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
881	2026-08-28	SpaMWGDA: Identifying spatial domains of spatial transcriptomes using multi-view weighted fusion graph convolutional network and data augmentation 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013667 PMID:41223185	研究论文	提出一种基于多视图加权融合图卷积网络和数据增强的深度学习模型SpaMWGDA，用于识别空间转录组中的空间域	采用多视图加权融合GCN和对比学习，通过不同相似性度量捕捉全面的邻域信息，利用视图级注意力机制自适应融合关键特征，解决固定相似性度量、融合噪声和非线性特征忽略等局限	未明确提及局限性，可能涉及计算复杂性或泛化性验证不足	提高空间转录组数据中空间域的识别准确性，并支持轨迹推断和组织结构与功能分析	空间转录组数据中的细胞和空间信息	数字病理学	不适用	空间转录组测序	图卷积网络（GCN）	基因表达和空间信息数据	不适用	PyTorch	多视图加权融合GCN	准确率、AUC	不适用
882	2026-08-28	Improving the accuracy of automated labeling of specimen images datasets via a confidence-based process 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013650 PMID:41223204	研究论文	本文提出并验证了一种基于置信度阈值的方法，通过拒绝低置信度标签来显著提高自然历史标本图像数据集自动标注的准确性。	该方法利用神经网络对生成标签的置信度以及用户定义的阈值来拒绝不合格标签，从而在保持灵活性的同时大幅提升标注准确率，并公开了一个包含60万以上标本的标注数据集。	未明确提及局限性，但高置信度阈值会导致部分标签被拒绝，覆盖范围减少。	提高基于卷积神经网络的标本图像自动标注的准确性，使其可用于实际研究，并探讨标注结果中的生物学趋势。	自然历史标本图像，特别是超过60万个植物标本的图像数据集。	计算机视觉	不适用	深度学习、卷积神经网络	卷积神经网络（CNN）	图像	超过60万个植物标本图像	未提及	卷积神经网络（CNN）	准确率	未提及
883	2026-08-28	OneProt: Towards multi-modal protein foundation models via latent space alignment of sequence, structure, binding sites and text encoders 2025-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013679 PMID:41231876	研究论文	介绍了一种名为OneProt的蛋白质多模态深度学习模型，通过将序列、结构、结合位点和文本编码器的潜在空间对齐，整合多种蛋白质数据。	采用ImageBind框架进行轻量级微调，仅需成对序列对齐而非完全匹配，并首次引入结合位点编码器到多模态蛋白质模型中。	文中未明确提及局限性。	开发一种多模态蛋白质基础模型，以提升蛋白质机器学习任务的预测性能，并探索不同模态编码器的作用。	蛋白质序列、结构、结合位点及文本描述数据。	多模态深度学习、蛋白质机器学习	NA	深度学习、多模态对齐	图神经网络与Transformer混合模型	序列、结构、结合位点、文本	未明确说明	ImageBind	图神经网络、Transformer	检索任务性能、下游基线性能	未明确说明
884	2026-08-28	Physics-informed deep learning for infectious disease forecasting 2025-11, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0379 PMID:41290140	研究论文	本文利用物理信息神经网络（PINNs）进行传染病预测，并在加利福尼亚州的COVID-19数据上验证了其性能	将疾病传播的动力学系统表示整合到损失函数中，并结合一个子网络来考虑流动性、疫苗剂量和协变量对传播速率的影响	研究中使用的数据仅限于加利福尼亚州，可能限制了模型的泛化性；PINNs模型与高斯感染状态模型的比较未涉及其他地区或疾病	改进传染病预测方法，提高预测能力，以更好地应对未来疫情	传染病预测模型，具体是COVID-19病例数、死亡数和住院人数	科学机器学习	COVID-19	NA	物理信息神经网络（PINNs）	时序数据（病例数、死亡数、住院数、流动性、疫苗剂量）	加利福尼亚州级别的数据	NA	物理信息神经网络（PINNs），包含主网络和子网络	与基准模型比较的预测准确性	NA
885	2026-08-28	Relation knowledge distillation 3D-ResNet-based deep learning for breast cancer molecular subtypes prediction on ultrasound videos: a multicenter study 2025-Nov, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03146-7 PMID:40858830	research paper	本研究开发并验证了一种基于关系知识蒸馏的三维残差网络（RKD-R3D）模型，利用超声视频预测乳腺癌分子亚型，以辅助临床个体化管理。	首次将关系知识蒸馏与三维残差网络结合，应用于超声视频进行乳腺癌分子亚型四分类预测，并进行了多中心验证。	文章摘要中未提供明确的局限性信息。	开发并测试一种基于超声视频的RKD-R3D模型，用于非侵入性预测乳腺癌分子亚型，以改善临床管理。	882名乳腺癌患者（2375个超声视频和9499张图像）及86名外部测试队列患者，病理确诊为四种St. Gallen分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）。	computer vision, machine learning	breast cancer	NA	3D-ResNet, RKD-R2D, traditional R3D	video, image	882名患者（训练、验证和内部测试队列）以及86名患者（外部测试队列）	NA	3D-ResNet, R2D-ResNet, R3D-ResNet	AUC, sensitivity, specificity, accuracy, balanced accuracy, precision, recall, F1-score	NA
886	2026-08-28	Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models 2025-10-31, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06002-8 PMID:41173949	研究论文	提出了LigPCDS，首个化学标记的蛋白质配体三维点云数据集，并验证了基于该数据集的深度学习语义分割模型	首次将蛋白质配体的X射线晶体学实验数据转换为带化学标签的三维点云格式，采用基于原子和环状结构排列的化学词汇进行逐点标注	未提及具体限制，但可能包括数据覆盖范围有限或模型泛化能力待验证	构建可用于蛋白质配体结构解析、虚拟筛选、药物设计和基础生物学功能理解的数据集和深度学习模型	蛋白质配体（小有机分子）的三维点云图像	计算机视觉	不适用	X射线晶体学	语义分割深度学习模型	三维点云图像	分层数据集来自LigPCDS，具体样本数未在摘要中提及	未明确提及	语义分割模型架构未具体指定	性能指标未具体指定，但提及恢复化学结构有良好性能	未提及计算资源
887	2026-08-28	The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg) 2025-10-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05975-w PMID:41145519	研究论文	本文介绍了一个公开可用的颈椎MRI分割数据集CSpineSeg，包含1,255次MRI检查和1,232名患者的数据，并提供了481名患者的专家手动语义分割标注，同时提出了一个可作为基准的深度学习分割模型	首次公开了大规模的颈椎MRI分割数据集，包含专家手动标注，并提供了基准分割模型	未明确说明	为深度学习分割模型的训练和评估提供资源，促进颈椎研究	颈椎MRI图像及其椎体、椎间盘的分割	医学影像分析	颈椎疾病	MRI	深度学习分割模型	MRI图像	1,255次MRI检查来自1,232名患者，其中481名患者有专家手动分割标注	未明确说明	未明确说明	Dice系数	未明确说明
888	2026-08-28	Lung Ultrasound Imaging Dataset for Accurate Detection and Localization of LUS Vertical Artifact 2025-10-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05854-4 PMID:41102221	研究论文	本研究介绍了一个包含401张高分辨率肺部超声图像的标注数据集，用于准确检测和定位LUS垂直伪影，并为深度学习模型的训练和评估提供资源。	提供了一个专门针对LUS垂直伪影的带多边形边界框标注的高质量数据集，解决了该领域标注数据稀缺的问题，为自动化检测和定位深度学习模型的开发奠定基础。	数据集样本数量有限，且仅来自乌干达的两家医院，可能限制了模型的泛化能力。	创建一个标注的肺部超声垂直伪影数据集，以支持深度学习模型对LUS垂直伪影进行准确检测和定位，推动AI辅助诊断工具的进步。	肺部超声图像中的垂直伪影	计算机视觉、医学影像分析	肺部疾病（包括肺水肿、间质性肺病、肺炎和COVID-19）	超声成像	NA	图像	401张高分辨率LUS图像，来自152名患者	NA	NA	NA	NA
889	2026-08-28	Spine endoscopic atlas: an open-source dataset for surgical instrument segmentation 2025-10-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05897-7 PMID:41038904	研究论文	本文创建了一个用于手术器械分割的脊柱内镜图谱（SEA）数据集，包含48,510张图像和10,662个器械分割，并验证了五个模型以提高复杂条件下的分割准确性	首次创建了涵盖脊柱内镜手术中所有常用器械的开放获取数据集，基于真实手术场景，为深度学习模型训练提供了基础	未提及具体限制	促进脊柱内镜手术中AI辅助系统的开发，提高手术器械分割的准确性	脊柱内镜手术器械	计算机视觉	脊柱疾病	图像标注	深度学习分割模型	图像	48,510张图像和10,662个器械分割	未提及	未提及，但验证了五个模型	分割准确性	未提及
890	2026-08-28	Multi-phase deep learning model for automated disease classification from cardiac cine MRI 2025-10, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0303 PMID:41089036	研究论文	开发了一种多阶段深度学习模型，用于从心脏电影MRI中自动分类常见心血管疾病，并提供了模型可解释性。	提出了一种结合舒张末期和收缩末期阶段的多阶段深度学习模型，以纳入心脏功能信息，优于单阶段模型，并利用可解释性可视化心脏区域特征。	未提供明确限制，但可推测依赖单一数据集和有限样本量可能影响泛化性。	开发用于从电影MRI自动分类常见心血管疾病的深度学习模型，并提供模型可解释性以建立临床信任。	心脏电影MRI图像，包括舒张末期和收缩末期阶段。	医学影像分析	心血管疾病	磁共振成像（MRI）	深度学习模型	图像	未提供具体样本量	未提供	ResNet, DenseNet, VGG	F1-score	未提供
891	2026-08-28	Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution 2025-09-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw0783 PMID:41004578	研究论文	本文介绍了一种结合物理信息深度学习的中红外等离激元传感器，用于溶液中纳米尺度蛋白质二级结构的定量分析。	创新点在于将合成复频率波（s-CFW）与卷积神经网络（CNN）结合，增强目标光谱特征，提高了蛋白质二级结构预测的准确性。	摘要中未提及明显的局限性。	解决深度学习中数据稀缺问题，实现对生理环境下蛋白质动态和相互作用的实时定量预测。	溶液中的纳米尺度蛋白质，特别是尺寸小于10纳米的蛋白质。	机器学习和数字病理学	不适用	中红外等离激元传感技术，合成复频率波（s-CFW）技术	卷积神经网络（CNN）	光谱数据	未提及具体样本数量，涉及亚10纳米蛋白质	未明确提及，可能使用PyTorch或TensorFlow	卷积神经网络（CNN）	平均相对误差	未提及具体计算资源
892	2026-08-28	Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins 2025-09-26, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw8122 PMID:41004582	研究论文	本文介绍了一种可扩展的深度学习重建方法，用于加速高维核磁共振波谱分析，特别针对蛋白质结构测定，实现了3D和4D NMR的高效重建。	提出了一种基于一维数据学习的网络设计，通过外积和一阶Hankel矩阵近似，实现了跨加速因子（2至33）的鲁棒3D重建，并首次展示了4D NMR的人工智能重建可能性。	论文摘要未明确提及局限性，但可推测扩展至高维需要复杂网络和更多数据，可能限制应用。	开发可扩展的深度学习重建方法，以加速高维NMR波谱采集，支持蛋白质结构测定。	蛋白质的核磁共振波谱数据，包括时间域信号和相应的多维频谱。	机器学习	NA	核磁共振波谱（NMR）	神经网络	波谱数据（时间域信号）	示例包括3D和4D NMR数据集，具体样本量未在摘要中说明。	NA	基于一维数据的学习网络（结构细节未在摘要中提供）	重建保真度（未明确指标，但涉及跨加速因子的鲁棒性）	NA
893	2026-08-28	Box embeddings for extending ontologies: a data-driven and interpretable approach 2025-Sep-01, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01086-1 PMID:40890838	研究论文	提出使用盒嵌入方法扩展本体，通过数据驱动和可解释的方式学习多标签数据集中的隐含层级关系，并在ChEBI本体上验证其性能。	在训练阶段强制模型输出具有分类结构，使用轴对齐超矩形（盒子）表示本体类别，无需显式提供分类体系即可捕捉隐含层次关系，同时实现可解释性和最先进的分类性能。	摘要未提及具体限制，可能包括对大型本体或复杂层次关系的扩展性和计算开销问题，但未明确说明。	通过盒嵌入的语义结构使深度学习模型输出可解释，并在多标签分类任务中学习标签间的隐含层次关系。	多标签数据集和ChEBI本体中的类别及其层次关系。	机器学习	不适用	盒嵌入（box embeddings）	盒嵌入模型	多标签数据	未提供具体样本数量，仅在ChEBI本体上评估。	未提及	未明确指定，但涉及盒嵌入结构。	层次关系逼近能力和多标签分类性能（如准确率等，具体未详述）。	未提及
894	2026-08-28	When deep learning is not enough: artificial life as a supplementary tool for segmentation of ultrasound images of breast cancer 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03026-x PMID:38498125	研究论文	本文提出了一种结合深度学习和人工生命的混合模型，用于乳腺超声图像中肿瘤的分割，以提高分割精度并处理未见过的数据。	引入了一种新颖的混合方法，将深度学习与多代理人工生命相结合，能够在较小的数据集上训练，并显著优于14种最先进的算法。	未明确指出局限性，但可能包括对图像质量和机器规格的敏感性，以及需要进一步验证泛化能力。	开发一种高精度、小数据集需求且能处理未知数据的AI模型，用于乳腺超声图像中肿瘤分割，辅助诊断和超声引导活检。	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声波成像	深度学习（DL）和人工生命（AL）混合模型	图像	1264张超声图像，患者年龄22-73岁	NA	Unet（作为基准），DL-AL混合架构	Dice系数、相对Hausdorff距离	NA
895	2026-08-28	ConsAMPHemo: A computational framework for predicting hemolysis of antimicrobial peptides based on machine learning approaches 2025-07, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70087 PMID:40519190	研究论文	提出ConsAMPHemo框架，基于深度学习预测抗菌肽的溶血活性并进行浓度回归。	采用两阶段深度学习框架，结合二元分类和回归预测，并分析特征与溶血活性的相关性。	未提及具体限制。	开发成本有效的抗菌肽溶血活性预测方法，并揭示低溶血毒性的设计原则。	抗菌肽（AMPs）	机器学习	NA	深度学习	深度学习模型（具体未指明）	序列数据（氨基酸序列）	三个不同数据集	NA	NA	准确率、Pearson相关系数	NA
896	2026-08-28	Three-Dimensional Choroidal Vessel Analysis in Asymmetric Bilateral Age-Related Macular Degeneration: A Comparison of Active Neovascular AMD and Dry AMD Fellow Eyes 2025-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.9.64 PMID:40719538	研究论文	本研究利用创新的三维算法评估双侧年龄相关性黄斑变性（AMD）患者中新生血管性AMD眼与干性AMD眼的脉络膜血管特征，发现新生血管性AMD眼具有更高的血管直径和脉络膜血管指数，但脉络膜厚度较低	使用创新性三维算法分割脉络膜血管，并比较同一患者双眼不同AMD类型的脉络膜血管参数，提供了对不对称双侧AMD的深入理解	研究为回顾性横断面设计，样本量较小（30名患者，60只眼），可能限制了统计效力	评估双侧年龄相关性黄斑变性患者中，新生血管性AMD眼与干性AMD眼的脉络膜血管结构差异，以探讨活动性脉络膜新生血管相关的血管变化	30名不对称双侧AMD患者（60只眼睛），其中一只眼为新生血管性AMD，另一只为干性AMD	医学影像分析	年龄相关性黄斑变性	扫频源光学相干断层扫描	深度学习算法	眼底图像（OCT扫描）	30名患者，60只眼睛	未提及	未提及（验证的深度学习算法）	平均脉络膜血管直径、血管间距、脉络膜厚度、脉络膜血管指数	未提及
897	2026-08-28	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-05-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出一种结合领域特定特征的深度学习模型，用于增强青光眼诊断，区分青光眼和生理性大视杯	将无结构特征（深度卷积神经网络学习）与基于视盘四象限杯盘比的结构化领域特征相结合，以提高青光眼诊断的准确性	未提及	开发一种结合领域特征的深度学习模型，以自动化且准确地区分青光眼和生理性大视杯	视网膜图像中的视盘和视杯区域，包括正常、生理性大视杯和青光眼视杯	计算机视觉	青光眼	眼底成像	卷积神经网络（CNN）	图像	未明确提及样本数量，但涉及正常、生理性大视杯和青光眼视杯的图像	未提及	全卷积神经网络（用于分割）、深度卷积神经网络（用于特征学习）	平均精度（AP）、准确率、精确率、召回率	未提及
898	2026-08-28	Deep learning health space model for ordered responses 2025-05-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本研究开发了深度学习健康空间模型，用于有序响应数据的个体健康状况可视化，并与统计模型比较性能	首次将深度学习用于健康空间模型，提出深度有序神经网络（DONN）以处理有序响应，能够建模复杂的非线性生物关系	未明确提及限制，但可能包括模型复杂性和外部验证规模有限	开发深度学习健康空间模型，以更有效地可视化个体健康状况，并克服统计模型的非线性限制	个体健康状态	机器学习	NA	NA	深度神经网络（DNN）、深度有序神经网络（DONN）	临床调查数据（来自KNHANES、Ewha-Boramae队列和KARE项目）	训练集32,140样本（KNHANES），外部验证集862样本（Ewha-Boramae队列）和3,199样本（KARE项目）	NA	DNN、DONN	判别性能（未具体说明指标，可能为准确率或AUC）	NA
899	2026-08-28	Classification of lung cancer severity using gene expression data based on deep learning 2025-05-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03011-w PMID:40369502	研究论文	提出一种基于卷积神经网络（CNN）的深度学习模型，利用基因表达数据对肺腺癌（LUAD）和肺鳞状细胞癌（LUSC）进行分期分类。	针对基因数据集中样本量少和特征维度高导致的类别不平衡和过拟合问题，从医学角度深度分析基因数据集和肺癌分期，并通过F-test特征选择方法优化CNN模型，实现高分类准确率。	未提及具体局限性，但样本量少和高维度特征可能仍影响模型泛化能力。	利用深度学习技术（CNN）对肺癌（LUAD和LUSC）分期进行分类，提高分类准确性。	肺癌基因表达数据，包括两种亚型（LUAD和LUSC）的样本。	深度学习、基因表达数据分类	肺癌	基因表达数据（可能通过RNA-seq或微阵列技术获取）	卷积神经网络（CNN）	基因表达数据（表格型）	未明确说明，但提到样本量低。	NA	CNN（具体架构未指定）	准确率	NA
900	2026-08-28	A hybrid approach for binary and multi-class classification of voice disorders using a pre-trained model and ensemble classifiers 2025-05-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02978-w PMID:40312383	研究论文	提出一种结合预训练模型VGGish和集成分类器的两阶段混合方法，用于语音障碍的二元和多类分类，并在Saarbruecken语音数据库子集上取得了优于现有方法的性能	创新性地采用两阶段框架，首先利用预训练VGGish模型从语谱图中提取高级特征嵌入，然后输入到多种分类器（包括SVM、LR、MLP和集成分类器）中进行分类，在语音障碍多类分类任务中达到了最先进的准确率	研究仅在Saarbruecken语音数据库的子集上进行了验证，样本规模有限，且模型在女性和跨性别组合上的准确率相对较低，可能限制了其泛化能力和临床应用的可靠性	提高语音障碍在二元和多类分类任务中的性能，尤其是多类分类的准确性，以支持临床评估工具的自动化改进	健康与紊乱语音、功能亢进性发声障碍与声带麻痹的诊断分类	语音处理、机器学习	语音障碍（功能亢进性发声障碍、声带麻痹）	音频语谱图特征提取	VGGish、SVM、逻辑回归、多层感知器、集成分类器	音频数据（语谱图）	Saarbruecken语音数据库子集，按男性、女性和组合性别划分，具体样本数量未在摘要中明确	NA	VGGish、SVM、逻辑回归、MLP、集成分类器	准确率（平均准确率）	NA