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
781	2026-09-26	Pan-microalgal dark proteome mapping via interpretable deep learning and synthetic chimeras 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101373 PMID:41328162	研究论文	该文章开发了LASR框架，利用Transformer和状态空间模型对十个藻类门的翻译ORFeome进行分类，以绘制泛微藻暗蛋白质组图谱	首次将Transformer和状态空间模型应用于泛微藻暗蛋白质组分类，训练了约7700万条序列，分类速度比BLASTP快约10701倍，并使用合成嵌合序列（无末端信息）证明仅凭内部序列特征即可驱动稳健分类，同时开发了自定义可解释性工具揭示与进化和生物物理特征相关的可解释氨基酸模式	摘要中未明确提及研究的局限性	对十个藻类门的翻译ORFeome进行分类，以绘制泛微藻暗蛋白质组图谱，加速大规模蛋白质组数据集的注释	十个藻类门的翻译ORFeome序列，约7700万条序列	机器学习	NA	NA	Transformer, 状态空间模型	氨基酸序列	约7700万条序列，覆盖十个藻类门	NA	Transformer, 状态空间模型	召回率, 分类速度（加速比）, 准确率	NA
782	2026-09-26	A comprehensive benchmarking of the AlphaFold3 for predicting biomacromolecules and their interactions 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf616 PMID:41313605	研究论文	本文对AlphaFold3在预测生物大分子及其相互作用方面进行了全面的基准测试，并与多种现有方法进行了比较	首次对AlphaFold3在九种数据集上进行第三方基准测试，涵盖蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体和蛋白质-核酸复合物，并与AlphaFold2、AlphaFold-Multimer、RoseTTAFoldNA、RhoFold+、NuFold和trRosettaRNA进行比较	对于蛋白质单体，全局精度提升有限；对于肽-蛋白质复合物，性能与AlphaFold-Multimer几乎无法区分；对于RNA多聚体，优势仅限于局部距离差异测试分数的显著提升；对于RNA单体，trRosettaRNA实现了更高的全局预测精度	对AlphaFold3在预测生物大分子及其相互作用方面的性能进行全面的基准测试	蛋白质单体、孤儿蛋白、替代构象、蛋白质多聚体、肽-蛋白质复合物、抗原-抗体复合物、RNA、RNA多聚体和蛋白质-核酸复合物	计算生物学	NA	深度学习	AlphaFold3	结构数据	九个数据集	NA	AlphaFold3	TM-score, 局部距离差异测试分数, 交互网络保真度分数	NA
783	2026-09-26	Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100524 PMID:41340634	综述	本文综述了基于人工智能的深度学习方法，仅利用H&E染色组织切片预测癌细胞中PD-L1表达的研究进展	系统总结了仅基于H&E染色切片、利用AI驱动模型预测PD-L1表达这一新兴领域，强调了其在减少免疫组化评估主观性、降低时间和资源成本方面的潜力，并提出了整合基因组学、影像组学和真实世界临床数据的多模态数据融合策略以进一步提升预测准确性和患者分层能力	需要大规模验证、AI模型的标准化以及临床实施的监管批准，这些问题尚未解决	探讨AI驱动模型（尤其是深度学习算法）直接从H&E染色组织切片预测PD-L1表达的可行性和应用前景	H&E染色组织切片、PD-L1表达生物标志物、接受免疫检查点抑制剂治疗的患者	数字病理学	肺癌	H&E染色、免疫组化、深度学习	CNN	图像	NA	NA	NA	准确率	NA
784	2026-09-26	Label-efficient computational tumour infiltrating lymphocyte assessment in breast cancer (ECTIL): multicentre validation in 2340 patients with breast cancer 2025-11, The Lancet. Digital health DOI:10.1016/j.landig.2025.100921 PMID:41381302	研究论文	本文提出并验证了一种名为ECTIL的基于深度学习的计算性肿瘤浸润淋巴细胞评估模型，用于乳腺癌的预后评估	提出了一种更简单的深度学习模型，只需10分钟训练和少100倍的病理学家注释，直接从WSI特征回归TIL评分，无需复杂的深度学习分割和检测管道	未明确提及研究局限性	开发一种标签高效的计算性TIL评估模型，以辅助病理学家进行乳腺癌的TIL评估，并验证其预后价值	2340名乳腺癌患者的全切片图像和临床数据，包括790名三阴性乳腺癌患者	数字病理学	乳腺癌	全切片图像分析、病理基础模型特征提取	深度学习回归模型	图像和临床数据	2340名患者，包括356名TCGA队列、400名TNBC样本和1964名多亚型样本	NA	NA	Pearson相关系数r、AUROC、Cox回归风险比	NA
785	2026-09-26	Effectiveness of AI-Based Tools in Detecting Diabetic Retinopathy in Low- and Middle-Income Countries: A Systematic Review of Diagnostic Performance and Implementation Feasibility 2025-Nov, Cureus DOI:10.7759/cureus.96554 PMID:41393614	系统综述	本文系统综述了AI工具在低中收入国家检测糖尿病视网膜病变的诊断性能与实施可行性	聚焦于低中收入国家这一特殊场景，综合评估AI工具在资源受限环境中的诊断性能与实施可行性，并探讨成本、工作负荷和随访等实施结局	符合条件的研究数量较少，关于基础设施需求、监管考虑和长期可持续性的报告有限，需要更大规模和实施导向的研究	评估AI工具在低中收入国家检测糖尿病视网膜病变的诊断性能和实施可行性	2015年1月至2025年6月间发表的关于AI应用于视网膜成像检测糖尿病视网膜病变的研究	数字病理学	糖尿病视网膜病变	视网膜成像	机器学习, 深度学习	图像	NA	NA	NA	诊断准确率	NA
786	2026-09-26	Component puzzle protein-protein interaction prediction 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf685 PMID:41428392	研究论文	该论文提出了一种基于序列的深度学习框架C3PI，通过引入puzzler和entangler两个新组件，利用ProtT5蛋白嵌入预测蛋白质-蛋白质相互作用。	引入了两个新组件puzzler和entangler，并使用ProtT5蛋白嵌入；是首个在无泄漏金标准数据集上显著优于随机预测的PPI预测方法。	摘要中未提及。	准确预测蛋白质-蛋白质相互作用。	蛋白质-蛋白质相互作用。	机器学习	NA	ProtT5蛋白嵌入	深度学习	序列	NA	NA	NA	AUPRC, AUROC	NA
787	2026-09-26	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本文提出了一种混合深度学习方法来直接从原始光声数据（正弦图）重建光声断层图像，无需传统手工重建步骤	首次将正弦图到图像的端到端重建方法应用于光声计算断层成像，采用全连接网络与Swin-UNETR的混合架构实现直接映射	摘要中未明确提及研究局限性	实现从原始光声传感器数据（正弦图）直接重建光声断层图像，消除传统手工重建步骤	光声计算断层成像（PACT）的原始正弦图数据	计算机视觉	NA	光声计算断层成像（PACT）	CNN, Transformer	图像	NA	NA	全连接网络, Swin-UNETR	PSNR, SSIM	NA
788	2026-09-26	Automated Technique for Brain Tumor Detection From Magnetic Resonance Imaging Based on Local Features, Ensemble Classification, and YOLOv3 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5531209 PMID:41321695	研究论文	本文提出并评估了两种自动化脑肿瘤检测方法，一种基于SVM和KNN的集成分类，另一种基于YOLOv3深度学习模型，利用MRI图像进行检测	提出两种新颖的自动化脑肿瘤检测技术，一种使用集成分类（SVM和KNN），另一种使用YOLOv3深度学习模型来检测和勾勒肿瘤位置	集成分类器准确率仅为80.50%，相对较低；数据集来源有限，主要来自开源数据集和巴基斯坦拉合尔医院；未提及模型在大规模多中心数据上的泛化能力	开发一种新颖的自动化脑肿瘤检测技术，以解决传统方法在检测效率和准确性上的不足	脑部MRI图像，包括正常大脑和脑肿瘤图像	计算机视觉	脑肿瘤	MRI	SVM, KNN, YOLOv3	图像	开源数据集及巴基斯坦拉合尔医院收集的数据，具体样本量未提及	NA	YOLOv3, SVM, KNN	准确率, 精确率, 召回率, 平均IoU	NA
789	2026-09-26	Sex and age estimation from cardiac signals captured via radar using data augmentation and deep learning: a privacy concern 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1616770 PMID:41324021	研究论文	本研究首次探讨了利用雷达采集的心脏信号推断性别和年龄等人口统计信息，通过条件Wasserstein生成对抗网络进行数据增强，并使用卷积神经网络进行分类	首次研究从雷达采集的心脏信号中推断人口统计信息；首次针对此类信号应用基于条件Wasserstein生成对抗网络的数据增强方法	数据集规模较小，仅包含30名受试者；模型准确率有待进一步提升；研究结果基于有限样本，泛化能力需进一步验证	探究雷达采集的心脏信号是否可以用于推断性别和年龄等人口统计信息，以评估潜在的隐私风险	雷达采集的心脏信号及其对应的人口统计信息（性别和年龄）	机器学习	心血管疾病	雷达信号采集、时频分析（尺度图变换）、数据增强	CNN、cWGAN	雷达信号（尺度图图像）	30名受试者	NA	卷积神经网络（CNN）、条件Wasserstein生成对抗网络（cWGAN）	准确率	NA
790	2026-09-26	COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70036 PMID:41340910	研究论文	该研究构建了一个包含27000条波斯语Instagram评论的新型标注数据集，并对比了机器学习与深度学习方法在COVID-19波斯语虚假信息检测中的性能	构建了首个针对Instagram上COVID-19波斯语虚假信息的标注数据集，并建立了深度学习方法在该独特数据集上的首个高性能基线	仅聚焦于波斯语和COVID-19相关虚假信息，数据集来源于单一社交平台Instagram	填补非英语语言虚假信息检测研究的空白，为Instagram上波斯语COVID-19虚假信息检测建立综合性能基准	Instagram上的波斯语COVID-19相关评论	自然语言处理	COVID-19	TF-IDF嵌入, GloVe嵌入	XGBoost, LSTM, CNN, KNN, BERT	文本	27000条波斯语Instagram评论	NA	XGBoost, LSTM, CNN, KNN, BERT	准确率, 精确率, 召回率, F1-score, 混淆矩阵	NA
791	2026-09-26	Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1699700 PMID:41341263	研究论文	本文提出了一种基于Mamba的多尺度多扫描编码器-解码器架构，用于在Sturge-Weber综合征的脑部MRI中自动检测软脑膜血管瘤	提出了多尺度多扫描策略，将3-D体积转换为1-D序列，在降低计算复杂度的同时捕捉长程依赖关系；采用基于Mamba的编码器-解码器架构	样本量较小（仅40例SWS患者），需要在更大规模的多中心数据集上进一步验证	研究Sturge-Weber综合征患者MRI中软脑膜血管瘤的自动检测方法	40例Sturge-Weber综合征患者的T1增强MRI图像	计算机视觉	Sturge-Weber综合征	MRI	Mamba	图像	40例Sturge-Weber综合征患者的T1增强MRI图像，以及公共脑肿瘤分割数据集	NA	Mamba编码器-解码器架构	Dice系数	NA
792	2026-09-26	YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1707501 PMID:41341300	研究论文	该文章提出了一种面向边缘部署的轻量级实时花生叶病害检测模型YOLO-PLNet，并在Jetson Orin NX平台上验证了其性能	基于YOLO11n进行轻量化改进，引入轻量级注意力增强卷积模块、CBAM注意力机制和渐近特征金字塔网络，在降低参数量的同时提升了检测精度和边缘部署适应性	仅在Jetson Orin NX平台上进行了验证，未在其他边缘设备上测试；数据集规模未明确说明；INT8精度下检测精度略有下降	解决现有轻量级深度学习方法在模型大小、实时检测精度和边缘设备部署之间难以平衡的问题，实现花生叶病害的早期准确检测	花生叶片病害	计算机视觉	植物病害	深度学习目标检测	CNN	图像	NA	NA	YOLO11n, Lightweight Attention-Enhanced Convolution, CBAM, Asymptotic Feature Pyramid Network	mAP@0.5, mAP@0.5:0.95, 参数量, 计算复杂度, 模型大小, 延迟, FPS, GPU使用率, 功耗	Jetson Orin NX平台, CSI相机, FP16和INT8精度
793	2026-09-26	Advances in deep reinforcement learning enable better predictions of human behavior in time-continuous tasks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338034 PMID:41343519	研究论文	本文通过记录人类参与者在三个街机游戏中的运动反应，并使用深度Q网络（DQN）的刺激特征预测人类行为，比较了不同DQN模型的预测准确性	使用最新深度强化学习模型（Ape-X和SEED）预测人类在时间连续任务中的行为，并分析时间分辨率对预测准确性的影响	样本量较小（N=23），且仅涉及三个街机游戏，可能限制结果的普遍性	探讨深度强化学习的进步是否能改善对复杂、时间连续环境中人类行为的建模	人类参与者的运动反应数据	机器学习	NA	深度强化学习	DQN	图像	23名人类参与者	NA	Ape-X, SEED, 基线DQN, LSTM	预测准确性	NA
794	2026-09-26	CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664242 PMID:41358337	研究论文	本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花叶片病害检测，并与五种预训练迁移学习模型进行了对比，同时利用Grad-CAM增强模型可解释性，并开发了Web应用。	提出了新颖的CottonNet-MHA框架，采用多头注意力机制增强特征学习并突出病害区域；结合Grad-CAM可视化提高模型可信度和可解释性；开发了基于Web的应用以实现实际部署。	摘要中未明确提及研究的局限性。	构建基于深度学习的方法来检测棉花作物病害，实现早期发现和准确识别，以确保作物健康生长和更高产量。	棉花叶片病害	计算机视觉	植物病害	深度学习	多头注意力机制	图像	NA	NA	CottonNet-MHA, VGG16, VGG19, InceptionV3, Xception, MobileNet	准确率, 效率	NA
795	2026-09-26	Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546260 PMID:41368349	综述	本文综述了机器学习和深度学习在基于肠道微生物组的炎症性肠病研究中如何重塑疾病分类、亚型区分和治疗反应预测，并总结了其优势、局限及临床转化的关键考虑。	从整合视角系统阐述机器学习和深度学习如何将复杂的微生物组数据转化为炎症性肠病临床可操作的见解，强调标准化微生物组检测、严格基准测试和多组学数据整合对未来进展的重要性。	未涉及具体数据或实验验证，属于综述性总结，缺乏原创性实验证据	提供一个整合视角，总结机器学习和深度学习在微生物组驱动的炎症性肠病研究中的优势、局限及临床转化的关键考虑	炎症性肠病相关的肠道微生物组数据及机器学习/深度学习分析方法	机器学习	炎症性肠病	NA	NA	NA	NA	NA	NA	NA	NA
796	2026-09-26	Scoping review of image-based overall survival prediction in glioma using machine learning 2025, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/209963 PMID:41376800	综述	本文是一篇范围综述，系统评估了基于影像的胶质瘤总生存期预测模型，涵盖肿瘤特征、影像模态、预处理技术和机器学习方法	系统性地梳理了基于影像的胶质瘤总生存期预测模型的研究现状，从肿瘤特征、影像模态、预处理技术和机器学习方法多个维度进行全面分析，并揭示了数据质量和特征选择比单纯增加样本量更为关键这一重要发现	混合模型性能不一致，受限于图像质量不足和模型可解释性问题；深度学习模型需要大规模且平衡的数据集	系统评估基于影像的胶质瘤总生存期预测模型的最新技术水平，为优化治疗决策提供参考	胶质瘤患者	数字病理学	脑癌	多模态磁共振成像（MRI）、图像分割、特征提取	CNN	图像	纳入70篇文章，数据集平均约450例	NA	NA	NA	NA
797	2026-09-26	Real-Time Tool Detection in Laparoscopic Datasets for Surgical Training in Low-Resource Settings 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70045 PMID:41383712	研究论文	本文测试了多种基于锚框和无锚框、卷积和Transformer的传统计算机视觉深度学习模型，在新构建的腹腔镜箱式训练器数据集上，于低成本嵌入式设备上实现实时手术工具检测，以支持资源受限环境下的外科培训	构建了新的内部腹腔镜箱式训练器数据集，并在低成本嵌入式设备（NVIDIA Jetson Orin Nano 8GB）上系统评估了多种传统计算机视觉模型（包括锚框/无锚框、卷积/Transformer架构）在体外训练场景中的实时工具检测性能	研究仅基于内部数据集，样本来源单一；模型在体外训练场景中评估，未验证其在体内手术环境中的泛化能力；未涉及下游手术技能评估的具体实现	在低资源环境下，利用计算机辅助手术技能评估替代培训过程，通过实时工具检测从手术视频中获取手术技能评估的洞察	腹腔镜箱式训练器数据集中的手术工具	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	YOLOv8-X, YOLOv11-N	mAP, FPS, 推理时间	NVIDIA Jetson Orin Nano 8GB
798	2026-09-26	Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization 2025, Journal of tropical medicine IF:2.1Q2 DOI:10.1155/jotm/1709439 PMID:41399677	研究论文	本研究对13种机器学习和深度学习模型进行了比较分析，用于基于症状的早期登革热预测，重点针对孟加拉国人群，并使用SHAP进行可解释性分析。	针对孟加拉国人群，基于症状的登革热预测，对13种模型进行全面比较，并采用SHAP进行可解释性分析，突出了定制调优ANN的优越性。	数据集仅包含500条患者记录，样本量有限，可能影响模型的泛化能力。	开发并比较基于非临床、症状的机器学习模型，用于孟加拉国的早期登革热预测。	登革热患者症状数据。	机器学习	登革热	NA	ANN, 随机森林, 额外树, Bagging, 逻辑回归, SGDClassifier, 基于实例的分类器	表格数据（症状特征）	500条患者记录，22个症状特征	NA	人工神经网络, 随机森林, 额外树, Bagging, 逻辑回归, SGDClassifier, 基于实例的分类器	准确率	NA
799	2026-09-26	PRISM: Past-Regularized Iterative Self-Distillation With Momentum for Polyp Segmentation 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70050 PMID:41409574	研究论文	提出一种基于动量的自蒸馏方法PRISM，用于结肠息肉分割，在不增加推理成本的情况下提升分割性能	使用指数移动平均（EMA）构建时间平滑的教师模型，提供稳定自适应的监督信号，无需存储或重用过去的预测，且不增加额外推理成本	未明确说明	提高息肉分割的准确性和泛化能力，同时降低对大量标注数据和计算资源的依赖	结肠息肉	计算机视觉, 医学图像分割	结直肠癌	深度学习, 自蒸馏, 指数移动平均	CNN	图像	来自五个不同医疗中心的结肠镜数据集，并在一个未见过的独立数据集上验证	PyTorch	未明确说明	Dice系数, IoU	未明确说明
800	2026-09-26	Anatomically refined entorhinal cortex segmentation improves MRI-based early diagnosis of Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1682106 PMID:41415891	研究论文	该研究开发了一种结合专家解剖校正与深度学习的精细内嗅皮层分割框架，以提高基于MRI的阿尔茨海默病早期诊断灵敏度	提出了一种精细的内嗅皮层分割框架，将专家引导的解剖校正与深度学习相结合，通过去除前嗅周皮层延伸和其他解剖不一致区域来改进FreeSurfer衍生的内嗅皮层标签，并训练nnU-Net模型实现解剖精确且可扩展的内嗅皮层勾画	摘要中未明确说明研究的局限性	开发一种解剖精细的内嗅皮层分割方法，以改善基于MRI的阿尔茨海默病早期诊断生物标志物的灵敏度	阿尔茨海默病神经影像学倡议1（ADNI1）的MRI数据，包括认知正常、轻度认知障碍和阿尔茨海默病受试者	数字病理学、计算机视觉	阿尔茨海默病	磁共振成像（MRI）、深度学习分割	CNN	图像	NA	NA	nnU-Net	NA	NA