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
421	2025-12-06	Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review 2025-Nov, Journal of paediatrics and child health IF:1.6Q2 DOI:10.1111/jpc.70172 PMID:41015898	系统综述	本文系统综述了人工智能（特别是深度学习）在利用骨盆X光片和超声图像检测发育性髋关节发育不良（DDH）中的诊断准确性	首次系统性地评估和总结了AI在DDH诊断中的应用效果，比较了其在X光和超声图像上的表现，并指出了其与医生诊断的可比性	对外部数据集的评估有限，限制了其普适性，需要更多样化的数据集和真实世界应用来验证	评估深度学习算法在检测发育性髋关节发育不良（DDH）中的诊断准确性	有DDH风险或疑似DDH的儿童（<16岁）的髋关节超声或X光图像	数字病理学	发育性髋关节发育不良	深度学习（DL）	NA	图像（骨盆X光片、超声图像）	总计15406个样本（超声图像8315个，骨盆X光片7091个）	NA	NA	AUC, 灵敏度, 特异性	NA
422	2025-12-06	A CT-based deep learning radiomics model for predicting HER2 expression and prognosis in non-muscle-invasive bladder cancer 2025-Nov, Biomarkers in medicine IF:1.9Q3 DOI:10.1080/17520363.2025.2590778 PMID:41277127	研究论文	本研究基于术前CT影像，结合放射组学和深度学习特征，开发了一个预测非肌层浸润性膀胱癌HER2表达状态及预后的模型	首次将深度学习评分、放射组学评分与临床病理特征整合，构建了一个深度学习放射临床特征模型，用于预测NMIBC的HER2表达和无复发生存期	回顾性研究，样本量相对较小（181例），需外部验证	评估非肌层浸润性膀胱癌的HER2表达状态和预后	非肌层浸润性膀胱癌患者	数字病理	膀胱癌	CT成像	深度学习模型	CT图像	181名患者（训练集126例，测试集55例）	NA	NA	AUC	NA
423	2025-12-06	Prompt-based multimodal representation learning for drug repurposing 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf636 PMID:41329039	研究论文	本文提出了一种基于提示的多模态表示学习框架，用于动态编码药物重定位中的任务特定上下文信息，以提高化合物-蛋白质相互作用预测的准确性	引入了动态提示生成模块和提示校准模块，能够自适应地创建受体特异性提示并有效整合多模态特征，克服了传统方法依赖静态分子和蛋白质结构表示的局限性	未明确说明方法在其他类型受体或更广泛药物靶点上的泛化能力，也未详细讨论计算复杂度或模型可解释性	提高化合物-蛋白质相互作用预测的准确性，推动药物重定位研究	FDA批准的药物候选物，特别是针对G蛋白偶联受体的化合物	机器学习	NA	深度学习	深度学习框架	结构数据（分子和蛋白质结构）	NA	NA	提示基多模态表示学习框架	平均绝对误差	NA
424	2025-12-05	Deep learning-based approaches for human pose estimation in interdisciplinary physics applications 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26972-4 PMID:41286255	研究论文	本文提出了一种基于深度学习的层次时空姿态网络和自适应姿态优化策略，用于解决跨学科物理应用中的人体姿态估计问题	提出HSTPN框架，结合多尺度特征融合与注意力机制，并引入APRS策略，通过迭代优化关键点位置来提升姿态预测的准确性和鲁棒性	未明确提及模型在极端遮挡或快速运动场景下的性能限制	开发一种能够泛化到真实世界场景的鲁棒人体姿态估计方法，以支持跨学科物理应用	人体姿态估计	计算机视觉	NA	深度学习	CNN	视频	NA	NA	Hierarchical Spatio-Temporal Pose Network (HSTPN)	预测准确度, 时间一致性, 计算效率	NA
425	2025-12-05	Computational design of cysteine proteases 2025-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.21.689808 PMID:41332739	研究论文	本文介绍了一种使用深度学习新方法RFD2-MI从头设计半胱氨酸蛋白酶，用于序列依赖性水解多肽骨架	利用RFD2-MI深度学习方法从头设计具有与自然界蛋白酶不同折叠结构的新型半胱氨酸蛋白酶，实现了高达3×10^6的速率增强	NA	开发新型蛋白酶设计方法，用于生物技术和医学应用	半胱氨酸蛋白酶的设计与性能评估	机器学习	NA	深度学习	深度学习模型	NA	NA	NA	RFD2-MI	速率增强倍数, TM score, Cα RMSD	NA
426	2025-12-05	Forecasting Future Anatomies: Longitudinal Brain Mri-to-Mri Prediction 2025-Nov-21, ArXiv PMID:41333169	研究论文	本研究通过深度学习模型从基线MRI预测未来几年的大脑MRI图像，探索神经退行性疾病的个体化预后	首次系统比较五种深度学习架构进行纵向MRI图像到图像预测，实现体素级别的参与者特异性大脑状态预测	研究仅基于两个纵向队列（ADNI和AIBL），需要更多样化数据集验证泛化能力	预测未来大脑解剖结构以研究神经退行性疾病	阿尔茨海默病患者及轻度认知障碍参与者的大脑MRI图像	医学影像分析	阿尔茨海默病	磁共振成像	深度学习	医学影像	来自ADNI和AIBL两个纵向队列的参与者	NA	UNet, U2-Net, UNETR, Time-Embedding UNet, ODE-UNet	全局相似性指标, 局部差异指标	NA
427	2025-12-05	Deep learning based ischemic lesion markers on non-contrast head CT compared to CTP and DWI 2025-Nov-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.18.25340504 PMID:41332814	研究论文	本研究比较了基于深度学习的非对比增强头部CT（DLNCCT）与手动NCCT、CTP和DWI在急性缺血性脑卒中中缺血区域分割的空间重叠和影像标志物一致性	开发了一种深度学习模型来自动分割NCCT上的缺血区域，并与CTP和DWI等现有方法进行比较，展示了DLNCCT在识别和量化缺血损伤方面的潜力	空间重叠指标（如Dice系数）相对较低（例如DLNCCT与DWI为0.22±0.25），表明分割一致性有待提高；样本中性别信息部分未知	评估深度学习模型在非对比增强CT上分割缺血脑组织的准确性，并与CTP和DWI等标准影像方法进行比较	急性缺血性脑卒中患者的非对比增强头部CT影像	数字病理学	心血管疾病	非对比增强CT（NCCT）、CT灌注成像（CTP）、弥散加权成像（DWI）	深度学习分割模型	医学影像（CT图像）	训练集218例（男性104例，女性89例，未知25例，平均年龄68±14岁），测试集762例（男性243例，女性206例，未知313例，平均年龄70±15岁）	NA	NA	Dice相似系数（DSC）、Bland-Altman分析（平均差异及95%置信区间）、一致性相关系数（CCC）	NA
428	2025-12-05	Clinical Validation and Prospective Deployment of an Automated Deep Learning-Based Coronary Segmentation and Cardiac Toxicity Risk Prediction System 2025-Nov-18, ArXiv PMID:41333170	研究论文	本文介绍了一个基于深度学习的自动化冠状动脉分割和心脏毒性风险预测系统的临床验证与前瞻性部署	开发并验证了一个3D U-Net模型，用于自动分割心脏亚结构，并前瞻性地监测心脏剂量暴露，实现了大规模实时风险预警	训练数据主要来自单一机构（2003-2014年），可能限制了模型的泛化能力；外部验证数据集的时间跨度较长（2005-2020年），可能存在技术变化的影响	验证AI自动分割心脏亚结构的准确性，并预测心脏毒性风险，以促进冠状动脉保护治疗和随访	肺癌患者的心脏亚结构（如左前降支冠状动脉）	数字病理学	肺癌	CT扫描	深度学习	图像	训练集560例，内部验证70例，外部验证283例，回顾性分析3,399例，前瞻性监测1,386例	NA	3D U-Net	Dice系数, ASSD, 绝对差异百分比, 风险比	NA
429	2025-12-05	Hyperbolic Graph Embeddings Reveal the Host-Pathogen Interactome 2025-Nov-18, ArXiv PMID:41333173	研究论文	本文开发了一个名为ApexPPI的深度学习框架，利用双曲图嵌入技术预测宿主与病原体之间的蛋白质相互作用	首次将蛋白质网络表示为双曲黎曼空间以捕捉生物网络的层次性和无标度结构，并整合多模态生物数据通过多任务双曲图神经网络进行预测	预测结果仍需通过实验验证，且模型性能可能受输入数据质量和完整性的影响	预测宿主与病原体之间的蛋白质相互作用，以促进新疗法的发现	宿主与病原体蛋白质	机器学习	传染病	蛋白质序列分析、基因扰动实验、互补相互作用网络	图神经网络	蛋白质序列、基因表达数据、网络数据	数千万个可能的蛋白质对	NA	多任务双曲图神经网络	准确率	NA
430	2025-12-05	Toggle-Untoggle - a cell segmentation tool with an interactive user verification interface 2025-Nov-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264154 PMID:41065013	研究论文	本文介绍了一个名为Toggle-Untoggle的桌面应用程序，用于荧光显微镜图像中细胞分割的质量控制	开发了一个无需编程的交互式用户验证界面，结合了预训练的Cellpose模型，允许用户直观地调整和修正自动细胞分割结果	NA	提高荧光显微镜图像中细胞分割的准确性和可访问性，使湿实验室研究人员能进行高效的定量分析	荧光显微镜图像中的细胞	数字病理学	NA	荧光显微镜成像	深度学习模型	图像	NA	NA	Cellpose cyto3模型, nuclei模型	NA	NA
431	2025-12-05	Computational workflows for natural and biomedical image processing based on hypercomplex algebras 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101388 PMID:41328164	研究论文	本文介绍了一种基于超复数代数（如四元数）的计算工作流，用于自然和生物医学图像处理，包括图像重新着色、去色、对比度增强以及组织学图像的染色分离等任务	利用四元数和二维正交平面分割框架，开发了非数据驱动的图像处理方法，在多种处理任务中展现出与现有方法相当或更优的性能	未明确提及方法在处理高维数据或实时应用中的具体限制	开发基于超复数代数的图像处理工作流，以提升自然和生物医学图像的处理效果	自然图像和生物医学图像（包括组织学图像）	计算机视觉, 数字病理学	NA	图像处理工作流	NA	图像	NA	NA	NA	NA	NA
432	2025-12-05	Plug-and-play computational method for advancing natural and biomedical image representation 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101412 PMID:41328168	研究论文	本文介绍了一种基于超复数代数的非数据驱动框架，用于自然和生物医学图像处理	提出了一种无需训练数据的即插即用方法，适用于多种图像处理任务	NA	推进自然和生物医学图像的表示方法	自然和生物医学图像	计算机视觉	NA	超复数代数	NA	图像	NA	NA	NA	NA	NA
433	2025-12-05	Pan-microalgal dark proteome mapping via interpretable deep learning and synthetic chimeras 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101373 PMID:41328162	研究论文	本研究开发了一个名为LASR的深度学习框架，用于对微藻基因组中的“暗蛋白质组”序列进行分类和注释	提出了结合Transformer和状态空间模型的LASR框架，使用合成嵌合序列进行训练，实现了比传统BLASTP快约10,701倍的分类速度，并保持了高准确率	研究仅针对十个藻类门类，可能无法完全覆盖所有微藻物种的多样性	开发高效准确的微藻暗蛋白质组序列分类工具	十个藻类门类的翻译ORFeomes序列	自然语言处理	NA	氨基酸序列分析	Transformer, 状态空间模型	氨基酸序列	约7700万条序列	NA	Transformer	召回率, 准确率	NA
434	2025-12-05	Metagenomics approach to predict antibiotic resistance genes in sputum samples of adult people with cystic fibrosis: a pilot study 2025-Nov-05, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02299-24 PMID:41190884	研究论文	本研究探索了使用宏基因组学和深度学习工具deepARG来预测囊性纤维化成人痰液样本中抗生素耐药基因的可行性	首次将宏基因组学与深度学习工具deepARG结合，为囊性纤维化患者提供了一种不依赖培养、更快速的抗生素敏感性预测方法	样本量较小（20名患者，68份样本），且仅对部分抗生素类别（如氨基糖苷类、头孢菌素类、氟喹诺酮类）的预测结果显著	评估宏基因组学方法预测囊性纤维化患者痰液中抗生素耐药基因的效能，以替代耗时的传统培养方法	囊性纤维化成人患者的痰液样本	宏基因组学	囊性纤维化	鸟枪法宏基因组测序	深度学习	宏基因组测序数据	20名患者提供的68份痰液样本	NA	deepARG	AUC-ROC, 灵敏度	NA
435	2025-12-05	Extraction of Novel Features and Diagnosis Prediction in Myelodysplastic Neoplasm Using a Weakly Supervised Artificial Intelligence Model Based on Normal Megakaryocytes 2025-Nov, Pathology international IF:2.5Q2 DOI:10.1111/pin.70049 PMID:40955745	研究论文	本研究提出了一种基于形态正常巨核细胞的弱监督人工智能模型，用于从骨髓活检标本中提取新特征并预测骨髓增生异常肿瘤的诊断	首次开发出能够基于正常巨核细胞形态对骨髓增生异常肿瘤与正常病例进行分类的人工智能模型，并揭示了与疾病预测显著相关的新的组织学特征	研究领域（骨髓活检）的人工智能应用仍相对有限，模型性能在疾病分类方面（AUC 0.879）虽良好但仍有提升空间	开发人工智能模型以辅助骨髓病理评估和疾病诊断	苏木精-伊红染色的骨髓活检标本中的形态正常巨核细胞	数字病理学	骨髓增生异常肿瘤	苏木精-伊红染色	深度学习, XGBoost	图像	未明确说明	未明确说明	未明确说明	AUC	未明确说明
436	2025-12-05	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508358 PMID:40948400	研究论文	提出了一种名为MCIST的多尺度细胞间交互空间转录组学分析方法，用于改进空间域检测	结合多尺度拓扑表示与空间深度学习技术，首次在空间转录组学分析中系统考虑多尺度细胞间交互作用	未明确提及方法在特定组织类型或低分辨率数据上的适用性限制	开发一种能整合多尺度细胞间交互的空间转录组学数据分析方法	空间转录组学数据	空间转录组学	NA	空间转录组学	深度学习	空间转录组学数据	37个基准空间转录组学数据集	NA	NA	聚类分数	NA
437	2025-12-05	Artificial Intelligence for Detection of Parkinson's Disease From Speech Signals-A Comprehensive Review 2025 Nov-Dec, BioFactors (Oxford, England) DOI:10.1002/biof.70065 PMID:41342337	综述	本文全面回顾了2020年至2024年间利用人工智能方法通过语音信号检测帕金森病的研究	聚焦于AI方法在帕金森病语音信号检测中的应用，并强调了对更具可解释性AI方法的需求	仅回顾了IEEE出版物，可能未涵盖所有相关研究	调查利用语音信号检测帕金森病的人工智能方法	帕金森病患者与健康对照者的语音信号	自然语言处理	帕金森病	语音信号分析	机器学习, 深度学习	语音信号	NA	NA	NA	NA	NA
438	2025-12-04	Bubble Detection in Gas-Solid Separation Fluidized Beds Based on Deep Learning 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c09389 PMID:41322525	研究论文	本研究提出了一种基于改进YOLOv8的气泡检测模型，用于气固流化床中的气泡动态监测，并分析了气泡特征与分选性能的关联	模型集成了多头自注意力机制增强全局特征提取，采用多尺度特征融合结构实现高效特征整合，并使用基于Involution的解耦头在提高检测精度的同时降低计算复杂度	NA	实现气固流化床中气泡的准确、实时监测，并探究气泡动态与分选效率的耦合关系	干法选煤气固流化床中的气泡	计算机视觉	NA	深度学习	CNN	图像	120个实验数据集	NA	YOLOv8, Faster R-CNN, Mask R-CNN	精确率, 召回率, mAP@0.5	NA
439	2025-12-04	Efficient Channel Attention-Gated Graph Transformer for Aero-Engine Remaining Useful Life Prediction 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07687 PMID:41322556	研究论文	本文提出了一种名为高效通道注意力门控图变换器的新预测框架，用于航空发动机剩余使用寿命预测	结合图卷积网络、基于高效通道注意力的自适应特征融合机制和基于Transformer的时间编码器，有效建模多源传感器读数的局部序列依赖性和捕获长运行周期内的渐进退化行为	NA	提高航空发动机剩余使用寿命预测的准确性和可靠性	航空发动机	机器学习	NA	NA	GCN, Transformer	多源传感器读数	基准C-MAPSS数据集	NA	图卷积网络, Transformer	均方根误差, Score指数	NA
440	2025-12-04	Identification of Potential Nontoxic Human BTK Inhibitors through an Integrated Deep Learning and Structure-Based Drug Repositioning Strategy 2025-Nov-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01756 PMID:41322579	研究论文	本研究通过整合深度学习和基于结构的药物重定位策略，识别潜在的非毒性人类BTK抑制剂	开发了一个结合深度学习、基于结构的药物重定位和毒性分析的集成管道，用于识别BTK抑制剂，并通过分子模拟和基于GNN的毒性分析验证了候选化合物的稳定性和安全性	需要进一步的临床试验来验证gozetotide、micafungin和candicidin作为BTK靶向疗法的有效性和安全性	识别潜在的非毒性人类BTK抑制剂，以提供更安全有效的自身免疫性疾病治疗方法	BTK（Bruton's tyrosine kinase）及其抑制剂，特别是针对FDA批准药物库中的化合物	机器学习	自身免疫性疾病	深度学习、分子对接、分子模拟、毒性分析	人工神经网络（ANN）、图神经网络（GNN）	化合物数据、药物库数据	经过严格过滤的高质量化合物数据集，以及FDA批准药物库	NA	人工神经网络（ANN）、图神经网络（GNN）	RMSD、RMSF、RoG、氢键分析、PCA、FEL、DCCM	NA