肠道疾病	消化内镜成像	深度学习	医学图像	34篇研究文献	NA	NA	NA	NA
107	2025-11-02	Comparative Analysis of Foundational, Advanced, and Traditional Deep Learning Models for Hyperpolarized Gas MRI Lung Segmentation: Robust Performance in Data-Constrained Scenarios 2025-Sep-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101062 PMID:41155061	研究论文	比较基础模型、先进大核架构和传统深度学习方法在超极化气体MRI肺部分割任务中不同数据量下的性能表现	首次系统比较基础模型、先进大核架构和传统深度学习在数据受限场景下的医学图像分割性能，发现基础模型和先进架构在极端数据稀缺情况下仍能保持稳定性能	研究仅针对超极化气体MRI肺部分割任务，样本量相对有限（205名参与者），需要进一步验证在其他医学影像任务中的泛化能力	评估不同深度学习模型在数据受限情况下对超极化气体MRI肺部分割的性能表现	慢性阻塞性肺疾病（COPD）患者的超极化气体MRI肺部图像	医学影像分析	慢性阻塞性肺疾病	超极化气体MRI（氦-3和氙-129）	基础模型,先进大核架构,传统深度学习模型	2D MRI图像	205名参与者的1640张2D MRI切片	NA	Segment Anything Model, MedSAM, UniRepLKNet, TransXNet, UNet with VGG19, Feature Pyramid Network with MIT-B5, DeepLabV3 with ResNet152	DSC（Dice相似系数）	NA
108	2025-11-02	Wearable Flexible Wireless Pressure Sensor Based on Poly(vinyl alcohol)/Carbon Nanotube/MXene Composite for Health Monitoring 2025-Sep-30, Micromachines IF:3.0Q2 DOI:10.3390/mi16101132 PMID:41156378	研究论文	开发了一种基于PVA/碳纳米管/MXene复合材料的可穿戴柔性无线压力传感器，用于健康监测	采用PVA/单壁碳纳米管/MXene复合材料作为敏感材料，结合随机分布的皱纹结构，实现高精度压力监测	NA	开发高精度无线柔性传感器用于人体健康监测和人机界面应用	声带运动、弯曲手指和人体脉搏	NA	NA	压力传感技术	深度学习模型	压力数据	NA	NA	NA	准确率	无需额外计算设备
109	2025-11-02	Voice-Based Early Diagnosis of Parkinson's Disease Using Spectrogram Features and AI Models 2025-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101052 PMID:41155050	研究论文	本研究开发了一种基于语音信号和人工智能模型的帕金森病早期诊断系统	结合多种声学特征提取方法和深度学习架构，特别是双向LSTM模型在帕金森病语音分类中表现出优越性能	使用了相对较小的公开数据集（81个样本），且补充数据集（15个样本）未参与实验	开发基于语音分析的帕金森病自动诊断系统	帕金森病患者和非帕金森病个体的语音信号	机器学习	帕金森病	语音信号分析，MFCC，频谱图分析	SVM, XGBoost, 逻辑回归, DNN, CNN, LSTM, GRU, BiLSTM	语音信号	主要数据集81个样本（帕金森病患者和非患者语音录音）	NA	深度神经网络，卷积神经网络，长短期记忆网络，门控循环单元，双向长短期记忆网络	准确率，AUC	NA
110	2025-11-02	Predicting Short-Term Outcome of COVID-19 Pneumonia Using Deep Learning-Based Automatic Detection Algorithm Analysis of Serial Chest Radiographs 2025-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101054 PMID:41155053	研究论文	本研究使用基于深度学习的自动检测算法分析系列胸部X光片，预测COVID-19肺炎患者的短期临床结局	首次将商业深度学习自动检测算法与梯度加权类激活映射技术结合，通过量化系列影像中实变区域的变化率来预测COVID-19患者临床结局	研究样本量有限（391例患者），仅来自单一治疗中心，需要外部验证	评估基于深度学习的自动检测算法参数在预测COVID-19肺炎患者短期临床结局中的价值	COVID-19肺炎患者	计算机视觉	COVID-19肺炎	胸部X光摄影	深度学习	医学影像	391例COVID-19患者	NA	商业深度学习自动检测算法	C-index, AUROC, 集成校准指数	NA
111	2025-11-02	AI-Enhanced Deep Learning Framework for Pulmonary Embolism Detection in CT Angiography 2025-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101055 PMID:41155054	研究论文	提出一种用于CT肺动脉造影中肺栓塞检测的AI增强深度学习框架	引入了共识交集优化融合(CIOF)方法，通过K-of-M像素级掩码融合和训练患者投票阈值优化来最大化IoU	运行时间较高(约63.7秒每病例)，因为需要执行和融合所有十个模型	提高CT肺动脉造影中肺栓塞检测的准确性和鲁棒性	肺栓塞患者	计算机视觉	肺栓塞	CT肺动脉造影(CTPA)	全卷积网络(FCN)	医学影像	35名患者，12,034个切片	NA	Inception-ResNetV2, 全卷积网络	IoU, Dice系数, 假阴性率(FNR), 假阳性率(FPR), 延迟时间	NA
112	2025-11-02	Ultrawidefield-to-Conventional Fundus Image Translation with Scaled Feature Registration and Distorted Vessel Correction 2025-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101046 PMID:41155045	研究论文	提出一种改进的超广角眼底图像到常规眼底图像的转换方法，通过尺度特征配准和扭曲血管校正技术提升图像质量	采用尺度特征配准和扭曲血管校正方法，有效解决未配对学习中常见的畸变现象，显著提升图像转换质量	需要从同一患者同一天采集的配对UFI-CFI数据，数据收集存在限制	改进眼底图像模态转换方法，提升眼科深度学习模型的诊断支持能力	超广角眼底图像(UFI)和常规眼底图像(CFI)	计算机视觉	眼科疾病	眼底成像	生成模型	图像	NA	NA	NA	MSE, PSNR, SSIM	NA
113	2025-11-02	Integrating Spatial Omics and Deep Learning: Toward Predictive Models of Cardiomyocyte Differentiation Efficiency 2025-Sep-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101037 PMID:41155036	系统综述	通过整合空间多组学技术与深度学习，探索心肌细胞分化效率的预测模型	首次系统整合GNN和RNN等深度学习架构与空间多组学数据，推进心脏再生医学的AI应用	基于文献综述，缺乏原始实验验证	建立AI驱动的心脏再生医学预测模型，加速再生治疗的临床转化	心肌细胞分化过程及心脏组织	机器学习	心血管疾病	空间转录组学、表观基因组学、单细胞多组学	GNN, RNN	空间多组学数据、单细胞数据	88项PRISMA筛选研究（2015-2025年）	NA	图神经网络，循环神经网络	NA	NA
114	2025-11-02	Artificial Intelligence-Based Methods and Omics for Mental Illness Diagnosis: A Review 2025-Sep-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101039 PMID:41155039	综述	本文综述了基于人工智能和多组学技术在精神疾病诊断中的应用现状与发展前景	整合人工智能方法与多组学数据，为精神疾病提供个性化精准诊断新范式	精神疾病的异质性和复杂性仍是当前诊断方法的主要挑战	探索精神疾病的生物标志物并推进个性化精准诊断	焦虑障碍、抑郁症和双相情感障碍等主要精神疾病	机器学习	精神疾病	多组学数据整合分析	机器学习,深度学习,计算建模	临床数据,生物分析数据	NA	NA	NA	NA	NA
115	2025-11-02	LLM-Enhanced Multimodal Framework for Drug-Drug Interaction Prediction 2025-Sep-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13102355 PMID:41153642	研究论文	提出一种融合多模态数据的深度学习框架用于药物相互作用预测	首次将领域专用大语言模型BioBERT的语义嵌入与化学结构和药理机制相结合，通过随机重启随机游走算法整合间接生物通路	未明确说明模型在不同类型药物相互作用上的泛化能力	开发可扩展且准确的药物相互作用预测方法以支持多重用药决策	药物相互作用	自然语言处理, 机器学习	NA	多模态深度学习, 随机重启随机游走算法	深度学习框架	化学结构数据, 文本嵌入, 蛋白质相互作用网络	NA	NA	BioBERT, 多模态融合架构	分类准确率	NA
116	2025-11-02	Beyond PSA: The Future of Prostate Cancer Diagnosis Using Artificial Intelligence, Novel Biomarkers, and Advanced Imagery 2025-Sep-25, Life (Basel, Switzerland) DOI:10.3390/life15101508 PMID:41157181	综述	本文全面分析人工智能、新型生物标志物和先进影像技术在提升前列腺癌诊断准确性和效率方面的应用前景	系统整合人工智能驱动影像解读、放射组学、基因组分类器和多模态数据融合等新兴技术，提出超越传统PSA检测的前列腺癌诊断新范式	存在技术实施、监管审批和伦理考量等临床转化挑战	探索前列腺癌诊断领域的技术革新和未来发展方向	前列腺癌诊断相关文献和研究	数字病理	前列腺癌	多参数MRI、组织病理学、基因组检测	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	准确率、可重复性、诊断准确性	NA
117	2025-11-02	Ultra-High Resolution 9.4T Brain MRI Segmentation via a Newly Engineered Multi-Scale Residual Nested U-Net with Gated Attention 2025-Sep-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101014 PMID:41155013	研究论文	本文提出了一种专门针对9.4T超高分辨率脑MRI分割的新型深度学习模型GA-MS-UNet++	首个专门为9.4T脑MRI分割设计的深度学习模型，集成了多尺度残差块、门控跳跃连接和空间通道注意力机制	标注数据有限	开发适用于9.4T超高分辨率脑MRI的分割算法	脑部MRI图像	医学图像分析	神经系统疾病	MRI	CNN	图像	12名患者的UltraCortex 9.4T数据集	NA	GA-MS-UNet++, Multi-Scale Residual Nested U-Net	Dice系数, 准确率, 精确率, 召回率	NA
118	2025-11-02	Deep Ensemble Learning and Explainable AI for Multi-Class Classification of Earthstar Fungal Species 2025-Sep-23, Biology DOI:10.3390/biology14101313 PMID:41154716	研究论文	本研究使用深度学习和可解释人工智能技术对八种形态相似的地星真菌物种进行多类别图像分类	首次在文献中同时评估八种形态相似的真菌物种，设计了两种混合集成模型（EfficientNet-B3 + DeiT 和 DenseNet121 + MaxViT-S），并强调分类准确性和模型可解释性的平衡	数据集仅包含特定物种，未来需要从不同生态区域扩展样本并在野外条件下测试方法	开发能够准确分类形态相似真菌物种并具有良好可解释性的深度学习框架	八种形态相似的宏观地星真菌物种	计算机视觉	NA	图像分析	CNN, Transformer	图像	NA	NA	EfficientNetV2-M, DenseNet121, MaxViT-S, DeiT, RegNetY-8GF, MobileNetV3, EfficientNet-B3, MnasNet	准确率, 精确率, 召回率, F1分数, 特异性, 对数损失, MCC	NA
119	2025-11-02	Evaluation of UNeXt for Automatic Bone Surface Segmentation on Ultrasound Imaging in Image-Guided Pediatric Surgery 2025-Sep-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101008 PMID:41155007	研究论文	本研究开发了一种适用于儿科患者的超声图像骨表面自动分割模型，用于图像引导儿科手术中的患者配准	针对10岁以下儿童骨骼特征不明显的特殊需求，开发了专门适用于儿科患者的骨表面分割模型	研究样本量相对较小，仅包含16名儿科患者	开发自动骨表面分割模型以替代传统患者配准方法	儿科患者的四肢、骨盆和胸部骨骼	医学图像分析	儿科手术	超声成像	深度学习	超声图像	16名儿科患者的4309张超声图像	NA	UNeXt	平均中心线Dice系数, 平均表面距离	NA
120	2025-11-02	An Automated Diagnosis of Myopia from an Optic Disc Image Using YOLOv11: A Feasible Approach for Non-Expert ECPs in Computer Vision 2025-Sep-23, Life (Basel, Switzerland) DOI:10.3390/life15101495 PMID:41157168	研究论文	本研究开发了一种基于YOLO架构的深度学习模型，通过分析眼底图像中的视盘区域实现近视的自动化诊断	首次将YOLOv8和YOLOv11模型应用于近视诊断，设计了专门面向非计算机专业眼科医生的可用流程	使用单中心数据集，样本量有限（730张增强图像），需要更多外部验证	开发适用于非专业眼科医生的自动化近视诊断工具	眼底图像中的视盘区域	计算机视觉	近视	眼底摄影	YOLO	图像	730张增强训练图像，98张内部验证图像，50张独立测试图像	YOLO	YOLOv8, YOLOv11-nano	准确率, 敏感度, F1分数, AUC	NA