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
2781	2026-08-30	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	提出一种名为分子基序学习的无监督预训练方法，用于分子性质预测，通过学习保留整体分子结构和基序级别信息的表示，提升预测准确性	提出MotiL方法，直接从原始分子图学习同时保留整体分子结构和基序级别信息的表示，优于现有对比或预测方法	未提及明确的局限性	提升分子性质预测的准确性，特别是血脑屏障通透性等性质	小分子化合物和蛋白质大分子	机器学习	NA	NA	图神经网络	分子图	至少16个分子基准数据集	NA	NA	准确率	NA
2782	2026-08-30	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	提出一种基于深度学习的多尺度整合方法MISO，用于从H&E染色组织切片预测空间转录组数据，并在多个数据集上验证其性能	首次实现从常规H&E切片预测近单细胞分辨率的空间基因表达，整合多尺度信息，显著优于现有方法	未提及	开发一种可推广的方法，利用常规生成的H&E切片预测空间转录组，以克服spTx在临床常规使用中的局限性	癌症患者的H&E染色组织切片和对应的空间转录组数据	数字病理学	癌症	空间转录组学	深度学习	组织切片图像和空间转录组数据	72个10X Genomics Visium样本和来自MOSAIC联盟的348个样本（涵盖五种适应症）	未提及	未提及	未提及	未提及
2783	2026-08-30	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-11-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成式药物化学工作流程，通过反应预测和多维优化，加速药物发现中的命中到先导化合物优化阶段	结合微型化高通量实验、深度图神经网络反应预测和分子特性优化，实现快速命中到先导化合物的进展	未明确提及	加速药物发现中的命中到先导化合物优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂	机器学习	不适用	高通量实验（HTE）	深度图神经网络	反应数据	13,490个Minisci型C-H烷基化反应；虚拟库包含26,375个分子；14个合成化合物	NA	图神经网络	预测准确性、活性增强倍数	NA
2784	2026-08-30	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究介绍了一种结合高光谱成像和三维卷积神经网络的非侵入性框架，用于对治疗性脂质体进行分类，实现了高准确率的无标记检测。	首次将高光谱成像与3D CNN结合用于脂质体药物载体的无标记分类，并引入SMOTE技术处理类别不平衡问题。	摘要中未提及具体局限性。	实现纳米药物递送系统的无标记、非侵入性、可扩展分类，用于实时质量控制和药品开发。	对照脂质体和载阿霉素脂质体。	计算机视觉、数字病理学	不适用	高光谱成像（HSI）、暗场HSI（VNIR 400-1000 nm）、PCA降维、SMOTE	三维卷积神经网络（3D CNN）	高光谱图像	未明确样本数量，但涉及对照和载药脂质体两类样本。	Scikit-learn（用于PCA和SMOTE），深度学习框架未在摘要中明确。	3D CNN	总体准确率、F1分数、Cohen's Kappa系数	未在摘要中提及。
2785	2026-08-30	DNA methylation-based health predictors: advances, applications, and perspectives 2025-10, Epigenomics IF:3.0Q2 DOI:10.1080/17501911.2025.2550932 PMID:40856171	综述	本文全面综述了基于DNA甲基化的健康预测因子（如表观遗传时钟、暴露生物标志物、疾病风险模型和性状特异性估计器）的最新进展、方法框架、临床应用及未来方向	系统整合了多种DNAm预测因子的方法框架，并讨论了可重复性、组织特异性、群体泛化性及可解释性等新挑战	未明确指出具体局限性，但讨论了当前挑战如可重复性、组织特异性、群体泛化性和可解释性问题	批判性评估DNAm健康预测因子的现状和局限，并为未来开发、验证和负责任实施提供路线图	DNA甲基化健康预测因子，包括表观遗传时钟、暴露生物标志物、疾病风险模型和性状特异性估计器	机器学习	NA	DNA甲基化测序	NA	NA	NA	NA	NA	NA	NA
2786	2026-08-30	MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis 2025-09-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05743-w PMID:41006273	研究论文	本文介绍了一个名为MultiD4CAD的多模态数据集，包含疑似冠状动脉疾病患者的CT影像和临床特征，用于支持临床决策支持系统的开发	该数据集结合了冠状动脉CT血管造影的影像数据（包括心外膜和冠状动脉周围脂肪组织分割）和临床生物标志物，并带有疾病标签，适用于监督学习算法	文章未明确提及局限性，但可能包括数据集规模有限或单一中心来源	提供多模态数据集以支持冠状动脉疾病的预测模型开发和临床决策	疑似冠状动脉疾病患者	医学影像分析	冠状动脉疾病	CCTA	NA	影像和临床数据	NA	NA	NA	NA	NA
2787	2026-08-30	Endoplasmic reticulum junctions serve as a platform for endosome-lysosome interactions through their stop-and-go motion switching 2025-09-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adv4437 PMID:40961183	研究论文	通过深度学习图像分析，发现内质网连接点通过其“走走停停”的运动切换机制作为内体-溶酶体相互作用的平台	首次揭示内质网连接点作为内体-溶酶体相互作用的平台，并阐明其通过肌动蛋白凝聚和VAP-STARD3相互作用介导运动切换的机制	未提供具体限制信息	阐明内体-溶酶体在细胞质中“走走停停”运动的机制，并揭示内质网连接点在该过程中的作用	内体、溶酶体、内质网连接点、肌动蛋白、脂滴、过氧化物酶体	计算机视觉，机器学习	无特定疾病	深度学习图像分析，包括粒子追踪、空间分布分析和内质网形态分析	深度学习模型	图像	未提供具体样本量	未提供具体框架	未提供具体架构	未提供具体性能指标	未提供计算资源信息
2788	2026-08-30	Deep learning image enhancement algorithms in PET/CT imaging: a phantom and sarcoma patient radiomic evaluation 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07149-7 PMID:40014074	研究论文	本文利用放射组学特征比较两种深度学习图像增强算法与金标准图像重建技术在PET/CT成像中的性能，涉及体模和肉瘤患者数据	首次使用标准化放射组学特征定量评估商业化和研究用深度学习图像增强算法在PET/CT成像中的性能	样本量较小（20例患者）且使用单一示踪剂[18F]FDG，可能限制了结果的普遍性	通过放射组学特征评估深度学习图像增强算法在PET/CT成像中的性能，并探索其在放射组学协调和算法定量评价中的潜在应用	模块化异质成像体模和20例肉瘤患者的[18F]FDG PET/CT数据	医学影像	肉瘤	PET/CT成像	深度学习（DL）	医学影像	5次重复体模采集和20例肉瘤患者PET/CT数据	NA	NA	93个IBSI标准化放射组学特征	NA
2789	2026-08-30	Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation 2025-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109670 PMID:39799830	研究论文	提出一种新的深度学习网络Glo-Net，用于多类别肾小球分割与分类，在病理切片分析中提高准确性和鲁棒性	将传统语义分割网络分为分割和分类两个分支，并引入创新损失函数以处理类别不平衡问题，在分类和分割任务上均有显著提升	未提及具体限制	准确分割和分类肾小球，以辅助肾脏疾病诊断	多种类型的肾小球（共九种亚型）	数字病理学	肾脏疾病	数字病理切片分析	深度学习分割网络（Glo-Net）	病理图像（数字化切片）	多机构数据集，包含外部验证集（具体样本量未提及）	未提及	双分支网络架构（分割分支和分类分支）	平均准确率、F-score、交并比（IoU）	未提及
2790	2026-08-30	Diagnosis of Chronic Kidney Disease Using Retinal Imaging and Urine Dipstick Data: Multimodal Deep Learning Approach 2025-02-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/55825 PMID:39924305	研究论文	本文评估了将视网膜图像与尿液试纸数据整合到深度学习模型中，以增强慢性肾脏病（CKD）诊断效果的多模态方法。	首次结合视网膜图像和尿液试纸数据进行多模态深度学习用于CKD诊断，并发现两者协同效果优于单一数据，且能提供互补信息。	模型在65岁及以上年龄组中性能有限，仍需常规血液检测补充。	评估整合视网膜图像和尿液试纸数据对提高CKD诊断准确性的有效性。	年龄在20-79岁的参与者，包括开发集（65,082人）和外部队列验证集（58,284人）。	机器学习	慢性肾脏病	深度学习、多模态学习	卷积神经网络（CNN）	视网膜图像和尿液试纸数据	开发集65,082人，外部验证集58,284人。	NA	宽残差网络	曲线下面积（AUC）、DeLong检验	NA
2791	2026-08-30	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-01-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发和验证一种利用语音生物标志物识别社区老年人衰弱状态的机器学习方法	首次使用基于深度学习的声学特征和语音录音（通过图片描述任务获取）来识别衰弱状态，比传统的人口统计学数据和传统声学特征方法表现更优	研究为横断面设计，样本量有限（127名参与者），且未提供跨种族或跨语言的外部验证	开发和验证一个分类模型，利用语音生物标志物预测社区老年人的衰弱状态	年龄50岁及以上的社区老年人（127名）	机器学习	老年疾病（衰弱）	语音录音（音频数据预处理）、深度学习声学特征提取	人工智能模型（SpeechAI、DemoAI、DemoSpeechAI），包括深度学习模型和传统机器学习模型（逻辑回归、决策树、随机森林）	语音音频数据、人口统计学数据	127名社区老年人，语音录音和人口统计学信息	NA	深度学习模型（具体架构未指定）和传统机器学习模型（逻辑回归、决策树、随机森林）	准确率、AUC（受试者工作特征曲线下面积）	NA
2792	2026-08-30	Automated Identification of Heart Failure With Reduced Ejection Fraction Using Deep Learning-Based Natural Language Processing 2025-01, JACC. Heart failure DOI:10.1016/j.jchf.2024.08.012 PMID:39453355	研究论文	开发了一种基于深度学习的自然语言处理模型，用于自动识别射血分数降低的心力衰竭患者，并进行了外部验证。	首次使用深度学习语言模型从出院小结中自动识别HFrEF患者，并展示了优于传统诊断编码的性能。	模型依赖于左心室射血分数<40%的超声心动图定义，且验证数据集中部分样本量较小。	自动化识别住院期间射血分数降低的心力衰竭患者，以评估和改善护理质量。	射血分数降低的心力衰竭患者，通过出院小结识别。	自然语言处理	心力衰竭	自然语言处理	深度学习语言模型	文本（出院小结）	训练集包括13,251份笔记来自5,392名个体（平均年龄73±14岁，48%女性，其中46.1%为HFrEF患者），外部验证：19,242份笔记来自西北医学、139份来自耶鲁社区医院、146份来自MIMIC-III。	PyTorch	Transformer	AUROC、AUPRC、净重分类改善（NRI）	NA
2793	2026-08-30	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	利用卫星图像和深度学习评估建成环境与心血管代谢疾病患病率之间的关联	首次利用Google卫星图像和卷积神经网络在大规模城市范围内评估建成环境与心血管代谢疾病患病率的关联	论文未提供明确的局限性信息，但可推测其可能包括数据来源的局限性、模型泛化能力及因果关系推断的限制	研究基于图像的建成环境与城市心血管代谢疾病患病率之间的关联	美国7个城市的789个人口普查区及其建成环境特征	计算机视觉, 数字病理学	心血管疾病	卫星图像分析	卷积神经网络 (CNN), 轻量梯度提升机 (LightGBM)	图像	31,786张卫星图像，覆盖789个人口普查区	NA	卷积神经网络, 轻量梯度提升机	R² (决定系数)	NA
2794	2026-08-30	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本研究利用深度学习增强的心电图分析，开发了一种用于筛查先天性长QT综合征和预测其基因型的卷积神经网络模型	首次利用深度学习模型从静息12导联心电图中识别先天性长QT综合征并区分LQTS1和LQTS2两种基因型，超越了传统QTc间隔检测方法	研究仅限于高风险人群验证，缺乏在未选择的普通人群中的广泛验证	开发基于深度学习的神经网络，用于识别先天性长QT综合征并区分基因型（LQTS1和LQTS2）	疑似遗传性心律失常患者的心电图及其对应的基因型	计算机视觉	先天性长QT综合征	心电图	卷积神经网络	心电图图像	990名患者的4521份心电图	NA	CNN	AUC、F1分数、敏感性	NA
2795	2026-08-30	Humans use tools: From handcrafted tools to artificial intelligence 2024-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了从手工工具到人工智能的技术演进，并聚焦于AI在血管外科手术中的应用、优势及伦理挑战。	综合回顾了工具历史并提出AI作为未来外科工具的愿景，强调了AI在提高手术精度、决策支持和风险评估中的潜力。	AI在外科中的应用仍处于早期阶段，面临数据代表性、隐私保护和决策透明度等问题。	阐述人工智能在血管外科手术中的潜在应用，并讨论其伦理和社会影响。	血管外科手术中的人工智能应用，包括疾病风险识别、影像解读和机器人辅助。	机器学习	血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
2796	2026-08-30	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	提出了一种基于多尺度混合注意力残差网络的多聚焦图像融合算法，通过无监督学习实现端到端的决策图优化，以提高融合图像的质量和细节丰富度。	引入多尺度混合注意力残差网络模型，结合混合多尺度残差块和上下投影模块，在不增加参数数量的情况下有效利用多尺度特征信息，并通过空间频率域测量活动水平获得初始决策图，实现端到端的决策图优化。	文中未提及具体局限性。	提高多聚焦图像融合的检测性能，实现端到端的决策图优化，生成高质量、细节丰富的融合图像。	多聚焦图像（不同焦点的两幅源图像）。	计算机视觉	NA	深度学习，无监督学习	混合注意力残差网络	图像	NA	NA	多尺度混合注意力残差网络（含混合多尺度残差块MSRB和上下投影模块UDP）	主观评价、客观评价指标（如互信息、边缘保持度等，具体未列出）	NA
2797	2026-08-30	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	提出了一种结合均值卷积层、特征加权注意力和双向长短期记忆网络及随机森林算法的混合深度学习模型，用于处理网络入侵检测中的类不平衡问题，并在NSL-KDD和UNSW-NB-15数据集上实现了高准确率。	创新性地将CNN-MCL、BILSTM、自注意力特征权重和随机森林算法结合，通过特征加权注意力机制和BILSTM来缓解类不平衡的影响，提高入侵检测的准确性和降低误报率。	未明确提及局限性。	开发一种高效的入侵检测系统，能够处理类不平衡问题，提高检测准确率，减少误报，并有效识别新的网络入侵。	网络入侵检测数据集（NSL-KDD和UNSW-NB-15），包含正常和恶意网络流量数据。	机器学习	NA	NA	CNN、BILSTM、随机森林	网络流量数据（表格数据）	采用了NSL-KDD和UNSW-NB-15两个公开数据集，具体样本数量未在标题和摘要中提及。	NA	MCL-FWA-BILSTM（包括均值卷积层、特征加权注意力、双向长短期记忆网络，随机森林用于分类）	准确率、检测率、假阳性率、F1分数	NA
2798	2026-08-30	A calculation method for optical properties of yolk shell based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302262 PMID:38696523	研究论文	提出了一种基于深度学习的蛋黄壳结构光学特性计算方法，利用反向传播神经网络建立尺寸与吸收效率之间的关系	利用BPNN简化蛋黄壳结构光学特性的计算过程，通过正反向预测全面描述吸收效率，在保持精度的同时显著提高计算速度和降低内存消耗	NA	开发一种高效且精确的计算方法，用于预测蛋黄壳结构的光学特性（吸收效率）	蛋黄壳结构及其光学特性（吸收效率）	机器学习	NA	NA	BPNN	数值模拟数据	NA	NA	BPNN	精度、计算速度、内存消耗	NA
2799	2026-08-30	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发并外部验证了一种基于深度学习的自然语言处理模型，用于自动识别出院摘要中射血分数降低的心力衰竭患者	首次采用半监督学习框架的深度学习语言模型识别HFrEF患者，并进行了全面的内部和外部验证	未提及明确的局限性	开发自动化工具以准确识别HFrEF患者，从而促进护理质量评估和改进	心力衰竭患者的出院摘要	自然语言处理	心力衰竭	深度学习语言模型	深度学习语言模型	文本	13,251份出院摘要来自5,392名患者，外部验证包括19,242份来自西北医学的摘要、139份来自耶鲁社区医院的摘要和146份MIMIC-III摘要	NA	NA	AUROC, AUPRC, NRI	NA
2800	2026-08-30	A 2D convolutional neural network to detect sleep apnea in children using airflow and oximetry 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105784 PMID:35797888	研究论文	本研究评估了一种基于气流和血氧饱和度信号的二维卷积神经网络架构，用于估计儿童阻塞性睡眠呼吸暂停的严重程度	首次在儿科背景下使用深度学习方法同时分析气流和血氧饱和度信号来检测睡眠呼吸暂停，并优于仅使用血氧饱和度或传统特征工程方法	未在摘要中明确提及局限性	评估基于气流和血氧饱和度信号的CNN架构在估计儿童OSA严重程度中的诊断能力	儿童阻塞性睡眠呼吸暂停（OSA）患者	深度学习	阻塞性睡眠呼吸暂停	多导睡眠监测（PSG）	二维卷积神经网络（2D CNN）	信号数据（气流和血氧饱和度信号）	CHAT数据库1638例，临床数据库974例	未提及具体框架，可能使用TensorFlow或PyTorch（NA）	未提及具体架构，仅提及2D CNN	准确率、Cohen's Kappa	未提及（NA）