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
201	2026-01-03	Integrating WGCNA, TCN, and Alternative Splicing to Map Early Caste Programs in Day-2 Honeybee Larvae 2025-Nov-26, Genes IF:2.8Q2 DOI:10.3390/genes16121409 PMID:41465082	研究论文	本研究整合RNA-seq、WGCNA和选择性剪接分析，探索了2日龄工蜂、雄蜂和蜂王幼虫间的基因表达差异，并利用深度学习TCN模型进行高精度分类	首次将WGCNA、TCN深度学习模型与选择性剪接分析相结合，系统性地揭示了蜜蜂早期幼虫阶段种姓和性别分化的关键基因与分子机制	研究仅针对2日龄幼虫阶段，未覆盖更广泛的发育时期；样本量可能有限，且模型在更广泛物种中的普适性未验证	探究蜜蜂幼虫阶段种姓和性别分化的分子机制	2日龄的工蜂、雄蜂和蜂王幼虫	机器学习	NA	RNA-seq, WGCNA, 选择性剪接分析	TCN	基因表达数据	2日龄工蜂、雄蜂和蜂王幼虫的RNA-seq样本	NA	TCN	分类准确率	NA
202	2026-01-03	Deep Learning for CT Synthesis in Radiotherapy 2025-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121297 PMID:41463594	综述	本文全面回顾了基于深度学习的合成CT图像生成在放射治疗中的研究进展，包括从CBCT、MRI和诊断CT等多模态成像中生成sCT，并探讨了其在CBCT在线自适应放疗、MRI引导放疗和无模拟工作流中的临床应用	系统总结了深度学习在放射治疗中合成CT图像生成的最新研究，涵盖了多种成像模态和临床场景，并讨论了模型架构、训练策略及临床转化挑战	作为综述文章，未提出新的算法或模型，主要基于现有研究进行总结，未涉及具体实验验证	综述深度学习在放射治疗中合成CT图像生成的研究进展、临床应用及未来方向	基于深度学习的合成CT图像生成方法及其在放射治疗中的应用	数字病理学	NA	深度学习	CNN, GAN	图像	NA	NA	卷积神经网络, 生成对抗网络	NA	NA
203	2026-01-03	MACNeXt-Based Bacteria Species Detection 2025-Nov-25, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms13122689 PMID:41471893	研究论文	本研究提出了一种名为MACNeXt的新型紧凑卷积神经网络，用于细菌物种的显微图像分类	提出了一种结合GELU和ReLU两种激活函数的多分支设计CNN架构，旨在实现高精度与低计算成本的平衡	NA	开发一种适用于常规临床使用的、高精度且计算成本低的细菌物种分类深度学习模型	24种细菌物种的显微图像	计算机视觉	NA	显微成像	CNN	图像	18,221张显微图像	NA	MACNeXt	准确率, 精确率, 召回率, F1分数	NA
204	2026-01-03	Utilization of a Deep Learning Algorithm for Automated Segmentation of Median Nerve from Ultrasound Obtained from the Distal Forearm and Wrist 2025-Nov-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121289 PMID:41463586	研究论文	本研究评估了一种四层U-Net深度学习算法，用于在手腕褶皱和远端前臂两个临床相关部位自动分割正中神经并估计其横截面积	通过针对性的基于强度的数据增强（如CLAHE、伽马校正、斑点噪声）显著提升了模型在新图像上的泛化能力，实现了稳健、可重复且与扫描站点无关的正中神经分割	模型在未增强的新静态图像上初始泛化性能较差（前臂IoU/Dice: 0.185/0.254；手腕IoU/Dice: 0.137/0.188），增强后虽有提升但仍未达到在原始数据集上的性能水平	提高超声图像中正中神经自动分割的鲁棒性，以实现一致且与扫描站点无关的横截面积评估，支持可扩展的腕管综合征超声评估	腕管综合征患者的正中神经超声图像	计算机视觉	腕管综合征	超声成像	CNN	图像	主要数据集：每个部位（手腕褶皱和远端前臂）500张图像；第二个泛化测试数据集：35张手腕静态图像和26张前臂静态图像	NA	U-Net	Dice系数, IoU, 横截面积测量与手动描绘的相关性	NA
205	2026-01-03	High-Fidelity Transcriptome Reconstruction of Degraded RNA-Seq Samples Using Denoising Diffusion Models 2025-Nov-23, Biology DOI:10.3390/biology14121652 PMID:41463426	研究论文	本文提出了一种名为DiffRepairer的深度学习模型，用于修复降解RNA-seq样本的转录组数据	结合Transformer架构与条件扩散模型框架，通过一步修复映射来逆转RNA降解效应	NA	开发计算方法来高保真地修复临床存档样本中因RNA降解而受损的转录组数据	降解的RNA-seq样本	生物信息学	NA	RNA-seq	Transformer, 条件扩散模型	RNA-seq数据	NA	NA	Transformer	技术和生物学指标	NA
206	2026-01-03	Construction and effectiveness test of multimodal data fusion prediction model for intracranial infection after severe craniocerebral injury in children based on deep learning 2025-Nov-22, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04502-z PMID:41272576	研究论文	本研究基于深度学习构建并验证了一种用于儿童重型颅脑损伤术后颅内感染早期识别的多模态数据融合预测模型	首次将深度学习特征、影像组学特征与临床数据融合，构建了针对儿童重型颅脑损伤术后颅内感染的预测模型，并证实其优于单一模态模型	研究为单中心回顾性研究，样本量有限，且外部验证队列为时间验证队列，需多中心前瞻性研究进一步验证	开发并验证一种基于深度学习的多模态数据融合模型，用于儿童重型颅脑损伤术后颅内感染的早期识别	浙江大学医学院附属儿童医院接受手术的儿童重型颅脑损伤患者	数字病理学	颅脑损伤	影像组学特征提取，深度学习特征提取	深度学习模型	临床数据，影像数据	内部验证队列203例（感染组46例，非感染组157例），时间验证队列101例（感染组25例，非感染组76例）	NA	NA	受试者工作特征曲线，临床决策曲线分析，校准曲线	NA
207	2026-01-03	Combination Ensemble and Explainable Deep Learning Framework for High-Accuracy Classification of Wild Edible Macrofungi 2025-Nov-22, Biology DOI:10.3390/biology14121644 PMID:41463418	研究论文	本研究提出了一种结合集成学习和可解释深度学习的框架，用于高精度分类野生食用大型真菌	提出了一种结合EfficientNetB0、ResNet50和RegNetY的分层投票策略组合模型，并集成可解释AI方法以增强模型透明度	数据集仅包含24种野生食用大型真菌物种，可能限制了模型的泛化能力	开发高精度、可解释的野生食用大型真菌分类方法，以支持生物多样性保护、食品安全和生态可持续性	24种野生食用大型真菌物种	计算机视觉	NA	NA	CNN	图像	包含24种野生食用大型真菌物种的数据集	NA	EfficientNetB0, ResNet50, RegNetY, MobileNetV3-L	准确率, AUC, MCC	NA
208	2026-01-03	PlantSAM: An object detection-driven segmentation pipeline for herbarium specimens 2025 Nov-Dec, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70034 PMID:41473394	研究论文	本文提出了一种名为PlantSAM的自动化分割流程，用于去除植物标本图像的背景噪声，以提高深度学习分类的准确性	结合YOLOv10进行植物区域检测和Segment Anything Model (SAM2)进行分割，通过边界框提示引导SAM2，实现了在植物标本图像上的最先进分割性能	NA	提升植物标本图像的深度学习分类性能，通过背景去除减少噪声和伪影的干扰	植物标本图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	YOLOv10, Segment Anything Model (SAM2)	IoU, Sørensen-Dice系数, 准确率, F1分数	NA
209	2026-01-03	A Practical Study of Data Requirements for Self-Supervised Learning in Medical Image Analysis 2025-Nov, Cureus DOI:10.7759/cureus.98049 PMID:41473638	研究论文	本文研究了自监督学习在医学图像分析中数据需求的实际问题，重点关注预训练和微调所需图像数量对二元分类任务性能的影响	首次全面评估了自监督学习框架中预训练和微调阶段所需图像数量的实际需求，特别是在有限数据设置下的适用性	研究仅针对二元分类任务和对比性自监督学习方法，未涵盖多类分类或其他自监督学习技术	优化医学图像分析中基于自监督学习的流程，特别是在罕见疾病或数据极度稀缺场景下的应用	医学图像数据，特别是用于二元分类任务的图像	计算机视觉	NA	自监督学习	对比性自监督学习模型	图像	从仅4张训练图像到至少10,000张预训练图像不等	NA	Simple Siamese Representation Learning (SimSiam)	准确率	NA
210	2026-01-02	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	本文提出了一种名为分子基序学习的无监督预训练方法，用于学习分子表示，以提升分子性质预测的准确性	MotiL方法直接从原生分子图中学习，同时保留整体分子结构和基序水平信息，能够捕捉小分子和蛋白质的相似结构与功能	NA	提高分子性质预测的准确性，以支持药物发现	小分子和蛋白质	机器学习	NA	分子图学习	NA	分子图	至少16个分子基准数据集	NA	NA	准确性	NA
211	2026-01-02	Cognitive embodied learning for anomaly active target tracking 2025-Nov-27, Communications engineering DOI:10.1038/s44172-025-00556-6 PMID:41310085	研究论文	本文提出了一种受人类大脑双决策系统启发的认知具身学习方法，用于解决复杂物理场景中的异常主动目标跟踪问题	提出了一种新颖的认知具身学习方法，该方法能动态切换正常跟踪与异常处理模式，并引入了分类目标函数来解决严重异常导致的函数不可测性和数据混淆问题	未在摘要中明确说明	解决复杂物理场景中主动目标跟踪的鲁棒性和准确性问题	无人机异常主动目标跟踪	机器视觉	NA	具身智能、强化学习、深度学习	NA	模拟场景数据、真实世界场景数据	NA	NA	NA	成功率、任务完成效率	NA
212	2026-01-02	A clinically validated AI framework for kidney cancer detection and characterization 2025-Nov-27, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01264-0 PMID:41310187	研究论文	本文介绍了一种名为BMVision的深度学习工具，用于检测和表征肾癌，并通过临床验证评估其性能	BMVision是首个经过临床验证的商业化AI工具，用于肾癌检测和表征，能显著提高放射科医生的工作效率和诊断一致性	研究为回顾性设计，可能未完全反映实际临床环境中的表现	开发并验证一个AI工具，以辅助放射科医生提高肾癌诊断的准确性和效率	肾细胞癌的对比增强计算机断层扫描图像	计算机视觉	肾癌	对比增强计算机断层扫描	深度学习	图像	200份扫描图像	NA	NA	诊断敏感性、病变测量、报告效率、放射科医生间一致性	NA
213	2026-01-02	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-Nov-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	本文提出了一种基于深度学习的多尺度集成方法MISO，用于从H&E染色组织切片预测空间转录组学数据	开发了MISO方法，首次实现从常规H&E切片预测高分辨率空间基因表达，达到近单细胞水平	方法依赖于现有数据集，未来需在更多癌症类型和更大样本中验证	整合空间转录组学与肿瘤形态学，实现从H&E切片预测基因表达	肿瘤组织样本，包括72个10X Genomics Visium样本和348个MOSAIC联盟样本	数字病理学	肿瘤	空间转录组学，H&E染色	深度学习模型	图像，基因表达数据	420个样本（72个验证样本+348个测试样本）	NA	NA	NA	NA
214	2026-01-02	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成药物化学工作流程，通过反应预测和多维优化加速药物发现中的命中到先导优化阶段	结合微型化高通量实验与深度学习及分子性质优化，显著缩短命中到先导的周期时间	NA	加速药物发现中的命中到先导优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂候选分子	机器学习	NA	高通量实验（HTE），Minisci型C-H烷基化反应	图神经网络	化学反应数据	13,490个新颖的Minisci型C-H烷基化反应	NA	深度图神经网络	NA	NA
215	2026-01-02	Deep learning model outperforms traditional models in clinical data-based prognostic prediction for adult-type diffuse glioma 2025-Nov-26, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04123-5 PMID:41296239	研究论文	本研究系统比较了传统统计方法与机器学习方法在成人型弥漫性胶质瘤生存预测中的表现，发现深度学习模型DeepSurv在性能与稳定性上优于传统模型	首次在成人型弥漫性胶质瘤预后预测中系统比较了传统统计模型与深度学习模型，并公开了模型包	基于回顾性真实世界数据，存在异质性和部分数据缺失	比较不同方法在成人型弥漫性胶质瘤生存预测中的性能、可解释性和临床适用性	成人型弥漫性胶质瘤患者	机器学习	胶质瘤	NA	Cox Proportional Hazards, Random Survival Forest, Neural Multi Task Logistic Regression, DeepSurv	临床数据	两个公共数据集和一个私人回顾性队列	NA	DeepSurv	生存预测性能、稳定性	NA
216	2026-01-02	Deep learning-extracted high-resolution dataset of rural courtyards and rooftops in northern China 2025-Nov-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06260-6 PMID:41290723	研究论文	本研究利用深度学习技术从亚米级遥感影像中提取了中国北方农村地区庭院和屋顶的高分辨率空间数据集	首次通过深度学习自动化方法生成了农村宅基地庭院边界和屋顶足迹的精细尺度数据集，填补了微观尺度农村数据的空白	未明确说明模型在更广泛地理区域或不同季节条件下的泛化能力	分析农村聚落结构以支持可持续农村发展、资源管理和环境规划	中国北方代表性地区的农村家庭庭院和建筑屋顶	计算机视觉	NA	亚米级遥感影像	CNN	图像	NA	NA	NA	准确性	NA
217	2026-01-02	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-Nov-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	本研究探讨了多模态MRI影像组学模型在预测鼻咽癌新辅助化疗反应中的价值，并比较了机器学习和深度学习模型的性能差异	结合DCE-MRI特征的多模态MRI影像组学深度学习模型，通过SHAP分析增强模型可解释性，在预测鼻咽癌新辅助化疗反应中表现出优越性能	回顾性研究设计，样本量有限（370例患者），且仅部分患者（126例）进行了DCE-MRI检查	预测鼻咽癌患者对新辅助化疗的反应	鼻咽癌患者	数字病理学	鼻咽癌	多模态MRI（包括T1WI、PDWI、CE-T1WI和DCE-MRI）	机器学习模型（逻辑回归、支持向量机、随机森林、极端梯度提升）和深度学习模型（多层感知机）	MRI图像	370例鼻咽癌患者，其中126例进行了DCE-MRI检查	Scikit-learn, TensorFlow或PyTorch（具体未明确说明）	多层感知机	AUC, 敏感性, 特异性	NA
218	2026-01-02	OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA 2025-Nov-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06324-9 PMID:41286599	研究论文	本文提出了一种基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点	构建了低冗余数据集，创新性地提出了KN-PairMatrix编码方案，并开发了集成残差和降采样优化CNN模块、Mamba网络及专有跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略	未在摘要中明确提及	准确识别RNA 2'-O-甲基化位点，以深入理解RNA调控机制	人类RNA中的2'-O-甲基化位点	机器学习	NA	KN-PairMatrix编码方案	CNN, Mamba网络	多模态数据	NA	NA	残差和降采样优化CNN模块, Mamba网络, 跨模态交互融合模块	NA	NA
219	2025-11-26	Mood states recognition based on Mandarin speech and deep learning in patients with bipolar disorder 2025-Nov-24, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-025-07630-5 PMID:41286671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
220	2026-01-02	Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography 2025-Nov-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02082-5 PMID:41286703	研究论文	本研究评估了使用深度学习重建的超低剂量脑CT在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与迭代重建的超低剂量CT及常规剂量CT进行比较	首次将深度学习重建技术应用于超低剂量脑CT，在显著降低辐射剂量的同时，保持了与常规剂量CT相当的图像质量和诊断性能	研究为回顾性设计，样本量相对较小（93例患者），且仅针对颅内出血检测，未涵盖其他脑部病变	评估超低剂量CT结合深度学习重建在颅内出血检测中的有效性，以降低患者辐射暴露	93例患者（中位年龄67岁，61例男性）的脑CT图像	计算机视觉	颅内出血	CT扫描	深度学习重建	医学图像	93例患者	NA	NA	灵敏度, 特异性	NA