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
481	2026-08-12	A Call for a Collaborative Framework for Automation in Adaptive Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261449016 PMID:42068249	评论	本文呼吁在自适应放疗自动化领域建立协作框架，以推动开放创新和临床普及	提出通过结构化透明和共享责任，将自动化从封闭架构转变为集体学习生态系统，并强调学术界与厂商系统间的安全协作	未提供具体实施方案或实验验证，主要基于历史经验和呼吁	推动自适应放疗自动化的协作发展，提高可扩展性和临床可及性	自适应放疗自动化系统及协作框架	机器学习	NA	NA	NA	文本	NA	NA	NA	NA	NA
482	2026-08-12	Piscis: A loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-11-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101448 PMID:41265398	研究论文	本文介绍了一种名为Piscis的深度学习算法，通过平滑F1损失函数实现荧光显微镜图像中RNA FISH斑点的自动检测，无需手动调参。	提出SmoothF1损失函数，直接逼近F1分数以惩罚假阳性和假阴性，同时保持可微性，适用于深度学习训练，实现了完全自动化的斑点检测。	摘要中未明确提及局限性，可能包括对复杂图像或特定实验条件的适应性有限。	开发一种准确、全自动的深度学习算法，用于RNA FISH图像中的斑点检测，以提高空间转录组学数据分析的效率。	包括358张人工注释的实验RNA FISH图像（代表多种细胞类型）和240张合成的图像。	计算机视觉	NA	RNA FISH（单分子RNA荧光原位杂交）	深度学习模型（未指定具体类型）	图像	598张图像（358张实验图和240张合成图）	NA	NA	F1分数	NA
483	2026-08-12	Toggle-Untoggle - a cell segmentation tool with an interactive user verification interface 2025-11-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264154 PMID:41065013	研究论文	开发了Toggle-Untoggle，一款带有交互式用户验证界面的细胞分割桌面工具，用于荧光显微镜图像的准确分割和质量控制。	提供无需编程的交互式验证界面，集成最新Cellpose 'cyto3'模型，支持自定义模型及灵活的细胞掩膜编辑功能。	依赖预训练模型的性能，且交互式验证可能耗时，但未详细说明性能评估或计算资源需求。	使湿实验室研究人员无需编程技能即可进行准确的单细胞分析。	荧光显微镜图像中的细胞。	数字病理学	NA	荧光显微镜成像	深度学习分割模型	图像	未明确说明样本数量，但使用了真实的荧光显微镜数据	NA	Cellpose	未明确指定，但提及准确性和效率	NA
484	2026-08-12	Smartphone-based biosensing: a review of optical imaging, microfluidic integration, and AI-enhanced analysis 2025-11-03, Mikrochimica acta DOI:10.1007/s00604-025-07523-0 PMID:41184410	综述	本文综述了智能手机集成生物传感技术，重点聚焦自2020年以来的研究，涵盖光学成像、微流控集成和AI增强分析，并讨论了其在即时检测中的应用与挑战	该综述全面总结了智能手机生物传感的最新进展，特别强调了AI和深度学习在图像增强、模态转换和自动定量分析中的融合应用	该领域仍面临硬件变异性、标准化和临床验证等挑战	系统梳理智能手机集成生物传感技术，并展望未来发展方向，以推动便携式、低成本的即时检测应用	智能手机生物传感平台及其检测目标，包括核酸、蛋白质、细胞和病原体等生物和化学靶标	数字病理学	眼部疾病、代谢疾病、泌尿系统疾病、多种癌症、传染病	光学成像（明场、荧光、暗场）、电化学、微流控技术	深度学习模型	图像	NA	NA	NA	NA	NA
485	2026-08-12	Biologically informed neural network models are robust to spurious interactions via self-pruning 2025-Oct-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.24.684155 PMID:41278889	研究论文	本研究展示了一种改进的整体方法，通过自剪枝度量评估生物学信息神经网络模型对随机引入的虚假相互作用的鲁棒性，并重新实现了LEMBAS框架以实现GPU加速。	提出了一种可扩展且通用的自剪枝度量方法，不依赖人工筛选，并首次评估了BINNs对先验知识网络中虚假相互作用的鲁棒性，同时实现了LEMBAS框架的GPU加速，速度提升超过7倍。	本文未在更多样化的网络配置或真实生物系统中验证自剪枝度量的泛化性，且L2正则化参数的选择可能影响结果。	评估生物学信息神经网络在训练过程中对虚假相互作用的自我剪枝能力，以验证其鲁棒性和对真实系统建模的潜力。	生物学信息神经网络（BINNs）和LEMBAS框架，以及三个不同的细胞信号网络数据集。	机器学习	NA	NA	循环神经网络（RNN）	细胞内信号动态数据	3个不同的数据集	PyTorch	LEMBAS（基于RNN的架构）	预测准确率、自剪枝程度	GPU加速（具体GPU型号未提及）
486	2026-08-12	Comparative investigation into flexible alginate-based hydrogel sponges with excellent biocompatibility and breathability for reliable strain and pressure sensors 2025-10-21, Mikrochimica acta DOI:10.1007/s00604-025-07620-0 PMID:41117919	研究论文	本研究通过一锅法和定向冷冻工艺制备了多种海藻酸钠基水凝胶海绵，并比较了它们的性能，其中SA/SF水凝胶海绵表现出均匀的孔结构和优异的机械性能，用于应变和压力传感器，结合深度学习实现高精度信息编码。	通过定向冷冻工艺制备具有取向和均匀孔结构的SA基水凝胶海绵，实现应变和压力传感器的同步透气性、生物相容性和高灵敏度，并提出通过正负电阻信号区分应变和压力刺激，结合深度学习和莫尔斯电码实现高效信息编码。	摘要中未提及研究的局限性。	开发具有良好透气性、生物相容性和高应变/压力灵敏度的柔性传感器，用于可穿戴电子和人机交互领域。	多种海藻酸钠基水凝胶海绵，包括SA/SF、其他SA基复合材料等，用于应变和压力传感。	机器学习, 材料科学	NA	定向冷冻工艺	深度学习模型（具体类型未指定）	传感器信号（电阻响应）	未明确样本数量，涉及多种水凝胶海绵材料和传感器测试，包括3750多次循环稳定性测试。	NA	NA	应变系数（GF）、压力灵敏度、循环稳定性（循环次数）、准确性	NA
487	2026-08-12	Identifying an optimal perturbation to induce a desired cell state by generative deep learning 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101405 PMID:40997798	研究论文	本文介绍了一种名为PAIRING的生成式深度学习方法，用于识别能够诱导目标细胞状态的扰动。	该方法通过将细胞状态分解为基态和扰动效应，并在潜在空间中比较扰动效应与目标状态转变向量，实现了对最优扰动的识别。	未在摘要中明确说明局限性。	开发一种生成式深度学习模型，以识别能够诱导细胞向期望状态转变的扰动，助力治疗开发。	转录组数据集中的细胞状态，特别是结直肠癌细胞。	机器学习	结直肠癌	转录组测序	生成式深度学习模型	转录组数据	未在摘要中明确说明样本数量。	未在摘要中明确说明。	未在摘要中明确说明具体架构。	未在摘要中明确说明性能指标。	未在摘要中明确说明计算资源。
488	2026-08-12	Leveraging attention-based deep multiple instance and multiple task learning for improved neoepitope identification 2025-10-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101404 PMID:41056952	研究论文	提出一种结合注意力机制的多示例学习与多任务学习的深度学习模型NeoMHCI，用于提高MHC I类新表位的识别准确性。	首次将注意力机制的多示例学习与多任务学习相结合用于新表位识别，通过多示例学习生成高质量肽嵌入并利用微调增强免疫原性优先排序。	摘要未提及明显局限性。	提高MHC I类新表位的预测准确性，以辅助个性化癌症免疫治疗。	MHC I类多等位基因配体呈递预测和肿瘤新表位识别。	机器学习	癌症（用于免疫治疗）	深度学习，多示例学习，多任务学习	深度学习模型（基于注意力的MIL和多任务学习）	基准数据集（肽序列和相关MHC分子信息）	未明确	NA	注意力机制的MIL网络和多任务学习网络	AUC-ROC (0.948)，AUC-PR (0.496)，Top-5准确率 (42.3%)	未明确
489	2026-08-12	Construction of Sonosensitizer-Drug Co-Assembly Based on Deep Learning Method 2025-10, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502328 PMID:40376918	研究论文	本文提出一种基于深度学习的声敏剂-药物相互作用模型，用于预测药物混合物的粒径，并应用于纳米药物NanoME的构建与验证	引入多尺度交叉注意力机制和图神经网络以捕捉分子原子、键和结构特征，提高预测精度并分析分子结构影响	未明确提及局限性	开发一种基于深度学习的声敏剂-药物共组装策略，预测药物混合物粒径并指导纳米药物构建	声敏剂（如大黄素）和化疗药物（如甲氨蝶呤）的共组装体系	机器学习	肝癌	深度学习，图神经网络	图神经网络模型（SDI）	分子结构数据	未明确说明样本数量	未明确说明	图神经网络，多尺度交叉注意力机制	精确率、召回率、F1分数	未明确说明
490	2026-08-12	The Future of Parasomnias 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70090 PMID:40387303	综述	本文综述了异态睡眠（如梦游症和REM睡眠行为障碍）在诊断、监测和治疗方面的最新进展	探讨了新型家庭诊断设备、深度学习分析方法、大数据预测和梦境工程在异态睡眠研究和治疗中的应用	信息不足	总结异态睡眠的未来发展方向，包括诊断技术、风险预测和治疗方法	异态睡眠患者，特别是梦游症和REM睡眠行为障碍患者	睡眠医学	异态睡眠（梦游症、REM睡眠行为障碍）	多导睡眠监测、脑电图、活动记录、视频监测、DNA分析、脑成像	深度学习模型	临床数据、认知数据、脑成像数据、DNA数据、多导睡眠监测数据、视频数据	信息不足	NA	NA	信息不足	信息不足
491	2026-08-12	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2025-Sep-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.26.678787 PMID:41256411	研究论文	提出了一种基于深度学习的高精度细菌单核苷酸变异检测工具AccuSNV，通过卷积神经网络整合多样本比对信息，实现自动化的细菌SNV调用	与传统逐样本处理方法不同，AccuSNV利用CNN整合跨样本的比对信息，通过学习跨样本模式提高精度，并提供了全面的下游分析模块	未提及具体局限性，但可能依赖于训练数据的代表性及计算资源需求	开发一种高精度、自动化的细菌SNV检测工具，以克服传统方法的高假阳性率和手动过滤需求	细菌物种的基因组序列数据	机器学习, 生物信息学	不适用	全基因组测序	卷积神经网络（CNN）	基因组序列数据（模拟数据和真实细菌数据集）	六种细菌物种的模拟数据，多种测序深度、分离株数量、突变和分歧水平，以及多个包含已报道SNV的精选细菌数据集	NA	卷积神经网络（CNN）	准确度（未明确具体指标，但强调高精度和低假阳性率）	NA
492	2026-08-12	MedIENet: medical image enhancement network based on conditional latent diffusion model 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01909-5 PMID:41013286	研究论文	提出一种基于条件潜扩散模型的医学图像增强网络MedIENet，以解决医学图像数据不足的问题	在去噪U-Net骨干编码器中引入多注意力模块，集成旋转位置嵌入和交叉注意力以增强图像生成质量	未提及具体局限性	提高医学图像生成的保真度和多样性，以增强下游分类任务性能	胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	数字病理学	肺炎	潜扩散模型	U-Net	图像	三个数据集：胸部CT扫描图像、胸部X射线图像（肺炎）和舌头数据集	NA	U-Net	AUROC	NA
493	2026-08-12	Enhanced CoAtNet based hybrid deep learning architecture for automated tuberculosis detection in human chest X-rays 2025-09-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01901-z PMID:41013295	研究论文	本文提出一种基于CoAtNet框架的混合深度学习架构，用于自动检测人类胸部X光片中的肺结核，结合CNN和ViT的优势，并在IN-CXR数据集上评估性能。	结合CNN和Vision Transformer的CoAtNet框架，用于肺结核检测，并集成LIME增强模型可解释性，优于仅使用CNN或ViT的基线模型。	研究仅在一个数据集（IN-CXR）上评估，未在多个独立数据集上验证，可能限制泛化性；同时模型准确率仍有提升空间。	开发一种自动、准确且可解释的肺结核检测方法，以支持医疗专业人员及时诊断。	人类胸部X光图像，包括正常和异常（肺结核）类别。	计算机视觉	肺结核	NA	CoAtNet（CNN和ViT的混合）	图像（胸部X光片）	IN-CXR数据集，包含正常和异常CXR图像，具体数量未在摘要中提及。	NA	CoAtNet（结合CNN和Vision Transformer）	准确率、ROC-AUC	NA
494	2026-08-12	RAVEN: Robust, generalizable, multi-resolution structural MRI upsampling using Autoencoders 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677945 PMID:41040262	研究论文	提出了一种名为RAVEN的基于变分自编码器和生成对抗网络的鲁棒、可泛化的多分辨率结构MRI超分辨率网络，可将体内和体外多种模态的MRI图像上采样至0.5mm各向同性体素大小	RAVEN能够处理多种MRI模态和不同场强（3T到7T）的图像，支持任意上采样因子；在保留真实解剖信息方面优于深度学习和非深度学习方法；源代码已开源	摘要中未提及具体局限性	开发一种鲁棒且可泛化的单图像超分辨率网络，用于提高脑MRI分辨率，以捕捉早期疾病阶段更细微的神经解剖变化	大脑MRI图像，包括体内和体外样本，涵盖T1加权、T2加权和T2*等多种模态	计算机视觉	神经系统疾病	MRI	变分自编码器，生成对抗网络	图像	NA	PyTorch	变分自编码器网络（RAVEN）	NA	NA
495	2026-08-12	Optimized deep learning-accelerated single-breath-hold abdominal HASTE with and without fat saturation improves and accelerates abdominal imaging at 3 Tesla 2025-09-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01838-3 PMID:40968371	研究论文	本研究前瞻性评估了深度学习加速的单次屏气腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的技术可行性和图像质量	首次系统比较DL-HASTE与DL-HASTE-FS在3T下的图像质量，并优化序列参数以避免混叠伪影	未提及明显局限性，但样本量较小（10名健康志愿者和50名患者）	评估深度学习加速的腹部HASTE序列（含和不含脂肪饱和）在3特斯拉下的图像质量和可行性	健康志愿者和患者的上腹部图像	医学影像	不适用	磁共振成像（MRI）	深度学习模型（未指定具体类型）	图像	10名健康志愿者和50名患者	未提及	未提及	总体图像质量评分、器官描绘清晰度、伪影、脂肪饱和评分	未提及
496	2026-08-12	Deep Learning-Based Pattern Recognition for Detecting Penile Abnormalities: Protocol for Developing a Mobile App for Circumcision Eligibility 2025-09-10, JMIR research protocols IF:1.4Q3 DOI:10.2196/65811 PMID:40929720	研究论文	本研究旨在开发和验证一个基于深度学习的图像分类系统，集成到移动应用中，用于检测阴茎异常并评估包皮环切术的适用性，以支持资源匮乏地区的初步筛查。	将人工智能图像识别技术应用于阴茎异常检测和包皮环切术适用性评估，并通过移动应用实现实时分析，为低资源环境下的初步筛查提供了可扩展的解决方案。	尚未提供具体性能结果；模型开发和验证仍处于进行中，最终部署和用户测试尚未完成。	开发并验证一个AI驱动的图像分类系统，集成到移动应用中，以检测阴茎异常并评估包皮环切术的适用性，支持初步筛查和转诊决策。	来自印度尼西亚雅加达Cipto Mangunkusumo医院的儿科患者，其阴茎图像由医疗专业人员或照护者从腹侧、背侧和侧位角度拍摄。	数字病理学	包皮环切术相关异常（如尿道下裂、蹼状阴茎）	图像预处理（调整尺寸、归一化、增强）、迁移学习	预训练深度学习模型（如CNN）	图像	NA	TensorFlow, Keras	NA	准确率、敏感性、特异性、F1分数	NA
497	2026-08-12	Automated quantification of abdominal aortic calcification using 3D nnU-Net: a novel approach to assess AAA rupture risk 2025-09-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01911-x PMID:40898112	研究论文	本研究开发了一种基于3D nnU-Net的自动化方法，用于从CTA扫描中量化腹主动脉钙化，以评估腹主动脉瘤破裂风险	首次使用3D nnU-Net模型从单次CTA扫描中自动分割和量化主动脉钙化，显著缩短了评估时间并保持高准确性	未提及具体局限性，但可能受限于单中心回顾性研究和样本量	构建一个卷积神经网络模型，实现从CTA扫描中自动量化腹主动脉钙化，以辅助评估AAA破裂风险	100例接受腹主动脉CTA的患者，包括血管和钙化分割的影像数据	深度学习	腹主动脉瘤	CTA成像	卷积神经网络（CNN）	CT血管造影图像	100例患者的CTA扫描	未明确提及，可能使用PyTorch或类似框架	nnU-Net	Dice分数、Spearman秩相关系数、Bland-Altman分析、评估时间	未提及具体GPU或计算资源
498	2026-08-12	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-09-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	本研究利用时间融合深度学习模型，结合认知任务和生理数据来检测阿片类药物误用，并评估了模型在识别误用状态上的性能。	首次将时间融合Transformer模型应用于结合认知任务和可穿戴传感器数据的阿片类药物误用检测，并采用留一组交叉验证确保稳健性。	模型应与客观的阿片类药物误用基准进行比较，且仅依赖自我报告测量（COMM）作为分类依据。	开发并验证基于机器学习的阿片类药物误用检测方法，以预防药物过量和阿片类药物使用障碍。	169名被处方阿片类镇痛药的慢性疼痛患者，包括116名有误用迹象和53名无误用迹象的个体。	机器学习	阿片类药物误用	传感器数据采集和认知任务评估	时间融合Transformer	生理信号和认知任务反应数据	9238个数据点，来自169名患者	NA	Transformer	AUC, 特异性, 敏感性	NA
499	2026-08-12	Deep learning model for predicting lymph node metastasis around rectal cancer based on rectal tumor core area and mesangial imaging features 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01878-9 PMID:40890619	研究论文	基于直肠癌肿瘤核心区域和系膜成像特征，开发深度学习模型以预测淋巴结转移	将深度学习分割模型（nn-UNet）与传统影像组学相结合，自动从磁共振T2WI和ADC图像中分割肿瘤核心区和系膜组织，以提高淋巴结转移预测的准确性	信息不足，输出NA	提高直肠癌患者淋巴结转移预测的准确性	122例直肠癌患者的磁共振T2WI和ADC图像	医学影像分析	直肠癌	磁共振成像	深度学习分割模型（nn-UNet）	医学图像	122例直肠癌患者的磁共振图像	NA	nn-UNet（3D U-Net）	Dice系数, AUC	NA
500	2026-08-12	CT-based deep learning radiomics model for predicting proliferative hepatocellular carcinoma: application in transarterial chemoembolization and radiofrequency ablation 2025-09-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01913-9 PMID:40890681	研究论文	本研究开发并验证了基于增强CT的深度学习放射组学模型，用于预测增殖性肝细胞癌并应用于经动脉化疗栓塞和射频消融治疗的风险预测	首次将深度学习放射组学应用于增强CT图像预测增殖性肝细胞癌，并结合RFA和TACE治疗进行风险分层	未在标题和摘要中明确说明局限性	开发基于增强CT的深度学习放射组学模型预测增殖性肝细胞癌，并应用于TACE和RFA治疗的患者风险预测	312例接受手术的肝细胞癌患者，来自两个医疗中心	医学影像	肝细胞癌	对比增强CT	深度学习	影像	312例患者（训练集182例，内部测试集46例，外部测试集84例）	NA	NA	AUC	NA