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
1	2026-07-13	Short- and long-term captivity impacts on bird memory, corticosterone level, and oxidative stress genes: Perspectives on deep learning analysis 2025-11-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.115064 PMID:40816474	研究论文	本研究探讨了短期和长期圈养对三种鸟类记忆、皮质酮水平及氧化应激基因表达的影响，并利用深度学习分析监测其行为	首次将深度学习（VGG16神经网络）用于分析鸟类头部、腿部、翅膀和尾部运动，以揭示其认知和行为响应，并结合分子指标评估圈养应激	未明确提及具体局限性	评估圈养应激对鸟类大脑功能、记忆、激素水平及基因表达的影响，并开发深度学习行为分析方法	冠小嘴乌鸦（Corvus cornix）、普通八哥（Acridotheres tristis）和牛背鹭（Bubulcus ibis）三种鸟类	计算机视觉, 机器学习, 动物行为学	NA	qRT-PCR, 视频记录	CNN	视频	三种鸟类（具体数量未提及）	NA	VGG16	NA	NA
2	2026-07-10	Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers 2025-11-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03560 PMID:41230979	研究论文	结合深度学习与拉曼光谱，通过脂质-蛋白质生物标志物实现诱导多能干细胞多能性的小时级无标记评估	首次实现诱导多能干细胞多能性一小时内的快速检测，采用1D-CNN结合Grad-CAM解释性分析，发现脂质和蛋白质作为关键生物标志物	方法依赖特定培养条件诱导多能性变化，可能不适用于所有干细胞类型；样本规模较小，需进一步验证泛化能力	开发一种快速、无标记的诱导多能干细胞多能性评估方法，用于再生医学和临床应用中的质量控制	诱导多能干细胞在不同多能状态下的拉曼光谱数据	机器学习	NA	拉曼光谱	一维卷积神经网络	光谱	未明确说明样本数量，但涉及不同多能状态的诱导多能干细胞光谱数据集	PyTorch	1D-CNN	准确率	NA
3	2026-07-07	Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation 2025-11, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70011 PMID:40702787	研究论文	开发并评估基于解剖学的多任务深度学习影像组学列线图（AMDRN）系统，用于预测上颌窦底提升术前的种植失败风险	首次将解剖结构自动分割与多任务深度学习影像组学结合，构建集成列线图系统同时实现预测和可视化决策支持	NA	开发一种能预测上颌窦底提升术种植失败风险并支持临床决策的系统	上颌窦、施奈德黏膜、残余牙槽骨等关键解剖结构	数字病理学	口腔疾病	锥形束CT	nn-UNet v2、3D-Attention-ResNet、逻辑回归	影像数据、电子病历文本数据	回顾性收集患者术前锥形束CT影像和电子病历，未明确样本数量	NA	nn-UNet v2、3D-Attention-ResNet	DICE系数、准确率、曲线下面积	NA
4	2026-07-07	Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study 2025-11, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70958 PMID:41284376	研究论文	开发基于PANoptosis的卵巢癌病理组学预后模型	首次探索PANoptosis在卵巢癌预后中的作用，并构建了基于深度学习的PANoptosis相关病理组学预后模型（PANPM）	NA	阐明PANoptosis在卵巢癌预后中的作用并开发预后模型	卵巢癌的转录组数据、单细胞RNA测序数据、空间数据和病理图像	数字病理学, 机器学习	卵巢癌	RNA-seq, 单细胞RNA测序, 空间转录组学, 病理图像分析	深度学习模型（ResNet-50）	转录组数据, 单细胞RNA测序数据, 空间数据, 病理图像	TCGA和GTEx卵巢数据、GSE184880单细胞RNA测序数据集、10X Genomics网站和GDC Portal的空间数据和病理图像	NA	ResNet-50, CellProfiler	NA	NA
5	2026-07-05	Through the eye to the heart: a scoping review of artificial intelligence in retinal imaging for cardiovascular disease assessment 2025-11-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03300-4 PMID:41299604	综述	系统评估基于人工智能的视网膜生物标志物在多种心血管疾病表型量化中的能力	首次建立视网膜AI在心血管疾病评估中的基准证据库，并提出FAIR合规报告框架以加速临床转化	少于10%的研究共享代码或数据集，三分之二的研究缺乏外部验证	评估人工智能在视网膜成像中用于心血管疾病评估的当前能力与局限性	21项2018-2025年间发表的研究，涉及多种族人群	计算机视觉	心血管疾病	视网膜成像	卷积神经网络, 基于Transformer的模型	图像	21项研究，涵盖多国队列	NA	卷积神经网络, Transformer	AUROC, 净重分类改善	NA
6	2026-07-05	Artificial intelligence in polycystic ovary syndrome: a systematic review of diagnostic and predictive applications 2025-11-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03255-6 PMID:41286838	系统综述	系统性综述了人工智能在多囊卵巢综合征诊断和预测中的应用，涵盖机器学习、深度学习、可解释人工智能和大语言模型	首次全面综合评估AI技术在PCOS中的应用，包括诊断性能、生物标志物发现、风险预测、临床决策支持、模型可解释性及生成式AI的新兴应用	多数研究样本量小、类别不平衡、方法异质性大、外部验证不足，仅约四分之一研究应用了可解释AI方法	综合评估AI技术在多囊卵巢综合征诊断和预测中的应用现状与性能	多囊卵巢综合征（PCOS）的诊断、预测及管理	机器学习	多囊卵巢综合征	NA	CNN, 随机森林, 支持向量机, 大语言模型	影像数据, 临床数据, 电子健康记录数据, 组学数据	80项研究（从662篇记录中筛选）	NA	CNN, 随机森林, 支持向量机	准确率, 95%以上（影像应用）	NA
7	2026-07-05	Predicting the risk of preterm birth with machine learning and electronic health records in China 2025-11-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03254-7 PMID:41214653	research paper	利用中国电子健康记录和机器学习方法预测早产风险	结合22种机器学习模型和两种动态深度学习方法，基于中国大规模电子健康记录数据（36378例）预测早产风险，并在外部验证集（10367例）中确认模型稳定性	仅使用了已知的24个高危因素，未纳入其他潜在因素；数据来自单一国家，可能限制模型的泛化性	预测和验证中国孕妇早产风险，为临床干预提供工具	中国孕妇人群	machine learning	早产	电子健康记录分析	随机森林、LightGBM、LSTM	电子健康记录数据	36378例（34132例足月产，2246例早产），外加10367例外部验证样本	NA	随机森林、LightGBM、LSTM	AUC	NA
8	2026-07-03	STANet: A Surgical Gesture Recognition Method Based on Spatiotemporal Fusion 2025-11, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70053 PMID:40991934	研究论文	提出一种基于时空融合的手术手势识别方法STANet，用于机器人手术中的动作序列建模	设计了时空自适应网络STANet，通过时间模块和空间模块分别提取特征，并采用时间自适应卷积策略进行特征融合和细化，有效捕捉长短期依赖关系	NA	提高手术手势识别的准确性和效率，解决现有方法无法有效融合时空特征的问题	机器人手术中的手术手势序列	计算机视觉	NA	NA	卷积神经网络	手术手势序列图像	JIGSAWS和RARP-45两个公开数据集	PyTorch	时空自适应网络	准确率	NA
9	2026-07-01	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于分割机械通气波形中的吸气与呼气起始点	首次将注意力门控U-Net架构应用于通气波形时间序列分割，在噪声真实数据中优于传统启发式方法，并能通过梯度加权类激活图解释模型决策特征	NA	实现机械通气波形的高精度实时分割，为患者-呼吸机异步事件的可重复量化提供基础	机械通气波形中的吸气与呼气起始点	机器学习	NA	NA	深度学习	时间序列波形	来自33名患者的9,719次呼吸	NA	注意力门控U-Net	F1分数	NA
10	2026-07-01	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	利用深度学习模型分析MRI数据，发现上气道体积可预测青少年大脑结构及认知能力	首次在大规模青少年队列中应用深度学习技术进行上气道分割，并揭示上气道体积作为认知结局的生物标志物	未提及具体局限性	探讨上气道体积与青少年认知及大脑结构的关系	9-10岁青少年（共11,875名）	深度学习	儿童睡眠呼吸障碍	MRI	深度学习模型	大脑磁共振成像切片	5,552,640张大脑MRI切片	NA	深度学习模型	NA	NA
11	2026-07-01	Transforming sleep medicine: the evolving role of artificial intelligence 2025-11-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001210 PMID:40855966	综述	探讨人工智能在睡眠医学中的演变角色及其对诊断和治疗的影响	系统总结了AI技术在阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍检测中的应用，并强调了基于睡眠障碍内分型实现个性化治疗的潜力	临床应用中存在伦理问题，包括患者隐私、数据使用偏见和透明度不足等挑战	解释AI在睡眠医学中的演变角色，为临床医生提供关于其益处和局限性的关键信息	睡眠医学领域，包括阻塞性睡眠呼吸暂停、失眠、发作性睡病等睡眠障碍	机器学习	睡眠障碍	NA	NA	文本	NA	NA	NA	NA	NA
12	2026-06-30	In vivo confocal microscopy in ophthalmology: research trends from a bibliometric analysis 2025-11, Clinical & experimental optometry DOI:10.1080/08164622.2025.2459345 PMID:39933698	综述	通过文献计量分析，系统梳理了眼科体内共聚焦显微镜（IVCM）领域的研究趋势、影响性文章、作者、机构及新兴方向	首次对IVCM在眼科领域的研究进行全球性文献计量分析，并聚焦角膜神经和免疫细胞两个子方向，揭示深度学习、人工智能等新兴主题	仅基于Web of Science核心合集数据库，可能遗漏部分高质量研究；分析局限于标题和作者关键词检索，未涵盖全文内容	识别IVCM在眼科研究中具有影响力的文章、作者、机构及新兴趋势，为该领域提供发展路线图	IVCM在眼科中的研究文献	文献计量学	角膜疾病、眼表疾病	体内共聚焦显微镜（IVCM）	NA	文献计量数据	1,389篇文献（其中600篇为近十年发表）；亚组分析：角膜神经425篇、免疫细胞182篇	VOSviewer	NA	h指数、每篇平均引用次数	NA
13	2026-06-29	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	提出一种混合CNN-ViT框架CAFNet，结合交叉注意力融合和数据增强，用于鲁棒的脑肿瘤分类	提出混合CNN-ViT框架CAFNet，利用交叉注意力融合机制整合CNN局部特征与ViT全局上下文，结合数据增强显著提升分类性能	NA	开发一种鲁棒的脑肿瘤分类方法，提高从MRI扫描中多类别肿瘤分类的准确性	脑肿瘤MRI影像	计算机视觉	脑肿瘤	NA	CNN, Vision Transformer	MRI图像	多类别MRI数据集	NA	CAFNet, AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19	准确率	NA
14	2026-06-29	Feature fusion context attention gate UNet for detection of polycystic ovary syndrome 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26314-4 PMID:41309699	研究论文	提出基于特征融合上下文注意力U-Net的多囊卵巢综合征检测模型	首次将特征融合上下文模块集成到注意力U-Net中，并采用模糊对比增强成像优化数据集预处理	未提及外部数据集验证或临床实际部署中的泛化性评估	提高多囊卵巢综合征超声图像诊断的准确性和效率	多囊卵巢综合征超声图像数据集	计算机视觉	多囊卵巢综合征	NA	U-Net	图像	3800张超声图像（原始），增广后45600张图像	NA	特征融合上下文注意力U-Net	准确率	NA
15	2026-06-29	CT-based intratumoral heterogeneity quantification fusing deep learning radiomics for predicting lymph node metastasis in early-stage lung adenocarcinoma: a multicenter study 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26331-3 PMID:41298638	研究论文	基于CT的瘤内异质性量化融合深度学习影像组学预测早期肺腺癌淋巴结转移的多中心研究	首次提出基于CT瘤内异质性（ITHscore）的新型成像生物标志物，并将其与深度学习特征和Radscore融合构建预测模型，且通过多中心数据验证，揭示了相关信号通路	未在外部独立验证队列中进一步测试，且可能受限于样本量和回顾性设计	预测早期肺腺癌的淋巴结转移，推动非侵入性个体化治疗	早期肺腺癌患者的CT图像和淋巴结转移状态	计算机视觉, 数字病理学	肺癌	CT成像, 深度学习影像组学, 无监督聚类	CNN	图像	787例早期肺腺癌患者（来自三个中心）	PyTorch	NA	AUC	NA
16	2026-06-29	Predictive modeling of motor symptom severity and stage classification in Parkinson's disease using machine learning methods with selected multiple serological biomarkers 2025-Nov-25, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04504-x PMID:41291525	研究论文	利用机器学习方法基于多种血清学生物标志物预测帕金森病运动症状严重程度和分期分类	首次系统评估炎症标志物（如NLR、LMR）在机器学习模型中预测帕金森病严重程度的关键作用，并构建了自适应特征选择和学习率调整的深度神经网络，显著提升了分类和回归任务性能	研究基于单一数据库，样本特征选择依赖XGBoost重要性排序，可能忽略其他潜在重要标志物；模型未在独立外部数据集中验证泛化性	开发基于血清学生物标志物的客观、非侵入性帕金森病严重程度评估和分期分类工具	帕金森病患者	机器学习	帕金森病	血清学检测	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络	血清学生物标志物数据	2614名个体	未明确说明	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络（含自适应特征选择和学习率调整）	准确率, 加权F1分数	未明确说明
17	2026-06-29	Mycobacterium tuberculosis FAS-II pathway targeted integrative deep learning based identification of potential anti-tubercular agents 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00695-0 PMID:41186754	研究论文	整合深度学习方法识别潜在抗结核药物，靶向结核分枝杆菌FAS-II途径	首次采用综合方法，包括位点特异性数据集整理、多种机器学习模型探索、超参数优化的人工神经网络虚拟筛选、分子对接及体外验证，针对FAS-II途径中的多个关键酶（KasA、KasB、FabH）进行多靶点药物发现	未提及具体局限性	识别靶向结核分枝杆菌FAS-II途径的潜在抗结核药物	结核分枝杆菌FAS-II途径中的关键合成酶（KasA、KasB、FabH）	机器学习	结核病	分子对接、分子动力学模拟、体外生物学评价	人工神经网络	化合物库数据	NA	NA	人工神经网络（ANN）	抑制活性（相对于阳性对照的百分比）	NA
18	2026-06-29	Design, synthesis, deep learning-guided prediction, and biological evaluation of novel pyridine-thiophene-based imine-benzalacetophenone hybrids as promising antimicrobial agent 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00687-0 PMID:41186782	研究论文	设计、合成并通过深度学习预测新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物作为抗菌剂	首次将吡啶和噻吩骨架结合到亚胺-苯甲酰乙酰苯杂化物中，并利用深度学习QSAR模型辅助预测其抗菌活性	数据集规模有限可能影响模型泛化性	开发针对多重耐药病原体的新型抗菌剂并验证其药理学特性	新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物（7c和7j）及其抗菌、抗结核活性	机器学习	多重耐药菌感染	NA	全连接前馈神经网络	分子描述符（MolWt、LogP、TPSA等）	10种杂化物（7a-7j）	NA	全连接前馈神经网络	pMIC值	NA
19	2026-06-29	Deep learning-guided rational engineering of synergistic PD-1 and LAG-3 blockade for enhanced tumor immunomodulation 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00702-4 PMID:41186834	研究论文	利用深度学习工程化靶向PD-1和LAG-3的单克隆抗体以增强肿瘤免疫调节	首次利用消息传递图神经网络进行反向建模，设计针对PD-1和LAG-3免疫检查点的单克隆抗体，并通过整合物理化学准确性、进化可行性、经验验证、几何互补性和机器学习指导的突变预测来优化抗体结合亲和力	基于计算模拟的预测仍需要进一步的实验验证和临床转化，且只针对PD-1和LAG-3两个靶点	开发可扩展的计算框架设计免疫检查点抑制剂，以改善联合免疫治疗中的抗体结合能力和治疗潜力	PD-1和LAG-3免疫检查点及相应的单克隆抗体	机器学习	肿瘤	分子动力学模拟	消息传递图神经网络	蛋白质结构数据	NA	NA	消息传递图神经网络	结合亲和力、热稳定性、免疫原性	NA
20	2026-06-26	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-11-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	探索多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的性能，并比较机器学习与深度学习模型的差异	结合DCE-MRI的多模态放射组学模型并通过SHAP值增强模型可解释性，在预测鼻咽癌新辅助化疗反应中展现出优越性能	未明确提及，可能包括样本量有限或回顾性研究设计	评估多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的价值，并比较机器学习和深度学习模型的性能差异	鼻咽癌（NPC）患者的新辅助化疗（NAC）反应	医学影像分析，机器学习	鼻咽癌	多模态MRI放射组学（T1WI, PDWI, CE-T1WI, DCE-MRI），特征选择（MIC, LASSO），机器学习，深度学习	多层感知机（MLP），逻辑回归，支持向量机，随机森林，极限梯度提升（XGBoost）	MRI影像数据（包括DCE-MRI）	370名鼻咽癌患者，其中126名接受DCE-MRI	NA	多层感知机，逻辑回归，支持向量机，随机森林，极限梯度提升	AUC，灵敏度，特异性，SHAP值	NA