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
6081	2026-01-24	Understanding machine learning weather prediction by designing a cost-efficient model with knowledge-oriented modules 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32366-3 PMID:41392318	研究论文	本文提出了一种名为KARINA的新型数据驱动模型，通过结合Geocyclic Padding和SENet模块与ConvNeXt骨干网络，以较低的训练成本实现了具有竞争力的全球天气预报性能	设计了结合Geocyclic Padding和SENet模块的轻量级模型KARINA，在显著降低训练成本的同时达到与先进模型相当的预测精度，并首次系统分析了各模块对特定天气过程（水平平流和大气对流）的建模贡献	模型在10天以上的预报时效性能未充分验证，且未与其他更多类型的机器学习天气预测模型进行广泛对比	开发计算高效的机器学习天气预测模型，并深入理解模型组件对特定天气现象的预测能力	全球天气数据	机器学习	NA	数据驱动建模	CNN	气象数据	NA	NA	ConvNeXt, SENet	预报准确率	NA
6082	2026-01-24	Temporal-aware transformer networks for state of charge multi-output prediction in unmanned aerial vehicle lithium-ion batteries 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32347-6 PMID:41388014	研究论文	本文提出了一种用于无人机锂离子电池荷电状态多步预测的时序感知Transformer网络框架	结合局部时空特征提取与长程依赖建模，通过时序编码器和基于滑动窗口的多输出机制，提升了动态环境下预测的准确性和适应性	未明确提及模型在极端工况或电池老化条件下的泛化能力	提高无人机锂离子电池荷电状态（SOC）的预测精度，以保障飞行安全和能量管理	无人机（UAV）锂离子电池的荷电状态（SOC）	机器学习	NA	深度学习	Transformer, CNN, LSTM, RNN	时序数据	大规模数据集（具体数量未提及）	NA	Temporal-aware Transformer Networks (TATNS)	平均绝对百分比误差（MAPE）	NA
6083	2026-01-24	Mucin phenotype-based deep learning framework for intestinal metaplasia-carcinogenesis progression prediction 2025-Dec-12, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01224-w PMID:41388069	研究论文	本研究开发了一个基于黏液表型的深度学习框架，用于预测胃黏膜肠上皮化生向胃癌的进展过程	揭示了胃黏膜癌变过程中黏液时空动态变化规律，并开发了MPMR模型，该模型能直接从H&E全切片图像预测四种黏液标志物，并通过对抗学习生成可解释的模拟染色热图	研究主要基于中国胃癌高发区的纵向队列，可能在其他人群中的泛化性有待验证	预测胃黏膜肠上皮化生向胃癌的恶性转化风险	胃黏膜组织样本，包括肠上皮化生和胃癌组织	数字病理学	胃癌	H&E染色全切片成像	Vision Transformer	图像	来自中国胃癌高发区的纵向队列样本	NA	UNI预训练的Vision Transformer	AUC	NA
6084	2025-12-12	CRLM-GAN: a feature-constrained GAN-based deep learning framework for multi-parametric MRI-based segmentation of colorectal liver metastases before and after chemotherapy 2025-Dec-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00964-z PMID:41372955	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6085	2026-01-24	BioLACE: unifying spatial geometry and marker priors for cohesive cell-type clustering in spatial transcriptomics 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.01.691603 PMID:41573943	研究论文	本文提出了BioLACE框架，用于在空间转录组学中整合空间几何结构和标记基因先验知识，实现一致的细胞类型聚类	提出了一个可扩展的框架，首次在共享的变分自编码器潜在空间中统一空间结构、转录组变异和标记基因信息，通过联合优化三个互补目标实现更优的聚类性能	未明确讨论计算复杂度或对大规模数据集的扩展性限制，也未提及对噪声或批次效应的鲁棒性	开发一个统一框架，提升空间转录组学中细胞类型聚类的准确性和生物学一致性	空间转录组学数据，包括MERFISH下丘脑、小鼠脊髓和Slide-seq小鼠小脑数据集	空间转录组学	NA	空间转录组学技术（MERFISH, Slide-seq）	VAE（变分自编码器）	基因表达谱和空间坐标数据	三个公开数据集（具体样本数量未明确说明）	PyTorch（基于代码仓库推断）	VAE	聚类准确性、生物学一致性边界、潜在表示可解释性	NA
6086	2026-01-24	Deep learning method for semi-automated segmentation of optic nerve head tissues in optical coherence tomography images 2025-Dec, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2025.110678 PMID:41038371	研究论文	本文提出了一种基于深度学习的半自动分割方法，用于光学相干断层扫描图像中视神经乳头组织的分割	开发了一种结合用户交互的半自动分割方法，允许用户接受或修正模型预测，并利用修正结果更新模型以提升后续图像的分割准确性	测试数据集较小（仅包含6个视神经乳头的图像体积），限制了更新模型效果评估的全面性	实现视神经乳头组织边界的半自动分割，以获取组织特异性信息	光学相干断层扫描图像中的视神经乳头组织，包括前筛板表面、布鲁赫膜和脉络膜-巩膜界面	计算机视觉	NA	光学相干断层扫描	CNN	图像	46个预处理后的视神经乳头图像体积（每个包含24个径向扫描）用于训练，6个视神经乳头的图像体积（每个24个扫描）用于测试	NA	NA	均方根误差	NA
6087	2026-01-24	Deep Learning Enhances Weightbearing CT Detection of Lisfranc Instability: A FIXUS-AI Ankle Insight 3D Algorithm 2025-Dec, Cureus DOI:10.7759/cureus.99658 PMID:41561244	研究论文	本研究开发了一种基于深度学习的3D负重CT（WBCT）算法，用于检测Lisfranc不稳定性，并评估了三种深度学习模型的性能	首次将深度学习算法应用于3D负重CT图像，以检测孤立的Lisfranc不稳定性，并比较了三种不同深度学习模型的性能	研究样本量有限（280例），缺乏外部验证，未来需要更大数据集和外部验证来进一步确认模型的泛化能力	研究深度学习算法在负重CT图像上对孤立Lisfranc不稳定性的诊断影响	280例患者的负重CT扫描图像，包括140例孤立Lisfranc不稳定性病例和140例无足部损伤的对照组	计算机视觉	足部损伤	负重CT（WBCT）成像	CNN, LSTM	3D图像	280例患者（140例病例，140例对照）	NA	3D卷积神经网络（3D-CNN），CNN结合长短期记忆（LSTM），差分CNN-LSTM	灵敏度，特异性，准确率，F1分数，ROC曲线下面积（AUC）	NA
6088	2026-01-24	Advancements in Cancer Survival Prediction: A Systematic Review of Classical and Modern Approaches 2025-Dec, Indian journal of community medicine : official publication of Indian Association of Preventive & Social Medicine IF:0.9Q4 DOI:10.4103/ijcm.ijcm_626_24 PMID:41561693	综述	本文系统回顾了癌症生存预测中传统统计方法与现代机器学习及深度学习模型的应用、进展及未来研究方向	通过系统综述方法，梳理了过去15年间癌症生存预测模型从传统方法向混合及深度学习模型的演进趋势，并强调了在有限数据集下利用临床数据的增长趋势	综述基于特定数据库（ScienceDirect、IEEE Xplore、PubMed）的文献，可能未涵盖所有相关研究，且纳入标准可能引入选择偏倚	识别癌症预测中应用的生存分析模型，突出近期进展，并为未来研究提出方向	癌症患者的生存预测	机器学习	癌症	NA	机器学习, 深度学习	临床数据	基于51篇文献的综述，未指定具体样本量	NA	NA	NA	NA
6089	2026-01-24	Automatic multi-IMU-based deep learning evaluation of intensity during static standing balance training exercises 2025-Nov-27, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01760-3 PMID:41310727	研究论文	本研究通过全身可穿戴传感器和卷积神经网络模型，自动评估静态站立平衡训练中的运动强度，以支持家庭康复训练	首次结合多IMU传感器和CNN模型，实现物理治疗师感知的平衡运动强度自动评估，为家庭康复提供量化监控手段	研究仅基于单日训练数据，样本量有限，且未考虑动态平衡训练或长期康复效果	开发基于可穿戴传感器和机器学习的平衡运动强度评估系统，以支持家庭康复训练的剂量监控	平衡训练参与者（n=47）和物理治疗师参与者（n=42）	机器学习	老年疾病	可穿戴惯性测量单元（IMU）	CNN	运动学数据	47名平衡训练参与者和42名物理治疗师	NA	卷积神经网络	均方根误差（RMSE）	NA
6090	2026-01-24	Dynamic AI-assisted ipsilateral tissue matching for digital breast tomosynthesis 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112356 PMID:40925265	研究论文	本研究评估了AI辅助的乳腺数字断层合成同侧组织匹配技术对减少定位误差的效果，特别是对非专家放射科医生	引入了动态AI辅助的同侧组织匹配技术，并集成了ViewFinder警告系统以识别高不确定性病例，显著提升了非专家放射科医生在复杂病例中的定位准确性	研究样本量相对较小（30个病例，94个参考标注），且仅针对乳腺数字断层合成技术，未涉及其他影像模态	评估AI辅助技术是否能减少乳腺数字断层合成中的定位误差，特别是在典型肿瘤边界之外	乳腺数字断层合成图像中的病变区域	数字病理学	乳腺癌	乳腺数字断层合成	深度学习	医学影像	30个病例，包含94个共识参考标注	NA	NA	均方根误差, 最大距离误差	NA
6091	2026-01-24	From Big to Small: Emerging Methods for Enhancing Precision Psychiatry Through Transfer Learning 2025-Oct-30, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2025.10.022 PMID:41173199	综述	本文综述了迁移学习在脑-行为预测建模中的应用，特别是在精准精神病学中预测临床结果方面的潜力	通过迁移学习利用大规模神经影像数据集来提升小规模临床数据集的预测准确性，增强模型的泛化性和可解释性	NA	探讨迁移学习在精准精神病学中用于脑-行为预测建模的方法与效用	神经影像数据与临床特征之间的关联	机器学习	精神疾病	神经影像学	NA	神经影像数据	NA	NA	NA	NA	NA
6092	2026-01-24	Pan-cancer single-cell and spatial transcriptomics implicate cancer-associated fibroblasts in neutrophil immunosuppressive phenotypic transitions and immunotherapy resistance 2025-Oct-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01706-x PMID:41068349	研究论文	本研究通过泛癌单细胞和空间转录组学分析，揭示了癌症相关成纤维细胞在促进中性粒细胞免疫抑制表型转变和免疫治疗抵抗中的作用	构建了涵盖21种癌症类型、462名患者的中性粒细胞单细胞图谱，识别出主要免疫抑制亚群CXCR2+VNN2+Neu，并通过空间转录组学首次系统揭示了成纤维细胞活性驱动其表型转变的机制	研究主要基于转录组数据，功能验证和机制细节仍需进一步实验探索	探究中性粒细胞在肿瘤微环境中的异质性、调控机制及其对免疫治疗响应的影响	462名泛癌患者的中性粒细胞及肿瘤微环境成分	生物信息学	泛癌	单细胞RNA测序, 空间转录组学	深度学习模型	单细胞转录组数据, 空间转录组数据	462名患者, 涵盖21种癌症类型	NA	Deepsurv	NA	NA
6093	2026-01-24	Advanced Embryo Ploidy Classification Using Vision Transformers: Integration of Sequential Time-Lapse Imaging and Undersampling Techniques: A Retrospective Study 2025 Oct-Dec, Journal of human reproductive sciences DOI:10.4103/jhrs.jhrs_111_25 PMID:41560882	研究论文	本研究通过整合Vision Transformers与连续延时成像技术，并应用随机欠采样方法，旨在提高胚胎倍性分类的准确性，特别是在处理类别不平衡问题时	首次将Vision Transformers应用于胚胎倍性分类，结合连续延时成像和随机欠采样技术，有效提升了镶嵌体胚胎等少数类别的预测性能	研究为回顾性设计，样本量相对有限，且模型在不平衡数据集上的性能下降明显	提高辅助生殖技术中胚胎倍性分类的可靠性，优化胚胎选择过程	来自生育诊所的囊胚期延时成像视频，包含遗传学确认的倍性状态	计算机视觉	NA	延时成像	Vision Transformer	视频序列帧	1020个囊胚视频，生成99,324个序列帧，平衡后每类17,000张图像	NA	ViT-B/16, ViT-B/32	准确率, 精确率, 召回率, F1分数	NA
6094	2026-01-24	Deep Learning Unveils Health Predictions From EEG and MRI Data 2025 Sep-Oct, IEEE pulse IF:0.3Q4 DOI:10.1109/MPULS.2025.3618430 PMID:41564094	综述	本文综述了人工智能（尤其是深度学习）在利用fMRI和EEG数据进行大脑活动检测和神经系统疾病诊断中的应用	系统性地概述了AI在神经影像学中的多种应用，并讨论了其在认知神经科学和医学影像中的关键作用以及未来挑战	作为综述文章，未提出新的具体模型或实验，主要基于现有研究进行总结	探讨AI驱动技术在利用fMRI和EEG检测和探索人类大脑活动中的应用	功能磁共振成像（fMRI）和脑电图（EEG）数据	机器学习	神经系统疾病	fMRI, EEG	深度学习模型, 机器学习技术	神经影像数据（fMRI和EEG）	NA	NA	NA	NA	NA
6095	2026-01-24	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Aug-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用位点	Disobind方法结合了ProtT5蛋白质语言模型的序列嵌入，能够考虑结合伙伴的上下文信息，且不依赖于结构或多序列比对，在预测IDR界面方面优于现有方法	未在摘要中明确说明	开发一种深度学习方法以准确预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用	蛋白质内在无序区域（IDRs）及其结合伙伴	机器学习	NA	深度学习	基于ProtT5的模型	蛋白质序列	NA	NA	ProtT5	NA	NA
6096	2026-01-24	Spatio-temporal learning from molecular dynamics simulations for protein-ligand binding affinity prediction 2025-Aug-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf429 PMID:40828893	研究论文	本文开发了MDbind数据集和新型神经网络，利用分子动力学模拟增强蛋白质-配体结合亲和力预测	通过分子动力学模拟作为数据增强，结合时空学习神经网络，提升了模型在偏置测试集上的泛化能力	训练数据有限，模型对蛋白质-配体相互作用的有效学习仍面临挑战	预测蛋白质-配体结合亲和力，解决现有深度学习模型泛化能力不足的问题	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	神经网络	分子动力学模拟轨迹	63000个蛋白质-配体相互作用的模拟	NA	NA	NA	NA
6097	2026-01-24	Whole tissue imaging of cellular boundaries at sub-micron resolutions for deep learning cell segmentation: Applications in the analysis of epithelial bending of ectoderm 2025-Jul-26, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70061 PMID:40716088	研究论文	本文介绍了一种名为MORPHOVIEW的成像与分割方法，用于在亚微米分辨率下保留细胞边界标记并实现三维组织细胞分割，应用于分析上皮弯曲的发育过程	开发了一种保留细胞边界标记并与水折射率匹配的成像技术，结合神经网络分割模型，实现了高分辨率三维细胞形态的量化分析	未明确说明方法在更广泛组织类型或模型中的适用性限制	研究细胞形态在器官形态发生过程中的变化，特别是上皮弯曲的发育事件	转基因小鼠下颌骨细胞膜表达荧光蛋白的组织，以及猫鲨的牙板和真皮小齿等非模型动物外胚层结构	数字病理学	NA	组织透明化协议，高倍长工作距离水浸物镜成像，荧光蛋白标记	神经网络	三维荧光图像	转基因小鼠下颌骨和猫鲨牙板与真皮小齿组织样本	NA	NA	NA	NA
6098	2026-01-24	Enhancing breast cancer classification using a deep sparse wavelet autoencoder approach 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11816-y PMID:40681757	研究论文	本文提出了一种结合深度学习、稀疏编码和小波网络的深度稀疏小波自编码器（DSWAE）新架构，用于增强2D乳腺癌图像的分类性能	提出了一种创新的深度稀疏小波自编码器（DSWAE）架构，通过堆叠小波自编码器构建了一个专门用于2D乳腺癌图像分类的鲁棒模型，该模型在提高分类精度的同时，通过使用参数最少的深度网络优化了计算效率	NA	提高2D乳腺癌图像的分类准确性，以支持早期检测和分期	2D乳腺癌图像数据集	计算机视觉	乳腺癌	数字成像技术	自编码器	图像	NA	NA	深度稀疏小波自编码器（DSWAE）	精确率, 召回率	NA
6099	2026-01-24	iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification 2025-Jul-04, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01641-x PMID:40613943	研究论文	本研究提出了一种名为iACP-DPNet的新型深度学习模型，用于识别抗癌肽，该模型结合了蛋白质语言模型、特征选择和因果扩张卷积网络，并引入了双池化机制以提高特征提取能力和模型可解释性	构建了更大更多样化的数据集；提出了结合因果扩张卷积网络和双池化机制（全局平均池化和注意力池化）的新型模型架构；通过t-SNE、ISM和SHAP分析增强了模型的可解释性	未明确提及	开发一种高性能、可解释且泛化能力强的计算模型，用于抗癌肽的识别	抗癌肽	自然语言处理, 机器学习	癌症	蛋白质语言模型, 特征选择	CNN, 深度学习	蛋白质序列	通过整合现有文献和数据库数据构建的更大更多样化的数据集（具体数量未明确给出）	NA	因果扩张卷积网络, ProtBert	特异性, 灵敏度, 准确率, 马修斯相关系数	NA
6100	2026-01-24	Genome-resolved metagenomics from short-read sequencing data in the era of artificial intelligence 2025-Jun-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01625-x PMID:40493087	综述	本文综述了人工智能在短读长测序数据基因组解析宏基因组学中的应用工具及其模型	系统回顾了专门为短读长宏基因组数据开发的最新AI工具及其底层模型，并讨论了其性能与可用性	NA	探讨人工智能在基因组解析宏基因组学数据分析各阶段的应用与影响	短读长测序数据及相关的AI工具	机器学习	NA	短读长测序	机器学习,深度学习	宏基因组测序数据	NA	NA	NA	准确性,可扩展性,效率	NA