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
161	2025-12-13	A knowledge-driven deep learning framework for organoid morphological segmentation and characterization 2025-Oct-21, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02411-8 PMID:41121276	研究论文	本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征	提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析	NA	开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化	类器官	计算机视觉	NA	明场显微镜成像	Transformer	图像	大规模类器官数据集，涵盖多种组织类型和显微成像设置	NA	多模态Transformer	NA	NA
162	2025-12-13	Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance 2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2504164122 PMID:41055996	研究论文	本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率	将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一	模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证	探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块	小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5）	机器学习, 神经形态计算	NA	生物物理真实建模, 神经形态硬件映射	Vision Transformer, 基于电导的神经网络	图像数据	NA	NA	Vision Transformer, sWTA模块	准确率, 泛化性能, 训练计算量	IBM TrueNorth神经形态芯片
163	2025-12-13	Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study 2025-Oct, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-025-03570-x PMID:40794157	研究论文	本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估	首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注	研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳	比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能	通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎	数字病理	生殖医学	时差成像视频分析	深度学习	视频	第3天移植胚胎2965个，第5天及以上移植胚胎6970个	未提及	iDAScore V2	AUC	未提及
164	2025-12-12	Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679628 PMID:41256652	研究论文	本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力	提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测	未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误	解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题	DNA-蛋白质相互作用	机器学习	NA	深度学习, 大型语言模型	Transformer	基因组序列数据, 蛋白质相互作用数据	78个未见过的蛋白质作为基准测试集	未明确指定，但提及了基于Transformer的模型和LLM	Transformer	AUC-PR, AUC-ROC, MCC	NA
165	2025-12-12	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Oct, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文批判性地审视了机器学习在临床蛋白质组学生物标志物发现中的应用，强调算法新颖性无法弥补小样本量、批次效应、过拟合、数据泄露和模型泛化差等问题	提出在临床蛋白质组学中应现实且负责任地使用机器学习，强调严谨的研究设计、适当的验证策略以及透明、可重复的建模实践，而非追求炒作驱动的复杂性	本文为观点性文章，未进行具体实验或模型开发，因此未提供实证数据或性能比较	探讨机器学习在临床蛋白质组学生物标志物发现中的角色、挑战及未来方向	临床蛋白质组学数据及相关的机器学习应用	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	NA	NA	NA	NA	NA
166	2025-12-11	Fall Detection in Elderly People: A Systematic Review of Ambient Assisted Living and Smart Home-Related Technology Performance 2025-Oct-23, Sensors (Basel, Switzerland) DOI:10.3390/s25216540 PMID:41228764	系统综述	本文系统综述了环境辅助生活与智能家居技术中老年人跌倒检测系统的性能表现	通过系统综述方法，首次将跌倒检测性能参数与传感器类别及方法进行综合分类比较，并利用ANOVA分析揭示了可穿戴传感器性能较差而深度学习方法表现最佳的结论	研究仅基于文献综述，未进行原始实验验证；数据库筛选可能存在遗漏；未考虑不同研究间实验设置差异对性能比较的影响	调查环境辅助生活与智能家居中跌倒检测系统的性能，分析不同传感器类别和方法的优劣	老年人跌倒检测系统	机器学习	老年疾病	NA	深度学习, 机器学习, 阈值方法	传感器数据	80项研究	NA	NA	准确率, 精确率, 灵敏度, 特异性, F1分数, 训练时间, 测试时间	NA
167	2025-12-11	[Expert consensus on clinical application of immunotherapy intelligent prediction for colorectal cancer based on artificial intelligence platform(2025 version)] 2025-Oct-01, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20250327-00162 PMID:40831122	专家共识	本文介绍了基于人工智能平台的结直肠癌免疫治疗智能预测临床应用的专家共识（2025版），旨在利用深度学习算法预测MSI状态并指导免疫治疗决策	提出了一种基于人工智能平台和深度学习算法的结直肠癌免疫治疗智能预测新策略，以克服传统MSI检测方法的局限性	共识内容基于现有研究，其广泛临床应用仍需进一步验证；未详细说明具体算法性能的局限性	制定结直肠癌免疫治疗智能预测的临床专家共识，以促进MSI状态预测并支持免疫治疗方案的选择与应用	结直肠癌患者	数字病理学	结直肠癌	免疫组织化学，下一代测序	深度学习算法	病理图像，分子标记数据	NA	NA	NA	NA	NA
168	2025-12-10	KSMoFinder - Knowledge graph embedding of proteins and motifs for predicting kinases of human phosphosites 2025-Oct-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.21.683733 PMID:41279605	研究论文	本文介绍了KSMoFinder，一种通过整合蛋白质生物背景来预测激酶-底物-基序关系的深度学习模型	KSMoFinder不仅考虑磷酸化位点周围的氨基酸序列基序，还通过知识图谱嵌入整合了蛋白质的生物背景，从而超越了仅基于基序相似性的现有工具	未明确提及模型的具体局限性	预测人类磷酸化位点的激酶	蛋白质、激酶特异性基序和基序组成	机器学习	NA	知识图谱嵌入、深度学习分类	深度学习分类器	知识图谱数据、蛋白质序列数据	使用来自iPTMnet和PhosphositePlus的真实激酶-底物-基序数据集	未明确指定	未明确指定	ROC-AUC, PR-AUC	未明确指定
169	2025-12-10	Deep Learning of Brain-Behavior Dimensions Identifies Transdiagnostic Biotypes in Youth with ADHD and Anxiety Disorders 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682243 PMID:41279186	研究论文	本研究开发了一个基于深度学习的脑-行为建模框架，用于识别青少年ADHD和焦虑障碍中的跨诊断生物型	整合临床显著功能连接与认知行为测量，识别可解释的维度和生物学基础的亚型（生物型），并验证其在独立队列中的稳健性和泛化性	NA	阐明异质性精神表现，推进基于生物学的早期分类框架，促进青少年心理健康临床转化	青少年（9-11岁）ADHD和焦虑障碍患者	机器学习	ADHD, 焦虑障碍	功能连接分析	深度学习	功能连接数据, 认知行为测量数据	3,508名儿童（ABCD数据集）和224名年龄匹配参与者（HBN队列）	NA	NA	NA	NA
170	2025-12-10	SCREAM: Single-cell Clustering using Representation Autoencoder of Multiomics 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680290 PMID:41279430	研究论文	本文提出了一种名为SCREAM的新型深度学习框架，用于单细胞多组学数据的稳健整合与聚类	SCREAM结合了堆叠自编码器（SAEs）和深度嵌入聚类（DEC），为多组学数据生成鲁棒的潜在表示并优化聚类分配	未在摘要中明确提及	开发一个深度学习框架以解决单细胞多组学数据整合与聚类的挑战	单细胞多组学数据，包括SNARE-seq和CITE-seq数据集	机器学习	NA	单细胞多组学技术（如SNARE-seq, CITE-seq）	自编码器（Autoencoder）	多组学数据	未在摘要中明确提及	未在摘要中明确提及	堆叠自编码器（SAEs）	调整兰德指数（ARI）, 归一化互信息（NMI）	未在摘要中明确提及
171	2025-12-10	AnatomyArray: A high-throughput platform for anatomical phenotyping in plants 2025-Oct-08, The Plant cell DOI:10.1093/plcell/koaf223 PMID:40977461	研究论文	本文介绍了AnatomyArray系统，一个用于植物高通量解剖表型分析的集成平台，包括组织切片、成像和深度学习分析工具	开发了AnatomyArray系统，结合高通量石蜡切片、多通道成像和深度学习工具AnatomyNet，实现了植物组织细胞排列和形态的自动化定量分析	未明确提及系统在非小麦物种或更广泛植物组织中的适用性限制	解决植物解剖表型大规模成像和准确定量的技术挑战，以研究植物组织结构和功能的遗传基础	植物组织，特别是小麦根部的解剖结构	数字病理学	NA	高通量石蜡切片、多通道载玻片成像	深度学习	图像	多样化小麦种群	NA	AnatomyNet	NA	NA
172	2025-12-10	Deep Learning-Based Control of Electrically Evoked Activity in Human Visual Cortex 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678361 PMID:41279945	研究论文	本文介绍了一种基于深度学习的自动化数据驱动神经控制方法，用于视觉神经假体，通过生成最优多电极刺激模式来诱发目标神经响应	首次在人类植入物中应用深度学习框架进行神经控制，实现了自动化多电极刺激模式的优化，显著优于传统手动校准方法	研究仅基于一名盲人参与者的数据，样本规模有限，且未在更广泛临床应用中验证	开发一种自动化数据驱动的神经控制方法，以改善视觉神经假体的感知稳定性和效果	植入在盲人参与者枕叶皮层的96通道犹他电极阵列	机器学习	视力障碍	深度神经网络训练与预测	深度神经网络	神经响应数据	一名盲人参与者	深度学习框架	深度神经网络	神经活动控制效果、刺激电流降低、感知稳定性	NA
173	2025-12-10	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面综述了深度学习在自动ICD编码中的最新进展、机遇与挑战	从独特视角系统总结深度学习在ICD编码中的应用，分析模型设计动机、网络架构及辅助数据整合趋势	综述范围限于2017-2023年文献，未涵盖传统机器学习方法的详细对比分析	揭示自动ICD编码领域的关键挑战与发展趋势	基于深度学习的自动ICD编码方法相关文献	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM	临床文本	53篇相关文献（2017-2023年）	NA	卷积神经网络, 循环神经网络, 注意力机制, Transformer, 预训练语言模型	NA	NA
174	2025-12-10	Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103220 PMID:40700862	系统综述	本文对基于深度学习的医学影像报告生成领域进行了全面的系统性回顾，总结了当前方法、趋势和未来方向	这是迄今为止最全面的关于深度学习医学影像报告生成的系统性综述，涵盖了从传统架构到大型语言模型的最新进展，并首次系统性地整理了22个数据集、14个评估指标、约20个损失函数、超过25个视觉骨干网络和30多个文本骨干网络	作为一篇综述文章，其局限性在于主要基于现有文献进行分析，未提出新的原创模型或方法	系统回顾和总结深度学习在医学影像报告生成领域的研究现状、方法和发展趋势	医学影像报告生成相关的研究文献、数据集、模型架构和评估方法	自然语言处理, 医学影像	NA	深度学习	CNN, Transformer, 大型语言模型	医学影像, 文本报告	涉及78项研究，涵盖22个公开数据集	TensorFlow, PyTorch	ResNet, VGG, U-Net, DenseNet, EfficientNet, Transformer	准确率, 精确率, 召回率, F1分数, BLEU, ROUGE, METEOR, CIDEr	NA
175	2025-12-10	Radiomics, machine learning, and deep learning for hippocampal sclerosis identification: a systematic review and diagnostic meta-analysis 2025-Oct, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110624 PMID:40737956	系统综述与诊断性荟萃分析	本文通过系统综述和荟萃分析，评估了基于放射组学、机器学习和深度学习的人工智能模型在识别海马硬化方面的诊断性能	首次对人工智能（包括机器学习与深度学习）及放射组学在识别海马硬化方面的诊断性能进行了系统综述和荟萃分析，并比较了不同算法（如SVM、CNN）以及单独使用AI与AI结合放射组学的效果	纳入的研究数量较少（仅6项），且存在显著的异质性（I² > 69%），可能影响结果的普遍适用性	综合近期人工智能和放射组学研究，以提高颞叶癫痫中海马硬化的检测准确性	海马硬化，特别是与内侧颞叶癫痫相关的病例	医学影像分析，机器学习，深度学习	颞叶癫痫，海马硬化	放射组学，机器学习，深度学习	支持向量机，卷积神经网络，逻辑回归	医学影像数据（如MRI）	NA（综述文章，未报告总样本量，但基于6项纳入研究）	NA	NA	灵敏度，特异度，受试者工作特征曲线下面积	NA
176	2025-12-09	Investigating the capability of deep learning models to predict age and biological sex from anterior segment ophthalmic imaging: a multi-centre retrospective study 2025-Oct-29, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-107196 PMID:41161843	研究论文	本研究评估了基于迁移学习的卷积神经网络利用前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片预测年龄和生物性别的能力	首次在多中心回顾性研究中，利用深度学习模型从前段眼科图像中提取年龄和性别信息，并通过显著性图可视化模型的决策过程	研究为回顾性设计，数据来源于单一公共健康信托机构，可能限制了模型的泛化能力	评估深度学习模型从前段眼科图像中预测年龄和生物性别的能力	前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片	计算机视觉	NA	光学相干断层扫描，角膜地形图成像	CNN	图像	来自20,542名患者的40,592只眼睛的557,468次扫描	NA	NA	准确率，精确率，召回率，F1分数，ROC-AUC，Pearson相关系数，决定系数，平均绝对误差	NA
177	2025-12-09	Comparing radiomics, deep learning, and fusion models for predicting occult pleural dissemination in patients with non-small cell lung cancer: a retrospective multicenter study 2025-Oct-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15121-9 PMID:41163134	研究论文	本研究开发并比较了基于放射组学的机器学习、深度学习和融合模型，用于术前预测非小细胞肺癌患者的隐匿性胸膜播散	首次在多个中心回顾性研究中，系统比较了放射组学机器学习、深度学习及融合模型（特别是后融合模型）在预测非小细胞肺癌隐匿性胸膜播散方面的性能	研究为回顾性设计，样本量相对有限（326例患者），且仅使用了CT图像的最大横截面切片，可能未充分利用三维空间信息	开发并比较不同模型以术前识别非小细胞肺癌患者的隐匿性胸膜播散，辅助临床决策	非小细胞肺癌患者	计算机视觉	肺癌	CT扫描	机器学习, 深度学习	图像	326例非小细胞肺癌患者（来自三个中国大型医疗中心，2016-2023年），分为训练集（216例）、内部测试集（54例）和外部测试集（56例）	NA	DenseNet121	AUC, 敏感性	NA
178	2025-12-09	PlasmoFP: leveraging deep learning to predict protein function of uncharacterized proteins across the malaria parasite genus 2025-Oct-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.12.675843 PMID:41279499	研究论文	本文介绍了PlasmoFP，一种利用深度学习预测疟原虫属中未表征蛋白质功能的模型	PlasmoFP创新性地基于系统发育相关的SAR超群蛋白质的结构-功能关系进行训练，解决了疟原虫蛋白质因序列相似性低而难以注释的挑战	NA	预测疟原虫属中未表征蛋白质的功能，以推进疟疾基础研究	疟原虫属中的蛋白质，特别是未注释或功能未知的蛋白质	机器学习	疟疾	深度学习	深度学习模型	蛋白质序列和结构数据	涉及19种疟原虫物种的蛋白质	NA	NA	通过减少未注释蛋白质比例和增加完全注释蛋白质比例进行评估	NA
179	2025-12-09	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-Oct-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文对机器学习在医学微波成像中的应用进行了范围综述，重点关注图像重建和分类两个关键领域	系统性地梳理了机器学习在微波成像中从重建到分类的最新研究进展，并强调了其在临床转化中的潜力	作为范围综述，未进行定量荟萃分析，且可能未涵盖所有新兴方法	探讨机器学习在医学微波成像中的角色，特别是在图像重建和分类任务中的应用	医学微波成像技术及其在乳腺和脑部成像等医疗应用中的研究	机器学习	乳腺癌, 神经系统疾病	微波成像	卷积神经网络, 支持向量机	微波成像数据	NA	NA	NA	NA	NA
180	2025-12-09	Multi-label diagnosis of dental conditions from panoramic x-rays using attention-enhanced deep learning 2025-Oct-07, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01463-y PMID:41055759	研究论文	本研究开发并评估了用于全景X射线图像中多类别牙科疾病自动分类的深度学习模型，比较了自定义CNN架构、注意力机制、预训练模型和混合方法的有效性	结合注意力机制的自定义CNN架构、预训练模型与注意力机制的集成，以及CNN与机器学习（如随机森林）的混合方法，用于牙科疾病的多标签诊断	数据集缺乏正常/健康病例，且需在不同临床人群中进行前瞻性验证研究以确立真实世界的有效性和安全性	开发并评估用于全景X射线图像中牙科疾病多类别自动分类的深度学习模型	全景牙科X射线图像	计算机视觉	牙科疾病	数据增强、CLAHE增强、归一化	CNN, SVM, Random Forest, Decision Tree	图像	1,512张全景牙科X射线图像，预处理后生成4,764张类别平衡图像	TensorFlow, PyTorch, Scikit-learn	自定义CNN, VGG16, ResNet50, Xception	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA