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
1341	2026-07-03	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	综述了深度学习在个性化基因表达预测中的应用进展与挑战	系统比较了深度学习模型与传统eQTL线性方法在跨个体预测中的表现，并探讨了新型微调策略和基因组语言模型	深度学习模型在跨个体基因表达预测中仍难以显著优于线性模型，个性化预测的准确性和鲁棒性仍是未完全解决的挑战	探讨如何提升深度学习模型对个性化基因表达的预测能力	深度学习模型、传统eQTL线性方法、基因组语言模型	机器学习	不适用	不适用	深度学习模型, 基因组语言模型	基因组序列, 表观基因组数据	不适用	不适用	不适用	不适用	不适用
1342	2026-07-03	Deep Learning-Based Supervised and Semisupervised Segmentation of Confocal and SEM Micrographs for Microstructural Characterization of Plant Protein Gels 2026-01-02, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf129 PMID:41524148	研究论文	开发了一种半监督学习框架，利用仅10%的标注数据和伪标签策略对植物蛋白凝胶的共聚焦和扫描电镜图像进行分割，实现高效微观结构表征	首次将半监督学习方法应用于植物蛋白凝胶的显微图像分割，在仅使用10%标注数据的情况下达到与全监督学习相当的分割性能；结合尺度不变的结构描述符（分形维数和蛋白质聚集面积），无需放大校准即可跨成像条件进行可靠比较	对于共聚焦图像，半监督学习性能（IoU=0.73）仍低于全监督学习（0.82）；未来工作需纳入尺寸相关特征	开发高吞吐、低标注依赖的食品微观结构分析解决方案，实现植物蛋白凝胶显微图像的定量分割	植物蛋白凝胶的共聚焦显微镜和扫描电镜图像	数字病理学	NA	共聚焦显微镜、扫描电镜	CNN（基于深度学习的半监督学习模型）	图像	未明确说明样本数量，使用了10%标注数据结合伪标签训练	NA	NA	交并比(IoU)、Dice系数、分形维数、蛋白质聚集面积	NA
1343	2026-07-03	Diagnosis of SLAP lesions on shoulder MRI using a 2.5D deep learning and ensemble learning framework 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1730726 PMID:41869384	研究论文	提出一个结合2.5D深度学习与集成学习的自动化诊断模型，用于肩关节MRI中SLAP病变的诊断	首次将2.5D深度学习框架与集成学习（AdaBoost、随机森林、XGBoost）结合，通过多层MRI切片决策融合提高诊断准确性，并强调解剖一致性（肱二头肌-盂唇复合体）	样本量较小（185例），特异性中等（0.538），模型间AUC无显著差异，可能影响泛化能力	建立并评估基于肩关节MRI的SLAP病变自动诊断模型的临床效用	185名接受肩关节镜手术的患者（91例SLAP病变，94例对照）的术前肩关节MRI数据	计算机视觉, 数字病理学	肩关节损伤（SLAP病变）	磁共振成像（MRI）	深度学习（Wide_ResNet101_2）+ 集成学习（AdaBoost, Random Forest, XGBoost）	医学图像（肩关节MRI切片）	185例患者（91例病变，94例对照）	PyTorch, Scikit-learn	Wide_ResNet101_2, AdaBoost, Random Forest, XGBoost	准确率, AUC, 灵敏度, 特异度, 精确率, F1分数, DeLong检验, 综合判别改善指数	NA
1344	2026-07-03	Dynamic sarcopenia transitions in older Chinese: physical activity and cognitive insights 2025-Dec-12, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-025-06752-5 PMID:41388515	研究论文	利用CHARLS数据，采用多状态马尔可夫模型和Transformer深度学习，研究中国老年人肌少症状态转换及其决定因素	首次将多状态马尔可夫模型与基于Transformer的深度学习方法结合，系统分析肌少症的双向转换过程及身体活动和认知状态的作用	NA	探讨中国老年人肌少症状态转换（非肌少症、可能肌少症和肌少症）及其决定因素，重点关注身体活动、认知状态和其他风险因素的作用	中国老年人中肌少症状态的动态转换及其影响因素	机器学习	肌少症	NA	多状态马尔可夫模型，Transformer	纵向随访数据	5756名参与者（其中3373名用于深度学习），平均年龄67.9岁（标准差6.5）	PyTorch	Transformer	风险比（HR），95%置信区间（CI）	NA
1345	2026-07-03	AI in Learning Anatomy and Restoring Central Incisors: A Comparative Study 2025-12, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251344548 PMID:40598953	研究论文	比较PCA和DeepSDF两种AI方法在学习与重建上颌中切牙解剖中的表现	首次系统比较PCA与DeepSDF在牙体解剖学习与重建中的性能，并评估可解释性	DeepSDF模型可解释性不足，且低维度潜在编码导致性能下降	评估不同AI方法在中央切牙学习与重建中的表现	成熟恒久上颌切牙的STL文件	计算机视觉	牙科创伤	3D扫描（STL文件）	DeepSDF, PCA	3D网格文件	来自3所大学的成熟恒久上颌切牙STL文件	NA	DeepSDF, PCA	表面差异, 体积差异, 长度差异, 平均欧氏距离, Hausdorff距离, 冠根角度	NA
1346	2026-07-03	Skin Lesion Classification Using Focal Modulation Networks 2025-12, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70139 PMID:41178745	研究论文	提出基于焦点调制网络的皮肤病变分类框架，在公开数据集上实现高精度分类	首次将焦点调制网络应用于皮肤镜图像分类，通过调制器可视化提升模型可解释性，在计算效率和透明性方面优于现有方法	未提及对极端病变变异的鲁棒性测试，且仅在三类公开数据集上验证，未涉及多中心临床数据	开发准确、高效且可解释的皮肤镜图像自动分类方法	皮肤病变的皮肤镜图像分类任务	计算机视觉	皮肤癌	NA	焦点调制网络	图像	三组公开数据集：ISIC 2017、ISIC 2018、ISIC 2019	NA	焦点调制网络、Tiny/Small/Base/Large变体	准确率	NA
1347	2026-07-03	STANet: A Surgical Gesture Recognition Method Based on Spatiotemporal Fusion 2025-11, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70053 PMID:40991934	研究论文	提出一种基于时空融合的手术手势识别方法STANet，用于机器人手术中的动作序列建模	设计了时空自适应网络STANet，通过时间模块和空间模块分别提取特征，并采用时间自适应卷积策略进行特征融合和细化，有效捕捉长短期依赖关系	NA	提高手术手势识别的准确性和效率，解决现有方法无法有效融合时空特征的问题	机器人手术中的手术手势序列	计算机视觉	NA	NA	卷积神经网络	手术手势序列图像	JIGSAWS和RARP-45两个公开数据集	PyTorch	时空自适应网络	准确率	NA
1348	2026-07-03	Kideraspa: designing variants of staphylococcal protein a based on a diffusion model with kidera factors 2025-10-24, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00696-z PMID:41136793	研究论文	提出一种基于扩散模型和Kidera因子的蛋白质设计方法，用于生成金黄色葡萄球菌蛋白A的变体	将扩散生成模型与Kidera因子表示相结合，实现无需大量数据和详细结构信息的靶向蛋白质设计	依赖AlphaFold3等计算筛选工具，且实验验证仅限于SpA-IgG相互作用	开发一种高效、数据效率高的蛋白质工程替代方法	金黄色葡萄球菌蛋白A及其与免疫球蛋白G的相互作用	机器学习	癌症、炎症、感染、自身免疫性疾病	NA	扩散模型	蛋白质序列	NA	NA	扩散模型	结合亲和力、成功率	NA
1349	2026-07-03	Preclinical Evaluation of an Interactive Image Search System of Oral Pathology 2025-10, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251329042 PMID:40320652	研究论文	评估交互式口腔病理图像检索系统Luigi-Oral在近临床环境中的诊断效能	首次在近临床环境中评估深度学习交互式CBIR系统对病理学家诊断的辅助效果	不当查询输入、罕见形态类型检索性能差、缺乏详细临床信息、系统无法通过可信图像检索准确类别导致误诊	验证交互式CBIR系统辅助病理学家诊断罕见口腔肿瘤的临床可用性	口腔肿瘤病理图像检索系统	数字病理学	口腔肿瘤	NA	深度学习	病理图像	603例病例共54676个图像块，涵盖85种口腔肿瘤类别；15名普通病理学家和13名口腔病理学家参与评估10个回顾性测试病例	NA	NA	诊断准确率	NA
1350	2026-07-03	Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors 2025-09-15, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00657-6 PMID:40952529	研究论文	该研究将先进机器学习和深度神经网络与共识分子对接结合，用于虚拟筛选ALK抑制剂	创新性地结合了基于配体和基于结构的方法，并利用共识对接分数作为特征，通过集成投票模型和XGBoost共识对接模型高效筛选新型ALK抑制剂	模型性能依赖于数据集大小和特征工程，建议进一步的体外测试以验证预测效果	开发用于预测ALK抑制剂的AI模型，加速非小细胞肺癌治疗药物的筛选	ALK抑制剂候选化合物	机器学习	非小细胞肺癌	分子对接	XGBoost, 人工神经网络, 图神经网络	分子结构数据	120,571种化合物用于虚拟筛选	NA	XGBoost, 人工神经网络, 图神经网络	F1分数, 平均精度	NA
1351	2026-07-03	Application of directed message-passing neural network to predict human oral bioavailability of pharmaceuticals 2025-08-19, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00649-6 PMID:40828295	研究论文	利用定向消息传递神经网络预测药物人体口服生物利用度	将D-MPNN与RDKit分子描述符结合，通过原子/键级图特征与全局理化性质的混合表征提升预测准确性，并采用贝叶斯优化和集成学习增强模型鲁棒性	NA	建立高精度预测人体口服生物利用度的深度学习模型，辅助早期药物筛选	药物分子结构及其口服生物利用度	机器学习	NA	计算化学、深度学习	D-MPNN（定向消息传递神经网络）	分子图结构数据	NA	Chemprop	D-MPNN	AUC, 准确率	NA
1352	2026-07-03	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	基于MRI影像组学和临床特征构建列线图模型，用于预测颈脊髓损伤患者的预后	结合手动定义和深度迁移学习的影像组学特征，并整合临床数据构建预测模型	未提及具体局限性	评估MRI影像组学联合临床特征在预测颈脊髓损伤患者预后中的作用和价值	168名颈脊髓损伤患者	医学影像分析	颈脊髓损伤	MRI影像组学, 深度迁移学习	列线图模型	MRI影像（T1WI和T2WI），临床数据	168名颈脊髓损伤患者	NA	Lasso回归	AUC, 校准曲线, 决策曲线分析	NA
1353	2026-07-03	Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08623-w PMID:39708132	研究论文	开发一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜与陈旧性骨折	首次将3D V-Net与多种分类模型结合，实现新鲜与陈旧性椎体骨折的自动检测与分类，且诊断效能超过临床医师	研究为单中心回顾性设计，外部验证数据来自同一医疗系统的不同院区，可能影响泛化性	开发并验证一种自动检测和区分胸腰椎CT上新鲜与陈旧性压缩性骨折的深度学习系统	新鲜骨折（病程<4周且MRI显示骨髓水肿）与陈旧性骨折的椎体	计算机视觉	脊柱压缩性骨折	CT成像	卷积神经网络	CT图像	训练集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个	PyTorch	3D V-Net, ResNet, DenseNet	Dice相似系数, ROC曲线, 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
1354	2026-07-03	Artificial intelligence in clinical genetics 2025-03, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-024-01782-w PMID:39806188	综述	综述人工智能在临床遗传学中的应用，涵盖诊断、治疗和临床支持，并展望未来影响	系统总结AI在临床遗传学中的当前和新兴应用，并提出短、中、长期预测	未明确讨论AI应用的潜在风险或伦理问题，且预测精确速度不清晰	探讨AI在临床遗传学中的发展现状与未来趋势	临床遗传学领域的AI应用案例和技术	自然语言处理	遗传性疾病	NA	机器学习、深度学习、生成式AI	临床遗传数据	NA	NA	NA	NA	NA
1355	2026-07-03	Artificial intelligence for segmentation and classification in lumbar spinal stenosis: an overview of current methods 2025-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08672-9 PMID:39883162	研究论文	该文章系统综述了机器学习算法在腰椎管狭窄症分割与分类中的应用	首次系统比较传统机器学习与深度学习在腰椎管狭窄症分割和分类任务上的表现，并指出深度学习模型（尤其是U-Net）性能更优	研究间难以直接比较，因结局指标和测试数据集多样；仅有少量模型进行了外部验证	评估和总结目前用于腰椎管狭窄症分割与分类的机器学习模型	针对腰椎管狭窄症的MRI、X光或CT扫描图像的分割与分类模型	机器学习	腰椎管狭窄症	MRI	深度学习	图像	共计27篇文章	NA	U-Net, CNN	多种结局指标	NA
1356	2026-07-03	MRI-Based Topology Deep Learning Model for Noninvasive Prediction of Microvascular Invasion and Assisting Prognostic Stratification in HCC 2025-03, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.16205 PMID:39992060	研究论文	基于MRI的拓扑深度学习模型用于术前预测肝细胞癌微血管侵犯及辅助预后分层	结合拓扑结构改进深度学习模型，提升预测性能和可解释性，成功预测MVI并有效分层术后早期复发和总生存期	NA	开发和外部验证基于MRI的拓扑深度学习模型用于术前预测微血管侵犯	连续接受手术治疗的肝细胞癌患者	计算机视觉, 机器学习	肝细胞癌	MRI	CNN, TopoCNN	图像	589例患者，其中292例（49.6%）病理确诊MVI	NA	CNN, TopoCNN	AUC	NA
1357	2026-07-03	GestaltGAN: synthetic photorealistic portraits of individuals with rare genetic disorders 2025-03, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-025-01787-z PMID:39815041	研究论文	本文使用生成神经网络合成患有罕见遗传疾病个体的逼真肖像，以保护隐私并支持科学交流	首次采用改进的StyleGAN架构生成多种罕见遗传疾病的特定条件肖像，并引入REAL-ESRGAN提升低质量图像分辨率，同时添加未受影响类别增强模型对人脸特征的理解	未在摘要中明确说明局限性，但可能包括生成肖像的临床准确性验证不足、数据集中罕见疾病种类有限（仅20种）以及模型泛化能力待评估	探索使用生成神经网络合成罕见遗传疾病的准确肖像，解决医疗数据稀缺和隐私风险问题	稀有遗传疾病患者的肖像图像	计算机视觉	罕见遗传疾病	生成对抗网络	GAN	图像	来自GestaltMatcher数据库的20种最常见疾病图像，包含未受影响类别图像	PyTorch	StyleGAN, REAL-ESRGAN	通过63位人类专家验证生成肖像的有效性	未提及具体计算资源
1358	2026-07-03	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-02, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	综述	评估头颈肿瘤学文献中机器学习算法报告质量的系统评价	首次使用TRIPOD-AI标准系统评估头颈肿瘤学领域机器学习算法的报告质量	仅限于已发表文献，且TRIPOD-AI标准本身可能存在局限性	评估头颈肿瘤学文献中机器学习算法的报告质量并提出改进建议	头颈肿瘤学中机器学习算法的相关研究文献	自然语言处理	头颈肿瘤	NA	机器学习算法	NA	NA	NA	NA	NA	NA
1359	2026-07-03	MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning 2025-02, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15288 PMID:39844431	研究论文	提出一种将卷积神经网络与Mamba混合的脑电图分类模型MI-Mamba，用于运动想象数据解码	首次将Mamba的状态空间模型引入运动想象脑电解码，利用其全局扫描能力克服传统CNN和Transformer在长序列建模中的效率与依赖问题，同时将参数量减少近六倍	未明确提及，但可能需进一步验证在更多样化的数据集和真实场景中的泛化能力	提升运动想象脑电图解码的准确性并降低计算复杂度	运动想象脑电图信号	机器学习	NA	脑电图	CNN与Mamba混合模型	脑电图信号	两个公开运动想象数据集：BCI Competition IV 2a（四类任务）和BCI Competition IV 2b（两类任务）	NA	单卷积层结合Mamba模块	准确率	NA
1360	2026-07-03	Deep learning for the classification of atrial fibrillation using wavelet transform-based visual images 2025-01-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02872-5 PMID:39838437	研究论文	利用基于小波变换的视觉图像和深度学习进行心房颤动分类	首次使用Morse连续小波变换将心电图信号转换为图像，并结合深度学习进行房颤分类，获得了优于同类研究的效果	将信号转换为小波形式可能仅带来微小改进，但可能显著提升未来基于信号的诊断结果	探索使用Morse连续小波变换结合深度学习分类房颤的方法	心电图信号中的房颤分类	机器学习	心血管疾病	ECG信号处理	CNN	图像	未明确指定	NA	NA	准确率, F1分数, AUC	NA