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
9641	2025-12-05	A plug-and-play data processing module for complex faults diagnosis 2025-Dec, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.07.061 PMID:40858416	研究论文	本文提出了一种即插即用的数据处理模块，用于扩展样本数量并改善样本间内部关系，以提升深度学习模型在复杂故障诊断中的整体性能	设计了幅度-相位复合数据增强（APCUP）方法，通过离散傅里叶变换随机融合多种故障类型生成新样本，并引入相邻标签平滑（ALS）策略处理原始标签数据，防止过度绝对分类并提高模型鲁棒性	未明确提及模块在极端不平衡数据或实时在线诊断场景下的适用性限制	提升智能故障诊断技术在样本有限和复杂故障场景下的性能	工业设备（如机械臂）的故障数据	机器学习	NA	离散傅里叶变换	深度学习模型	故障数据（可能为时序信号或传感器数据）	基于前沿工业机械臂平台和两个公共数据集	NA	NA	准确率，错误率	NA
9642	2025-12-05	Quantitative Imaging for Interstitial Lung Disease 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250041 PMID:41342677	综述	本文综述了定量影像学在间质性肺病诊断、分类和预后评估中的应用，重点介绍了定量CT和新兴定量MRI技术	总结了人工智能驱动的定量影像学新工具在ILD评估中的最新进展，并强调了其在临床工作流程中日益增长的重要性	NA	回顾和总结定量影像学在间质性肺病评估中的当前应用和新兴技术	间质性肺病，特别是特发性肺纤维化、过敏性肺炎和结缔组织病相关ILD	数字病理学	间质性肺病	CT，双能CT，MRI	NA	影像	NA	NA	NA	NA	NA
9643	2025-12-05	Deep learning-based approaches for human pose estimation in interdisciplinary physics applications 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26972-4 PMID:41286255	研究论文	本文提出了一种基于深度学习的层次时空姿态网络和自适应姿态优化策略，用于解决跨学科物理应用中的人体姿态估计问题	提出HSTPN框架，结合多尺度特征融合与注意力机制，并引入APRS策略，通过迭代优化关键点位置来提升姿态预测的准确性和鲁棒性	未明确提及模型在极端遮挡或快速运动场景下的性能限制	开发一种能够泛化到真实世界场景的鲁棒人体姿态估计方法，以支持跨学科物理应用	人体姿态估计	计算机视觉	NA	深度学习	CNN	视频	NA	NA	Hierarchical Spatio-Temporal Pose Network (HSTPN)	预测准确度, 时间一致性, 计算效率	NA
9644	2025-12-05	Computational design of cysteine proteases 2025-Nov-22, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.21.689808 PMID:41332739	研究论文	本文介绍了一种使用深度学习新方法RFD2-MI从头设计半胱氨酸蛋白酶，用于序列依赖性水解多肽骨架	利用RFD2-MI深度学习方法从头设计具有与自然界蛋白酶不同折叠结构的新型半胱氨酸蛋白酶，实现了高达3×10^6的速率增强	NA	开发新型蛋白酶设计方法，用于生物技术和医学应用	半胱氨酸蛋白酶的设计与性能评估	机器学习	NA	深度学习	深度学习模型	NA	NA	NA	RFD2-MI	速率增强倍数, TM score, Cα RMSD	NA
9645	2025-12-05	Forecasting Future Anatomies: Longitudinal Brain Mri-to-Mri Prediction 2025-Nov-21, ArXiv PMID:41333169	研究论文	本研究通过深度学习模型从基线MRI预测未来几年的大脑MRI图像，探索神经退行性疾病的个体化预后	首次系统比较五种深度学习架构进行纵向MRI图像到图像预测，实现体素级别的参与者特异性大脑状态预测	研究仅基于两个纵向队列（ADNI和AIBL），需要更多样化数据集验证泛化能力	预测未来大脑解剖结构以研究神经退行性疾病	阿尔茨海默病患者及轻度认知障碍参与者的大脑MRI图像	医学影像分析	阿尔茨海默病	磁共振成像	深度学习	医学影像	来自ADNI和AIBL两个纵向队列的参与者	NA	UNet, U2-Net, UNETR, Time-Embedding UNet, ODE-UNet	全局相似性指标, 局部差异指标	NA
9646	2025-12-05	Deep learning based ischemic lesion markers on non-contrast head CT compared to CTP and DWI 2025-Nov-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.18.25340504 PMID:41332814	研究论文	本研究比较了基于深度学习的非对比增强头部CT（DLNCCT）与手动NCCT、CTP和DWI在急性缺血性脑卒中中缺血区域分割的空间重叠和影像标志物一致性	开发了一种深度学习模型来自动分割NCCT上的缺血区域，并与CTP和DWI等现有方法进行比较，展示了DLNCCT在识别和量化缺血损伤方面的潜力	空间重叠指标（如Dice系数）相对较低（例如DLNCCT与DWI为0.22±0.25），表明分割一致性有待提高；样本中性别信息部分未知	评估深度学习模型在非对比增强CT上分割缺血脑组织的准确性，并与CTP和DWI等标准影像方法进行比较	急性缺血性脑卒中患者的非对比增强头部CT影像	数字病理学	心血管疾病	非对比增强CT（NCCT）、CT灌注成像（CTP）、弥散加权成像（DWI）	深度学习分割模型	医学影像（CT图像）	训练集218例（男性104例，女性89例，未知25例，平均年龄68±14岁），测试集762例（男性243例，女性206例，未知313例，平均年龄70±15岁）	NA	NA	Dice相似系数（DSC）、Bland-Altman分析（平均差异及95%置信区间）、一致性相关系数（CCC）	NA
9647	2025-12-05	Clinical Validation and Prospective Deployment of an Automated Deep Learning-Based Coronary Segmentation and Cardiac Toxicity Risk Prediction System 2025-Nov-18, ArXiv PMID:41333170	研究论文	本文介绍了一个基于深度学习的自动化冠状动脉分割和心脏毒性风险预测系统的临床验证与前瞻性部署	开发并验证了一个3D U-Net模型，用于自动分割心脏亚结构，并前瞻性地监测心脏剂量暴露，实现了大规模实时风险预警	训练数据主要来自单一机构（2003-2014年），可能限制了模型的泛化能力；外部验证数据集的时间跨度较长（2005-2020年），可能存在技术变化的影响	验证AI自动分割心脏亚结构的准确性，并预测心脏毒性风险，以促进冠状动脉保护治疗和随访	肺癌患者的心脏亚结构（如左前降支冠状动脉）	数字病理学	肺癌	CT扫描	深度学习	图像	训练集560例，内部验证70例，外部验证283例，回顾性分析3,399例，前瞻性监测1,386例	NA	3D U-Net	Dice系数, ASSD, 绝对差异百分比, 风险比	NA
9648	2025-12-05	Hyperbolic Graph Embeddings Reveal the Host-Pathogen Interactome 2025-Nov-18, ArXiv PMID:41333173	研究论文	本文开发了一个名为ApexPPI的深度学习框架，利用双曲图嵌入技术预测宿主与病原体之间的蛋白质相互作用	首次将蛋白质网络表示为双曲黎曼空间以捕捉生物网络的层次性和无标度结构，并整合多模态生物数据通过多任务双曲图神经网络进行预测	预测结果仍需通过实验验证，且模型性能可能受输入数据质量和完整性的影响	预测宿主与病原体之间的蛋白质相互作用，以促进新疗法的发现	宿主与病原体蛋白质	机器学习	传染病	蛋白质序列分析、基因扰动实验、互补相互作用网络	图神经网络	蛋白质序列、基因表达数据、网络数据	数千万个可能的蛋白质对	NA	多任务双曲图神经网络	准确率	NA
9649	2025-12-05	Toggle-Untoggle - a cell segmentation tool with an interactive user verification interface 2025-Nov-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264154 PMID:41065013	研究论文	本文介绍了一个名为Toggle-Untoggle的桌面应用程序，用于荧光显微镜图像中细胞分割的质量控制	开发了一个无需编程的交互式用户验证界面，结合了预训练的Cellpose模型，允许用户直观地调整和修正自动细胞分割结果	NA	提高荧光显微镜图像中细胞分割的准确性和可访问性，使湿实验室研究人员能进行高效的定量分析	荧光显微镜图像中的细胞	数字病理学	NA	荧光显微镜成像	深度学习模型	图像	NA	NA	Cellpose cyto3模型, nuclei模型	NA	NA
9650	2025-12-05	Computational workflows for natural and biomedical image processing based on hypercomplex algebras 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101388 PMID:41328164	研究论文	本文介绍了一种基于超复数代数（如四元数）的计算工作流，用于自然和生物医学图像处理，包括图像重新着色、去色、对比度增强以及组织学图像的染色分离等任务	利用四元数和二维正交平面分割框架，开发了非数据驱动的图像处理方法，在多种处理任务中展现出与现有方法相当或更优的性能	未明确提及方法在处理高维数据或实时应用中的具体限制	开发基于超复数代数的图像处理工作流，以提升自然和生物医学图像的处理效果	自然图像和生物医学图像（包括组织学图像）	计算机视觉, 数字病理学	NA	图像处理工作流	NA	图像	NA	NA	NA	NA	NA
9651	2025-12-05	Plug-and-play computational method for advancing natural and biomedical image representation 2025-Nov-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101412 PMID:41328168	研究论文	本文介绍了一种基于超复数代数的非数据驱动框架，用于自然和生物医学图像处理	提出了一种无需训练数据的即插即用方法，适用于多种图像处理任务	NA	推进自然和生物医学图像的表示方法	自然和生物医学图像	计算机视觉	NA	超复数代数	NA	图像	NA	NA	NA	NA	NA
9652	2025-12-05	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	本研究开发了一个名为LASR的深度学习框架，用于对微藻基因组中的“暗蛋白质组”序列进行分类和注释	提出了结合Transformer和状态空间模型的LASR框架，使用合成嵌合序列进行训练，实现了比传统BLASTP快约10,701倍的分类速度，并保持了高准确率	研究仅针对十个藻类门类，可能无法完全覆盖所有微藻物种的多样性	开发高效准确的微藻暗蛋白质组序列分类工具	十个藻类门类的翻译ORFeomes序列	自然语言处理	NA	氨基酸序列分析	Transformer, 状态空间模型	氨基酸序列	约7700万条序列	NA	Transformer	召回率, 准确率	NA
9653	2025-12-05	Metagenomics approach to predict antibiotic resistance genes in sputum samples of adult people with cystic fibrosis: a pilot study 2025-Nov-05, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02299-24 PMID:41190884	研究论文	本研究探索了使用宏基因组学和深度学习工具deepARG来预测囊性纤维化成人痰液样本中抗生素耐药基因的可行性	首次将宏基因组学与深度学习工具deepARG结合，为囊性纤维化患者提供了一种不依赖培养、更快速的抗生素敏感性预测方法	样本量较小（20名患者，68份样本），且仅对部分抗生素类别（如氨基糖苷类、头孢菌素类、氟喹诺酮类）的预测结果显著	评估宏基因组学方法预测囊性纤维化患者痰液中抗生素耐药基因的效能，以替代耗时的传统培养方法	囊性纤维化成人患者的痰液样本	宏基因组学	囊性纤维化	鸟枪法宏基因组测序	深度学习	宏基因组测序数据	20名患者提供的68份痰液样本	NA	deepARG	AUC-ROC, 灵敏度	NA
9654	2025-12-05	Extraction of Novel Features and Diagnosis Prediction in Myelodysplastic Neoplasm Using a Weakly Supervised Artificial Intelligence Model Based on Normal Megakaryocytes 2025-Nov, Pathology international IF:2.5Q2 DOI:10.1111/pin.70049 PMID:40955745	研究论文	本研究提出了一种基于形态正常巨核细胞的弱监督人工智能模型，用于从骨髓活检标本中提取新特征并预测骨髓增生异常肿瘤的诊断	首次开发出能够基于正常巨核细胞形态对骨髓增生异常肿瘤与正常病例进行分类的人工智能模型，并揭示了与疾病预测显著相关的新的组织学特征	研究领域（骨髓活检）的人工智能应用仍相对有限，模型性能在疾病分类方面（AUC 0.879）虽良好但仍有提升空间	开发人工智能模型以辅助骨髓病理评估和疾病诊断	苏木精-伊红染色的骨髓活检标本中的形态正常巨核细胞	数字病理学	骨髓增生异常肿瘤	苏木精-伊红染色	深度学习, XGBoost	图像	未明确说明	未明确说明	未明确说明	AUC	未明确说明
9655	2025-12-05	Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202508358 PMID:40948400	研究论文	提出了一种名为MCIST的多尺度细胞间交互空间转录组学分析方法，用于改进空间域检测	结合多尺度拓扑表示与空间深度学习技术，首次在空间转录组学分析中系统考虑多尺度细胞间交互作用	未明确提及方法在特定组织类型或低分辨率数据上的适用性限制	开发一种能整合多尺度细胞间交互的空间转录组学数据分析方法	空间转录组学数据	空间转录组学	NA	空间转录组学	深度学习	空间转录组学数据	37个基准空间转录组学数据集	NA	NA	聚类分数	NA
9656	2025-12-05	Artificial Intelligence for Detection of Parkinson's Disease From Speech Signals-A Comprehensive Review 2025 Nov-Dec, BioFactors (Oxford, England) DOI:10.1002/biof.70065 PMID:41342337	综述	本文全面回顾了2020年至2024年间利用人工智能方法通过语音信号检测帕金森病的研究	聚焦于AI方法在帕金森病语音信号检测中的应用，并强调了对更具可解释性AI方法的需求	仅回顾了IEEE出版物，可能未涵盖所有相关研究	调查利用语音信号检测帕金森病的人工智能方法	帕金森病患者与健康对照者的语音信号	自然语言处理	帕金森病	语音信号分析	机器学习, 深度学习	语音信号	NA	NA	NA	NA	NA
9657	2025-12-05	Comparison of machine learning methods versus traditional Cox regression for survival prediction in cancer using real-world data: a systematic literature review and meta-analysis 2025-Oct-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02694-z PMID:41152747	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了机器学习模型与传统Cox回归在癌症生存预测中的性能	首次系统性地比较了多种机器学习模型与Cox比例风险模型在真实世界癌症生存预测中的性能，并进行了荟萃分析	纳入研究的异质性较高，且仅基于AUC或C指数进行性能比较，可能未全面反映模型优劣	系统总结观察性研究中机器学习模型在癌症生存结局预测中的应用，并比较其与Cox回归模型的性能	癌症患者的生存结局预测	机器学习	癌症	NA	随机生存森林, 梯度提升, 深度学习	真实世界数据	NA	R	NA	AUC, C指数	NA
9658	2025-12-05	MobileDANet integrating transfer learning and dynamic attention for classifying multi target histopathology images with explainable AI 2025-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21360-4 PMID:41136678	研究论文	本研究提出了一种名为MobileDANet的深度学习框架，用于对肾细胞癌、乳腺癌和结肠癌的组织病理学图像进行多目标分类，并整合了可解释AI技术	结合了MobileNetV2骨干网络与动态注意力块（多头注意力+MLP），以高效捕获长程依赖关系，并采用Grad-CAM增强模型可解释性	未来需要扩展到更大的多机构数据集，并探索模型压缩与自动超参数优化	开发自动化计算机辅助诊断框架，用于癌症严重程度的分类	肾细胞癌、乳腺癌和结肠癌的组织病理学图像	数字病理学	肾细胞癌,乳腺癌,结肠癌	组织病理学成像	CNN,注意力机制	图像	KMC数据集（肾细胞癌）、BreakHis（乳腺癌）、CRCH（结肠癌）	NA	MobileNetV2,动态注意力块（多头注意力+MLP）	准确率,F1分数,加权F1分数	NA
9659	2025-12-05	Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity 2025-Oct-22, ArXiv PMID:41281206	研究论文	本文系统评估了八种概率深度学习模型在神经活动预测任务上的性能，并与经典统计方法进行了比较	首次将包括两个基础模型在内的多种先进概率深度学习模型系统应用于神经活动预测领域，填补了深度学习在该应用中的空白	研究仅基于小鼠皮层自发神经活动的宽场成像数据，未验证其他神经记录技术或不同物种的数据	评估概率时间序列预测模型在神经活动预测任务中的性能，探索深度学习在该领域的应用潜力	小鼠皮层自发神经活动的时间序列数据	机器学习	NA	宽场成像	概率深度学习模型	时间序列数据	NA	NA	NA	NA	NA
9660	2025-12-05	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	本研究提出了一种时空Transformer模型，用于从耐药性癫痫患者的颅内脑电图（iEEG）发作期数据中提取特征，生成包含时空信息的嵌入表示，以大规模比较患者间的发作网络特征及其与治疗结果的关系	引入了一种自定义的时空Transformer模型，能够灵活处理不同电极数量和植入位置的iEEG数据，并首次实现了对大规模患者队列中发作起始模式的定量比较和聚类分析	发作聚类未能根据治疗方法或术后结果区分患者，且模型尚未整合多模态数据（如结构/功能成像、症状学、患者病史等）	为耐药性癫痫患者的手术治疗规划提供定量、基于证据的决策支持，通过比较新患者与历史病例的发作特征来推荐最佳治疗方案	耐药性癫痫患者的颅内脑电图（iEEG）发作起始时段数据	机器学习	癫痫	颅内脑电图（iEEG），包括立体定向脑电图和皮层脑电图	Transformer, CNN	多通道颅内脑电图（iEEG）时间序列数据	102名耐药性癫痫患者的882次临床发作	NA	自定义时空Transformer，包含卷积层和时空位置编码器	验证准确率	NA