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
441	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
442	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
443	2025-12-12	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合大正则蒙特卡洛模拟和深度学习增强采样方法，探讨了Mg2+分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势大正则蒙特卡洛与机器学习反应坐标相结合，应用于metadynamics模拟，以研究Mg2+分布和电子极化性对RNA稳定性的复杂作用	研究主要基于模拟数据，实验验证有限；且仅针对twister核酶特定体系，结论的普适性有待进一步验证	探究Mg2+分布和电子极化性（通过Drude极化力场）对twister核酶折叠态稳定性的影响	twister核酶（一种RNA分子）及其与Mg2+离子的相互作用	计算生物学	NA	分子动力学模拟，大正则蒙特卡洛，metadynamics增强采样，机器学习方法	NA	模拟数据（分子构象、离子分布、相互作用能等）	NA	NA	NA	NA	NA
444	2025-12-12	Imputation of cancer proteomics data with a deep model that learns from many datasets 2024-Aug-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.26.609780 PMID:39253518	研究论文	本文提出了一种名为Lupine的深度学习方法，用于估算串联质谱标签（TMT）蛋白质组学数据中的缺失值，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的缺失值估算方法，能更准确地预测缺失值，并学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法以估算癌症蛋白质组学数据中的缺失值，提高数据分析和统计功效	来自临床蛋白质组学肿瘤图谱联盟（CPTAC）的超过1000个癌症患者样本的TMT蛋白质组学数据，涵盖十种癌症类型	机器学习	癌症	串联质谱标签（TMT）蛋白质组学	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本	Python	NA	NA	NA
445	2025-12-12	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	本文介绍了一种名为MRD-EDGE的机器学习引导平台，用于通过血浆全基因组测序增强循环肿瘤DNA的检测灵敏度，以监测肿瘤负荷	MRD-EDGE平台利用深度学习和ctDNA特异性特征空间，将单核苷酸变异的信噪比富集提高了约300倍，并将超灵敏拷贝数变异检测所需的非整倍性程度从1 Gb降低到200 Mb	NA	开发一种超灵敏的血浆基础肿瘤负荷监测方法，以改善最小残留疾病评估和治疗反应监测	循环肿瘤DNA片段，涉及多种癌症类型，包括肺癌、结直肠腺瘤和黑色素瘤	机器学习	肺癌	血浆全基因组测序	深度学习	基因组测序数据	NA	NA	NA	信噪比富集，检测灵敏度	NA
446	2025-12-12	Massively parallel CRISPR off-target detection enables rapid off-target prediction model building 2023-07-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.05.005 PMID:37279759	研究论文	本文介绍了一种名为AID-seq的新型CRISPR脱靶检测方法，并利用其构建了脱靶预测模型	开发了AID-seq这一高灵敏度、高特异性的体外脱靶检测方法，并首次采用混合人类和HPV基因组的策略进行高通量gRNA筛选	未明确说明AID-seq方法在体内环境下的有效性，且AUPRC值相对较低（0.29），表明模型在精确率-召回率平衡方面仍有改进空间	开发一种能够快速、高通量检测CRISPR脱靶效应并构建预测模型的方法	CRISPR核酸酶（包括Cas9和Cas12a）的脱靶效应，以及针对HPV的抗病毒治疗gRNA候选物	生物信息学	病毒感染（如HPV）	AID-seq（适配体介导的脱靶鉴定测序），CRISPR-Net深度学习	深度学习模型	测序数据	2,069个单导向RNA（sgRNAs），416个HPV gRNA候选物	NA	CRISPR-Net	AUROC, AUPRC	NA
447	2025-12-12	A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32608 PMID:37318465	研究论文	本文提出了一种结合特征提取和异常行为检测的视觉策略干预方法，用于自闭症谱系障碍儿童，旨在帮助他们克服社交障碍	提出了一种结合时空特征融合结构和基于顺序池的行为检测方法，通过注意力机制和聚类池有效描述复杂背景下长冗余视频中的人类行为动态	NA	探索自闭症谱系障碍儿童的有效干预方法	自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	深度学习算法	CNN	视频	SDUFall、Weizmann和HMDB51数据集	NA	MotionNet, OFF子网络	准确率	NA
448	2025-12-12	Effect evaluation of denosumab combined with curettage and bone cement reconstruction in the treatment of recurrent giant cell tumor of bone around the knee joint 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32621 PMID:37318478	研究论文	本研究评估了地诺单抗联合刮除术和骨水泥重建治疗膝关节周围复发性骨巨细胞瘤的效果，并构建深度学习模型用于X射线图像分类识别	结合地诺单抗治疗与深度学习模型（Inception-v3和Faster-RCNN）用于复发性骨巨细胞瘤的影像分类识别，并比较两种手术方式的预后	样本量较小（仅19例患者），且为单中心研究，可能影响结果的普遍性	探索膝关节周围复发性骨巨细胞瘤的合适手术方案，并评估深度学习模型在影像分类中的应用	19例膝关节周围复发性骨巨细胞瘤患者	数字病理学	骨巨细胞瘤	X射线成像	CNN	图像	19例患者	NA	Inception-v3, Faster-RCNN, CNN, U-Net, Fast-RCNN	MSTS评分, SF-36评分, 复发率, 并发症发生率	NA
449	2025-12-11	Immunofixation electrophoresis image interpretation using transfer learning method 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120726 PMID:41270881	研究论文	本研究利用迁移学习方法开发深度学习模型，以快速准确解读免疫固定电泳图像，减少诊断评估中的主观性	首次将迁移学习与YOLOv11架构应用于免疫固定电泳图像分类，提出两阶段与单步多类两种分类策略	模型在少数类别（如IgM-λ、轻链-κ）及视觉相似类别上表现较低，数据集需扩展以涵盖罕见模式	开发深度学习模型以自动化解读免疫固定电泳图像，提高诊断效率与一致性	免疫固定电泳图像	计算机视觉	浆细胞疾病	免疫固定电泳	CNN	图像	5226张免疫固定电泳图像	NA	YOLOv11	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
450	2025-12-11	Attention-based deep learning for immunoglobulin typing from electrophoresis and laboratory data 2026-Jan-30, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2025.120735 PMID:41297746	研究论文	本文提出了一种基于注意力机制的多模态深度学习模型，用于从血清蛋白电泳图像和实验室数据中自动进行免疫球蛋白分型	首次开发了结合Sebia毛细管电泳系统图像和临床实验室参数的多模态深度学习模型，并引入注意力机制增强模型可解释性	模型在外部验证中表现良好，但可能仍需在更广泛的人群和临床环境中进一步验证	开发自动化工具以减少血清蛋白电泳免疫分型结果解读的劳动强度和观察者间差异	来自Sebia毛细管免疫分型系统的电泳图像及相关的临床实验室参数	数字病理学	NA	毛细管电泳	深度学习	图像, 实验室数据	内部验证集未明确样本数，外部验证使用200例独立队列病例	NA	基于注意力机制的深度学习框架	准确率, Cohen's Kappa, F1分数, 召回率	NA
451	2025-12-11	From wastewater to epidemiological insights: A systematic review of modeling strategies for infectious disease surveillance 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124977 PMID:41260128	综述	本文系统综述了利用废水监测数据进行传染病指标估计与预测的现有建模策略	首次对基于废水监测的传染病建模方法进行了全面分类与评估，并强调了模型可迁移性等关键方法论考量	模型本身存在局限性，废水数据具有固有缺陷，且分析流程中临床结果选择、变量可用性、时间对齐、数据预处理及结果可解释性等方面存在挑战	为利用废水数据进行流行病学监测开发稳健且可推广的系统提供参考框架	废水监测数据及其在传染病指标估计与预测中的应用	机器学习	传染病	废水监测	隔室模型, 回归模型, 机器学习, 深度学习	废水数据	NA	NA	NA	NA	NA
452	2025-12-11	Use of Artificial Intelligence in Recognition of Fetal Open Neural Tube Defect on Prenatal Ultrasound 2026-Jan, American journal of perinatology IF:1.5Q2 DOI:10.1055/a-2589-3554 PMID:40239713	研究论文	本研究旨在通过深度学习模型比较正常胎儿与开放性神经管缺陷胎儿的轴向颅脑超声图像，并评估其在识别开放性神经管缺陷方面的预测准确性	首次应用深度学习卷积神经网络迁移学习模型（如EfficientNet B0、VGG16和Inception V3）于胎儿超声图像，以自动化识别开放性神经管缺陷，特别是在低中收入国家临床应用中显示出潜力	研究样本量相对较小（59例病例和116例对照），且仅基于轴向经丘脑超声图像，可能未涵盖所有胎儿神经管缺陷的超声表现变异	开发并评估深度学习模型在产前超声中识别胎儿开放性神经管缺陷的准确性和临床适用性	妊娠14至28周的胎儿，包括开放性神经管缺陷病例和正常对照组	计算机视觉	神经管缺陷	产前超声成像	CNN	图像	59例开放性神经管缺陷胎儿和116例正常胎儿	TensorFlow, Keras	EfficientNet B0, VGG16, Inception V3	Cohen kappa分数, 准确率, AUROC, F1分数, 敏感性, 特异性	NA
453	2025-12-11	Predicting Significant Stenosis of Arteriovenous Access Through Wavelet Transform and Machine Learning on Sounds Recorded with an Electronic Stethoscope 2026-Jan, Annals of vascular surgery IF:1.4Q3 DOI:10.1016/j.avsg.2025.05.055 PMID:40553842	研究论文	本研究利用电子听诊器记录的声音信号，通过小波变换和卷积神经网络模型，预测动静脉通路显著狭窄	首次结合小波变换和深度学习技术，对动静脉通路狭窄进行自动识别，提高了诊断的客观性和准确性	样本量较小（30名患者），且仅针对严重狭窄（>50%）进行预测，对轻度狭窄的预测能力尚需进一步研究	开发一种基于声音信号的非侵入性方法，用于自动预测动静脉通路显著狭窄	终末期肾病患者动静脉通路的声音信号	机器学习	心血管疾病	小波变换	CNN	音频	30名终末期肾病患者，共40个音频测试数据样本	NA	卷积神经网络	灵敏度, 特异度, 准确率	NA
454	2025-12-11	Assessing the applicability of the soil and water assessment tool-deep learning hybrid model for predicting total nitrogen loads in a mixed agricultural watershed 2026-Jan, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104737 PMID:41037965	研究论文	本研究提出了一种SWAT-深度学习混合模型，用于预测混合农业流域的总氮负荷	开发了SWAT-LSTM和SWAT-GRU混合模型，利用未经校准的SWAT输出和降水数据，有效预测总氮负荷，避免了传统校准过程，显著提高了计算效率	研究未明确说明模型在其他类型流域或不同气候条件下的泛化能力，且可能依赖于特定流域的数据特征	评估深度学习模型在未经校准的SWAT输出基础上，能否有效预测上游子流域的总氮负荷，以替代资源密集的校准过程	混合农业流域的总氮负荷	机器学习	NA	深度学习	LSTM, GRU	模拟数据, 降水数据	NA	NA	LSTM, GRU	NA	NA
455	2025-12-11	Deep learning in acupuncture: A systematic review 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103300 PMID:41232152	系统综述	本文系统综述了深度学习在针灸实践中的应用，总结了现有文献中的证据	首次对深度学习在针灸领域的应用进行系统性总结，涵盖了多个任务类型并识别了主要挑战	纳入研究存在数据规模小和模型不准确等局限性，且缺乏专门的人工智能研究质量评估工具	全面总结深度学习技术在针灸实践中的应用证据	针灸实践中的深度学习应用研究	机器学习	NA	深度学习	CNN, RNN, LSTM, BERT, FNN, YOLO	图像, 文本, 视频	27项研究，基于公共数据库或自收集数据集构建的自建数据集	NA	CNN, RNN, LSTM, BERT, FNN, YOLO变体	偏移误差阈值, 归一化平均误差, 平均精度均值, 每秒帧数, 关键点正确百分比, 交并比	NA
456	2025-12-11	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一个名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并从中识别出TP-41作为阿尔茨海默病治疗的潜在候选药物	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究基于小鼠模型，尚未在人体中进行验证	开发深度学习模型以识别潜在的甲基乙二醛清除剂，用于阿尔茨海默病治疗	阿尔茨海默病相关的甲基乙二醛清除剂化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化合物活性数据	660种化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	NA	NA
457	2025-12-11	SingleStrip: learning skull-stripping from a single labeled example 2026, Data engineering in medical imaging : third MICCAI Workshop, DEMI 2025, held in conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings. DEMI (Workshop) (3rd : 2025 : Taejon-si, Korea) DOI:10.1007/978-3-032-08009-7_5 PMID:41357816	研究论文	本研究提出了一种结合领域随机化和自训练的3D头骨剥离网络训练方法，仅需单个标注样本即可实现有效分割	首次将领域随机化与基于自编码器重建误差的质量控制相结合，实现了仅需单个标注样本的3D头骨剥离网络训练	方法在极少数标注样本下验证，未在大规模多样本场景中测试，且自编码器训练依赖单个标注样本的质量	解决脑磁共振图像头骨剥离任务中标注数据稀缺的问题	脑磁共振成像（MRI）体积图像	医学图像分割	NA	磁共振成像（MRI）	卷积自编码器（AE），3D分割网络	3D体积图像	单个标注样本（扩展至未标注数据）	NA	卷积自编码器	分割准确性	NA
458	2025-12-11	Predictive modelling and optimization of electrocoagulation for nitrate removal using deep learning: Toward intelligent and sustainable water treatment 2026-Jan, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104751 PMID:41086718	研究论文	本研究应用深度学习方法来优化电凝工艺，以去除合成废水中的硝酸盐，并评估其可持续性	开发了一种结合CNN和LSTM的混合模型，以同时利用空间特征提取和时间序列学习能力来建模复杂的电凝过程，并提出了一个优化系统设计以最大化去除效率、最小化能耗	研究基于合成废水进行，可能无法完全代表真实废水的复杂性；CNN-LSTM模型在交叉验证中表现略低于XGBoost，且统计检验显示差异处于临界非显著水平	优化电凝工艺以去除废水中的硝酸盐，并开发智能、可持续的水处理技术	合成废水中的硝酸盐	机器学习	NA	电凝	CNN, LSTM, XGBoost	实验参数数据（pH、浓度、电导率、电压、电流、反应时间）	NA	NA	CNN-LSTM混合架构	MSE, RMSE, MAE, MAPE, R, 调整R	NA
459	2025-12-11	Incorporating and quantifying deformable image registration uncertainties in dose accumulation: a feasibility study on the benefit of online adaptive therapy 2025-Dec-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2180 PMID:41259889	研究论文	本研究提出了一种概率框架，将可变形图像配准的不确定性纳入剂量累积中，并通过剂量-体积直方图带将其转化为临床相关指标，以探索在线自适应质子治疗的潜在益处	开发了一种概率框架，首次将DIR不确定性显式整合到剂量累积中，并生成可解释的DVH带以可视化不确定性	研究仅基于五名头颈癌患者的小样本队列，结果可能缺乏普适性	评估和量化可变形图像配准不确定性在剂量累积中的影响，以改进自适应质子治疗的工作流程	头颈癌患者的每日锥形束计算机断层扫描图像和剂量分布	医学影像分析	头颈癌	可变形图像配准, 深度学习, 锥形束计算机断层扫描	深度学习模型	医学影像	5名头颈癌患者，共157次每日锥形束计算机断层扫描	NA	NA	剂量-体积直方图带, D98%改善	NA
460	2025-12-11	Deep Learning-Driven Discovery of Bee-Safe Isoxazoline Pesticide Candidates 2025-Dec-10, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c12299 PMID:41324313	研究论文	本文开发了一种创新的深度学习模型，用于发现对蜜蜂安全的异恶唑啉类农药候选物	提出了一种结合图神经网络和残差网络的新架构，并利用新训练集增强，克服了现有预测平台对异恶唑啉类农药毒性评估的局限性	未明确提及具体的数据缺口或模型泛化能力的限制	开发一种准确评估异恶唑啉类农药对蜜蜂毒性的预测工具，以发现更安全的农药替代品	异恶唑啉类农药（如氟噻虫胺）及其对蜜蜂的毒性	机器学习	NA	深度学习	GNN, ResNet	化学结构数据	NA	NA	GGHT, ResNet	NA	NA