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
261	2025-10-05	Neurotype matching in monogamous rodents is modulated by early-life sleep experience 2025-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678442 PMID:41040201	研究论文	本研究通过深度学习工具分析草原田鼠的社交行为，探索神经类型匹配现象在非人类动物中的表现	首次在非人类动物模型中量化神经类型匹配现象，并建立早期睡眠干扰与后期社交行为异常的关联	研究仅使用草原田鼠作为动物模型，结果向人类推广需谨慎	探究神经类型匹配现象在非人类动物中是否存在及其机制	草原田鼠（成对雌雄个体）	动物行为学,计算生物学	自闭症谱系障碍	深度学习行为分析	深度学习	行为视频数据	草原田鼠成对交互数据	NA	NA	NA	NA
262	2025-10-05	Sensitive, direct detection of non-coding off-target base editor unwinding and editing in primary cells 2025-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.25.678665 PMID:41040263	研究论文	开发了一种直接检测碱基编辑器脱靶活性的测序方法beCasKAS，用于同时测量Cas9介导的DNA解旋和脱氨酶编辑	通过富集Cas9依赖性R环来识别潜在脱靶位点，比其他方法灵敏度提高460倍以上	NA	优化碱基编辑器的靶向与脱靶活性平衡	人类原代T细胞	基因组编辑	NA	测序分析，深度学习	深度学习模型	基因组DNA序列数据	NA	NA	NA	NA	NA
263	2025-10-05	Robust Disease Prognosis via Diagnostic Knowledge Preservation: A Sequential Learning Approach 2025-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.22.25336414 PMID:41040735	研究论文	本研究提出一种通过诊断知识保存的序列学习方法，用于改善疾病预后预测性能同时防止灾难性遗忘	提出结合经验回放的序列学习策略，在利用大型诊断数据集预训练模型进行疾病预后预测时，能同时保持模型的诊断能力	研究仅针对三种特定疾病（膝骨关节炎、阿尔茨海默病和乳腺癌），方法在其他疾病上的适用性有待验证	开发能够同时保持诊断准确性和提高预后预测性能的深度学习训练策略	膝骨关节炎、阿尔茨海默病和乳腺癌患者	医学人工智能	膝骨关节炎,阿尔茨海默病,乳腺癌	深度学习	深度学习模型	膝关节X光片,脑部MRI,数字乳腺X光片	多个队列数据集（具体数量未明确说明）	NA	NA	AUROC,AUPRC,平衡准确率	NA
264	2025-10-05	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Sep-25, ArXiv PMID:41040798	研究论文	提出HEIST分层图变换器基础模型，用于空间转录组学和蛋白质组学数据分析	首次将组织建模为分层图结构，通过跨层级消息传递实现对新数据类型（如空间蛋白质组学）的零样本泛化	未明确说明模型在特定疾病类型或组织类型上的性能局限性	开发能够同时利用空间信息和细胞内基因/蛋白质表达程序的基础模型	空间转录组学和蛋白质组学数据中的细胞和组织样本	计算生物学	NA	空间转录组学, 空间蛋白质组学	图变换器	空间组学数据, 基因表达数据, 蛋白质计数数据	22.3M个细胞，来自15个器官的124个组织	NA	分层图变换器	临床结果预测准确率, 细胞类型注释准确率, 基因插补准确率	NA
265	2025-10-05	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	提出一种基于变分自编码器和生成对抗网络的鲁棒、可泛化脑部MRI超分辨率方法RAVEN	能够处理多种MRI模态和场强，支持任意上采样因子，达到0.5mm各向同性体素分辨率	NA	开发脑部MRI图像超分辨率方法以克服标准采集分辨率的限制	体内和体外脑部MRI图像	计算机视觉	神经退行性疾病	MRI成像	VAE, GAN	医学图像	NA	NA	变分自编码器, 生成对抗网络	NA	NA
266	2025-10-05	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种基于高斯积分和深度学习的框架，直接从静态结构描述符预测蛋白质灵活性	使用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络预测蛋白质灵活性，无需分子动力学模拟	回归模型中高灵活性值被系统性低估，α-螺旋蛋白质的灵活性预测效果较差	开发计算高效的方法从静态结构数据预测蛋白质动态信息	蛋白质构象灵活性	结构生物信息学	NA	高斯积分，分子动力学模拟	1D-CNN，RNN，注意力机制	蛋白质结构数据	1,374个蛋白质链	NA	一维卷积神经网络，循环神经网络	AUC，R²，灵敏度，特异性	NA
267	2025-10-05	Assessing the applicability of the soil and water assessment tool-deep learning hybrid model for predicting total nitrogen loads in a mixed agricultural watershed 2025-Sep-23, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104737 PMID:41037965	研究论文	本研究提出SWAT与深度学习混合模型用于预测混合农业流域总氮负荷	首次将未校准SWAT输出与深度学习模型结合，绕过传统校准过程，实现计算效率十倍提升	研究仅针对特定混合农业流域，模型在其他类型流域的适用性有待验证	评估深度学习模型基于未校准SWAT输出在上游子流域的泛化能力	混合农业流域的总氮负荷	机器学习	NA	水文模拟，深度学习	LSTM, GRU	水文模拟数据，降水数据	NA	NA	长短期记忆网络，门控循环单元	计算效率，预测稳定性，峰值捕捉灵敏度	NA
268	2025-10-05	Dynamical Modeling of Behaviorally Relevant Spatiotemporal Patterns in Neural Imaging Data 2025-Sep-23, ArXiv PMID:41040797	研究论文	提出了一种名为SBIND的新型深度学习框架，用于建模神经影像数据中的时空依赖关系并分离行为相关动态	开发了首个能够同时捕捉神经影像中局部和长程空间依赖关系，并有效分离行为相关神经动态的数据驱动框架	方法主要验证于宽场成像数据，对功能超声成像的扩展应用仍处于初步探索阶段	理解大脑活动与行为之间的关系，通过建模神经动态来识别行为相关的神经模式	神经影像数据，特别是宽场钙成像和功能超声成像数据	计算神经科学	NA	宽场钙成像，功能超声成像	深度学习	神经影像数据	NA	深度学习框架	SBIND	神经行为预测性能	NA
269	2025-10-05	BRAID: Input-Driven Nonlinear Dynamical Modeling of Neural-Behavioral Data 2025-Sep-23, ArXiv PMID:41040807	研究论文	提出BRAID深度学习框架，用于建模神经行为数据的非线性动力学，同时显式整合外部输入	在循环神经网络中引入预测目标，分离内在神经群体动力学与输入效应，并通过多阶段优化优先学习与行为相关的内在动力学	NA	开发能够同时建模神经动力学和外部输入影响的神经网络框架	神经群体活动和行为数据	机器学习	NA	深度学习	循环神经网络	神经活动记录、行为数据、感官刺激	NA	NA	输入驱动循环神经网络	预测精度、数据拟合度	NA
270	2025-10-05	Rational Multi-Modal Transformers for TCR-pMHC Prediction 2025-Sep-22, ArXiv PMID:41040809	研究论文	提出一种基于可解释性方法构建的新型编码器-解码器Transformer模型，用于预测T细胞受体与肽-MHC复合物的相互作用	开发了新的后验可解释性方法指导模型架构设计，优化交叉注意力策略，引入基于解释质量的早停准则	NA	预测TCR-pMHC相互作用，为T细胞免疫疗法开发提供支持	T细胞受体和肽-MHC复合物	自然语言处理	免疫相关疾病	深度学习	Transformer	序列数据	NA	NA	编码器-解码器Transformer	预测性能，可解释性，鲁棒性，泛化能力	NA
271	2025-10-05	CryoFSL: An Annotation-Efficient, Few-Shot Learning Framework for Robust Protein Particle Picking in Cryo-EM Micrographs 2025-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.19.677446 PMID:41000909	研究论文	提出了一种基于少样本学习的冷冻电镜蛋白质粒子识别框架CryoFSL，显著减少标注需求并提升低信噪比条件下的鲁棒性	基于SAM2模型设计轻量级适配器，仅需5张标注图像即可实现鲁棒粒子识别，通过分层适配器设计解决标注负担与性能之间的权衡	未明确说明模型在不同信噪比范围内的具体性能边界和计算效率指标	开发标注效率高、泛化能力强的冷冻电镜蛋白质粒子自动识别方法	冷冻电镜显微图像中的蛋白质粒子	计算机视觉	NA	冷冻电子显微镜	少样本学习	图像	少至5张标注显微图像	NA	Segment Anything Model 2 (SAM2)	召回率, 精确率, 3D重建分辨率	NA
272	2025-10-05	Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development 2025-Sep-15, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102978 PMID:41038088	综述	批判性回顾人工智能在运动员识别、选拔和发展领域的应用现状与挑战	首次系统梳理AI在运动员发展三大关键领域（评估、选拔分类、训练发展）的应用模式与潜在价值	未涉及具体算法性能比较，主要基于文献扫描的定性分析	评估人工智能技术在体育科学领域运动员发展中的应用范围与效用	运动员识别、选拔和发展相关研究文献	机器学习	NA	文献检索与批判性分析	NA	文献数据	通过数据库、参考文献和书籍章节筛选的合格文献	NA	NA	NA	NA
273	2025-10-05	A Novel Convolutional Neural Network for Automated Multiple Sclerosis Brain Lesion Segmentation 2025 Sep-Oct, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.70085 PMID:40937688	研究论文	开发了一种基于深度学习的多发性硬化脑部病灶自动分割算法FLAMeS	基于nnU-Net 3D全分辨率U-Net架构，在多个外部数据集上验证了其优于现有公开方法的性能	主要漏检小于10mm³的小病灶	开发自动化的多发性硬化脑部病灶分割算法	多发性硬化患者的脑部MRI图像	医学图像分析	多发性硬化	磁共振成像	CNN	医学图像	训练集668个FLAIR扫描，测试集三个外部数据集共75个样本	nnU-Net	3D full-resolution U-Net	Dice系数, 真阳性率, F1分数, 阳性预测值, 相对体积差异, 假阳性率	NA
274	2025-10-05	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	开发基于人工智能的深度学习模型，利用H&E染色图像预测肺腺癌患者罕见基因突变	首次使用ResNeXt101深度学习框架从常规H&E图像中预测多种罕见基因突变状态	样本量相对有限，对转移性癌症数据集的预测性能有所下降	开发准确预测肺腺癌基因突变的AI模型以替代复杂的分子诊断方法	肺腺癌患者和转移性癌症患者	数字病理学	肺癌	H&E染色	深度学习	图像	213名患者（队列1:144名，队列2:69名）	PyTorch	ResNeXt101	AUC,准确率,精确率,召回率,F1分数	NA
275	2025-10-05	Self-contrastive weakly supervised learning framework for prognostic prediction using whole slide images 2025-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000972 PMID:41026797	研究论文	提出一种基于全切片图像的弱监督学习框架，用于膀胱癌预后预测	首次将对比学习与嵌套多示例学习相结合，针对预后预测中标签弱监督的特性设计三部分框架	研究仅作为组织病理学图像分析在治疗结果预测方面的初步探索，存在一定局限性	开发自动化预后预测方法以解决组织病理学图像分析中的重大挑战	膀胱癌患者的全切片图像	数字病理学	膀胱癌	全切片图像分析	CNN	图像	私有数据队列	NA	卷积网络,对比学习模块,嵌套多示例学习分类模块	AUC	NA
276	2025-10-05	Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251376915 PMID:41027655	研究论文	开发基于多特征融合的可解释ResNet-LSTM模型用于肠鸣音频率分类	提出结合ResNet50 V2和LSTM的多特征融合模型，并采用可解释AI方法增强模型透明度	NA	肠鸣音活动水平的准确客观分类，用于胃肠动力评估	肠鸣音数据	医学音频分析	胃肠疾病	音频特征提取	CNN, LSTM	音频	多中心研究（三个医疗机构）	TensorFlow, PyTorch	ResNet50 V2, LSTM	准确率, 马修斯相关系数, 加权科恩卡帕系数, 灵敏度, 特异性	NA
277	2025-10-05	Development of an embedded diagnostic tool for visual misalignment screening 2025-Sep, HardwareX IF:2.0Q3 DOI:10.1016/j.ohx.2025.e00692 PMID:41030858	研究论文	开发了一种基于计算机视觉和深度学习的低成本嵌入式系统，用于初步斜视筛查	提出了一种结合NASNetLarge卷积神经网络和实时推理的嵌入式斜视筛查系统，并实现了新颖的瞳孔-刺激物距离分析机制用于治疗验证	验证数据集规模有限（27张专有图像），需要在更大样本上进行进一步验证	开发低成本便携式斜视筛查工具，特别适用于资源有限环境	斜视筛查和眼动追踪	计算机视觉	眼科疾病	深度学习，计算机视觉	CNN	图像	专有数据集27张图像，平衡数据集1000张图像	TensorFlow Lite, PyQt5, OpenCV	NASNetLarge	准确率, F1分数, 精确率, 召回率	Raspberry Pi 4嵌入式系统
278	2025-10-05	Deep Learning on Histologic Slides Accurately Predicts Consensus Molecular Subtypes and Spatial Heterogeneity in Colon Cancer 2025-Aug-25, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100877 PMID:40865918	研究论文	本研究开发了一种基于深度学习的方法，通过组织学切片预测结肠癌的共识分子亚型和空间异质性	首次使用常规H&E染色全切片图像通过深度学习预测结肠癌分子亚型及其瘤内异质性，无需额外分子检测	研究依赖于公开数据集，需要进一步前瞻性验证临床适用性	开发基于深度学习的结肠癌分子亚型和瘤内异质性预测方法	结肠癌患者组织学切片	数字病理学	结肠癌	苏木精-伊红±藏红染色全切片数字化成像	自监督学习,弱监督学习	全切片图像	1996例患者来自PETACC-8、TCGA-COAD和PRODIGE-13队列	NA	NA	宏平均曲线下面积	NA
279	2025-10-05	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	本研究通过多器官AI内表型探索脑、眼和心脏疾病的异质性和共享病因	首次提出'泛疾病'概念，利用弱监督深度学习模型从多器官数据中识别11个AI生物标志物	研究依赖于现有数据集的可用性和质量，需要进一步验证	研究脑、眼和心脏疾病的异质性和共享病因机制	129,340名参与者的多器官成像、遗传、蛋白质组和RNA-seq数据	数字病理学	阿尔茨海默病,偏头痛,心血管疾病	多器官成像,遗传分析,蛋白质组学,RNA-seq	GAN	图像,遗传数据,蛋白质组数据,RNA-seq数据	129,340名参与者	NA	Surreal-GAN	NA	NA
280	2025-10-05	EDNTOM: An Ensemble Learning and Weight Mechanism-Based Nanopore Methylation Detection Tool 2025-Aug-05, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c01924 PMID:40787313	研究论文	开发了一种基于集成学习和注意力权重机制的纳米孔甲基化检测工具EDNTOM	采用集成学习技术整合多个预训练单模型预测，并引入注意力权重机制，在提高检测准确性的同时减少计算资源消耗	NA	开发更强大可靠的DNA甲基化检测工具，平衡计算资源和信息处理性能	DNA甲基化检测	机器学习	NA	纳米孔测序	深度学习,集成学习	DNA测序数据	NA	NA	NA	NA	NA