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
8901	2025-12-13	Recent advances and applications of single-cell sequencing in insects 2026-Feb, Current opinion in insect science IF:5.8Q1 DOI:10.1016/j.cois.2025.101455 PMID:41173389	综述	本文综述了单细胞测序技术在昆虫科学中的最新进展与应用，探讨了该技术如何推动昆虫生物学从描述性研究转向功能与机制研究	系统总结了单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）在昆虫研究中的应用，并展望了高通量空间转录组学等新技术的前景	作为综述文章，未提出新的实验数据或方法，主要基于现有文献进行归纳总结	总结单细胞测序技术在昆虫生物学研究中的最新进展，并探讨其未来发展方向	昆虫（泛指）	基因组学	NA	单细胞测序、单细胞多组学技术（转录组、表观基因组、蛋白质组、代谢组）、空间转录组学	深度学习算法	基因组数据、转录组数据、表观基因组数据、蛋白质组数据、代谢组数据	NA	NA	NA	NA	NA
8902	2025-12-13	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-Feb, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	研究论文	本研究开发了一种基于术前步态和临床数据的深度学习模型，用于预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后持续性足下垂的风险	首次结合卷积神经网络和前馈神经网络，利用术前多模态数据预测术后足下垂，并采用SHAP方法解释模型以识别关键风险因素	样本量相对有限（110名儿童），且仅针对脑瘫儿童，模型在其他人群中的泛化能力尚未验证	预测脑瘫儿童接受腓肠肌-比目鱼肌延长术后发生持续性足下垂的风险，并识别相关的术前风险因素	110名患有脑瘫的儿童（36名单瘫，74名双瘫）	数字病理学	脑瘫	三维步态分析，物理检查	CNN, 前馈神经网络	步态数据，临床数据	110名儿童	NA	卷积神经网络，前馈神经网络	均方根误差，准确率	NA
8903	2025-12-13	Circulating microRNAs in viral myocarditis: Advancements in biological understanding and potential clinical applications 2026-Jan-10, Gene IF:2.6Q2 DOI:10.1016/j.gene.2025.149866 PMID:41177414	综述	本文系统综述了循环microRNAs在病毒性心肌炎中的生物学作用、临床诊断与治疗应用潜力及局限性	整合了高通量测序、深度学习和人工智能技术，以深入理解循环microRNAs在病毒性心肌炎发病机制中的调控网络作用	作为综述文章，未进行原始实验研究，依赖于现有文献证据，可能存在发表偏倚	为改善病毒性心肌炎的精准诊断和治疗建立理论基础和策略框架	循环microRNAs及其在病毒性心肌炎中的调控网络	自然语言处理	心血管疾病	高通量测序技术	深度学习	文本	NA	NA	NA	NA	NA
8904	2025-12-13	Open Lumbar Spine Image Analysis: A 3D Slicer Extension for Segmentation, Grading, and Intervertebral Disc Height Index With Multi-Data Set Validation 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005462 PMID:40747922	研究论文	本研究开发了一个名为OLSIA的开放软件，用于腰椎图像分析，实现无代码的腰椎分割、分级和椎间盘高度指数计算，并在多个外部数据集上进行了验证	开发了首个集成深度学习模型的无代码腰椎图像分析软件，支持自动化分割、分级和DHI计算，并在6个不同地理区域的外部数据集上进行了鲁棒性评估	研究主要基于T2加权矢状位切片，可能未涵盖所有腰椎成像模态；尽管在多个数据集中验证，但样本量仍有限	开发一个开放、用户友好的软件工具，以加速腰椎图像的放射组学和分析工作流程	腰椎图像，特别是T2加权矢状位切片中的L1至S1椎体和L1/2至L5/S1椎间盘	数字病理	脊柱疾病	深度学习，图像增强（直方图裁剪、中值滤波、几何缩放）	深度学习模型	医学图像（T2加权MRI切片）	训练使用NFBC1966数据集，外部评估从6个数据集中各采样30名参与者，总计180名外部样本	NA	NA	Dice相似系数，Bland-Altman分析，配对t检验	NA
8905	2025-12-13	Prediction of neoadjuvant therapy response to HER2-positive and triple-negative breast cancer: a multicenter proof-of-concept study 2026-Jan, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109130 PMID:41135295	研究论文	本研究开发了一个基于乳腺X线摄影、多参数MRI和临床特征的深度学习框架，用于预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	提出了一种结合多模态影像（ADC、DCE-MRI、SPAIR T2WI、DWI、CC、MLO）和临床特征的融合模型，用于预测乳腺癌新辅助治疗反应	回顾性研究，样本量相对有限（359例），且仅来自两个机构，可能存在选择偏倚	预测HER2阳性和三阴性乳腺癌患者新辅助治疗后的病理完全缓解	HER2阳性和三阴性乳腺癌患者	数字病理	乳腺癌	乳腺X线摄影，多参数MRI（包括ADC、DCE-MRI、SPAIR T2WI、DWI）	深度学习	影像（乳腺X线摄影、MRI），临床特征	359名乳腺癌患者（来自两个机构）	NA	DenseNet169-CBAM, Multi-Layer Perceptron	AUC, 准确率, 敏感性, 特异性	NA
8906	2025-12-13	An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification 2025-Dec-12, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02267-z PMID:41381926	研究论文	本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型	探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率	研究为概念验证性质，数据来源于两个中心，样本量相对有限	开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类	乳腺细针穿刺细胞学图像	数字病理学	乳腺癌	细针穿刺细胞学	混合模型	图像	原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性）	NA	Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours	准确率, 灵敏度, 特异性	NA
8907	2025-12-13	Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport 2025-Dec-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3638632 PMID:41379885	研究论文	本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题	引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型	未在摘要中明确说明	提升生成模型的解释性和条件生成能力，同时提高生成效率	生成模型中的最优传输映射	机器学习	NA	最优传输（OT）、Nesterov平滑技术	生成模型	NA	NA	NA	NA	NA	NA
8908	2025-12-13	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	本文提出了一种增强的扩散后验采样框架，用于儿科低剂量CT图像的降噪，以提升临床泛化能力	提出结合一步去噪U-Net与无条件扩散模型的E-DPS框架，利用U-Net提供结构约束，扩散模型增强真实感与泛化性，并引入中间阶段初始化策略以减少采样步数	未明确说明在极低剂量或运动伪影严重情况下的性能，以及模型在不同医疗机构设备间的泛化能力验证	开发一种具有强临床泛化能力的低剂量CT图像降噪方法，以减少儿科患者的辐射暴露	儿科患者的全身正电子发射断层扫描与计算机断层扫描（PET/CT）图像	计算机视觉	儿科疾病	计算机断层扫描（CT）	扩散模型, U-Net	医学图像（CT图像）	NA	NA	U-Net	峰值信噪比（PSNR）	NA
8909	2025-12-13	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2025-Dec-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出一种结合图注意力融合与Kolmogorov-Arnold网络的方法dgKAN，用于预测药物-基因相互作用	通过构建可解释的KAN网络解析药物-基因关系中的异构注意力相互影响，并融合全局与局部注意力机制	NA	预测药物-基因相互作用以辅助疾病治疗的药物开发	药物与基因	机器学习	NA	NA	Transformer, GNN	图数据	NA	NA	Transformer, GNN, KAN	NA	NA
8910	2025-12-13	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2025-Dec-11, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次应用视觉语言模型进行新生儿自动疼痛评估，通过设计新颖的提示类别来利用模型的潜在临床知识或指导其评估特定面部特征，实现了高精度性能	首次将视觉语言模型应用于新生儿自动疼痛评估，并设计了基于临床知识和面部特征的提示策略，无需微调即可实现高精度	模型在评估临床相关面部特征时召回率较低（40.1%），且依赖于提示设计，可能受限于预训练知识	开发一种客观的新生儿疼痛评估方法，以替代当前主观的评估量表	新生儿，特别是在重症监护中经历疼痛程序的婴儿	计算机视觉	NA	视觉语言模型	VLM	图像	NA	NA	NA	精确度, 召回率	NA
8911	2025-12-13	Real-time generation of renal artery hemodynamic parameters using a point cloud-based deep learning model 2025-Dec-11, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2595135 PMID:41383106	研究论文	本研究提出了一种结合Mamba状态空间建模和分层点云处理的深度学习框架，用于实时预测肾动脉血流动力学参数	创新性地将Mamba的选择性机制与PointNet++结合，用于点云数据上的血流动力学预测，实现了计算效率的显著提升	NA	开发一种实时生成肾动脉血流动力学参数的深度学习方法，以辅助肾动脉狭窄的临床评估	三维肾动脉模型及其血流动力学参数	数字病理学	心血管疾病	计算流体动力学模拟	深度学习模型	点云数据	NA	NA	PointNet++, Mamba	NA	NA
8912	2025-12-13	PatternFusion: a hybrid model for pattern recognition in time-series data using ensemble learning 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28649-4 PMID:41365945	研究论文	提出了一种名为PatternFusion的新型集成框架，用于时间序列数据的模式识别	通过动态注意力驱动融合机制，无缝集成BiLSTM、CNN和LightGBM，实现了统计模型与深度学习结构的协同；引入了自适应注意力融合、多尺度时间特征编码、显式置信度量化和时间后处理等关键创新	NA	克服经典时间序列分析的缺点，实现高性能、可解释且能进行多尺度时间检测的模式识别	时间序列数据	机器学习	NA	NA	BiLSTM, CNN, LightGBM	时间序列数据	NA	NA	BiLSTM, CNN	F1-score, AUC, EER	NA
8913	2025-12-13	Gaussian mixture model for enhancing the quality of transmission estimation in optical networks: a machine learning approach 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27355-5 PMID:41365970	研究论文	本文提出了一种基于高斯混合模型的机器学习方法，用于提升光网络中传输质量估计的准确性	采用高斯混合模型算法来预测未知光路径的误码率和信噪比，结合阈值、流量和调制格式等参数，实现了高精度的传输质量估计	模型仅在韩国网络拓扑特征上进行训练和测试，未在其他网络拓扑或实际环境中验证其泛化能力	开发一种基于机器学习的光网络传输质量估计方法，以优化光纤通信系统	光网络中的传输路径，特别是未知光路径的质量参数	机器学习	NA	高斯混合模型	GMM	网络拓扑特征数据	NA	NA	高斯混合模型	AUC, 准确率, F1分数, Brier分数, 期望校准误差	NA
8914	2025-12-13	A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02266 PMID:41235667	综述	本文全面回顾了拓扑数据分析（TDA）和拓扑深度学习（TDL）在分子科学中的发展、方法和应用	综述了从早期定性工具到先进定量和预测模型的TDA演变，重点介绍了持久同调、持久拉普拉斯算子及拓扑机器学习等创新点	讨论了当前TDA方法的局限性，并概述了未来方向，如与先进AI模型的整合及新拓扑不变量的开发	旨在为研究人员利用拓扑学在分子科学中的力量提供基础性参考	分子科学中的复杂分子数据，包括生物分子稳定性、蛋白质-配体相互作用、药物发现、材料科学、拓扑序列分析和病毒进化等领域	机器学习	NA	拓扑数据分析（TDA），拓扑深度学习（TDL）	NA	复杂分子数据	NA	NA	NA	NA	NA
8915	2025-12-13	eRMSF: A Python Package for Ensemble-Based RMSF Analysis of Biomolecular Systems 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02413 PMID:41254899	研究论文	介绍了一个名为eRMSF的Python软件包，用于对生物分子系统进行基于集合的均方根涨落分析	eRMSF扩展了传统的分子动力学轨迹分析，能够处理由不同方法生成的集合，如MD模拟、BioEmu深度学习工具、子采样AlphaFold2等，提供了统一的框架来评估模拟和预测结构中的残基或原子涨落	NA	开发一个快速且用户友好的工具，用于分析生物分子系统的分子灵活性和动力学	生物分子系统	计算生物学	NA	均方根涨落分析	NA	结构集合数据	NA	Python, MDAnalysis	NA	NA	NA
8916	2025-12-13	Benchmarking Sequence-Based Compound-Protein Interaction Prediction through Constructing a Debiased Data Set CDPN 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02040 PMID:41264813	研究论文	本文提出了一种名为CDPN的去偏数据构建协议，用于基准测试基于序列的化合物-蛋白质相互作用预测模型	通过化合物聚类降采样和从未探索化学空间生成推定负样本，构建去偏CPI基准数据集，解决了现有数据集中分子支架过代表和标签分布不平衡导致的模型泛化问题	在PDBbind上的系统评估揭示了注意力可解释性存在关键局限性	准确预测化合物-蛋白质相互作用以促进药物发现	化合物-蛋白质相互作用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	KPGT-Ankh	NA	NA
8917	2025-12-13	Volumetric localization microscopy with deep learning 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65941-3 PMID:41360790	研究论文	本文提出了一种结合深度学习与波前优化光场配置的体积极位显微技术，用于高保真三维单分子成像	VLM方法首次将仪器优化与深度学习算法结合，仅使用系统感知的内在点扩散函数进行训练，无需依赖外部成像模式或样本特定数据	NA	开发一种超分辨率显微技术，以克服荧光显微镜在光学复杂性、计算需求和用户可访问性方面的限制	生物样本中的单分子成像	计算机视觉	NA	超分辨率显微技术，波前优化光场配置	深度学习，神经网络	图像数据	多种生物样本（未指定具体数量）	NA	级联神经网络	横向定位精度10纳米，轴向定位精度25纳米，有效成像深度超过4微米	NA
8918	2025-12-13	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-Dec, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	本文提出了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，用于动态控制和监测细胞形态，以发现抗纤维化先导化合物	将无标记时间序列DPC成像与细胞形态分析及深度学习相结合，动态监测纤维化过程中的细胞形态变化，克服了传统方法仅关注最终生物指标的局限	NA	开发一种基于深度学习和细胞形态动态分析的新策略，用于评估纤维化并发现抗纤维化先导化合物	纤维细胞（包括静息和活化状态）	数字病理学	纤维化疾病	无标记时间序列数字相位对比成像	神经网络	图像	12,000张图像用于训练，超过100,000张图像来自1,400种化合物	NA	NA	NA	NA
8919	2025-12-13	Reinforcement learning-based generative artificial intelligence for novel pesticide design 2025-Dec, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.030 PMID:40032026	研究论文	本研究提出了一种基于强化学习的生成式人工智能框架PestiGen，用于设计具有高结合亲和力的类农药分子	首次将生成式人工智能应用于农药设计领域，结合字符和片段生成模型与强化学习算法，探索类农药化学空间	研究为概念验证性质，实际应用需进一步实验验证，且生成分子可能存在假阳性率	开发一种基于强化学习的生成式人工智能框架，用于新型绿色农药的分子设计	类农药分子，特别是针对4-羟基苯丙酮酸双加氧酶抑制剂的分子设计	机器学习	NA	生成式人工智能，强化学习，蒙特卡洛树搜索	生成模型，强化学习模型	化学分子数据	NA	NA	PestiGen-G, PestiGen-S	农药相似性，结合亲和力，酶抑制活性，除草效力	NA
8920	2025-12-13	Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping 2025-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03356-7 PMID:40317423	研究论文	本文提出了一种基于模型的深度学习框架qDC-CNN，用于加速磁共振参数映射，通过结合图像重建网络和全连接神经网络来提高定量磁共振成像的准确性和效率	提出了一种新颖的集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络，用于加速定量参数映射，相比传统方法在重建误差上表现更优	研究基于模拟数据集进行训练和测试，可能未完全覆盖真实临床场景的复杂性；未详细讨论计算资源需求或实际部署的可行性	验证提出的qDC-CNN模型在加速定量磁共振参数映射方面的性能，并评估其在不同加速因子和对比图像减少情况下的表现	模拟的多切片多回波（MSME）数据集，源自BrainWeb数据库，用于S0和T2参数的估计	医学影像分析	NA	定量磁共振成像（qMRI），多切片多回波（MSME）序列	CNN, 全连接神经网络	模拟磁共振图像数据	基于BrainWeb数据库生成的模拟数据集，具体样本数量未明确说明	NA	qDC-CNN（定量深度级联卷积网络），结合了图像重建网络和全连接神经网络	归一化均方根误差（NRMSE）	NA