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
521	2025-12-12	Long Short-Term Memory-Driven Modeling of Dynamic Hepatocellular Carcinoma Microenvironments: A Deep Learning Framework for Precision Treatment Prediction 2025-Dec, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-25-00315 PMID:41370726	研究论文	本研究评估了深度学习方法，特别是长短期记忆网络，用于分析肝细胞癌肿瘤微环境的动态变化，以改善疾病理解和治疗预测	首次将LSTM网络与CNN结合，集成多模态数据，用于动态建模肝细胞癌肿瘤微环境的时空演化，并通过GAN进行数据增强	由于缺乏详细的病因学信息，未对不同病因（如乙型肝炎病毒、丙型肝炎病毒和非酒精性脂肪性肝炎）进行分层验证	通过深度学习框架分析肝细胞癌肿瘤微环境的动态变化，以改进疾病理解和精准治疗预测	肝细胞癌肿瘤微环境的多模态数据，包括高通量测序、蛋白质表达和时间序列成像数据	数字病理学	肝细胞癌	高通量测序, 蛋白质表达分析, 时间序列成像	LSTM, CNN, GAN	多模态数据（测序、蛋白质表达、时间序列图像）	NA	NA	LSTM, CNN, GAN	准确率	NA
522	2025-12-12	Assessing the generalizability of artificial intelligence in radiology: a systematic review of performance across different clinical settings 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004166 PMID:41377327	系统综述	本文通过系统综述评估了人工智能在放射学诊断模型中的外部泛化性能	系统性地评估了AI模型在不同临床环境下的泛化性能，并识别了可能增强泛化性的方法	纳入的研究数量有限（仅6项），且部分研究存在患者选择偏倚或采样不明确的问题	评估人工智能在放射学诊断中的外部泛化性能，以促进其临床部署	应用于计算机断层扫描、磁共振成像或X射线的AI诊断模型	计算机视觉	NA	NA	CNN, GAN	图像	NA	NA	3D Convolutional Neural Networks, Generative Adversarial Networks-augmented models, no-new-U-Net ensembles	AUC, 灵敏度, 特异度	NA
523	2025-12-12	Artificial Intelligence in IPMN diagnosis: bridging promise and clinical reality 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004170 PMID:41377378	综述	本文综述了人工智能（AI）在胰腺导管内乳头状黏液性肿瘤（IPMN）诊断中的应用、潜力及面临的挑战	系统性地总结了AI（尤其是机器学习和深度学习模型）在利用CT、MRI和内镜超声区分IPMN良恶性病变方面的高性能表现（准确率高达94-99.6%），并指出其超越传统临床评估的潜力	AI的广泛应用受到缺乏标准化成像协议、方法学透明度不足以及缺乏前瞻性多中心验证的限制	评估人工智能在IPMN风险分层和精准诊断中的应用前景，并探讨其融入临床实践与国际指南的路径	胰腺导管内乳头状黏液性肿瘤（IPMN）	数字病理学	胰腺癌	CT, MRI, 内镜超声	机器学习, 深度学习	医学影像	NA	NA	NA	准确率	NA
524	2025-12-12	Interpretable Thermodynamic Score-based Classification of Relaxation Excursions 2025-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690838 PMID:41377511	研究论文	提出一种名为Keeping SCORE的物理启发式方法，将扩散模型转化为分类和回归的概率引擎，通过测量不同类别假设下的噪声轨迹耗散来计算精确的类别似然和预测置信度	将扩散模型应用于分类和回归任务，通过非平衡统计力学原理提供不确定性估计和特征归因，实现无需修改现有训练模型的可解释性	NA	开发一种可解释且具有不确定性感知的分类与回归框架，应用于计算生物学和科学领域	图像识别任务（手写数字、自然照片）、单细胞基因组学（细胞身份区分、基因扰动效应映射）和分子生物物理学（突变对蛋白质折叠能量的影响预测）	机器学习	NA	扩散模型	扩散模型	图像、单细胞基因组数据、分子生物物理数据	NA	NA	扩散模型	准确率、概率估计	NA
525	2025-12-12	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的计算机辅助诊断系统，用于从X射线图像中检测并分级膝关节骨关节炎的严重程度	将YOLOv5的目标检测与分割能力与随机森林分类器的序数分级能力相结合，构建了一种可扩展、可解释且临床相关的混合模型	研究未明确说明模型在不同医疗机构或设备采集的X射线图像上的泛化能力，也未讨论计算资源需求对资源受限环境的实际适用性	开发一种计算机辅助诊断系统，以支持放射科医生进行膝关节骨关节炎的早期诊断和严重程度分级	膝关节骨关节炎的X射线图像	计算机视觉	膝关节骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感性, 特异性	NA
526	2025-12-12	Evaluation on the Feasibility of the Pulse Oximetry-triggered Coronary CT Angiography 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240495 PMID:41379007	研究论文	本研究评估了基于脉搏血氧计触发的冠状动脉CT血管成像（CCTA）在无法或难以连接心电图设备的心脏受试者中应用的可行性	提出并验证了一种基于脉搏血氧计监测心率生成模拟虚拟ECG信号来触发CCTA的新方案，替代传统的ECG触发方式	研究为单中心前瞻性研究，样本量相对有限（300名参与者），且仅使用了16-cm z轴覆盖范围的CT设备	评估脉搏血氧计触发CCTA在临床诊断成像中的可行性，特别是针对无法使用ECG设备的患者	计划接受冠状动脉CT血管成像（CCTA）的连续参与者	数字病理学	心血管疾病	冠状动脉CT血管成像（CCTA）、脉搏血氧计心率监测、运动校正算法、深度学习图像重建	NA	医学影像（CT图像）	300名参与者（平均年龄57岁±12；161名男性），分为脉搏血氧计触发组（n=150）和传统ECG触发组（n=150）	NA	NA	辐射剂量、对比剂剂量、检查时间、CT衰减值、图像噪声、信噪比、对比噪声比、整体图像质量主观评估	16-cm z轴覆盖范围的CT设备，具体计算资源未说明
527	2025-12-12	Preoperative prediction of axillary lymph node metastasis in breast invasive ductal carcinoma patients using a deep learning model based on dynamic contrast-enhanced magnetic resonance imaging: a multicenter study 2025-Nov-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-365 PMID:41377877	研究论文	本研究开发并验证了一个基于动态对比增强磁共振成像的深度学习模型，用于术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移	结合深度学习特征与临床特征构建预测模型，并在多中心数据上验证其性能，显著提升了预测准确性	研究为回顾性分析，样本量相对有限，且仅基于特定医院的影像数据，可能存在选择偏倚	开发非侵入性工具以术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移，辅助临床决策	520名诊断为乳腺浸润性导管癌的患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	520名患者（411名用于训练和内部验证，109名用于外部测试）	NA	NA	AUC	NA
528	2025-12-12	Enhanced Feature Extraction for Detection and Classification of Kidney Abnormalities 2025-11-29, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420229251027104658 PMID:41328653	研究论文	本研究提出了一种基于深度学习的诊断框架，通过新型模型KTNET增强特征提取，用于从CT扫描图像中自动检测和分类多种肾脏异常	引入了基于Transformer架构的新型模型Kidney Transformer Network (KTNET)，以增强疾病特异性特征提取，提高肾脏异常的分类准确性	NA	开发一个智能、可靠的框架，用于肾脏异常的早期检测和分类，以改善患者诊断和临床决策	肾脏异常，包括囊肿、结石、肿瘤和其他结构性病变	计算机视觉	肾脏疾病	CT扫描	Transformer	图像	NA	NA	Kidney Transformer Network (KTNET)	准确率, 精确率, 召回率, F1分数	NA
529	2025-12-12	Analytical and numerical solutions of MABC fractional advection dispersion models by utilizing the modified physics informed neural networks with impacts of fractional derivative 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30065-7 PMID:41310394	研究论文	本研究提出了一种新的分数阶对流扩散方程，并利用改进的物理信息神经网络（PINNs）框架对其进行数值求解	提出了基于改进的Atangana-Baleanu-Caputo（MABC）分数阶导数的对流扩散方程新公式，并开发了专门的PINNs算法来求解MABC意义上的分数阶微分方程	未在摘要中明确说明	开发准确有效的数学模型以模拟污染物传输现象，并求解分数阶对流扩散方程	污染物传输的分数阶对流扩散模型	机器学习	NA	物理信息神经网络（PINNs）	深度学习模型	NA	NA	TensorFlow, PyTorch	物理信息神经网络	精度, 计算效率	NA
530	2025-12-12	Deep Generative Model-Driven Design of Microbial Synthetic Promoters 2025-Nov-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2510.10043 PMID:41309366	综述	本文综述了利用深度生成模型（VAE、GAN、扩散模型）设计和生成具有可调表达水平的微生物合成启动子的方法、流程和应用	系统总结并比较了三种主流深度生成模型（VAE、GAN、扩散模型）在合成启动子设计中的原理、优势和应用策略，为这一新兴领域提供了全面的方法学框架	作为综述文章，未提出新的原创模型或实验数据，主要基于现有文献进行归纳和评述	探讨如何利用深度学习技术加速和优化微生物合成启动子的设计与生成	微生物合成启动子（人工设计的DNA序列）	机器学习	NA	深度生成模型（DGM）	VAE, GAN, 扩散模型	DNA序列数据	NA	NA	NA	NA	NA
531	2025-12-12	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2025-Nov-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.15.670535 PMID:40894573	研究论文	本研究利用AlphaFold2多聚体预测了秀丽隐杆线虫中的蛋白质-蛋白质相互作用，并强调了内在无序区域在预测高置信度相互作用中的重要性	结合物理和功能数据集，通过深度学习预测蛋白质相互作用，并首次系统性地分析了内在无序区域在预测中的作用	研究主要基于秀丽隐杆线虫，可能不直接适用于其他物种，且预测结果需要实验验证	预测和分析蛋白质-蛋白质相互作用，特别是内在无序区域的作用	秀丽隐杆线虫中的蛋白质	机器学习	NA	AlphaFold2多聚体	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2	AlphaFold2多聚体	NA	NA
532	2025-12-12	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2025-Nov-19, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	本研究评估了使用大型语言模型（LLM）从放射学报告中自动提取真实标签的可行性，以验证放射学人工智能模型在光子计数CT图像上的性能	首次提出利用LLM自动化提取放射学报告中的真实标签，为AI工具的性能评估提供可扩展且高效的替代方案，特别是在新型成像硬件（如PCCT）引入输入漂移时	研究为回顾性分析，LLM提取的标签可能存在错误，需部分人工校正；样本仅涵盖四种特定诊断任务，可能无法推广到其他放射学领域	验证使用LLM自动化提取放射学报告真实标签的可行性，以支持放射学AI工具的可扩展性能评估和监控	针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折的四种FDA批准的深度学习计算机辅助检测和分诊工具	自然语言处理	肺栓塞, 颅内出血, 颈椎骨折, 椎体压缩性骨折	光子计数CT（PCCT）扫描, 传统CT扫描	深度学习	文本（放射学报告）	未明确指定样本数量，但涉及使用新型PCCT扫描仪和传统扫描仪获取的检查报告	未明确指定，但使用了LLM（Llama 3.3）	未明确指定具体架构，但基于LLM（Llama 3.3）	Fleiss's κ（用于测量评分者间一致性），性能指标（如准确性等，但未具体列出）	未明确指定
533	2025-12-12	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Nov-18, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101461 PMID:41260499	研究论文	本文提出了一种名为Lupine的深度学习模型，用于质谱蛋白质组学数据中的缺失值填补，该模型通过联合学习多个数据集来提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学数据填补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习模型以填补质谱蛋白质组学数据中的缺失值，提高数据分析和蛋白质鉴定的准确性	质谱蛋白质组学数据，特别是来自1000多个癌症患者样本的串联质谱标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质谱标签	深度学习模型	蛋白质组学定量数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	准确性，差异丰度蛋白质识别，基因本体术语识别	NA
534	2025-12-12	The application of artificial intelligence-based algorithms in predicting the progression of keratoconus: a systematic review 2025-Nov-15, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03855-1 PMID:41240157	系统综述	本文系统综述了人工智能算法在预测圆锥角膜进展中的应用	首次系统性地评估了AI算法在预测圆锥角膜进展中的表现，并识别了关键预测因素，如后表面高度、最大角膜曲率和年轻年龄	现有证据受限于进展标准不一致、缺乏独立多中心队列的外部验证、对特定设备的依赖以及校准和决策曲线分析报告不全面	评估人工智能算法在预测圆锥角膜进展中的有效性和应用潜力	圆锥角膜患者	机器学习	圆锥角膜	NA	机器学习, 深度学习	NA	10,940只眼	NA	NA	AUC, 准确率	NA
535	2025-12-12	Innovating cell culture process development with deep learning-powered robotic experimentation using the first Industrial Smart Lab Framework 2025 Nov-Dec, Biotechnology progress IF:2.5Q3 DOI:10.1002/btpr.70051 PMID:40542657	研究论文	本文介绍了一种结合深度学习和机器人实验的工业智能实验室框架（ISLFCC），用于自动化优化细胞培养过程	首次将仅解码器Transformer深度学习模型与机器人实验、物联网系统集成，实现高通量自动化细胞培养，在单批次内显著提高产量	NA	提高生物制剂（如抗体和重组蛋白）生产过程中细胞培养优化的效率和效果	细胞培养过程、生物反应器	机器学习	NA	细胞培养、生物反应器分析	Transformer	传感器数据、分析结果	三个不同细胞克隆	NA	仅解码器Transformer	滴度增加百分比、乳酸水平	NA
536	2025-12-12	STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3605968 PMID:40907046	研究论文	本研究提出了一种名为STAD-CoAtt的方法，通过整合时空图学习技术和共注意力网络，利用单核RNA测序数据评估阿尔茨海默病的神经病理学阶段	提出了一种结合共注意力网络和非线性流形对齐融合模块的ST-GCN架构，能够压缩演化的AD特异性基因调控网络并整合时空特征，从而构建snRNA-seq数据的联合潜在表示	未明确说明方法在其他神经系统疾病或更大规模数据集上的泛化能力，也未详细讨论计算复杂度	开发一种深度学习模型，用于评估阿尔茨海默病的神经病理学阶段和认知功能障碍	阿尔茨海默病和痴呆症相关的单核RNA测序数据	生物信息学, 机器学习	阿尔茨海默病, 神经系统疾病	单核RNA测序	图卷积网络, 注意力机制	基因表达数据, 图数据	来自ROSMAP和GSE平台的两个基准RNA-seq数据集	NA	ST-GCN, 共注意力网络	分类性能指标	NA
537	2025-12-12	MultiFusion2HPO: A Multimodal Deep Learning Approach for Enhancing Human Protein-Phenotype Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3608274 PMID:40928915	研究论文	本文提出了一种名为MultiFusion2HPO的多模态深度学习模型，用于增强人类蛋白质-表型关联预测	整合了五种关键模态数据（文本、蛋白质序列、蛋白质-蛋白质相互作用网络、基因本体注释和基因表达），并采用先进的深度学习方法，克服了现有方法在利用多模态信息和定制深度学习表示方面的不足	未明确提及具体局限性	提高人类蛋白质与临床表型（基于人类表型本体HPO）关联预测的准确性，以促进药物开发和精准医学	人类基因（蛋白质）与临床表型之间的关联	自然语言处理, 机器学习	NA	文本嵌入（TFIDF-D2V和BioLinkBERT）、蛋白质序列分析（InterPro和ESM2）、蛋白质-蛋白质相互作用网络分析、基因本体注释、基因表达分析	深度学习模型	文本, 序列, 网络, 注释, 表达数据	NA	NA	MultiFusion2HPO	准确性	NA
538	2025-12-12	A Lightweight Network With Uncertainty-Guided Latent Space Refinement for Multi-Modal Brain Tissue and Tumor Extraction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3609333 PMID:40932804	研究论文	本文提出了一种名为UMNet的轻量级网络，通过不确定性引导的潜在空间细化进行多模态脑组织和肿瘤提取	引入了模态特定的不确定性正则化特征融合模块（M-SUM）和不确定性增强损失函数（U-Loss），以优化多模态特征融合并利用预测不确定性	未明确提及具体局限性，可能包括数据集的通用性或计算效率的进一步验证	改进多模态脑组织和肿瘤提取的深度学习模型性能	脑组织和肿瘤	数字病理学	脑肿瘤	多模态成像	CNN	图像	NA	NA	UMNet	NA	NA
539	2025-12-12	DeepHIV: A Sequence-Based Deep Learning Model for Predicting HIV-1 Protease Cleavage Sites 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3610881 PMID:40956729	研究论文	本文提出了一种名为DeepHIV的深度学习模型，用于仅基于底物序列信息预测HIV-1蛋白酶切割位点	设计了一种结合卷积神经网络与注意力机制的新模型，以捕获底物序列中位置特异性氨基酸的丰富上下文信息，并采用偏置支持向量机处理类别不平衡问题	NA	预测HIV-1蛋白酶切割位点，以辅助新型抗艾滋病抑制剂的设计	HIV-1底物序列	自然语言处理	艾滋病	序列分析	CNN, SVM	序列	NA	NA	CNN结合注意力机制	准确率, 精确率, 召回率, F1分数, AUC	NA
540	2025-12-12	Trans-Driver: A Deep Learning Approach for Cancer Driver Gene Discovery With Multi-Omics Data 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3612010 PMID:40971265	研究论文	本研究提出了一种基于Transformer架构的深度监督学习方法Trans-Driver，用于整合多组学数据以发现癌症驱动基因	引入了基于核的多头自注意力机制与门控残差连接，以及动态Tanh归一化函数，以增强异质多组学特征的整合与建模	NA	准确识别癌症驱动基因，以深化对癌症发病机制的理解并促进癌症疗法和药物靶向驱动基因的开发	癌症驱动基因	机器学习	癌症	多组学数据整合	Transformer	多组学数据	TCGA、CGC和PCAWG数据集中的约20,000个蛋白质编码基因	NA	Transformer	NA	NA