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	2026-09-18	Segmenting beyond the imaging data: creation of anatomically valid edentulous mandibular geometries for surgical planning using artificial intelligence 2025-10-11, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06471-6 PMID:41074944	研究论文	本研究利用两阶段卷积神经网络从CT数据中分割下颌骨，并生成解剖学有效的无牙下颌骨几何模型，用于手术规划	创新点在于精确适配牙槽嵴几何形态，能够从有牙CT扫描中生成高精度的无牙下颌骨模型，适用于患者特异性虚拟手术规划	未明确提及	研究使用深度学习分割技术从有牙CT扫描生成解剖学有效的无牙下颌骨的可行性，确保重建规划的几何精度	下颌骨（包括有牙、部分无牙和无牙下颌骨）	计算机视觉	口腔颌面疾病	CT	CNN	图像	246例CT数据	NA	NA	Dice相似系数，平均表面距离	NA
62	2026-09-18	Sustainable deep learning-based breast lesion segmentation: impact of breast region segmentation on performance 2025-10-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01947-z PMID:41074219	研究论文	本研究探讨了乳腺区域分割对基于深度学习的乳腺病灶分割性能的影响，使用UNet++模型和Stavanger数据集。	研究了乳腺区域分割对病灶分割性能的影响，并提出了使用最优体积的方法，显著提高了分割精度和计算效率。	数据集较小（59例DCE-MRI扫描），可能影响模型的泛化能力。	研究乳腺区域分割对基于深度学习的乳腺病灶分割性能的影响。	乳腺DCE-MRI图像中的病灶。	数字病理学	乳腺癌	动态对比增强磁共振成像	CNN	图像	59例DCE-MRI扫描	NA	UNet++	分割精度	NA
63	2026-09-18	Differentiating post-stroke patients from healthy individuals via vision-based skeleton-optical fusion 2025-Oct-09, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01726-5 PMID:41068869	研究论文	该研究通过视觉骨架与光流融合的多模态方法，区分脑卒中后患者与健康人的步态	结合骨架点光流信息与下肢关节角度变化，并融合ResNet-50提取的深度空间特征，提高了模型可解释性	样本量较小（共140人），仅在一个开放数据集和一个自采临床数据集上测试，未提及外部验证或多中心验证	利用计算机视觉和深度学习技术，基于步态视频实现脑卒中后患者与健康人的自动分类	70名脑卒中后患者和70名健康个体的步态视频	计算机视觉	脑卒中	人体姿态估计（HPE）、光流计算、ResNet-50特征提取、LSTM分类	LSTM	视频	70名脑卒中后患者和70名健康个体，共140个样本	NA	ResNet-50, LSTM	准确率	NA
64	2026-09-18	A bimodal image dataset for seed classification from the visible and near-infrared spectrum 2025-Oct-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05979-6 PMID:41062509	研究论文	本文介绍了一个精心构建的双模态种子图像数据集，包含10种植物的配对RGB和高光谱图像，并对多种深度学习模型进行了基准测试	提供了目前最大的双模态种子数据集之一，包含配对RGB和高光谱图像，填补了农业领域光谱信息数据集的空白	摘要中未明确提及局限性	为种子分类提供双模态图像数据集，促进光谱、空间和形态特征的研究	10种植物的种子	计算机视觉	NA	高光谱成像、RGB成像	卷积神经网络	图像	10种植物的配对RGB和高光谱图像	NA	NA	NA	NA
65	2026-09-18	Simulating Sinogram-Domain Motion and Correcting Image-Domain Artifacts Using Deep Learning in HR-pQCT Bone Imaging 2025-Oct-03, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3617225 PMID:41180080	研究论文	该论文优化了基于正弦图的运动模拟方法，生成配对数据集，并提出了ESWGAN-GP深度学习模型来校正HR-pQCT骨成像中的运动伪影	首次提出针对HR-pQCT骨成像的运动校正深度学习方法，优化了基于正弦图的运动模拟以生成配对训练数据，并设计了边缘增强自注意力Wasserstein生成对抗网络（ESWGAN-GP）	所提出的运动模拟是真实世界运动的简化表示，可能无法完全捕捉体内运动伪影的复杂性	解决HR-pQCT骨成像中刚性运动伪影（如皮质骨条纹和骨小梁涂抹）对骨微结构评估的阻碍，开发运动校正方法	HR-pQCT骨成像中的运动伪影，包括模拟数据集和真实世界数据集	医学图像处理	骨质疏松症	高分辨率外周定量计算机断层扫描（HR-pQCT）	GAN	图像	NA	NA	ESWGAN-GP, VGG	信噪比（SNR）, 结构相似性指数（SSIM）, 视觉信息保真度（VIF）	NA
66	2026-09-18	Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study 2025-10, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.23595 PMID:40387008	研究论文	该研究利用鼻窦CT图像和临床参数构建了一个集成深度学习模型，用于术前无创识别嗜酸性慢性鼻窦炎（eCRS），并通过蛋白质组学分析探索其预测的生物学基础	首次将多种深度学习模型（3D-ResNet、3D-Xception、HR-Net）提取的CT影像特征与临床参数相结合，通过支持向量机进行集成分类，实现eCRS的无创术前预测，并结合蛋白质组学分析揭示模型预测的生物学基础	样本量相对有限（1098例），蛋白质组学分析仅纳入34例患者，外部验证仅来自两家医院，模型的泛化能力仍需更大规模多中心数据验证	开发和验证一个集成深度学习模型，利用CT图像和临床参数实现嗜酸性慢性鼻窦炎的术前无创预测，并探索其预测的生物学基础	来自两家医院的1098例具有鼻窦CT图像的患者，以及其中34例接受蛋白质组学分析的患者	计算机视觉	嗜酸性慢性鼻窦炎	CT影像、蛋白质组学分析	CNN、SVM	图像、文本	1098例患者的鼻窦CT图像，34例患者的蛋白质组学数据	NA	3D-ResNet, 3D-Xception, HR-Net, SVM	AUC, 灵敏度, 特异度, 准确率	NA
67	2026-09-18	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本文开发并验证了一个基于心电图（ECG）的深度神经网络模型（ECG-AF），用于预测心房颤动（AF）风险，并在三个跨国队列中与临床CHARGE-AF风险评分进行比较，同时评估其与心血管结局的关联	1. 使用多国队列数据（FHS、UK Biobank、ELSA-Brasil）进行外部验证，增强了模型的泛化性 2. 仅使用ECG作为单一输入，无需额外临床变量 3. 证明ECG-AF模型与CHARGE-AF评分性能相当，且两者结合可进一步提升预测能力 4. 发现ECG-AF评分与心衰、心梗、卒中和全因死亡风险增加相关	摘要中未明确提及研究局限性	改进并验证基于ECG的深度神经网络模型预测心房颤动风险，比较其与临床CHARGE-AF风险评分的性能，并评估其与其他心血管结局的关联	来自Framingham心脏研究（FHS）、UK Biobank和ELSA-Brasil三个队列的参与者，均为无心房颤动病史的社区人群	机器学习	心血管疾病	心电图（ECG）	深度神经网络	心电图信号	FHS 10097人（平均年龄53±12岁，54.9%女性），UK Biobank 49280人（平均年龄64±8岁，47.9%女性），ELSA-Brasil 12284人（平均年龄53±8岁，54.7%女性）	NA	深度神经网络	AUC（ROC曲线下面积）	NA
68	2026-09-18	Magnetization transfer MRI (MT-MRI) detects white matter damage beyond the primary site of compression in degenerative cervical myelopathy using a novel semi-automated analysis 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111083 PMID:40953562	研究论文	该研究开发了一种基于脊髓工具箱 (SCT) 的半自动分析流程，结合深度学习卷积神经网络分割脊髓，用于从退行性颈髓病 (DCM) 患者的磁化传递 MRI (MT-MRI) 中自动提取磁化传递率 (MTR)，并评估其对压缩部位以外白质损伤的检测能力	1) 构建了可重复、计算稳健的半自动分析流程，整合了深度学习 CNN 脊髓分割、全局曲线优化椎体标记和 PAM50 模板配准；2) 实现了区域和纤维束特异性 MTR 的自动化提取；3) 发现 MTR 在未压缩区域 (C2-C3) 的诊断性能优于传统横截面积 (CSA)；4) 将微结构损伤与临床结局 (灵巧性、握力、平衡) 相关联	样本量较小 (30 例 DCM 患者和 15 例健康对照)；仅在 3T 场强下使用 Generic Spine Protocol 采集数据；未进行多中心外部验证；半自动流程仍可能受操作者影响	解决传统 MRI 无法检测退行性颈髓病压缩部位以外微结构损伤的问题，并克服当前 MTR 应用标准化不足、依赖操作者以及相对 CSA 附加价值不明确的局限	退行性颈髓病 (DCM) 患者和年龄匹配的健康对照 (HC)	数字病理学, 医学影像分析	退行性颈髓病	磁化传递 MRI (MT-MRI), T2加权 MRI, 磁化传递率 (MTR) 定量分析	CNN	图像 (3T T2w-MRI 和 MT-MRI)	30 例 DCM 患者和 15 例年龄匹配健康对照，共 45 例受试者	Spinal Cord Toolbox (SCT)	卷积神经网络 (CNN)	ROC 曲线下面积 (AUC), p 值, 相关系数	NA
69	2026-09-18	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	本文提出了CaCoFold-R3D，一种概率文法模型，能够利用RNA序列或比对中的进化信息，同时预测RNA的三维模体（模块）和二级结构	提出了R3D文法，利用螺旋共变信息约束非共变RNA三维模体的定位；实现了对超过50种已知RNA模体的近乎穷尽预测；模体可出现在任何非螺旋环区域（包括三路、四路及更高阶连接处）；所有结构模体和经典螺旋通过单一联合概率文法一次性预测完成	文中未明确说明该方法的局限性	开发一种能够同时预测RNA三维模体和二级结构的方法，为深度学习全原子结构预测提供强输入，并指导RNA作为治疗性小分子药物靶点的设计	RNA序列或比对，以及其中包含的三维结构模体和二级结构	计算生物学	NA	概率文法建模，进化共变分析	概率文法模型	RNA序列，序列比对	超过50种已知RNA模体	NA	CaCoFold-R3D，R3D文法	NA	NA
70	2026-09-18	Birefringence microscopy enables rapid, label-free quantification of myelin debris following induced cortical injury 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045006 PMID:41181030	研究论文	本文旨在建立双折射显微镜（BRM）作为一种高通量、无标记的成像技术，用于死后脑组织中髓鞘病理的大规模定量评估，并结合深度学习自动检测髓鞘损伤	首次将双折射显微镜（BRM）与深度学习目标检测网络结合，用于无标记、高通量地定量评估皮质损伤后胼胝体中的髓鞘碎片，并在不同恢复时间点（6周和12周）的猕猴模型中进行验证	研究仅使用猕猴模型，样本量有限，且未在其他疾病模型或人类组织中验证；深度学习模型的泛化能力需进一步评估	建立BRM作为高通量、无标记的成像技术，用于大规模定量评估死后脑组织中的髓鞘病理，并开发深度学习自动检测方法	猕猴皮质损伤模型中的胼胝体髓鞘	数字病理学	神经退行性疾病	双折射显微镜（BRM）、荧光髓鞘染色、免疫组化	CNN	图像	猕猴模型，分为6周恢复组、12周恢复组和年龄匹配对照组	NA	NA	P值	NA
71	2026-09-18	SAAM-VetNet: an attention-based multi-task framework for animal disease detection and severity grading 2025-Oct, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003728 PMID:41181424	研究论文	本文提出了一种基于注意力机制的多任务深度学习框架SAAM-VetNet，用于从医学图像中同时检测动物疾病并对其严重程度进行分级	将卷积块注意力模块与多分支多任务学习策略相结合，实现疾病检测与严重程度分级的联合优化，提升了特征定位能力和模型可解释性	仅在两个公开数据集上进行了评估，样本规模有限，泛化能力有待在更多动物物种和疾病类型上验证	开发一种能够同时进行动物疾病检测和严重程度分级的自动化诊断工具，辅助兽医临床诊断和临床前模型选择	动物疾病医学图像，包括动物疾病分类数据集和乳腺炎检测数据集中的图像样本	计算机视觉	动物疾病	深度学习图像分析	CNN	图像	两个公开数据集：Animal Disease Classification数据集和Mastitis Disease Detection数据集	NA	SAAM-VetNet, ResNet18, MobileNetV2, EfficientNet-B0, DenseNet121, Vision Transformer	准确率, F1分数	NA
72	2026-09-18	A Markov Chain Replacement Strategy for Surrogate Identifiers: Minimizing Re-Identification Risk While Preserving Text Reuse 2025-Oct-01, Electronics IF:2.6Q2 DOI:10.3390/electronics14193945 PMID:41122293	研究论文	本文评估了三种用于替换个人健康信息（PHI）的隐藏于明处（HIPS）策略，包括标准一致替换、随机替换和一种新型马尔可夫模型策略，并分析了它们在隐私保护效益和信息提取效用方面的表现。	提出了一种基于马尔可夫链的替代标识符生成策略，能够减少PHI泄露风险，同时保留文本重用性。	在较旧的机器学习技术上，由于上下文变化可能导致性能下降。	评估不同HIPS策略在PHI替换中的隐私保护效益和相对效用，特别是在信息提取方面。	模拟的PHI分布和来自两个不同机构的真实临床语料库。	自然语言处理	NA	NA	马尔可夫模型	文本	两个机构的真实临床语料库（具体样本量未指定）	NA	马尔可夫链	假阴性错误率（FNER）、PHI泄露率	NA
73	2026-09-16	A generative deep learning approach to de novo antibiotic design 2025-Oct-16, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.07.033 PMID:40816267	研究论文	该研究开发了一种生成式人工智能框架，通过基于片段的方法和无约束从头生成方法设计新型抗生素，并使用遗传算法和变分自编码器	利用生成式深度学习进行从头抗生素设计，通过基于片段和无约束两种方法探索化学空间，发现了具有新作用机制的抗多重耐药菌化合物	仅合成了24种化合物，其中7种具有抗菌活性，最终只有2种先导化合物在体内验证，样本量较小，需要进一步优化和扩大验证	应对抗菌素耐药性危机，设计结构新颖的抗生素	淋病奈瑟菌和金黄色葡萄球菌，包括多重耐药分离株	机器学习	细菌感染	生成式深度学习，遗传算法，变分自编码器	变分自编码器	化学结构数据	计算机筛选超过10个化学片段，合成24种化合物，7种有活性，2种先导化合物进行体内实验	NA	变分自编码器	抗菌活性，杀菌效果，细菌负荷减少	NA
74	2026-09-16	Deep learning helps fight against antibiotic resistance 2025-10-08, Cell host & microbe IF:20.6Q1 DOI:10.1016/j.chom.2025.09.005 PMID:41067213	评论	本文评论了Krishnan等人在Cell上发表的一项研究，该研究提出了一个结合图神经网络片段筛选和从头分子设计的生成式深度学习平台，用于识别具有抗多重耐药细菌活性的先导化合物	评论文章强调了该研究将图神经网络片段筛选与从头分子设计相结合以发现对抗抗生素耐药性的新型化合物这一创新方法	评论文章通常篇幅有限，可能未深入讨论该平台的泛化能力、计算成本或临床转化挑战	总结并评价一项利用生成式深度学习平台发现抗耐药菌先导化合物的前沿研究	多重耐药淋病奈瑟菌和耐甲氧西林金黄色葡萄球菌	机器学习	感染性疾病	图神经网络片段筛选, 从头分子设计	图神经网络	分子数据	NA	NA	图神经网络	体内活性	NA
75	2026-09-13	DeepProtein: deep learning library and benchmark for protein sequence learning 2025-10-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf165 PMID:40388205	研究论文	本文介绍了 DeepProtein，一个用于蛋白质相关任务的综合且用户友好的深度学习库，并建立了一个基准来评估不同深度学习架构在多种蛋白质相关任务上的性能。	提出了 DeepProtein 深度学习库，并建立了涵盖蛋白质功能预测、亚细胞定位预测、蛋白质-蛋白质相互作用预测和蛋白质结构预测的基准；同时引入了 DeepProt-T5 系列模型，在四个基准任务上达到最先进性能，在另外六个任务上展现出有竞争力的结果。	NA	为蛋白质相关任务提供一个综合且用户友好的深度学习库，并评估不同深度学习架构在多种蛋白质相关任务上的性能。	蛋白质序列数据	机器学习	NA	NA	深度学习模型, Prot-T5	蛋白质序列数据	NA	NA	Prot-T5	NA	NA
76	2026-09-09	Multimodal Multitask Learning for Predicting Depression Severity and Suicide Risk Using Pretrained Audio and Text Embeddings: Methodology Development and Application 2025-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66907 PMID:41166502	研究论文	本研究提出了一种结合多任务学习、多模态学习和迁移学习的框架，利用预训练音频和文本嵌入进行抑郁症严重程度和自杀风险的联合分类	将多任务学习、多模态融合和迁移学习集成到单一框架中，同时预测抑郁症严重程度和自杀风险，并比较不同预训练嵌入组合的效果	建议谨慎实施多任务学习以减少潜在负迁移效应	评估多任务学习、多模态学习和迁移学习结合方法对深度学习模型在抑郁症严重程度和自杀风险联合分类中的效能提升	100名抑郁症患者和100名健康对照者的中文录音和临床问卷评分数据	多模态学习	抑郁症	预训练嵌入（wav2vec 2.0, HuBERT, ERNIE-health）	多任务学习模型	音频和文本数据	200个样本（100名抑郁症患者和100名健康对照者）	NA	NA	AUC	NA
77	2026-09-09	Rapid Liver Fibrosis Evaluation Using the UNet-ResNet50-32 × 4d Model in Magnetic Resonance Elastography: Retrospective Study 2025-10-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/80351 PMID:41115237	研究论文	本研究旨在开发和评估基于深度学习的分割模型，用于使用磁共振弹性成像图像自动评估肝纤维化严重程度，并比较传统U-Net模型和UNet-ResNet50-32×4d架构模型的性能。	提出并评估了UNet-ResNet50-32×4d架构模型在MRE图像分割中的性能，该模型在准确性和与人工标注的一致性方面优于传统U-Net模型。	文章未提及具体的局限性。	旨在开发并评估基于深度学习的自动分割模型，以利用MRE图像无创评估肝纤维化严重程度，提高临床工作流程。	319例患者（2018年1月至2020年12月期间纳入）的MRE图像。	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	UNet-ResNet50-32×4d	MRE图像	319例患者的MRE图像	NA	U-Net, ResNet50-32×4d	相关系数, 交并比, Dice系数	NA
78	2026-09-09	UAMRL: multi-granularity uncertainty-aware multimodal representation learning for drug-target affinity prediction 2025-10-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf512 PMID:41025463	研究论文	提出一种基于不确定性感知的多模态表示学习框架UAMRL，用于药物-靶点亲和力预测，以提高预测精度和决策透明度。	引入基于正态-逆伽马分布的不确定性量化机制，用于建模多模态数据的可靠性并抑制不可靠信息的融合，从而提升预测性能。	摘要中未提及明确的局限性。	开发一种不确定性感知的多模态表示学习框架，以解决药物-靶点亲和力预测中的多模态数据异质性和模型可解释性不足的问题。	药物和靶点（蛋白质）的多模态数据。	机器学习	NA	NA	深度学习（具体模型未在摘要中明确）	多模态数据（包括化合物和蛋白质的数据）	多个公共DTA数据集（数量未具体说明）	NA	双流编码器	预测准确率等（具体指标未在摘要中明确）	NA
79	2026-09-09	MRI-based habitat analysis for Intratumoral heterogeneity quantification combined with deep learning for HER2 status prediction in breast cancer 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110429 PMID:40414575	研究论文	本研究旨在建立基于MRI的肿瘤内异质性（ITH）量化模型，并结合深度学习预测乳腺癌中HER2表达状态	创新性地将MRI影像中的肿瘤内异质性量化与深度学习结合，用于预测乳腺癌HER2状态，特别是区分HER2-low和HER2-zero亚型	未在文摘中明确提及	利用MRI影像建立预测模型，非侵入性预测乳腺癌HER2表达状态，以辅助治疗决策	340例经病理证实的浸润性乳腺癌患者	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（未指定具体架构，如CNN等）	MRI影像数据	340例患者	NA	NA	AUC（曲线下面积）	NA
80	2026-09-09	Fully automated measurement of aortic pulse wave velocity from routine cardiac MRI studies 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110442 PMID:40451442	研究论文	开发了一种基于深度学习的全自动方法，从常规心脏MRI图像中测量主动脉脉搏波速度，无需特殊序列或人工分析。	首次实现从标准2D横轴SSFP定位图像和单相位对比成像平面全自动测量主动脉PWV，使用两个深度学习模型分别进行3D主动脉分割和相位对比图像分割，整个流程无需特殊扫描序列，并已在大规模生物库数据上验证。	依赖心脏MRI中特定序列图像，对图像质量或患者体位变化敏感可能导致部分受试者分析失败；方法仅针对主动脉PWV，未涵盖其他心血管生物标志物。	实现从常规心脏MRI序列中完全自动测量主动脉PWV，促进其在临床和大型队列研究中的广泛应用。	主动脉路径长度、血流曲线、脉搏传输时间、PWV测量	医学影像分析, 深度学习	心血管疾病	心脏MRI（SSFP定位序列和相位对比成像）	深度学习模型（具体类型未指定，可能为卷积神经网络）	MRI图像	外部临床数据集（具体数量未明确）及UK Biobank的1053名受试者	NA	NA	Dice系数、均值±标准差、P值、成功率、PWV中位数及增长率	NA