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
3541	2025-11-17	Novel deep learning-based prediction of HER2 expression in breast cancer using multimodal MRI, nomogram, and decision curve analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1593033 PMID:41234727	研究论文	本研究开发了一种基于深度学习的多模态MRI和临床数据整合框架，用于预测乳腺癌HER2表达状态	首次将多序列乳腺MRI与深度学习特征提取和临床数据相结合，构建HER2表达的自动化预测模型	回顾性研究设计，数据来自四个医疗中心，可能存在选择偏倚	开发稳健的自动化框架来预测乳腺癌HER2表达状态，以指导靶向治疗	乳腺癌患者	数字病理	乳腺癌	多序列MRI（T1、T2、DCE序列）	深度学习	医学影像（MRI）、临床数据	2,400例乳腺癌病例（1,286例HER2阳性，1,114例HER2阴性），来自6,438名患者的回顾性队列	Python, R	ResNet50, VGG16, EfficientNet-B0, ViT-Small	AUC, ROC分析, 校准曲线, 决策曲线分析(DCA)	NA
3542	2025-11-17	Machine learning in lupus nephritis: bridging prediction models and clinical decision-making towards personalized nephrology 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1686057 PMID:41234906	综述	本文综述了机器学习在狼疮性肾炎预测模型与临床决策中的应用前景	系统整合多模态数据源与机器学习方法，探索非侵入性组织学分类和个体化风险分层	数据集规模有限、缺乏外部验证、结局定义存在异质性	评估机器学习模型在狼疮性肾炎预测、诊断和监测中的转化潜力	狼疮性肾炎患者	机器学习	狼疮性肾炎	多模态数据整合（临床、实验室、影像、组织病理、组学数据）	逻辑回归,决策树,随机森林,支持向量机,神经网络,梯度提升,聚类	临床数据,实验室数据,影像数据,组织病理数据,组学数据	NA	NA	NA	AUC	大数据框架
3543	2025-11-17	ResUbiNet: A Novel Deep Learning Architecture for Ubiquitination Site Prediction 2025, Current genomics IF:1.8Q3 DOI:10.2174/0113892029331751240820111158 PMID:41235098	研究论文	提出了一种名为ResUbiNet的新型深度学习架构，用于泛素化位点预测	结合蛋白质语言模型、氨基酸特性和BLOSUM62矩阵进行序列嵌入，并整合transformer、多核卷积、残差连接和压缩激励模块等先进架构组件	NA	准确预测潜在的泛素化位点，以探索泛素化机制及相关疾病发病机制	蛋白质泛素化位点	生物信息学	与泛素化过程相关的疾病	蛋白质序列分析	深度学习	蛋白质序列数据	NA	NA	ResUbiNet, Transformer, CNN	交叉验证和外部测试性能	NA
3544	2025-11-17	Leveraging hand-crafted radiomics on multicenter FLAIR MRI for predicting disability worsening in people with multiple sclerosis 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1610401 PMID:41235171	研究论文	本研究利用多中心FLAIR MRI影像组学特征预测多发性硬化患者的残疾恶化	首次结合多中心FLAIR MRI影像组学特征与临床特征，使用机器学习方法预测多发性硬化残疾恶化	样本量有限，短期纵向变化预测能力不足，需要在更大平衡数据集中验证	预测多发性硬化患者的残疾恶化情况	247名多发性硬化患者	医学影像分析	多发性硬化	FLAIR MRI，影像组学特征提取	Elastic Net，Balanced Random Forest，Light Gradient-Boosting Machine	MRI影像数据	247名来自两个医疗中心的多发性硬化患者	Pyradiomics，Longitudinal ComBat	LGBM，BRFC	PR AUC，ROC AUC	NA
3545	2025-11-17	A protein fitness predictive framework based on feature combination and intelligent searching 2024-Dec, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5211 PMID:39548358	研究论文	提出一种基于特征组合和智能搜索的蛋白质适应性预测框架scut_ProFP	整合特征组合和特征选择技术，实现从有限蛋白质序列中提取最相关功能特征信息，并能从低阶突变体泛化到高阶突变体	未明确说明模型对超大规模数据集的扩展性及计算效率	开发高效的蛋白质适应性预测方法以支持蛋白质工程	蛋白质序列及其适应性（fitness）值	机器学习	NA	特征组合、特征选择	NA	蛋白质序列数据	NA	NA	NA	NA	NA
3546	2025-11-17	Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064004 PMID:39554509	研究论文	提出一种结合超分辨率预处理和深度概率模型的方法，用于创建高分辨率无偏眼部图谱	将深度学习超分辨率算法与无监督深度概率方法相结合，生成更广泛的变形场以增强器官边界对齐	需要足够数量的受试者样本才能有效优化模板	解决在高度变异人群中生成标准化眼部参考图谱的挑战	眼部器官（眼眶和视神经）的形态学特征	医学影像分析	眼科疾病	磁共振成像（MRI）	深度学习, 概率模型	多对比度磁共振图像	NA	NA	NA	Dice系数, Wilcoxon符号秩检验	NA
3547	2025-11-17	Leveraging mid-infrared spectroscopic imaging and deep learning for tissue subtype classification in ovarian cancer 2023-Jun-12, The Analyst DOI:10.1039/d2an01035f PMID:37218522	研究论文	本研究结合中红外光谱成像和深度学习技术，实现了卵巢癌组织亚型的无标记自动分类	首次使用光学光热红外成像技术实现卵巢组织亚型的无标记定量自动识别，空间分辨率比现有仪器提高10倍	NA	开发基于中红外光谱成像和深度学习的卵巢癌组织亚型自动分类方法	卵巢癌组织样本	数字病理学	卵巢癌	中红外光谱成像，光学光热红外成像	深度学习	光谱图像	78例患者样本，超过6000万个数据点	NA	NA	分类准确度	NA
3548	2025-11-17	Predict In-Hospital Code Blue Events using Monitor Alarms through Deep Learning Approach 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8513269 PMID:30441177	研究论文	本研究使用LSTM深度学习模型分析ICU监护仪报警序列，预测院内蓝色代码事件	首次将LSTM序列深度学习模型应用于连续监护仪报警序列分析，捕捉蓝色代码事件前的时间依赖特征	初步研究，样本量有限，需要进一步验证	通过深度学习减少ICU监护仪误报警，提高蓝色代码事件预测准确性	重症监护室监护仪报警数据序列	医疗健康监测	重症监护	深度学习序列分析	LSTM	时间序列报警数据	NA	NA	LSTM	AUC, 敏感度, 特异度	NA
3549	2025-11-16	Advancing biomedical waste classification through a hybrid ensemble of deep Learning, reinforcement Learning, and differential evolution algorithms 2026-Jan-01, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115210 PMID:41151359	研究论文	提出一种结合深度学习、强化学习和差分进化算法的混合集成模型，用于生物医学废物分类	首次将深度学习、强化学习和差分进化算法通过双异质集成方式结合，并开发了专用的生物分类机器Biosorter	仅在小型医疗中心进行实际部署验证，需要更大规模的应用测试	开发高效的生物医学废物分类系统，改善医疗废物管理	制药和生物医学废物，特别是感染性废物的分类	计算机视觉	NA	图像增强、集成图像分割、决策融合	CNN, 强化学习, 差分进化算法	图像	专有数据集和基准数据集	NA	U-Net, Mask R-CNN, DeepLab Version 3 Plus, Inception Version 3, Residual Network 50, Mobile Network Version 2, Densely Connected Convolutional Network 121	准确率, 处理吞吐量, 系统可用性量表(SUS)评分	NA
3550	2025-11-16	Accelerating the discovery and optimization of metal-organic framework materials via machine learning 2025-Dec, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2025.103671 PMID:40957153	综述	系统回顾机器学习在金属有机框架材料研究中的应用进展	整合最新机器学习技术与MOF研究进展，提供跨学科合作视角	未涉及具体实验验证数据，主要基于文献综述	加速MOF材料的发现与优化过程	金属有机框架材料	机器学习	NA	机器学习	回归分析,分类算法,聚类分析,深度学习,强化学习	材料特性数据	NA	NA	NA	模型评估指标	NA
3551	2025-11-16	A Hybrid Bidirectional Deep Learning Model Using HRV for Prediction of ICU Mortality Risk in TBI Patients 2025-Dec, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00209-5 PMID:41230239	研究论文	本研究开发了一种结合权重预测器和双向长短期记忆网络的混合深度学习模型，通过分析心率变异性来预测创伤性脑损伤患者的ICU死亡风险	提出了一种结合权重预测器和BiLSTM的混合深度学习架构，通过特征加权和时序模式捕捉来提升心率变异性数据的预测性能	模型完全依赖ICU监测的心电图数据，可能受限于数据质量和采集条件	通过分析心率变异性准确预测创伤性脑损伤患者在ICU的早期死亡风险	创伤性脑损伤患者	医疗健康分析	创伤性脑损伤	心电图信号分析，心率变异性分析	混合深度学习模型，BiLSTM	心电图信号，心率变异性数据	来自黄金海岸大学医院和CHARIS系统的创伤性脑损伤患者数据	NA	双向长短期记忆网络，权重预测器	准确率，AUROC，AUPRC	NA
3552	2025-11-16	Multi-Cohort Federated Learning Shows Synergy in Mortality Prediction for MRI-Based and Metabolomics-Based Age Scores 2025-Dec, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00208-6 PMID:41230244	研究论文	本研究通过联邦学习分析基于脑MRI的BrainAge和基于代谢物的MetaboAge两种生物年龄评分在死亡率预测中的协同作用	首次使用联邦学习研究不同生物年龄评分之间的相互作用，并发现BrainAge和MetaboAge在死亡率预测中具有互补价值	研究仅基于三个大型人群队列，数据共享限制可能影响更广泛的应用	研究基于脑MRI和代谢物的两种生物年龄评分之间的关系及其在死亡率和痴呆预测中的协同作用	三个大型人群队列的脑MRI数据和代谢物数据	机器学习	老年疾病	脑MRI, 代谢组学	深度学习	医学影像, 代谢物数据	三个大型人群队列	联邦学习框架	深度学习模型	年龄预测误差, 关联分析, 生存分析	NA
3553	2025-11-16	Binding mode prediction of imidazothiadiazoles against insect ecdysone receptors via a combination of AlphaFold3 and molecular simulations 2025-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.70141 PMID:40808334	研究论文	结合AlphaFold3和分子模拟预测咪唑噻二唑类化合物与昆虫蜕皮激素受体的结合模式	首次使用AlphaFold3深度学习模型结合分子动力学模拟阐明咪唑噻二唑类化合物与昆虫蜕皮激素受体的诱导契合结合机制	标准对接算法难以模拟诱导契合机制，实验验证尚不充分	阐明咪唑噻二唑类化合物与昆虫蜕皮激素受体的分子结合机制	咪唑噻二唑类化合物和鳞翅目昆虫蜕皮激素受体	计算生物学	害虫防治	AlphaFold3, 分子动力学模拟, 结合自由能计算, QSAR分析	深度学习, 分子模拟	蛋白质结构, 配体结构, 结合亲和力数据	包括新合成的咪唑噻二唑类化合物	AlphaFold3, 分子模拟软件	AlphaFold3架构	结合自由能, 结合模式合理性评估	NA
3554	2025-11-16	Classification of neurological and mental health disorders based on multimodal approaches: A comprehensive review 2025-Dec, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2025.106399 PMID:41052735	综述	本文对基于深度学习的多模态方法在神经系统和精神健康疾病分类中的应用进行了全面综述	首次系统综述深度学习多模态方法在神经系统和精神健康疾病分类中的联合应用，涵盖十种主要疾病类型	存在数据不平衡、模型可解释性不足以及缺乏大规模高质量数据集等挑战	综述深度学习多模态方法在神经系统和精神健康疾病分类中的研究进展	十种主要疾病（五种神经系统疾病和五种精神健康疾病）	机器学习	神经系统疾病,精神健康疾病	多模态数据融合	深度学习	神经影像,生物信号,临床评估	NA	NA	NA	NA	NA
3555	2025-11-16	3D anatomical atlas of the heads of male and female adult Chamaeleo calyptratus 2025-Nov-15, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70077 PMID:41239830	研究论文	本研究通过数字解剖图谱首次完整描述了变色龙头部的骨骼和软组织结构	创建了首个变色龙头部数字解剖图谱，首次绘制了颅缝和肌肉附着位点图谱，并探索了性别差异	仅使用两个成年样本进行研究，样本量有限	描述变色龙头部解剖结构并分析性别差异	成年雄性及雌性变色龙（Chamaeleo calyptratus）头部解剖结构	数字病理学	NA	对比增强染色技术，显微CT扫描	深度学习模型	3D图像数据	2个成年标本（雌雄各一）	NA	NA	NA	NA
3556	2025-11-16	Diagnostic value of a second-generation super-resolution deep learning-based reconstruction combined with a metal artifact reduction algorithm for pelvic CT 2025-Nov-15, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05080-4 PMID:41240086	研究论文	评估第二代超分辨率深度学习重建算法结合金属伪影减少算法在金属髋关节植入物患者CT图像中的诊断价值	首次将第二代超分辨率深度学习重建算法与金属伪影减少算法结合应用于盆腔CT成像	样本量较小（仅40例患者），且为回顾性研究设计	评估深度学习重建算法结合金属伪影减少算法对CT图像质量的改善效果	金属髋关节植入物患者的盆腔CT图像	医学影像处理	骨科植入物相关	CT成像	深度学习重建算法	CT图像	40例患者（30例女性，年龄范围54-93岁）	NA	第二代超分辨率深度学习重建(DLR2)，第一代深度学习重建(DLR1)	标准差，伪影指数，5点评分，组内相关系数	NA
3557	2025-11-16	Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range 2025-Nov-14, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06403-2 PMID:41238791	研究论文	开发并验证了一种基于深度学习的全自动胎儿大脑生物测量报告流程，用于3D T2加权胎儿脑MRI	首个提出全自动生物测量报告流程的研究，整合了深度学习测量、百分位数和z值计算与报告生成	研究基于特定场强(0.55-3T)和孕周范围(20-40周)，尚未建立通用的胎儿生物测量协议	实现3D T2加权胎儿脑MRI生物测量报告的自动化，提高临床工作流程效率	胎儿大脑生物测量	医学影像分析	胎儿发育	3D T2加权磁共振成像，切片到体积重建(SVR)	3D UNet	3D MRI图像	回顾性研究90例，前瞻性研究111例，正常对照组406例	NA	3D UNet	绝对差异测量，可接受性评分，处理时间	NA
3558	2025-11-16	Application of AI-assisted magnifying colonoscopy system in the diagnosis of colorectal tumors: a multicenter exploratory diagnostic study 2025-Nov-14, Surgical endoscopy DOI:10.1007/s00464-025-12196-0 PMID:41238992	研究论文	开发基于JNET分类的AI辅助诊断模型用于结直肠肿瘤诊断的多中心探索性研究	首次将改进的DeepLabV3+模型应用于放大结肠镜图像分析，并基于JNET分类标准开发AI辅助诊断系统	需要进一步研究评估其在真实临床环境中的有效性和成本效益	评估AI辅助诊断模型在结直肠肿瘤诊断中的性能	结直肠肿瘤患者	数字病理	结直肠肿瘤	放大内窥镜	深度学习	图像	219名患者的2645张放大图像	NA	DeepLabV3+	准确率,敏感度,特异度,AUC	NA
3559	2025-11-16	Genomic Prediction of Feed Efficiency in Boars by Deep Learning 2025-Nov-14, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf274 PMID:41239183	研究论文	本研究通过深度学习模型预测公猪的饲料效率性状，并与传统线性基因组预测模型进行对比	首次将深度学习应用于公猪饲料效率的基因组预测，能够捕捉传统线性模型忽略的非加性遗传效应	计算成本显著增加，且非加性方差的捕获并未显著提升预测能力	比较深度学习与线性模型在预测公猪饲料效率性状方面的表现，评估深度学习捕捉非加性遗传方差的能力	两个公猪群体（父系和母系品系）	机器学习	NA	基因组选择	MLP, CNN	基因组数据	两个公猪群体（具体数量未提及）	NA	MLP, CNN	预测能力	NA
3560	2025-11-16	Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network 2025-Nov-13, The Knee DOI:10.1016/j.knee.2025.10.028 PMID:41238423	研究论文	使用深度神经网络从膝关节磁共振成像中自动检测内侧副韧带撕裂	首次使用深度神经网络解决MCL撕裂检测问题，设计了三种不同场景的深度学习模型进行比较	数据集仅来自单一医院，样本量相对有限，需要未来研究在更广泛人群中验证	开发自动检测膝关节内侧副韧带撕裂的方法	膝关节磁共振图像	计算机视觉	膝关节损伤	磁共振成像	CNN	图像	60名患者的3575张膝关节MRI图像	NA	自定义CNN, VGG19	准确率, 损失值, AUC	NA