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
21	2026-03-06	Using the latent diffusion model to enhance time-resolved laser speckle contrast imaging (TR-LSCI) of cerebral blood flow 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.567377 PMID:41112794	研究论文	本研究开发了一种结合时间分辨激光散斑对比成像（TR-LSCI）与潜在扩散模型（LTDiff++）的框架，用于增强脑血流成像的深度分辨能力和图像质量	将多尺度潜在扩散模型（LTDiff++）集成到TR-LSCI分析流程中，有效抑制光子扩散噪声，并仅需5帧平均即可维持图像质量，相比传统100帧平均方法将采集时间缩短了20倍	研究在头部模拟体模和新生大鼠上进行训练和验证，尚未在更广泛或更复杂的临床场景中进行大规模验证	开发一种能够实现高时空分辨率、深度敏感且快速的脑血流成像方法，以用于神经疾病的准确诊断和有效管理	脑血流（CBF）	计算机视觉	神经系统疾病	时间分辨激光散斑对比成像（TR-LSCI），皮秒脉冲激光照明，门控模式SPAD512相机	扩散模型	图像	使用头部模拟体模和新生大鼠脑血流图像进行训练和验证	NA	多尺度潜在扩散模型（LTDiff++）	图像质量（通过结构特征和血管特征保存情况评估）	NA
22	2026-03-03	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2025-Oct-30, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文总结了视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新进展，重点关注其在发现治疗靶点和非侵入性诊断生物标志物方面的潜力	整合了人工智能驱动的计算流程，特别是GPU加速的深度学习架构，显著提高了视网膜蛋白质组学的精确性和效率，并利用先进的大数据基础设施支持早期生物标志物检测	NA	探索视网膜蛋白质组学在神经退行性疾病和眼部疾病中的应用，以发现新的治疗靶点和诊断生物标志物	视网膜蛋白质组，涉及疾病包括青光眼、年龄相关性黄斑变性、糖尿病视网膜病变、视网膜色素变性，以及阿尔茨海默病、肌萎缩侧索硬化症和帕金森病	数字病理学	神经退行性疾病	基于质谱的蛋白质组学技术	深度学习	蛋白质组学数据	NA	NA	NA	疾病特异性和敏感性	GPU加速的深度学习架构，先进的大数据基础设施
23	2026-03-03	Memorization bias impacts modeling of alternative conformational states of solute carrier membrane proteins with methods from deep learning 2025-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013590 PMID:41105726	研究论文	本文评估了深度学习建模中记忆化偏差对溶质载体膜蛋白替代构象状态的影响，并提出了一种结合ESM和模板建模的方法来一致建模这些状态	提出了一种结合进化尺度建模和模板建模的新流程，以克服AlphaFold2/3在建模溶质载体蛋白多构象状态时的记忆化偏差，并利用序列进化协方差数据进行验证	方法主要适用于具有内部伪对称性的溶质载体蛋白，可能不适用于所有膜蛋白类型，且依赖于模板的可用性	评估记忆化偏差对溶质载体膜蛋白多构象状态建模的影响，并开发一种能一致建模替代构象状态的方法	溶质载体膜蛋白，特别是具有伪对称结构的蛋白质，如SLC35F2	计算生物学	NA	进化尺度建模，模板建模，序列进化协方差分析	AlphaFold2, AlphaFold3, ESM	蛋白质序列，结构模板	多个整合膜蛋白转运体，包括SLC35F2	NA	NA	NA	NA
24	2026-02-28	Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning 2025-Oct-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf248 PMID:40891072	研究论文	本研究开发了一种基于深度学习的全自动模型，利用心血管磁共振晚期钆增强图像预测轻链型心脏淀粉样变性的个体化预后	采用基于Transformer的深度学习模型进行全心脏分析，结合对比预训练策略增强特征区分并减少过拟合，以及集成学习策略整合多个生存时间点的预测	研究样本量相对有限（394例患者），且仅基于LGE图像，未整合其他临床或影像学数据	开发一种个体化的预后预测方法，以补充现有的Mayo分期系统	轻链型心脏淀粉样变性患者	数字病理学	心血管疾病	心血管磁共振成像	深度学习	图像	394例AL-CA患者，其中测试集79例	NA	Transformer	C-index, AUC, HR	NA
25	2026-02-28	Visible-Light Hyperspectral Reconstruction and PCA-Based Feature Extraction for Malignant Pleural Effusion Cytology 2025-10-28, Biosensors DOI:10.3390/bios15110714 PMID:41294726	研究论文	本研究提出了一种结合可见光高光谱成像和主成分分析的计算机辅助诊断模型，用于恶性胸腔积液细胞学图像的分类分析	将高光谱成像技术应用于胸腔积液细胞学分析，结合主成分分析进行特征提取，为肺癌诊断提供新的光谱变异分类方法	未使用深度学习技术进行自动细胞分类，数据维度仍需优化以提高诊断速度和计算效率	开发先进的胸腔积液细胞学图像分析模型，辅助肺癌诊断和分期	恶性胸腔积液细胞学图像	计算机视觉	肺癌	高光谱成像，吉姆萨染色	PCA	高光谱图像	NA	NA	NA	NA	显微镜搭载的敏感CCD
26	2026-02-27	Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110664 PMID:40902973	研究论文	本文揭示了与神经退行性疾病相关的未充分研究的激酶DCLK3的独特自调节机制和底物特异性	首次发现了DCLK3通过其截短的尾部进行自磷酸化，并以不同于其旁系同源物DCLK1的方式将其锚定在催化结构域上；利用深度学习模型预测并验证了微管相关蛋白Tau作为DCLK3的潜在底物	研究主要基于体外实验和计算预测，体内功能验证和病理相关性仍需进一步探索	阐明未充分表征的激酶DCLK3的调控机制和细胞功能，为神经退行性疾病提供潜在治疗靶点	双皮质素样激酶3（DCLK3）及其细胞底物	计算生物学, 生物信息学	神经退行性疾病（如亨廷顿病）	计算分析, 实验分析, 肽库数据集, 体外测定, 质谱分析	深度学习模型	肽序列数据	NA	NA	NA	NA	NA
27	2026-02-27	Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14 2025-10, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110611 PMID:40848973	研究论文	本研究通过结构引导的虚拟筛选和机器学习增强的对接技术，发现并验证了一类可选择性、非共价抑制RGS14 GTP酶加速蛋白活性的小分子抑制剂	首次实现了对RGS14这一“不可成药”蛋白GTP酶加速活性的非共价、小分子抑制，并利用机器学习增强的对接技术指导针对浅表蛋白表面的配体优化	未在动物疾病模型中验证抑制剂的治疗潜力，且针对的蛋白-蛋白相互作用界面较浅，可能影响后续药物开发的难度	开发针对RGS14蛋白GTP酶加速活性的选择性小分子抑制剂，探索其作为中枢神经系统和代谢性疾病潜在治疗药物的可能性	RGS14蛋白及其GTP酶加速蛋白活性	药物发现，计算化学	中枢神经系统疾病，代谢性疾病	结构引导虚拟筛选，配体对接，荧光检测，放射性GTP水解测定，深度学习评分	深度学习模型	分子结构数据，生物化学测定数据	超过40个第二代类似物	NA	NA	抑制活性，亲和力增益，细胞毒性，药代动力学参数，中枢神经系统渗透性	NA
28	2026-02-25	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大语言模型启发的方法，通过学习植物群落中物种丰度排序序列的“句法”来预测物种组成和栖息地类型	首次将大语言模型的序列建模思想应用于植物群落生态学，通过捕捉物种间的潜在关联来提升预测性能	研究范围目前局限于欧洲及邻近地区的植物物种，未明确说明模型在极端环境或高度干扰生态系统中的泛化能力	开发一种能够准确预测植物群落物种组成和栖息地类型的方法，以支持生物多样性保护与生态恢复	欧洲及邻近地区的植物群落物种组成数据	自然语言处理	NA	物种丰度序列建模	神经网络	物种序列数据	覆盖超过10,000种植物物种	NA	基于大语言模型架构的序列模型	准确率	NA
29	2026-02-24	Explainable AI for Healthcare 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251454 PMID:41728714	综述	本文介绍了可解释人工智能（XAI）在医疗保健领域的基础概念、应用、挑战及未来研究方向	系统性地分析了XAI在医疗保健领域针对不同数据模态（如时间序列、医学文本、医学图像和音频数据）的独特需求、挑战和应用方法	讨论了当前在医疗保健环境中实施XAI的局限性，例如模型复杂性与可解释性之间的权衡、不同数据模态带来的特定挑战以及临床整合的障碍	探讨如何通过可解释性增强人工智能在医疗保健应用中的透明度、可信度和可靠性	医疗保健领域的人工智能模型，特别是用于疾病诊断、治疗规划、预测分析、个性化医疗和医学影像的模型	机器学习	NA	NA	NA	时间序列数据, 医学文本, 医学图像, 音频数据	NA	NA	NA	NA	NA
30	2026-02-24	Deep Learning-Based Sleep Apnea Classification with Hybrid 1D-CNN-LSTM and 1D-CNN-GRU Models 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251462 PMID:41728721	研究论文	本研究提出了两种混合深度学习架构（1D-CNN-LSTM和1D-CNN-GRU），用于基于ECG信号的睡眠呼吸暂停分类	提出了结合1D-CNN与LSTM/GRU的混合架构，同时利用R-R间期和R波振幅作为输入特征，以捕捉ECG信号的空间和时间依赖性	研究仅使用PhysioNet Apnea-ECG数据库的数据，未在其他独立数据集上进行验证，且未详细说明模型的计算复杂度或实时部署的可行性	开发准确、自动化的睡眠呼吸暂停分类系统，以辅助早期诊断和实时监测	睡眠呼吸暂停患者的心电图（ECG）信号	机器学习	睡眠呼吸暂停	心电图（ECG）信号分析	CNN, LSTM, GRU	一维时序信号（ECG）	使用PhysioNet Apnea-ECG数据库中的ECG信号（具体样本数量未在摘要中说明）	NA	1D-CNN-LSTM, 1D-CNN-GRU	准确率, 灵敏度, 特异性, F1分数	NA
31	2026-02-23	Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review 2025-Oct-29, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506251393123 PMID:41159301	综述	本文是一篇关于人工智能在阑尾炎诊断和预后中应用的叙述性综述	探讨了AI模型（如随机森林、逻辑回归和神经网络）在提高阑尾炎诊断准确性方面的潜力，并指出其在区分复杂病例方面优于传统诊断评分（如Alvarado评分）	数据需求和标准化方面的挑战阻碍了其广泛的临床应用	评估人工智能在改善阑尾炎外科决策中的潜力	急性阑尾炎	机器学习	阑尾炎	机器学习，深度学习	随机森林，逻辑回归，神经网络，SVM，XGBoost	NA	NA	NA	NA	诊断准确性	NA
32	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
33	2026-02-19	Research hotspots and trends of pediatric bone age: A bibliometric and visualization analysis 2025-Oct-04, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-025-04643-0 PMID:41044432	文献计量学分析	本文通过文献计量学和可视化分析，识别了儿科骨龄领域的研究热点并预测了未来趋势	首次对儿科骨龄领域进行了全面的文献计量学和可视化分析，揭示了该领域的研究热点、发展趋势及新兴关键词	分析仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献；研究为回顾性分析，无法直接干预或验证未来趋势	识别儿科骨龄评估领域的研究热点并预测未来趋势	1965年至2024年间发表的儿科骨龄相关科学文献	文献计量学	儿科生长发育	文献计量分析，可视化分析	NA	文本（科学文献元数据）	4652篇出版物	VOSviewer, CiteSpace, R包bibliometrix	NA	NA	NA
34	2026-02-19	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种基于深度学习的创新方法，利用T2加权MRI图像预测前列腺ADC图质量，以在成像过程中实现实时质量评估和干预	首次利用T2加权图像预测ADC图质量，无需依赖传统技术参数标准化，实现了跨中心数据的早期质量评估	研究为回顾性分析，未在实时临床环境中验证干预效果；模型性能虽稳健但仍有提升空间	开发一种深度学习模型，用于早期预测前列腺MRI中ADC图的质量，以辅助即时诊断干预	前列腺MRI图像，包括T2加权图像和ADC图	数字病理	前列腺癌	MRI成像，包括扩散加权成像和T2加权成像	神经网络	图像	486名患者的多中心数据集，涵盖62个外部诊所和内部成像数据	NA	NA	敏感性，阴性预测值，准确率，AUC	NA
35	2026-02-16	DART-Net: A Novel Deep Learning Framework for Precise Radiotherapy Planning with Automated Multiorgan Segmentation and RTSTRUCT Generation 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_238_25 PMID:41684493	研究论文	本研究提出了一种名为DART-Net的新型深度学习框架，用于精确放射治疗规划，实现自动多器官分割和RTSTRUCT生成	首次将双编码器架构、注意力机制和残差连接统一起来，用于自动分割和直接RTSTRUCT生成，这种组合在盆腔分割中先前未被探索	未明确提及，但可能包括训练数据量有限（125个样本）以及对盆腔特定区域的关注	解决放射治疗规划中手动勾画盆腔器官的瓶颈，减少临床时间消耗和观察者间变异性	盆腔器官（膀胱、前列腺、直肠）	数字病理	前列腺癌	CT扫描	CNN	图像	125个专家标注的盆腔CT扫描	NA	DART-Net	Dice相似系数, Hausdorff距离	NA
36	2026-02-16	Uncertain Feature-refinement Attention Unet: Considering Suitable Convolutional Neural Network Model for Real-time Segmentation in Markerless Tumor Tracking 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_112_25 PMID:41684490	研究论文	本研究提出了一种名为UFA-Unet的卷积神经网络模型，用于无标记肿瘤跟踪中的实时分割，旨在解决因噪声和解剖变化导致的域偏移问题	提出UFA-Unet模型，通过不确定特征精炼注意力机制抑制过激活，提高了在域分布偏移下的分割准确性	研究主要基于模拟数字重建放射影像和体模数据，临床真实世界验证有限	开发适用于实时无标记肿瘤跟踪的卷积神经网络分割模型	肺癌病例的4DCT数据、数字重建放射影像、千伏X线透视图像以及动态体模图像	计算机视觉	肺癌	4DCT, 数字重建放射影像, 千伏X线透视	CNN	图像	10例肺癌病例，每例包含两个数据集（首次计划和二次计划），以及动态体模图像	NA	UFA-Unet, U-Net, Attention-Unet, Swin-Unet	分割准确性, 95百分位3D误差	NA
37	2026-02-16	Application and Optimization of Lee Filter for Segmentation of Benign Tumor in Breast Ultrasound Images 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_131_25 PMID:41684505	研究论文	本研究通过优化Lee滤波器的窗口尺寸，提升乳腺超声图像中良性肿瘤分割的准确性	优化Lee滤波器的窗口尺寸以提升乳腺超声图像去噪和分割性能，并利用U-Net模型进行定量评估	NA	优化Lee滤波器窗口尺寸以改善乳腺超声图像中良性肿瘤的分割性能	乳腺超声图像中的良性肿瘤	数字病理学	乳腺癌	超声成像	CNN	图像	NA	NA	U-Net	IoU, PSNR, UQI	NA
38	2026-02-12	VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis 2025-Oct-07, Research square DOI:10.21203/rs.3.rs-7564369/v1 PMID:41282090	研究论文	本文提出了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平	VISTA首次结合变分推断和几何深度学习，联合建模单细胞RNA-seq数据和空间转录组学数据，并引入不确定性量化	NA	解决空间转录组学技术中基因表达谱覆盖范围有限的问题，提升空间转录组数据的分析能力	空间转录组学数据	机器学习	NA	单细胞RNA-seq, 空间转录组学	几何深度学习	基因表达数据, 空间数据	四个空间转录组学数据集	NA	NA	时间效率, 内存消耗	NA
39	2026-02-11	Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study 2025-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102324 PMID:40174752	研究论文	本研究评估了基于深度学习的多模态CT/MRI图像融合与分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性	结合三种图像融合模型（Elastix、ANTs、NiftyReg）和三种分割模型（nnU-Net、3D UX-Net、U-Net），构建了九种混合深度学习模型，用于口腔颌面部肿瘤的自动多模态图像融合与分割	研究为试点研究，样本量较小（30例患者），且未在外部验证集上进行测试	评估深度学习模型在口腔颌面部肿瘤手术规划中多模态CT/MRI图像融合与分割的可行性和准确性	口腔颌面部肿瘤患者	数字病理学	口腔颌面部肿瘤	增强CT扫描、MRI扫描	深度学习模型	CT图像、MRI图像	30例口腔颌面部肿瘤患者	NA	nnU-Net, 3D UX-Net, U-Net	融合指数（FI）、Dice相似系数（Dice）、95% Hausdorff距离（HD95）、平均表面距离（MSD）、精确率（precision）、召回率（recall）	NA
40	2026-02-10	The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis 2025-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102429 PMID:40518015	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能在检测口腔鳞状细胞癌中的诊断性能	首次对人工智能在口腔鳞状细胞癌诊断中的表现进行系统综述与荟萃分析，并比较了深度学习算法与传统机器学习方法的性能差异	研究间存在显著异质性，需要标准化方法和外部验证才能广泛实施	评估人工智能在口腔鳞状细胞癌诊断中的准确性	口腔鳞状细胞癌	数字病理学	口腔鳞状细胞癌	NA	深度学习算法, 传统机器学习方法	NA	24项研究，包含18,574个样本	NA	NA	敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比	NA