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
6501	2026-01-15	Automatic measuring of coronary atherosclerosis from medicolegal autopsy photographs based on deep learning techniques 2025-Dec, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-01045-0 PMID:40690102	研究论文	本研究开发了一种基于深度学习的算法，用于从法医尸检照片中自动测量冠状动脉粥样硬化	首次将深度学习技术应用于法医尸检照片中的冠状动脉粥样硬化自动评估，实现了高精度测量	模型对中度粥样硬化等级的识别性能较低，且除钙化外，分解、支架植入和血栓对评估无显著影响	开发一种快速、精确评估冠状动脉粥样硬化的深度学习算法，并识别影响模型预测的因素	法医尸检中获取的冠状动脉数字照片	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	从1920例法医尸检数据库中提取的3717张数字照片	NA	NA	加权F1分数, 类别F1分数	NA
6502	2026-01-15	Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery 2025-Dec, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.103879 PMID:40902506	研究论文	本研究利用Transformer-GAN深度学习框架，结合DNA甲基化和基因表达数据，解码牙周炎中增强子-启动子相互作用的表观遗传调控网络	首次将Transformer-GAN模型应用于牙周炎的表观遗传调控研究，整合多组学数据预测功能性的增强子-启动子相互作用	研究基于公开数据集，样本量有限，且模型性能仍有提升空间	解码牙周炎中增强子-启动子相互作用的表观遗传调控网络，发现新的生物标志物和治疗靶点	牙周炎患者的DNA甲基化和RNA-seq数据	机器学习	牙周炎	DNA甲基化测序, RNA-seq	Transformer, GAN	基因组数据, 基因表达数据	公开数据集GSE173081和GSE173078	NA	Transformer-GAN	AUC-ROC, AUC-PRC, F1-score	NA
6503	2026-01-15	The roles of radiomics and deep learning for automatic detection, stability assessment, and rupture risk prediction in intracranial aneurysms: a systematic review 2025-Dec-01, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03588-y PMID:41327324	系统综述	本文系统综述了影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的作用	首次系统性地总结了2015年至2024年间影像组学和深度学习在颅内动脉瘤管理三个关键任务（自动检测、稳定性评估、破裂风险预测）中的应用进展、性能表现及研究局限性	纳入的研究主要为回顾性、单中心研究，存在数据异质性，且大多数研究缺乏模型校准和跨平台验证，样本量普遍较小	评估影像组学和深度学习技术在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的有效性，并为患者的个体化分层管理提供见解	颅内动脉瘤	医学影像分析	颅内动脉瘤	影像组学，深度学习	深度学习框架	医学影像数据	28项原始研究，共涉及32,991个颅内动脉瘤	NA	NA	AUC	NA
6504	2026-01-15	The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence 2025-Dec, Expert review of clinical immunology IF:3.9Q2 DOI:10.1080/1744666X.2025.2602537 PMID:41368873	综述	本文综述了肿瘤内微生物组与免疫系统在癌症发生发展各阶段的相互作用，并探讨了人工智能在肿瘤微生物组表征及精准肿瘤学中的应用与挑战	系统性地整合了肿瘤内微生物组在肿瘤免疫调控中的作用机制，并前瞻性地提出了将人工智能与空间多组学数据相结合以推动微生物组指导的精准肿瘤学发展的新方向	面临数据异质性、模型可解释性以及伦理问题等障碍，且需要标准化的实验方案、高分辨率空间图谱和经过专家注释的数据集进行外部验证	探讨肿瘤内微生物组与癌症免疫的相互作用机制，并评估人工智能技术在肿瘤微生物组表征及治疗响应预测中的应用潜力	肿瘤内微生物组（包括细菌、真菌和病毒）及其与宿主免疫系统的相互作用	机器学习, 深度学习	癌症	下一代测序, 空间转录组学	机器学习, 深度学习	多组学数据, 空间数据	NA	NA	NA	NA	NA
6505	2026-01-15	The Role of Artificial Intelligence in Improving Diagnosis, Management, and Outcomes of Acute Myocardial Ischemia: A Systematic Review 2025-Dec, Cureus DOI:10.7759/cureus.98865 PMID:41523481	系统综述	本文系统综述了人工智能在急性心肌缺血的诊断、管理和预后预测中的应用现状与证据	首次系统性地综合了AI在急性心肌缺血全流程（诊断、风险分层、治疗决策、预后）中的应用证据，并对比了AI与传统方法的性能	临床整合性、模型可解释性及泛化能力方面仍存在挑战，纳入研究数量有限（30篇）	评估人工智能在改善急性心肌缺血的诊断、管理和临床结局中的作用与潜力	急性心肌缺血（AMI）患者	机器学习	心血管疾病	心电图（ECG）、影像学、电子健康记录（EHRs）	机器学习（ML）、深度学习（DL）、混合模型	心电图、影像、电子健康记录文本	基于30项同行评议研究（具体样本量未在摘要中说明）	NA	NA	诊断准确性、分诊效率、预后建模性能	NA
6506	2026-01-15	Precision Medicine for Electrocardiogram Interpretation: Clinical Relevance, Challenges, and Advances 2025-Dec, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM47007 PMID:41524056	综述	本文综述了心电图（ECG）解读在精准医学中的临床相关性、挑战与进展，并探讨了人工智能（AI）在ECG分析中的创新应用	系统性地将AI增强的ECG解读与临床实践结合，展示了深度学习算法在检测左心室功能障碍、肥厚型梗阻性心肌病和急性心肌梗死等特定领域超越专家临床医生的潜力	作为一篇综述文章，未提出新的原始研究数据或模型，主要依赖现有文献进行总结	为ECG解读提供一个结构化框架，并探索AI在心血管疾病诊断和风险分层中的应用，以提升患者预后	心电图（ECG）信号及其在心律失常、传导延迟、缺血性损伤、结构性重塑和全身性病理中的表现	数字病理学	心血管疾病	心电图（ECG）	深度学习	信号数据（ECG）	NA	NA	NA	NA	NA
6507	2026-01-15	A novel framework using particle swarm optimization and long short-term memory networks for stock market forcasting 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26087-w PMID:41310345	研究论文	本研究提出了一种结合粒子群优化算法和长短期记忆网络的智能混合框架，用于提高股票价格预测的准确性	创新点在于将LSTM网络与元启发式优化算法（PSO、GWO、ARO）和金融情感分析（使用FinBERT模型）相结合，构建了SEN_PSO_LSTM混合模型，显著提升了在波动市场条件下的预测性能	未明确提及研究的局限性，例如模型在其他市场或更广泛股票数据集上的泛化能力，或计算资源需求的具体讨论	研究目标是提高股票价格预测的准确性，特别是在复杂、非线性和情感驱动的金融市场中	研究对象包括苹果、亚马逊、谷歌、微软等四只主要股票，以及来自金融、医疗保健和汽车行业的摩根大通、联合健康集团和丰田汽车等其他三只股票	机器学习	NA	金融情感分析，元启发式优化算法	LSTM	时间序列数据，文本数据（经济新闻）	涉及七只股票的数据，具体样本数量未明确说明	NA	单层、两层和三层LSTM架构	RMSE, MAE, R², MAPE	NA
6508	2026-01-15	The ANTsX ecosystem for mapping the mouse brain 2025-Nov-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66741-5 PMID:41274934	研究论文	本文介绍了基于ANTsX生态系统开发的用于将多种小鼠脑数据集映射到共享坐标框架的流程和方法	提出了两种新方法：基于速度场的发育时间点连续插值方法，以及使用最小标注和公开数据进行自动脑区划分的深度学习框架	NA	解决将不同成像、组织处理和特征分析方法获取的多样化数据集映射到共享坐标框架的挑战	小鼠大脑	数字病理学	NA	MERFISH空间转录组学、fMOST形态学、发育MRI、LSFM成像	深度学习	空间转录组数据、高分辨率形态数据、MRI数据、光片荧光显微镜数据	NA	ANTsX	NA	NA	NA
6509	2026-01-15	Enhanced forecasting of air quality index through an integrated deep learning framework 2025-Nov, Environmental science and pollution research international DOI:10.1007/s11356-025-37269-4 PMID:41385043	研究论文	本研究提出了一种集成LSTM、CNN和GNN的混合深度学习框架，用于提升空气质量指数（AQI）的预测精度	首次将LSTM、CNN和GNN三种网络与集成学习（堆叠和提升）相结合，用于建模空气质量数据中的复杂时空拓扑依赖关系	未明确说明模型在不同气候条件或极端污染事件下的泛化能力，也未讨论计算成本与实时预测的平衡	开发一个高精度、可泛化的空气质量预测模型，以支持公共健康、城市规划和环境政策	空气质量监测数据（包括多种污染物和气象参数）	机器学习	NA	NA	LSTM, CNN, GNN	时间序列数据, 空间数据	基于北京和洛杉矶等真实世界空气质量监测机构的数据集	NA	LSTM, CNN, GNN	R分数, MAE, RMSE	NA
6510	2026-01-15	[Prospects for development of new traditional Chinese medicine drugs based on human use experience empowered by artificial intelligence] 2025-Oct, Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica DOI:10.19540/j.cnki.cjcmm.20250708.601 PMID:41508193	综述	本文系统回顾了人工智能在基于人用经验的中药新药全周期研发中的关键作用，并提出了构建集成智能中药新药研发平台的展望	提出了基于人用经验与人工智能深度融合的中药新药研发新范式，构建了“数据驱动、模型支持、智能决策”的闭环系统，推动中药研发从经验推理向高维知识图谱、专家-AI协同学习和多源证据整合驱动的转变	NA	探讨人工智能如何赋能基于人用经验的中药新药研发，以提升其全球竞争力	中药新药研发的全周期过程，包括候选药物选择、证据结构化、安全性预测、临床试验设计、监管提交、上市后风险识别和二次开发	自然语言处理, 机器学习	NA	自然语言处理, 大语言模型, 统计学习, 深度学习, 多模态学习, 强化学习	NA	文本, 图像（舌象）, 电子病历, 多模态异构数据	NA	NA	NA	NA	NA
6511	2026-01-15	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	本研究开发了一种基于深度学习的融合模型，整合MRCP影像和临床参数，以辅助放射科医生更准确地诊断肝外胆总管梗阻	提出了一种多模态深度学习融合模型，结合MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者拥有MRCP影像，且存在临床数据缺失需通过插补处理	开发一个深度学习分类模型，以提高肝外胆总管梗阻的诊断准确性	肝外胆总管梗阻患者	计算机视觉	肝外胆总管梗阻	磁共振胰胆管成像	深度学习融合模型	图像, 临床数据	465名患者（其中143名有MRCP影像）	NA	NA	准确率, 灵敏度, 特异性, AUC	NA
6512	2026-01-15	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	本文介绍了一个名为MMETHANE的开源软件包，用于从微生物组组成和代谢组学数据预测宿主状态	MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英语规则集	NA	开发一种计算工具，将微生物组组成和代谢组学数据与宿主状态联系起来	微生物组组成和代谢组学数据，以及宿主状态	机器学习	炎症性肠病	微生物测序，代谢组学	深度学习模型	微生物测序数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA
6513	2026-01-15	Olfactory Visualization Sensing Array Made with CelluMOFs to Predict Fruit Ripeness Using Deep Learning 2024-10-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c09402 PMID:39403818	研究论文	本研究开发了一种基于染料/CelluMOFs的柔性传感器阵列，结合DenseNet深度学习模型，用于通过气味指纹识别水果成熟度	通过原位生长γ-CD-MOFs在柔性滤纸上合成CelluMOFs，显著提高了比表面积和染料负载能力，并将深度学习模型集成到传感器阵列中实现高精度模式识别	NA	开发高灵敏度、高准确度的基于比色法的嗅觉可视化传感系统，用于检测水果成熟度	水果成熟度检测	计算机视觉	NA	比色法、气体传感	CNN	图像	NA	NA	DenseNet	分类准确率	NA
6514	2026-01-15	AI-powered microscopy image analysis for parasitology: integrating human expertise 2024-07, Trends in parasitology IF:7.0Q1 DOI:10.1016/j.pt.2024.05.005 PMID:38824067	综述	本文全面综述了面向寄生虫学显微图像分析的、集成人类专家知识的知识融合深度学习模型的最新进展	提出将寄生虫学领域大量的人类专家知识整合到深度学习模型中，以增强AI驱动决策的准确性和可解释性，并展望了其在寄生虫学领域的广泛应用前景	NA	回顾和总结知识融合深度学习模型在寄生虫学显微图像分析领域的最新进展，旨在解决传统数据驱动方法缺乏可解释性和指导资源不足的问题	寄生虫学显微图像分析	计算机视觉	寄生虫病	显微图像分析	深度学习	图像	NA	NA	NA	准确性，可解释性	NA
6515	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	本文介绍了一种名为TACIT的无监督算法，用于大规模空间生物学中的细胞类型和状态去卷积分析	开发了无需训练数据的无监督算法TACIT，通过预定义签名和偏置阈值区分阳性细胞与背景，专注于多组学检测中模糊细胞的识别	NA	解决空间生物学中细胞类型和状态识别耗时且易出错的问题，提升准确性和可扩展性	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集，包含5,000,000个细胞和51种细胞类型	NA	TACIT	准确性、可扩展性	NA
6516	2026-01-15	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	本文介绍了TACIT，一种用于细胞注释的无监督算法，无需训练数据，利用预定义签名和空间多组学数据识别细胞类型和状态	开发了TACIT算法，通过无偏阈值化和预定义签名，在无需训练数据的情况下实现细胞注释，提高了准确性和可扩展性，并整合了新型Shiny应用以揭示新表型	未明确说明算法在更广泛组织类型或疾病模型中的泛化能力，且依赖预定义签名可能限制对新细胞类型的发现	解决空间生物学中细胞类型和状态识别的挑战，开发无监督算法以提高注释准确性和可扩展性	来自大脑、肠道和腺体三个生态位的细胞，涉及5个数据集共5,000,000个细胞和51种细胞类型	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间多组学数据	5个数据集，总计5,000,000个细胞，涵盖51种细胞类型	NA	TACIT	准确性、可扩展性	NA
6517	2026-01-15	In Vivo Intelligent Fluorescence Endo-Microscopy by Varifocal Meta-Device and Deep Learning 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307837 PMID:38488694	研究论文	本文开发了一种基于变焦超透镜和深度学习的智能荧光内窥显微镜，用于小鼠大脑的活体三维成像	结合变焦超透镜和深度学习技术，实现了无轴向移动的快速、高分辨率活体三维成像，显著提高了成像速度和系统简化度	NA	开发一种智能荧光内窥显微镜，用于实时三维可视化内部组织和亚细胞结构	小鼠大脑的详细血管和周围血管周围空间	计算机视觉	NA	荧光内窥显微镜，变焦超透镜	深度学习网络	图像	NA	NA	NA	横向分辨率3 µm，成像时间0.1秒（约快50倍）	NA
6518	2026-01-15	Deep Learning-Driven Exploration of Pyrroloquinoline Quinone Neuroprotective Activity in Alzheimer's Disease 2024-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308970 PMID:38454653	研究论文	本研究利用深度学习和药理学方法探索吡咯喹啉醌在阿尔茨海默病中的神经保护潜力	结合深度学习预测血脑屏障通透性并评估化合物特性，验证了吡咯喹啉醌通过调节SIRT1和CREB通路发挥神经保护作用的新机制	研究主要基于小鼠模型，尚未在人体中进行验证，且深度学习模型的泛化能力需进一步测试	探索吡咯喹啉醌作为阿尔茨海默病神经保护剂的潜力，并整合深度学习与药理学研究	吡咯喹啉醌化合物及Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	机器学习	阿尔茨海默病	深度学习，药理学实验，体内测试	深度学习模型	分子数据集，实验数据	Aβ₁₋₄₂诱导的阿尔茨海默病小鼠模型	NA	NA	血脑屏障通透性预测，毒性评估，认知缺陷减少效果	NA
6519	2026-01-15	Development and External Validation of an Artificial Intelligence Model for Identifying Radiology Reports Containing Recommendations for Additional Imaging 2023-09, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29120 PMID:37073901	研究论文	本研究开发并外部验证了一种基于BERT的人工智能模型，用于识别放射学报告中包含额外成像建议的内容	利用预训练的BERT深度学习模型理解语言上下文和歧义，首次在放射学报告额外成像建议识别任务中应用，并展示了优于传统机器学习模型的性能	研究为回顾性设计，模型性能可能受到报告文本风格和术语变化的影响，且未在更广泛的多中心数据集上进行验证	开发并验证一种人工智能模型，以自动识别放射学报告中包含的额外成像建议，支持大规模质量改进工作	放射学报告	自然语言处理	NA	深度学习，自然语言处理	BERT	文本	总计7560份放射学报告，来自7419名独特患者（4133名女性，3286名男性；平均年龄58.8岁），其中训练集5040份，测试集1260份，外部验证集1260份	NA	BERT	精确度，召回率，F1分数，准确度	NA
6520	2026-01-14	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	采用基于Wasserstein GAN的对抗性非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练	未明确提及系统在更广泛浓度范围或不同环境条件下的泛化能力	解决CS₂和SO₂在紫外波段光谱严重重叠导致的传统方法精度限制问题	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	CS₂测试范围3.81-179.2 ppb，SO₂测试范围44.43-942.73 ppb	NA	对抗性非配对解缠网络	平均绝对百分比误差	NA