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
321	2025-12-13	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型，用于生成模拟SPECT衰减校正图像，以提高SPECT心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	利用深度学习生成合成衰减校正图像，作为CT-based衰减校正的替代方案，无需额外设备、成像时间或辐射暴露	研究仅基于特定患者队列进行外部验证，未在所有临床环境中广泛测试	评估深度学习生成的合成SPECT图像是否能增强传统SPECT心肌灌注成像的准确性	SPECT心肌灌注成像患者，包括多中心队列和外部验证队列	数字病理学	心血管疾病	SPECT心肌灌注成像，CT-based衰减校正，深度学习	深度学习模型	SPECT图像	开发队列：4,894名患者（来自4个中心）；外部验证队列1：746名患者（来自72个中心）；外部验证队列2：320名患者（来自1个外部中心）	NA	NA	AUC, 总灌注缺损	NA
322	2025-12-13	RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02083-y PMID:40892332	研究论文	本研究开发了一种基于RegGAN的深度学习框架，用于从非对比CT合成对比增强CT，以实现无碘食管癌的肿瘤分割和T分期	提出了一种结合配准和对抗训练的RegGAN模型，以解决NCCT与CECT之间的错位问题，并开发了用于肿瘤分割的CSSNet和用于T分期的双路径深度学习模型	研究为回顾性多中心分析，可能存在选择偏倚；未明确提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种无需对比剂的深度学习框架，用于食管癌的自动肿瘤分割和T分期	食管癌患者	数字病理学	食管癌	CT成像	GAN, CNN, Transformer	CT图像	1092名食管癌患者（训练集313例，内部测试集117例，外部测试集116例和546例）	NA	RegGAN, CSSNet, Vision Transformer	NMAE, PSNR, SSIM, Dice系数, AUC	NA
323	2025-12-13	Deep learning-based fusion of nuclear segmentation features for microsatellite instability and tumor mutational burden prediction in digestive tract cancers: a multicenter validation study 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf580 PMID:41214872	研究论文	本研究开发了一种基于深度学习的框架，通过融合核分割特征，直接从H&E染色全切片图像预测消化系统癌症的微卫星不稳定性和肿瘤突变负荷状态	首次将核分割特征与图像特征融合，通过多模态紧凑双线性池化技术，显著提升了MSI和TMB预测的准确率，并在多中心数据上进行了验证	研究主要基于TCGA和单一外部医院数据集，样本来源和多样性可能有限，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种低成本、高效率的深度学习方法，替代传统的测序技术，用于预测消化系统癌症的MSI和TMB状态	胃癌和结直肠癌患者的H&E染色全切片图像	数字病理学	胃癌, 结直肠癌	H&E染色, 全切片成像	深度学习	图像	TCGA数据集：MSI预测涉及350例胃癌和376例结直肠癌；TMB预测涉及400例胃癌和387例结直肠癌；外部验证使用中日友好医院的结直肠癌数据集	CLAM, Hover-Net	多模态紧凑双线性池化, 六种不同的深度学习模型	AUC, 召回率	NA
324	2025-12-13	Improving Detection of Intrahepatic Cholangiocarcinoma with a Contrast-enhanced US-based Deep Learning Model 2025-Nov, Radiology. Imaging cancer DOI:10.1148/rycan.250078 PMID:41236388	研究论文	本研究开发了一种基于对比增强超声（CEUS）的深度学习模型，用于辅助放射科医生诊断肝内胆管癌（iCCA）	开发了首个基于多中心CEUS数据的深度学习模型，用于iCCA诊断，并证明了该模型能显著提升初级和中级放射科医生的诊断水平，使其达到与高级放射科医生相当的水平	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床效用	开发一种基于深度学习的辅助诊断工具，以提高肝内胆管癌（iCCA）的诊断准确性	肝内胆管癌（iCCA）患者	数字病理	肝内胆管癌	对比增强超声（CEUS）	深度学习模型	超声图像	训练集804例，验证集344例，外部测试集A 153例，外部测试集B 240例，总计1148例CEUS检查	未明确指定，可能为PyTorch或TensorFlow	BNInception, MobileNet-v2, ResNet-50, VGG-19	AUC（受试者工作特征曲线下面积）	NA
325	2025-12-13	Optimised machine learning for time-to-event prediction in healthcare applied to timing of gastrostomy in ALS: a multi-centre, retrospective model development and validation study 2025-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105962 PMID:41075354	研究论文	本研究开发并验证了一个用于预测肌萎缩侧索硬化症患者胃造口术时机的机器学习模型	采用贝叶斯框架优化了超过5000种预测模型配置，包括样条模型和深度学习模型，并利用外部验证队列在多个人群和临床环境中验证了模型性能	需要前瞻性研究才能进入常规临床实践	预测肌萎缩侧索硬化症患者胃造口术的时机	肌萎缩侧索硬化症患者	机器学习	肌萎缩侧索硬化症	NA	深度学习	临床测量数据	训练集3000名患者（欧洲），验证集299名患者（美国）和215名患者（瑞典）	NA	逻辑风险深度学习模型	中位数绝对误差, AUROC	NA
326	2025-12-13	A deep learning-based automated detection of mucus plugs in chest computed tomography 2025-Nov, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00377-2025 PMID:41367647	研究论文	本文提出了一种基于深度学习的自动化方法，用于在胸部计算机断层扫描中检测黏液栓	开发了一种创新的深度学习模型，首次实现胸部CT中黏液栓的自动化检测，提高了诊断效率和准确性	NA	旨在通过自动化工具辅助临床医生更快速、准确地识别胸部CT中的黏液栓，以改善呼吸系统疾病的诊断	胸部计算机断层扫描图像	计算机视觉	呼吸系统疾病	计算机断层扫描	深度学习模型	图像	NA	NA	NA	NA	NA
327	2025-12-13	Covid-19 diagnosis using privacy-preserving data monitoring: an explainable AI deep learning model with blockchain security 2025-Nov, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2542273 PMID:40846653	研究论文	提出一种结合深度学习、可解释人工智能与区块链技术的隐私保护COVID-19诊断框架	提出HCTR-MGR新型诊断框架，首次将卷积循环注意力迁移学习、改进型大蔗鼠优化算法与基于信任的许可区块链相结合，实现安全、可解释且高性能的COVID-19诊断	仅使用胸部X光数据集进行验证，未在更广泛的多模态医疗数据或实时临床环境中测试	开发安全、透明且高性能的COVID-19自动诊断系统	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN, 注意力机制, 迁移学习	图像	两个基准胸部X光数据集（具体数量未说明）	NA	ResNeXt, HCTR-MGR（异构卷积循环注意力迁移学习ResNeXt与改进型大蔗鼠优化）	准确率, 精确率, 召回率, 特异性, F1分数	NA
328	2025-12-13	Application of thin-slice and accelerated T1-weighted GRE sequences in 1.5T abdominal magnetic resonance imaging using deep learning image reconstruction 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064005 PMID:41383277	研究论文	本研究比较了标准梯度回波序列与两种基于深度学习图像重建的加速T1加权梯度回波序列在1.5T腹部磁共振成像中的性能	应用深度学习图像重建技术于加速和高分辨率的T1加权梯度回波序列，显著减少了采集时间并提高了图像质量	研究样本量较小（50名患者），且诊断信心和病变检测能力在序列间无显著差异	评估深度学习图像重建在腹部磁共振成像中减少采集时间和提高图像质量的效果	50名接受1.5T腹部磁共振成像的患者	医学影像	NA	磁共振成像，深度学习图像重建，并行成像，部分傅里叶采样	深度学习	磁共振图像	50名患者	NA	NA	噪声、伪影、锐度/对比度、整体图像质量、诊断信心（使用李克特量表1-5分评估）	NA
329	2025-12-12	Preoperative prediction of axillary lymph node metastasis in breast invasive ductal carcinoma patients using a deep learning model based on dynamic contrast-enhanced magnetic resonance imaging: a multicenter study 2025-Nov-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-365 PMID:41377877	研究论文	本研究开发并验证了一个基于动态对比增强磁共振成像的深度学习模型，用于术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移	结合深度学习特征与临床特征构建预测模型，并在多中心数据上验证其性能，显著提升了预测准确性	研究为回顾性分析，样本量相对有限，且仅基于特定医院的影像数据，可能存在选择偏倚	开发非侵入性工具以术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移，辅助临床决策	520名诊断为乳腺浸润性导管癌的患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	520名患者（411名用于训练和内部验证，109名用于外部测试）	NA	NA	AUC	NA
330	2025-12-12	Enhanced Feature Extraction for Detection and Classification of Kidney Abnormalities 2025-11-29, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420229251027104658 PMID:41328653	研究论文	本研究提出了一种基于深度学习的诊断框架，通过新型模型KTNET增强特征提取，用于从CT扫描图像中自动检测和分类多种肾脏异常	引入了基于Transformer架构的新型模型Kidney Transformer Network (KTNET)，以增强疾病特异性特征提取，提高肾脏异常的分类准确性	NA	开发一个智能、可靠的框架，用于肾脏异常的早期检测和分类，以改善患者诊断和临床决策	肾脏异常，包括囊肿、结石、肿瘤和其他结构性病变	计算机视觉	肾脏疾病	CT扫描	Transformer	图像	NA	NA	Kidney Transformer Network (KTNET)	准确率, 精确率, 召回率, F1分数	NA
331	2025-12-12	Analytical and numerical solutions of MABC fractional advection dispersion models by utilizing the modified physics informed neural networks with impacts of fractional derivative 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30065-7 PMID:41310394	研究论文	本研究提出了一种新的分数阶对流扩散方程，并利用改进的物理信息神经网络（PINNs）框架对其进行数值求解	提出了基于改进的Atangana-Baleanu-Caputo（MABC）分数阶导数的对流扩散方程新公式，并开发了专门的PINNs算法来求解MABC意义上的分数阶微分方程	未在摘要中明确说明	开发准确有效的数学模型以模拟污染物传输现象，并求解分数阶对流扩散方程	污染物传输的分数阶对流扩散模型	机器学习	NA	物理信息神经网络（PINNs）	深度学习模型	NA	NA	TensorFlow, PyTorch	物理信息神经网络	精度, 计算效率	NA
332	2025-12-12	Deep Generative Model-Driven Design of Microbial Synthetic Promoters 2025-Nov-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2510.10043 PMID:41309366	综述	本文综述了利用深度生成模型（VAE、GAN、扩散模型）设计和生成具有可调表达水平的微生物合成启动子的方法、流程和应用	系统总结并比较了三种主流深度生成模型（VAE、GAN、扩散模型）在合成启动子设计中的原理、优势和应用策略，为这一新兴领域提供了全面的方法学框架	作为综述文章，未提出新的原创模型或实验数据，主要基于现有文献进行归纳和评述	探讨如何利用深度学习技术加速和优化微生物合成启动子的设计与生成	微生物合成启动子（人工设计的DNA序列）	机器学习	NA	深度生成模型（DGM）	VAE, GAN, 扩散模型	DNA序列数据	NA	NA	NA	NA	NA
333	2025-12-12	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2025-Nov-19, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	本研究评估了使用大型语言模型（LLM）从放射学报告中自动提取真实标签的可行性，以验证放射学人工智能模型在光子计数CT图像上的性能	首次提出利用LLM自动化提取放射学报告中的真实标签，为AI工具的性能评估提供可扩展且高效的替代方案，特别是在新型成像硬件（如PCCT）引入输入漂移时	研究为回顾性分析，LLM提取的标签可能存在错误，需部分人工校正；样本仅涵盖四种特定诊断任务，可能无法推广到其他放射学领域	验证使用LLM自动化提取放射学报告真实标签的可行性，以支持放射学AI工具的可扩展性能评估和监控	针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折的四种FDA批准的深度学习计算机辅助检测和分诊工具	自然语言处理	肺栓塞, 颅内出血, 颈椎骨折, 椎体压缩性骨折	光子计数CT（PCCT）扫描, 传统CT扫描	深度学习	文本（放射学报告）	未明确指定样本数量，但涉及使用新型PCCT扫描仪和传统扫描仪获取的检查报告	未明确指定，但使用了LLM（Llama 3.3）	未明确指定具体架构，但基于LLM（Llama 3.3）	Fleiss's κ（用于测量评分者间一致性），性能指标（如准确性等，但未具体列出）	未明确指定
334	2025-12-12	Innovating cell culture process development with deep learning-powered robotic experimentation using the first Industrial Smart Lab Framework 2025 Nov-Dec, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70051 PMID:40542657	研究论文	本文介绍了一种结合深度学习和机器人实验的工业智能实验室框架（ISLFCC），用于自动化优化细胞培养过程	首次将仅解码器Transformer深度学习模型与机器人实验、物联网系统集成，实现高通量自动化细胞培养，在单批次内显著提高产量	NA	提高生物制剂（如抗体和重组蛋白）生产过程中细胞培养优化的效率和效果	细胞培养过程、生物反应器	机器学习	NA	细胞培养、生物反应器分析	Transformer	传感器数据、分析结果	三个不同细胞克隆	NA	仅解码器Transformer	滴度增加百分比、乳酸水平	NA
335	2025-12-12	STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3605968 PMID:40907046	研究论文	本研究提出了一种名为STAD-CoAtt的方法，通过整合时空图学习技术和共注意力网络，利用单核RNA测序数据评估阿尔茨海默病的神经病理学阶段	提出了一种结合共注意力网络和非线性流形对齐融合模块的ST-GCN架构，能够压缩演化的AD特异性基因调控网络并整合时空特征，从而构建snRNA-seq数据的联合潜在表示	未明确说明方法在其他神经系统疾病或更大规模数据集上的泛化能力，也未详细讨论计算复杂度	开发一种深度学习模型，用于评估阿尔茨海默病的神经病理学阶段和认知功能障碍	阿尔茨海默病和痴呆症相关的单核RNA测序数据	生物信息学, 机器学习	阿尔茨海默病, 神经系统疾病	单核RNA测序	图卷积网络, 注意力机制	基因表达数据, 图数据	来自ROSMAP和GSE平台的两个基准RNA-seq数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA
336	2025-12-12	MultiFusion2HPO: A Multimodal Deep Learning Approach for Enhancing Human Protein-Phenotype Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3608274 PMID:40928915	研究论文	本文提出了一种名为MultiFusion2HPO的多模态深度学习模型，用于增强人类蛋白质-表型关联预测	整合了五种关键模态数据（文本、蛋白质序列、蛋白质-蛋白质相互作用网络、基因本体注释和基因表达），并采用先进的深度学习方法，克服了现有方法在利用多模态信息和定制深度学习表示方面的不足	未明确提及具体局限性	提高人类蛋白质与临床表型（基于人类表型本体HPO）关联预测的准确性，以促进药物开发和精准医学	人类基因（蛋白质）与临床表型之间的关联	自然语言处理, 机器学习	NA	文本嵌入（TFIDF-D2V和BioLinkBERT）、蛋白质序列分析（InterPro和ESM2）、蛋白质-蛋白质相互作用网络分析、基因本体注释、基因表达分析	深度学习模型	文本, 序列, 网络, 注释, 表达数据	NA	NA	MultiFusion2HPO	准确性	NA
337	2025-12-12	A Lightweight Network With Uncertainty-Guided Latent Space Refinement for Multi-Modal Brain Tissue and Tumor Extraction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3609333 PMID:40932804	研究论文	本文提出了一种名为UMNet的轻量级网络，通过不确定性引导的潜在空间细化进行多模态脑组织和肿瘤提取	引入了模态特定的不确定性正则化特征融合模块（M-SUM）和不确定性增强损失函数（U-Loss），以优化多模态特征融合并利用预测不确定性	未明确提及具体局限性，可能包括数据集的通用性或计算效率的进一步验证	改进多模态脑组织和肿瘤提取的深度学习模型性能	脑组织和肿瘤	数字病理学	脑肿瘤	多模态成像	CNN	图像	NA	NA	UMNet	NA	NA
338	2025-12-12	DeepHIV: A Sequence-Based Deep Learning Model for Predicting HIV-1 Protease Cleavage Sites 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3610881 PMID:40956729	研究论文	本文提出了一种名为DeepHIV的深度学习模型，用于仅基于底物序列信息预测HIV-1蛋白酶切割位点	设计了一种结合卷积神经网络与注意力机制的新模型，以捕获底物序列中位置特异性氨基酸的丰富上下文信息，并采用偏置支持向量机处理类别不平衡问题	NA	预测HIV-1蛋白酶切割位点，以辅助新型抗艾滋病抑制剂的设计	HIV-1底物序列	自然语言处理	艾滋病	序列分析	CNN, SVM	序列	NA	NA	CNN结合注意力机制	准确率, 精确率, 召回率, F1分数, AUC	NA
339	2025-12-12	Trans-Driver: A Deep Learning Approach for Cancer Driver Gene Discovery With Multi-Omics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3612010 PMID:40971265	研究论文	本研究提出了一种基于Transformer架构的深度监督学习方法Trans-Driver，用于整合多组学数据以发现癌症驱动基因	引入了基于核的多头自注意力机制与门控残差连接，以及动态Tanh归一化函数，以增强异质多组学特征的整合与建模	NA	准确识别癌症驱动基因，以深化对癌症发病机制的理解并促进癌症疗法和药物靶向驱动基因的开发	癌症驱动基因	机器学习	癌症	多组学数据整合	Transformer	多组学数据	TCGA、CGC和PCAWG数据集中的约20,000个蛋白质编码基因	NA	Transformer	NA	NA
340	2025-12-12	Particle Restoration: A Novel Image Processing Framework for Improving Real Cryo-EM Image Quality in Single Particle Analysis 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3608557 PMID:40986588	研究论文	本文提出了一种名为粒子恢复的新型图像处理框架，旨在通过深度学习提升冷冻电镜单颗粒分析中真实图像的质量	首次定义了粒子恢复任务，并设计了一个包含四步的框架，通过创建粒子图像标签和配对数据来弥补真实数据中缺乏真实值的缺陷	未明确说明框架在极端噪声条件下的鲁棒性，且训练数据可能依赖于特定数据集	提升冷冻电镜单颗粒分析中图像的质量，以改善结构解析的分辨率并促进深度学习的应用	冷冻电镜图像中的生物大分子颗粒	计算机视觉	NA	冷冻电镜单颗粒分析	深度学习神经网络	图像	基于真实冷冻电镜数据构建的三个数据集	NA	编码器-解码器架构	定量指标, 定性可视化	NA