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
961	2025-12-12	A two-step joint model based on deep learning realizes intelligent recognition of exfoliated cells in serous effusion 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108616 PMID:40784070	研究论文	提出一种基于深度学习的两步联合模型，用于实现浆膜腔积液脱落细胞的智能识别	通过整合在线卷积重参数化模块改进YOLOv8模型，并结合双注意力视觉变换器，构建了两步联合框架，以标准化和增强诊断过程	未明确提及研究的具体局限性	标准化和增强浆膜腔积液的细胞学诊断过程，减少误诊和漏诊	浆膜腔积液中的脱落细胞，包括异常细胞以及正常细胞（淋巴细胞、间皮细胞、组织细胞、中性粒细胞）	数字病理学	恶性肿瘤	深度学习	YOLOv8, DaViT	图像	未明确提及具体样本数量	未明确提及	YOLOv8, DaViT	灵敏度, 准确率	未明确提及
962	2025-12-12	A unified graph-based approach for protein function prediction using AlphaFold structures and sequence features 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108609 PMID:40815964	研究论文	提出了一种名为StructSeq2GO的新型混合模型，通过结合AlphaFold预测的蛋白质结构和序列特征来预测蛋白质功能	首次将AlphaFold预测的高精度蛋白质结构信息与ProteinBERT生成的序列嵌入相结合，利用图表示学习进行蛋白质功能预测	模型性能受AlphaFold结构预测质量影响，未来可从结构置信度建模方面改进；目前尚未扩展到通路水平或疾病相关注释预测	开发一种整合蛋白质结构和序列信息的统一方法，以提升蛋白质功能预测的准确性	蛋白质及其功能注释（基因本体GO标签）	计算生物学	NA	AlphaFold结构预测，ProteinBERT语言模型，图表示学习	图神经网络，语言模型	蛋白质序列，蛋白质结构，蛋白质-蛋白质相互作用网络	NA	NA	StructSeq2GO（自定义混合架构）	F分数，AUC，AUPR	NA
963	2025-12-12	Systemic Lupus Erythematosus prediction using Epistatic-Quantile Fusion Transformer network with integrated multi-omics and clinical data 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108617 PMID:40818386	研究论文	本文提出了一种名为Epistatic-Quantile Fusion Transformer (EQF-T)的统一框架，用于整合多组学和临床数据以预测系统性红斑狼疮	引入了Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA)进行数据预处理，以及Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT)来捕获高阶基因-基因相互作用和跨组学层的结构依赖性	未在摘要中明确说明	开发一个深度学习框架，以有效整合高维多组学数据和电子健康记录，实现系统性红斑狼疮的早期预测	系统性红斑狼疮患者的多组学数据和临床数据	机器学习	系统性红斑狼疮	多组学数据整合，电子健康记录分析	Transformer, Autoencoder	多组学数据，临床数据	未在摘要中明确说明	未在摘要中明确说明	Beta-Variational Rank-ordered Quantile Autoencoder (Beta-VARQA), Epistatic Attention fused Multi-Omics Laplacian Transformer (EA-MLT), SLE-Net	准确率, 精确率, 召回率, F1分数, ROC-AUC	未在摘要中明确说明
964	2025-12-12	A novel hybrid deep learning model using MEResNext for autism spectrum disorder detection 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108619 PMID:40834741	研究论文	本文提出了一种结合MoNet和ResNeXt的混合深度学习模型MEResNeXt，用于自闭症谱系障碍的检测	提出了一种名为DeSEHO的特征选择方法（结合双指数平滑和麋鹿群优化器），并构建了新型混合深度学习模型MEResNeXt	未提及模型在独立外部数据集上的验证情况，也未讨论计算复杂度或实时应用可行性	开发一种用于自闭症谱系障碍检测的混合深度学习方法	自闭症谱系障碍患者的数据	机器学习	自闭症谱系障碍	Yeo-Jhonson变换，双指数平滑，麋鹿群优化器	深度学习，混合模型	未明确说明（可能是医学或行为数据）	NA	NA	MEResNeXt（MoNet与ResNeXt的组合）	准确率，灵敏度，特异性	NA
965	2025-12-12	LYnet: Computational identification of tumor T cell antigens using convolutional and recurrent neural networks 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108630 PMID:40876398	研究论文	本研究提出了一种名为LYnet的新型深度学习模型，用于准确预测肿瘤T细胞抗原，以改进癌症疫苗的开发	构建了一个结合一维卷积神经网络和双向长短期记忆层的混合架构，以同时捕捉局部基序模式和长程序列依赖性，并采用SMOTE-Tomek策略处理类别不平衡问题	未在更广泛、更多样化的独立数据集上进行验证，模型性能可能受限于训练数据的质量和代表性	开发一种高精度的计算模型，以改进肿瘤T细胞抗原的识别，从而促进更有效的治疗性癌症疫苗的开发	肿瘤T细胞抗原的氨基酸序列	生物信息学/计算生物学	癌症	深度学习，序列特征提取（AAindex, AAK-mer, CKSAAP/CKSAAGP, 理化组成向量）	CNN, LSTM	序列数据（氨基酸序列）	使用了LYnet基准数据集进行训练和10折交叉验证，并在两个独立基准集（TAP 1.0和iTTCA-RF）上进行评估	NA	一维CNN与双向LSTM的混合架构（LYnet）	AUC, 灵敏度, 特异性, MCC	NA
966	2025-12-12	Diagnosis of leukemia using microarray analysis based on Hidden Markov Model and Random Convolutional Kernel Transform 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108676 PMID:40946356	研究论文	本研究提出了一种结合生成对抗网络、隐马尔可夫模型和随机卷积核变换的深度学习模型，用于基于微阵列数据的白血病高精度诊断	首次将GAN（U-Net架构）用于生成白血病诊断相关的合成微阵列数据，并结合HMM进行特征排序与ROCKET方法进行分类，实现了对五种白血病亚型的高精度分类	未明确说明模型在独立外部验证集上的泛化性能，也未讨论计算复杂度和临床部署可行性	提高基于微阵列数据的白血病亚型诊断准确率	白血病患者的基因微阵列数据	机器学习	白血病	微阵列分析	GAN, HMM, ROCKET	基因表达数据	NA	NA	U-Net	准确率	NA
967	2025-12-12	Beehive-entrance imaging and deep learning for real-time monitoring of Varroa destructor in apiculture 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108465 PMID:41057107	研究论文	本研究提出了一种基于蜂巢入口成像和深度学习的方法，用于实时监测蜜蜂中的瓦螨（Varroa destructor）	通过改造传统蜂巢并部署基于YOLOv5s的检测器，实现了在蜜蜂运动和环境光照变化下的实时瓦螨检测，并提供了经济可行的规模化部署方案	未明确提及模型在不同气候或蜂种间的泛化能力，以及长期运行中的维护挑战	开发一种实时、自动化的瓦螨监测系统，以支持可持续和数据驱动的养蜂实践	蜜蜂（Apis mellifera）及其寄生虫瓦螨（Varroa destructor）	计算机视觉	NA	蜂巢入口成像	CNN	图像, 视频	1,600张标注图像，补充了螨虫特写	NA	YOLOv5s	平均精度均值（mAP@0.5）	NA
968	2025-12-10	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题	采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建	方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力	开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法	3D时间飞行磁共振血管成像数据	医学影像重建	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	k空间数据，图像数据	5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
969	2025-12-09	Ex vivo human brain volumetry: Validation of MRI measurements 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过扫描离体原位人脑标本，验证了MRI脑体积测量工具与金标准水置换法的准确性	首次使用离体原位人脑标本作为金标准，验证了多种MRI序列和分割方法（包括手动和基于深度学习的自动分割）在脑体积测量中的准确性	样本量较小（仅7个解剖头部），且所有标本均经过酒精-甲醛溶液固定，可能影响组织特性	验证MRI脑体积测量工具的准确性，通过离体标本扫描与金标准水置换法对比	离体原位固定的人脑标本	医学影像分析	NA	MRI扫描（T2加权、T1加权、MP2RAGE序列）	深度学习	MRI图像	7个解剖头部标本	NA	SynthSeg	体积测量准确性，重复测量方差分析	NA
970	2025-12-09	Optimized T1-weighted MP-RAGE MRI of the brain at 0.55 T using variable flip angle coherent gradient echo imaging and deep learning reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70109 PMID:41024478	研究论文	本文提出并评估了一种在0.55 T磁场下用于快速脑部T1加权成像的优化MP-RAGE协议，结合可变翻转角相干梯度回波成像和深度学习重建技术	采用可变翻转角SSFP-FID内核的MP-RAGE序列，在0.55 T低场强下实现了白质信噪比平均提升21%和灰白质信号差异平均改善47%，并结合深度学习重建将扫描时间从5分17秒缩短至2分46秒	可变翻转角SSFP-FID的微分点扩散函数比标准序列略宽8%，可能影响边缘清晰度	开发在低场强（0.55 T）磁共振下快速获取高分辨率脑部T1加权图像的方法	人脑组织（重点关注白质和灰质）	医学影像分析	NA	磁共振成像（MRI），具体为MP-RAGE序列，SSFP-FID内核，可变翻转角成像	深度学习模型	磁共振图像	NA	NA	NA	白质信噪比（SNR），白质-灰质信号差异，微分点扩散函数宽度，扫描时间	NA
971	2025-12-09	A High-resolution dataset for AI-driven segmentation and analysis of drug-treated breast tumor spheroids 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109141 PMID:41207172	研究论文	本研究介绍了一个用于AI驱动分割和分析药物处理乳腺癌肿瘤球体的高分辨率公开数据集	创建了首个公开可用的高分辨率异型肿瘤球体图像数据集，并评估了多种深度学习分割模型在药物响应量化中的应用	数据集样本量相对较小（95张图像），且仅针对一种乳腺癌细胞系和一种药物处理，可能限制模型的泛化能力	促进AI驱动的分割和分析，以更准确地评估药物对3D肿瘤球体模型的效果	由MDA-MB-231乳腺癌细胞和人成纤维细胞组成的异型肿瘤球体	数字病理学	乳腺癌	显微成像	CNN	图像	95张高分辨率图像，进一步划分为2980个图像块（512×512像素）	未明确指定，但提及了深度学习分割模型	U-Net, Fully Convolutional Network (FCN), Mask R-CNN, YOLOv12-Seg, DeepLab	Jaccard指数, 准确率	NA
972	2025-12-09	Patients visits forecasting in emergency departments: Self-adapting LSTM models for evolving data distributions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109153 PMID:41218323	研究论文	本研究提出了一种基于自适应Seq2Seq LSTM的深度学习框架，用于急诊科患者就诊量的预测，以应对数据分布变化	结合了序列特定缩放和持续学习策略的自适应LSTM模型，能够在数据分布变化时自动调整，无需手动重新训练	在长期预测（如1个月）中，性能接近季节性朴素基准，且在COVID相关突变期间，ARIMA偶尔表现更优	设计一个在数据分布变化条件下保持准确性的急诊科患者就诊量预测框架，无需人工干预或完全重新训练	急诊科的历史每日就诊数据，涵盖COVID前、COVID期间和COVID后阶段	机器学习	NA	深度学习预测	LSTM, Seq2Seq	时间序列数据	覆盖COVID前、COVID期间和COVID后阶段的急诊科历史每日就诊数据	NA	Seq2Seq LSTM	MSE, MAE, MAPE, MASE	NA
973	2025-12-09	CellApop: A knowledge-guided decoupled distillation framework for label-efficient apoptotic cell segmentation and dynamic analysis in brightfield microscopy 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109156 PMID:41223808	研究论文	本文提出了一种基于知识引导解耦蒸馏的深度学习框架CellApop，用于在明场显微镜图像中实现标签高效的凋亡细胞分割和动态分析	开发了知识引导解耦蒸馏框架，通过多个专家模型指导轻量级学生网络训练，显著减少手动标注需求约80%，并引入重参数化、深度可分离卷积和边缘感知模块以提升在细胞密集重叠和边界模糊等挑战条件下的分割精度	未明确说明模型在更广泛细胞类型或不同显微镜设置下的泛化能力，以及框架对计算资源的具体需求	实现无标记、实时的凋亡细胞检测，以克服传统荧光染色方法的局限性	明场显微镜图像中的凋亡细胞	数字病理学	NA	明场显微镜成像	深度学习分割模型	图像	16,472张明场细胞图像，来自三个公共数据集（BF-C2DL-MuSC、DICC2DHHeLa、LiveCell）和一个专有凋亡数据集	未明确指定，但基于深度学习框架	CellApop（轻量级学生网络，包含重参数化、深度可分离卷积和边缘感知模块）	Dice相似系数、Hausdorff距离、IoU、灵敏度、特异性	NA
974	2025-12-09	Explainable multimodal fusion for breast carcinoma diagnosis: A systematic review, open problems, and future directions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109152 PMID:41232399	系统综述	本文系统综述了2015年至2025年间发表的49项关于可解释多模态融合在乳腺癌诊断与预后中的应用研究	首次系统性地梳理了乳腺癌诊断中多模态学习与可解释人工智能（XAI）的研究现状、融合策略及开放性问题	纳入研究存在数据集可用性有限、基准测试不一致、真实世界可解释模型稀缺等普遍问题	分析多模态融合与可解释人工智能在乳腺癌诊断和预后中的应用现状、挑战及未来方向	乳腺癌（BC）	数字病理学	乳腺癌	多模态数据融合（影像、临床记录、组织病理学、基因组数据）	Transformer, GNN, Autoencoder, 集成学习	影像、文本、基因组数据	NA	NA	注意力机制、门控架构、混合架构	NA	NA
975	2025-12-09	MRomicsNet: A morphomics-radiomics-driven adaptive topological model for AD diagnosis on clinically routine T1-weighted images 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109160 PMID:41260107	研究论文	本研究提出了一种基于形态组学和影像组学的自适应拓扑模型（MRomicsNet），用于在临床常规T1加权图像上进行阿尔茨海默病诊断	首次将形态组学和影像组学特征整合到一个自适应拓扑模型中，通过深度学习框架强化重要脑区间连接并抑制无关连接，以优化脑网络构建	研究主要依赖于特定数据集（ADNI和EDSD），未在更广泛或多样化临床数据上进行验证，且模型复杂度可能较高	开发一种结合形态组学和影像组学优势的自适应拓扑模型，以提升基于T1加权图像的阿尔茨海默病诊断准确性	阿尔茨海默病患者及健康对照者的脑部T1加权图像	数字病理学	阿尔茨海默病	T1加权磁共振成像	图卷积网络	图像	ADNI和EDSD数据集，具体样本数量未在摘要中明确说明	深度学习框架（具体未指定，可能为PyTorch或TensorFlow）	MRomicsNet（包含morphGCN通道和mrGCN通道）	诊断准确率	NA
976	2025-12-09	GICAF-Net: A cross-attentional graph-image fusion network for hyperspectral pathological diagnosis of FNH and HCC 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109171 PMID:41289808	研究论文	本研究提出了一种名为GICAF-Net的图-图像交叉注意力融合网络，用于肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的高光谱病理诊断	提出了一种新颖的双分支网络架构，结合了残差卷积和残差图卷积，并引入了拓扑感知交叉注意力融合模块（TACA）以及结合交叉熵、预测置信度和跨模态注意力一致性的多约束融合损失函数，以增强跨模态信息融合和分类稳定性	研究样本量相对较小（共120例），且未在更广泛的外部数据集上进行验证	提高肝肿瘤（FNH与HCC）术中高光谱病理诊断的准确性和效率	肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的病理样本	数字病理	肝癌	高光谱成像	CNN, GCN	高光谱图像	包含60例HCC和60例FNH的平衡高光谱肝肿瘤数据集，共120例	NA	GICAF-Net, 残差卷积, 残差图卷积	AUC, 准确率, F1分数	NA
977	2025-12-08	Deep learning-assisted metabolic fingerprint profiling based on V-groove and wrinkle-shaped 3D surface-enhanced Raman scattering substrate for early colorectal cancer diagnosis 2026-Feb-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118183 PMID:41223500	研究论文	本研究开发了一种基于三维表面增强拉曼散射基底和深度学习的代谢指纹图谱分析方法，用于结直肠癌的早期诊断	提出了一种结合微V型槽阵列、皱纹图案和银纳米颗粒的新型三维SERS基底，并首次将CNN模型应用于该平台获得的早期结直肠癌代谢指纹图谱分析	未明确说明样本来源的多样性、模型在独立外部验证集上的性能以及长期临床应用的可行性	开发一种高灵敏度的早期结直肠癌诊断平台	早期结直肠癌患者的血清代谢物	机器学习	结直肠癌	表面增强拉曼散射	CNN	拉曼光谱数据	未明确说明具体样本数量	NA	NA	AUC, 准确率, 特异性	NA
978	2025-12-08	Rapid whole-brain T2* and susceptibility mapping using 3D multiple overlapping-echo detachment acquisition and missing modality synthesis embedded simulation 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70108 PMID:41040040	研究论文	本文开发了一种3D多重重叠回波分离成像技术，结合数据生成和重建策略，用于快速全脑T2*和磁化率定量成像	将MOLED编码扩展至3D多激发采集，结合双回波反向EPI序列，同时获取T2*和QSM信号并减少图像畸变；采用基于深度学习的缺失模态合成方法生成配准的多参数模板，并提出了伪3D Bloch模拟以加速网络训练数据生成	NA	开发快速全脑T2*和磁化率定量成像技术	健康志愿者和临床参与者	医学影像处理	NA	3D多重重叠回波分离成像，双回波反向EPI序列，Bloch模拟	深度学习	3D磁共振图像	健康志愿者和临床参与者队列	NA	NA	图像质量评分	NA
979	2025-12-08	Deep learning approach for DCE-MRI parameter estimation: Evaluating signal intensity and concentration-time curve-based convolution-neural-networks 2026-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110559 PMID:41207450	研究论文	本文提出了一种基于浓度-时间曲线的卷积神经网络方法，用于动态对比增强MRI参数估计，旨在适应不同扫描协议并提高计算效率	采用浓度曲线而非信号强度作为输入，设计能适应多种DCE-MRI协议的CNN模型，在外部验证中展示了跨扫描仪和机构的鲁棒性	研究主要针对脑胶质瘤患者，样本量相对有限（训练集72例，测试集18例），且依赖于合成数据进行初始训练	开发一种快速、鲁棒的深度学习方法，用于估计DCE-MRI中的广义示踪动力学参数，以克服传统非线性最小二乘法计算成本高、对噪声和协议变化敏感的问题	脑胶质瘤患者（2-4级）的DCE-MRI数据	医学影像分析	脑胶质瘤	动态对比增强MRI	CNN	医学影像数据	训练集：72例胶质瘤患者；测试集：18例患者；外部验证集：跨扫描仪9例（1.5T），跨机构6例（不同医院）	NA	卷积神经网络	平均绝对误差，AUC，相关性系数	NA
980	2025-12-08	Transformer-based multi-scale feature fusion for real-time CT bone metastasis detection 2026-Feb, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117729 PMID:41241185	研究论文	本文提出了一种基于Transformer的实时CT骨转移检测模型BM-DETR，通过多尺度特征融合提升小尺寸、低对比度病变的检测精度	提出了集成空间上下文增强模块（SCEM）、双分支上采样的AttentionUpsample以及扩张Transformer注意力块（DTAB）的新型Transformer架构，有效解决了局部细节捕获与计算效率的平衡问题	未明确说明模型在更广泛临床数据上的泛化能力，以及在实际边缘设备部署中的具体性能表现	开发高精度、实时的CT骨转移自动检测系统，以支持早期筛查和智能诊断	CT影像中的骨转移病变	计算机视觉	骨转移癌	CT影像分析	Transformer	医学影像（CT）	OsteoScan和BMSeg两个公开数据集	未明确说明	BM-DETR（自定义Transformer架构，包含SCEM、AttentionUpsample、DTAB模块）	mAP50	未明确说明，但提及支持边缘部署