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
4501	2025-12-23	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文系统回顾并荟萃分析了基于深度学习的网络在利用计算机断层扫描图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在预测脑出血血肿扩张方面的诊断准确性进行系统综述和荟萃分析，并比较了纯深度学习模型与组合模型的性能	纳入研究存在异质性，可能受到分割技术和研究质量差异的影响	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
4502	2025-12-23	ATHENA: A deep learning-based AI for functional prediction of genomic mutations and synergistic vulnerabilities in prostate cancer 2025-Nov-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690813 PMID:41357974	研究论文	本文介绍了一种名为ATHENA的深度学习AI框架，用于预测前列腺癌中基因组突变的功能影响并揭示其协同脆弱性	开发了基于注意力的深度学习框架，能够建模突变间的非线性依赖关系，区分驱动突变与乘客突变，并通过SHAP分析提供可解释性	未明确说明模型在独立验证集上的泛化性能，也未详细讨论数据偏差可能对预测结果产生的影响	预测基因组突变的功能影响，识别驱动前列腺癌进展和治疗抵抗的关键突变及其协同作用	前列腺癌患者的多组学数据（RNA/DNA测序数据）和疾病进展模型	数字病理学	前列腺癌	RNA/DNA测序，碱基编辑实验	深度学习	基因组测序数据，临床数据	大型多队列数据集（具体数量未明确说明）	未明确说明	基于注意力的神经网络	临床结果分层能力，功能预测准确性（具体指标未明确说明）	未明确说明
4503	2025-12-23	Visionary AI: Decoding Systemic Vascular Health and Hypertensive Disorders in Pregnancy Through Retinal Imaging and Artificial Intelligence 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.25.25340974 PMID:41358297	研究论文	本研究开发了一个名为Visionary AI的人工智能平台，通过整合超广角视网膜成像和基于生物学的血管建模，早期预测妊娠期高血压疾病	与依赖通用深度学习模型和临床输入的先前方法不同，Visionary AI构建了可解释的、基于图的母体视网膜血管表示，并应用拓扑和几何分析来识别特定疾病的微血管特征	NA	早期预测妊娠期高血压疾病，理解妊娠如何系统性重塑血管生理学以及这种重塑可能出错的方式	妊娠期女性，特别是患有高血压疾病的孕妇	计算机视觉	妊娠期高血压疾病	超广角视网膜成像	深度学习	图像	1,267例妊娠（前瞻性多民族美国队列）	NA	基于图的表示	AUC	NA
4504	2025-12-23	Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics 2025-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.23.25340814 PMID:41358286	研究论文	本文提出了一种利用先验知识增强图神经网络以从蛋白质组学数据中预测表型的深度学习框架	创新性地设计了一种结合基因本体库构建二分图结构的图神经网络模型，通过整合生物学先验知识来提升表型预测性能	模型性能在训练数据有限的情况下可能受限，且依赖于蛋白质集合库的构建质量	开发一种能够从高通量蛋白质组学数据中准确预测疾病相关表型的机器学习方法	英国生物银行中的血浆蛋白质组学数据及个体表型数据	机器学习	NA	高通量蛋白质组学	图神经网络	蛋白质表达数据	NA	NA	图神经网络	NA	NA
4505	2025-12-23	Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data 2025-Nov-24, Research square DOI:10.21203/rs.3.rs-7687810/v1 PMID:41356360	研究论文	本研究提出RoentGen-v2，一种用于胸部X光片的文本到图像扩散模型，通过精细控制放射学发现和患者人口统计学属性生成合成数据，以提升下游疾病分类模型的性能、鲁棒性和公平性	首次开发了能够显式控制人口统计学属性（如性别、年龄、种族/民族）的临床可信胸部X光片生成模型，并提出了利用合成数据进行监督预训练再在真实数据上微调的改进训练策略	未明确提及模型在更广泛疾病类型或不同成像模态上的泛化能力，以及合成数据与真实数据之间可能存在的分布差异对长期部署的影响	开发临床可部署的深度学习模型，通过合成数据提升诊断成像模型的性能、鲁棒性和公平性	胸部X光片图像	计算机视觉	未指定具体疾病，但涉及胸部疾病分类	文本到图像扩散模型	扩散模型	图像	合成数据集包含超过565,000张图像，并在来自五个机构的超过137,000张保留胸部X光片上进行评估	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	RoentGen-v2（基于扩散模型的架构）	准确率，公平性差距（如误诊公平性差距）	未明确指定，但可能使用GPU（如NVIDIA系列）进行模型训练和生成
4506	2025-12-23	Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8000504/v1 PMID:41333422	研究论文	本研究利用术前认知状态（通过画钟测试评估）结合术中变量、人口统计学、身体状况和合并症，预测住院时间、费用、随访疼痛和一年死亡率等医院结局	首次将术前认知状态（通过半监督深度学习算法提取的画钟测试特征）整合到围手术期人工智能模型中，用于预测多种手术结局，并发现认知特征在预测中的重要性	仅分析了6个手术组，数据可用性有限；画钟测试特征可能无法全面代表认知状态；模型未在外部数据集上验证	预测围手术期医院结局，包括住院时间、费用、疼痛和死亡率	接受手术的患者，特别是其术前认知状态、术中变量和人口统计学特征	机器学习	围手术期并发症	画钟测试，半监督深度学习算法	机器学习模型	结构化临床数据（包括认知测试特征、术中变量、人口统计学信息）	6个手术组中可用的足够数据样本	NA	NA	NA	NA
4507	2025-12-23	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	本研究开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割	首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂的真实世界数据中实现了优于传统启发式方法的高精度分割性能	研究样本量相对有限（33名患者），未在更广泛的患者群体或不同型号呼吸机上进行外部验证	开发高精度的机械通气波形分割方法以检测患者-呼吸机异步性	机械通气波形数据	数字病理学	呼吸系统疾病	机械通气波形分析	U-Net	时间序列数据	33名患者的9,719次呼吸波形	NA	一维注意力门控U-Net	F1分数	NA
4508	2025-12-23	CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689109 PMID:41332555	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞的复杂尖峰信号	提出了一种结合U-Net架构与混合自注意力inception块的序列到序列预测方法，能够整合局部场电位和动作电位信号，实现复杂尖峰的自动化、高精度检测	方法主要在小脑神经像素记录数据上验证，在其他神经系统的泛化能力需进一步测试	开发一种自动化、鲁棒的复杂尖峰排序方法，以改善小脑及其他神经系统中爆发式或动态复杂尖峰模式的分析	小脑浦肯野细胞的复杂尖峰信号	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于恒河猴的小脑神经像素记录数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
4509	2025-12-23	CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689110 PMID:41332582	研究论文	本文提出了一种名为CIRPIN的循环置换不变图神经网络，用于检测因拓扑重排（特别是循环置换）而相关的蛋白质同源物	提出了一种新颖的数据增强策略，使用合成循环置换（synCPs）来训练模型，使其学习对循环置换不变的蛋白质表示	未明确说明模型在非循环置换相关蛋白质检测上的性能比较或潜在误检情况	开发一种能够识别因循环置换而相关的蛋白质同源物的深度学习工具	蛋白质结构	机器学习	NA	图神经网络，结构比对	GNN	蛋白质结构数据	来自SCOPe和AlphaFold Cluster Representatives数据库的蛋白质	NA	循环置换不变图神经网络	NA	NA
4510	2025-12-23	Inferring binding specificities of human transcription factors with the wisdom of crowds 2025-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.16.688692 PMID:41332515	研究论文	本文报告了IBIS社区挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现	通过大规模开放社区挑战赛，系统比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能，并建立了丰富的基准数据集和评估框架	研究主要针对人类转录因子，可能无法直接推广到其他物种；且挑战赛数据可能未覆盖所有转录因子类型	评估和比较不同计算方法在推断转录因子结合特异性方面的性能，以找到最佳的DNA基序表示方法	人类转录因子的结合特异性模型	生物信息学	NA	多实验数据整合分析	深度学习模型, 位置权重矩阵, 其他机器学习方法	DNA序列数据	NA	NA	NA	NA	NA
4511	2025-12-23	A Novel Improvement of Feature Selection for Dynamic Hand Gesture Identification Based on Double Machine Learning 2025-02-13, Sensors (Basel, Switzerland) DOI:10.3390/s25041126 PMID:40006355	研究论文	本文提出了一种基于双重机器学习的新方法，用于动态手势识别中的特征选择，以提高模型性能和可解释性	引入因果机器学习概念，通过双重机器学习方法选择与手势结果具有因果关系的变量，而非仅依赖相关性	未明确说明方法在更广泛数据集或实际应用场景中的泛化能力	探索因果机器学习在特征选择中的应用，以提升手势识别模型的效率和可靠性	动态手势识别问题中的变量选择	机器学习	NA	双重机器学习	NA	NA	NA	NA	NA	NA	NA
4512	2025-12-23	Training Generalized Segmentation Networks with Real and Synthetic Cryo-ET data 2025-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.31.635598 PMID:39975172	研究论文	本文开发了CryoTomoSim软件，通过结合真实和合成数据训练通用分割网络，用于冷冻电子断层扫描图像中的细胞特征分割	开发了开源的CryoTomoSim软件包，通过模拟分子拥挤和多样性的合成数据集训练分割网络，并采用协同训练方法构建了跨生命领域的通用分割网络NeuralSeg	仅基于合成数据训练的网络的准确性有限，需要真实细胞数据进行最准确和可泛化的训练	解决冷冻电子断层扫描图像分割中真实训练数据不足的问题，并构建通用分割网络	冷冻电子断层扫描图像中的大分子复合物和细胞特征，特别是神经元生长锥的细胞骨架分布	计算机视觉	NA	冷冻电子断层扫描	U-Net	图像	超过100张来自神经元生长锥的断层扫描图	NA	U-Net	NA	NA
4513	2025-12-23	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	本文提出了一种结合马尔可夫随机场和Alex Net模型的多模态远程感知学习方法，用于自主设备上多目标对象的识别与分割	创新性地将马尔可夫随机场用于精确标注和空间上下文建模，与Alex Net模型结合进行场景识别，以应对远程感知图像中对象像素密度不均、分布不匀、视角光照变化及数量波动等挑战	未明确讨论模型在极端光照或视角条件下的鲁棒性，也未涉及计算效率或实时处理能力的详细分析	提高远程感知图像中多目标对象的识别准确性和泛化能力	远程感知图像中的多种对象，包括军事和民用领域中的各类目标	计算机视觉	NA	远程感知技术	CNN	图像	基于UC Merced Land Use和AID等基准数据集	NA	Alex Net	准确率, 精确率, 召回率, 错误率, F1分数	NA
4514	2025-12-23	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文是关于人工智能在巴西初级卫生保健中应用的范围综述	系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战，为政策制定提供了证据	研究为范围综述，未进行定量荟萃分析；仅基于截至2025年2月的文献，可能未涵盖最新进展	提供人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	机器学习	NA	NA	机器学习, 深度学习	NA	从981篇文献中筛选出27项研究	NA	NA	NA	NA
4515	2025-12-23	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	本研究通过光子计数CT和深度学习图像分割，探讨了运动对高脂饮食诱导的心脏功能障碍的缓解作用，并分析了APOE基因型和免疫状态的影响	结合光子计数CT成像、深度学习自动分割和人类化APOE靶向替换小鼠模型，首次系统评估了运动、饮食与APOE基因型及免疫状态的交互作用对心脏功能的影响	研究仅使用小鼠模型，结果外推到人类需谨慎；样本量虽较大，但未涵盖所有年龄阶段或更复杂的遗传背景	探究运动在高脂饮食环境下对心脏功能的保护作用，并阐明APOE基因型和免疫依赖机制在其中扮演的角色	人类化APOE靶向替换小鼠（APOE2、APOE3、APOE4基因型），包括雄性和雌性，具有不同的人类化NOS2介导的先天免疫反应状态	数字病理学	心血管疾病	光子计数计算机断层扫描（PCCT）、脂质体碘纳米颗粒对比增强成像	CNN	图像	251只中老年雄性和雌性小鼠	NA	3D U-Net	NA	NA
4516	2025-12-23	Label-free deep learning-based species classification of bacteria imaged by phase-contrast microscopy 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011181 PMID:37956197	研究论文	本文提出了一种基于无标记深度学习的细菌物种分类方法，利用相差延时显微镜对四种与人类健康相关的细菌进行活体分类，无需固定或染色	结合相差延时显微镜与深度学习，实现对活体细菌的无标记物种分类，并支持并行抗生素敏感性测试	研究仅涵盖四种细菌物种，未来需扩展至更多物种和临床相关分离株以验证临床适用性	开发一种无标记、基于深度学习的细菌物种分类技术，以改善病原体检测和公共健康保障	四种与人类健康相关的细菌物种	计算机视觉	NA	相差延时显微镜	CNN, Vision Transformer	图像	未明确指定样本数量，涉及四种细菌物种	NA	NA	类平均准确率	NA
4517	2025-12-23	AimSeg: A machine-learning-aided tool for axon, inner tongue and myelin segmentation 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010845 PMID:37976310	研究论文	本文介绍了AimSeg，一种用于轴突、内舌和髓鞘分割的生物图像分析工具，旨在自动化或辅助分析电子显微镜图像中的髓鞘结构	开发了首个能够同时分割轴突、内舌和髓鞘的机器学习辅助工具，并特别关注了传统分析中常被忽略的非致密髓鞘（内舌）的量化	工具性能依赖于在特定再髓鞘化组织上训练的机器学习分类器，可能在其他条件或组织类型上的泛化能力有限	开发一个自动化或用户辅助的工具，以高效、准确地从电子显微镜图像中分割和量化轴突、内舌及髓鞘结构，支持髓鞘形成、退化和再生的研究	中枢和周围神经系统的轴突及其包裹的髓鞘，特别是髓鞘的内舌（非致密部分）	数字病理学	NA	透射电子显微镜（TEM）成像	机器学习分类器	电子显微镜图像	NA	ilastik, Fiji	NA	NA	NA
4518	2025-12-23	Deep learning for the prediction of clinical outcomes in internet-delivered CBT for depression and anxiety 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0272685 PMID:38011176	研究论文	本研究开发了一个深度学习框架，利用大规模、高维度的客户报告心理健康症状和平台交互时间序列数据，预测互联网认知行为疗法（iCBT）的临床结果	提出了一个基于深度循环神经网络（RNN）的动态预测模型，能够仅使用过去的临床测量数据，在三个或更多评估周期后以超过87%的准确率和0.89的AUROC预测可靠改善，优于所有基准模型	未明确说明模型在处理数据缺失或噪声方面的具体限制，也未提及模型在长期随访或不同人口统计学群体中的泛化能力	开发一个先进的深度学习框架，用于预测互联网认知行为疗法（iCBT）中抑郁和焦虑的临床结果，以支持及时决策和治疗调整	来自SilverCloud Health数字平台的45,876名匿名客户，这些客户接受抑郁和焦虑的心理治疗	自然语言处理	抑郁和焦虑	互联网认知行为疗法（iCBT）	RNN	时间序列数据	45,876名客户	NA	循环神经网络	准确率, 敏感性, 特异性, AUROC	NA
4519	2025-12-23	A deep learning method for drug-target affinity prediction based on sequence interaction information mining 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16625 PMID:38099302	研究论文	本文提出了一种基于序列交互信息挖掘的深度学习方法来预测药物-靶点亲和力	提出了一种名为KC-DTA的新方法，通过k-mers分析和笛卡尔积计算捕获靶点序列中的相互作用和进化信息，并将分子表示为图结构，结合CNN和GNN提取特征进行亲和力预测	未明确提及具体限制，可能包括对特定数据集或计算资源的依赖	预测药物-靶点亲和力，以加速计算机辅助药物发现过程	药物分子和靶点蛋白质序列	机器学习	NA	深度学习，k-mers分析，笛卡尔积计算	CNN, GNN	序列数据，图数据	NA	NA	NA	多种评估指标（具体未列明）	NA
4520	2025-12-22	Identification of essential tremor and dystonic tremor using Graph Convolutional Networks with multiple connectivity patterns 2026-Jan, Parkinsonism & related disorders IF:3.1Q2 DOI:10.1016/j.parkreldis.2025.108104 PMID:41218287	研究论文	本研究利用多连接模式的图卷积网络（MCGCN）分析静息态功能磁共振成像数据，以识别原发性震颤和肌张力障碍性震颤的关键脑区	结合图卷积网络与多种连接模式，首次用于区分原发性震颤和肌张力障碍性震颤，并识别其神经病理机制中的关键脑区	样本量相对较小（共158名参与者），且仅基于静息态功能磁共振成像数据，可能未涵盖所有相关神经特征	探索原发性震颤和肌张力障碍性震颤的神经病理机制，并开发基于脑连接模式的分类方法	原发性震颤患者、肌张力障碍性震颤患者和健康对照者	机器学习	神经系统疾病	静息态功能磁共振成像	图卷积网络	功能连接矩阵	55名原发性震颤患者、51名肌张力障碍性震颤患者和52名健康对照者，共158名参与者	NA	图卷积网络	准确率	NA