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
361	2025-10-29	Iterative improvement of deep learning models using synthetic regulatory genomics 2025-Oct-22, Genome research IF:6.2Q1 DOI:10.1101/gr.280540.125 PMID:41125441	研究论文	本研究利用合成调控基因组学数据微调深度学习模型Enformer，提升其对基因组变异的预测能力	首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提高了模型对非参考序列的预测性能	模型对DHS顺序或方向重排的序列预测能力较差	提高深度学习模型对基因组变异序列的表观遗传特征预测能力	DNase I超敏感位点的删除、倒位和重排工程序列	机器学习	NA	合成调控基因组学	深度学习	基因组序列数据	数十个工程化序列	NA	Enformer	预测误差	NA
362	2025-10-29	A robust and data-efficient deep learning model for cardiac assessment without segmentation 2025-Oct-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01903-x PMID:41126099	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
363	2025-10-29	Explainable machine learning algorithm predicting working memory performance in Parkinson's disease using task-fMRI 2025-Oct-14, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-025-13438-w PMID:41085732	研究论文	开发可解释的机器学习模型，基于任务功能磁共振成像数据预测帕金森病患者的工作记忆表现水平	首次将三维卷积神经网络与三维卷积自编码器预训练结合，应用于帕金森病工作记忆表现分类，并生成显著性图谱解释模型决策依据	样本量较小（仅45名患者和15名健康对照），仅使用单一任务功能磁共振成像范式	开发可解释的深度学习模型用于帕金森病患者工作记忆表现的客观评估	帕金森病患者和健康对照个体	医学影像分析	帕金森病	任务功能磁共振成像，n-back工作记忆任务	3D-CNN	三维脑功能影像数据	45名帕金森病患者和15名健康对照	NA	三维卷积神经网络，三维卷积自编码器	准确率	NA
364	2025-10-29	GARNN-AE-LSTM: A Multimodal Deep Learning Approach for High-Accuracy Video Summarization 2025-Oct-10, Journal of visualized experiments : JoVE DOI:10.3791/69097 PMID:41144309	研究论文	提出一种融合视觉和听觉信息的多模态深度学习框架GARNN-AE-LSTM，用于实现高精度视频摘要	结合门控循环神经网络(GARNN)和对抗编码器LSTM(AE-LSTM)，引入门控AlexNet和多模态特征提取，通过运动补偿PCA降维和时序建模提升关键帧检测精度	NA	开发高精度的视频摘要系统，通过保留关键内容创建精简版长视频	视频数据	计算机视觉	NA	多模态特征提取，运动补偿特征降维，PCA降维	GRU, LSTM, AlexNet	视频，音频，图像	NA	NA	GARNN, AE-LSTM, AlexNet	敏感度, F分数, 阳性预测值	NA
365	2025-10-29	Prophylactic biological mesh reinforcement during ileostomy closure surgery evaluated by the image-based deep learning model for the prevention of stoma-site incisional hernia: phase II study protocol for a single-centre, prospective, randomised controlled clinical trial 2025-Oct-07, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-101121 PMID:41062141	研究论文	本研究通过基于图像的深度学习模型评估生物补片在预防回肠造口关闭术后造口部位切口疝的安全性和有效性	首次将影像组学用于预测造口部位切口疝，并验证基于图像的深度学习模型在预测术后并发症和识别高风险患者方面的可行性	单中心研究，样本量较小（40例患者）	评估生物补片在预防高风险患者回肠造口关闭术后切口疝的安全性和有效性	需要接受回肠造口关闭术且被基于图像的深度学习模型识别为造口部位切口疝高风险因素的患者	医学影像分析	直肠癌	基于图像的深度学习模型	深度学习模型	医学影像数据	40例患者	NA	NA	术后切口疝发生率、局部疼痛、切口感染、血清肿等并发症发生率	NA
366	2025-10-29	Deep learning prediction of peak oxygen uptake in patients with coronary heart disease: a retrospective study 2025-Oct-05, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-098878 PMID:41047260	研究论文	本研究开发并验证了基于亚极量心肺运动测试指标和深度学习方法预测冠心病患者峰值摄氧量的模型	首次将深度学习方法应用于冠心病患者峰值摄氧量预测，并比较了多种机器学习模型的性能	研究为回顾性设计，需要进一步的外部验证和前瞻性研究才能临床应用	开发预测冠心病患者峰值摄氧量的预测模型	冠心病患者	机器学习	冠心病	心肺运动测试	神经网络,XGBoost	临床数据和运动测试指标	10538名冠心病患者	NA	神经网络	R²,平均绝对误差,偏差,Bland-Altman分析,SHAP特征重要性排序	NA
367	2025-10-29	DenseFormer-MoE: A Dense Transformer Foundation Model With Mixture of Experts for Multi-Task Brain Image Analysis 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3551514 PMID:40085471	研究论文	提出一种结合密集卷积网络、视觉Transformer和专家混合的DenseFormer-MoE基础模型，用于多任务脑图像分析	首次将密集卷积网络、视觉Transformer和专家混合机制集成到脑图像分析基础模型中，通过动态专家选择解决多任务学习中的优化冲突问题	仅使用T1加权磁共振图像，未探索多模态脑影像数据	开发适用于多种下游任务的脑图像分析基础模型	脑部T1加权磁共振图像	计算机视觉	脑部疾病	T1加权磁共振成像	Transformer, CNN, MoE	图像	UK Biobank、ADNI、PPMI等多个知名脑成像数据集	NA	DenseNet, Vision Transformer, Mixture of Experts	NA	NA
368	2025-10-29	Deep Learning to Differentiate Parkinsonian Syndromes Using Multimodal Magnetic Resonance Imaging: A Proof-of-Concept Study 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30300 PMID:40704399	研究论文	使用基于3D卷积神经网络的多模态MRI方法区分多系统萎缩和帕金森病	首次将多模态MRI数据（灰质密度图和平均扩散率图）与3D CNN结合用于帕金森综合征的自动鉴别诊断	样本量相对较小，仅包含156名患者；回顾性研究设计	开发基于深度学习的自动诊断工具，用于区分不同类型的帕金森综合征	多系统萎缩患者（MSA-P、MSA-C、MSA-PC变体）和帕金森病患者	医学影像分析	帕金森综合征	磁共振成像（MRI），包括T1加权序列和扩散张量成像	CNN	医学影像	156名患者（92名MSA患者，64名PD患者）	NA	3D CNN	准确率	NA
369	2025-10-29	A Wearable Electrochemical Biosensor for Salivary Detection of Periodontal Inflammation Biomarkers: Molecularly Imprinted Polymer Sensor with Deep Learning Integration 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509658 PMID:40714834	研究论文	开发了一种用于唾液检测牙周炎症生物标志物的可穿戴电化学生物传感器，结合分子印迹聚合物和深度学习技术	首次将分子印迹聚合物传感器与深度学习集成，开发出可穿戴口护平台用于实时监测口腔炎症	NA	开发高灵敏度、非侵入性的牙周炎症检测方法	唾液中的基质金属蛋白酶-8（MMP-8）生物标志物	医疗健康监测	牙周病	电化学传感、分子印迹聚合物、密度泛函理论模拟	深度学习	电化学阻抗数据	患者样本（具体数量未说明）	NA	NA	特异性、重现性、诊断准确性	NA
370	2025-10-29	VLM-CPL: Consensus Pseudo-Labels From Vision-Language Models for Annotation-Free Pathological Image Classification 2025-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3595111 PMID:40758498	研究论文	提出一种基于视觉语言模型的无需人工标注的病理图像分类方法VLM-CPL	结合两种噪声标签过滤技术与半监督学习策略，提出提示-特征一致性选择和开放集提示策略	由于预训练数据集与目标数据集之间的领域差距，初始伪标签可能包含大量噪声	开发无需人工标注的病理图像自动分类方法	病理图像	数字病理学	癌症	视觉语言模型	VLM	图像	五个公共病理图像数据集	NA	VLM-CPL	准确率	NA
371	2025-10-29	AI-Driven De Novo Design of Ultra Long-Acting GLP-1 Receptor Agonists 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202507044 PMID:40787887	研究论文	提出一种结合深度学习与功能筛选的AI驱动肽药物设计方法，成功设计出超长效GLP-1受体激动剂	首次将深度学习蛋白设计与功能筛选整合为单周期流程，两周内完成从设计到筛选全过程，显著提升肽药物开发效率	仅针对GLP-1受体激动剂进行验证，未涉及其他肽类药物靶点	开发高效肽药物设计方法以解决传统设计效率低、耗时久、成本高的问题	胰高血糖素样肽-1受体激动剂（GLP-1RAs）	机器学习	糖尿病	深度学习蛋白设计，虚拟功能筛选，体外验证，体内实验	深度学习	蛋白序列数据	设计10,000个全新GLP-1RAs，60个通过虚拟筛选，最终验证2个先导化合物	NA	NA	成功率，半衰期，血糖水平，减重效果	NA
372	2025-10-29	Personalized Medication for Chronic Diseases Using Multimodal Data-Driven Chain-of-Decisions 2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504079 PMID:40788064	研究论文	提出一种基于多模态数据驱动的决策链框架，用于慢性疾病的个性化用药决策	首次将思维链提示思想应用于临床决策过程，构建包含三阶段深度学习任务的序列化决策框架，整合多模态临床表型数据、多属性药物数据和临床专家知识	NA	开发能够从综合视角捕捉患者-药物关系的个性化用药决策框架	慢性肾病患者、膜性肾病患者、类风湿关节炎患者、结直肠癌患者和膝骨关节炎患者	机器学习	慢性疾病	多模态数据分析	深度学习	多模态临床表型数据、多属性药物数据	3675名患者的3173条单模态记录、502条多模态记录和2187条用药记录	NA	多模态数据驱动的决策链框架	预测性能	NA
373	2025-10-29	Video-Based Data-Driven Models for Diagnosing Movement Disorders: Review and Future Directions 2025-Oct, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.30327 PMID:40814940	综述	全面回顾了基于视频的数据驱动模型在运动障碍诊断中的应用现状并展望未来研究方向	系统分析了2006-2024年间视频模态运动障碍诊断模型的发展趋势，发现姿态估计方法日益流行，实时方法和端到端深度学习架构的应用增多	当前方法存在公共数据源有限、缺乏标准化指标和患者隐私问题等主要限制	探索基于视频的数据驱动模型在运动障碍诊断中的应用潜力	运动障碍患者，包括震颤、肌张力障碍、肌阵挛、舞蹈症、抽动症、帕金森病和共济失调	计算机视觉	运动障碍	视频分析	机器学习,深度学习	视频	NA	NA	端到端深度学习架构	NA	NA
374	2025-10-29	Learning the syntax of plant assemblages 2025-Oct, Nature plants IF:15.8Q1 DOI:10.1038/s41477-025-02105-7 PMID:41083838	研究论文	提出一种受大型语言模型启发的方法，通过学习植物群落中丰度排序的物种序列的'语法'来理解植物组合	首次将大型语言模型的思想应用于植物群落分析，能够捕捉跨生态系统的物种间潜在关联	研究范围仅限于欧洲及邻近国家的植物物种，未涉及全球其他地区的植物群落	开发能够预测物种组成和分类生境类型的方法，以支持生物多样性保护和恢复	欧洲及邻近地区的植物群落和物种组合	自然语言处理	NA	物种序列分析，群落生态学方法	神经网络，语言模型	物种丰度序列数据	覆盖10,000多种欧洲及邻近国家植物物种	NA	语言模型架构	准确率	NA
375	2025-10-29	On the utility of virtual staining for downstream applications as it relates to task network capacity 2025-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.576061 PMID:41112785	研究论文	系统研究虚拟染色技术对下游临床应用效用的影响，特别关注任务网络容量的作用	首次系统研究虚拟染色对下游任务性能的影响，提出任务网络容量是决定虚拟染色效用的关键因素	研究基于特定生物数据集，结果可能受数据集特性影响	评估虚拟染色技术对下游临床任务（如分割和分类）的实际效用	生物医学图像数据	数字病理	NA	虚拟染色技术	深度学习图像到图像转换网络	生物医学图像	NA	NA	NA	分割性能, 分类性能	NA
376	2025-10-29	A decision-making framework using MCTS as a hierarchical task network and deep learning connector 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386308 PMID:41117490	研究论文	提出一种结合分层任务网络和深度学习的知识引导数据驱动决策框架	使用蒙特卡洛树搜索作为分层任务网络与深度学习的连接器，实现人类规划知识与数据驱动的结合	仅在MiniRTS环境中进行验证，尚未在其他复杂决策场景测试	解决深度学习智能体在庞大决策空间中短期难以做出最优决策的问题	决策智能体	机器学习	NA	深度学习，蒙特卡洛树搜索	神经网络	游戏环境数据	仅需20%可用数据	NA	NA	决策质量	NA
377	2025-10-29	Comparison of convergent and independent pathways in neural networks during second-order conditioning and blocking procedures 2025-Oct, Journal of experimental psychology. Animal learning and cognition DOI:10.1037/xan0000413 PMID:41143816	研究论文	本研究通过神经网络模型比较收敛连接与独立通路在二阶条件作用和阻塞程序中的作用	比较了五种不同收敛连接程度的网络架构在模拟阻塞和二阶条件作用中的表现，揭示了不同连接方式对学习现象模拟的适用性差异	观察到一些例外情况，需要进一步研究刺激-刺激和刺激-反应关联的潜在机制	探索神经网络中收敛通路与独立通路在模拟阻塞和二阶条件作用学习现象中的作用差异	神经网络模型及其在模拟学习现象中的表现	机器学习	NA	神经网络模拟	前馈神经网络	模拟数据	五种不同架构的神经网络模型	NA	前馈神经网络	现象模拟准确性	NA
378	2025-10-29	LRR-UNet: A Deep Unfolding Network With Low-Rank Recovery for EEG Signal Denoising 2025-Oct, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1111/cns.70632 PMID:41146476	研究论文	提出一种结合低秩恢复和深度展开网络的EEG信号去噪方法LRR-Unet	将传统低秩恢复算法的迭代过程转化为可学习的神经网络架构，用神经网络模块替代耗时的奇异值分解和稀疏优化过程	NA	开发兼具深度学习性能和传统方法可解释性的EEG去噪模型	脑电图信号	信号处理	NA	EEG信号处理	深度展开网络	EEG信号	NA	NA	LRR-Unet, U-Net	定量指标, 定性指标, 分类准确率	NA
379	2025-10-29	Evaluation of a Mammography-based Deep Learning Model for Breast Cancer Risk Prediction in a Triennial Screening Program 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.250391 PMID:41147910	研究论文	评估基于乳腺X线摄影的深度学习模型Mirai在英国三年期筛查项目中预测乳腺癌风险的能力	首次在三年期乳腺癌筛查项目中系统评估深度学习风险预测模型对间期癌的预测性能	回顾性研究设计，仅包含两个筛查中心和两种主要乳腺X线摄影系统的数据	评估深度学习算法在三年期乳腺癌筛查中预测间期癌的能力	英国50-70岁参与三年期乳腺X线筛查的女性	数字病理	乳腺癌	数字乳腺X线摄影	深度学习	医学影像	134,217例检查（来自相同数量女性），包含524例间期癌	NA	Mirai	AUC, C指数, 真阳性率	NA
380	2025-10-29	Reducing False Alarms in Lung Cancer Screening: The Promise of Deep Learning 2025-Oct, Radiology IF:12.1Q1 DOI:10.1148/radiol.252917 PMID:41147921	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA