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
741	2026-09-26	Harnessing Machine Learning Approaches for the Identification, Characterization, and Optimization of Novel Antimicrobial Peptides 2025-Dec-14, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics14121263 PMID:41463765	综述	本文综述了利用机器学习方法识别、表征和优化新型抗菌肽的研究进展，涵盖了多种模型和策略，并提出了多模态范式策略	提出了多模态范式策略，整合主动学习实验室循环、机制可解释性、整理的数据资源和不确定性估计，并强调了AI预测的新型混合方法	需要协作的计算和湿实验室实验验证，以加速AI驱动的抗菌肽发现	综述机器学习在抗菌肽的识别、预测、表征和设计中的应用，并提出未来方向	抗菌肽	机器学习	抗菌耐药性	机器学习、深度学习、Transformer嵌入、图神经网络、几何编码器、生成方法、大语言模型	经典机器学习、深度学习、Transformer、图神经网络、几何编码器、混合学习、生成模型、大语言模型	序列、结构、多模态数据	NA	NA	NA	NA	NA
742	2026-09-26	Artificial Intelligence in Obesity Prevention 2025-Dec-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243262 PMID:41464330	综述	本文通过范围综述方法，系统分析了2009年2月至2025年7月间人工智能在肥胖预防与预测领域的研究进展。	系统梳理了AI在肥胖预测中的应用趋势与模式，涵盖逻辑回归、决策树、人工神经网络等多种机器学习方法，并探讨了聊天机器人在肥胖医学中的潜在价值。	仍需更多研究来充分验证AI在肥胖预测中的效果，当前研究尚不完善。	全面分析人工智能对肥胖预防的影响，为肥胖的早期识别与诊断提供参考。	PubMed、Scopus、Web of Science和Google Scholar数据库中关于AI与肥胖预防的研究文献。	机器学习	肥胖	NA	CNN, LSTM, GAN	文本	NA	NA	NA	NA	NA
743	2026-09-26	Implementation of a Stress Biomarker and Development of a Deep Neural Network-Based Multi-Mental State Classification Model 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121352 PMID:41463649	研究论文	该研究利用约13.7万条来自世宗市居民的纵向生物信号数据，开发了基于深度神经网络的压力预测与多心理状态分类模型	整合了随机森林、LightGBM等静态机器学习模型与LSTM、Transformer等时间序列深度学习模型，并利用SHAP和Transformer注意力权重可视化增强模型可解释性	所使用的真实标签为K-FDA认证可穿戴设备中基于HRV算法的输出，而非唾液皮质醇或心理量表等临床验证的评估结果，因此并非独立的临床压力标志物	评估深度学习模型能否准确学习并复现现有HRV算法生成的压力指标，为未来使用临床验证压力标签的应用提供方法论基础	世宗特别自治市居民在两年期间（2023年2月至2024年12月）自愿采集的生物信号数据	机器学习	NA	可穿戴设备生物信号采集、心率变异性分析	CNN, LSTM, Transformer	时间序列生物信号数据	约137,000条纵向测量数据	NA	Random Forest, LightGBM, LSTM, Transformer	准确率	NA
744	2026-09-26	Artificial Intelligence in Tetralogy of Fallot: From Prenatal Diagnosis to Lifelong Management: A Narrative Review 2025-Dec-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121349 PMID:41463646	综述	本文综述了人工智能在法洛四联症全程管理中的应用，从产前诊断到成年随访	系统整合了AI在法洛四联症全生命周期管理中的证据，涵盖产前诊断、围术期规划、术中监测、重症监护和长期监测，并强调多模态数据融合	数据集限制、可解释性不足、监管标准和伦理问题	综合当前关于AI在法洛四联症全程管理中应用的证据	法洛四联症患者	医学人工智能	法洛四联症	机器学习，深度学习，自然语言处理	NA	影像，电子健康记录，基因组信息，连续监测数据	NA	NA	NA	NA	NA
745	2026-09-26	Application of Artificial Intelligence Technology in Plant MicroRNA Research: Progress, Challenges, and Prospects 2025-Dec-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411854 PMID:41465283	综述	该综述系统分析了人工智能在植物microRNA研究中的应用进展，涵盖从传统机器学习到深度学习架构的演变，并探讨了miRNA识别、靶标预测、miRNA-lncRNA互作、ceRNA网络等应用及挑战与前景	全面梳理了AI技术在植物miRNA研究中的演进路径，从传统机器学习到深度学习，并系统分析了植物miRNA区别于动物的独特计算特征及其对预测方法的影响	降解组数据会捕获来自多种来源的混合RNA片段而非仅miRNA切割产物，需严格的多证据验证；lncRNA定义存在根本性模糊；数据严重不平衡；跨物种泛化能力有限；模型可解释性不足；实验验证存在瓶颈；miRBase v20中约75%的植物miRNA家族缺乏令人信服的证据	系统综述人工智能技术在植物miRNA研究中的应用进展、挑战与前景	植物microRNA（miRNA）及其靶基因、miRNA-lncRNA互作、ceRNA网络	机器学习	NA	NA	SVM, 深度学习	文本	NA	NA	Transformer, 图神经网络	预测准确率	NA
746	2026-09-26	Artificial intelligence in pulmonary hypertension: a systematic review 2025-Dec-08, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03557-5 PMID:41361272	系统综述	本文系统回顾了机器学习和深度学习在肺动脉高压和肺动脉动脉高压的无创诊断、分类和预后中的应用	首次使用PROBAST+AI工具评估该领域的偏倚风险，并采用SWiM框架合成研究异质性	模型在亚类区分、方法学透明度和外部验证方面存在不足，大多数研究为回顾性单中心设计，缺乏随机对照试验	评估机器学习和深度学习在肺动脉高压和肺动脉动脉高压的无创诊断、分类和预后中的应用，重点关注方法学质量和临床适用性	肺动脉高压和肺动脉动脉高压患者	机器学习	肺动脉高压	NA	CNN	临床数据、影像数据、生物标志物数据、组学数据、实验室参数	53项研究	NA	卷积神经网络	AUC	NA
747	2026-09-26	An investigation of race bias in deep learning-based segmentation of prostate MRI images 2025-12-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26189-5 PMID:41353223	研究论文	该研究调查了深度学习在前列腺MRI分割中是否因种族（白人与黑人）不平衡的训练数据而产生性能偏差。	首次系统探究种族不平衡对前列腺MRI分割模型性能的偏差影响，并采用线性混合效应模型分析种族表征与性能差异的关系。	样本量有限（32名匹配受试者），仅涉及白人和黑人两个种族，未涵盖其他种族群体，且仅使用T2加权MRI。	探究深度学习前列腺MRI分割模型在不同种族训练数据不平衡情况下是否存在种族性能偏差	前列腺MRI图像以及白人和黑人受试者	数字病理学, 医学图像分割	前列腺癌	磁共振成像（MRI）	深度学习模型（具体架构未提及）	图像	五个临床T2加权MRI数据集（种族不平衡程度不同）、一个公共数据集（种族未知）、32名白人和黑人匹配的临床受试者	NA	NA	Dice相似系数（DSC）	NA
748	2026-09-26	Sensitive detection of structural dynamics using a statistical framework for comparative crystallography 2025-12-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2921 PMID:41337576	研究论文	本文提出了一种基于统计框架的比较晶体学方法，通过变分深度学习框架Careless结合多变量结构化先验，灵敏检测蛋白质结构动力学	在Careless变分深度学习框架中引入了源自晶体学理论的多变量结构化先验，显著提高了对蛋白质动力学、元素特异性异常信号和候选药物结合的检测灵敏度	未明确说明	提高比较晶体学中检测蛋白质结构动力学、元素特异性异常信号和药物结合的灵敏度	蛋白质晶体学数据集	计算生物学	NA	X射线晶体学	变分深度学习	晶体学结构因子数据	NA	NA	NA	NA	NA
749	2026-09-26	Uncertainty quantification enables reliable deep learning for protein-ligand binding affinity prediction 2025-12-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27167-7 PMID:41345415	研究论文	本文系统比较了五种不确定性量化方法在蛋白质-配体结合亲和力预测中的表现，发现Bayes by Backprop结合FFNN和ECIF特征能提供优越且可靠的预测。	首次在该领域应用Bayes by Backprop方法进行不确定性量化，并使用Leak-Proof PDBBind数据集进行严格评估。	未明确提及具体的局限性。	解决深度学习模型在蛋白质-配体结合亲和力预测中泛化能力差和缺乏置信度估计的问题。	蛋白质-配体结合亲和力预测模型。	机器学习	NA	深度学习	前馈神经网络	蛋白质-配体结合数据	使用Leak-Proof PDBBind数据集和多个外部测试集，具体样本量未提及	NA	前馈神经网络	校准度、多种评估指标	NA
750	2026-09-26	DiagNeXt: A Two-Stage Attention-Guided ConvNeXt Framework for Kidney Pathology Segmentation and Classification 2025-Dec-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120433 PMID:41440573	研究论文	本文提出了一种名为DiagNeXt的两阶段注意力引导ConvNeXt框架，用于肾脏病理图像的分割与分类	创新点包括：(1) 针对3D医学影像优化的大核深度可分离卷积增强ConvNeXt模块；(2) 结合Dice、交叉熵、Focal和距离变换项的边界感知复合损失函数；(3) 保留细粒度空间细节的注意力引导跳跃连接；(4) 层次化多尺度特征建模用于鲁棒病理识别；(5) 融合分割质量指标的置信度调制分类方法	NA	解决医学图像中肾脏病理分割与分类因形态复杂、病灶小和类别严重不平衡带来的挑战，提升计算机辅助诊断的准确性	肾脏CT医学图像，包括正常、肿瘤、囊肿和结石四类病理	数字病理学, 计算机视觉	肾脏疾病, 肾癌, 肾囊肿, 肾结石	CT影像分析	CNN	3D医学图像	3847名患者的肾脏CT数据集	NA	ConvNeXt, U-Net	准确率, AUC	NA
751	2026-09-26	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	本研究利用双时间点CT扫描和基础模型提取的特征来预测非小细胞肺癌患者的生存期。	利用基础模型特征在双时间点CT扫描中的时间变化（如欧氏距离和逐元素相减特征向量）来预测生存期，优于单时间点特征和临床数据。	样本量较小（102例），仅针对接受放疗的非小细胞肺癌患者，需要更大规模验证。	提高肺癌生存预测的准确性，利用时间变化特征。	非小细胞肺癌患者。	医学图像分析	肺癌	双时间点CT扫描, 基础模型特征提取	随机森林, 梯度提升生存模型	医学图像	102例非小细胞肺癌患者	NA	基础模型（未指定）, 随机森林, 梯度提升	NA	NA
752	2026-09-26	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统综述了基于人工智能的新辅助免疫治疗反应预测方法，将其分为间接和直接预测范式，并按数据模态（影像组学、病理组学、基因组学、多组学）分类，讨论了挑战与未来方向	系统性地将AI驱动的NIT反应预测方法分为间接和直接预测范式，并按数据模态进行分类，全面总结了跨癌种的预测模型及其挑战	现有预测模型面临基于生物标志物和基于AI的局限性，如肿瘤异质性、数据模态整合困难、模型泛化能力不足等	系统总结现有的AI驱动的NIT反应预测计算方法，为未来研究和AI在精准免疫治疗中的整合提供指导	跨癌种的新辅助免疫治疗反应预测研究	数字病理学	肺癌	影像组学, 病理组学, 基因组学, 多组学	机器学习, 深度学习	图像, 文本, 组学数据	NA	NA	NA	NA	NA
753	2026-09-26	Few-Shot and Zero-Shot Learning for MRI Brain Tumor Classification Using CLIP and Vision Transformers 2025-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s25237341 PMID:41374716	研究论文	本文比较了少样本学习和零样本学习范式，使用原型网络和CLIP模型对MRI脑肿瘤进行分类	首次系统比较了基于度量学习的少样本学习与基于视觉语言模型的零样本学习在MRI脑肿瘤分类中的性能，并展示了少样本学习在数据稀缺条件下的显著优势	仅评估了5-way 4-shot设置，样本量有限，未探索更多类别和更多样本数的场景，且零样本学习性能较低	解决MRI脑肿瘤分类中标注数据有限的问题，评估数据高效学习范式的有效性	MRI脑肿瘤图像	计算机视觉	脑肿瘤	MRI	原型网络, CNN, ResNet, Vision Transformer, CLIP	图像	1000个随机采样的五样本四类别任务（每个任务包含5个支持样本和若干查询样本）	NA	ProtoNet with CNN, ResNet-18, ResNet-50, Vision Transformer, CLIP	准确率, F1分数	NA
754	2026-09-26	AI-Integrated Micro/Nanorobots for Biomedical Applications: Recent Advances in Design, Fabrication, and Functions 2025-Dec-02, Biosensors DOI:10.3390/bios15120793 PMID:41440274	综述	本文综述了人工智能与微/纳米机器人集成在生物医学传感中的设计、制造和功能集成的最新进展	系统性地整合了AI驱动的算法与微/纳米机器人的设计、制造和功能，强调了自主、自适应和高分辨率生物分析的能力	在可扩展性、能源自主性、数据标准化和闭环控制方面仍面临关键挑战	综述AI集成微/纳米机器人在生物医学应用中的最新进展，包括设计、制造和功能	AI集成的微/纳米机器人系统	机器学习	NA	光刻、软光刻、纳米压印、3D打印、自组装	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
755	2026-09-26	APTES: a high-throughput deep learning-based Arabidopsis phenotypic trait estimation system for individual leaves and siliques 2025-Dec, aBIOTECH IF:4.6Q1 DOI:10.1007/s42994-025-00239-y PMID:41312108	研究论文	该文章开发了APTES，一个基于计算机视觉和深度学习的高通量系统，用于从照片中提取拟南芥单叶和角果的表型性状，并进行了全基因组关联分析。	开发了开放获取的高通量程序APTES，使用增强的Cascade Mask R-CNN和DetectoRS模型，能提取64个叶片性状和64个角果性状，并在多个数据集和物种中验证了其适用性。	未明确提及	开发一种快速、精确的高通量方法来估计拟南芥的生长动力学和器官大小性状。	拟南芥的单个叶片和角果，以及166个拟南芥种质。	计算机视觉	NA	计算机视觉，深度学习	CNN	图像	166个拟南芥种质	NA	Cascade Mask R-CNN, DetectoRS	精确率, 召回率, F1分数, 决定系数, 平均绝对百分比误差	NA
756	2026-09-26	Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome 2025-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012326 PMID:41337156	研究论文	本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于从表观基因组数据直接预测染色质亚区室注释，并揭示长程表观基因组上下文对染色质组织的影响	首次将Transformer架构应用于从表观基因组数据预测染色质亚区室注释，超越了传统的A/B区室分类，能够预测更精细的亚区室结构，并揭示了长程表观基因组上下文对染色质三维组织的影响	摘要中未明确提及研究的具体局限性	利用深度学习模型解码表观基因组特征与三维基因组组织之间的复杂关系，从表观基因组数据预测染色质亚区室注释	染色质三维结构、染色质亚区室、核体（核纤层、核仁和核斑）	机器学习	NA	组蛋白修饰测序、转录因子结合谱分析、RNA-Seq	Transformer	表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据）	NA	NA	Transformer	准确率	NA
757	2026-09-26	BAGEL: Protein engineering via exploration of an energy landscape 2025-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013774 PMID:41337470	研究论文	本文介绍了BAGEL，一个模块化、开源的蛋白质工程框架，通过模型无关且无梯度的能量景观探索实现可编程的蛋白质设计	提出了一种模块化的开源框架，将蛋白质设计形式化为能量函数的采样，支持非可微和多目标设计目标，采用无梯度的蒙特卡洛方法探索序列空间，并可无缝集成多种公开的深度学习蛋白质模型	未提及	加速新蛋白质的设计，通过提供模块化、易用的平台来定义自定义蛋白质设计目标和优化策略，使蛋白质设计民主化，让更广泛的科学界更容易使用	蛋白质序列空间	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
758	2026-09-26	Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71303 PMID:41356232	综述	本文综述了用于肉类质量与安全无损检测的光谱和成像技术的最新进展，讨论了其原理、应用、优缺点及未来前景	系统总结了近红外、拉曼、荧光、太赫兹光谱以及高光谱、多光谱、X射线、热成像等多种技术在肉类检测中的多场景应用，并指出多技术融合与深度学习算法结合是未来方向	光谱技术仅能感知局部样品信息，成像技术检测速度较慢；工业应用仍受高成本和复杂数据分析流程的阻碍	总结光谱和成像技术在肉类质量与安全检测方面的最新发展，分析其原理、应用、优缺点及未来前景	肉类	计算机视觉	NA	近红外光谱, 拉曼光谱, 荧光光谱, 太赫兹光谱, 高光谱成像, 多光谱成像, X射线成像, 热成像	深度学习算法	图像, 光谱数据	NA	NA	NA	NA	NA
759	2026-09-26	Brain-Pupil Coupling Revealed Through Deep Learning of Intracranial Recordings 2025-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70438 PMID:41368939	研究论文	本研究通过颅内记录和瞳孔测量技术，在13名患有癫痫的儿童和青少年中探究了大脑-瞳孔耦合现象，并利用深度学习模型预测瞳孔大小变化	首次结合颅内记录和瞳孔测量，使用深度学习模型预测瞳孔动态，并通过显著性梯度映射识别与任务相关的皮层和皮层下区域网络	样本量较小（13名参与者），仅部分参与者（7名中的5名）的模型预测能泛化到不同日期的记录	揭示瞳孔响应与认知过程的神经基础，探索大脑-瞳孔耦合机制	13名患有癫痫的儿童和青少年（年龄9-18岁）	机器学习	癫痫	颅内记录，瞳孔测量	深度学习	神经活动数据，瞳孔大小数据	13名参与者	NA	NA	预测准确性（未指定具体指标）	NA
760	2026-09-26	DELTA-SoyStage: A Lightweight Detection Architecture for Full-Cycle Soybean Growth Stage Monitoring 2025-Dec-01, Sensors (Basel, Switzerland) DOI:10.3390/s25237303 PMID:41374678	研究论文	本文提出了一种轻量级目标检测架构 DELTA-SoyStage，用于大豆全周期生长阶段监测，在保持较高精度的同时显著降低了计算成本	提出了结合 EfficientNet 骨干网络、轻量级 ChannelMapper 颈部和新颖的 DELTA（去噪增强轻量级任务对齐）检测头的架构，并构建了覆盖九个生长阶段、包含 17,204 张标注 RGB 图像的大豆生长阶段数据集	未明确讨论模型在田间复杂自然环境下的泛化能力，数据集采集于受控温室条件	实现大豆全周期生长阶段的准确识别，以优化农业干预措施，避免因时机不当造成产量损失	大豆植株的 RGB 图像，涵盖从出苗期（VE）到完熟期（R8）的九个生长阶段	计算机视觉	NA	RGB 成像	目标检测	图像	17,204 张标注 RGB 图像	NA	EfficientNet, ChannelMapper, DELTA检测头	平均精度（AP）, GFLOPs, 参数量	NA