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
261	2026-01-01	Artificial intelligence in genomics: transforming the diagnosis of hereditary spastic paraplegia 2025-Nov, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003882 PMID:41180748	综述	本文综述了人工智能在基因组学中的应用，特别是如何改变遗传性痉挛性截瘫的诊断	整合了AI驱动的基因组学工具，如Dynamicasome结合分子动力学模拟与深度学习，以捕捉超越序列保守性的结构破坏，并利用SpliceAI和Exomiser等工具改进剪接预测和表型驱动的变异优先排序	未提及具体研究中的样本量限制或数据偏差	探讨人工智能如何加速遗传性痉挛性截瘫的分子诊断和临床管理	遗传性痉挛性截瘫患者及其基因组数据	基因组学	遗传性痉挛性截瘫	下一代测序	深度学习	基因组序列数据	NA	NA	NA	临床级准确性	NVIDIA Parabricks, Illumina DRAGEN
262	2026-01-01	Proformer: a multimodal proteomics transformer model for multidisease early risk assessment 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf686 PMID:41454831	研究论文	本文提出了一种名为Proformer的多模态蛋白质组学Transformer模型，用于评估20种常见慢性疾病的多疾病早期风险	首次开发了一种能够整合蛋白质表达、序列和功能信息的多模态Transformer模型，用于从单一测量中提供多疾病风险预测，超越了现有疾病特异性工具	模型训练依赖于英国生物银行的数据，可能在其他人群中的泛化能力有限，且未详细讨论模型的可解释性或临床部署的可行性	开发一种基于蛋白质组学数据的多疾病早期风险评估工具，以改善慢性疾病的预防和干预策略	来自英国生物银行的47,124名个体的真实蛋白质组学数据，用于评估20种常见慢性疾病的风险	机器学习	慢性疾病	蛋白质组学	Transformer	蛋白质表达、序列和功能信息	47,124名个体	NA	Transformer	10年判别性能	NA
263	2026-01-01	Harnessing Artificial Intelligence for Precision Cardiovascular Medicine 2025-Nov, Cureus DOI:10.7759/cureus.97837 PMID:41458747	综述	本文探讨了人工智能在心血管医学中的应用，特别是其在提高诊断精度、效率和早期识别心脏疾病方面的作用	综述了AI在心血管医学中的多种应用，包括ECG、超声心动图和心脏成像的AI驱动诊断工具，以及非侵入性AI工具如HeartFlow在治疗规划中的作用	AI系统需要访问敏感患者数据，引发隐私、数据安全和伦理监督的担忧，可能削弱公众信任	评估人工智能在心血管医学中的诊断能力和临床应用，以改善患者预后和临床决策	心脏疾病，特别是冠状动脉疾病和心脏自主神经功能障碍	机器学习	心血管疾病	NA	支持向量机, 深度学习, 人工神经网络	心电图数据, 心脏CT图像, 超声心动图, 心脏成像	NA	NA	NA	NA	NA
264	2025-12-31	AI and telemedicine in management of diabetes 2025-Nov-28, Folia medica DOI:10.3897/folmed.67.e153728 PMID:41467276	综述	本文探讨了远程医疗和人工智能如何重塑糖尿病管理	结合远程医疗和AI技术，探索其在糖尿病早期预测、风险评估和并发症筛查中的创新应用	技术普及不均，部分医疗提供者持怀疑态度，且存在数据隐私和系统互操作性挑战	评估远程医疗和AI在糖尿病护理中的效果与潜力	糖尿病患者及其医疗记录	自然语言处理, 机器学习	糖尿病	机器学习, 深度学习, 自然语言处理	NA	文本, 医疗记录	NA	NA	NA	准确性	NA
265	2025-12-30	FigATree: a novel framework for histological subtyping and grading of lung adenocarcinoma 2025-Nov-27, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04355-4 PMID:41307585	研究论文	本文提出了一种名为FigATree的新型可解释AI框架，用于肺腺癌的组织学亚型分型和分级诊断	结合基础模型增强的区域级编码器与基于XGBoost的病理学知识驱动的玻片级分类器，实现了高精度且可解释的肺腺癌诊断	未明确说明模型在更广泛或更具挑战性数据集上的潜在性能限制	开发一种可解释的AI框架，以提升肺腺癌组织学亚型分型和分级的准确性与临床可翻译性	肺腺癌（LUAD）	数字病理学	肺癌	H&E染色	基础模型, XGBoost	图像	1186张H&E染色全玻片图像	NA	NA	准确率	NA
266	2025-12-30	CELLetter: leveraging large language model and dual-stream network to identify context-specific ligand-receptor interactions for cell-cell communication analysis 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf693 PMID:41451540	研究论文	本文介绍了一个名为CELLetter的深度学习框架，用于识别细胞间通讯中的配体-受体相互作用，并整合下游转录因子活动来解码细胞信号传导	结合蛋白质大语言模型ProstT5进行特征嵌入，采用双流架构进行特征提取和降维，引入门控机制进行动态权重调整的特征融合，并提出了基于空间转录组学的多角度验证策略	未明确说明模型在处理大规模数据集时的计算效率或对特定细胞类型的泛化能力限制	开发一个深度学习框架以识别潜在的配体-受体相互作用并量化细胞间通讯强度	细胞间通讯中的配体-受体相互作用，特别是基于单细胞RNA测序数据和空间转录组学数据	机器学习	头颈部鳞状细胞癌	单细胞RNA测序，空间转录组学，基因调控网络分析	深度学习框架，双流网络	蛋白质序列，单细胞RNA测序数据，空间转录组学数据	NA	NA	双流架构，门控机制	11种评估指标，包括共定位距离、共表达比率、共检测概率等	NA
267	2025-12-30	Deciphering RNA modification and post-transcriptional regulation with NetRNApan 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf690 PMID:41451538	研究论文	本文介绍了NetRNApan，一个用于RNA修饰位点预测、基序发现和反式调控因子识别的深度学习框架	NetRNApan通过深度学习框架，不仅提高了RNA修饰位点预测的准确性，还增强了特征表示的可解释性和通用性，并能发现新的反式调控因子	NA	研究RNA修饰和转录后调控，开发一个深度学习框架用于预测RNA修饰位点、发现基序和识别调控因子	RNA修饰，特别是m5U和m6A修饰，以及相关的RNA结合蛋白	自然语言处理	NA	FICC-seq, miCLIP-seq	深度学习	RNA序列数据	NA	NA	NA	准确性	NA
268	2025-12-29	Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease 2025-Nov-01, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001114 PMID:40767529	综述	本文综述了截至2024年人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展	总结了人工智能在系统性硬化症研究中从预测建模到患者亚群识别、疾病严重程度量化及影像分析的最新应用，强调了其在处理高维复杂数据中的潜力	NA	综述人工智能在系统性硬化症皮肤和肺部疾病研究中的应用，以推动个性化医疗	系统性硬化症患者的皮肤和肺部疾病数据	机器学习	系统性硬化症	监督机器学习、无监督机器学习、深度学习	NA	临床数据、数字图像（肺部影像、皮肤活检图像）	NA	NA	NA	NA	NA
269	2025-12-29	Automated synthetic contrast-enhanced MRI improves choroid plexus segmentation in Parkinsonian syndromes 2025-Nov, Radiology advances DOI:10.1093/radadv/umaf042 PMID:41446781	研究论文	本研究开发了一种基于深度学习的合成对比增强MRI方法，用于改善帕金森综合征中脉络丛的分割和形态学分析	首次提出使用深度学习从T1加权图像生成合成对比增强MRI，以替代传统钆对比剂增强MRI，用于脉络丛分割和形态测量	研究为回顾性设计，且外部验证队列数据时间跨度较早，可能影响泛化性	开发并验证一种无需注射钆对比剂的合成对比增强MRI方法，以改善神经退行性疾病中脉络丛的成像和分割	帕金森病、特发性震颤和非典型帕金森综合征患者的脑部MRI图像	医学影像分析	帕金森综合征	MRI, 深度学习图像合成	深度学习	MRI图像	内部队列265名患者，外部队列58名患者	NA	Nested-UNet, 3D-UNet	峰值信噪比, 结构相似性指数, Dice系数, 组内相关系数, 平均绝对体积差异	NA
270	2025-12-28	A Mask R-CNN-Based Approach for Brain Aneurysm Detection and Segmentation from TOF-MRA Data 2025-Nov-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15121295 PMID:41440091	研究论文	本研究提出了一种基于Mask R-CNN的深度学习框架，用于从TOF-MRA数据中自动检测和分割颅内动脉瘤	引入了两项关键创新：用于更好捕捉微小动脉瘤的“小目标感知ROI头部”以及改进区域提议质量的定制锚点配置，并整合了贝叶斯超参数优化和负样本建模	未明确说明模型在不同扫描设备或采集参数下的泛化能力，以及临床部署前的多中心验证需求	开发一种能够自动检测和分割颅内动脉瘤（特别是小于3毫米的小动脉瘤）的深度学习工具，以辅助放射科医生诊断	颅内动脉瘤	计算机视觉	脑血管疾病	TOF-MRA（时间飞跃法磁共振血管成像）	CNN	3D医学图像（TOF-MRA容积数据）	447个TOF-MRA容积（161个含动脉瘤，286个健康）	PyTorch	Mask R-CNN	Dice系数, 精确度, 灵敏度（召回率）	NA
271	2025-12-28	Deep learning-based prediction of buccal, middle and palatal orientations of impacted maxillary canines using panoramic radiographs: a pilot study 2025-Nov-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07395-z PMID:41299355	研究论文	本研究使用深度学习模型基于全景X光片预测上颌阻生尖牙的颊侧、中间和腭侧方向	首次应用YOLO11x和YOLO12x深度学习架构于全景X光片进行上颌阻生尖牙方向分类的试点研究	样本量较小（200张图像），方法学限制，全景成像固有局限性，对颊侧和中间方向分类准确性较低	比较深度学习模型在全景X光片上检测和分类上颌阻生尖牙方向（颊侧、中间、腭侧）的性能	上颌阻生尖牙的全景X光片图像	计算机视觉	牙科疾病	全景X光成像	深度学习	图像	200张全景X光片（通过水平翻转增强至400张图像）	NA	YOLO11x, YOLO12x	精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	NA
272	2025-12-28	A hybrid model combining 1D-CNN and BERT for intelligent ECG arrhythmia classification 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28023-4 PMID:41266734	研究论文	提出一种结合1D-CNN和BERT的混合模型ECGBert，用于智能心电图心律失常分类	首次将1D-CNN的局部特征提取能力与BERT的全局上下文建模优势结合，通过Transformer机制捕获异常心跳间的长程依赖关系，无需手工特征且保持端到端学习结构	仅基于MIT-BIH心律失常数据库进行实验，未在其他数据集或临床环境中验证泛化能力	开发智能算法以实现心电图心律失常的自动准确分类	心电图信号中的不同类型心律失常	机器学习	心血管疾病	心电图信号处理	CNN, BERT	信号数据	MIT-BIH心律失常数据库中的样本	NA	1D-CNN, BERT	多个评估指标	NA
273	2025-12-28	Contrasting low- and high-resolution features for HER2 scoring using deep learning 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100529 PMID:41446275	研究论文	本研究利用深度学习技术，通过对比低分辨率和高分辨率特征，自动化乳腺癌HER2免疫组化三分类评分	提出使用端到端的ConvNeXt网络处理低分辨率IHC图像，在HER2三分类任务中实现了比基于patch的方法更高的F1分数	在区分HER2-0和HER2-low病例方面仍存在挑战，类间F1分数差异明显	自动化乳腺癌HER2免疫组化三分类评分，以提高分类准确性和可重复性	乳腺癌患者的HER2免疫组化切片	数字病理学	乳腺癌	免疫组化	CNN	图像	500名患者的HER2 IHC切片	NA	ConvNeXt	F1-score	NA
274	2025-12-27	[Research on Demand Prediction for Coronary Stents Based on Deep Learning] 2025-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250318 PMID:41448929	研究论文	本研究基于深度学习模型预测冠状动脉支架需求，以优化供应计划并提高使用效率	首次将Transformer模型应用于冠状动脉支架需求预测任务，并验证其在特征提取和模式识别方面的优越性	研究仅基于单家大型三甲医院的数据，可能缺乏普适性；数据时间范围有限（2022年1月至2024年8月）	预测冠状动脉支架需求，优化医院库存管理，确保支架供应与使用效率	冠状动脉支架的集中采购数据	机器学习	心血管疾病	NA	Transformer, 其他深度学习模型	时间序列数据	一家大型三甲医院2022年1月至2024年8月的冠状动脉支架集中采购数据	NA	Transformer	MSE, 预测需求评估指标体系	NA
275	2025-12-27	Explainable OptiCNN-SLSTM hybrid model for enhanced lithium-ion battery state of health prediction 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28091-6 PMID:41318802	研究论文	本文提出了一种名为OptiCNN-SLSTM的混合深度学习框架，用于准确预测锂离子电池的健康状态	结合了1D CNN进行时序特征压缩和状态保持的LSTM以捕获样本内和样本间的依赖关系，并采用两步超参数优化过程	未明确说明模型在更广泛电池类型或极端工况下的泛化能力	提高锂离子电池健康状态预测的准确性，以改善电动汽车性能和充电策略	锂离子电池	机器学习	NA	NA	CNN, LSTM	时序数据	NASA数据集、牛津数据集和真实世界电动汽车E-kart电池数据集	NA	1D CNN, Stacked LSTM	RMSE, MSE, MAE	NA
276	2025-12-27	Capturing atomic wetting dynamics in real time 2025-Nov-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66416-1 PMID:41315237	研究论文	本文通过原位原子分辨率透射电子显微镜结合深度学习卷积神经网络，实时捕捉了碳纳米管内金属纳米线生长的原子级润湿动力学过程	揭示了纳米线生长的两阶段机制：曲率驱动成核和毛细作用驱动伸长，并建立了预测性框架，将纳米级润湿动力学与先进纳米材料制备联系起来	研究仅限于多壁碳纳米管内的SnO纳米线生长，未涵盖其他材料或更广泛的润湿条件	研究纳米尺度下原子级润湿动力学，特别是在受限环境中的金属纳米线生长机制	多壁碳纳米管内的金属纳米线生长过程	材料科学	NA	原位原子分辨率透射电子显微镜，深度学习卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
277	2025-12-27	AdaptPest-Net: A Task-Adaptive Network with Graph-Mamba Fusion for Multi-Scale Agricultural Pest Recognition 2025-Nov-28, Entropy (Basel, Switzerland) DOI:10.3390/e27121211 PMID:41440414	研究论文	本文提出了一种名为AdaptPest-Net的任务自适应网络，用于多尺度农业害虫识别	提出了三个关键创新：基于样本难度的动态路由、图卷积与Mamba状态空间模型的融合、以及双向跨模态注意力机制，以实现计算效率与特征关系建模的平衡	NA	提高农业害虫分类的准确性和计算效率	农业害虫图像	计算机视觉	NA	深度学习	CNN, GCN, Mamba	图像	IP102和D0数据集	NA	AdaptPest-Net	准确率	NA
278	2025-12-27	Lightweight 3D CNN for MRI Analysis in Alzheimer's Disease: Balancing Accuracy and Efficiency 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120426 PMID:41440565	研究论文	本文提出了一种用于阿尔茨海默病MRI分析的轻量级3D CNN框架，旨在平衡诊断准确性与计算效率	提出了一种集成自适应多尺度特征提取、结构剪枝和参数优化的轻量级MRI分类框架，显著降低了模型复杂度和资源消耗	仅使用了ADNI数据集进行评估，未在其他独立数据集上验证模型的泛化能力	开发一种计算效率高且诊断性能优异的深度学习模型，用于阿尔茨海默病的早期检测	阿尔茨海默病患者的大脑MRI扫描图像	数字病理学	阿尔茨海默病	MRI扫描	CNN	图像	阿尔茨海默病神经影像学倡议数据集	NA	3D CNN	准确率, 性能密度	NA
279	2025-12-27	SegClarity: An Attribution-Based XAI Workflow for Evaluating Historical Document Layout Models 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120424 PMID:41440566	研究论文	本文提出了一种名为SegClarity的基于归因的可解释人工智能工作流，用于评估历史文档布局模型的解释性	提出了一种结合视觉和定量评估的新型工作流，并引入了归因一致性分数作为新的可解释性度量指标	未明确说明工作流在其他类型文档或更复杂场景下的适用性限制	提高历史文档语义分割模型的可解释性和可靠性	历史文档图像	计算机视觉	NA	语义分割，可解释人工智能	U-Net	图像	两个历史文档图像数据集	未明确说明	U-Net	归因一致性分数，其他五种XAI评估指标	NA
280	2025-12-27	Transformer and Pre-Transformer Model-Based Sentiment Prediction with Various Embeddings: A Case Study on Amazon Reviews 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121202 PMID:41440405	研究论文	本研究对亚马逊评论数据集进行了全面的情感分类模型比较评估，涵盖传统机器学习、Transformer前深度学习及Transformer模型，并分析了不同嵌入方法的性能	提出了一个可扩展的、考虑熵感知的评估框架，结合了定量比较和系统性的误分类样本定性分析，以揭示模型特定的不确定性模式，并采用资源感知方法模拟真实硬件限制	研究主要基于亚马逊特定产品类别（杂志订阅和礼品卡）的评论，可能无法完全推广到其他领域或更广泛的语言变体	比较不同范式的情感分类模型及嵌入方法的性能，为实际应用提供基于上下文感知的模型选择指导	亚马逊评论数据（Magazine Subscriptions 2023数据集和Gift Card Reviews数据集）	自然语言处理	NA	情感分析	传统机器学习模型, LSTM, Transformer	文本	初始25K条评论，后缩减至20K条以模拟资源限制	NA	BERT, DistilBERT, LSTM	准确率, 精确率, 召回率, F1分数, 分类交叉熵	NA