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
2181	2026-01-17	Dynamic ensemble deep learning with multi-source data for robust influenza forecasting in Yangzhou 2025-Dec-11, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-25937-6 PMID:41382069	研究论文	本研究开发了一个动态集成深度学习框架，利用多源数据提升扬州地区流感预测的准确性和稳定性	提出了动态加权集成与季节性残差调整策略，系统比较了多种深度学习模型在不同滑动时间窗口下的表现	研究仅针对扬州地区，未在其他地区验证，且模型性能可能受数据质量和时间窗口选择影响	开发准确的深度学习框架以缓解传统流感监测的延迟问题，提升公共卫生响应及时性	中国扬州地区的流感样病例监测数据、百度搜索指数和气象变量	机器学习	流感	深度学习	GRU, Transformer, LSTM, TFT, TCN, N-BEATS	时间序列数据	13年（652周）的多源数据集	NA	GRU, Transformer, LSTM, Temporal Fusion Transformer, Temporal Convolutional Network, N-BEATS	RMSE, MAE, R²	NA
2182	2026-01-17	Allosteric prediction via convolutional neural networks and protein structural and dynamical features 2025-Dec-11, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.12.011 PMID:41383018	研究论文	本研究提出了一种基于卷积神经网络和蛋白质结构及动力学特征来预测蛋白质变构功能状态的方法	首次将原子接触图、协方差和互信息等结构动力学特征转化为图像，并利用预训练的CNN模型（GoogLeNet和ResNet18）对KRas蛋白的活性状态进行分类预测	研究仅以KRas蛋白为模型系统，未在其他蛋白质上验证方法的普适性	开发一种机器学习方法来预测蛋白质的变构功能状态，以辅助功能注释和药物开发	小G蛋白KRas及其在不同突变和配体结合下的变构状态	机器学习	癌症	X射线晶体学	CNN	图像（由结构特征转化）	NA	NA	GoogLeNet, ResNet18	准确率	NA
2183	2026-01-17	Deep learning-enabled cherry price forecasting and real-time system deployment across multi-market supply chains in India 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30980-9 PMID:41372323	研究论文	本研究利用深度学习模型预测印度樱桃价格，并开发实时网络系统进行部署	首次将深度学习模型（如LSTM和Transformer）应用于印度樱桃价格预测，并实现实时网络系统部署，在农业市场智能中建立可扩展框架	研究仅针对印度五个批发市场的樱桃价格，可能无法泛化到其他地区或农产品	评估深度学习模型在樱桃价格预测中的性能，并开发实时决策支持系统	印度五个批发市场（如Azadpur、Narwal、Parimpora）的樱桃价格数据	机器学习	NA	NA	LSTM, Transformer	时间序列数据	2012年至2024年印度五个批发市场的每日樱桃价格数据	NA	LSTM, Transformer	MAE, RMSE, sMAPE, MFE, NMBE, DA, 准确率	NA
2184	2026-01-17	A sparse wavelength aware learning framework for robust FSO channel estimation 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31054-6 PMID:41372334	研究论文	本文提出了一种名为SWALNet的深度学习架构，用于在自由空间光通信系统中进行鲁棒的信道估计	提出了一种新颖的稀疏波长感知学习网络，通过集成基于注意力的稀疏编码器来捕获调制引起的失真和波长相关的衰落	NA	解决自由空间光通信链路中由大气湍流、光束失准和波长特定衰减引起的信道估计问题	自由空间光通信系统的信道估计	机器学习	NA	NA	深度学习	模拟数据	NA	NA	SWALNet	均方误差, 误码率, Q因子	NA
2185	2026-01-17	Accurate identification of broadly neutralizing antibodies against dengue virus based on deep stacking strategy with multi-perspective features 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31332-3 PMID:41372420	研究论文	本文提出了一种名为Deepstack-NAb的新型计算方法，用于精确识别针对登革热病毒的广谱中和抗体	提出了一种基于堆叠集成策略的计算方法，融合了多源特征编码方案和多视角特征，显著提升了识别性能	NA	开发一种高精度的计算方法，用于识别针对所有四种登革热病毒血清型的广谱中和抗体	针对登革热病毒的广谱中和抗体	自然语言处理, 机器学习	登革热	序列信息分析	机器学习, 深度学习	序列数据	NA	NA	堆叠集成模型	准确率, 灵敏度, MCC	NA
2186	2026-01-17	Changes of bone, adipose, and muscle-related body compositions in gastric cancers after gastrectomy using deep learning based automatic segmentation 2025-Dec-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04530-6 PMID:41372761	研究论文	本研究利用基于深度学习的自动分割工具，探讨了胃癌患者在胃切除术后12个月内骨、脂肪和肌肉相关身体成分的变化，并基于临床病理特征进行了亚组分析	首次采用基于人工智能的自动分割工具来量化胃癌患者胃切除术后身体成分的纵向变化，并系统分析了不同临床病理特征对变化的影响	研究为回顾性设计，样本量相对较小（146例），且仅关注了术后12个月的变化，缺乏更长期的随访数据	评估胃癌患者胃切除术后骨、脂肪和肌肉相关身体成分的变化，并探究临床病理特征对这些变化的影响	146例接受胃切除术的胃癌患者	数字病理学	胃癌	基于深度学习的自动分割	深度学习模型	医学影像数据	146例胃癌患者	NA	NA	p值, FDR校正	NA
2187	2025-12-12	Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study 2025-Dec-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02109-x PMID:41372855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2188	2026-01-17	Sepsis mortality prediction using machine learning and deep learning - a systematic review 2025-Dec-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03286-z PMID:41372900	综述	本文系统回顾了使用机器学习和深度学习技术基于电子健康记录预测脓毒症死亡率的研究	首次对基于EHR的ML/DL脓毒症预测研究进行全面系统综述，揭示了该领域在数据、模型和评估标准方面的异质性	纳入研究存在回顾性偏倚、数据异质性、质量评估不一致以及缺乏标准化评估指标	评估机器学习和深度学习在脓毒症早期检测和死亡率预测中的应用效果与挑战	脓毒症患者	机器学习	脓毒症	电子健康记录分析	机器学习, 深度学习	电子健康记录	39项研究（北美19项、亚洲13项、欧洲6项、澳大利亚1项）	NA	NA	NA	NA
2189	2026-01-17	Machine learning to predict food effects during drug development: a comprehensive review 2025-Dec-10, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01131-z PMID:41372958	综述	本文全面回顾了机器学习在药物开发中预测食物效应的应用，并与传统方法进行比较	评估了机器学习在预测食物效应方面的预测能力和准确性，并探讨了如何结合新兴技术（如PBPK建模）以提升其在药物开发领域的前景	数据质量、模型泛化能力以及整合到药物开发过程中的挑战是需要克服的障碍	评估机器学习在预测食物效应方面的能力，并探讨其在药物开发中的应用前景	食物效应预测及其对药物生物利用度的影响	机器学习	NA	NA	监督学习, 无监督学习, 强化学习	食物数据集信息	NA	NA	NA	NA	NA
2190	2026-01-17	An uncertainty-driven gated feature selection network (UGFS-Net) for TG level prediction: linking high-altitude exposure to lipid metabolism disorder via elevated TG 2025-Dec-10, Lipids in health and disease IF:3.9Q2 DOI:10.1186/s12944-025-02826-w PMID:41372990	研究论文	本研究开发了一种可解释的深度学习模型UGFS-Net，用于预测高海拔移民的甘油三酯水平，并探索了高海拔暴露与脂质代谢紊乱之间的联系	提出了不确定性驱动的门控特征选择网络（UGFS-Net），结合了不确定性驱动的样本重加权和困难样本挖掘策略，用于提升TG水平预测的准确性和可解释性	样本量相对有限（低海拔居民96人，高海拔移民388人），且研究主要基于临床可及指标，可能未涵盖所有潜在影响因素	开发可解释的深度学习模型以预测高海拔移民的甘油三酯水平，并探索高海拔缺氧与脂质代谢紊乱之间的关联	低海拔居民和高海拔移民的临床数据	机器学习	心血管疾病	临床指标测量	深度学习	临床数据	低海拔居民96人，高海拔移民388人	NA	UGFS-Net	R², 校准指标, Pearson相关系数	NA
2191	2025-12-10	Deep learning-based volumetry of the future liver remnants and prediction of candidates for major hepatectomy 2025-Dec-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02106-0 PMID:41361806	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2192	2025-12-11	Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI 2025-Dec-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02107-z PMID:41366360	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2193	2026-01-17	A new hybrid model for enhancing low-dose CT images using EfficientNetV2 and WGAN-GP: a multi-loss approach 2025-Dec-09, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03579-z PMID:41366715	研究论文	本文提出了一种结合EfficientNetV2-M和WGAN-GP的混合模型，用于增强低剂量CT图像，通过多损失函数方法有效降噪并保留关键解剖结构	创新点在于首次将EfficientNetV2-M作为多尺度特征提取器与WGAN-GP结合，并采用加权对抗损失、像素级L1损失和感知损失的多损失优化策略	研究未明确讨论模型在不同疾病类型或扫描协议下的泛化能力，且仅使用单一数据集进行评估	开发一种有效的深度学习降噪方法，以提升低剂量CT图像质量，同时减少辐射暴露风险	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	GAN, CNN	图像	使用AAPM-Mayo数据集，具体样本数量未明确说明	TensorFlow, PyTorch	EfficientNetV2-M, WGAN-GP	PSNR, SSIM	NVIDIA Tesla T4 GPU
2194	2026-01-17	An interpretable deep learning model for first-trimester fetal cardiac screening 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02217-6 PMID:41361059	研究论文	本文开发了一种可解释的深度学习模型，用于通过舒张期血流模式进行孕早期先天性心脏病的准确诊断	首次验证了用于孕早期先天性心脏病筛查的可解释深度学习系统，其诊断逻辑与临床专业知识高度一致	NA	解决孕早期先天性心脏病筛查的临床需求，提供准确且可解释的诊断工具	孕早期心脏筛查中的多普勒血流四腔心切面图像	数字病理学	先天性心脏病	多普勒血流成像	深度学习模型	图像	从108,521例孕早期心脏筛查中选取的8,062张多普勒血流四腔心切面图像	NA	NA	准确率	NA
2195	2026-01-17	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	本研究开发并验证了一个整合了放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴血管间隙侵犯	首次整合了来自术前多序列MRI的放射组学特征和深度学习特征，构建了用于预测子宫内膜癌LVSI的多模态模型	研究为回顾性设计，可能存在选择偏倚；ROI为手动勾画，可能引入人为误差	开发并验证一个基于多序列MRI的多模态模型，用于术前非侵入性预测子宫内膜癌的淋巴血管间隙侵犯	892名术后病理确诊的子宫内膜癌患者	数字病理	子宫内膜癌	多序列磁共振成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN	MRI图像	892名患者（训练队列378名，内部验证队列160名，外部验证队列354名）	PyRadiomics, PyTorch	VGG11, ResNet101, DenseNet121	AUC	NA
2196	2026-01-17	An end-to-end deep learning pipeline for hematoma expansion prediction in spontaneous intracerebral hemorrhage based on non-contrast computed tomography 2025-Dec-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02213-w PMID:41354762	研究论文	本文开发了一个基于非对比计算机断层扫描的自发性脑出血血肿扩大预测的端到端深度学习流程	提出了一个模块化框架，结合了自动分割、合成数据增强和基于Vision Transformer的分类，并使用全尺度U-Mamba模型进行高质量血肿分割，以及Diffusion-UKAN模型生成合成图像进行数据增强	未明确提及研究的局限性	预测自发性脑出血中的血肿扩大，以支持急性护理环境中的快速风险分层	自发性脑出血患者	数字病理学	脑出血	非对比计算机断层扫描	Vision Transformer, U-Mamba, Diffusion-UKAN	图像	来自五个中心的2020名患者	NA	Vision Transformer, U-Mamba, Diffusion-UKAN	AUC	NA
2197	2026-01-17	A foundation model for rock thin-section images analysis 2025-Dec-06, Communications engineering DOI:10.1038/s44172-025-00565-5 PMID:41353266	研究论文	本文介绍了RoImAI，一个专门为岩石薄片显微图像设计的视觉基础模型，用于实现快速、精确的岩石分割、识别和岩性报告生成	开发了首个针对岩石薄片显微图像的视觉基础模型，利用Transformer深度学习技术实现跨多中心数据的高精度分割，并采用分层分类策略准确识别岩石颗粒，在生成结构化岩性报告方面超越了人类专家的效率和准确性	未明确提及模型在更广泛地质区域或更复杂岩石类型上的泛化能力限制	开发一个自动化、高精度的岩石薄片图像分析模型，以替代传统依赖专家视觉检查的主观、耗时方法	岩石薄片显微图像及其中的岩石颗粒	计算机视觉	NA	光学显微镜成像	Transformer	图像	30,336张图像，包含来自17个不同地区的大约两百万个岩石颗粒	NA	Transformer	效率，准确性	NA
2198	2026-01-17	Reproducibility of digital pathology features extracted from deep learning and foundational AI models on sequential tissue slides 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30947-w PMID:41353287	研究论文	本研究评估了从正常前列腺组织连续切片中提取的深度学习模型和基础AI模型特征的重复性	首次系统评估了深度学习模型和基础AI模型在相同组织连续切片上提取特征的重复性，并量化了切片间距离对特征变异性的影响	研究仅针对正常前列腺组织，未涉及病变组织；样本量相对较小（50个独立样本）	评估数字病理学中深度学习模型和基础AI模型在组织连续切片上提取特征的重复性	50个独立正常前列腺样本的三个连续组织切片	数字病理学	前列腺癌	H&E染色组织切片数字化	深度学习模型, 基础AI模型	图像	50个独立正常前列腺样本，每个样本三个连续切片	NA	NA	组内相关系数, 最大平均差异, Wasserstein距离	NA
2199	2026-01-17	Benchmarking all-atom biomolecular structure prediction with FoldBench 2025-Dec-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67127-3 PMID:41345395	研究论文	本文介绍了用于全原子生物分子结构预测的综合基准数据集FoldBench，并评估了当前深度学习模型的性能与局限性	提出了首个覆盖多种生物分子类型（蛋白质、核酸、配体、离子）和九种预测任务的综合性基准数据集FoldBench，系统揭示了模型性能对训练集相似性的依赖关系	基准数据集规模有限（1522个生物组装体），抗体-抗原预测任务的失败率超过50%，未涵盖所有可能的生物分子相互作用类型	建立公平严谨的生物分子结构预测评估标准，推动全原子结构预测模型的发展	蛋白质、核酸、配体、离子及其复合物	计算生物学	NA	全原子结构预测	深度学习模型	生物分子结构数据	1522个生物组装体	NA	AlphaFold 3	配体对接准确度、失败率	NA
2200	2025-11-14	Response to correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings' 2025-Dec, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2025.105881 PMID:41223632	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA