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
121	2025-12-13	CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction 2025-Nov-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.18.689109 PMID:41332555	研究论文	本文提出了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类复杂尖峰信号	采用U-Net架构结合混合自注意力inception模块，以序列到序列的方式整合局部场电位和动作电位信号，实现了复杂尖峰的自动检测与聚类	方法主要基于猕猴小脑神经像素记录训练，在其他神经系统的泛化能力需进一步验证	开发一种自动化、鲁棒的复杂尖峰排序方法，以研究小脑及其他神经系统的信息编码	小脑浦肯野细胞中的复杂尖峰信号	机器学习	NA	多电极阵列记录，神经像素记录	U-Net	神经电生理信号序列	基于猕猴小脑神经像素记录的训练数据	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
122	2025-12-13	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025-Nov-14, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的改进心肌动脉自旋标记方法（DeepMASL），用于提高心肌血流量测量的准确性，并在犬类冠状动脉疾病模型中通过微球测量进行了验证	开发了一种结合物理模型的深度学习网络（DeepMASL），显著提高了高血流量心肌血流量测量的准确性，误差从33-49%降低至10%以下	研究仅在犬类模型中进行，尚未在人类临床环境中验证；样本量较小（18只犬）	提高心肌动脉自旋标记（ASL）方法在测量心肌血流量（MBF）时的准确性，以用于无对比剂心肌灌注缺损诊断	犬类冠状动脉疾病模型，包括健康犬（9只）和冠状动脉狭窄犬（9只，分为50%、70%、90%狭窄程度）	医学影像分析	心血管疾病	心肌动脉自旋标记（ASL）、微球测量	深度学习网络	ASL信号图像	18只犬（9只健康，9只冠状动脉狭窄）	NA	基于物理的深度学习网络（DeepMASL）	相关性（r值）、Bland-Altman分析（95%置信区间、偏差）	NA
123	2025-12-13	Regional brain aging patterns reveal disease-specific pathways of neurodegeneration 2025-Nov-14, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.12.25339989 PMID:41292666	研究论文	本文介绍了一种名为BrainAgeMap的可解释深度学习框架，用于从T1加权磁共振成像扫描中生成精细的体素级脑预测年龄差异图，以揭示神经退行性疾病的特定区域脑老化模式	引入了BrainAgeMap框架，能够生成体素级的脑预测年龄差异图，提高了对脑老化异质性的特异性映射，超越了传统的全局指标	未明确提及样本量或计算资源的具体细节，可能限制了结果的泛化性	开发一种工具来描绘疾病特异性的神经退行性途径，为早期诊断、患者分层和治疗干预监测提供新机会	阿尔茨海默病、额颞叶痴呆、精神分裂症患者以及轻度认知障碍个体的脑部磁共振成像数据	医学影像分析	阿尔茨海默病, 额颞叶痴呆, 精神分裂症	T1加权磁共振成像, 正电子发射断层扫描	深度学习	图像	NA	NA	NA	NA	NA
124	2025-12-13	Fully automated on-scanner aortic four-dimensional flow magnetic resonance imaging processing and hemodynamic analysis 2025-Nov-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101985 PMID:41232676	研究论文	本研究开发并验证了一种完全自动化的扫描仪内主动脉四维血流磁共振成像处理及血流动力学分析工作流	首次将4D血流处理任务（包括深度学习模型）直接集成到磁共振扫描仪重建流程中，实现了扫描后即时自动化分析	研究样本量较小（仅20名受试者），且仅在1.5T MRI系统上验证	开发并验证一种完全自动化的扫描仪内4D血流磁共振成像处理及血流动力学分析方法，以提高临床工作流效率	主动脉疾病患者（n=10）和健康对照者（n=10）的主动脉4D血流磁共振成像数据	数字病理学	心血管疾病	四维血流心血管磁共振成像	深度学习模型	磁共振图像	20名受试者（10名主动脉疾病患者，10名健康对照者）	TensorFlow	NA	Dice系数，Bland-Altman分析，平均相对差异	MRI扫描仪自身的计算资源，容器化Python 3.6环境
125	2025-12-13	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出了一种基于通用智能的碎片化框架GIF，用于指导预训练大语言模型通过结构化提示和推理进行质谱模拟	开发了GIF框架，利用结构化提示和推理引导LLMs进行质谱模拟，为复杂科学任务提供了系统化指导方法	NA	提高质谱注释率，探索大语言模型在质谱模拟领域的应用	质谱数据	自然语言处理	NA	质谱分析	LLM	文本	基于MassSpecGym数据集构建的QA-sim数据集	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
126	2025-12-13	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行传粉昆虫的被动声学监测	开发了一个开源深度学习工具，将深度学习模型应用于音频数据，实现传粉昆虫的自动化生物声学监测，提高了监测的效率和规模	模型在每秒基础上的灵敏度仅为28%，虽然精度高达95%，但检测能力可能有限，未提及模型在其他环境或物种上的泛化性能	开发一个自动化工具，以低成本、大规模地监测传粉昆虫的生态活动	传粉昆虫（如蜜蜂等）的飞行嗡嗡声	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精度	NA
127	2025-12-13	Generative Design of Cell Type-Specific RNA Splicing Elements for Programmable Gene Regulation 2025-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.05.686847 PMID:41279721	研究论文	本文介绍了SPICE框架，利用深度学习模型预测和生成细胞类型特异性RNA剪接序列，以实现可编程的基因调控	首次整合大规模并行报告基因检测与深度学习，生成可编程的细胞类型特异性剪接元件，并应用于致癌剪接因子突变的细胞选择性剪接	未明确说明模型在更广泛细胞类型或体内环境中的泛化能力，以及临床转化所需的具体验证步骤	开发一种可扩展的、基于RNA剪接的细胞类型特异性基因调控策略，用于基础研究和治疗应用	人类来源的RNA剪接序列和43个细胞系	自然语言处理	NA	大规模并行报告基因检测	深度学习模型	序列数据	46,372个人类来源序列和43个细胞系	NA	NA	NA	NA
128	2025-12-13	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	提出一种名为StoPred的新方法，通过整合蛋白质语言模型和图注意力网络来预测蛋白质复合物的化学计量比	首个基于深度学习的能够准确预测异源寡聚复合物化学计量比的方法，无需模板组装或预定义组成	未明确说明方法在特定蛋白质家族或极端条件下的适用性限制	开发一种准确预测蛋白质复合物化学计量比的通用计算方法	蛋白质复合物（包括同源寡聚体和异源寡聚体）	计算生物学	NA	蛋白质语言模型，图注意力网络	图注意力网络	蛋白质序列，结构特征	NA	NA	图注意力网络	top-1准确率	NA
129	2025-12-13	Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi 2025-Nov, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107842 PMID:40962162	系统综述	本文系统综述了人工智能（特别是深度学习）在疟疾血期诊断中的应用，特别关注了诺氏疟原虫（Plasmodium knowlesi）的诊断挑战与进展	与以往主要关注疟原虫物种分类的综述不同，本研究深入比较了AI驱动的血期识别方法，特别聚焦于诺氏疟原虫，并系统分析了CNN、迁移学习、集成学习及YOLO、Faster R-CNN等目标检测模型的有效性	基于AI的诺氏疟原虫血期分类研究仍然有限，面临注释数据集不足、类别不平衡和模型可解释性等关键挑战	评估人工智能（特别是深度学习）在疟原虫血期分类中的应用，以改善诺氏疟原虫的诊断准确性、效率和一致性	诺氏疟原虫（Plasmodium knowlesi）及其他疟原虫的血期图像	数字病理学	疟疾	显微镜检查，深度学习图像分析	CNN, 迁移学习, 集成学习, 目标检测模型	图像	NA	NA	YOLO, Faster R-CNN	NA	NA
130	2025-12-13	Integrating Multi-Modal Imaging Features for Early Prediction of Acute Kidney Injury in Pneumonia Sepsis: A Multicenter Retrospective Study 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.007 PMID:41027784	研究论文	本研究开发了一个名为MCANet的多模态深度学习框架，通过整合肺部、心外膜脂肪组织和T4水平皮下脂肪组织的影像特征，来预测肺炎相关脓毒症患者的急性肾损伤发生及其时间	提出了一个两阶段深度学习框架MCANet，首次整合了肺部、心外膜脂肪组织和T4水平皮下脂肪组织的多区域影像特征，并利用跨注意力机制增强解剖区域间的交互，用于预测肺炎相关脓毒症患者的急性肾损伤	这是一项回顾性研究，可能存在选择偏倚；研究样本量相对有限（399名患者）；模型性能需要在更大规模的前瞻性队列中进行验证	利用深度学习从肺炎相关脓毒症病例中提取信息性影像特征，以早期预测急性肾损伤的发生	肺炎相关脓毒症患者	数字病理学	急性肾损伤	胸部CT成像	CNN	图像, 临床记录, 实验室数据	399名肺炎相关脓毒症患者	PyTorch, Scikit-learn	ResNet-18, ResNet-101, LightGBM	AUC, 准确率, 精确率, 召回率, F1分数	NA
131	2025-12-13	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并预测对诱导化疗的反应	开发了基于3D U-Net的自动深度学习模型，用于非侵入性地准确测量肿瘤体积并预测化疗反应，减少了对人工测量和术后组织病理学的依赖	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集规模较小	评估小儿骨肉瘤的治疗反应，通过自动化方法提高肿瘤体积测量和化疗反应预测的准确性	小儿骨肉瘤患者	数字病理学	骨肉瘤	磁共振成像	CNN	图像	总计101名患者（训练集81名，验证集20名），共202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
132	2025-12-13	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型，用于生成模拟SPECT衰减校正图像，以提高SPECT心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	利用深度学习生成合成衰减校正图像，作为CT-based衰减校正的替代方案，无需额外设备、成像时间或辐射暴露	研究仅基于特定患者队列进行外部验证，未在所有临床环境中广泛测试	评估深度学习生成的合成SPECT图像是否能增强传统SPECT心肌灌注成像的准确性	SPECT心肌灌注成像患者，包括多中心队列和外部验证队列	数字病理学	心血管疾病	SPECT心肌灌注成像，CT-based衰减校正，深度学习	深度学习模型	SPECT图像	开发队列：4,894名患者（来自4个中心）；外部验证队列1：746名患者（来自72个中心）；外部验证队列2：320名患者（来自1个外部中心）	NA	NA	AUC, 总灌注缺损	NA
133	2025-12-13	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Nov-01, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本研究提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级COVID-19病例和死亡人数的预测	开发了多级多尺度注意力机制进行自适应时频分析，并融合了历史病例数据、死亡数据和社交媒体情绪等多源数据来捕捉复杂的时空动态	研究为回顾性评估，需要在实时演化的数据条件下进行前瞻性验证以评估模型的实用性	通过深度学习技术提高传染病预测的准确性	县级COVID-19病例和死亡人数	自然语言处理	COVID-19	多源数据融合	Transformer	时间序列数据, 文本数据	三个Omicron变异株波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
134	2025-12-13	RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02083-y PMID:40892332	研究论文	本研究开发了一种基于RegGAN的深度学习框架，用于从非对比CT合成对比增强CT，以实现无碘食管癌的肿瘤分割和T分期	提出了一种结合配准和对抗训练的RegGAN模型，以解决NCCT与CECT之间的错位问题，并开发了用于肿瘤分割的CSSNet和用于T分期的双路径深度学习模型	研究为回顾性多中心分析，可能存在选择偏倚；未明确提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种无需对比剂的深度学习框架，用于食管癌的自动肿瘤分割和T分期	食管癌患者	数字病理学	食管癌	CT成像	GAN, CNN, Transformer	CT图像	1092名食管癌患者（训练集313例，内部测试集117例，外部测试集116例和546例）	NA	RegGAN, CSSNet, Vision Transformer	NMAE, PSNR, SSIM, Dice系数, AUC	NA
135	2025-12-13	Deep learning-based fusion of nuclear segmentation features for microsatellite instability and tumor mutational burden prediction in digestive tract cancers: a multicenter validation study 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf580 PMID:41214872	研究论文	本研究开发了一种基于深度学习的框架，通过融合核分割特征，直接从H&E染色全切片图像预测消化系统癌症的微卫星不稳定性和肿瘤突变负荷状态	首次将核分割特征与图像特征融合，通过多模态紧凑双线性池化技术，显著提升了MSI和TMB预测的准确率，并在多中心数据上进行了验证	研究主要基于TCGA和单一外部医院数据集，样本来源和多样性可能有限，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种低成本、高效率的深度学习方法，替代传统的测序技术，用于预测消化系统癌症的MSI和TMB状态	胃癌和结直肠癌患者的H&E染色全切片图像	数字病理学	胃癌, 结直肠癌	H&E染色, 全切片成像	深度学习	图像	TCGA数据集：MSI预测涉及350例胃癌和376例结直肠癌；TMB预测涉及400例胃癌和387例结直肠癌；外部验证使用中日友好医院的结直肠癌数据集	CLAM, Hover-Net	多模态紧凑双线性池化, 六种不同的深度学习模型	AUC, 召回率	NA
136	2025-12-13	Improving Detection of Intrahepatic Cholangiocarcinoma with a Contrast-enhanced US-based Deep Learning Model 2025-Nov, Radiology. Imaging cancer DOI:10.1148/rycan.250078 PMID:41236388	研究论文	本研究开发了一种基于对比增强超声（CEUS）的深度学习模型，用于辅助放射科医生诊断肝内胆管癌（iCCA）	开发了首个基于多中心CEUS数据的深度学习模型，用于iCCA诊断，并证明了该模型能显著提升初级和中级放射科医生的诊断水平，使其达到与高级放射科医生相当的水平	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床效用	开发一种基于深度学习的辅助诊断工具，以提高肝内胆管癌（iCCA）的诊断准确性	肝内胆管癌（iCCA）患者	数字病理	肝内胆管癌	对比增强超声（CEUS）	深度学习模型	超声图像	训练集804例，验证集344例，外部测试集A 153例，外部测试集B 240例，总计1148例CEUS检查	未明确指定，可能为PyTorch或TensorFlow	BNInception, MobileNet-v2, ResNet-50, VGG-19	AUC（受试者工作特征曲线下面积）	NA
137	2025-12-13	Optimised machine learning for time-to-event prediction in healthcare applied to timing of gastrostomy in ALS: a multi-centre, retrospective model development and validation study 2025-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105962 PMID:41075354	研究论文	本研究开发并验证了一个用于预测肌萎缩侧索硬化症患者胃造口术时机的机器学习模型	采用贝叶斯框架优化了超过5000种预测模型配置，包括样条模型和深度学习模型，并利用外部验证队列在多个人群和临床环境中验证了模型性能	需要前瞻性研究才能进入常规临床实践	预测肌萎缩侧索硬化症患者胃造口术的时机	肌萎缩侧索硬化症患者	机器学习	肌萎缩侧索硬化症	NA	深度学习	临床测量数据	训练集3000名患者（欧洲），验证集299名患者（美国）和215名患者（瑞典）	NA	逻辑风险深度学习模型	中位数绝对误差, AUROC	NA
138	2025-12-13	A deep learning-based automated detection of mucus plugs in chest computed tomography 2025-Nov, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00377-2025 PMID:41367647	研究论文	本文提出了一种基于深度学习的自动化方法，用于在胸部计算机断层扫描中检测黏液栓	开发了一种创新的深度学习模型，首次实现胸部CT中黏液栓的自动化检测，提高了诊断效率和准确性	NA	旨在通过自动化工具辅助临床医生更快速、准确地识别胸部CT中的黏液栓，以改善呼吸系统疾病的诊断	胸部计算机断层扫描图像	计算机视觉	呼吸系统疾病	计算机断层扫描	深度学习模型	图像	NA	NA	NA	NA	NA
139	2025-12-13	PBIP: a deep learning framework for predicting phage-bacterium interactions at the strain level 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf656 PMID:41370631	研究论文	本文提出了一种名为PBIP的深度学习框架，用于在菌株水平上预测噬菌体-细菌相互作用	首次在菌株水平上预测噬菌体-细菌相互作用，并利用预训练的统一表示模型将蛋白质序列转换为深度嵌入表示，结合了CNN、双向GRU和注意力机制来提取局部、全局和显著特征	研究仅基于从湘雅医院临床环境中分离的肺炎克雷伯菌进行验证，可能在其他细菌物种或环境中的泛化能力有待进一步评估	开发一个深度学习框架，以更精确地预测噬菌体与细菌在菌株水平上的相互作用，从而促进噬菌体疗法的临床应用	噬菌体与细菌（特别是肺炎克雷伯菌）之间的相互作用	机器学习	细菌感染	生物感染实验、测序	CNN, Bi-GRU, 注意力机制	蛋白质序列	从湘雅医院临床环境分离的肺炎克雷伯菌菌株	NA	CNN, Bi-GRU, 注意力模块, 全连接层	NA	NA
140	2025-12-13	Covid-19 diagnosis using privacy-preserving data monitoring: an explainable AI deep learning model with blockchain security 2025-Nov, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2542273 PMID:40846653	研究论文	提出一种结合深度学习、可解释人工智能与区块链技术的隐私保护COVID-19诊断框架	提出HCTR-MGR新型诊断框架，首次将卷积循环注意力迁移学习、改进型大蔗鼠优化算法与基于信任的许可区块链相结合，实现安全、可解释且高性能的COVID-19诊断	仅使用胸部X光数据集进行验证，未在更广泛的多模态医疗数据或实时临床环境中测试	开发安全、透明且高性能的COVID-19自动诊断系统	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN, 注意力机制, 迁移学习	图像	两个基准胸部X光数据集（具体数量未说明）	NA	ResNeXt, HCTR-MGR（异构卷积循环注意力迁移学习ResNeXt与改进型大蔗鼠优化）	准确率, 精确率, 召回率, 特异性, F1分数	NA