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
3721	2026-08-20	A priority control list for LCMs in freshwater food chain by deep learning 2025-12-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用分子对接和深度学习模型，构建了1431种商业液晶单体在淡水食物链中的优先控制清单，并分析了其持久性、生物累积性和毒性效应。	首次构建针对商业液晶单体影响淡水食物链的优先控制清单，并结合残差神经网络深度学习模型优化，提高预测准确性。	未提及具体局限性。	开发并优化淡水食物链中液晶单体的优先控制清单，并预测其PBT风险。	1431种商业液晶单体在淡水食物链（水蚤、斑马鱼、卷羽鹈鹕）中的PBT效应。	机器学习、深度学习	不适用	分子对接、深度学习	残差神经网络（ResNet）	数值数据（PBT效应值）	12879个PBT效应值，涉及1431种LCMs和3个营养级	未提及	ResNet	准确率	未提及
3722	2026-08-20	SAI: A Python Package for Statistics for Adaptive Introgression 2025-11-28, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf295 PMID:41258824	研究论文	本文介绍了一个用于计算适应性渐渗统计量的Python包SAI，并在两个数据集上展示了其应用	提出了新的统计量DD，并首次实现了D+和Danc等统计量的易用计算工具	摘要未提及局限性	提供适应性渐渗统计量的可访问实现，并验证其在新数据集上的有效性	人类基因组的候选适应性渐渗区域及倭黑猩猩向中非黑猩猩的渐渗事件	生物信息学	不适用	基因组测序	不适用	基因组序列数据	两个数据集（1000基因组计划数据及中非黑猩猩基因组数据）	Python	不适用	不适用	不适用
3723	2026-08-20	Accurate and Efficient Phylogenetic Inference through End-To-End Deep Learning 2025-10-29, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf260 PMID:41129273	研究论文	提出了一种名为NeuralNJ的端到端深度学习框架，直接从输入分类单元构建系统发育树，提高了推断的准确性和计算效率。	创新点在于可学习的邻居连接机制，通过迭代加入邻居并利用学习到的优先级分数实现准确的树重建，并通过强化学习进一步优化。	现有深度学习方法因拆分推断阶段导致准确率有限，或效率低且难以应用于超过20个物种的情况。	开发一种准确且高效的系统发育推断方法，适用于复杂进化场景中上百个分类单元。	系统发育树推断，涉及模拟数据和经验数据中的物种。	机器学习, 生物信息学	不适用	深度学习, 强化学习	神经网络（NeuralNJ）	模拟数据, 经验数据	不适用，具体数量未在文摘中提及	不适用	NeuralNJ	计算效率, 重建准确率	不适用
3724	2026-08-20	AlphaFold model quality self-assessment improvement via deep graph learning 2025-09, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70274 PMID:40823963	研究论文	提出EQAFold框架，通过深度图学习改进AlphaFold的模型质量自我评估，生成更准确的自信度分数	将AlphaFold的Local Distance Difference Test预测头进行精炼，并引入等变图神经网络来提升自评估置信度的可靠性	未明确提及，但暗示标准AlphaFold的置信度在某些情况下不可靠	改进蛋白质结构预测中的自置信度评估，提供更可靠的模型质量指标	蛋白质结构预测模型（AlphaFold）及其置信度输出	机器学习	NA	NA	图神经网络	蛋白质结构数据	NA	NA	等变图神经网络	NA	NA
3725	2026-08-20	AI-Driven segmentation and morphogeometric profiling of epicardial adipose tissue in type 2 diabetes 2025-07-18, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-025-02829-y PMID:40682091	research paper	开发一种基于AI的形状感知方法，用于自动化分割和分析2型糖尿病心外膜脂肪组织的形态几何特征。	引入形状感知分割模型和多模态深度学习，结合统计分析识别T2D相关的形态几何差异。	样本量较小，且未在外部数据集验证。	开发并评估一种AI驱动的心外膜脂肪组织分割和形态几何分析方法，以揭示与T2D相关的结构变化。	心外膜脂肪组织（EAT）	machine learning	type 2 diabetes	dixon MRI	deep learning model	MRI	90名参与者（45名T2D患者和45名年龄和性别匹配的对照组）	PyTorch	U-Net	Dice similarity coefficient (DSC), 95% Hausdorff distance (HD95), average symmetric surface distance (ASSD)	NA
3726	2026-08-20	Deep Learning-Based Body Composition Analysis for Outcome Prediction in Relapsed/Refractory Diffuse Large B-Cell Lymphoma: Insights From the LOTIS-2 Trial 2025-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00051 PMID:40669032	研究论文	本研究利用深度学习基于CT图像进行身体成分分析，以预测复发/难治性弥漫大B细胞淋巴瘤患者接受loncastuximab tesirine治疗后的临床结局，数据来自LOTIS-2试验。	提出了一种基于深度学习的身体成分自动分割方法，用于从CT图像中测量骨骼肌、皮下脂肪和内脏脂肪，并验证了其与手动分割的一致性，为预测DLBCL患者治疗结局提供了新的影像生物标志物。	未提及限制。	评估身体成分作为影像生物标志物对复发/难治性DLBCL患者治疗结局的预测价值，并验证深度学习自动分割方法的可靠性。	140例复发/难治性弥漫大B细胞淋巴瘤患者，来自LOTIS-2临床试验。	数字病理学	弥漫大B细胞淋巴瘤	CT成像	深度学习分割模型（未指定具体类型）	CT图像	140例患者的PET/CT扫描图像	未提及	未提及	Pearson相关系数、逻辑回归、Cox回归、Kaplan-Meier分析	未提及
3727	2026-08-20	Analysis of Tumor Microenvironmental Features Between Primary and Synchronous Liver Metastases From Patients With Colorectal Cancers Using a Deep Learning Algorithm 2025-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00004 PMID:40694782	研究论文	本研究使用深度学习算法QuantCRC比较结直肠癌原发灶与同步肝转移灶的肿瘤微环境形态学特征，发现转移灶表现出更强的侵袭性和转移表型	利用经过验证的分割算法QuantCRC量化15种形态学肿瘤特征，首次系统比较配对的原发性结直肠癌与其同步肝转移灶的微环境差异	样本量较小（57例），且为单中心研究，结果可能受患者选择和地区差异影响	表征原发性结直肠癌与同步肝转移灶的微环境差异，以理解转移和免疫治疗抵抗的机制	57例结直肠癌患者的原发肿瘤和同步肝转移灶的组织切片	数字病理学	结直肠癌	数字病理图像分析	分割算法	组织病理图像	57例患者的配对原发肿瘤和同步肝转移灶样本	NA	QuantCRC（基于深度学习的分割算法）	P值	NA
3728	2026-08-20	Deep Learning Model for Natural Language to Assess Effectiveness of Patients With Non-Muscle Invasive Bladder Cancer Receiving Intravesical Bacillus Calmette-Guérin Therapy 2025-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00249 PMID:40577661	研究论文	开发了一个基于深度学习的自然语言处理模型，利用电子健康记录评估非肌层浸润性膀胱癌患者接受膀胱内卡介苗治疗的效果	首次使用BERT模型从电子健康记录中自动提取非肌层浸润性膀胱癌患者的临床结局（复发和进展）信息，并结合人工审查支持以提升准确性	研究为回顾性研究，且仅基于日本患者数据，可能限制结果的普遍性；人工支持虽仅需10%文档，但仍需一定的人力投入	开发并验证一种深度学习自然语言处理模型，以自动评估非肌层浸润性膀胱癌患者接受卡介苗治疗后的临床结局	2016年4月至2022年6月期间开始接受卡介苗诱导治疗的日本成年人非肌层浸润性膀胱癌患者	自然语言处理	非肌层浸润性膀胱癌	电子健康记录数据挖掘	BERT	文本	372例患者	PyTorch	BERT	精确率、召回率、F1分数、风险比	NA
3729	2026-08-20	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-05, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本研究介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能供可穿戴设备使用，同时通过深度学习算法实现人体运动监测	结合电磁发电机和独立式摩擦纳米发电机（FS-TENG），利用飞轮和加速齿轮增强输出功率，并通过深度学习实现高精度运动识别，同时集成数字孪生技术用于老年人安全监测	未明确提及	开发一种集能量采集和运动监测于一体的可穿戴髋关节能量采集器，以支持可穿戴设备供电和人体运动监测应用	髋关节运动能量的采集和12种不同运动类型的识别	可穿戴设备，能量采集，运动监测	老年疾病（通过安全监测）	电磁发电、摩擦纳米发电	深度学习模型（具体类型未指定）	运动信号（摩擦电信号）	12种运动类型，具体样本数未提供	NA	NA	峰值功率、重力功率密度、准确率	NA
3730	2026-08-20	Multimodal deep learning fusion of ultrafast-DCE MRI and clinical information for breast lesion classification 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109721 PMID:39978091	研究论文	开发并评估了一种结合超快动态对比增强MRI图像、病变特征和临床信息的多模态深度学习模型用于乳腺病变分类	提出了一种新颖的基于Transformer的多模态融合架构（MMST-V），能够整合图像和非图像数据，优于单模态方法	摘要未提及具体局限性，可能包括单中心回顾性研究、样本量有限等	开发并评估用于乳腺病变分类的多模态深度学习模型	乳腺病变（包括良性病变、恶性病变和良性淋巴结）	医学影像分析	乳腺癌	超快动态对比增强MRI	Transformer	图像、临床信息（分类和标量数据）	240名患者，987个病变（280良性，121恶性，586良性淋巴结），1081份报告	NA	Multimodal Sieve Transformer with Vision Transformer encoder (MMST-V)	AUROC	NA
3731	2026-08-20	Automated grading of oleaster fruit using deep learning 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89358-6 PMID:39939355	研究论文	本研究旨在开发一种基于深度学习的实时机器视觉系统，用于根据伊朗国家标准对沙枣果实进行自动分级	首次将Mask R-CNN和YOLOv8模型应用于沙枣果实的实时自动分级，实现了在不同传送带速度下的高效准确分类	未提及具体局限性	开发一个实时机器视觉系统，用于在不同分级速度下自动分类沙枣果实	沙枣果实，分为四个质量等级	计算机视觉	NA	NA	CNN, Mask R-CNN, YOLOv8	视频帧图像	包含四个质量等级的沙枣果实视频帧数据集，传送带速度范围4.82至21.51厘米/秒	NA	Mask R-CNN, YOLOv8x, YOLOv8n	检测率, 实例分割精度, 分类准确率, 敏感性	NA
3732	2026-08-20	Learning based lower limb joint kinematic estimation using open source IMU data 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89716-4 PMID:39939380	研究论文	本研究提出基于深度学习的框架，利用惯性测量单元（IMU）数据估计下肢关节运动学，并评估了三种训练方法，其中迁移学习法在减少数据需求的同时达到了与逆运动学相当的性能	提出了一种结合迁移学习的深度学习方法，仅用少量新用户数据微调即可实现高精度估计，克服了单一用户模型泛化性差和多用户模型精度低的局限，并分析了最优IMU放置位置	文中未明确提及局限性，但可能包括对数据集的依赖、迁移学习需少量数据微调以及不同人群的适用性仍需进一步验证	开发一种高效、个性化的下肢关节运动学估计框架，减少数据收集负担并提升在临床和实际环境中的可用性	下肢关节运动学（包括膝关节、髋关节和踝关节等）的估计，使用IMU数据	机器学习, 生物力学	NA	IMU（惯性测量单元）	深度学习模型	时间序列数据（IMU传感器数据）	基于开源数据集，具体样本量未在摘要中提及	NA	深度学习架构（具体如CNN、LSTM等未指定）	准确度（与逆运动学比较）	NA
3733	2026-08-20	Pre- and post- COVID-19 trends related to dementia caregiving on Twitter 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82405-8 PMID:39939632	研究论文	本文通过分析Twitter上关于痴呆症照护的推文，研究了COVID-19大流行前后痴呆症照护者的关注趋势变化	首次利用BERT模型和主题建模技术分析社交媒体上痴呆症照护者在大流行前后的关注点变化，特别是发现痴呆症相关污名化的显著增加趋势	仅分析了英语推文，可能无法代表全球照护者的观点；数据来源单一（Twitter）可能引入偏差	了解痴呆症照护者在COVID-19大流行前后的关注点变化，为后疫情时代更好地支持照护者提供见解	痴呆症照护者及其在Twitter上分享的相关经历和情绪	自然语言处理	痴呆症（包括阿尔茨海默病等）	社交媒体数据挖掘	BERT（双向编码器表示来自变换器）	文本数据（推文）	44,527条英语推文	Transformers（PyTorch）	BERT	主题分类的准确性和主题一致性（未明确列出具体指标）	未在标题和摘要中提及，标记为NA
3734	2026-08-20	Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89219-2 PMID:39939654	研究论文	本研究利用全景X线片和深度学习模型预测即刻种植的可能性，证实该方法具有较高的准确性	首次将深度学习应用于基于全景X线片的即刻种植可能性预测	未提及具体局限，可能包括样本量有限或单一中心数据	评估深度学习模型在预测即刻种植可能性方面的可行性及准确性	201名患者的874颗牙齿，分为两组：440颗难以即刻种植的牙齿和434颗可以即刻种植的牙齿	医学影像分析	牙科疾病	全景X线摄影	卷积神经网络	图像	201名患者，874颗牙齿	NA	DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2	敏感性、精确率、准确率、平衡准确率、F1分数	NA
3735	2026-08-20	Insights into AI advances in immunohistochemistry for effective breast cancer treatment: a literature review of ER, PR, and HER2 scoring 2025-01, Current medical research and opinion IF:2.4Q3 DOI:10.1080/03007995.2024.2445142 PMID:39705612	综述	本文是一篇叙述性文献综述，聚焦于人工智能在免疫组织化学图像中对乳腺癌ER、PR和HER2生物标志物自动评分的最新进展，旨在提高乳腺癌诊断和治疗效率	系统性地综述了AI在IHC图像中用于ER、PR和HER2评分的技术，特别针对Allred、H-Score和HER2评分方法，并识别了当前最先进的方法和未来研究方向	作为叙述性综述，可能存在主观性，且未涵盖所有相关研究；同时依赖现有文献，无法提供新的实验证据	识别AI在IHC染色图像中自动评分乳腺癌标志物的最先进方法、挑战和未来研究前景，以助力提高乳腺癌诊断和治疗准确性	乳腺癌IHC染色图像中的ER、PR和HER2生物标志物评分	数字病理学	乳腺癌	免疫组织化学染色	机器学习, 深度学习	图像	不适用（综述文章）	不适用	不适用	不适用	不适用
3736	2026-08-20	ISIT-GEN: An in silico imaging trial to assess the inter-scanner generalizability of CTLESS for myocardial perfusion SPECT on defect-detection task 2025, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047300 PMID:42610017	研究论文	本文通过虚拟成像试验ISIT-GEN评估了基于散射线窗和深度学习的衰减补偿方法CTLESS在不同SPECT扫描仪上的泛化性能，用于心肌灌注缺损检测任务	首次通过虚拟成像试验评估深度学习衰减补偿方法CTLESS在不同厂商SPECT扫描仪上的跨扫描仪泛化能力	未提及具体限制，但可能包括虚拟成像试验与实际临床环境的差异	评估CTLESS方法在不同SPECT扫描仪上的泛化性能，以支持其临床转化	来自三个不同厂商的SPECT扫描仪上的心肌灌注SPECT图像	医学影像	心肌灌注缺损	SPECT成像	深度学习模型（具体架构未说明）	图像	未提及具体样本数量	未提及	未提及	ROC曲线、曲线下面积（AUC）	未提及
3737	2026-08-20	Rethinking Cost-Sensitive Classification in Deep Learning via Adversarial Data Augmentation 2025 Jan-Mar, INFORMS journal on data science DOI:10.1287/ijds.2022.0033 PMID:42610103	研究论文	本文提出了一种成本敏感对抗性数据增强框架，以解决深度神经网络在过参数化下无法有效进行成本敏感分类的问题	提出CSADA框架，通过生成目标对抗样本推动决策边界向成本感知方向移动，使过参数化模型对高成本错误更保守	实验主要在特定数据集上进行，未明确讨论该方法对其他类型数据或更复杂场景的泛化能力	重新思考深度神经网络中的成本敏感分类，并设计一种新框架使模型能最小化总体成本并减少关键错误	过参数化的深度神经网络及其在成本敏感分类中的决策边界	机器学习	NA	对抗性数据增强	深度神经网络	图像	未明确指定，但使用了多个已知数据集和公开的药店药物图像数据集	未明确指定	未明确指定	总体成本、准确率、关键错误率	未明确指定
3738	2026-08-20	A combined deep learning framework for mammalian m6A site prediction 2024-12-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文提出了一种结合Transformer架构和循环神经网络的深度框架deepSRAMP，用于基于序列和基因组特征预测哺乳动物m6A位点。	首次将Transformer架构与循环神经网络结合用于m6A位点预测，相较于现有预测器显著提高了准确性和鲁棒性。	未在文中明确说明局限性，但可能受限于训练数据的多样性和模型对未知物种的泛化能力。	开发一种高精度的m6A位点预测工具，以支持不同条件下的哺乳动物表观转录组研究。	哺乳动物mRNA中的m6A修饰位点。	机器学习和生物信息学	不适用	序列分析、基因组特征提取	Transformer和循环神经网络（RNN）	序列数据和基因组特征数据	使用多个基准数据集（具体数量未在标题和摘要中明确）	未在标题和摘要中明确指定	Transformer和循环神经网络（如LSTM或GRU）的混合架构	AUROC、AUPRC	未在标题和摘要中明确指定
3739	2026-08-20	Identification of lineage-specific cis-trans regulatory networks related to kiwifruit ripening initiation 2024-12, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17093 PMID:39462454	研究论文	利用可解释深度学习框架识别猕猴桃果实成熟启动过程中谱系特异的顺式-反式调控网络，并验证了新的转录因子与顺式元件互作	首次将可解释深度学习应用于果实成熟调控网络识别，独立于共表达模式发现新的谱系特异CRE-TF互作	未提及	基于启动子CRE预测表达模式，识别影响猕猴桃果实成熟（乙烯触发）的谱系特异CRE-TF互作	猕猴桃果实成熟过程及其相关基因（如ACS1、ERT2、ERF143）	深度学习、分子生物学	NA	DNA亲和纯化测序（DAP-Seq）、瞬时报告基因实验	可解释深度学习模型	启动子序列、基因表达数据	NA	NA	NA	NA	NA
3740	2026-08-20	Exploring protein natural diversity in environmental microbiomes with DeepMetagenome 2024-11-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100896 PMID:39515333	研究论文	DeepMetagenome是一种基于Python的方法，通过深度学习模型从环境微生物组中探索蛋白质自然多样性，并在金属硫蛋白等蛋白质家族中展现出优越性能。	该方法结合了嵌入层、卷积层、LSTM和全连接层，能够从海量元基因组数据中高效识别高置信度蛋白质序列，且无需先验假设。	未提及具体局限性。	利用深度学习从环境微生物组中挖掘蛋白质自然多样性，以辅助蛋白质工程。	环境微生物组中的蛋白质序列，特别是金属硫蛋白等。	机器学习	NA	元基因组测序	混合深度学习模型（包含嵌入、卷积、LSTM和全连接层）	序列数据	超过1.46亿个编码特征的数据库用于筛选，其中23个合成序列用于验证	Python	嵌入层、卷积层、LSTM、全连接层	准确率、稳定性（通过25个epoch表现）	未提及具体GPU或云平台，但工具在GitHub上公开