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
1321	2026-09-21	Generalizable and scalable protein stability prediction with rewired protein generative models 2025-Dec-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67609-4 PMID:41422228	研究论文	本文提出了SPURS，一个深度学习框架，通过重新连接和整合两个互补的蛋白质生成模型（蛋白质语言模型和逆折叠模型），并利用超大规模热稳定性数据进行监督微调，实现蛋白质稳定性预测。	利用并改进了蛋白质生成模型的强无监督预测能力，通过重新连接和整合两个互补模型，并在超大规模热稳定性数据上进行监督微调，实现了可泛化、可扩展的蛋白质稳定性预测。	摘要中未提及该研究的局限性。	预测氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病和工程化蛋白质。	蛋白质及其氨基酸替换。	机器学习	人类疾病	蛋白质生成模型、监督微调	蛋白质语言模型、逆折叠模型	蛋白质序列和结构数据、热稳定性数据	摘要中未提及具体的样本数量。	NA	蛋白质语言模型、逆折叠模型	摘要中未提及具体的性能指标。	摘要中未提及计算资源。
1322	2026-09-21	[Diagnosis and treatment of liver diseases in the era of artificial intelligence] 2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology DOI:10.3760/cma.j.cn501113-20250910-00376 PMID:41461549	综述	本文分析了人工智能在肝病领域大数据分析、转化研究以及影像和病理判读等关键应用中的进展，并探讨了其临床落地面临的挑战与未来方向	系统梳理了人工智能在肝病诊疗中的多模态数据整合应用现状，并明确指出了当前AI工具难以独立可靠辅助复杂临床评估、无法有效减轻医生负担以及模型碎片化难以形成多中心通用模型三大核心痛点	本文为综述性分析，未开展原始实验验证；所讨论的AI工具成熟度不足，尚不能真正独立可靠地辅助复杂临床评估，且各医疗中心独立训练的模型相对孤立、个性化、碎片化，难以整合为广泛适用且可扩展的多中心通用模型，限制了其普适价值	分析人工智能在肝病诊疗关键领域的应用进展，探讨其在真实世界诊断与治疗流程中全面整合所面临的挑战，并提出未来发展方向	肝病诊疗中的人工智能应用，包括大数据分析、转化研究以及影像和病理判读	数字病理	肝病	NA	NA	多模态数据（病史、体征、实验室数据、影像和病理）	NA	NA	NA	NA	NA
1323	2026-09-21	Development of a deep learning model to classify choroidal melanoma risk factors based on color fundus photographs 2025-Dec-11, AJO international DOI:10.1016/j.ajoint.2025.100167 PMID:41567739	研究论文	本研究开发并验证了一种深度学习模型，仅基于脉络膜痣的眼底图像来识别脉络膜黑色素瘤的风险因素	首次仅使用眼底图像，通过深度学习模型识别脉络膜黑色素瘤的所有五种关键风险因素	未明确提及具体的局限性，但可能包括样本量、外部验证等	开发并验证一种深度学习模型，基于眼底图像识别脉络膜痣转化为黑色素瘤的风险因素	脉络膜痣的眼底图像	数字病理学，医学图像分析	眼内肿瘤，脉络膜黑色素瘤	彩色眼底照相	深度学习模型（未指定具体类型）	图像	NA	NA	NA	预测性能（可接受至优秀）	NA
1324	2026-09-21	Diagnostic performance of machine learning and deep learning algorithms for thyroid cancer metastasis: a systematic review and meta-analysis 2025-12-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03307-x PMID:41361881	系统综述与荟萃分析	该文章通过系统综述与荟萃分析评估了机器学习和深度学习算法在检测甲状腺癌转移中的诊断性能	首次系统性地汇总并定量分析了机器学习和深度学习算法在甲状腺癌转移诊断中的表现，涵盖多种转移类型和技术设置，并通过亚组和调节变量分析验证了模型的稳定性与适应性	仅纳入英文发表的研究，可能存在发表偏倚；纳入研究间存在异质性；未明确说明各原始研究的计算资源与具体模型架构细节	评估机器学习和深度学习算法在甲状腺癌转移检测中的诊断准确性，并探讨不同转移类型、癌症亚型和数据来源对模型性能的影响	成人甲状腺癌患者，尤其是乳头状甲状腺癌患者	数字病理学, 机器学习	甲状腺癌	NA	机器学习, 深度学习	NA	35项研究，共包含162个估计值	NA	NA	AUC-ROC, 灵敏度, 特异度, 诊断优势比	NA
1325	2026-09-21	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	该研究提出了PRISM-CRC深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据来改善结直肠癌的诊断和预后	首次提出深度多模态融合框架PRISM-CRC，整合病理组学、放射组学和临床数据，在多模态协同作用下显著优于单一数据类型模型，并提供比传统TNM分期更精细的风险分层	存在域偏移导致的性能下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证其临床实用性	通过整合多模态数据提高结直肠癌的诊断和预后预测能力	结直肠癌患者	数字病理学	结直肠癌	组织病理学、放射学、内窥镜和临床数据整合	深度学习	图像、文本	NA	NA	NA	一致性指数、AUC	NA
1326	2026-09-21	Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography 2025-12-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07438-5 PMID:41340110	研究论文	本研究评估了全景X线片在上颌第三磨牙与上颌窦底关系分析中的有效性，通过锥形束CT数据训练深度学习模型，并比较了不同深度学习架构的分类性能	利用锥形束CT数据训练的深度学习模型来分析全景X线片中上颌第三磨牙与上颌窦底的位置关系，并采用多数投票融合策略综合多个模型的分类结果	多分类问题的准确率相对较低（约68-69%），研究样本量有限，仅基于单一机构数据	评估深度学习模型在全景X线片上分析上颌第三磨牙与上颌窦底位置关系的有效性，并比较不同深度学习架构的分类性能	上颌第三磨牙与上颌窦底的位置关系	计算机视觉, 数字病理学	口腔疾病	锥形束CT, 全景X线片	CNN	图像	1054张上颌第三磨牙全景X线图像	NA	VGG16, VGG19, ResNet50, ResNet101, GoogleNet	准确率, 混淆矩阵	NA
1327	2026-09-21	Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images 2025-12, The American journal of pathology DOI:10.1016/j.ajpath.2025.08.014 PMID:40946794	研究论文	提出HistoStainAlign深度学习框架，通过对比训练策略从H&E全切片图像预测IHC染色模式	无需斑块级标注或组织配准，通过对比训练策略整合配对的H&E和IHC嵌入，捕获跨染色模态的互补特征	仅评估了胃肠道和肺部组织的三种IHC染色，样本类型有限	解决IHC染色成本高、耗时和资源密集的问题，开发计算预筛选工具	胃肠道和肺部组织的全切片图像	数字病理学	肺癌，胃肠道癌症	H&E染色， IHC染色	深度学习	图像	NA	NA	NA	加权F1分数	NA
1328	2026-09-21	Detecting mangrove seedlings from UAV imagery using deep learning for restoration monitoring 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30387-6 PMID:41326629	研究论文	本文开发了一种基于深度学习的模型，用于从无人机超高分辨率影像中检测红树幼苗，以监测恢复效果	首次针对红树生态系统提出专门的幼苗检测方法，利用MaxViT-UNet架构预测密度图，并结合高斯差分方法进行精确定位	标注不准确、无人机影像随时间可能存在不一致性、深度学习方法固有的局限性	开发红树幼苗检测模型以支持恢复监测	红树幼苗	计算机视觉	NA	无人机遥感	深度学习	图像	22个播种点	NA	MaxViT-UNet, ResNet-DETR	F1分数, 精确率, 召回率	NA
1329	2026-09-21	Artificial Intelligence Has Varied Diagnostic and Predictive Performance in Diagnosing Patellofemoral Osteoarthritis, Trochlear Dysplasia, and Patellofemoral Tracking Abnormalities: A Systematic Review 2025-Dec, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2025.101269 PMID:41541530	系统综述	系统评估人工智能模型在诊断髌股关节骨关节炎、滑车发育不良及髌股轨迹异常中的诊断效能和预测能力	首次系统综述AI在髌股关节病理诊断中的应用，涵盖了骨关节炎、滑车发育不良和轨迹异常三种病理类型，并比较了AI与人类专家的性能	纳入研究存在样本量小、单中心数据集、泛化性有限、数据集不平衡导致的偏倚等局限性，且研究间异质性大，无法给出具体临床推荐	系统评估AI模型在检测髌股关节病理中的诊断效能和预测能力，并与人类临床专家进行比较	髌股关节骨关节炎、滑车发育不良、髌股轨迹异常/不稳定的患者影像数据	医学影像分析	骨关节炎	计算机断层扫描、磁共振成像、X射线摄影	深度学习、机器学习	图像	17项研究，具体样本量未在摘要中提供	NA	NA	AUC、准确率、精确率、召回率、灵敏度、特异度、阳性预测值、阴性预测值	NA
1330	2026-09-21	Depthwise-Dilated Convolutional Adapters for Medical Object Tracking and Segmentation Using the Segment Anything Model 2 2025-Dec, Machine learning: science and technology DOI:10.1088/2632-2153/ae13d1 PMID:41551748	研究论文	本文提出了一种基于深度可分离空洞卷积适配器（DD-Adapter）的高效微调框架DD-SAM2，用于将SAM2模型适配到医学视频目标跟踪与分割任务中。	首次系统性地探索了基于适配器的SAM2微调策略用于医学视频分割与跟踪；提出了深度可分离空洞适配器（DD-Adapter），以极小的参数开销增强多尺度特征提取，并充分利用SAM2的流式记忆机制。	未明确讨论模型在更大规模或更多样化医学视频数据集上的泛化能力，也未详细分析计算资源的具体消耗。	解决SAM2在医学视频场景中适配时需大规模数据集重训练或迁移学习导致的高计算成本和灾难性遗忘问题，实现高效微调。	医学视频中的肿瘤和左心室等目标。	计算机视觉	肺癌, 心血管疾病	深度学习, 视频分割, 目标跟踪	SAM2, DD-Adapter	视频, 图像	TrackRad2025（肿瘤分割）和EchoNet-Dynamic（左心室跟踪）数据集，具体样本数量未提及	NA	SAM2, 深度可分离空洞卷积适配器 (DD-Adapter)	Dice系数	NA
1331	2026-09-21	Fusion of transfer learning models for detection of alzheimer's disease using bidirectional long short-term memory with equilibrium optimization algorithm 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30456-w PMID:41326608	研究论文	该研究提出了一种融合深度学习模型（EfficientNet B7、MobileNet、ResNet-50）结合双向长短期记忆网络（BiLSTM）和平衡优化算法（EOA）的阿尔茨海默病检测与分类方法	将EfficientNet B7、MobileNet和ResNet-50三种深度学习模型进行融合用于特征提取，并采用双向长短期记忆网络进行分类，同时利用平衡优化算法进行超参数优化	MRI采集过程耗时较长，主要由于需要物理检查工作流程阻塞；未提及具体的数据集规模和泛化能力验证	构建一种融合深度学习模型与优化算法的阿尔茨海默病检测与分类方法，实现早期诊断	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI	CNN、BiLSTM	图像	NA	NA	EfficientNet B7、MobileNet、ResNet-50、BiLSTM	NA	NA
1332	2026-09-21	Comparative analysis of deep learning models for early detection of osteoarthritis using knee radiographs: A retrospective study 2025-Nov, Journal of clinical orthopaedics and trauma DOI:10.1016/j.jcot.2025.103212 PMID:41078474	研究论文	该文章回顾性比较了三种深度学习模型（自定义CNN、ResNet-50和VGG-16）在膝关节X光片早期骨关节炎检测中的性能。	对三种深度学习架构在早期骨关节炎检测中的性能进行了比较分析，使用Kellgren-Lawrence分级系统作为参考标准。	回顾性研究设计，样本仅来自单一时间段，未进行外部验证。	评估和比较三种深度学习架构在利用放射影像早期检测膝关节骨关节炎中的性能。	1200张膝关节X光片（1000张用于训练，200张用于验证）。	计算机视觉	骨关节炎	深度学习	CNN	图像	1200张膝关节X光片（1000张训练，200张验证），数据收集于2022年至2024年	PyTorch	自定义CNN, ResNet-50, VGG-16	准确率, 灵敏度, 特异性, AUC-ROC	NA
1333	2026-09-21	Big data and AI: Potential and challenges for digital transformation in toxicology 2025-Sep, Environmental analysis, health and toxicology DOI:10.5620/eaht.2025s07 PMID:41265416	综述	探讨大数据和人工智能在毒理学数字化转型中的潜力与挑战，包括毒性数据库现状、AI方法、案例研究及可解释性需求	强调可解释AI与不良结局路径框架的整合以增强模型可解释性，并倡导透明、可重复的AI模型作为下一代风险评估的新方法	高质量、同质化数据集的可用性有限，以及AI模型的黑箱性质阻碍了监管接受	探索大数据和AI在毒理学数字化转型中的潜力与挑战，推动化学安全评估和监管科学的发展	毒性数据库、AI方法（机器学习、深度学习、大语言模型）、基于AI的毒性预测模型	机器学习	NA	NA	机器学习, 深度学习, 大语言模型	文本	NA	NA	NA	NA	NA
1334	2026-09-21	SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION 2025-Sep, Proceedings. International Conference on Image Processing DOI:10.1109/icip55913.2025.11084355 PMID:41527662	研究论文	该文章提出了一种通过稀疏域一致性项增强自监督学习的方法，用于改进物理驱动深度学习模型的MRI重建，减少高加速率下的伪影和噪声放大	提出了一种新的训练策略，通过精心设计的扰动和稀疏域一致性项来增强传统的k空间掩码自监督学习方法，评估模型预测添加扰动的能力，从而实现更可靠和无伪影的重建	摘要中未明确提及研究限制	改进快速MRI扫描的重建质量，特别是在高加速率下，减少伪影并提高图像保真度	快速MRI扫描数据，包括膝盖和大脑数据集	计算机视觉	NA	MRI重建，自监督学习，物理驱动深度学习	CNN	图像	fastMRI膝盖和大脑数据集，具体样本大小未指定	PyTorch	NA	视觉质量，定量指标（未具体指定）	NA
1335	2026-09-21	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究了如何通过结合复值表示和Kuramoto同步动力学来增强深度神经网络在视觉分类任务中的物体编码能力。	将复值表示与Kuramoto动力学结合以促进相位对齐，并比较了前馈模型和带反馈的循环模型，利用自顶向下信息细化相位同步。	仅在多物体图像任务（如重叠手写数字、噪声输入和分布外变换）上评估，未在更广泛的视觉任务或大规模数据集上验证。	探索基于同步的机制是否能增强人工模型在视觉分类中的物体编码能力。	多物体图像，包括重叠手写数字、噪声输入和分布外变换。	计算机视觉	NA	NA	前馈神经网络，循环神经网络	图像	NA	NA	NA	NA	NA
1336	2026-09-21	Autonomous Closed-Loop Control for Robotic Soft Tissue Electrosurgery Using RGB-D Image Guidance 2025-Aug, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3583169 PMID:41613948	研究论文	本文提出了一种基于RGB-D图像引导的自主闭环机器人软组织电外科手术系统，通过3D组织跟踪和模糊逻辑控制实现精确切割	利用CoTracker进行无标记3D组织跟踪，结合工具遮挡算法，并采用模糊逻辑控制器动态调整切割速度，实现闭环控制	仅在离体猪舌上验证，样本量较小（闭环N=6，开环N=3），未进行在体实验	提高机器人电外科手术中软组织切割的精度，减少切割误差，从而降低癌症复发风险	离体猪舌	计算机视觉	口腔癌	电外科手术，RGB-D成像	CoTracker，模糊逻辑控制器	图像（RGB-D）	离体猪舌：闭环6例，开环3例	NA	CoTracker	平均切割误差	NA
1337	2026-09-21	Knockout: A simple way to handle missing inputs 2025-Jul, Transactions on machine learning research PMID:41552269	研究论文	本文提出了一种名为Knockout的方法，通过在训练过程中随机将输入特征替换为适当的占位符值，以处理推理时输入缺失的问题	提出Knockout方法，在训练时随机替换输入特征为占位符值，可同时学习条件分布和边缘分布，并提供理论证明将其解释为隐式边缘化策略	未明确提及	解决多模态模型在推理时输入缺失的问题，提供一种高效且性能良好的处理方法	深度学习模型，特别是多模态模型	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1338	2026-09-21	Confounder-Free Continual Learning via Recursive Feature Normalization 2025-Jul, Proceedings of machine learning research PMID:41574232	研究论文	本文提出了一种递归特征归一化方法，用于在持续学习中消除混杂因素的影响。	提出递归MDN（R-MDN）层，可集成到任何深度学习架构中，并通过递归最小二乘算法持续更新内部模型，适应数据和混杂变量分布的变化。	摘要中未明确提及。	在持续学习场景中，学习对混杂因素不变的特征表示，以消除混杂因素对预测的影响。	深度学习模型中的特征表示和混杂变量。	机器学习	NA	递归最小二乘算法	NA	NA	NA	NA	视觉Transformer（Vision Transformer）	NA	NA
1339	2026-09-21	A new era in nephrology: the role of super-resolution microscopy in research, medical diagnostic, and drug discovery 2025-06, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2025.01.040 PMID:40139567	综述	本文综述了超分辨率显微镜（特别是三维结构光照明显微镜）在肾脏病学研究、医学诊断和药物发现中的应用，介绍了足细胞精确形态测量程序及其与mRNA检测、多重染色和深度学习算法的结合	提出基于三维结构光照明显微镜的足细胞精确形态测量程序，能够量化足细胞足突形态，并在蛋白尿出现前检测足突变化；可与mRNA检测、多重染色和深度学习算法结合使用	作为综述文章，未提供原始实验数据；超分辨率显微镜技术的广泛临床应用仍需进一步验证和标准化	探讨超分辨率显微镜在肾脏病学研究、医学诊断和药物发现中的应用潜力，特别是在肾小球超微结构观察和足细胞形态量化方面	肾脏组织（肾小球超微结构，特别是足细胞足突和裂孔隔膜）	数字病理学	肾脏疾病	超分辨率显微镜（三维结构光照明显微镜）、mRNA检测、多重染色	深度学习算法	图像	NA	NA	NA	NA	NA
1340	2026-09-21	Deep learning-based design and screening of benzimidazole-pyrazine derivatives as adenosine A2B receptor antagonists 2025-04, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2295974 PMID:38133953	研究论文	本文通过结合深度生成模型和多层虚拟筛选，设计并筛选苯并咪唑-吡嗪衍生物作为选择性腺苷A2B受体拮抗剂	开发了一个基于骨架的方案，结合深度生成模型和多层虚拟筛选来设计选择性A2B受体拮抗剂，并发现了五个具有不同Bemis-Murcko骨架的新分子	未明确说明	设计并筛选潜在的、选择性的腺苷A2B受体拮抗剂	苯并咪唑-吡嗪衍生物	药物发现	癌症	深度学习、虚拟筛选	深度生成模型	分子结构数据	未明确说明	未明确说明	未明确说明	结合自由能	未明确说明