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
901	2026-09-25	A novel flexible identity-net with diffusion models for painting-style generation 2025-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12434-4 PMID:40744991	研究论文	本文提出了一种用于绘画风格生成的柔性身份网络（PDANet），并构建了包含42位中国画家4055幅作品的Painting-42数据集，通过轻量级Identity-Net将图像提示集成到U-Net编码器中，实现高质量、多样化的风格转换	提出PDANet网络架构，设计轻量级Identity-Net将图像提示无缝集成到U-Net编码器中，构建Painting-42中国画数据集，结合扩散模型实现绘画风格生成	未明确提及	解决传统绘画风格创意设计中创新慢、成本高、可扩展性有限的问题，利用深度学习增强绘画风格创意设计	中国画风格，42位中国画家的艺术作品	计算机视觉	NA	扩散模型	扩散模型	图像	4055幅来自42位中国画家的艺术作品	NA	U-Net, Identity-Net	NA	NA
902	2026-09-25	Impact of large language models and vision deep learning models in predicting neoadjuvant rectal score for rectal cancer treated with neoadjuvant chemoradiation 2025-07-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01844-5 PMID:40745280	研究论文	本研究探讨了大语言模型和计算机视觉深度学习模型在预测局部晚期直肠癌新辅助放化疗后新辅助直肠（NAR）评分中的效果	首次将大语言模型应用于放射学报告以预测NAR评分，并比较了基于CT扫描的两种卷积神经网络方法与基于大语言模型的方法	CT扫描在预测NAR值方面表现不足，样本量相对较小（160例）	探索深度学习（大语言模型和计算机视觉模型）准确预测局部晚期直肠癌新辅助放化疗后NAR评分的能力	160例接受新辅助放化疗的局部晚期直肠癌患者的CT扫描和放射学报告	数字病理学, 计算机视觉, 自然语言处理	直肠癌	CT扫描, MRI扫描, 放射学报告分析	大语言模型, 卷积神经网络	图像, 文本	160例患者的CT扫描和放射学报告（4种类型：2种来自CT，2种来自MRI，均为治疗前后）	NA	卷积神经网络, 编码器架构的大语言模型	AUC	NA
903	2026-09-25	Multimodal deep learning for allergenic proteins prediction 2025-Jul-31, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02347-z PMID:40745646	研究论文	本文提出了Multimodal-AlgPro，一个基于多模态深度学习算法的统一框架，通过整合理化性质、氨基酸序列和进化信息来预测过敏原蛋白	提出了多模态深度学习框架整合理化性质、氨基酸序列和进化信息三种模态进行过敏原预测，引入了穷举搜索策略来探索所有可能的模态组合以确定最优框架架构，并识别可解释的序列模体和分子描述符	未明确提及	提高过敏原蛋白预测的准确性，识别过敏反应来源并预防未来暴露于有害触发因素	过敏原蛋白	机器学习	过敏性疾病	多模态深度学习	多模态深度学习	氨基酸序列、理化性质数据、进化信息	NA	NA	NA	NA	NA
904	2026-09-25	A scoping review of artificial intelligence applications in clinical trial risk assessment 2025-Jul-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01886-7 PMID:40731070	综述	本文对2013年至2024年间发表的142项关于人工智能在临床试验风险评估中应用的研究进行了范围综述	系统梳理了AI在临床试验风险评估中的最新应用进展，特别关注了大型语言模型（LLMs）在2023年的应用激增（33项研究中有7项涉及）	存在选择偏倚、前瞻性研究有限以及数据质量问题	分析人工智能在临床试验风险评估中的应用现状，包括安全性、有效性和运营风险预测	142项已发表的研究（2013-2024年），涵盖安全性（n=55）、有效性（n=46）和运营（n=45）风险预测	机器学习	NA	传统机器学习、深度学习（如图神经网络、Transformer）、因果机器学习、大型语言模型	图神经网络, Transformer, 大型语言模型	分子结构, 临床试验方案, 患者数据, 科学出版物	142项研究	NA	图神经网络, Transformer, 大型语言模型	AUROC（最高达96%）	NA
905	2026-09-25	Interpretable graph Kolmogorov-Arnold networks for multi-cancer classification and biomarker identification using multi-omics data 2025-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13337-0 PMID:40730661	研究论文	本文提出了一种可解释的图Kolmogorov-Arnold网络框架MOGKAN，利用多组学数据和PPI网络进行31种癌症分类及生物标志物识别	首次将Kolmogorov-Arnold定理原理与图深度学习结合用于多组学癌症分类，通过可训练的单变量函数增强模型可解释性，并整合了mRNA、miRNA和DNA甲基化三种组学数据与PPI网络	摘要中未明确提及研究局限性	利用多组学数据实现跨31种癌症类型的精准分类和生物标志物识别	31种不同癌症类型的多组学样本（mRNA、miRNA序列和DNA甲基化数据）及蛋白质-蛋白质相互作用网络	机器学习	泛癌（31种癌症类型）	多组学数据分析（mRNA表达、miRNA序列、DNA甲基化）、DESeq2、LIMMA、LASSO回归	图神经网络、Kolmogorov-Arnold网络	多组学数据（基因表达、miRNA序列、DNA甲基化）和图数据	NA	NA	MOGKAN	分类准确率（96.28%）	NA
906	2026-09-25	Generative Deep Learning for de Novo Drug Design─A Chemical Space Odyssey 2025-Jul-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00641 PMID:40632942	综述	本文探讨了生成式深度学习在药物从头设计中的应用，分析了小分子生成、评估和优先级排序的挑战与机遇	提出了化学空间探索中平衡化学多样性、可合成性和生物活性的核心矛盾，并强调了建立稳健评估方案的必要性	作为综述文章，未涉及具体实验验证，主要聚焦于小分子药物设计	探讨生成式深度学习在药物从头设计中的应用现状、挑战和未来方向	小分子药物设计中的生成方法及评估协议	机器学习	NA	生成式深度学习	NA	NA	NA	NA	NA	NA	NA
907	2026-09-25	Edge learning applications in the prediction and classification of combined hepatocellular-cholangiocarcinoma: A comprehensive narrative review 2025-Jul-24, World journal of clinical oncology IF:2.6Q3 DOI:10.5306/wjco.v16.i7.107246 PMID:40741203	综述	本文是一篇综合性叙述性综述，探讨边缘学习在混合型肝细胞-胆管癌（cHCC-CCA）预测和分类中的临床应用、技术策略、临床益处以及相关挑战和未来方向	首次系统性地探讨边缘学习在罕见异质性肝脏肿瘤cHCC-CCA预测和分类中的应用前景，提出将人工智能模型部署在本地设备上以实现实时处理、改善数据隐私和减少带宽使用的新思路	作为叙述性综述，缺乏系统性文献检索和定量分析，未提供原始实验数据验证所提出观点的有效性	探讨边缘学习在cHCC-CCA预测和分类中的临床应用机会、技术解决方案策略、临床益处及未来发展方向	混合型肝细胞-胆管癌（cHCC-CCA）	数字病理学, 机器学习	肝癌	NA	深度学习	图像	NA	NA	NA	NA	NA
908	2026-09-25	Multi-modal and Multi-view Cervical Spondylosis Imaging Dataset 2025-07-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05403-z PMID:40593874	研究论文	该研究公开了一个名为MMCSD的多模态多视角颈椎病影像数据集，该数据集包含250名患者的MRI和CT图像，并利用该数据集开发了一个预测颈椎病患者术后颈部疼痛的深度学习模型以验证其可用性	公开共享了一个多模态（MRI和CT）多视角的颈椎病影像数据集MMCSD，并首次利用该数据集开发深度学习模型预测颈椎病患者术后颈部疼痛	样本量相对较小，仅包含250名患者的数据	构建并共享多模态多视角颈椎病影像数据集，支持颈椎病深度学习模型的开发与测试，推动神经网络模型在颈椎病及颈部疼痛中的应用	250名颈椎病患者的MRI和CT影像数据	数字病理学, 计算机视觉	颈椎病	MRI, CT	NA	图像	250名颈椎病患者的MRI和CT图像，包括轴位骨窗和软组织窗CT扫描、矢状位T1加权和T2加权MRI、轴位T2加权MRI	NA	NA	NA	NA
909	2026-09-25	Integrating Artificial Intelligence in Next-Generation Sequencing: Advances, Challenges, and Future Directions 2025-Jun-19, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47060470 PMID:40699869	综述	本文综述了人工智能与下一代测序技术的整合，涵盖其在基因组研究和临床应用中的进展、挑战与未来方向	系统性地总结了AI在NGS全流程中的应用，包括变异检测、表观基因组分析、转录组学和单细胞测序，并提出了联邦学习、可解释AI和多模态组学统一框架等未来方向	数据异质性、模型可解释性不足以及伦理问题仍然存在	探讨AI与NGS的协同关系及其在基因组研究和临床转化中的应用前景	NGS工作流程、AI模型及其在基因组学中的应用	机器学习, 基因组学	癌症	下一代测序, 第三代测序	CNN, RNN, 混合架构	序列数据, 组学数据	NA	NA	CNN, RNN, 混合架构	NA	NA
910	2026-09-25	Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units 2025-Jun-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101262 PMID:40575124	研究论文	该文章介绍了NLSExplorer，一种可解释的核定位信号预测深度学习方法，利用蛋白质语言模型提取信息，在基准数据集上F1分数提升超过10%，并应用于Swiss-Prot数据库分析核定位蛋白的核运输片段特性	利用蛋白质语言模型提取核特异性位点信息辅助NLS检测，结合可解释注意力单元，实现优于现有方法的性能	未明确提及	开发可解释的核定位信号预测方法，探索核定位信号宇宙	核定位信号、核定位蛋白、核运输片段	生物信息学、机器学习	NA	深度学习、蛋白质语言模型	深度学习模型、注意力机制	蛋白质序列、文本	Swiss-Prot数据库中的核定位蛋白，涵盖416个物种	NA	带可解释注意力单元的深度学习模型	F1分数	NA
911	2026-09-25	Classification of Electroencephalography Motor Execution Signals Using a Hybrid Neural Network Based on Instantaneous Frequency and Amplitude Obtained via Empirical Wavelet Transform 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113284 PMID:40968836	研究论文	本文比较了传统分类器（LDA和SVM）与混合神经网络模型在基于EEG的手势分类中的性能，使用带功率和经验小波变换提取的特征	提出了一种结合经验小波变换提取的瞬时频率和幅度特征与混合神经网络模型的方法，用于EEG手势分类	未明确说明混合神经网络的具体架构细节，样本量相对有限（33名参与者）	研究基于EEG的手势分类中，传统分类器与混合神经网络模型的性能对比	33名参与者执行的七种不同手势的EEG记录	机器学习	NA	脑电图（EEG）	混合神经网络	信号	33名参与者的EEG记录	NA	混合神经网络	分类准确率	NA
912	2026-09-25	Improving computer vision for plant pathology through advanced training techniques 2025 May-Jun, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70010 PMID:40575549	研究论文	本研究通过半监督学习、专用损失函数和非可可类，提升了卷积神经网络在可可树病害检测中的性能。	提出了动态焦点损失函数，并引入非可可类以增强模型鲁棒性，同时发布了包含7220张图像的新基准数据集。	未明确提及具体局限性，但可能受限于数据集规模和泛化能力。	通过先进训练技术提高计算机视觉在植物病理学中的病害检测性能。	可可树（Theobroma cacao）的病害检测。	计算机视觉	植物病害	卷积神经网络	CNN	图像	7220张图像	NA	ResNet18, PhytNet	准确率	NA
913	2026-09-25	Recent advances in deep learning for lymphoma segmentation: Clinical applications and challenges 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251362508 PMID:40735544	综述	本文综述了基于深度学习的淋巴瘤分割研究进展，比较了传统方法，并深入分析了数据集特征、模型骨干网络、网络结构调整和模型性能，探讨了临床转化潜力与挑战	系统性地对基于深度学习的淋巴瘤分割研究进行了比较分析，深入总结了数据集特征、模型骨干网络、网络结构调整和性能，并聚焦于临床实际应用中的转化潜力与挑战	未涉及原始实验验证，缺乏对具体模型的定量对比和统一基准评估	综述深度学习在淋巴瘤分割中的研究进展及其临床应用与挑战	淋巴瘤分割研究文献，涉及PET/CT、CT和MRI影像	数字病理学, 计算机视觉	淋巴瘤	PET/CT, CT, MRI	NA	图像	NA	NA	NA	NA	NA
914	2026-09-25	The pipelines of deep learning-based plant image processing 2025, Quantitative plant biology DOI:10.1017/qpb.2025.10018 PMID:40735612	综述	本文综述了基于深度学习的植物图像处理流程，涵盖数据采集与预处理、特征提取技术以及在植物物种识别、病害检测、细胞信号分析和生长监测等方面的应用	系统总结了植物图像处理中从数据采集、预处理到特征提取的完整深度学习流程，并强调了高分辨率成像和无人机摄影等新技术在植物科学中的应用	作为综述文章，未涉及具体实验验证，且未对现有方法的性能进行定量比较分析	总结和梳理深度学习在植物图像处理中的最新计算工具和方法论，探讨新兴趋势、挑战和未来方向	植物图像及其相关的深度学习处理流程	计算机视觉	NA	高分辨率成像, 无人机摄影, 图像裁剪, 图像缩放	NA	图像	NA	NA	NA	NA	NA
915	2026-09-25	A state-of-the-art review of diffusion model applications for microscopic image and micro-alike image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1551894 PMID:40740945	综述	本文综述了扩散模型在显微图像和类显微图像分析中的应用，重点介绍了DDPM、DDIM和SDEs三种模型在图像生成、分割、去噪、分类、重建和超分辨率等方面的应用	系统总结了扩散模型在显微图像分析中的最新应用，特别强调了其在图像生成和分割方面的优势，并指出了未来研究方向	仅纳入了31篇论文，可能未全面覆盖所有相关研究；未对扩散模型与其他生成模型进行定量比较	综述扩散模型在显微图像和类显微图像分析中的应用现状、优势、局限性和未来方向	显微图像和类显微图像	计算机视觉	NA	扩散模型	DDPM, DDIM, SDEs	图像	31篇论文（其中13篇关于图像生成，9篇关于分割，其余关于其他应用）	NA	DDPM, DDIM, SDEs	NA	NA
916	2026-09-25	Lightweight deep learning system for automated bone age assessment in Chinese children: enhancing clinical efficiency and diagnostic accuracy 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1604133 PMID:40756505	研究论文	本文提出了一种基于中国05骨龄标准的轻量级两阶段深度学习框架，用于自动化骨龄评估	提出了一种新颖的轻量级两阶段深度学习框架，结合YOLOv8进行骨骺定位和修改的EfficientNetB3进行骨骺等级分类，并引入RAdam优化器和中心损失与加权交叉熵的复合损失函数以缓解类别不平衡	成功实施依赖于解决技术、伦理和采用方面的挑战，需要开发者、临床医生和监管机构的协作	解决传统骨龄评估方法主观性强、耗时且依赖临床医生专业知识的局限性，提高临床效率和诊断准确性	中国儿童的骨龄评估	计算机视觉	生长障碍	深度学习	YOLOv8, EfficientNetB3	手部X射线图像	NA	NA	YOLOv8, EfficientNetB3	mAP, 准确率	NA
917	2026-09-25	An interpretable XAI deep EEG model for schizophrenia diagnosis using feature selection and attention mechanisms 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630291 PMID:40766336	研究论文	本文提出了一种基于脑电图传感器数据的可解释XAI深度学习模型，利用特征选择和注意力机制进行精神分裂症诊断	结合F检验特征选择、SMOTE类平衡处理以及注意力权重与SHAP、LIME可解释性工具，构建可解释的BiLSTM-Attention模型用于精神分裂症诊断	模型准确率仅为0.68%，性能较低，可能受限于数据集规模和特征质量	提出一种新颖的自动化精神分裂症诊断技术，旨在提高可解释性和预测性能	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图（EEG）	DNN, BiLSTM-GRU, BiLSTM-Attention	信号（脑电图）	NA	NA	DNN, BiLSTM-GRU, BiLSTM-Attention	准确率	NA
918	2026-09-25	Federated knee injury diagnosis using few shot learning 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1589358 PMID:40771942	研究论文	本文提出了一种结合小样本学习和联邦学习的方法，用于基于MRI的膝关节损伤诊断	将小样本学习与联邦学习相结合，采用3DResNet50为主干网络，并使用基于原型网络的情节间歇训练策略，在保护隐私的同时解决了标注数据有限的问题	冠状面视图的性能较低，且由于复杂的架构导致计算需求高	开发一种在标注数据有限且需保护隐私的条件下，利用MRI扫描准确诊断膝关节损伤的方法	膝关节损伤，包括前交叉韧带撕裂和半月板撕裂	医学图像分析	膝关节损伤	MRI	小样本学习，联邦学习	图像	MRNet数据集（具体样本量未提及）	NA	3DResNet50，原型网络	准确率	NA
919	2026-09-25	EPI-DynFusion: enhancer-promoter interaction prediction model based on sequence features and dynamic fusion mechanisms 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1614222 PMID:40772277	研究论文	本文提出了一种基于序列特征和动态融合机制的深度学习模型EPI-DynFusion，用于预测增强子-启动子相互作用	采用动态特征融合机制替代传统的直接平均或拼接策略，结合Transformer、BiGRU和CBAM注意力模块，自适应学习特征间的深层依赖关系	仅基于DNA序列信息进行预测，未整合表观遗传学或三维基因组构象等其他类型的生物学数据	开发高效的计算模型以准确预测增强子-启动子相互作用，克服传统实验方法成本高和可扩展性差的限制	DNA序列及增强子-启动子相互作用	机器学习	NA	DNA序列编码，预训练DNA嵌入	CNN，Transformer，BiGRU，CBAM	DNA序列文本数据	六个基准细胞系	NA	CNN，Transformer，BiGRU，CBAM	AUROC，AUPR	NA
920	2026-09-25	Human-Centered Design and Iterative Refinement of Tools and Methods to Implement a Surveillance and Risk Prediction System for Clinical Deterioration in Ambulatory Cancer Care 2025-Jan, ACI open DOI:10.1055/a-2437-9977 PMID:42523207	研究论文	本文通过以人为中心的设计和迭代改进，开发了一个用于门诊癌症护理中临床恶化的监测和风险预测系统，并评估其可行性和可用性	使用系统工程和迭代以人为中心的设计方法，开发了一个包含被动监测（可穿戴传感器）、主动监测（患者事件和症状报告及电子健康记录数据提取）、预测模型和风险沟通的综合系统	需要未来研究在不同临床情境下全面实施和评估系统的采纳和有效性	确定设计、开发和实施用于检测门诊癌症患者临床恶化的监测和风险预测系统的可行性	门诊癌症患者	机器学习	癌症	NA	深度学习神经网络	文本, 传感器数据, 电子健康记录数据	71名招募患者中的50名入组	NA	NA	F-measure, AUC-ROC, 系统可用性量表得分	NA