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
2441	2026-08-12	Comparative investigation into flexible alginate-based hydrogel sponges with excellent biocompatibility and breathability for reliable strain and pressure sensors 2025-10-21, Mikrochimica acta DOI:10.1007/s00604-025-07620-0 PMID:41117919	研究论文	本研究通过一锅法和定向冷冻工艺制备了多种海藻酸钠基水凝胶海绵，并比较了它们的性能，其中SA/SF水凝胶海绵表现出均匀的孔结构和优异的机械性能，用于应变和压力传感器，结合深度学习实现高精度信息编码。	通过定向冷冻工艺制备具有取向和均匀孔结构的SA基水凝胶海绵，实现应变和压力传感器的同步透气性、生物相容性和高灵敏度，并提出通过正负电阻信号区分应变和压力刺激，结合深度学习和莫尔斯电码实现高效信息编码。	摘要中未提及研究的局限性。	开发具有良好透气性、生物相容性和高应变/压力灵敏度的柔性传感器，用于可穿戴电子和人机交互领域。	多种海藻酸钠基水凝胶海绵，包括SA/SF、其他SA基复合材料等，用于应变和压力传感。	机器学习, 材料科学	NA	定向冷冻工艺	深度学习模型（具体类型未指定）	传感器信号（电阻响应）	未明确样本数量，涉及多种水凝胶海绵材料和传感器测试，包括3750多次循环稳定性测试。	NA	NA	应变系数（GF）、压力灵敏度、循环稳定性（循环次数）、准确性	NA
2442	2026-08-12	Identifying an optimal perturbation to induce a desired cell state by generative deep learning 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101405 PMID:40997798	研究论文	本文介绍了一种名为PAIRING的生成式深度学习方法，用于识别能够诱导目标细胞状态的扰动。	该方法通过将细胞状态分解为基态和扰动效应，并在潜在空间中比较扰动效应与目标状态转变向量，实现了对最优扰动的识别。	未在摘要中明确说明局限性。	开发一种生成式深度学习模型，以识别能够诱导细胞向期望状态转变的扰动，助力治疗开发。	转录组数据集中的细胞状态，特别是结直肠癌细胞。	机器学习	结直肠癌	转录组测序	生成式深度学习模型	转录组数据	未在摘要中明确说明样本数量。	未在摘要中明确说明。	未在摘要中明确说明具体架构。	未在摘要中明确说明性能指标。	未在摘要中明确说明计算资源。
2443	2026-08-12	Leveraging attention-based deep multiple instance and multiple task learning for improved neoepitope identification 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101404 PMID:41056952	研究论文	提出一种结合注意力机制的多示例学习与多任务学习的深度学习模型NeoMHCI，用于提高MHC I类新表位的识别准确性。	首次将注意力机制的多示例学习与多任务学习相结合用于新表位识别，通过多示例学习生成高质量肽嵌入并利用微调增强免疫原性优先排序。	摘要未提及明显局限性。	提高MHC I类新表位的预测准确性，以辅助个性化癌症免疫治疗。	MHC I类多等位基因配体呈递预测和肿瘤新表位识别。	机器学习	癌症（用于免疫治疗）	深度学习，多示例学习，多任务学习	深度学习模型（基于注意力的MIL和多任务学习）	基准数据集（肽序列和相关MHC分子信息）	未明确	NA	注意力机制的MIL网络和多任务学习网络	AUC-ROC (0.948)，AUC-PR (0.496)，Top-5准确率 (42.3%)	未明确
2444	2026-08-12	Construction of Sonosensitizer-Drug Co-Assembly Based on Deep Learning Method 2025-10, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502328 PMID:40376918	研究论文	本文提出一种基于深度学习的声敏剂-药物相互作用模型，用于预测药物混合物的粒径，并应用于纳米药物NanoME的构建与验证	引入多尺度交叉注意力机制和图神经网络以捕捉分子原子、键和结构特征，提高预测精度并分析分子结构影响	未明确提及局限性	开发一种基于深度学习的声敏剂-药物共组装策略，预测药物混合物粒径并指导纳米药物构建	声敏剂（如大黄素）和化疗药物（如甲氨蝶呤）的共组装体系	机器学习	肝癌	深度学习，图神经网络	图神经网络模型（SDI）	分子结构数据	未明确说明样本数量	未明确说明	图神经网络，多尺度交叉注意力机制	精确率、召回率、F1分数	未明确说明
2445	2026-08-12	The Future of Parasomnias 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	综述	本文综述了异态睡眠（如梦游症和REM睡眠行为障碍）在诊断、监测和治疗方面的最新进展	探讨了新型家庭诊断设备、深度学习分析方法、大数据预测和梦境工程在异态睡眠研究和治疗中的应用	信息不足	总结异态睡眠的未来发展方向，包括诊断技术、风险预测和治疗方法	异态睡眠患者，特别是梦游症和REM睡眠行为障碍患者	睡眠医学	异态睡眠（梦游症、REM睡眠行为障碍）	多导睡眠监测、脑电图、活动记录、视频监测、DNA分析、脑成像	深度学习模型	临床数据、认知数据、脑成像数据、DNA数据、多导睡眠监测数据、视频数据	信息不足	NA	NA	信息不足	信息不足
2446	2026-08-12	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2025-Sep-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.26.678787 PMID:41256411	研究论文	提出了一种基于深度学习的高精度细菌单核苷酸变异检测工具AccuSNV，通过卷积神经网络整合多样本比对信息，实现自动化的细菌SNV调用	与传统逐样本处理方法不同，AccuSNV利用CNN整合跨样本的比对信息，通过学习跨样本模式提高精度，并提供了全面的下游分析模块	未提及具体局限性，但可能依赖于训练数据的代表性及计算资源需求	开发一种高精度、自动化的细菌SNV检测工具，以克服传统方法的高假阳性率和手动过滤需求	细菌物种的基因组序列数据	机器学习, 生物信息学	不适用	全基因组测序	卷积神经网络（CNN）	基因组序列数据（模拟数据和真实细菌数据集）	六种细菌物种的模拟数据，多种测序深度、分离株数量、突变和分歧水平，以及多个包含已报道SNV的精选细菌数据集	NA	卷积神经网络（CNN）	准确度（未明确具体指标，但强调高精度和低假阳性率）	NA
2447	2026-08-12	MedIENet: medical image enhancement network based on conditional latent diffusion model 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01909-5 PMID:41013286	研究论文	提出一种基于条件潜扩散模型的医学图像增强网络MedIENet，以解决医学图像数据不足的问题	在去噪U-Net骨干编码器中引入多注意力模块，集成旋转位置嵌入和交叉注意力以增强图像生成质量	未提及具体局限性	提高医学图像生成的保真度和多样性，以增强下游分类任务性能	胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	数字病理学	肺炎	潜扩散模型	U-Net	图像	三个数据集：胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	NA	U-Net	AUROC	NA
2448	2026-08-12	Enhanced CoAtNet based hybrid deep learning architecture for automated tuberculosis detection in human chest X-rays 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01901-z PMID:41013295	研究论文	本文提出一种基于CoAtNet框架的混合深度学习架构，用于自动检测人类胸部X光片中的肺结核，结合CNN和ViT的优势，并在IN-CXR数据集上评估性能。	结合CNN和Vision Transformer的CoAtNet框架，用于肺结核检测，并集成LIME增强模型可解释性，优于仅使用CNN或ViT的基线模型。	研究仅在一个数据集（IN-CXR）上评估，未在多个独立数据集上验证，可能限制泛化性；同时模型准确率仍有提升空间。	开发一种自动、准确且可解释的肺结核检测方法，以支持医疗专业人员及时诊断。	人类胸部X光图像，包括正常和异常（肺结核）类别。	计算机视觉	肺结核	NA	CoAtNet（CNN和ViT的混合）	图像（胸部X光片）	IN-CXR数据集，包含正常和异常CXR图像，具体数量未在摘要中提及。	NA	CoAtNet（结合CNN和Vision Transformer）	准确率、ROC-AUC	NA
2449	2026-08-12	RAVEN: Robust, generalizable, multi-resolution structural MRI upsampling using Autoencoders 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677945 PMID:41040262	研究论文	提出了一种名为RAVEN的基于变分自编码器和生成对抗网络的鲁棒、可泛化的多分辨率结构MRI超分辨率网络，可将体内和体外多种模态的MRI图像上采样至0.5mm各向同性体素大小	RAVEN能够处理多种MRI模态和不同场强（3T到7T）的图像，支持任意上采样因子；在保留真实解剖信息方面优于深度学习和非深度学习方法；源代码已开源	摘要中未提及具体局限性	开发一种鲁棒且可泛化的单图像超分辨率网络，用于提高脑MRI分辨率，以捕捉早期疾病阶段更细微的神经解剖变化	大脑MRI图像，包括体内和体外样本，涵盖T1加权、T2加权和T2*等多种模态	计算机视觉	神经系统疾病	MRI	变分自编码器，生成对抗网络	图像	NA	PyTorch	变分自编码器网络（RAVEN）	NA	NA
2450	2026-08-12	Optimized deep learning-accelerated single-breath-hold abdominal HASTE with and without fat saturation improves and accelerates abdominal imaging at 3 Tesla 2025-09-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01838-3 PMID:40968371	研究论文	本研究前瞻性评估了深度学习加速的单次屏气腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的技术可行性和图像质量	首次系统比较DL-HASTE与DL-HASTE-FS在3T下的图像质量，并优化序列参数以避免混叠伪影	未提及明显局限性，但样本量较小（10名健康志愿者和50名患者）	评估深度学习加速的腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的图像质量和可行性	健康志愿者和患者的上腹部图像	医学影像	不适用	磁共振成像（MRI）	深度学习模型（未指定具体类型）	图像	10名健康志愿者和50名患者	未提及	未提及	总体图像质量评分、器官描绘清晰度、伪影、脂肪饱和评分	未提及
2451	2026-08-12	Deep Learning-Based Pattern Recognition for Detecting Penile Abnormalities: Protocol for Developing a Mobile App for Circumcision Eligibility 2025-09-10, JMIR research protocols IF:1.4Q3 DOI:10.2196/65811 PMID:40929720	研究论文	本研究旨在开发和验证一个基于深度学习的图像分类系统，集成到移动应用中，用于检测阴茎异常并评估包皮环切术的适用性，以支持资源匮乏地区的初步筛查。	将人工智能图像识别技术应用于阴茎异常检测和包皮环切术适用性评估，并通过移动应用实现实时分析，为低资源环境下的初步筛查提供了可扩展的解决方案。	尚未提供具体性能结果；模型开发和验证仍处于进行中，最终部署和用户测试尚未完成。	开发并验证一个AI驱动的图像分类系统，集成到移动应用中，以检测阴茎异常并评估包皮环切术的适用性，支持初步筛查和转诊决策。	来自印度尼西亚雅加达Cipto Mangunkusumo医院的儿科患者，其阴茎图像由医疗专业人员或照护者从腹侧、背侧和侧位角度拍摄。	数字病理学	包皮环切术相关异常（如尿道下裂、蹼状阴茎）	图像预处理（调整尺寸、归一化、增强）、迁移学习	预训练深度学习模型（如CNN）	图像	NA	TensorFlow, Keras	NA	准确率、敏感性、特异性、F1分数	NA
2452	2026-08-12	Automated quantification of abdominal aortic calcification using 3D nnU-Net: a novel approach to assess AAA rupture risk 2025-09-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01911-x PMID:40898112	研究论文	本研究开发了一种基于3D nnU-Net的自动化方法，用于从CTA扫描中量化腹主动脉钙化，以评估腹主动脉瘤破裂风险	首次使用3D nnU-Net模型从单次CTA扫描中自动分割和量化主动脉钙化，显著缩短了评估时间并保持高准确性	未提及具体局限性，但可能受限于单中心回顾性研究和样本量	构建一个卷积神经网络模型，实现从CTA扫描中自动量化腹主动脉钙化，以辅助评估AAA破裂风险	100例接受腹主动脉CTA的患者，包括血管和钙化分割的影像数据	深度学习	腹主动脉瘤	CTA成像	卷积神经网络（CNN）	CT血管造影图像	100例患者的CTA扫描	未明确提及，可能使用PyTorch或类似框架	nnU-Net	Dice分数、Spearman秩相关系数、Bland-Altman分析、评估时间	未提及具体GPU或计算资源
2453	2026-08-12	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-09-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	本研究利用时间融合深度学习模型，结合认知任务和生理数据来检测阿片类药物误用，并评估了模型在识别误用状态上的性能。	首次将时间融合Transformer模型应用于结合认知任务和可穿戴传感器数据的阿片类药物误用检测，并采用留一组交叉验证确保稳健性。	模型应与客观的阿片类药物误用基准进行比较，且仅依赖自我报告测量（COMM）作为分类依据。	开发并验证基于机器学习的阿片类药物误用检测方法，以预防药物过量和阿片类药物使用障碍。	169名被处方阿片类镇痛药的慢性疼痛患者，包括116名有误用迹象和53名无误用迹象的个体。	机器学习	阿片类药物误用	传感器数据采集和认知任务评估	时间融合Transformer	生理信号和认知任务反应数据	9238个数据点，来自169名患者	NA	Transformer	AUC, 特异性, 敏感性	NA
2454	2026-08-12	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	研究论文	基于直肠癌肿瘤核心区域和系膜成像特征，开发深度学习模型以预测淋巴结转移	将深度学习分割模型（nn-UNet）与传统影像组学相结合，自动从磁共振T2WI和ADC图像中分割肿瘤核心区和系膜组织，以提高淋巴结转移预测的准确性	信息不足，输出NA	提高直肠癌患者淋巴结转移预测的准确性	122例直肠癌患者的磁共振T2WI和ADC图像	医学影像分析	直肠癌	磁共振成像	深度学习分割模型（nn-UNet）	医学图像	122例直肠癌患者的磁共振图像	NA	nn-UNet（3D U-Net）	Dice系数, AUC	NA
2455	2026-08-12	CT-based deep learning radiomics model for predicting proliferative hepatocellular carcinoma: application in transarterial chemoembolization and radiofrequency ablation 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01913-9 PMID:40890681	研究论文	本研究开发并验证了基于增强CT的深度学习放射组学模型，用于预测增殖性肝细胞癌并应用于经动脉化疗栓塞和射频消融治疗的风险预测	首次将深度学习放射组学应用于增强CT图像预测增殖性肝细胞癌，并结合RFA和TACE治疗进行风险分层	未在标题和摘要中明确说明局限性	开发基于增强CT的深度学习放射组学模型预测增殖性肝细胞癌，并应用于TACE和RFA治疗的患者风险预测	312例接受手术的肝细胞癌患者，来自两个医疗中心	医学影像	肝细胞癌	对比增强CT	深度学习	影像	312例患者（训练集182例，内部测试集46例，外部测试集84例）	NA	NA	AUC	NA
2456	2026-08-12	MSFE-GallNet-X: a multi-scale feature extraction-based CNN Model for gallbladder disease analysis with enhanced explainability 2025-08-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01902-y PMID:40885920	研究论文	本研究提出MSFE-GallNet-X，一种基于多尺度特征提取的卷积神经网络模型，用于从灰度超声图像中分类胆囊疾病，并结合可解释人工智能方法提升临床可解释性	创新性地采用多尺度特征提取和可解释人工智能相结合，在保持高准确率的同时实现参数高效（仅1.91百万参数），并集成Grad-CAM和LIME提供可视化解释	研究基于受控且平衡的数据集，可能限制了模型在真实临床场景中的泛化能力	开发一种高精度且可解释的深度学习模型，用于胆囊疾病的超声图像分类，以辅助临床决策	胆囊疾病，包括胆结石、胆囊炎和癌等九类疾病	计算机视觉	胆囊疾病	超声成像	卷积神经网络	灰度超声图像	1,782名患者的10,692张高分辨率超声图像	NA	多尺度特征提取卷积神经网络	准确率, F1分数	NA
2457	2026-08-12	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	研究论文	本文提出了一种基于机器学习和深度学习模型预测有机化合物水溶性的方法，利用整合的精选数据集实现高精度预测	方法创新性地结合了多种化学描述符、指纹和官能团，并整合四个来源的精选数据集，以提升预测精度和泛化能力	未明确提及局限性，但可能受限于数据集的多样性和模型对复杂溶剂效应的处理能力	开发一种高精度且泛化能力强的水溶性预测模型，以应用于药物开发和材料科学等领域	有机化合物	机器学习	不适用（NA）	化学描述符、指纹、官能团	机器学习模型和深度学习模型	化学数据	1282种独特的有机化合物（Huuskonen数据集）	NA	NA	R²值（0.92）、平均绝对误差（MAE，0.40）	NA
2458	2026-08-12	A Novel Framework for Multimodal Brain Tumor Detection With Scarce Labels 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	提出了一种名为Double-SimCLR的新型无监督学习框架，用于稀缺标签下的多模态脑肿瘤检测，通过双分支结构同时处理MRI和CT图像以实现多模态特征融合。	引入了双分支结构的Double-SimCLR框架，结合对比学习，直接同时处理MRI和CT图像；针对CT图像的弱特征采用自适应权重掩膜技术增强特征提取；引入多模态注意力机制提升检测精度和鲁棒性。	未提及具体局限性。	解决多模态医学图像融合中的信息丢失和标注数据稀缺问题，提高脑肿瘤检测的准确性和鲁棒性。	脑肿瘤检测中的MRI和CT图像。	计算机视觉	脑肿瘤	对比学习	SimCLR	图像	未提及	未提及	未提及	准确率、精确率、F1分数	未提及
2459	2026-08-12	Adaptive Metadata-Guided Supervised Contrastive Learning for Domain Adaptation on Respiratory Sound Classification 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3545159 PMID:40031634	研究论文	本文提出了一种自适应元数据引导的监督对比学习方法，用于呼吸音分类中的域适应，以解决数据偏差问题	提出自适应重缩放元数据组合的方法，动态调整元数据在训练中的影响，以改善域适应	信息不足，未提及	利用呼吸音数据集中的元数据，通过域适应提升模型在真实场景中的泛化性能	呼吸音分类模型及其在ICBHI和自建数据集上的表现	机器学习	呼吸系统疾病	监督对比学习	对比学习模型	音频	ICBHI数据集和自建数据集（具体数量未提及）	NA	NA	检测准确率（score）	NA
2460	2026-08-12	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	本文提出了一种基于深度学习的T波交替（TWA）检测方法，直接利用心电图信号，无需预处理，并通过迁移学习实现精准检测，以提高心源性猝死风险分层的效率。	创新点在于简化了TWA检测流程，无需R峰识别、T波分割或特征工程，直接使用深度学习模型（VGG、ResNet、Inception）和迁移学习，并在训练和测试中强调患者分离以增强泛化能力。	本文未明确提及局限性。	开发一种非侵入性且实用的深度学习方法来检测动态心电图中的T波交替，以改善心源性猝死的风险评估。	真实患者的动态心电图（ECG）信号，包含从不可见微交替到20-100微伏振幅的TWA episodes。	机器学习	心源性猝死	NA	深度学习（迁移学习）	心电图信号（时间序列）	自定义长期数据集，包含真实患者，具体数量未提及。	NA	VGG, ResNet, Inception	F1-score	NA