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
21	2026-09-26	A comprehensive benchmarking of the AlphaFold3 for predicting biomacromolecules and their interactions 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf616 PMID:41313605	研究论文	本文对AlphaFold3在预测生物大分子及其相互作用方面进行了全面的基准测试，并与多种现有方法进行了比较	首次对AlphaFold3在九种数据集上进行第三方基准测试，涵盖蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体和蛋白质-核酸复合物，并与AlphaFold2、AlphaFold-Multimer、RoseTTAFoldNA、RhoFold+、NuFold和trRosettaRNA进行比较	对于蛋白质单体，全局精度提升有限；对于肽-蛋白质复合物，性能与AlphaFold-Multimer几乎无法区分；对于RNA多聚体，优势仅限于局部距离差异测试分数的显著提升；对于RNA单体，trRosettaRNA实现了更高的全局预测精度	对AlphaFold3在预测生物大分子及其相互作用方面的性能进行全面的基准测试	蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体和蛋白质-核酸复合物	计算生物学	NA	深度学习	AlphaFold3	结构数据	九个数据集	NA	AlphaFold3	TM-score, 局部距离差异测试分数, 交互网络保真度分数	NA
22	2026-09-26	Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100524 PMID:41340634	综述	本文综述了基于人工智能的深度学习方法，仅利用H&E染色组织切片预测癌细胞中PD-L1表达的研究进展	系统总结了仅基于H&E染色切片、利用AI驱动模型预测PD-L1表达这一新兴领域，强调了其在减少免疫组化评估主观性、降低时间和资源成本方面的潜力，并提出了整合基因组学、影像组学和真实世界临床数据的多模态数据融合策略以进一步提升预测准确性和患者分层能力	需要大规模验证、AI模型的标准化以及临床实施的监管批准，这些问题尚未解决	探讨AI驱动模型（尤其是深度学习算法）直接从H&E染色组织切片预测PD-L1表达的可行性和应用前景	H&E染色组织切片、PD-L1表达生物标志物、接受免疫检查点抑制剂治疗的患者	数字病理学	肺癌	H&E染色、免疫组化、深度学习	CNN	图像	NA	NA	NA	准确率	NA
23	2026-09-26	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2025-11, The Lancet. Digital health DOI:10.1016/j.landig.2025.100921 PMID:41381302	研究论文	本文提出并验证了一种名为ECTIL的基于深度学习的计算性肿瘤浸润淋巴细胞评估模型，用于乳腺癌的预后评估	提出了一种更简单的深度学习模型，只需10分钟训练和少100倍的病理学家注释，直接从WSI特征回归TIL评分，无需复杂的深度学习分割和检测管道	未明确提及研究局限性	开发一种标签高效的计算性TIL评估模型，以辅助病理学家进行乳腺癌的TIL评估，并验证其预后价值	2340名乳腺癌患者的全切片图像和临床数据，包括790名三阴性乳腺癌患者	数字病理学	乳腺癌	全切片图像分析、病理基础模型特征提取	深度学习回归模型	图像和临床数据	2340名患者，包括356名TCGA队列、400名TNBC样本和1964名多亚型样本	NA	NA	Pearson相关系数r、AUROC、Cox回归风险比	NA
24	2026-09-26	Effectiveness of AI-Based Tools in Detecting Diabetic Retinopathy in Low- and Middle-Income Countries: A Systematic Review of Diagnostic Performance and Implementation Feasibility 2025-Nov, Cureus DOI:10.7759/cureus.96554 PMID:41393614	系统综述	本文系统综述了AI工具在低中收入国家检测糖尿病视网膜病变的诊断性能与实施可行性	聚焦于低中收入国家这一特殊场景，综合评估AI工具在资源受限环境中的诊断性能与实施可行性，并探讨成本、工作负荷和随访等实施结局	符合条件的研究数量较少，关于基础设施需求、监管考虑和长期可持续性的报告有限，需要更大规模和实施导向的研究	评估AI工具在低中收入国家检测糖尿病视网膜病变的诊断性能和实施可行性	2015年1月至2025年6月间发表的关于AI应用于视网膜成像检测糖尿病视网膜病变的研究	数字病理学	糖尿病视网膜病变	视网膜成像	机器学习, 深度学习	图像	NA	NA	NA	诊断准确率	NA
25	2026-09-26	Component puzzle protein-protein interaction prediction 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf685 PMID:41428392	研究论文	该论文提出了一种基于序列的深度学习框架C3PI，通过引入puzzler和entangler两个新组件，利用ProtT5蛋白嵌入预测蛋白质-蛋白质相互作用。	引入了两个新组件puzzler和entangler，并使用ProtT5蛋白嵌入；是首个在无泄漏金标准数据集上显著优于随机预测的PPI预测方法。	摘要中未提及。	准确预测蛋白质-蛋白质相互作用。	蛋白质-蛋白质相互作用。	机器学习	NA	ProtT5蛋白嵌入	深度学习	序列	NA	NA	NA	AUPRC, AUROC	NA
26	2026-09-23	Multimodal LLM vs. Human-Measured Features for AI Predictions of Autism in Home Videos 2025-Nov, Algorithms IF:1.8Q2 DOI:10.3390/a18110687 PMID:42375709	研究论文	本文首次系统评估了多模态大语言模型（LLM）在基于AI的自闭症检测中替代人工标注的能力，通过50个YouTube视频比较了7个Gemini模型变体与人类标注者的表现	首次系统评估多模态LLM作为AI自闭症检测中人工标注的直接替代方案，并跨Gemini 1.5至2.5三个世代进行对比分析，揭示了LLM在自闭症行为特征提取方面的快速进步趋势	LLM在提取对human-in-the-loop AI诊断有用的行为特征方面尚未达到最高水平人类标注者的能力，样本量较小（仅50个视频），且仅评估了Gemini系列模型	评估多模态LLM能否替代人工标注用于AI自闭症检测，比较LLM与人群工作者及临床医生在行为特征提取和分类准确性方面的表现差异	50个YouTube自闭症相关视频	机器学习	自闭症	多模态大语言模型评估	多模态LLM	视频	50个YouTube视频	NA	Gemini 1.5, Gemini 2.0, Gemini 2.5	准确率	NA
27	2026-09-21	Comparative analysis of deep learning models for early detection of osteoarthritis using knee radiographs: A retrospective study 2025-Nov, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103212 PMID:41078474	研究论文	该文章回顾性比较了三种深度学习模型（自定义CNN、ResNet-50和VGG-16）在膝关节X光片早期骨关节炎检测中的性能。	对三种深度学习架构在早期骨关节炎检测中的性能进行了比较分析，使用Kellgren-Lawrence分级系统作为参考标准。	回顾性研究设计，样本仅来自单一时间段，未进行外部验证。	评估和比较三种深度学习架构在利用放射影像早期检测膝关节骨关节炎中的性能。	1200张膝关节X光片（1000张用于训练，200张用于验证）。	计算机视觉	骨关节炎	深度学习	CNN	图像	1200张膝关节X光片（1000张训练，200张验证），数据收集于2022年至2024年	PyTorch	自定义CNN, ResNet-50, VGG-16	准确率, 灵敏度, 特异性, AUC-ROC	NA
28	2026-09-20	Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China 2025-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28936-0 PMID:41276562	研究论文	该研究利用街景图像和深度学习对武汉武昌老旧社区的街道空间质量进行定量评估，并提出优化策略	结合街景图像、语义分割和Place Pulse 2.0数据集预测主观感知维度，并利用Local Moran's I和SHAP分析链接主客观指标，提出可复现、可解释且文化适应的评估框架	未明确提及，可能包括样本区域单一、主观感知预测依赖Place Pulse 2.0的泛化性等	定量评估老旧社区街道空间质量并提出优化策略	武汉武昌老旧社区的街道空间	计算机视觉	NA	街景图像、语义分割、深度学习	深度学习	图像	未明确，高分辨率街景图像数据集覆盖武昌区	NA	NA	相关性分析（未具体说明指标）	NA
29	2026-09-20	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	该研究结合生物信息学分析和深度学习模型，从TCGA-UVM队列的miRNA测序数据中识别出一个五miRNA预后特征，用于葡萄膜黑色素瘤的预后预测和治疗指导	首次将单变量Cox回归与多层感知机深度学习模型相结合来筛选葡萄膜黑色素瘤的预后miRNA，并通过多数据库验证了五miRNA特征的预后和治疗意义	样本量较小（仅80例患者），MLP分类性能中等（AUC=0.71），缺乏实验验证	识别葡萄膜黑色素瘤中可靠的预后miRNA生物标志物，并探索其治疗潜力	TCGA-UVM队列中80例葡萄膜黑色素瘤患者的miRNA测序数据和临床数据	机器学习	葡萄膜黑色素瘤	miRNA测序	多层感知机	文本	80例葡萄膜黑色素瘤患者的miRNA测序和临床数据	NA	多层感知机	AUC	NA
30	2026-09-20	Multi scale deep learning quantifies Ki67 index in breast cancer histopathology images 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28734-8 PMID:41272033	研究论文	本文提出了一种基于U-Net的多尺度深度学习框架Kpi-Net，用于精确量化乳腺癌病理图像中的Ki67增殖指数	开发了残差扩张多尺度模块（RDMS Module）结合Transformer Block以捕获局部和全局信息，引入了HS-CBAM-FPN和SFF-CBAM机制进行多级特征融合，并应用分水岭算法细化细胞簇分割	摘要中未明确提及研究的局限性	精确量化乳腺癌病理图像中的Ki67增殖指数，以辅助乳腺癌诊断和治疗决策	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN, Transformer	图像	NA	NA	U-Net, Transformer	F1分数, 均方根误差（RMSE）	NA
31	2026-09-20	Smartphone-integrated portable microfluidic platform for liver biomarker quantification using deep learning 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29431-2 PMID:41272257	研究论文	本文提出了一种集成了微流控、深度学习和移动健康技术的智能手机比色传感平台，用于定量检测肝脏生物标志物。	结合了SLA 3D打印微流控流动池、智能手机成像和CNN回归分析，实现了便携式、低试剂消耗的肝脏生物标志物定量检测，并通过两点手机适配框架确保跨设备稳健性。	未明确提及	开发一种准确、分散式的肝脏生物标志物检测平台，用于资源有限环境下肝功能障碍的早期诊断和监测。	肝脏生物标志物，包括直接胆红素、总胆红素、丙氨酸氨基转移酶（ALT）和天冬氨酸氨基转移酶（AST）。	数字病理学	肝脏疾病	微流控、比色传感、深度学习	CNN	图像	未明确提及	未明确提及	卷积神经网络（CNN）	决定系数（R）、变异系数（CV）、检测限（LOD）	未明确提及
32	2026-09-20	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0042 PMID:40518300	研究论文	该研究评估了使用深度学习重建与超分辨率技术的薄层单次激发T2加权MR成像在胰腺囊性病变评估中的效用	将深度学习重建与超分辨率技术应用于薄层单次激发T2加权成像，实现了2mm层厚图像质量优于5mm层厚图像，且不降低信噪比和对比噪声比	样本量较小，仅纳入30例患者，且为单中心回顾性研究	评估深度学习重建与超分辨率技术对薄层单次激发T2加权成像图像质量的影响，并探讨其作为胰腺囊性病变评估方案的可行性	胰腺囊性病变患者	医学影像分析	胰腺囊性病变	磁共振成像	深度学习重建模型	医学图像	30例患者	NA	NA	信噪比, 对比噪声比, 图像质量评分, 诊断置信度	NA
33	2026-09-20	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	该研究使用AlphaFold2多聚体预测秀丽隐杆线虫的蛋白质-蛋白质相互作用，并分析内在无序区域在相互作用中的作用	结合物理和功能数据集进行预测，发现功能关联对高置信度预测的贡献，并强调内在无序区域在预测相互作用中的重要性	未明确提及	预测和理解秀丽隐杆线虫中蛋白质-蛋白质相互作用的分子细节	秀丽隐杆线虫的蛋白质	计算生物学	NA	深度学习	AlphaFold2	蛋白质序列和结构数据	NA	NA	AlphaFold2多聚体	NA	NA
34	2026-09-20	Unveiling Quality of Life Factors for the Elderly: A Public Health Nursing Approach Enhanced by Advanced ML and DL Techniques 2025 Nov-Dec, Public health nursing (Boston, Mass.) DOI:10.1111/phn.70003 PMID:40619584	研究论文	本研究利用机器学习和深度学习技术构建预测模型，识别影响社区老年人生活质量的关键因素，以辅助公共卫生护理实践。	将AdaBoost等集成学习模型与SMOTE数据平衡方法相结合，应用于老年人生活质量的预测与影响因素分析，并融合公共卫生护理视角。	样本量仅为500且采用系统抽样，样本代表性有限；未明确说明模型的外部验证情况。	开发基于人工智能的预测模型，识别影响老年人生活质量的关键因素，以支持社区健康护士提供个性化护理和预防措施。	社区老年人群	机器学习	老年疾病	NA	机器学习，深度学习，集成学习	结构化表格数据	500名老年参与者	NA	AdaBoost，SMOTE	准确率，召回率，特异性	NA
35	2026-09-19	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-11-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	该研究提出了一种结合交叉注意力融合机制与数据增强的混合CNN-ViT框架CAFNet，用于多类别脑肿瘤MRI图像的鲁棒分类	提出了CAFNet混合CNN-ViT框架，引入交叉注意力融合机制结合数据增强，在多类别脑肿瘤分类任务上显著优于传统机器学习、深度学习和迁移学习模型	仅在单一多类别MRI数据集上验证，未说明数据集规模、类别平衡情况及外部验证结果；未与最新ViT变体或混合模型进行对比；未讨论模型的计算复杂度和临床部署可行性	提升多类别脑肿瘤MRI图像的分类准确率和鲁棒性，克服传统手工特征方法在处理肿瘤大小、形态和纹理差异时的不足	脑肿瘤MRI图像（多类别分类任务）	计算机视觉	脑肿瘤	MRI影像分析、数据增强、迁移学习	CNN、ViT、混合CNN-ViT、交叉注意力融合	图像	NA	NA	AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19, Vision Transformer (ViT), CAFNet (CNN-ViT混合架构)	准确率	NA
36	2026-09-19	Hybrid deep learning with attention fusion for enhanced colon cancer detection 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29447-8 PMID:41315603	研究论文	该研究提出了一种结合EfficientNet-B3和Vision Transformer的混合深度学习模型，并引入注意力融合机制，用于在Kvasir内窥镜数据集上实现自动化结肠癌检测	将EfficientNet-B3的局部细粒度纹理特征提取能力与Vision Transformer的全局上下文建模能力相结合，并通过多头注意力融合模块协调两类特征，实现更全面的表征和更强的分类稳定性，同时采用MCC指导模型优化	模型存在轻微过拟合倾向	实现自动化结肠癌检测，为计算机辅助结肠镜系统提供快速、客观、可靠的诊断支持，减少病理学家工作量	Kvasir内窥镜数据集中的结肠图像	计算机视觉	结肠癌	内窥镜成像	CNN, Transformer	图像	NA	NA	EfficientNet-B3, Vision Transformer, 多头注意力融合模块	准确率, F1-score, 马修斯相关系数（MCC）, Brier Score	NA
37	2026-09-19	CBN cutting tool's surface roughness and tool wear prediction using JOA-optimized CNN-LSTM 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29658-z PMID:41315655	研究论文	本文设计了一种JOA优化的CNN-LSTM混合深度学习模型，用于预测CBN刀具在MQL条件下硬车削Inconel 718时的表面粗糙度和刀具磨损	提出将CNN-LSTM混合模型与JOA优化算法结合用于刀具磨损和表面粗糙度预测，并集成到MATLAB/Simulink环境中实现实时预测和无传感器部署	实验数据仅基于27组全因子加工试验，样本量较小，可能影响模型的泛化能力验证	解决镍基高温合金Inconel 718加工过程中刀具磨损快和表面质量差的问题，实现表面粗糙度和刀具磨损的精确预测	Inconel 718镍基高温合金在MQL条件下使用CBN刀具的硬车削加工过程	机器学习	NA	硬车削加工、MQL条件、CBN刀具	CNN-LSTM	数值数据	27组全因子加工试验数据	MATLAB, Simulink	CNN, LSTM	R, RMSE, MAPE	NA
38	2026-09-19	AI powered multi feature fusion framework for retrieving images using color, texture and shape descriptors 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29719-3 PMID:41315670	研究论文	提出一种基于AI的多特征融合框架，融合颜色、纹理和形状描述符进行基于内容的图像检索	使用深度特征融合结合颜色矩、GLCM纹理分析和傅里叶与Hu矩形状提取，并通过SVM分类器和CNN将特征映射到学习相似空间，引入注意力引导加权动态调整特征重要性	未明确说明	提高基于内容的图像检索的语义匹配和检索准确性	Corel-1K和Caltech-101基准数据集中的图像	计算机视觉	NA	颜色矩、GLCM、傅里叶矩、Hu矩、SVM、CNN	CNN, SVM	图像	Corel-1K（1000张图像）和Caltech-101（约9000张图像）基准数据集	NA	CNN, SVM	准确率, 召回率, mAP	NA
39	2026-09-19	Deep learning for microbial life detection in deep subseafloor samples: objective cell recognition 2025-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29239-0 PMID:41315727	研究论文	该研究开发了一种基于深度学习的图像识别方法，用于在深海海底沉积物样本中检测和计数微生物细胞，以消除对专家培训的依赖	首次将深度学习图像识别方法应用于富含颗粒物的深海海底沉积物样本中的微生物细胞检测，通过检测绿色荧光细胞样颗粒并进行分类，无需大量专家培训即可实现准确检测	摘要中未明确提及研究局限性	提高沉积物样本显微图像中微生物细胞检测和计数的准确性，同时消除对劳动密集型专家培训的需求	深海海底沉积物样本中的微生物细胞	计算机视觉	NA	荧光染色、显微成像	CNN	图像	NA	NA	NA	准确率	NA
40	2026-09-19	A novel spatiotemporal transformer network with multivariate fusion for short-term precipitation forecasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29415-2 PMID:41309915	研究论文	本文提出了一种基于时空Transformer和多变量融合的新型网络ST-MFTransNet，用于短期降水预报。	提出了一种基于全维动态卷积的多变量融合模块，并构建了结合Transformer和多尺度卷积的编码器-解码器框架，用于提取融合数据的时空特征。	未明确提及。	提高短期降水预报的准确性，通过融合多种气象变量来捕捉降水形成的多因素特性。	多种气象变量（如温度、湿度、风速等）以及降水数据。	机器学习	不适用	时空Transformer网络、多变量融合、全维动态卷积	Transformer	时间序列数据（气象数据）	未明确提及	不适用	Transformer, 多尺度卷积模块	POD, CSI	未明确提及