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
1	2026-10-16	Deep learning-derived arterial input function for dynamic brain PET 2025-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本文提出了一种深度学习框架（DLIF），能够直接从动态PET图像序列中估计代谢校正的动脉输入函数（AIF），无需任何血液采样，并在患者数据上验证了其准确性和鲁棒性。	首次提出完全无创的深度学习-derived AIF估计方法，无需任何血液采样，通过结合深度学习捕捉复杂时间动态和基函数嵌入典型AIF形状的先验知识，实现了快速、准确且完全非侵入性的AIF测量替代方案。	摘要中未明确提及局限性，但可能包括：验证仅基于现有患者数据，样本量有限；模型泛化能力需进一步验证；对PET图像质量和扫描协议的依赖性未充分讨论。	开发一种无需动脉血采样的深度学习框架，直接从动态脑PET图像序列中估计代谢校正的动脉输入函数，以替代传统侵入性AIF测量方法。	动态脑PET图像序列及对应的患者数据（包括AIF金标准测量和参数图）	医学图像分析	阿尔茨海默病, 帕金森病	动态PET成像, 放射示踪剂动力学建模	深度学习	图像	现有动态PET患者数据（具体数量未提及）	NA	NA	AIF估计的准确性, 鲁棒性, 参数图与金标准的一致性	NA
2	2026-10-16	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	提出了一种基于方向分布函数（ODF）的无监督深度学习网络ODDRnet，用于扩散磁共振图像的非刚性配准，直接对齐高维fODF并预测密集变形场	直接对齐从原始dMRI信号导出的高维fODF，而非标量图像；预测密集变形场在空间扭曲fODF的同时适当重新定向方向信息，确保准确对齐；端到端无监督深度学习框架	摘要中未明确提及研究的局限性	解决扩散MRI配准中方向信息被忽略的问题，提高白质结构对齐的解剖精确性，改善后续分析如纤维束追踪	扩散MRI数据，包括来自多个公共和私有数据集的fODF	医学图像配准、计算机视觉	脑部疾病（白质相关）	扩散MRI（dMRI）、纤维方向分布函数（fODF）	深度学习网络（针对配准的CNN）	图像（高维fODF）	多个公共和私有数据集（未指定具体样本量）	NA	NA	纤维束Dice系数、纤维束距离	NA
3	2026-10-08	Deep Learning-Based Stride Segmentation With Wearable Sensors: Effects of Data Quantity, Sensor Location, and Task 2025-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600227 PMID:41171649	研究论文	开发并评估基于时序卷积网络的步态分割模型，使用可穿戴传感器数据，分析数据量、传感器位置和任务复杂度对性能的影响	系统评估了深度学习步态分割在不同运动任务中的性能变化，揭示了传感器位置和运动复杂度对模型性能的显著影响	研究仅涉及121名老年参与者，测试集规模有限，可能影响结果的泛化性	评估深度学习步态分割模型在不同数据量、传感器位置和运动任务下的性能	121名患有和未患有帕金森病的老年人	数字病理学	帕金森病	可穿戴传感器	TCN	传感器数据	121名参与者	NA	Temporal Convolutional Network	F1分数	NA
4	2026-10-05	BioLACE: unifying spatial geometry and marker priors for cohesive cell-type clustering in spatial transcriptomics 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.01.691603 PMID:41573943	研究论文	提出BioLACE框架，通过变分自编码器统一空间几何和标记基因先验，实现空间转录组学中细胞类型聚类	统一空间结构、转录组变异和标记基因先验到共享的VAE潜在空间，联合优化重建损失、图拉普拉斯正则化和温度缩放InfoNCE对比损失	未明确提及	改进空间转录组学中的细胞类型聚类，整合空间信息和生物先验	MERFISH下丘脑、小鼠脊髓、Slide-seq小鼠小脑数据集	空间转录组学	NA	空间转录组学	变分自编码器	空间转录组数据	三个数据集：MERFISH下丘脑、小鼠脊髓、Slide-seq小鼠小脑	NA	变分自编码器	聚类准确度	NA
5	2026-10-01	Establishment of High-Precision Ultrasound Diagnosis Methods Based on the Introduction of Deep Learning 2025-Dec-31, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3645229 PMID:41475002	综述	该综述系统梳理了超声诊断的局限性，介绍了深度学习在超声诊断中的最新方法、临床应用及评估框架	提出了面向临床实施的评估框架，而非简单罗列单个技术，并系统性地将超声诊断的局限性形式化	作为综述文章，未开展原始实验验证，且现有研究仍面临泛化性、安全性和操作负担等挑战	建立基于深度学习引入的高精度超声诊断方法，并为临床实施提供评估标准	超声诊断中的深度学习应用，包括肿瘤学和心脏病学领域的相关设备与算法	医学图像分析	肿瘤、心血管疾病	超声成像，深度学习	NA	超声图像	NA	NA	NA	NA	NA
6	2026-10-01	A Pre-Trained Model Customization Framework for Accelerated PET/MR Segmentation of Abdominal Fat in Obstructive Sleep Apnea 2025-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243243 PMID:41464242	研究论文	本研究验证了一套基于预训练网络的定制化框架，利用PET/MRI混合影像数据开发自动化内脏和皮下脂肪分割模型，用于阻塞性睡眠呼吸暂停患者腹部脂肪的精准量化	提出了一套闭环式预训练模型定制化框架，在Discovery Viewer平台上迭代训练UNet-ResNet50模型，实现了PET/MRI混合影像中内脏和皮下脂肪的全自动分割，显著提升了分割效率并保持了与手动标注高度一致的分割精度和代谢指标一致性	轮廓和边界划分的分割性能较低，Dice系数仅为0.43和0.54，独立测试样本量较小仅有10例，且模型训练依赖于特定平台Discovery Viewer，通用性有待进一步验证	开发和验证一套基于预训练网络的定制化深度学习框架，实现阻塞性睡眠呼吸暂停患者PET/MRI影像中腹部脂肪的自动化分割与量化，以支持肥胖、OSA和心血管代谢疾病的临床研究	阻塞性睡眠呼吸暂停患者的PET/MRI混合影像数据，包括内脏脂肪组织和皮下脂肪组织	计算机视觉	阻塞性睡眠呼吸暂停	PET/MRI混合成像	CNN	图像	328例标注扫描用于训练，10例独立扫描用于测试，每例扫描包含80至100个MR切片	NA	UNet, ResNet50	Dice相似系数, 组内相关系数, Bland-Altman分析, 分割时间	NA
7	2026-10-01	Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images 2025-Dec-15, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.11.693143 PMID:41473290	研究论文	本文提出了一种基于卷积神经网络的可解释深度学习方法ChromAgeNet，利用3D染色质图像预测造血干细胞的衰老状态	首次将3D染色质显微图像与深度学习结合用于预测造血干细胞衰老，并利用可解释人工智能技术识别出染色质熵、外周异染色质和染色质凝聚体作为预测标志物	样本量有限，仅在小鼠造血干细胞上进行了验证，尚未在人类细胞或更大规模数据集中验证	利用深度学习从3D染色质图像中预测造血干细胞的衰老状态，并探索其作为表型筛选工具用于检测衰老逆转的潜力	小鼠造血干细胞（HSCs）的DAPI染色细胞核3D显微图像	数字病理学	衰老相关疾病	3D显微成像，DAPI染色	CNN	图像	NA	NA	卷积神经网络	AUROC	NA
8	2026-10-01	EEG-Based Cross-Subject Prediction for Consciousness State Transitions Under Sedation Using a Deep Learning Framework 2025-Dec-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643895 PMID:41385421	研究论文	该研究提出了一种基于EEG的深度学习框架Deep-ConTrans，用于在丙泊酚和咪达唑仑镇静下对意识、过渡和无反应三种意识状态进行分类	提出了Deep-ConTrans框架，结合了基于共空间模式的空间滤波、多域特征提取、基于注意力的融合和域对抗训练；在三分类意识状态（意识、过渡、无反应）上实现了高精度分类；展示了跨麻醉药物的泛化能力；识别了与意识转变相关的药物无关EEG特征	摘要中未明确提及研究局限性	对丙泊酚和咪达唑仑镇静下的三种意识状态（意识、过渡、无反应）进行分类，以改善术中意识监测	接受丙泊酚和咪达唑仑镇静的患者	机器学习	NA	EEG	CNN, 注意力机制	EEG信号	NA	NA	Deep-ConTrans	准确率	NA
9	2026-09-28	Exploring the Terra incognita of AI-based domain classifications 2025-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70392 PMID:41288334	研究论文	本研究分析了664个候选新折叠（CNF）结构域，这些结构域被TED和DPAM方法以低置信度分类，研究揭示了新折叠的多样性并创建了190个新的Pfam家族	创建了190个新的Pfam家族，其中许多被归类为未知功能结构域（DUFs），并揭示了锌结合和富含二硫键的结构，有助于扩展折叠空间	部分CNF由于截短序列或紧密堆积的结构域重复导致结构域边界预测错误，一些CNF与已知折叠相似但经历了拓扑重排或环状排列	探索基于AI的结构域分类未知领域，解决新颖蛋白质折叠分类的挑战	来自TED数据库的664个候选新折叠（CNF）结构域	结构生物信息学	NA	深度学习模型如AlphaFold2用于蛋白质结构预测	AlphaFold2	蛋白质结构数据	664个候选新折叠（CNF）结构域	NA	NA	NA	NA
10	2026-09-26	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	该研究利用ASAP Discovery Consortium公开的SARS-CoV-2和MERS-CoV主蛋白酶抑制剂数据集，比较了随机森林、XGBoost与贝叶斯神经网络在抑制剂活性预测中的表现	首次在SARS-CoV-2和MERS-CoV Mpro抑制剂活性预测的公开盲测挑战中系统比较传统机器学习与贝叶斯神经网络，并证明BNN在小数据场景下优于RF和XGBoost	研究仅针对SARS-CoV-2和MERS-CoV两个靶点，数据集规模有限，且未与其他深度学习方法进行广泛比较	评估并比较传统机器学习模型（RF、XGBoost）与贝叶斯神经网络（BNN）在预测SARS-CoV-2和MERS-CoV主蛋白酶抑制剂活性方面的性能	SARS-CoV-2和MERS-CoV主蛋白酶（Mpro）抑制剂化合物	机器学习	COVID-19, MERS	分子指纹	随机森林, XGBoost, 贝叶斯神经网络	分子指纹数据	NA	NA	随机森林, XGBoost, 贝叶斯神经网络	NA	NA
11	2026-09-26	Quantitative multi-metabolite imaging of Parkinson's disease using AI boosted molecular MRI 2025-Dec-22, Npj imaging DOI:10.1038/s44303-025-00130-x PMID:41429895	研究论文	结合快速分子MRI采集与深度学习重建，实现帕金森病小鼠模型中多代谢物定量成像	将快速分子MRI采集范式与深度学习重建结合，用于多代谢物定量；发现半固体MT、酰胺和脂肪族rNOE质子体积分数作为帕金森病生物标志物	研究基于急性MPTP小鼠模型，需进一步验证于人类患者及其他帕金森病模型	开发基于AI增强分子MRI的帕金森病多代谢物定量成像方法，以改善诊断	急性MPTP帕金森病小鼠模型	医学影像分析	帕金森病	分子MRI, 磁共振波谱	深度学习	图像	NA	NA	NA	NA	NA
12	2026-09-26	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-12-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	受青蛙声囊启发的共振可调石墨烯声音设备（RAGSD），集成了激光诱导石墨烯（LIG）与可变形腔体，实现了连续可调的共振，用于声音发射和听诊传感，并集成深度学习算法进行心音分类。	受青蛙声囊启发的设计，结合LIG与可变形腔体，实现了连续可调的共振频率（922.12-1762.90 Hz）；动态连续可调的电-机-声模型；在发射模式下共振时获得25.34 dB的声压级增益；在传感模式下利用共振匹配放大微弱高频心音；集成AusNet-H深度学习算法实现高精度心音分类。	摘要中未明确提及研究的局限性。	克服柔性热声器件在低频发射和传感方面的局限性，开发一种共振可调的声学系统，用于声音发射和听诊传感。	石墨烯声音设备（RAGSD）、健康志愿者和患者的心音信号。	机器学习	心血管疾病	激光诱导石墨烯（LIG）、压阻式读出、深度学习	CNN	声音信号（心音）	健康志愿者和患者（具体数量未提供）	NA	AusNet-H（自定义深度学习算法）	准确率	NA
13	2026-09-26	Artificial intelligence in multidisciplinary tumor boards enhancing decision making and clinical outcomes in oncology 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114082 PMID:41438031	综述	本文综述了人工智能（包括机器学习、自然语言处理、深度学习和大型语言模型）如何支持多学科肿瘤委员会的决策准备和讨论，并探讨了其在提高决策质量和临床结果方面的作用。	系统性地总结了AI在MDT中应用的最新进展，涵盖了多种AI技术，并提出了实施优先级和挑战。	数据偏差、泛化性不均、隐私和治理问题以及有限的前瞻性验证。	探讨人工智能在多学科肿瘤委员会中的应用，以提高决策制定和临床结果。	多学科肿瘤委员会的决策过程及癌症患者的诊疗。	临床肿瘤学	癌症（泛指）	机器学习, 自然语言处理, 深度学习, 大型语言模型	NA	多模态数据（影像、病理、基因组、患者因素）	NA	NA	NA	一致性（70%-90%）、诊断性能	NA
14	2026-09-26	Intelligent information management enables quality-by-design in pharmaceutical production 2025-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27879-w PMID:41419511	研究论文	本文提出了一种基于人工智能的信息管理框架，用于提升制药生产中的预测性质量控制、法规合规性和运营效率	将结构化过程与产品数据同非结构化法规文档整合，结合机器学习和深度学习预测关键质量属性，并引入SHAP和LIME等可解释AI技术确保符合ICH Q8–Q11指南	摘要中未明确说明研究的局限性	在Pharma 4.0框架下，将人工智能融入质量源于设计（QbD）原则，以增强制药生产中的预测性质量控制、法规合规性和运营效率	制药生产过程中的结构化过程与产品数据集，以及非结构化法规文档	机器学习	NA	自然语言处理，机器学习，深度学习，可解释AI	机器学习模型，深度学习模型，NLP模型	结构化数据，文本	NA	NA	NA	预测准确率，鲁棒性，可扩展性，统计假设检验（p < 0.01）	NA
15	2026-09-26	Computational pathology in breast cancer: optimizing molecular prediction through task-oriented AI models 2025-Dec-16, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-025-00857-1 PMID:41402342	综述	本文探讨了在乳腺癌计算病理学中，使用小型任务导向AI模型从全切片图像预测分子特征的机会与挑战	提出并倡导使用小型任务导向AI模型而非大型基础模型，以解决临床工作流整合、可解释性和泛化性问题	依赖高质量数据集、多机构验证和跨学科合作，当前模型在临床转化方面仍面临障碍	探索任务导向AI模型在乳腺癌分子特征预测中的应用潜力	乳腺癌全切片图像及相关的分子特征	数字病理学	乳腺癌	全切片图像分析	深度学习模型	图像	NA	NA	NA	NA	NA
16	2026-09-26	Harnessing Machine Learning Approaches for the Identification, Characterization, and Optimization of Novel Antimicrobial Peptides 2025-Dec-14, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics14121263 PMID:41463765	综述	本文综述了利用机器学习方法识别、表征和优化新型抗菌肽的研究进展，涵盖了多种模型和策略，并提出了多模态范式策略	提出了多模态范式策略，整合主动学习实验室循环、机制可解释性、整理的数据资源和不确定性估计，并强调了AI预测的新型混合方法	需要协作的计算和湿实验室实验验证，以加速AI驱动的抗菌肽发现	综述机器学习在抗菌肽的识别、预测、表征和设计中的应用，并提出未来方向	抗菌肽	机器学习	抗菌耐药性	机器学习、深度学习、Transformer嵌入、图神经网络、几何编码器、生成方法、大语言模型	经典机器学习、深度学习、Transformer、图神经网络、几何编码器、混合学习、生成模型、大语言模型	序列、结构、多模态数据	NA	NA	NA	NA	NA
17	2026-09-26	Artificial Intelligence in Obesity Prevention 2025-Dec-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243262 PMID:41464330	综述	本文通过范围综述方法，系统分析了2009年2月至2025年7月间人工智能在肥胖预防与预测领域的研究进展。	系统梳理了AI在肥胖预测中的应用趋势与模式，涵盖逻辑回归、决策树、人工神经网络等多种机器学习方法，并探讨了聊天机器人在肥胖医学中的潜在价值。	仍需更多研究来充分验证AI在肥胖预测中的效果，当前研究尚不完善。	全面分析人工智能对肥胖预防的影响，为肥胖的早期识别与诊断提供参考。	PubMed、Scopus、Web of Science和Google Scholar数据库中关于AI与肥胖预防的研究文献。	机器学习	肥胖	NA	CNN, LSTM, GAN	文本	NA	NA	NA	NA	NA
18	2026-09-26	Implementation of a Stress Biomarker and Development of a Deep Neural Network-Based Multi-Mental State Classification Model 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121352 PMID:41463649	研究论文	该研究利用约13.7万条来自世宗市居民的纵向生物信号数据，开发了基于深度神经网络的压力预测与多心理状态分类模型	整合了随机森林、LightGBM等静态机器学习模型与LSTM、Transformer等时间序列深度学习模型，并利用SHAP和Transformer注意力权重可视化增强模型可解释性	所使用的真实标签为K-FDA认证可穿戴设备中基于HRV算法的输出，而非唾液皮质醇或心理量表等临床验证的评估结果，因此并非独立的临床压力标志物	评估深度学习模型能否准确学习并复现现有HRV算法生成的压力指标，为未来使用临床验证压力标签的应用提供方法论基础	世宗特别自治市居民在两年期间（2023年2月至2024年12月）自愿采集的生物信号数据	机器学习	NA	可穿戴设备生物信号采集、心率变异性分析	CNN, LSTM, Transformer	时间序列生物信号数据	约137,000条纵向测量数据	NA	Random Forest, LightGBM, LSTM, Transformer	准确率	NA
19	2026-09-26	Artificial Intelligence in Tetralogy of Fallot: From Prenatal Diagnosis to Lifelong Management: A Narrative Review 2025-Dec-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121349 PMID:41463646	综述	本文综述了人工智能在法洛四联症全程管理中的应用，从产前诊断到成年随访	系统整合了AI在法洛四联症全生命周期管理中的证据，涵盖产前诊断、围术期规划、术中监测、重症监护和长期监测，并强调多模态数据融合	数据集限制、可解释性不足、监管标准和伦理问题	综合当前关于AI在法洛四联症全程管理中应用的证据	法洛四联症患者	医学人工智能	法洛四联症	机器学习，深度学习，自然语言处理	NA	影像，电子健康记录，基因组信息，连续监测数据	NA	NA	NA	NA	NA
20	2026-09-26	Application of Artificial Intelligence Technology in Plant MicroRNA Research: Progress, Challenges, and Prospects 2025-Dec-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411854 PMID:41465283	综述	该综述系统分析了人工智能在植物microRNA研究中的应用进展，涵盖从传统机器学习到深度学习架构的演变，并探讨了miRNA识别、靶标预测、miRNA-lncRNA互作、ceRNA网络等应用及挑战与前景	全面梳理了AI技术在植物miRNA研究中的演进路径，从传统机器学习到深度学习，并系统分析了植物miRNA区别于动物的独特计算特征及其对预测方法的影响	降解组数据会捕获来自多种来源的混合RNA片段而非仅miRNA切割产物，需严格的多证据验证；lncRNA定义存在根本性模糊；数据严重不平衡；跨物种泛化能力有限；模型可解释性不足；实验验证存在瓶颈；miRBase v20中约75%的植物miRNA家族缺乏令人信服的证据	系统综述人工智能技术在植物miRNA研究中的应用进展、挑战与前景	植物microRNA（miRNA）及其靶基因、miRNA-lncRNA互作、ceRNA网络	机器学习	NA	NA	SVM, 深度学习	文本	NA	NA	Transformer, 图神经网络	预测准确率	NA