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
361	2025-11-16	Harnessing droplet microfluidics and morphology-based deep learning for the label-free study of polymicrobial-phage interactions 2025-Nov-12, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-08925-9 PMID:41225150	研究论文	本研究开发了一种基于微滴微流控和形态学深度学习的无标记方法，用于研究多微生物-噬菌体相互作用	结合微滴封装技术与AI自动对焦的Z-stack明场显微镜成像，无需平板培养即可量化两种形态不同细菌的生长动态	仅针对两种形态不同的细菌物种进行研究，方法可能不适用于形态相似的菌种	评估噬菌体对细菌群落的影响，为噬菌体治疗提供研究方法	铜绿假单胞菌和金黄色葡萄球菌的单一或共培养体系	数字病理	NA	微滴微流控，Z-stack明场显微镜	深度学习	图像	11皮升微滴中培养长达20小时的细菌样本	NA	NA	生长速率，细菌密度，裂解动力学	NA
362	2025-11-16	SmartPLR: a digital solution for AI-powered smartphone pupillometry 2025-Nov-12, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04462-5 PMID:41225382	研究论文	开发基于深度学习的智能手机瞳孔测量应用并与商业瞳孔计进行准确性比较	首个无需红外光源或附加设备的深度学习智能手机瞳孔测量方案	样本量相对有限（158名志愿者），需进一步验证临床适用性	开发高精度的智能手机瞳孔光反射测量方法	人类瞳孔光反射	计算机视觉	神经系统疾病	智能手机成像	深度学习	图像	158名志愿者的336次瞳孔光反射检测	NA	UNet, UNet++, DeepLabV3, DeepLabV3+, Mask R-CNN, ResNet50, Swin Transformer, ConvNeXt V2	交并比, 分割平均精度, 边界框平均精度, 皮尔逊相关系数	NA
363	2025-11-14	Clinical implementation of deep learning-based synthetic CT for MRI-only volumetric modulated arc therapy in head and neck and pelvic cancer patients 2025-Nov-12, Radiation oncology (London, England) DOI:10.1186/s13014-025-02744-2 PMID:41225562	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
364	2025-11-16	Precise detection of Eimeria oocysts in sheep: a deep learning model based on microscopic images 2025-Nov-12, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-07092-4 PMID:41225607	研究论文	提出基于深度学习的YOLO-GA模型，用于精确检测绵羊粪便显微镜图像中的艾美耳球虫卵囊	在YOLOv5架构基础上引入两种轻量级注意力模块：上下文变换器(CoT)块用于局部-全局上下文增强，归一化注意力机制(NAM)用于自适应特征重校准	需要进一步验证才能扩展到其他小型反刍动物球虫病(如山羊艾美耳球虫)	开发自动化检测系统用于绵羊艾美耳球虫病的智能诊断	绵羊艾美耳球虫卵囊	计算机视觉	寄生虫病	显微镜成像	YOLO	图像	2000张显微镜图像(200倍放大)	PyTorch	YOLOv5, YOLO-GA	平均精度(mAP@0.5), 精确率	NA
365	2025-11-16	How evaluation choices distort the outcome of generative drug discovery 2025-Nov-12, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01108-y PMID:41225661	研究论文	本文批判性分析生成式药物发现中的评估方法，揭示评估选择对结果的影响并提出改进策略	发现生成分子库规模对评估结果的重大影响，提出计算效率高的新指标和大规模评估方法	研究主要基于化学语言模型，可能不涵盖所有类型的生成模型	提高生成式药物发现中评估实践的稳健性和可靠性	约10亿个由深度学习模型生成的分子设计	机器学习	NA	化学语言模型	深度学习模型	分子结构数据	约10亿个分子设计	NA	化学语言模型	独特性, 分布相似性, 多样性	NA
366	2025-11-16	Deep learning and molecular dynamics reveal promising EZH2 inhibitors for epigenetic cancer targeting 2025-Nov-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108784 PMID:41237543	研究论文	本研究结合深度学习和分子动力学方法筛选出新型EZH2抑制剂用于表观遗传癌症靶向治疗	首次将精细调优的REINVENT生成模型与结构和配体计算方法相结合筛选EZH2抑制剂	研究仅限于计算机模拟验证，缺乏实验验证数据	加速EZH2抑制剂发现用于表观遗传癌症治疗	EZH2蛋白及其抑制剂化合物	计算药物设计	癌症	分子对接，分子动力学模拟，QSAR建模，DFT计算	生成模型，分类模型	化学结构数据，分子描述符	511个经过PAINS过滤的化合物，其中4个先导化合物重点研究	REINVENT	生成对抗网络	ROC-AUC, R², Q², RMSD, RMSF, 结合亲和力	NA
367	2025-11-16	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-Nov-12, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种结合RNA测序和深度学习的方法，用于快速筛选液晶单体的代谢毒性	开发了LCMsT-MTP深度学习模型，整合了LCMs结构表征和代谢毒性靶序列，能够同时识别21种代谢毒性	复杂的测序过程导致无法快速识别其他857种可能引起代谢紊乱的LCMs	建立快速高通量的液晶单体代谢毒性筛选方法	液晶单体（LCMs），特别是氟化LCMs和非氟化LCMs	机器学习	代谢紊乱	RNA测序，深度学习	深度学习模型	基因表达数据，化学结构数据	6种氟化LCMs在斑马鱼中的研究，扩展到857种LCMs	NA	LCMsT-MTP	风险分类准确率约95%	NA
368	2025-11-16	Recent advances in glycated hemoglobin test methods: From lab to point of care testing devices 2025-Nov-12, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.148742 PMID:41237883	综述	本文综述了2018年至2025年糖化血红蛋白检测方法的最新进展，涵盖实验室标准检测和即时检测设备	系统比较了各类生物传感器和人工智能方法在HbA1c检测中的应用，并整合了移动应用与可穿戴设备的未来发展趋势	排除了信件、百科全书、会议材料和摘要等文献来源，可能存在选择性偏差	探讨糖化血红蛋白检测技术的发展现状和未来方向	糖化血红蛋白检测方法和技术	医疗检测技术	糖尿病	生物传感器（电化学、光学、电化学发光、质量型、比色法）、荧光检测、芯片技术、微流控/芯片实验室	深度学习, 机器学习	医疗检测数据	NA	NA	NA	NA	NA
369	2025-11-16	SpatialFusion: A unified model for integrating spatial transcriptomics to unveil cell-type distribution, interaction, and functional heterogeneity in tissue microenvironments 2025-Nov-12, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169535 PMID:41237948	研究论文	提出SpatialFusion深度学习模型，通过整合基因表达和空间坐标数据改进空间域识别和细胞类型反卷积	使用图神经网络和注意力机制通过空间数据的多维嵌入捕获复杂空间关系，采用双编码策略和自监督对比学习	NA	提高空间转录组学中空间域识别和细胞类型反卷积的准确性、鲁棒性和计算效率	人类DLPFC数据集和乳腺癌肿瘤微环境	生物信息学	乳腺癌	空间转录组学	图神经网络(GNN), 注意力机制	基因表达数据, 空间坐标数据	NA	NA	SpatialFusion	准确性, 分辨率, 鲁棒性	NA
370	2025-11-16	Hybrid Synthetic Minority Over-sampling Technique (HSMOTE) and Ensemble Deep Dynamic Classifier Model (EDDCM) for big data analytics 2025-Nov-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23062-3 PMID:41219284	研究论文	提出一种结合混合合成少数类过采样技术和集成深度动态分类器模型的大数据分类框架	提出HSMOTE方法处理类别不平衡问题，开发OEFSM集成特征选择模型，并构建EDDCM动态集成分类器	NA	提升大数据分类在类别不平衡和高维特征下的性能	二分类和多分类数据集	机器学习	NA	NA	CNN, LSTM, Autoencoder	大数据	NA	MATLAB	DWCNN, DWBi-LSTM, WAE	精确率, 召回率, F值, 准确率	NA
371	2025-11-16	Predicting breast cancer response to neoadjuvant therapy by integrating radiomic and deep-learning features from early-and-peak phases of DCE-MRI 2025-Nov-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15095-8 PMID:41219899	研究论文	本研究通过整合DCE-MRI早期和峰值期的传统影像组学和3D深度学习特征，开发预测乳腺癌新辅助治疗病理完全缓解的模型	首次将DCE-MRI不同时相的传统影像组学特征与3D深度学习特征相结合，构建乳腺癌新辅助治疗疗效预测模型	回顾性研究设计，样本量相对有限，外部验证集仅包含30例患者	预测乳腺癌患者新辅助治疗的病理完全缓解，为手术策略调整和治疗方案优化提供依据	234例接受新辅助治疗的乳腺癌患者	数字病理	乳腺癌	动态对比增强磁共振成像	逻辑回归	医学影像	234例乳腺癌患者（开发集204例，外部验证集30例）	NA	3D深度学习	AUC, 95%置信区间	NA
372	2025-11-16	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Nov-10, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割模型，结合影像组学特征构建机器学习诊断模型用于早期轻度认知障碍识别	提出基于CNN的新型深度学习网络实现海马体自动分割，并首次将影像组学特征与XGBoost算法结合用于MCI诊断	样本量较小（150例），缺乏外部验证集	开发自动海马体分割方法并建立轻度认知障碍诊断模型	150名受试者（正常对照和轻度认知障碍患者）	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器	医学影像	150名受试者，按7:3比例分为训练集和验证集	NA	基于CNN的3D深度学习网络	AUC, 95%CI	NA
373	2025-11-16	Multi-task learning on microscopic hyperspectral data enables accurate classification of graphene oxide films 2025-Nov-09, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127169 PMID:41237732	研究论文	提出结合显微高光谱成像和多任务学习深度学习架构的新框架，实现氧化石墨烯薄膜的精确分类	首次将显微高光谱成像与多任务学习深度学习相结合用于氧化石墨烯表征，显著提升分类精度	未提及模型在其他材料体系中的泛化能力及计算效率的具体数据	开发高通量、精确的氧化石墨烯薄膜表征方法	氧化石墨烯薄膜	计算机视觉	NA	显微高光谱成像	深度学习	高光谱图像	未明确说明具体样本数量	未明确说明	多任务学习深度神经网络	分类准确率	NA
374	2025-11-16	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2025-Nov-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	提出基于浓度-时间曲线的卷积神经网络方法用于DCE-MRI参数估计，提高对协议变化的鲁棒性	首次采用浓度曲线而非信号强度作为输入，设计能适应不同DCE-MRI采集协议的深度学习框架	训练数据包含合成数据，外部验证样本量较小（n=15）	开发快速且对协议变化鲁棒的DCE-MRI参数估计方法	脑胶质瘤患者（2-4级）	医学影像分析	脑肿瘤	DCE-MRI，广义示踪剂动力学分析	CNN	医学影像，浓度-时间曲线	72例训练患者，18例测试患者，外加15例外部队列验证	未明确说明	卷积神经网络	平均绝对误差，AUC，相关性系数	计算时间从15分钟减少到17秒
375	2025-11-16	Green Synthesis of Chitosan Silver Nanoparticle Composite Materials: A Comparative Study of Microwave and One-Pot Reduction Methods 2025-Nov-06, Polymers IF:4.7Q1 DOI:10.3390/polym17212960 PMID:41228720	研究论文	比较微波辅助法和一锅还原法在壳聚糖银纳米颗粒复合材料绿色合成中的性能差异	首次将深度学习图像处理流程应用于纳米颗粒表征，并系统比较两种绿色合成方法的优劣	未进行抗菌性能评估，仅局限于材料表征层面	开发环保可持续的纳米材料合成方法	壳聚糖银纳米颗粒复合材料	材料科学	NA	UV-Visible光谱、拉曼光谱、X射线衍射、扫描电子显微镜	深度学习模型	图像	两种方法合成的纳米颗粒样品	NA	NA	颗粒尺寸变异性(σ)	NA
376	2025-11-16	Deep learning based label-free virtual staining and classification of human tissues using digital slide scanner 2025-Nov-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103865 PMID:41237448	研究论文	提出一种基于深度学习的高通量虚拟组织学框架，实现无标记组织切片的虚拟染色和分类	将深度学习虚拟染色与高通量数字多玻片扫描仪集成，采用NEGCUT模型生成虚拟H&E图像，并联合利用VHE和UBF图像进行分类	未明确说明样本规模的具体数值和模型泛化能力的验证	开发无需化学染色的高通量组织病理学分析方法	福尔马林固定石蜡包埋组织切片（淋巴结、脑、肝脏样本）	数字病理学	癌症	数字玻片扫描，无标记明场成像	对比学习，残差网络	图像	NA	NA	NEGCUT, ResNet	准确率	NA
377	2025-11-16	Detection and Maturity Classification of Dense Small Lychees Using an Improved Kolmogorov-Arnold Network-Transformer 2025-Nov-04, Plants (Basel, Switzerland) DOI:10.3390/plants14213378 PMID:41225928	研究论文	提出一种结合Kolmogorov-Arnold网络的改进Transformer模型，用于密集荔枝果实的检测和成熟度分类	提出GRN-KAN-Transformer模型，引入可堆叠多层GhostResNet模块、大规模特征融合层、多层交叉融合注意力模块和改进的KAN分类定位头	在密集荔枝簇且训练样本有限的情况下进行研究，可能受限于特定场景	实现密集荔枝果实的准确检测和成熟度分类，用于产量估计和收获	密集荔枝果实簇	计算机视觉	NA	深度学习	Transformer, KAN	图像	公共数据集	NA	GhostResNet, Transformer, KAN	mAP50, mAP50-95, GFLOPs, 参数量	NA
378	2025-11-16	A Deep Learning Framework for Early Parkinson's Disease Detection: Leveraging Spiral and Wave Handwriting Tasks with EfficientNetV2-S 2025-Nov-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15212795 PMID:41226087	研究论文	提出基于手写螺旋和波浪图案的深度学习框架用于帕金森病早期检测	首次将预训练的EfficientNetV2-S架构应用于帕金森病手写图案分析，并结合综合预处理流程	仅使用单一数据集(PaHaW)，未提及外部验证结果	开发帕金森病早期检测方法	帕金森病患者和健康受试者的手写图案	计算机视觉	帕金森病	手写图案分析	CNN	图像	PaHaW数据集中的螺旋和波浪手写图案	未明确指定	EfficientNetV2-S, CNN	准确率, ROC-AUC, 灵敏度, 特异性	NA
379	2025-11-16	A multi-task deep learning framework for intraoperative diagnosis of thyroid cancer metastasis using whole slide images 2025-Nov-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106176 PMID:41237514	研究论文	提出基于CLAM的多任务深度学习框架，用于甲状腺癌术中冰冻切片全切片图像的淋巴结转移诊断	首次将聚类约束注意力多实例学习应用于甲状腺癌术中冰冻切片的多元临床特征预测，并实现跨中心验证	T分期分类性能相对较低（AUC 0.65），样本量有限（569例）	开发可解释的深度学习框架以提升甲状腺癌术中淋巴结转移诊断精度	甲状腺乳头状癌患者的术中冰冻切片全切片图像	数字病理学	甲状腺癌	全切片图像分析	CNN, CLAM	图像	来自两个独立中心的569例患者样本	PyTorch	ResNet50	AUC	NA
380	2025-11-16	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Nov-03, Genome research IF:6.2Q1 DOI:10.1101/gr.280540.125 PMID:41125441	研究论文	本研究通过合成调控基因组学方法评估并改进深度学习模型Enformer在非参考基因组序列上的预测性能	首次系统评估深度学习模型在工程化基因组序列上的表现，并利用合成调控基因组数据对模型进行微调以提升泛化能力	模型在DHS顺序或方向发生重排的序列上预测性能较差	提高深度学习模型在非参考基因组序列上的预测准确性和泛化能力	工程化基因组序列（缺失、倒位、重排的DNase I超敏感位点）	计算生物学	NA	合成调控基因组学，DNA可及性检测，RNA转录分析	深度学习	基因组序列，表观遗传数据	数十个工程化DHS变异	NA	Enformer	预测误差，相关性	NA