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
61	2026-05-04	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-Oct-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究论文	提出一项在撒哈拉以南非洲地区利用人工智能辅助新生儿超声心动图诊断先天性心脏病的协议，旨在开发深度学习模型，使非专业操作者能有效提取心脏图像供远程解读	创新点在于构建一个整合卷积神经网络与卷积长短期记忆层的AI辅助超声系统，灵感来自交错视觉记忆框架，并结合强化学习动态使用特征提取器，以实现实时心脏视图检测，显著适应资源有限环境	局限性包括依赖有限地理来源的数据（仅喀麦隆和南非两家医院），可能限制模型泛化性；同时分两阶段的样本量（500例回顾性数据、1000例前瞻性数据）相对不大，且需考虑实时临床环境中的实际实施挑战	研究目的为开发AI辅助超声心动图系统，使护士、助产士和医生等非专家操作者能对疑似先天性心脏病的婴儿进行基本心脏超声扫查，提取准确心腔图像供儿科心脏病专家远程解读	新生儿（0-28天），疑似患有先天性心脏病的婴儿	计算机视觉	先天性心脏病	超声心动图	深度学习（卷积神经网络与卷积长短期记忆层）	超声心动图视频片段	第一阶段约500例回顾性数据，第二阶段1000例前瞻性数据	TensorFlow, PyTorch	卷积神经网络（CNN）, 卷积长短期记忆层	NA	NA
62	2026-05-04	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-10, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	研究论文	评估结合深度学习图像重建的游离呼吸各向同性三维电影磁共振成像在先天性心脏病患者中的效率和准确性	首次利用深度学习重建技术结合Heart-NAV技术实现游离呼吸三维电影成像与血管造影同步采集，显著缩短采集时间并提高图像对比度	样本量较小（16例患者），且三维与二维电影成像在右心室收缩末期容积上存在显著差异，需进一步验证	评估深度学习重建的游离呼吸三维电影MRI序列在先天性心脏病患者中的功能与容积测量的准确性和效率	先天性心脏病患者	数字病理学	先天性心脏病	心血管磁共振（CMR）、深度学习图像重建	深度学习重建模型	图像（三维磁共振成像）	16名患者（7名男性，中位年龄6岁）	NA	深度学习重建网络	对比噪声比（CNR）、容积测量（心室容积、射血分数、质量）、横截面积（CSA）	NA
63	2026-05-03	Prediction of waste generation forecast and emission potential on the Erode City solid waste dump yards based on machine learning approach 2025-Oct-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19288-w PMID:41131036	研究论文	提出一种基于监督机器学习的数据驱动框架，用于预测印度埃罗德市城市固体废物产生量和排放动态	整合支持向量机、随机森林和朴素贝叶斯分类器，并结合特征选择、邻近排名和空间分区分析，提高废物预测的准确性和可解释性	未提及，可能包括未来需整合实时传感器数据和混合深度学习架构	开发可扩展的废物预测框架，支持排放量化和战略决策	印度埃罗德市固体废物堆场	机器学习	NA	NA	支持向量机、随机森林、朴素贝叶斯	数值数据（社会经济变量、废物类型、历史体积）	五年数据集（2019-2024年）	NA	NA	准确率、均方误差	NA
64	2026-05-03	Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma 2025-10-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2024-0374-OA PMID:39957180	研究论文	开发一种基于注意力机制的弱监督多示例学习深度学习模型，用于对肾嗜酸性肿瘤的全切片图像进行自动分类	将二分类模型扩展到三分类，新增了低级别嗜酸性肿瘤和嫌色细胞肾细胞癌类别	未提供具体局限性信息	开发自动计算分类器，对肾嗜酸性肿瘤的全切片图像进行分层分类	肾嗜酸性肿瘤（肾嗜酸细胞瘤、低级别嗜酸性肿瘤、嫌色细胞肾细胞癌）的全切片图像	数字病理学	肾癌	数字病理学（全切片成像）	弱监督深度学习模型（多示例学习）	图像（全切片图像）	125个病例的269张全切片图像，来自6个机构	NA	注意力机制多示例学习网络	准确率、AUC（ROC曲线下面积）	NA
65	2026-05-03	Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume 2025-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30555 PMID:40312974	研究论文	开发了一种基于模型的自监督深度学习网络，用于同时定量评估心肌氧摄取分数和心肌血容量	将物理模型集成到自监督学习训练过程中，实现端到端同时生成心肌氧摄取分数和心肌血容量图像，无需像素级真实标签	仅基于10名健康受试者和10名心肌梗死患者的初步可行性验证，样本量较小	开发一种端到端同时定量评估心肌氧摄取分数和心肌血容量的深度学习方法	心肌氧摄取分数和心肌血容量的定量评估	机器学习	心肌梗死	非对称自旋回波序列	自监督深度学习网络	图像	10名健康受试者和10名心肌梗死患者	NA	NA	平均绝对误差、余弦相似度	NA
66	2026-05-03	Optimization of a mobile imaging system to aid in evaluating patients with oral lesions in a dental care setting 2025-Oct, Biophotonics discovery DOI:10.1117/1.BIOS.2.4.042307 PMID:42028297	研究论文	评估基于智能手机的mDOC自体荧光成像系统在社区牙科诊所中对口腔病变患者的检测能力，并优化转诊算法	开发了一种多输入深度学习算法，结合预训练和新采集数据的排练训练方法，专为低患病率人群设计，以提高口腔癌早期检测的准确性	样本量较小（50名患者，252个解剖部位），测试集敏感度较低（60.0%），可能需更大规模数据验证	评估并优化移动口腔癌检测（mDOC）系统，以支持非专业临床医生在社区牙科环境中做出适当的转诊决策	社区牙科诊所患者的口腔黏膜病变	计算机视觉	口腔癌	自体荧光成像	深度学习	图像（白光和自体荧光图像）	50名患者共252个解剖部位	NA	多输入深度学习模型	Brier技能评分，ROC曲线下面积（AUC-ROC），敏感度，特异度	NA
67	2026-05-02	Federated Deep Learning Approaches for Detecting Ocular Diseases in Medical Imaging: A Systematic Review 2025-Oct-02, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056400866250923175325 PMID:41047684	综述	本文系统综述了联邦深度学习在医学影像眼部疾病检测中的应用进展	首次系统性地评估联邦学习在眼部疾病检测中的进展，重点关注数据隐私保护与诊断准确性的平衡	数据异质性、通信效率和模型收敛性等挑战尚未完全解决	分析人工智能驱动的眼部疾病检测进展，特别是基于联邦学习的方法	2017年至2024年间发表的关于深度学习和联邦学习模型用于眼部疾病检测的研究文章	计算机视觉	眼部疾病	NA	联邦学习模型，包括FedAvg和FedProx	医学影像	NA	NA	NA	准确性、效率	NA
68	2026-04-30	Reliability of Whole-Liver Liver-Fat-Quantification Between Deep Learning-Accelerated and Standard Volumetric Interpolated Breath-hold Examination Dixon Sequences in a Prospective Oncology Cohort 2025-Oct-17, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001242 PMID:41105601	研究论文	评估深度学习加速T1加权VIBE Dixon序列与标准序列在肝脏脂肪定量中的可靠性	首次在肿瘤患者队列中验证深度学习加速MRI序列在肝脏脂肪定量中的准确性，实现扫描时间缩短60%以上而保持高一致性	单中心研究、样本量较小（60例）、仅评估低脂肪分数范围、未纳入高脂肪分数患者	评估深度学习加速T1加权VIBE Dixon序列对肝脏脂肪信号分数（FSF）定量的影响	接受临床指征腹部MRI的肿瘤患者	机器学习	肿瘤疾病	深度学习重建MRI	深度学习	图像	60例患者（平均年龄63.7岁，55%女性）	NA	NA	Spearman相关系数、平均绝对误差	NA
69	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
70	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
71	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
72	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
73	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
74	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
75	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
76	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
77	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
78	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
79	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
80	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