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
21	2025-12-17	Predicting Radiation Pneumonitis Integrating Clinical Information, Medical Text, and 2.5D Deep Learning Features in Lung Cancer 2026-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.07.1437 PMID:40844448	研究论文	本文构建了一个基于临床信息、医学文本和2.5D深度学习特征的肺癌患者放射性肺炎预测模型	提出了一种结合临床信息、医学文本和2.5D多实例学习特征的放射性肺炎预测模型，为预测放疗副作用提供了新思路	模型在不同测试队列中的最优模型类型存在差异，可能影响泛化能力	构建放射性肺炎的预测模型以评估放疗副作用	肺癌患者	数字病理学	肺癌	CT成像, 放射治疗剂量切片	深度学习模型	图像, 文本	594名患者（356名来自一个中心，238名来自三个其他中心）	NA	DenseNet121, DenseNet201, Twins-SVT	AUC	NA
22	2025-12-17	An Explainable 3D-Deep Learning Model for EEG Decoding in Brain-Computer Interface Applications 2025-Dec-30, International journal of neural systems IF:6.6Q1 DOI:10.1142/S012906572550073X PMID:41109958	研究论文	本文提出了一种用于脑机接口应用中EEG解码的多维可解释深度学习框架	提出了一种基于三维卷积神经网络的可解释深度学习模型，通过全局到特定用户的微调策略减少校准时间，并引入三维遮挡敏感性分析增强模型透明度	模型在跨用户泛化方面可能存在限制，需要进一步验证在不同EEG数据集上的性能	开发一种快速、可解释的EEG解码方法，以降低脑机接口系统的用户特定校准时间	运动脑机接口实验中的EEG信号，特别是手部张开和手部闭合运动规划与静息状态的区分	机器学习	NA	EEG信号处理	CNN	EEG信号	NA	NA	3D Convolutional Neural Network	准确率	NA
23	2025-12-17	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁分层网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出并部署了一个闭环神经影像诊断支持系统，将深度学习模型整合到临床工作流程中，以应对精神疾病诊断的复杂性，如共病情况	NA	开发一种基于神经影像的深度学习框架，以支持精神疾病的临床诊断	四种主要精神疾病患者及健康对照者的结构MRI数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练数据集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁分层网络（PHN）	NA	NA
24	2025-12-17	Usefulness of Data Simulation for Training Deep Learning Denoising Algorithms in Infrared Spectral Histology 2025-Dec-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02174 PMID:41337468	研究论文	本研究探讨了使用模拟数据训练深度学习模型，以去噪临床应用中石蜡包埋组织切片的红外光谱图像	提出了一种基于模拟线性生成模型的方法，结合不同谱带形状（Voigt、高斯和洛伦兹）和噪声类型（加性和乘性高斯噪声以及泊松噪声），以增强训练数据的多样性并提高模型泛化能力	模拟光谱的具体配置显著影响模型性能，且模拟数据的特性导致不同程度的成功	开发用于红外光谱图像去噪的深度学习技术，以减少扫描时间并促进临床部署	石蜡包埋组织切片的红外光谱图像	数字病理学	NA	傅里叶变换红外光谱	CNN	图像	NA	NA	ResUNet-1D-CNN	NA	NA
25	2025-12-17	BayesOpGAN: A Bayesian-Optimized GAN Framework with Fourier-Based Evaluation for Quality-Controlled Raman Spectral Data Augmentation 2025-Dec-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04540 PMID:41344223	研究论文	本文提出了一种名为BayesOpGAN的生成对抗网络框架，用于从小样本（少于30个）中生成高质量的拉曼光谱数据，以解决深度学习模型在小数据集上过拟合和泛化能力差的问题	创新点包括引入了贝叶斯优化的损失函数（BayesOpLoss）和平滑上采样模块，并采用傅里叶距离这一频域度量来定量评估生成的一维光谱质量	生成数据存在最优增强范围，过量的生成数据会降低分类器性能	研究目的是开发一种可靠且可扩展的小样本光谱数据增强方法，以提升拉曼光谱分类模型的性能	研究对象为拉曼光谱数据，具体来自RRUFF拉曼数据库的混合质量数据集	机器学习	NA	拉曼光谱	GAN	光谱数据（一维信号）	少于30个样本	NA	GAN, ResNet-50	准确率, 傅里叶距离	NA
26	2025-12-17	The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence 2025-Dec-16, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2025.2602537 PMID:41368873	综述	本文综述了肿瘤内微生物组与癌症免疫之间的相互作用，探讨了其在肿瘤发生发展中的作用，并评估了人工智能在整合多组学数据以推动精准肿瘤学方面的应用潜力	系统性地将肿瘤内微生物组（包括细菌、真菌和病毒）与癌症免疫调控及免疫治疗反应联系起来，并强调了人工智能在整合空间多组学数据以解析微生物功能空间定位方面的创新应用	面临数据异质性、模型可解释性、伦理问题以及缺乏标准化协议和高分辨率空间图谱等挑战	探讨肿瘤内微生物组在癌症发生、发展和治疗中的作用，并评估人工智能技术如何推动基于微生物组的精准肿瘤学发展	肿瘤内微生物组（细菌、真菌、病毒）及其与宿主免疫系统的相互作用	数字病理学	癌症	下一代测序, 空间转录组学	机器学习, 深度学习	多组学数据, 空间数据	NA	NA	NA	NA	NA
27	2025-12-17	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2025-Dec-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	本研究通过结合深度学习的虚拟筛选方法，发现了基于四氢异喹啉的SARS-CoV-2解旋酶抑制剂	在虚拟筛选中引入深度神经网络模型，提高了21%的命中识别效率，并揭示了THIQ衍生物通过变构机制抑制SARS-CoV-2解旋酶的新作用位点	研究仍处于早期阶段，化合物需进一步优化和体内验证	开发针对SARS-CoV-2解旋酶的新型抗病毒药物	SARS-CoV-2解旋酶（Nsp13）及其抑制剂	药物发现	COVID-19	虚拟筛选、分子动力学模拟	深度神经网络	化学分子结构数据	18个THIQ衍生物	NA	深度神经网络	命中识别效率、选择性指数（CC/EC）、抗病毒活性（EC值）	NA
28	2025-12-17	Deep learning-enhanced digital-BGO versus TOF PET/CT: comparative assessment of detection, quantitation, and overall image quality 2025-Dec-16, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00814-8 PMID:41400899	研究论文	本研究评估了采用深度学习算法增强的数字BGO PET/CT系统（OMNI6R）与TOF PET/CT系统（DMI5R）在病灶检测灵敏度、定量分析和整体图像质量方面的性能比较	首次将深度学习算法（Precision Deep Learning, PDL）应用于数字BGO PET/CT系统，模拟TOF增强效果，并在减少采集时间和活度的情况下实现非劣效性能	样本量较小（30例患者），仅使用[18F]-FDG示踪剂，未评估其他病理类型或示踪剂	比较深度学习增强的数字BGO PET/CT与TOF PET/CT系统的诊断性能	PET/CT系统（OMNI6R与DMI5R）、合成病灶（ISL）、临床图像质量指标	医学影像分析	NA	PET/CT成像、深度学习图像重建	深度学习算法	医学影像（PET/CT图像）	30例患者，150个插入合成病灶	NA	Precision Deep Learning (PDL)	真阳性率、恢复系数（SUVmean, SUVmax）、5点Likert量表评分	NA
29	2025-12-17	Deep Learning-Driven Innovations in Echocardiography: Taxonomy, Clinical Impact, Challenges, and Opportunities 2025-Dec-16, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03944-3 PMID:41400904	综述	本文全面分析了深度学习在超声心动图领域的应用，重点关注其临床影响、挑战和发展机遇	提供了深度学习在超声心动图中应用的系统分类，并强调了其在心血管疾病自动诊断和监测中的变革性影响，同时指出了未充分探索的挑战和潜在解决方案	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	分析深度学习如何重塑超声心动图领域，并探讨其临床影响、挑战和未来机会	超声心动图图像数据及相关深度学习研究	计算机视觉	心血管疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
30	2025-12-17	Deep learning predicts microsatellite instability status in colorectal carcinoma in an ethnically heterogeneous population in South Africa 2025-Dec-15, Journal of clinical pathology IF:2.5Q2 DOI:10.1136/jcp-2025-210053 PMID:40393786	研究论文	本研究评估了基于深度学习的模型在南非多民族结直肠癌患者队列中预测微卫星不稳定状态的性能	首次在非洲多民族人群中验证了基于Transformer的深度学习模型对结直肠癌错配修复缺陷的预测能力，并进行了区域特异性校准	样本量相对较小（197例），且假阴性病例主要位于左侧结肠，缺乏典型的dMMR/MSI-H组织学表型	评估深度学习模型在资源有限环境中作为结直肠癌错配修复缺陷预筛查工具的可行性和准确性	南非多民族结直肠癌患者的切除标本	数字病理学	结直肠癌	全玻片图像扫描	深度学习	图像	197例结直肠癌切除标本	未明确说明	Transformer	AUROC, 敏感性, 特异性, Youden's J指数	NA
31	2025-12-17	Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology 2025-Dec-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-4350 PMID:41166699	研究论文	本研究开发了Path2Omics深度学习框架，用于从肿瘤组织病理学图像中独立预测基因表达和甲基化数据	提出了首个能够从常规组织病理学切片中同时预测基因表达和甲基化数据的深度学习框架，并在30种癌症类型上验证了其有效性	研究主要基于TCGA数据集，外部验证数据集数量有限（7个），且大部分为FFPE切片，可能影响模型在FF切片上的泛化能力评估	开发一个深度学习框架，从常规组织病理学图像中预测分子特征，以降低精准肿瘤学中的分子检测成本和时间	30种癌症类型的肿瘤组织病理学图像及其对应的基因表达和甲基化数据	数字病理学	多种癌症	深度学习，组织病理学图像分析	深度学习框架	图像	基于30种癌症类型的TCGA数据集，并在7个外部数据集上进行评估	NA	NA	预测准确性，患者生存预测匹配度，治疗反应预测匹配度	NA
32	2025-12-17	SSIF-Affinity: Multimodal Deep Learning of Sequence-Structure Features for Precise Protein-Protein Binding Affinity Prediction 2025-Dec-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01734 PMID:41392472	研究论文	本文提出了一种名为SSIF-affinity的多模态深度学习框架，用于高精度预测蛋白质-蛋白质复合物的结合亲和力	创新性地结合了结合界面定位、几何约束区域构建、结构引导的跨模态注意力机制，以及全序列特征的卷积和长短期记忆网络融合，有效平衡界面相互作用和远程相互作用的贡献	NA	定量预测蛋白质-蛋白质相互作用的结合亲和力，以解析生物机制并推动治疗性抗体开发	蛋白质-蛋白质复合物，特别是抗体-抗原复合物	机器学习	NA	深度学习	CNN, LSTM, MLP	序列数据, 结构数据	NA	NA	卷积神经网络, 长短期记忆网络, 多层感知机	NA	NA
33	2025-12-17	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-15, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了AI在围手术期护理各阶段的应用，并系统性地指出了其在方法学、伦理和实践层面的挑战	作为一篇综述，未提出新的算法或模型，主要基于现有文献进行归纳分析	总结AI在麻醉学中的应用现状，分析其面临的挑战，并探讨未来安全有效应用的方向	人工智能技术在麻醉学领域的应用	机器学习	NA	机器学习，深度学习，大语言模型	NA	多模态数据（包括生理监测数据、影像数据、文本数据等）	NA	NA	NA	NA	NA
34	2025-12-17	Towards Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations 2025-Dec-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644692 PMID:41396745	研究论文	本研究提出了一种结合低层声学特征与语音基础模型表示的新型深度学习框架VOQANet及VOQANet+，用于客观、鲁棒地评估病理嗓音	首次将自监督语音基础模型嵌入与低层声学描述符（抖动、振幅微扰、谐噪比）相结合，并在句子级别语音上进行评估，增强了模型在真实场景和远程医疗应用中的鲁棒性	未明确说明模型在跨语言或不同病理类型间的泛化能力，也未详细讨论计算复杂度	开发一种客观、准确的病理嗓音质量评估方法，以减少传统主观评估方法中评估者间的变异性	病理嗓音（声音障碍）	自然语言处理	NA	语音信号处理，深度学习	深度学习框架（基于注意力机制）	语音数据（元音级别和句子级别）	NA	NA	VOQANet, VOQANet+	均方根误差, 皮尔逊相关系数	NA
35	2025-12-17	Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis 2025-Dec-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643602 PMID:41396749	研究论文	本文提出了一种用于资源受限边缘设备上癫痫诊断的内存高效内在门控适应框架（MEIGA）	提出MEIGA框架，通过轻量级适配器网络和直接反馈对齐（DFA）技术，在低内存和计算开销下有效适应患者特异性生物标志物的会话间变异性	未明确说明模型在不同癫痫亚型或更广泛临床环境中的泛化能力，以及长期部署的稳定性验证	增强资源受限边缘设备上癫痫诊断的实用性和适应性	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）	Vision Transformer, 适配器网络	时序信号（EEG）	CHB-MIT癫痫数据集和AES数据集（具体样本数未在摘要中提供）	未明确指定	Vision Transformer	准确率	边缘设备（资源受限环境）
36	2025-12-17	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Dec-15, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3634824 PMID:41396767	研究论文	本文介绍了一个名为SynAnno的交互式工具，旨在简化和增强大规模连接组学数据集中突触注释的校对工作	提出了一个集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式引导校对工具，以应对神经元复杂空间分支带来的挑战	用户研究仅涉及七位神经科学专家，样本规模较小，可能影响结果的普适性	开发一个工具来加速和优化连接组学中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习，机器学习	NA	图像	七位神经科学专家参与的用户案例研究	PyTorch	NA	校对速度，认知负荷，注释错误率	NA
37	2025-12-17	DriverMONI: Cancer Driver Gene Prediction with Multimodal Deep Learning Integrating Multiomics Data and Condition-specific Network Information 2025-Dec-15, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643887 PMID:41396756	研究论文	提出了一种名为DriverMONI的多模态深度学习方法，用于整合多组学数据和条件特异性网络信息以预测癌症驱动基因	利用条件特异性蛋白质相互作用子网络生成图注意力网络的输入图和节点属性，使模型具有条件特异性并提高预测准确性，同时通过多模态方法缓解蛋白质相互作用网络的不完整性问题	未明确说明模型在独立验证集上的泛化性能或对罕见癌症类型的适用性	开发一种更准确的癌症驱动基因预测方法	癌症驱动基因	机器学习	癌症	多组学数据整合	图注意力网络	多组学数据、生物网络	使用癌症基因组图谱数据，具体样本量未明确说明	NA	图注意力网络	预测准确性	NA
38	2025-12-17	DeepNhKcr: Explainable Deep Learning Framework for the Prediction of Crotonylation Sites of Non-histone Lysine in Plants Based on Pre-trained Protein Language Model 2025-Dec-15, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3643930 PMID:41396754	研究论文	本文提出了一种名为DeepNhKcr的可解释深度学习框架，用于预测植物非组蛋白赖氨酸的巴豆酰化位点	首次将预训练蛋白质语言模型（ESM2）与双向长短期记忆网络（BiLSTM）相结合，并引入焦点损失函数处理数据不平衡问题，同时融合传统蛋白质编码策略进行特征提取与整合	未明确说明模型在跨物种或其他类型蛋白质上的泛化能力，也未讨论计算资源需求对实际应用的影响	开发一种快速准确预测植物非组蛋白赖氨酸巴豆酰化位点的计算方法	植物非组蛋白中的赖氨酸巴豆酰化位点	生物信息学	NA	蛋白质语言模型，深度学习	BiLSTM	蛋白质序列数据	NA	PyTorch（基于ESM2推断）	ESM2, BiLSTM	准确率，五折交叉验证，独立测试性能	NA
39	2025-12-17	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-Dec-15, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块重建空间转录组学中的细胞相互作用网络	开发了细胞-基因注意力模块，将细胞的外部相互作用与内部基因调控统一在一个表示中，克服了现有方法简单拼接的局限	未明确说明模型在处理更大规模或更复杂组织时的计算效率限制	从空间转录组学数据中准确推断细胞间相互作用网络	空间转录组学数据中的细胞相互作用	计算生物学	乳腺癌	空间转录组学	图自编码器	空间转录组数据	基准数据集（seqFISH、MERFISH、STARMAP）及乳腺癌数据集	未明确指定	多视图图自编码器	平均精度	NA
40	2025-12-17	PiperNet: a hybrid deep learning approach for monitoring papaya seed adulteration in black pepper using hyperspectral imaging 2025-Dec-15, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment DOI:10.1080/19440049.2025.2598389 PMID:41397220	研究论文	本研究提出了一种结合高光谱成像与深度学习的混合框架，用于检测黑胡椒中掺杂的木瓜籽	提出了一种新颖的混合深度学习模型PiperNet，该模型将2D CNN、Squeeze-and-Excitation模块和双向门控循环单元层集成在一起，以联合捕获空间纹理、强调信息丰富的光谱通道并建模序列波长依赖性	未在更广泛或更复杂的掺杂物类型上进行测试，也未讨论模型在实时或大规模工业应用中的计算效率	开发一种非破坏性、自动化的香料认证方法，以支持食品质量保证、法规遵从和消费者保护	黑胡椒及其掺杂物（干燥木瓜籽）	计算机视觉	NA	高光谱成像	CNN, Bi-GRU	高光谱图像	600个样本，分为纯黑胡椒、纯木瓜籽和掺假混合物三类	NA	PiperNet（集成SE模块和Bi-GRU层的2D CNN）	分类准确率	NA