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	2026-04-29	Automated vertebral bone quality score measurement on lumbar MRI using deep learning: Development and validation of an AI algorithm 2025-10, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2025.109094 PMID:40780043	研究论文	开发并验证了一种基于深度学习的人工智能算法，可从常规腰椎MRI中自动计算椎体骨质量（VBQ）评分	首次利用YOLOv8深度学习模型实现VBQ评分的全自动计算，无需手动标注感兴趣区域，提高了术前骨质量评估的便捷性和效率	仅使用了单一数据集（SPIDER挑战数据集）进行开发和验证，缺乏多中心外部验证，可能限制算法的泛化性和临床适用性	开发并验证一种基于人工智能的算法，从常规腰椎MRI预测VBQ评分，以改善术前骨质量评估	257例腰椎T1加权MRI扫描（SPIDER挑战数据集）及47例腰椎手术患者的手动标注数据	计算机视觉，深度学习	骨质疏松，骨质量相关疾病	MRI，深度学习	YOLOv8	图像	257例腰椎MRI扫描用于模型开发，47例腰椎手术患者数据用于验证	PyTorch	YOLOv8	精确率，召回率，平均精度均值，组内相关系数，皮尔逊相关系数，均方根误差，平均误差	NA
42	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
43	2026-04-25	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	提出一种名为CaCoFold-R3D的概率语法模型，联合预测RNA的三维基序与二级结构	首次将超过50种已知RNA三维基序的预测与二级结构整合到单一概率语法中，并利用进化信息同时识别规范螺旋（包括假结）和基序	未明确提及，但可能依赖于高质量的序列比对，且基序列表的完整性和新基序发现有待进一步验证	开发一种快速、可定制的RNA三维结构预测方法，用于指导RNA设计和药物靶点发现	RNA序列或比对数据中的三维基序和二级结构	机器学习	NA	RNA-seq	概率语法模型	序列数据	超过50种已知RNA三维基序	NA	R3D语法	NA	NA
44	2026-04-24	Utility of Deep Learning to Address Missing Modalities from Multi-Modal Medical Imaging Studies: A Systematic Review 2025-Oct-17, Artificial intelligence and applications (Commerce, Calif.) DOI:10.47852/bonviewaia52026392 PMID:42021869	综述	系统综述深度学习在多模态医学影像缺失模态问题中的应用方法	对深度学习解决多模态医学数据缺失模态的方法（图像合成、知识迁移、潜在特征空间）进行系统分类和比较	综述方法可能受限于所选数据库（PubMed、IEEE、Scopus）及时间范围（2013-2025年），且未深入分析每种方法的具体性能差异	系统性回顾深度学习应对多模态医学影像缺失模态问题的解决方案	2013年1月至2025年5月间发表的61篇相关研究论文	数字病理学	未指定具体疾病	医学影像（多模态）	深度学习（包括图像合成、知识迁移、潜在特征空间方法）	图像	234篇初筛文章，61篇符合纳入标准	NA	NA	评价指标（具体未列出），关键属性	NA
45	2026-04-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02826-9 PMID:41062826	研究论文	提出Nimbus深度学习模型，基于多重成像数据自动化分类细胞标记表达，无需重新训练	构建包含1.97亿条标注的Pan-M数据集，并在此基础上开发无需重新训练的预训练模型Nimbus，能跨不同组织、细胞类型和显微镜平台进行细胞标记表达分类	NA	开发一种无需重新训练的深度学习模型，自动从多重成像数据中分类单个细胞的标记表达，以促进细胞表型分析	多重成像数据中的细胞标记表达模式	计算机视觉	NA	多重成像	深度学习	图像	1.97亿条标记表达标注，涵盖15种细胞类型	PyTorch	NA	准确率	NA
46	2026-04-22	scGPD: single-cell informed gene panel design for targeted spatial transcriptomics 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.02.680117 PMID:41256660	研究论文	本文介绍了一种基于深度学习的基因面板设计框架scGPD，用于空间转录组学中的靶向基因选择	提出了一种基因-基因相关性感知的门控机制，从单细胞RNA-seq数据中提取信息特征，鼓励所选基因的多样性并消除冗余	NA	设计用于靶向空间转录组学的信息性基因面板，以捕获组织内细胞和空间异质性的复杂性	单细胞RNA-seq数据和空间转录组学数据	计算生物学	NA	单细胞RNA测序, 空间转录组学	深度学习	基因表达数据	NA	NA	NA	细胞类型分类准确率, 转录组范围表达恢复能力	NA
47	2026-04-22	Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study 2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.4.09 PMID:41787625	研究论文	本研究评估了DenseNet121和ResNet50两种深度学习架构在利用多参数心脏磁共振成像自动检测冠状动脉疾病方面的性能和统计稳健性	结合了患者级别的数据划分、严格的统计验证（如Shapiro-Wilk检验和Brown-Forsythe检验）以及现实预处理流程，以生成可重复且具有临床意义的性能评估	未提及具体样本量、计算资源细节或外部验证结果	评估深度学习模型在冠状动脉疾病自动检测中的可靠性和统计稳健性	冠状动脉疾病患者的心脏磁共振成像数据	计算机视觉	心血管疾病	心脏磁共振成像	CNN	图像	NA	NA	DenseNet121, ResNet50	准确率, AUC-ROC, 精确率-召回率曲线下面积	NA
48	2026-04-21	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-10, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤	首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤	样本量较小（117例），且为回顾性研究，可能存在选择偏倚	开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤	儿童院外心脏骤停患者及其早期CT扫描图像	计算机视觉	缺氧缺血性脑损伤	CT扫描	深度学习模型	图像	117例儿童院外心脏骤停病例及年龄匹配的对照组	NA	NA	AUC	NA
49	2026-04-21	Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan 2025-10, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.109027 PMID:41005111	研究论文	本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11	将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性	研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限	开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能	大麻素受体CB1及其配体pepcans肽类	机器学习	NA	分子动力学模拟，生物筛选，深度学习	深度学习模型	分子构象数据，生物活性数据	45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据	NA	MuMoPepcan	预测误差	NA
50	2026-04-18	A protein dynamics-based deep learning model enhances predictions of fitness and epistasis 2025-Oct-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2502444122 PMID:41100667	研究论文	本研究构建了一个融合蛋白质动力学信息的深度学习框架，用于增强对蛋白质突变适应性和上位性效应的预测能力	首次将基于物理的蛋白质动力学指标（非对称动态耦合指数DCI）整合到图神经网络架构中，无需上位性实验数据训练即可有效建模突变间的复杂相互作用	模型仅在四种特定蛋白质的深度突变扫描数据集上验证，尚未在更广泛的蛋白质家族或体内环境中测试	开发能够准确预测多个突变对蛋白质功能协同影响（包括上位性效应）的计算模型	蛋白质突变效应预测，重点关注残基间的动态耦合与上位性相互作用	机器学习	NA	深度突变扫描，蛋白质动力学模拟	GNN	蛋白质序列数据，动力学耦合指标	四种不同蛋白质的深度突变扫描数据集，外加37个计算设计的TEM-1 β-内酰胺酶变体	PyTorch	图神经网络（GNN），基于动态耦合构建残基连接	预测准确性，与现有方法的比较性能	NA
51	2026-04-18	Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data 2025-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8768 PMID:40194853	研究论文	本研究开发了一种基于条件生成对抗网络的方法，从动态对比增强MRI数据合成DSC MRI参数图	首次利用cGAN从DCE MRI数据生成DSC参数图，避免了重复注射造影剂，并能在易感伪影区域可视化	样本量较小（64名参与者），且仅针对脑肿瘤患者进行了验证，未在其他疾病或更大队列中测试	开发深度学习方法来从DCE MRI数据合成DSC MRI参数图，以减少造影剂使用	脑肿瘤患者及无脑肿瘤的对照组参与者	医学影像分析	脑肿瘤	DSC MRI, DCE MRI	cGAN	MRI图像	64名参与者（包括脑肿瘤患者和对照组）	NA	条件生成对抗网络	线性回归, Bland-Altman图	NA
52	2026-04-17	Multiplex design and discovery of proximity handles for programmable proteome editing 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.681693 PMID:41279570	研究论文	本文通过结合蛋白质设计与多重筛选框架，加速发现用于细胞内蛋白质降解、稳定化或重定位的效应器手柄，以推动可编程蛋白质组编辑	开发了LABEL-seq测序分析平台，实现了对9715个设计的候选效应器手柄的多重定量筛选，并成功发现了数百个能驱动蛋白质降解或稳定化的效应器手柄，为蛋白质组编辑提供了新工具	研究主要基于设计的候选效应器手柄进行筛选，可能未覆盖所有天然存在的效应器；且验证主要针对报告蛋白和特定内源性靶点，通用性需进一步验证	开发一种可扩展、低成本的平台，通过深度学习引导的蛋白质设计结合功能细胞读数，加速发现用于可编程蛋白质组编辑的效应器手柄	设计的候选效应器手柄，用于招募靶蛋白至泛素-蛋白酶体系统或自噬通路组件	蛋白质组学	NA	LABEL-seq测序分析，蛋白质设计，多重筛选	深度学习	测序数据，蛋白质丰度数据	9715个设计的候选效应器手柄	NA	NA	蛋白质丰度变化，降解或稳定化效率	NA
53	2026-04-17	Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance 2025-Oct-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf285 PMID:40794555	研究论文	本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，以研究阿尔茨海默病的认知韧性和脑抵抗性	开发了一种Transformer模型，能够从批量RNA测序中恢复细胞类型特异性转录程序，显著优于先前方法，为大规模、成本效益高的细胞类型特异性研究提供了新框架	模型依赖于批量RNA测序数据，可能受限于其分辨率和覆盖度，且未详细讨论技术复杂性和成本降低的具体量化	揭示阿尔茨海默病韧性和抵抗性的细胞类型特异性机制，并识别潜在治疗靶点	阿尔茨海默病患者的脑组织样本，重点关注细胞类型如星形胶质细胞、兴奋性神经元和少突胶质细胞祖细胞	机器学习	阿尔茨海默病	批量RNA测序，单核技术	Transformer	RNA测序数据	NA	NA	Transformer	NA	NA
54	2026-04-17	Simulating a Specialist's Treatment Experience for Hypertension Using Deep Neural Networks 2025-10, Journal of clinical hypertension (Greenwich, Conn.) DOI:10.1111/jch.70173 PMID:41163326	研究论文	本研究开发并验证了一个深度学习模型，用于模拟高血压专家的处方模式并预测后续生理反应	设计了一个双模块深度神经网络框架，同时预测最佳药物处方和次日血压及心率，并采用多目标方法捕捉药物选择与生理结果之间的关系	本研究为概念验证性研究，基于单中心数据集，未来需要多中心合作和更大数据集来验证该方法在临床决策支持中的适用性	开发能够模拟高血压专家治疗决策并预测生理反应的深度学习模型，以辅助标准化治疗并减少决策差异	高血压患者的治疗决策和生理反应	机器学习	心血管疾病	临床试验数据	DNN	结构化临床数据	NA	NA	双模块深度神经网络	平均绝对误差, 误差方差, 平均相对误差	NA
55	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
56	2026-04-12	Spam Classification with Support Vector Machines Using Van der Waerden Rank Score Attention 2025-10-31, Journal of visualized experiments : JoVE DOI:10.3791/69082 PMID:41247923	研究论文	本研究提出了一种基于Van der Waerden秩分数特征注意力增强的支持向量机（VWR-Attn-SVM）用于垃圾邮件分类	引入了Van der Waerden秩变换来归一化文本特征，增强了对异常值的鲁棒性并保持序数关系，同时通过非线性处理和正则化的增强注意力机制优化特征选择	未明确提及具体局限性，如模型在更广泛数据集上的泛化能力或实际部署中的计算效率细节	解决垃圾邮件分类中高维稀疏数据处理的挑战，并降低计算资源需求	垃圾邮件分类任务	自然语言处理	NA	Van der Waerden秩变换	支持向量机（SVM）	文本	使用了UCI Spambase和Indonesian Spam数据集，但未明确指定具体样本数量	NA	VWR-Attn-SVM	准确率, 精确率, 召回率, F1分数, AUC	NA
57	2026-04-12	GeoEvoBuilder: A deep learning framework for efficient functional and thermostable protein design 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504117122 PMID:41071657	研究论文	本文介绍了一个名为GeoEvoBuilder的深度学习框架，用于高效设计功能性和热稳定性蛋白质	提出了一种自适应整合结构和进化约束的深度学习框架，能够直接生成具有所需特性的蛋白质序列，无需依赖传统的单点突变和迭代设计实验循环	未明确提及该框架在计算资源需求、序列设计成功率或对特定蛋白质家族适用性方面的具体限制	开发一种能够直接生成高活性、高热稳定性蛋白质序列的深度学习方法	绿色荧光蛋白、谷胱甘肽过氧化物酶4（GPX4）和二氢叶酸还原酶（DHFR）	机器学习	NA	深度学习	NA	蛋白质序列、结构数据	NA	NA	NA	催化效率提升倍数、热稳定性增益（摄氏度）、结构正确性验证	NA
58	2026-04-12	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-10-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	本文提出了一种名为GARNN-AE-LSTM的多模态深度学习框架，用于实现高精度的视频摘要生成	提出了一种结合预训练门控循环神经网络（GARNN，融合GRU和AlexNet）与对抗编码器LSTM（AE-LSTM）的多模态框架，并引入了运动补偿PCA降维和门控机制来优化特征选择与冗余消除	未明确说明模型的计算复杂度、处理速度或在不同视频类型（如动态范围、长度）上的泛化能力	开发一种高精度的视频摘要方法，通过保留关键内容来创建长视频的简洁版本	视频数据（包含视觉和听觉信息）	计算机视觉	NA	多模态特征提取、运动补偿特征降维、PCA降维	GARNN, AE-LSTM, GRU, AlexNet	视频（图像与音频）	NA	NA	GARNN（GRU与AlexNet结合）, AE-LSTM	敏感度, F分数, 阳性预测值	NA
59	2026-04-12	Decoding Natural Behavior from Neuroethological Embedding 2025-10-03, Journal of visualized experiments : JoVE DOI:10.3791/68668 PMID:41115131	研究论文	本研究提出了一个结合行为图谱、微型双光子显微镜和神经嵌入技术的实验与计算框架，用于从自由活动小鼠的神经活动中解码复杂自然社交行为	首次整合了Social Behavior Atlas（SBeA）、微型双光子显微镜（mTPM）和CEBRA嵌入方法，实现了在自然社交互动场景下对神经群体动力学与行为特征的高精度同步解码	研究目前仅应用于小鼠社交行为模型，方法在其他物种或行为范式中的通用性尚未验证；解码精度可能受神经成像分辨率和行为标注粒度的限制	探索神经群体动力学如何编码自然行为，建立从神经活动解码复杂行为特征的计算方法	自由活动小鼠在自然社交互动过程中的神经活动与行为表现	系统神经科学	NA	微型双光子显微镜（mTPM）、荧光成像、行为姿态估计	深度学习、嵌入学习	神经成像数据、行为视频数据、姿态坐标数据	多只自由活动小鼠（具体数量未明确说明）	CEBRA（Consistent EmBeddings of high-dimensional Recordings using Auxiliary variables）	NA	姿态解码精度（像素误差）、行为基序解码准确率	NA
60	2026-04-11	SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology 2025-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.06.627299 PMID:41278937	研究论文	本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在捕获细胞形态、蛋白质定位、细胞组织和生物功能	提出了基于蛋白质组感知学习目标的自监督模型，首次从图像数据直接学习构建了蛋白质组层次图，并整合蛋白质序列模型实现多模态蛋白质表示	NA	开发用于荧光显微镜的深度学习模型，以捕获单细胞生物学特征	人类蛋白质图谱中的蛋白质组范围图像集合	计算机视觉	NA	荧光显微镜	深度学习模型	图像	NA	NA	NA	NA	NA