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
821	2026-01-02	Deep learning-based non-contrast MRI model for nasopharyngeal carcinoma diagnosis: an end-to-end gadolinium-free solution 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02247-0 PMID:41430426	研究论文	本研究提出了一种基于深度学习的无对比剂MRI模型，用于鼻咽癌诊断，旨在减少对钆基对比剂的依赖	开发了一种创新的知识蒸馏模态融合模型，仅使用非对比MRI进行鼻咽癌诊断，避免了钆基对比剂的安全风险，并缩短了扫描时间	研究未明确说明模型在更广泛人群或不同MRI设备上的泛化能力，且外部测试集的AUC略低于内部测试集	开发一种无需钆基对比剂的鼻咽癌诊断方法，以提高安全性并降低成本	鼻咽癌患者	数字病理学	鼻咽癌	非对比MRI	深度学习模型	MRI图像	854例病例用于开发模型，内部测试集257例，外部测试集277例	NA	知识蒸馏模态融合模型	AUC	NA
822	2026-01-02	CaliciBoost: Performance-driven evaluation of molecular representations for caco-2 permeability prediction 2025-Dec-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01137-7 PMID:41430621	研究论文	本研究系统评估了八种分子特征表示类型结合自动化机器学习技术，用于预测Caco-2渗透性，并开发了性能优异的CaliciBoost模型	首次系统比较了包括2D/3D描述符、结构指纹和深度学习嵌入在内的多种分子表示方法，结合AutoML优化，在公开排行榜上取得最佳性能，并强调了3D描述符在提升预测准确性中的关键作用	研究主要基于两个特定数据集（TDC基准和OCHEM数据），可能在不同化学多样性或规模的数据上泛化能力有限，且未深入探讨模型在更广泛ADMET属性预测中的适用性	提高Caco-2渗透性预测的准确性和效率，为早期药物发现中的口服吸收预测提供计算工具	药物候选分子的Caco-2渗透性	机器学习	NA	自动化机器学习（AutoML），分子描述符计算（2D/3D），特征重要性分析（SHAP，置换重要性）	集成学习模型（具体为CaliciBoost，基于AutoML优化）	分子结构数据（包括2D/3D描述符、指纹、嵌入）	两个数据集：TDC基准数据集和OCHEM数据集，具体样本数量未在摘要中明确说明	AutoML框架（具体框架未指定，可能包括如AutoGluon、H2O.ai或自定义流程），结合RDKit、PaDEL、Mordred等化学信息学工具	CaliciBoost（基于AutoML优化的集成模型），具体基础架构未详细说明，可能包括梯度提升树（如XGBoost、LightGBM）等	MAE（平均绝对误差），在TDC Caco-2排行榜上的排名	NA
823	2026-01-02	Deep learning to predict emergency department revisit using static and dynamic features (Deep Revisit): development and validation study 2025-Dec-20, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00509-x PMID:41422240	研究论文	本研究开发并验证了一种结合静态和动态特征的深度学习模型，用于预测急诊科再就诊风险	提出了一种结合TCN和FT-Transformer的混合深度学习模型，首次有效整合了静态特征和短期动态生命体征数据，并开发了处理时间不规则性的预处理策略	研究仅基于单一医疗中心的数据，未在多中心数据上进行验证，且高风险再就诊的基础率较低（0.01）	开发能够准确预测急诊科再就诊风险的深度学习模型，特别关注高风险再就诊病例的识别	急诊科就诊患者	机器学习	NA	临床数据挖掘	TCN, Transformer	结构化临床数据（静态特征和动态生命体征）	国立台湾大学医院2016-2019年及2020-2022年的急诊科就诊数据	NA	Temporal Convolutional Network, FT-Transformer	AUROC, AUPRC, 精确率	NA
824	2026-01-02	Semi-inductive dataset construction and framework optimization for practical drug target interaction prediction with ScopeDTI 2025-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66311-9 PMID:41390462	研究论文	本文提出了SCOPE-DTI框架，通过整合大规模半归纳数据集和深度学习模型，优化药物-靶点相互作用预测的实用性和性能	构建了大规模平衡的半归纳人类DTI数据集，并开发了结合三维蛋白质与化合物表示、图神经网络和双线性注意力机制的统一预测框架	未明确说明模型在特定药物类别或靶点家族上的泛化能力限制	提高药物-靶点相互作用预测的实用性和准确性，以加速药物发现研究	药物-靶点相互作用数据，特别是人类相关的药物和蛋白质靶点	机器学习	癌症	深度学习，图神经网络，注意力机制	图神经网络，注意力机制	三维蛋白质和化合物表示，药物-靶点相互作用数据	从13个公共存储库整合的数据集，相比常见基准（如Human数据集）数据量扩展高达100倍	未明确指定，但可能基于深度学习框架如PyTorch或TensorFlow	图神经网络，双线性注意力机制	未明确指定，但可能包括准确率、精确率、召回率、F1分数等	未明确指定
825	2026-01-02	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文介绍了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，构建了一个紧凑且可解释的潜在空间	结合解耦表示学习与高保真图像重建，创建了一个无需标注即可捕获生物学有意义特征的紧凑、可解释潜在空间，并系统地将潜在表示与层次化形态属性关联，确保语义和生物学可解释性，同时支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性	开发一种通用、无偏的单细胞形态学分析方法，以克服传统手动特征提取的偏见和深度学习在可解释性及标注数据依赖方面的挑战	单细胞	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
826	2026-01-02	AI-assisted sentinel lymph node examination and metastatic detection in breast cancer: the potential of ChatGPT for digital pathology research 2025-Dec, Pathologica IF:4.4Q1 DOI:10.32074/1591-951X-N1068 PMID:41454765	研究论文	本研究评估了ChatGPT-4在乳腺癌前哨淋巴结冰冻切片中检测转移的潜力	首次将ChatGPT-4应用于乳腺癌前哨淋巴结冰冻切片的转移检测，探索其在数字病理研究中的实际应用	样本量较小（仅90个前哨淋巴结），且为回顾性研究，可能影响结果的普遍性	评估AI模型在乳腺癌前哨淋巴结转移检测中的诊断性能，以提升病理工作流程的准确性和效率	乳腺癌患者的前哨淋巴结冰冻切片	数字病理	乳腺癌	冰冻切片，数字病理	深度学习模型	图像	90个前哨淋巴结	NA	ChatGPT-4	准确率，灵敏度，特异性	NA
827	2026-01-02	Accurate Generation of Conformational Ensembles for Intrinsically Disordered Proteins with IDPFold 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511636 PMID:41082321	研究论文	本文介绍了一种名为IDPFold的新方法，该方法利用微调的扩散模型直接从序列生成内在无序蛋白的构象集合	IDPFold消除了对多序列比对或实验数据的依赖，能够更详细地表征IDP集合的结构特征	NA	研究内在无序蛋白的构象特性	内在无序蛋白	机器学习	癌症, 糖尿病, 阿尔茨海默病	扩散模型	扩散模型	蛋白质序列	27个IDP系统	NA	IDPFold	回转半径误差, Cα二级化学位移的均方根偏差	NA
828	2026-01-02	RiboMicrobe: An Integrated Translatome Atlas for Microorganism 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509877 PMID:41082396	研究论文	本文介绍了RiboMicrobe，一个专为原核微生物Ribo-seq数据设计的综合数据库，并集成了基于Transformer的深度学习模型用于sORF预测	开发了首个专门针对原核微生物翻译组的综合数据库，并引入了两种基于Transformer架构的新型sORF预测模型	数据库目前仅涵盖36种原核生物和2种病毒，数据覆盖范围有限	构建一个集成数据库和工具平台，以支持微生物翻译组学研究和sORF注释	原核微生物和病毒的翻译组数据	生物信息学	NA	Ribo-seq, RNA-seq, 蛋白质组学	Transformer	测序数据	891个Ribo-seq数据集、369个匹配的RNA-seq数据集和62个蛋白质组数据集	NA	Transformer	NA	NA
829	2026-01-02	Cytological Classification Diagnosis for Thyroid Nodules via Multimodal Model Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511369 PMID:41098080	研究论文	本文开发了AI-TFNA平台，通过多模态深度学习模型提高甲状腺结节细胞学分类诊断的准确性和临床效率	提出了结合BRAF突变数据和图像外观迁移（IAM）技术的多模态模型，显著提升了模型在不同机构间的泛化能力	研究主要基于中国七个医疗中心的数据，可能在其他地区或人群中的适用性有待进一步验证	开发一个稳健的人工智能平台，以提高甲状腺结节诊断的准确性和临床效率	甲状腺结节样本，特别是甲状腺细针穿刺（TFNA）样本	数字病理学	甲状腺结节	甲状腺细针穿刺（TFNA）、BRAF突变检测	深度学习模型	图像、突变数据	总样本20,803个，其中4,421个TFNA样本用于训练，2,153个样本用于外部验证	NA	多模态模型	准确率、灵敏度、特异性	NA
830	2026-01-01	Editorial for "Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome" 2025-Dec-31, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70210 PMID:41473963	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
831	2026-01-01	Computer vision in aquaculture: transforming fish freshness monitoring 2025-Dec-30, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2025.2607533 PMID:41472339	综述	本文综述了计算机视觉技术在鱼类新鲜度评估中的应用，重点关注过去十年的进展，包括传统方法和深度学习方法，并探讨了高级成像技术的整合及面临的挑战	系统地将鱼类新鲜度评估任务分为新鲜度指标、纹理特征和生化变化三个关键方面，并全面介绍了常用算法模型，同时强调了高级成像技术（如高光谱和热成像）的整合，以检测传统成像技术无法捕捉的生化与微生物变化	未具体说明模型性能的量化比较或实际应用中的可扩展性限制	探讨计算机视觉技术在鱼类新鲜度监测中的应用，以提升鱼类产品的新鲜度和安全性，优化供应链管理	鱼类新鲜度评估，包括新鲜度指标、纹理特征和生化变化	计算机视觉	NA	计算机视觉、图像处理、高光谱成像、热成像	深度学习	图像	NA	NA	NA	NA	NA
832	2026-01-01	Real-time cognitive workload assessment using non-intrusive methods: a systematic review 2025-Dec-30, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2606779 PMID:41472475	综述	本文系统综述了实时认知负荷评估的非侵入性方法，总结了50项研究中的实践、方法趋势和技术进展	通过任务分类揭示生理测量与任务需求之间的对应关系，并指出混合方法在现实世界应用中的适应性框架发展趋势	NA	评估实时认知负荷以提升人类表现和安全性	认知负荷监测的生理和行为数据	机器学习	NA	心电图（ECG）、光电容积脉搏波（PPG）、皮肤电活动（EDA）、眼动追踪、脑电图（EEG）、皮肤温度（SKT）	传统机器学习、统计模型、深度学习模型	生理和行为数据	50项研究	NA	NA	NA	NA
833	2026-01-01	Learning Protein Structure Representation with Orientation-Aware Networks 2025-Dec-29, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666251406300 PMID:41468157	研究论文	提出了一种新颖的深度学习框架——方向感知图神经网络（OA-GNNs），用于更准确地表示蛋白质三维结构中的精细方向关系	通过将神经网络权重从标量扩展到3D定向权重，并实现确保SO(3)等变性的等变消息传递范式，首次明确建模了局部和全局几何特征（包括残基内扭转角和残基间方向）	未在摘要中明确说明	开发能够准确捕捉蛋白质结构中氨基酸间精细方向关系的表示学习方法，以促进对蛋白质机制的理解和计算蛋白质分析	蛋白质三维结构	计算生物学	NA	深度学习	图神经网络（GNN）	蛋白质结构数据	未在摘要中明确说明	未在摘要中明确说明	方向感知图神经网络（OA-GNNs）	未在摘要中明确说明具体指标，但提及在多个任务上达到最先进性能	未在摘要中明确说明
834	2026-01-01	Interpretable deep learning for dynamic rainfall-runoff prediction: Integrating adaptive signal decomposition and spatiotemporal feature extraction 2025-Dec-29, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128444 PMID:41468612	研究论文	本研究提出了一种结合自适应信号分解和时空特征提取的降雨径流预测模型，以提高预测精度和可解释性	创新点包括应用自适应粒子群优化变分模态分解算法进行多尺度分解和去噪，以及采用时空注意力机制动态探索降雨径流数据的时空依赖关系，并通过注意力权重可视化增强模型可解释性	未明确提及具体局限性，如模型泛化能力或计算复杂度	提高降雨径流预测的准确性，并增强模型对复杂非线性时空数据的建模和预测能力	降雨径流数据，特别是具有非线性和非平稳特性的时间序列	机器学习	NA	自适应粒子群优化变分模态分解算法，时空注意力机制	门控循环单元	时间序列数据	NA	NA	NA	纳什效率系数, 均方根误差, 平均绝对误差, 相关系数	NA
835	2026-01-01	[Image classification of osteoarthritis based on improved shifted windows transformer and graph convolutional networks] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504039 PMID:41448761	研究论文	本文提出了一种基于改进的Swin Transformer和图卷积网络的骨关节炎自动诊断方法	设计了移位窗口水平注意力机制以增强水平方向特征提取能力，并引入了中心注意力图SAGE模块通过动态注意力机制对病灶区域特征信息进行加权聚合，同时利用跨层连接技术实现多层特征的高效融合	NA	提高骨关节炎早期诊断的准确性	骨关节炎的X射线图像	计算机视觉	骨关节炎	X射线成像	Transformer, 图卷积网络	图像	NA	NA	改进的Swin Transformer, 图SAGE	准确率, 召回率, 精确率, F1分数, AUC	NA
836	2026-01-01	[Research progress on quantitative magnetic susceptibility imaging reconstruction method based on improved U-network model] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202412074 PMID:41448772	综述	本文总结了2020年至今基于改进U-Net架构在定量磁化率成像（QSM）偶极子反演中的应用进展	将基于U-Net架构的改进模型系统分为三类：基于结构优化、物理约束和泛化能力提升的改进U-Net，并梳理了其设计出发点	NA	通过总结和比较不同改进U-Net模型，解决偶极子反演的困难与挑战，提高QSM图像准确性，为疾病辅助诊断提供支持	定量磁化率成像（QSM）的偶极子反演过程	计算机视觉	NA	磁共振成像（MRI）相位信号处理与反演	U-Net	图像	NA	NA	U-Net	NA	NA
837	2026-01-01	[Review of application of U-Net and Transformer in colon polyp image segmentation] 2025-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202405039 PMID:41448773	综述	本文综述了U-Net和Transformer在结肠息肉图像分割中的应用，包括常用评估指标、数据集、模型改进方法及未来研究方向	系统性地回顾了基于U-Net、Transformer及其混合方法在结肠息肉分割领域的应用，并总结了算法的改进方法、优势与局限性	NA	探讨深度学习技术在结肠息肉图像分割中的应用，以辅助临床诊断	结肠息肉图像	计算机视觉	结直肠癌	深度学习	CNN, Transformer	图像	NA	NA	U-Net, Transformer	NA	NA
838	2026-01-01	Learning to learn ecosystems from limited data 2025-Dec-23, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2525347122 PMID:41405860	研究论文	本文提出了一种基于元学习的框架，利用时间延迟前馈神经网络从有限数据中预测生态系统的长期行为	通过元学习框架，结合非生态非线性动力系统的合成数据，显著减少对生态系统观测数据的需求，提高预测准确性和鲁棒性	未明确说明框架在极端或高度非线性生态系统中的泛化能力，且对真实世界数据的适用性仍需进一步验证	开发数据驱动方法，解决生态系统状态估计和预测中数据稀缺的挑战	生态系统，包括基准种群模型（如Hastings-Powell模型、Lotka-Volterra系统）和真实世界生态数据集（微生物时间序列数据集、全球种群动态数据库）	机器学习	NA	元学习、时间延迟前馈神经网络	神经网络	时间序列数据	未明确具体样本数量，但涉及三个基准种群模型和两个真实世界数据集	未指定	时间延迟前馈神经网络	准确性、鲁棒性	NA
839	2026-01-01	Deep learning enables accurate diagnosis of acute cholecystitis and prediction of suppuration using noncontrast CT 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114180 PMID:41458913	研究论文	本研究开发了一种基于腹部非增强CT的深度学习模型，用于诊断急性胆囊炎并预测其进展为急性化脓性胆囊炎	首次利用深度学习从非增强CT中准确诊断急性胆囊炎并预测化脓性进展，模型性能超越传统放射组学模型和放射科医生评估	研究为回顾性分析，可能存在选择偏倚；外部验证样本量相对较小	开发一种高效的深度学习系统，以支持时间敏感的临床工作流程，实现急性胆囊炎及其化脓性进展的准确诊断	来自三个医疗中心的641名患者的腹部非增强CT图像	计算机视觉	胆囊炎	非增强CT成像	深度学习模型	医学图像	641名患者	NA	NA	准确率	NA
840	2026-01-01	Continuous tobacco smoking increases mortality in diffuse large B-cell lymphoma but not follicular lymphoma, a Finnish population-based study 2025-Dec-17, Acta oncologica (Stockholm, Sweden) DOI:10.2340/1651-226X.2025.44776 PMID:41408704	研究论文	本研究探讨了持续吸烟对弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者死亡率的影响	利用深度学习自然语言处理算法提取吸烟状态，并在利妥昔单抗时代评估吸烟与淋巴瘤预后的关联	研究基于芬兰两个大学医院的数据，可能无法完全推广到其他人群或地区	评估吸烟状态对B细胞淋巴瘤患者生存结局的影响	弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者	自然语言处理	淋巴瘤	深度学习自然语言处理算法	NA	电子病历文本数据	DLBCL患者1258人，FL患者529人	NA	NA	总生存率，风险比	NA