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
121	2026-08-26	Machine and deep learning structural vessel analysis of ruptured and unruptured brain arteriovenous malformations 2025-Dec-01, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199251400137 PMID:41325021	研究论文	本研究使用机器学习和深度学习算法分析脑动静脉畸形（bAVM）的血管结构特征，以区分破裂与未破裂的病例	首次应用多种人工智能模型（包括隔离森林、一分类支持向量机、变分自编码器和基于分数的模型）自动分析bAVM血管段的曲线特征，并以高分性能识别破裂风险曲线	样本量较小（共20例），可能限制结果的泛化性；未提及计算资源和外部验证	评估bAVM结构血管特征与破裂的关联，以预测破裂风险	9例破裂和11例未破裂的脑动静脉畸形血管段	医学影像分析	脑动静脉畸形	血管结构曲线分析	隔离森林、一分类支持向量机、变分自编码器、基于分数的模型	医学图像（血管段）	20例（9破裂，11未破裂）	NA	NA	F1分数，曲线下面积（AUC）	NA
122	2026-08-26	Enhanced short-term prediction of urban PM2.5 concentrations by improved hybrid deep learning 2025-Dec, Journal of environmental health science & engineering DOI:10.1007/s40201-025-00954-0 PMID:40873743	研究论文	本研究开发了一种结合一维卷积神经网络和双向长短期记忆神经网络的新模型，用于提高城市PM2.5浓度的短期预测精度	通过将网络计算结果层与PM2.5序列数据连接，并筛选相关监测站数据和目标站点的PM2.5特征因子，考虑了空间相关性和污染物间的交互作用，显著提升了模型性能	未在摘要中明确说明局限性	研究改进深度学习模型对PM2.5浓度预测性能的影响，提高短期预测精度	沈阳市多个国家空气质量监测站收集的2020至2022年空气污染观测数据	机器学习	NA	NA	CNN-LSTM混合模型	时间序列数据	未在摘要中明确样本数量，涉及多个监测站点的2020至2022年观测数据	NA	一维卷积神经网络和双向长短期记忆神经网络	均方根误差、平均绝对误差、平均绝对百分比误差、R²	NA
123	2026-08-24	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-12, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	提出了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，用于动态监控细胞形态并发现抗纤维化化合物	首次将无标记时间序列数字相位对比成像与深度学习相结合，动态控制并监测细胞形态，以发现抗纤维化先导化合物，超越了传统方法仅关注最终生物指标的局限	未提及具体限制，但可能包括依赖高内涵成像系统和细胞模型的特异性	开发一种能够区分静息和活化纤维细胞，并发现非侵入性无标记抗纤维化先导化合物的方法	纤维细胞（静息和活化状态）以及抗纤维化先导化合物（如Neo-Przewaquinone A）	数字病理学	纤维化（包括心肌纤维化）	高内涵成像系统	神经网络	图像（无标记时间序列数字相位对比和明场图像）	训练使用12,000张图像，处理超过100,000张图像（来自1,400种化合物）	NA	神经网络（具体架构未指定）	图像分类的准确性（未具体指定）	NA
124	2026-08-24	mbSparse: an autoencoder-based imputation method to address sparsity in microbiome data 2025-12, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2552347 PMID:40888610	研究论文	开发了一种基于自编码器的插补方法mbSparse，用于处理微生物组数据中的稀疏性问题	利用深度学习（自编码器和条件变分自编码器）而非传统的预定义计数分布进行微生物组数据插补，并整合特征自编码器与CVAE以增强性能	未明确提及局限性，但可能涉及对特定数据类型或计算资源的需求	提出并评估一种新的深度学习插补算法，以提高微生物组数据分析的准确性并改善疾病相关分类群的检测	微生物组数据，包括肠道微生物组样本，涉及结直肠癌分析	机器学习	结直肠癌	深度学习（自编码器、条件变分自编码器）	自编码器，条件变分自编码器（CVAE）	微生物组计数数据	未具体说明样本数量，但涉及微生物组样本，包括结直肠癌数据集	未在摘要中指定，可能使用PyTorch或TensorFlow，但输出“NA”	特征自编码器和条件变分自编码器	均方误差（MSE）、精确率-召回率曲线下面积（AUPRC）、皮尔逊相关系数	未在摘要中提及，输出“NA”
125	2026-08-22	TRI-PLAN: A deep learning-based automated assessment framework for right heart assessment in transcatheter tricuspid valve replacement planning 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133732 PMID:40780436	研究论文	本研究开发并验证了TRI-PLAN，一种基于深度学习的自动化评估框架，用于经导管三尖瓣置换术前的右心结构评估。	首次提出全自动、基于深度学习的框架TRI-PLAN，用于TTVR术前右心结构评估，实现自动分割、定位和参数测量，并显著提高效率。	未明确提及局限性。	开发和验证一种自动化的深度学习框架，以提高TTVR术前右心结构评估的效率和准确性。	严重三尖瓣反流患者的术前计算机断层扫描血管造影（CTA）影像。	深度学习，医学影像分析	三尖瓣反流	CTA（计算机断层扫描血管造影）	深度学习模型（DRA-Net）	CT图像（CTA影像）	140例患者的CTA扫描，共63,962个切片，分为训练队列（100例）、内部验证队列（20例）和外部验证队列（20例）。	NA	DRA-Net（双阶段右心评估网络）	Dice系数（体积和表面）、标准差、组内相关系数（ICC）、相关系数（R）、偏差、直接接受率、时间节省	未明确提及。
126	2026-08-22	Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133744 PMID:40784375	研究论文	本研究评估了一种深度学习模型在自动分割冠状动脉和斑块组织特征及检测富含脂质斑块方面的可行性和诊断准确性	采用7层U-Net++深度学习模型实现冠状动脉自动分割和组织特征化，并以集成反向散射IVUS作为金标准进行验证	研究为回顾性分析，样本量有限，且模型的敏感性相对较低	评估深度学习模型在斑块分割、组织特征化和脂质丰富斑块识别方面的可行性与诊断准确性	冠状动脉斑块，包括外弹性膜、管腔、导丝伪影，以及脂质、纤维、致密纤维和钙化组织	数字病理学	冠状动脉疾病	血管内超声（IVUS），集成反向散射IVUS（IB-IVUS）	深度学习模型	IVUS图像	训练组：67例患者的1098幅IVUS图像；验证组：88例患者100根血管的1100幅IVUS图像	NA	U-Net++	相关系数R，敏感性，特异性，阳性预测值，阴性预测值，AUC	NA
127	2026-08-22	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	该研究评估了两种3D卷积神经网络模型在基于脑部结构MRI进行阿尔茨海默病进展二元分类中的性能	比较了全容积方法和区域引导方法两种深度学习模型在AD早期检测中的应用，展示了基于神经解剖学的特征选择与简单全容积处理之间的权衡	研究仅基于ADNI数据集，需要在更多样化的临床人群中进行验证	提高阿尔茨海默病进展的预测精度，以实现早期检测和监测	阿尔茨海默病患者的脑部结构MRI扫描	计算机视觉、深度学习	阿尔茨海默病	MRI	3D卷积神经网络	图像	未明确	NA	3D CNN	验证准确率	NA
128	2026-08-22	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-12, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计并制造了一种基于二维细胞挤压机械穿孔的高通量微流控装置，并利用深度学习模型分析细胞内递送结果	首次采用二维垂直通孔阵列替代传统一维收缩结构，实现高通量平行单细胞递送，并通过深度学习模型自动化分析单细胞递送效果	摘要中未提及研究的局限性	开发一种高通量细胞内递送平台，并验证其效率和适用性，同时建立自动化分析系统	HeLa细胞、Jurkat细胞、原代人骨髓间充质干细胞（hMSCs）和人牙龈成纤维细胞（hGFs）	微流控、深度学习	不适用	细胞挤压机械穿孔、微流控	深度学习模型（包括实例分割模型）	显微图像	未明确样本数量，但装置含最多62,000个孔，细胞数量以百万计	未明确	实例分割网络（具体架构未明确）	细胞直径、荧光强度	未明确
129	2026-08-20	Smartphone-based video deep learning enables rapid and accurate lateral flow diagnostics 2025-12-22, Mikrochimica acta DOI:10.1007/s00604-025-07756-z PMID:41423536	研究论文	本研究提出了一种基于智能手机视频深度学习的侧向层析检测新方法，通过结合时间序列视频数据和YOLOv8模型，提高检测灵敏度、特异性和速度	首次将时间动态视频数据与深度学习结合用于侧向层析检测，相比静态图像分析，能在更短时间内实现更高诊断性能	研究仅针对人绒毛膜促性腺激素检测，未验证其他生物标志物；视频数据采集和分析可能受智能手机性能和用户操作影响	提升侧向层析检测的灵敏度和定量准确性，实现更快速、更准确的即时检测	人绒毛膜促性腺激素侧向层析检测试纸	计算机视觉	不适用	侧向层析检测	YOLOv8	视频	未提供具体样本数量	未提及	YOLOv8	灵敏度、特异性、准确率	未提及
130	2026-08-20	Deep learning reveals hidden diversity of Synechococcus in the coastal water of China: novel clades and their ecological insights 2025-12-17, Proceedings. Biological sciences DOI:10.1098/rspb.2025.1936 PMID:41538039	研究论文	开发了基于深度学习的Syn_Tool框架，对中国近海Synechococcus ITS序列进行识别、分类和新进化枝发现，揭示了隐藏的遗传多样性	首次将深度学习应用于Synechococcus ITS序列的标准化分类和新进化枝发现，整合了精选的ITS数据库，并分析了迄今为止最大的Synechococcus数据集	未明确提及局限性，但可能受限于ITS区域的分辨率及数据库的覆盖范围	解决Synechococcus ITS序列在大规模测序数据中准确识别和分类的挑战，并探索其生态学意义	中国近海水域中的Synechococcus ITS序列	深度学习、海洋微生物学	不适用	16S-23S rRNA内部转录间隔区（ITS）测序	深度学习模型（未明确指定具体类型）	序列数据	1,087,323条ITS序列	未明确提及	未明确提及	未明确提及（可能包括分类准确率等，但未在摘要中说明）	未明确提及
131	2026-08-20	A priority control list for LCMs in freshwater food chain by deep learning 2025-12-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用分子对接和深度学习模型，构建了1431种商业液晶单体在淡水食物链中的优先控制清单，并分析了其持久性、生物累积性和毒性效应。	首次构建针对商业液晶单体影响淡水食物链的优先控制清单，并结合残差神经网络深度学习模型优化，提高预测准确性。	未提及具体局限性。	开发并优化淡水食物链中液晶单体的优先控制清单，并预测其PBT风险。	1431种商业液晶单体在淡水食物链（水蚤、斑马鱼、卷羽鹈鹕）中的PBT效应。	机器学习、深度学习	不适用	分子对接、深度学习	残差神经网络（ResNet）	数值数据（PBT效应值）	12879个PBT效应值，涉及1431种LCMs和3个营养级	未提及	ResNet	准确率	未提及
132	2026-08-19	Renji endoscopic submucosal dissection video data set for Esophagus 2025-12-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06252-6 PMID:41372209	研究论文	介绍了一个包含食管内镜黏膜下剥离术（ESD）视频的仁济数据库，含有25个手术录像和141,909个阶段特定分类，供人工智能研究使用	首次公开提供带有完整阶段注释的食管ESD视频数据集，为未来食管ESD数据库建立基准	信息不足，从标题和摘要中无法确定具体限制	提供高质量、注释完整的食管ESD视频数据集，以支持人工智能辅助的计算机辅助干预、外科教育和术后分析研究	食管ESD手术视频，包含25个手术录像，总共超过14万个阶段注释	计算机视觉	食管疾病	NA	NA	视频和对应的阶段标签	25个食管ESD手术视频，141,909个注释	NA	NA	NA	NA
133	2026-08-19	A Mycelium Dataset with Edge-Precise Annotation for Semantic Segmentation 2025-12-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06265-1 PMID:41372240	研究论文	该论文建立了名为MyceliumSeg的首个大规模基准数据集，用于菌丝及其边缘的语义分割，并评估了主流深度学习模型在经典和边界感知指标下的性能	提供了首个大规模菌丝分割基准数据集，包含20,176张图像和567个像素级标注样本，并提出了一种多盲细化标注指南和新的分歧解决方案	未提及具体限制	解决菌丝分割任务中公共数据集稀缺和边缘标注复杂的问题，支持真菌学研究和分割算法发展	四种真菌物种在多种培养条件下的菌丝图像	计算机视觉	NA	NA	深度学习模型（如主流模型）	图像	20,176张图像和567个像素级标注样本，标注工作耗时37人天	NA	NA	经典分割指标和边界感知指标（如Dice系数等）	NA
134	2026-08-18	Deep learning-based detection of bacterial swarm motion using a single image 2025-12, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	研究论文	开发了一种基于深度学习的细菌群集运动检测方法，利用单张模糊图像快速自主预测群集概率。	提出一种利用单张模糊图像进行细菌群集运动检测的深度学习分类器，避免了传统视频处理和人工观察的耗时与偏差，适用于高通量环境并提供客观定量评估。	训练数据仅来自单一菌株SM3，可能限制对其他菌种的适应性，且依赖图像质量。	实现细菌群集运动的快速、客观、自动化检测，以辅助疾病诊断如炎症性肠病和尿路感染。	细菌群集运动和游动运动的图像，包括SM3、DB10和H6菌株。	计算机视觉	炎症性肠病, 尿路感染	NA	深度学习分类器	图像	训练和测试图像来自SM3，以及外部测试图像来自DB10和H6	NA	NA	灵敏度, 特异性	NA
135	2026-08-07	Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species 2025-12-25, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01092-z PMID:41449383	研究论文	本研究提出一个可解释的深度学习集成框架，用于准确分类野生有毒蘑菇种类，保障食品安全	首次将可解释AI集成方法应用于真菌分类，结合多种预训练CNN架构的集成策略提升分类性能	标题和摘要中未提及局限性信息	开发一个准确且可解释的深度学习框架，用于野生有毒蘑菇的分类，以减少误认导致的中毒事件	18种野生有毒蘑菇物种的高分辨率图像	计算机视觉	蘑菇中毒	图像增强技术	CNN	图像	3600张高分辨率图像，通过增强扩展至7200个训练样本	NA	DenseNet121, EfficientNet-B3, MobileNet-V3, ShuffleNet-V2	准确率, MCC, 对数损失	NA
136	2026-08-07	CLAP-HMM: a biologically constrained deep learning framework for resistance gene prediction in long DNA sequences 2025-12-12, BMC biotechnology IF:3.5Q2 DOI:10.1186/s12896-025-01086-x PMID:41382144	研究论文	提出了一种名为CLAP-HMM的深度学习框架，用于在长DNA序列中预测抗性基因	引入蛋白质功能提示作为生物学先验，指导HMM模块进行结构状态建模，实现抗性基因边界的精确识别	未提及	提高超长、高重复基因组序列中抗性基因预测的准确性	抗性基因	深度学习、生物信息学	植物病害	DNA测序	CNN-LSTM-Attention混合模型	长DNA序列	NA	NA	CNN、LSTM、注意力机制、HMM	NA	NA
137	2026-08-07	T-SCAPE: T cell immunogenicity scoring via cross-domain aided predictive engine 2025-12-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz8759 PMID:41348893	研究论文	提出了一种名为T-SCAPE的新型多域深度学习框架，通过对抗性域适应整合多种免疫学数据源，以预测T细胞免疫原性	利用跨域对抗域适应技术整合多种免疫相关数据源，无需MHC输入即可预测治疗性抗体的抗药抗体诱导潜力	摘要中未提及明显局限性	开发一种能够准确预测T细胞免疫原性的深度学习模型，以提升蛋白质治疗药物和疫苗的安全性和有效性	肽段、MHC呈递、pMHC结合亲和力、T细胞受体-pMHC相互作用、源生物体信息和T细胞激活	机器学习	不适用	深度学习	多域深度学习模型	免疫学数据	未提及具体样本量	未提及具体框架	对抗性域适应网络	性能指标未具体提及，但提到严格泄漏控制基准	未提及具体计算资源
138	2026-08-07	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比度MRI的深度学习模型，用于预测PET确定的淀粉样蛋白状态，以提高阿尔茨海默病的诊断准确性	首次将T2 FLAIR与T1加权图像结合用于深度学习预测PET淀粉样蛋白状态，显著提高了预测性能	未提及明确限制	提高基于MRI的PET淀粉样蛋白状态预测准确性，以减少对PET或CSF采样的依赖	阿尔茨海默病患者及认知正常对照者的MRI和PET图像	数字病理学	阿尔茨海默病	NA	深度学习模型（EfficientNet）	图像（MRI和PET）	4056例用于模型开发，149例用于外部测试	NA	EfficientNet	AUC，准确率，敏感性，特异性	NA
139	2026-08-07	Integrating cyclodextrin fluorescence sensing array and machine learning for rapid screening and detection of perfluoroalkyl substances 2025-12-01, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344680 PMID:41093532	研究论文	本研究开发了一种基于β-环糊精荧光传感阵列与机器学习相结合的方法，用于快速筛选和检测水中的全氟烷基物质（PFASs）。	利用β-环糊精聚合物与四种荧光染料的主客体化学构建4×6传感器阵列，结合机器学习实现多种PFASs的同时检测，克服了传统荧光传感器缺乏多重检测能力或制备复杂的局限性，并实现了与LC-MS相当的检测精度。	摘要中未提及明显的局限性。	开发一种便携、成本效益高且快速的荧光传感平台，用于水环境中多种PFASs的现场筛选和定量检测，以解决传统LC-MS方法的高成本和复杂性。	六种全氟烷基物质（PFOA、PFOS、PFDA、PFNA、PFHpA、PFHxA）以及含有这些PFASs的水样（包括表面水和污染水）。	传感器技术、机器学习	不适用	荧光传感、主客体化学、机器学习（线性判别分析和深度学习）	线性判别分析（LDA）和深度学习模型	荧光响应数据	传感器阵列包含4种染料和6种PFASs，用于构建和验证；实际水样加标5 μg/L PFOA用于验证。	NA	NA（LDA和模块化深度学习平台未指明具体架构）	检测限、相对误差、分类准确率	NA
140	2026-08-02	RimeSleepNet: A hybrid deep learning network for s-EEG sleep stage classification 2025-12, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2025.106835 PMID:41038061	研究论文	提出了一种名为RimeSleepNet的混合深度学习模型，用于睡眠脑电信号（s-EEG）的睡眠阶段分类，以解决频率混叠问题。	首次将霜冰优化算法应用于自适应调整变分模态分解（VMD），以减少频率混叠，并结合CNN、多头部自注意力机制和LSTM进行睡眠阶段分类。	文中未提及具体局限性。	提高睡眠阶段分类的准确性和鲁棒性，以支持睡眠障碍诊断和个性化监测。	睡眠脑电信号（s-EEG），包括NREM、REM和WAKE三个睡眠阶段。	机器学习	睡眠障碍	脑电图（EEG）	混合深度学习模型（CNN、LSTM）	信号数据	使用了成都市人民医院和Sleep-EDF数据集，具体样本数量未在标题和摘要中提及。	NA	VMD、CNN、多头部自注意力（MHSA）、LSTM	F1分数、AUC、Cohen's κ、验证损失	NA