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	2026-03-24	MSC-transformer-based 3D-attention with knowledge distillation for multi-action classification of separate lower limbs 2025-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107806 PMID:40614457	研究论文	提出了一种基于多尺度可分离卷积Transformer的滤波器-空间-时间注意力模型（MSC-T3AM），用于分类多个下肢动作，并利用知识蒸馏提升性能	提出了MSC-T3AM模型，首次在自注意力模块的查询、键和值投影后分别应用多尺度可分离卷积，以提高计算效率和分类性能，并引入在线知识蒸馏来学习合适的概率分布	未明确提及模型的计算复杂度或实时性限制，也未讨论在不同EEG数据集上的泛化能力	解决现有深度学习模型在基于EEG的运动想象分类中未充分利用维度特异性注意力机制和隐含信息的问题，特别是针对下肢分离动作的分类	基于脑电图（EEG）的下肢分离动作，包括运动想象（MI）、真实运动（RM）和运动观察（MO）	机器学习	NA	脑电图（EEG）	Transformer, CNN	脑电图信号	NA	NA	MSC-T3AM（多尺度可分离卷积Transformer注意力模型）	分类准确率	NA
22	2026-03-22	A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification 2025-Nov-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02298-6 PMID:41249662	研究论文	本文提出了一种用于乳腺超声图像分割与分类的双阶段深度学习框架	提出了一种模块化的双阶段流程，可灵活集成不同的骨干网络架构以适应特定任务或数据集需求	未明确说明模型在临床环境中的泛化能力及外部验证结果	探索深度学习技术在乳腺超声图像分割与分类中的应用，以支持乳腺癌诊断	乳腺超声图像中的肿块区域	计算机视觉	乳腺癌	超声成像	CNN	图像	两个乳腺超声数据集（具体样本数量未说明）	未明确说明	DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0	诊断准确率	NA
23	2026-03-22	A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma 2025-Nov-18, Cell reports. Medicine DOI:10.1016/j.xcrm.2025.102452 PMID:41260205	研究论文	本研究通过整合深度学习基线PET/CT生物标志物与多组学分析，开发了一个用于弥漫性大B细胞淋巴瘤的预后指数模型	结合nnUNet深度学习框架分析PET/CT扫描，并整合DNA和RNA测序数据，开发了ClinicalPET LymphPlex模型，有效区分不同治疗下的患者预后	研究依赖于特定数据集（AutoPET公共和内部数据集），可能限制了模型的泛化能力	提高弥漫性大B细胞淋巴瘤的预后精度并推进个性化治疗	1,024名新诊断的弥漫性大B细胞淋巴瘤患者	数字病理学	淋巴瘤	PET/CT扫描, DNA测序, RNA测序	深度学习	图像, 基因组数据	1,024名患者	nnUNet	nnUNet	预后价值评估	NA
24	2026-03-21	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的时空图卷积网络方法，用于整合阿尔茨海默病特异性基因调控网络的动态图特征，以评估神经病理学阶段和认知功能障碍	提出了一种结合共注意力网络和非线性流形对齐融合块的ST-GCN架构，首次将动态演化的AD特异性基因调控网络图特征与时空特征进行整合，以构建单核RNA测序数据的联合潜在表示	方法仅在ROSMAP和GSE平台的基准数据集上进行了验证，尚未在其他独立队列或不同神经退行性疾病中进行广泛测试	开发一种深度学习模型，通过整合时空图特征来更准确地评估阿尔茨海默病的神经病理学阶段和认知功能障碍	人类脑组织样本的单核RNA测序数据，特别是与阿尔茨海默病和痴呆相关的数据	生物信息学, 机器学习	阿尔茨海默病, 痴呆	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测序数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA
25	2026-03-21	DeepHDAC3i: Leveraging an Interpretable Deep Learning-Based Framework for the Accelerated Discovery of HDAC3 Inhibitors 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602433 PMID:40880325	研究论文	本文提出了一种名为DeepHDAC3i的可解释深度学习框架，用于加速发现HDAC3抑制剂	开发了一种基于可解释深度学习的框架，仅使用SMILES符号即可准确识别HDAC3抑制剂，并通过特征融合和SHAP算法提高预测性能和可解释性	NA	加速发现高选择性的HDAC3抑制剂	HDAC3抑制剂	机器学习	NA	SMILES符号表示	CNN	SMILES符号	NA	NA	1D-CNN	准确率, MCC, AUC, F1分数	NA
26	2026-03-20	Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images 2025-Nov-19, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf110 PMID:40996022	研究论文	开发一种基于深度学习的自动化检测工具，用于在胃活检数字全切片图像上识别幽门螺杆菌和肠上皮化生	采用两阶段模型，结合Vision Transformer进行伪影过滤和Graph Attention Network进行特征聚合，并考虑背景炎症特征以更贴近临床诊断实际	NA	开发自动化检测工具以辅助胃活检标本中幽门螺杆菌和肠上皮化生的识别	胃活检标本的H&E染色全切片图像	数字病理学	胃部疾病	H&E染色	Vision Transformer, Graph Attention Network	图像	180张H&E胃活检全切片图像	NA	Vision Transformer, Graph Attention Network	精确度, F1分数, 微平均F1分数, 宏平均F1分数	NA
27	2026-03-19	Rapid cancer diagnosis using deep learning-powered label-free subcellular-resolution photoacoustic histology 2025-Nov-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz1820 PMID:41270177	研究论文	本研究开发了一种亚细胞分辨率紫外线光声显微镜系统，结合深度学习技术，用于快速无标记的癌症诊断	开发了具有240纳米高分辨率的SRUV-PAM系统，并首次将循环一致性生成对抗网络和DenseNet-121应用于虚拟染色和肝脏肿瘤诊断	未提及系统在临床大规模应用中的验证或与其他成像技术的比较	通过高分辨率无标记成像和深度学习技术，实现快速准确的癌症诊断	肝脏组织中的恶性和良性肿瘤	数字病理学	肝癌	紫外线光声显微镜	GAN, CNN	图像	NA	NA	CycleGAN, DenseNet-121	AUC	NA
28	2026-03-19	Integrating CBAM-CNN architectures with K-means clustering algorithms for high-efficiency and accurate metasurface optical properties' prediction 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.570063 PMID:41841958	研究论文	提出一种结合CBAM-CNN架构与K-means聚类算法的物理信息双策略框架，用于高效准确预测超表面光学特性	将卷积块注意力模块集成到CNN模型中，加速特征提取十倍，并利用K-means聚类算法优化数据分布，显著提升预测性能	未明确说明模型在其他类型超表面或更复杂光学设计中的泛化能力	解决超表面设计中深度学习特征提取效率低和数据不平衡问题，开发高效预测框架	超表面的光学特性	计算机视觉	NA	深度学习，聚类算法	CNN	NA	NA	NA	CBAM-CNN	最终损失值	NA
29	2026-03-19	Semi-physical simulation experiment of the multi-view non-cooperative measurement method for nozzle swing angle 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.571361 PMID:41841959	研究论文	本文提出了一种基于深度学习的多视角非合作喷嘴摆角测量方法，通过半物理仿真平台验证了其静态和动态测量性能	开发了基于SuperPoint的喷嘴特征点检测模型和基于SuperGlue的特征点匹配模型，实现了无需合作标记点的多视角非合作测量	NA	提高发动机控制精度中喷嘴摆角的测量准确性和适用性	喷嘴摆角	计算机视觉	NA	视觉检测技术	深度学习模型	图像	NA	NA	SuperPoint, SuperGlue	测量误差	NA
30	2026-03-19	Image restoration methods for simple optical systems based on deep learning 2025-Nov-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.576740 PMID:41841963	研究论文	本文提出了一种基于深度学习的简单光学系统图像恢复方法，通过构建增强的MIMO-UNet框架来补偿像差，实现轻量化设计与高质量成像	结合坐标注意力和可变形卷积增强MIMO-UNet恢复框架，在减少透镜数量的同时显著提升成像质量	NA	满足轻量化设计和高品质成像需求，解决简单光学系统严重像差导致的成像质量下降问题	100毫米双合透镜光学系统	计算机视觉	NA	深度学习	CNN	图像	NA	NA	MIMO-UNet	PSNR	NA
31	2026-03-19	AI-Based Models for Risk Prediction in MASLD: A Systematic Review 2025-Nov-13, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-025-09499-6 PMID:41231418	系统综述	本文系统评估了基于AI的模型在预测代谢功能障碍相关脂肪性肝病（MASLD）风险及患者分层方面的效能	首次针对AI模型在MASLD风险预测中的应用进行系统性综述，填补了该领域文献的关键空白	纳入研究的数据多样性有限，模型可解释性有待提高	评估AI模型在预测MASLD患者风险及分层方面的效能，以改善临床管理和患者结局	MASLD患者，特别是存在≥F2纤维化、≥F3晚期纤维化或MASH风险的患者	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习, 深度学习	临床特征数据, 弹性成像/影像学数据	26项研究（2014-2025年），涵盖欧洲、美国、亚洲和南美洲的回顾性队列和横断面研究	NA	NA	AUROC	NA
32	2026-03-19	Automatic segmentation and measurement of tongue geometric features using TOSA-Net for obstructive sleep apnoea 2025-11-12, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03511-z PMID:41222764	研究论文	本文提出了一种名为TOSA-Net的深度学习模型，用于自动分割和测量舌头的几何特征，以辅助阻塞性睡眠呼吸暂停（OSA）的研究	首次利用深度学习分割技术量化OSA相关的舌头几何特征，并开发了TOSA-Net模型，为OSA舌部研究提供了更高效的方法	研究样本量相对较小（n=207），且未明确提及模型在外部验证集上的泛化能力	开发一种自动分割和测量舌头几何特征的方法，以支持阻塞性睡眠呼吸暂停（OSA）的临床和大规模研究	舌头图像（正面和侧面视图）及其几何特征（面积、长度、厚度、曲率）	计算机视觉	阻塞性睡眠呼吸暂停	深度学习图像分割	CNN	图像	207张舌头图像（包括正面和侧面视图）	未明确提及	U-Net	Dice系数, Pearson相关系数, 一致性分析	NA
33	2026-03-19	Incremental 2D self-labelling for effective 3D medical volume segmentation with minimal annotations 2025-Nov-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01991-9 PMID:41204141	研究论文	本文提出了一种增量式2D自标注框架，用于在每卷仅标注一个切片的情况下进行3D医学体积分割，以最小化标注成本	通过迭代生成和筛选相邻切片的伪标签，逐步微调模型，从极稀疏标注中实现稳健的3D分割性能和连续性	方法依赖于初始中心切片的质量，且伪标签的传播可能受噪声影响	探索在严重标注约束下训练2D模型的可行性和效果，以优化分割性能并最小化标注成本	脑MRI和肝脏CECT数据集中的3D医学体积	医学图像分割	脑部疾病, 肝脏疾病	MRI, CECT	CNN	3D医学图像	未明确指定样本数量，但涉及脑MRI和肝脏CECT数据集	未明确指定，但基于U-Net架构	U-Net	Dice相似系数, 交并比, 95百分位Hausdorff距离	未明确指定
34	2026-03-19	Edge-enhanced real-time holography using physics-guided residual learning 2025-Nov-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.575095 PMID:41841856	研究论文	本文提出了一种基于物理引导残差学习的边缘增强实时全息术，用于改善宽带图像全息中的混叠伪影和噪声问题	提出ResDPH框架，将神经网络嵌入物理模型中进行残差补偿，以增强细节保真度，实现高帧率2K全息图生成	NA	改善双相位全息术在宽带图像中的混叠伪影和噪声问题，提升全息图质量	宽带图像的全息图生成	计算机视觉	NA	双相位编码，深度学习辅助	神经网络	图像	NA	NA	NA	PSNR	NA
35	2026-03-19	Mitigating inter-pixel interference in MIMO-OCC systems with deep learning: addressing out-of-focus blur and very low-resolution effects 2025-Nov-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.572820 PMID:41841886	研究论文	本研究通过实验探讨了离焦模糊和极低分辨率对MIMO-OCC系统的影响，并提出了一种基于深度学习的Restormer网络缓解策略	首次将Restormer网络应用于MIMO-OCC系统，以缓解离焦模糊和极低分辨率引起的像素间干扰，显著提升信噪比和最大通信链路长度	NA	缓解MIMO-OCC系统中的像素间干扰问题，以提高数据速率和通信链路长度	MIMO-OCC系统，特别是使用LED阵列的光学相机通信系统	机器学习	NA	深度学习	Restormer网络	图像数据	NA	NA	Restormer	信噪比, 最大链路长度	NA
36	2026-03-18	Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer 2025-Nov-18, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-025-04235-5 PMID:41251704	研究论文	本研究开发了一种自动化的定量免疫组化特征提取流程，用于分析直肠癌肿瘤微环境中免疫和缺氧标志物的空间异质性，并预测患者的无病生存期	开发了一种整合深度学习肿瘤分割与计算检测浸润边缘的自动化流程，能够客观量化DAB染色的空间异质性，并识别出具有生物学解释性的预后特征，其预测性能优于传统的pTNM分期系统	研究样本量有限（104例），且需要在多中心队列中进行进一步验证以确认其临床适用性	开发自动化定量分析肿瘤微环境空间异性的方法，以预测直肠癌患者的无病生存期	直肠癌患者的肿瘤组织样本	数字病理学	直肠癌	免疫组化	深度学习	图像	104例患者样本（57例训练集，47例验证集）	NA	NA	C-index	NA
37	2026-03-18	Computational redesign of a thermostable T7 RNA polymerase 2025-Nov-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.12.688101 PMID:41292992	研究论文	本研究通过基于结构的计算设计，开发了一种高度稳定的T7 RNA聚合酶变体	结合了先前稳定变体的突变与PROSS识别的新突变，并通过数据驱动启发式方法筛选以保持功能，最终设计出比现有最稳定开源变体热稳定性高2.4°C的T7 RNAP变体	未提及深度学习方法的比较或大规模应用验证	通过计算设计提高T7 RNA聚合酶的热稳定性，以扩展其在生物技术中的应用潜力	T7 RNA聚合酶（T7 RNAP）及其变体	计算生物学	NA	结构计算设计、PROSS分析、热挑战实验、圆二色光谱	NA	蛋白质结构数据、突变数据	18个测试的蛋白质设计	NA	NA	功能稳定性温度（T）、表观熔解温度、活性保留百分比	NA
38	2026-03-18	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2025-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686644 PMID:41278894	观点文章	本文评估了深度学习在RNA二级结构预测中的泛化能力，并探讨了其与传统方法的整合	使用来自蛋白质数据库的新基准数据集评估方法泛化性，并强调结构探测数据预测中的独特泛化挑战	已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同结构时准确性不足	评估深度学习在RNA二级结构预测中的泛化能力，并推动传统方法与现代神经网络的整合	RNA二级结构	生物信息学	NA	深度学习	深度学习模型	RNA结构数据	来自蛋白质数据库的结构化RNA新基准数据集	NA	NA	泛化能力评估	NA
39	2026-03-18	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动化的卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并基于MRI预测诱导化疗的反应	首次将3D U-Net用于小儿骨肉瘤的自动肿瘤体积分割，并基于MRI体积变化构建了预测化疗反应的CNN模型，实现了非侵入性的治疗反应评估	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集仅来自一个中心	评估小儿骨肉瘤的治疗反应，开发自动化工具以替代依赖手动测量和术后组织病理学的传统方法	小儿骨肉瘤患者	数字病理学	骨肉瘤	MRI	CNN	图像	总计101名患者（训练集81名，外部验证集20名），对应202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
40	2026-03-18	Deep Learning-Based Drug Half-Life Classification to Enhance Drug Development and Pharmacokinetics 2025-Nov, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45420 PMID:41835054	研究论文	本研究提出了一种基于深度学习的药物半衰期分类方法，用于将药物分为短半衰期和长半衰期组，以支持药物开发和药代动力学研究	引入基于分类的方法，使用12小时阈值将药物分为短长半衰期组，相比传统回归模型，提高了临床可解释性并更好地处理药代动力学变异性	未在摘要中明确说明，可能包括数据集的局限性或模型对特定药物类型的泛化能力	预测药物半衰期以增强药物开发和药代动力学研究，改进给药策略	药物分子结构	机器学习	NA	分子结构处理	CNN	分子结构数据	未在摘要中指定具体样本数量	未在摘要中指定，可能基于常见深度学习框架如TensorFlow或PyTorch	AlexNet	准确率, F1分数	未在摘要中指定