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
10601	2025-11-26	RADIFUSION: a multi-radiomics deep learning based breast cancer risk prediction model using sequential mammographic images with image attention and bilateral asymmetry refinement 2025-Nov-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae1ee4 PMID:41223545	研究论文	提出一种基于多组学深度学习的乳腺癌风险预测模型RADIFUSION，利用序列乳腺X光图像进行风险评估	融合线性图像注意力机制、影像组学特征、新型门控机制和多视角融合，并引入双侧不对称性微调策略	仅在单一筛查队列（8723名患者）中验证，需要更多外部数据验证泛化能力	开发基于序列乳腺X光图像的乳腺癌风险预测模型	乳腺癌筛查人群	数字病理	乳腺癌	乳腺X光摄影	深度学习	序列医学图像	8723名患者，其中独立测试集1749名女性	NA	RADIFUSION（融合线性图像注意力的深度学习架构）	AUC（1年AUC，2年AUC，3年AUC）	NA
10602	2025-11-26	Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers 2025-Nov-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03560 PMID:41230979	研究论文	结合深度学习与拉曼光谱技术，实现诱导多能干细胞多能性的小时级无标记评估	首次实现基于拉曼光谱的小时级iPSC多能性无标记评估，在培养基扰动1小时即可检测多能性异常，比形态变化更早	未明确说明样本规模和数据集的多样性限制	开发快速无标记的iPSC多能性评估方法	诱导多能干细胞(iPSC)	机器学习	再生医学	拉曼光谱	CNN	光谱数据	NA	NA	一维卷积神经网络(1D-CNN)	准确率	NA
10603	2025-11-26	Breast cancer diagnosis from histopathological images and molecular signatures by fusing features with an explainable AI-based residual tabular network model 2025-Nov-25, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00709-x PMID:41286231	研究论文	提出一种基于可解释人工智能的残差表格网络模型，通过融合组织病理学图像和分子蛋白表达数据进行乳腺癌多模态诊断	首次结合组织病理学图像和分子蛋白表达数据进行多模态乳腺癌诊断，采用自适应组织感知高斯滤波、熵增强图分水岭分割和自适应海星优化等创新方法，并集成SHAP和LIME实现模型可解释性	未提及外部验证数据集和临床实际应用场景的测试结果	开发可解释的多模态人工智能模型用于乳腺癌精准诊断	乳腺癌组织病理学图像和分子蛋白表达数据	数字病理学	乳腺癌	组织病理学成像, 蛋白表达分析	CNN, 残差网络	图像, 表格数据	NA	Python	ResTab Net, 残差卷积块, 稠密层	准确率, 精确率, 召回率, F1分数, AUC	NA
10604	2025-11-26	Artificial intelligence in protein-based detection and inhibition of AMR pathways 2025-Nov-25, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00710-4 PMID:41286386	综述	本文综述了人工智能在抗微生物耐药性相关蛋白质检测、结构表征和抑制剂设计中的应用框架	系统整合了AI在AMR蛋白质功能注释、结构预测、分子对接、生物标志物识别和抑制剂设计等多个环节的最新工具与方法	作为综述文章，未涉及具体实验验证和性能比较分析	抗微生物耐药性(AMR)的高通量监测和精准干预策略开发	抗性相关蛋白质、耐药基因、抑制剂分子	生物信息学，计算生物学	抗微生物耐药性感染	质谱分析，分子对接，分子动力学模拟，宏基因组测序	深度学习，图神经网络，自然语言处理，大型语言模型，变分自编码器，生成对抗网络，扩散模型	蛋白质序列，蛋白质结构，质谱数据，宏基因组数据，科学文献文本	NA	TensorFlow，PyTorch	DeepGO，DeepGOPlus，DeepGO-SE，PFresGO，DPFunc，ProtENN，GraphSite，GrASP，AlphaFold，RoseTTAFold，ProtGPT-2，ESMFold，DeepNovo，Casanovo，Prosit，DeepARG，HMD-ARG，BacEffluxPred，DeepInteract，Pred_PPI，PLIP，DeepAIPs-Pred，DeepAIPs-SFLA，SBSM-Pro，Deep Stacked-AVPs，pNPs-CapsNet	NA	NA
10605	2025-11-26	Modeling protein-ligand interactions for drug discovery in the era of deep learning 2025-Nov-24, Chemical Society reviews IF:40.4Q1 DOI:10.1039/d5cs00415b PMID:41117015	综述	探讨深度学习在蛋白质-配体相互作用建模及药物发现中的应用与进展	系统整合了基于物理原理的计算方法与数据驱动的深度学习策略，提出五类创新融合维度	未涉及具体实验验证数据，主要聚焦方法论层面的讨论	提升蛋白质-配体相互作用预测的准确性与效率以推动药物发现	蛋白质-配体相互作用机制	机器学习	NA	分子动力学模拟, 分子对接, 自由能计算	深度学习, 深度生成模型	分子结构数据, 蛋白质序列数据	NA	NA	NA	预测准确性, 计算效率	NA
10606	2025-11-26	SleepHybridNet: A Lightweight Hybrid CNN-Transformer Model for Enhanced N1 Sleep Staging From Single-Channel EEG 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628893 PMID:41284434	研究论文	提出一种轻量级混合CNN-Transformer模型SleepHybridNet，用于提升单通道脑电信号的N1睡眠分期分类性能	通过多尺度特征融合和序列建模的新型架构，整合MSCNN模块、Transformer编码器、频谱特征提取单元和多任务分类器	仅使用单通道脑电信号，未来可探索集成可穿戴传感器的多模态数据	提升非快速眼动睡眠第一阶段（N1）的准确分类	单通道脑电信号	机器学习	睡眠障碍	脑电图	CNN, Transformer	脑电信号	基于公开Sleep-EDF Expanded数据集	NA	Multi-Scale Convolutional Neural Network, Transformer encoder	准确率, F1-score	NA
10607	2025-11-26	Foundation Model With Uncertainty Estimation-Based Active Learning for Retinal Image Classification 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3633513 PMID:41284431	研究论文	提出一种基于基础模型和不确定性估计的主动学习框架，用于视网膜图像分类	首次将基础模型与证据不确定性估计相结合用于视网膜图像分类，在低标注场景下显著优于传统主动学习方法	未明确说明模型在更广泛疾病类型上的泛化能力	解决视网膜疾病诊断中的标注瓶颈问题，提高自动化诊断系统的部署效率	光学相干断层扫描(OCT)和彩色眼底照相(CFP)视网膜图像	计算机视觉	视网膜疾病	光学相干断层扫描(OCT), 彩色眼底照相(CFP)	基础模型, 证据深度学习	医学图像	四个视网膜数据集	NA	FMUE	准确率	NA
10608	2025-11-26	Evaluation of Self-Supervised Representation Learning for Mitosis Detection in Histopathological Images 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3629587 PMID:41284437	研究论文	评估自监督学习方法在组织病理学图像有丝分裂检测中的表示学习性能	首次将基于DINO自监督学习的基础模型应用于组织病理学图像有丝分裂检测，无需昂贵的训练阶段	在部分数据集上性能略低于监督学习模型	探索自监督表示学习在组织病理学图像分析中的适用性	组织病理学图像中的有丝分裂细胞	数字病理学	癌症	自监督表示学习	Vision Transformer, Cross-Covariance Image Transformers, CNN	组织病理学图像	MIDOG2021、MIDOG2022和ICPR2014三个数据集	NA	ViT, XCiT, ResNet-50	F1-score	较监督模型更少的计算资源
10609	2025-11-26	Deep Learning Framework for Classifying Whole-Slide Multiplex Immunofluorescence Images to Predict Immunotherapy Response in Melanoma Patients 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623576 PMID:41284441	研究论文	提出一种用于分类全玻片多重免疫荧光图像以预测黑色素瘤患者免疫治疗反应的深度学习框架	开发了通道优化与多示例学习(COMIL)框架，通过建模通道间关系和结合多示例学习来提升分类性能	NA	预测黑色素瘤患者的免疫治疗反应	黑色素瘤患者	数字病理学	黑色素瘤	多重免疫荧光成像	深度学习	全玻片多重免疫荧光图像	来自澳大利亚黑色素瘤研究所的mIF图像	NA	多示例学习框架	AUC	NA
10610	2025-11-26	Deconver: A Deconvolutional Network for Medical Image Segmentation 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623381 PMID:41284450	研究论文	提出一种融合传统反卷积技术的医学图像分割网络Deconver	将传统图像恢复中的反卷积技术作为可学习核心组件集成到U型架构中，用高效非负反卷积操作替代计算昂贵的注意力机制	未明确说明模型在更广泛医学图像数据上的泛化能力	开发计算效率更高的医学图像分割方法	医学图像分割任务	数字病理	多疾病类别（涵盖脑部、脾脏、乳腺等多种器官病变）	深度学习	CNN, 反卷积网络	2D和3D医学图像	五个数据集（ISLES'22, Spleen, BraTS'23, GlaS, FIVES）	NA	U-Net, Deconver	Dice系数, Hausdorff距离, FLOPs	NA
10611	2025-11-26	AI-Driven Quantitative Analysis of Pathological Images for Membranous Nephropathy Across Macro and Micro Modalities 2025-Nov-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624618 PMID:41284446	研究论文	提出基于Mamba模型的AI驱动框架，通过整合光镜和电镜图像对膜性肾病进行多尺度定量分析和进展预测	首次将Mamba模型应用于病理图像分析，模拟病理医生诊断流程整合宏观和微观图像进行联合分析	仅使用109例外部数据集进行验证，样本量相对有限	开发能够量化病理变化并预测膜性肾病进展的深度学习方法	膜性肾病患者的肾小球基底膜病理变化	数字病理学	膜性肾病	光镜,透射电镜	Mamba模型,经典机器学习模型	图像	109例病例	NA	Mamba	肾小球分类性能,GBM分割性能,MN进展预测性能	NA
10612	2025-11-26	EMI Cancellation for Shielding-Free Ultra-Low-Field MRI 2025-Nov-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635911 PMID:41284462	研究论文	开发基于深度学习的电磁干扰抑制方法用于无屏蔽超低场磁共振成像	提出融合Transformer和混合注意力机制的U-Net架构EMIC-Net，实现从传感线圈信号到射频接收线圈干扰的数据驱动非线性映射	NA	解决无屏蔽环境中超低场磁共振成像的电磁干扰问题	人体大脑成像	医学影像处理	NA	超低场磁共振成像	U-Net, Transformer, CNN	磁共振信号数据	小规模数据集（具体数量未明确说明）	NA	U-Net, Transformer, 混合注意力机制	SNR, PSNR, SSIM	NA
10613	2025-11-26	Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model 2025-Nov-24, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02939-1 PMID:41286201	研究论文	介绍Helixer——一种结合深度学习和隐马尔可夫模型的从头真核生物基因预测工具	无需RNA测序等实验数据即可实现跨物种高精度基因预测，结合深度学习与隐马尔可夫模型的新方法	NA	开发适用于多种真核生物基因组的从头基因预测工具	真菌、植物、脊椎动物和无脊椎动物基因组	生物信息学	NA	深度学习，隐马尔可夫模型	深度学习模型，隐马尔可夫模型	基因组序列数据	NA	NA	NA	多评估指标	NA
10614	2025-11-26	Boosting reservoir computing with brain-inspired adaptive control of E-I balance 2025-Nov-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-64978-8 PMID:41266325	研究论文	通过大脑启发的兴奋-抑制平衡自适应控制机制提升储备池计算性能	首次在储备池计算中引入动态调节兴奋-抑制平衡的自适应机制，并发现适度抑制状态能产生最佳性能	未明确说明实验数据规模和具体应用场景的局限性	提升储备池计算的性能并减少超参数调优成本	储备池计算网络	机器学习	NA	储备池计算	循环神经网络	时间序列数据	NA	NA	储备池计算	记忆容量, 时间序列预测精度	NA
10615	2025-11-26	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2025-Nov-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-64631-4 PMID:41266362	研究论文	本研究通过深度学习模型识别影响前列腺癌风险的非洲裔人群特异性非编码遗传变异	首次使用深度学习模型系统识别非洲裔人群中影响前列腺增强子功能的非编码SNP，并揭示其通过两种机制促进癌症发展的新途径	研究主要关注非洲裔人群，需要进一步验证在其他人群中的适用性；大部分预测的SNP尚未进行实验验证	探索非洲裔男性前列腺癌风险更高的遗传机制，特别是非编码调控SNP的作用	非洲裔和欧洲裔男性的前列腺癌遗传数据	计算生物学	前列腺癌	深度学习，全基因组关联研究(GWAS)	深度学习模型	基因组序列数据，增强子功能数据	NA	NA	NA	风险预测改善效果	NA
10616	2025-11-26	Piscis: A loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning 2025-Nov-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101448 PMID:41265398	研究论文	提出一种基于深度学习的荧光显微镜图像斑点检测算法Piscis，使用近似F1分数的损失函数实现自动检测	开发了SmoothF1损失函数，直接惩罚假阳性和假阴性，同时保持可微性以用于深度学习训练	NA	开发无需手动参数调优的自动斑点检测算法	荧光显微镜图像中的RNA转录本斑点	计算机视觉	NA	RNA FISH空间转录组学	深度学习	图像	358张手动标注的实验RNA FISH图像和240张合成图像	NA	NA	F1分数	NA
10617	2025-11-26	DNALONGBENCH: a benchmark suite for long-range DNA prediction tasks 2025-Nov-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65077-4 PMID:41253815	研究论文	本文提出了一个用于评估长距离DNA依赖任务性能的基准测试套件DNALONGBENCH	首次构建了覆盖五个关键基因组学任务、支持长达100万碱基对长距离依赖评估的标准化基准数据集	基准测试仅包含五个特定基因组学任务，可能无法覆盖所有长距离DNA依赖场景	解决长距离DNA依赖建模的评估标准缺失问题，促进基因组深度学习模型的发展	DNA序列中的长距离依赖关系	生物信息学	NA	基因组测序	CNN, 基础模型	DNA序列数据	NA	NA	HyenaDNA, Caduceus-Ph, Caduceus-PS	NA	NA
10618	2025-11-26	Deep generative modeling of temperature-dependent structural ensembles of proteins 2025-Nov-18, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01737-2 PMID:41254233	研究论文	开发了一种基于深度学习的蛋白质结构集成生成模型，能够模拟温度依赖的蛋白质构象集合	提出了首个能够生成温度条件化蛋白质原子级结构集成的潜在扩散模型	模型训练依赖于分子动力学模拟数据，计算成本仍然较高	开发高效生成蛋白质结构集成的方法，替代计算昂贵的分子动力学模拟	蛋白质重原子结构集成	机器学习	NA	分子动力学模拟，深度学习	潜在扩散模型，自编码器	分子结构数据	mdCATH数据集	NA	潜在扩散模型，自编码器	侧链和主链扭转角分布准确性，温度依赖性集成特性，与长时MD模拟比较	NA
10619	2025-11-26	Artificial intelligence prediction of age from echocardiography as a marker for cardiovascular disease 2025-Nov-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02050-x PMID:41254301	研究论文	本研究开发了一种深度学习模型，通过超声心动图视频预测患者年龄，并探索其作为心血管疾病风险标志物的潜力	首次利用大规模超声心动图视频数据开发年龄预测模型，揭示了生物年龄与心血管疾病风险之间的关联	研究基于回顾性数据，需要前瞻性验证；模型性能可能受数据质量和采集协议差异影响	开发基于超声心动图的年龄预测模型，探索其作为心血管疾病风险评估工具的临床应用价值	90,738名患者的166,508项研究中的2,610,266个超声心动图视频	计算机视觉	心血管疾病	多视角超声心动图	深度学习	视频	90,738名患者的2,610,266个视频	NA	NA	平均绝对误差, 决定系数	NA
10620	2025-11-20	AllergenAI: a deep learning model predicting allergenicity based on protein sequence 2025-Nov-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06302-1 PMID:41254570	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA