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
1501	2026-09-19	De novo Design of All-atom Biomolecular Interactions with RFdiffusion3 2025-Nov-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.18.676967 PMID:41000976	研究论文	提出RFdiffusion3扩散模型，能在配体、核酸等非蛋白质原子背景下生成蛋白质结构，并实验验证了设计的DNA结合蛋白和半胱氨酸水解酶	首次实现全原子生物分子相互作用的从头设计，模型显式建模所有聚合物原子，能以原子级约束条件生成蛋白质结构，且计算成本仅为先前方法的十分之一	摘要中未明确提及	开发一种扩散模型，能够在配体、核酸及其他非蛋白质原子环境中生成蛋白质结构，从而扩展蛋白质设计可实现的功能范围	蛋白质结构、配体、核酸、非蛋白质原子	机器学习	NA	扩散模型	扩散模型	分子结构数据	NA	NA	RFdiffusion3	NA	NA
1502	2026-09-19	A general lightweight image super-resolution with sharpening enhancement and double attention network 2025-Nov-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24493-8 PMID:41258314	研究论文	本文提出一种通用的轻量级图像超分辨率网络ESDAN，通过锐化增强模块和双重注意力上采样模块优化模型复杂度与性能之间的权衡	提出锐化增强模块（SEM）和双重注意力上采样模块（DAU），SEM整合注意力驱动特征锐化模块（ADFS）和多路特征增强模块（MWFE），DAU动态融合浅层和深层特征，在保持轻量化的同时提升超分辨率性能	摘要中未明确提及	解决轻量级单图像超分辨率中计算和存储开销与性能之间的权衡问题	单图像超分辨率任务，包括自然图像、阿尔茨海默病脑MRI、立体内窥镜图像和监控图像	计算机视觉	阿尔茨海默病	深度学习	CNN	图像	NA	NA	ESDAN	NA	NA
1503	2026-09-19	Transforming microfluidics for single-cell analysis with robotics and artificial intelligence 2025-11-18, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc00216h PMID:41190506	综述	本文综述了机器人和人工智能在微流控单细胞分析中的应用，涵盖自动化实验操作、深度学习数据处理及生成模型等技术，并展望了云实验室等未来方向	系统阐述了机器人操作（包括数字微流控和微型机器人）与深度学习（包括无标记图像处理、细胞状态分类回归及生成模型）在微流控单细胞分析中的融合创新，并提出了远程共享云实验室作为标准化高通量单细胞分析的潜在路径	相关技术的整合仍面临实施挑战，包括自动化、可靠性及技术壁垒等问题，实际推广应用尚需进一步验证	综述如何通过机器人和人工智能技术克服微流控单细胞分析在自动化、可靠性和技术壁垒方面的局限，推动该领域的广泛采用	微流控单细胞分析技术，包括单细胞分离、操控和细胞 profiling 等	数字病理学	NA	微流控，单细胞分析	深度学习，生成模型	图像，单细胞数据	NA	NA	NA	NA	NA
1504	2026-09-19	Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer 2025-Nov-18, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-025-04235-5 PMID:41251704	研究论文	本文开发了一种自动化流程，用于定量分析直肠癌免疫和肿瘤缺氧微环境的空间异质性，并预测无病生存期	1) 整合深度学习肿瘤分割与不同距离侵袭边缘检测；2) 使用反卷积算法量化DAB染色强度；3) 识别具有生物学可解释性的预后特征；4) 相比传统分期系统提高预测性能	需要在多中心队列中进一步验证以确认临床适用性	解决传统免疫组化分析在评估肿瘤微环境空间异质性与临床结果相关性方面的局限性，开发自动化定量分析流程	直肠癌患者样本	数字病理学	直肠癌	免疫组化（IHC）	深度学习分割模型	图像	104例患者样本（57例训练/47例验证），染色CD3、CD8、CD31和HIF-1α	NA	NA	C指数	NA
1505	2026-09-19	Dual attention-based deep learning with blockchain for multimedia data processing and secure access control in IoHT 2025-Nov-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24384-y PMID:41254085	研究论文	本文提出了基于区块链和双注意力深度贝叶斯网络（DA-DBN）的高效多媒体数据处理与安全访问控制方案，用于医疗物联网（IoHT）	结合区块链技术与双注意力深度贝叶斯网络（DA-DBN），为IoHT中的多媒体数据提供安全框架，通过为每个数据生成哈希来检测区块链中的更改或篡改	未明确提及	解决IoHT中医疗信息的安全性和保密性、灵活性及数据可用性问题，实现高效的多媒体数据处理和安全访问控制	IoHT中的多媒体数据（文本、图像、语音）	机器学习	NA	区块链	双注意力深度贝叶斯网络（DA-DBN）	图像，文本，语音	NA	NA	双注意力深度贝叶斯网络（DA-DBN）	访问控制速度	NA
1506	2026-09-19	Impact of contrast enhancement boost and super-resolution deep learning reconstruction on pediatric congenital heart disease CTA scans: ultra-low contrast dose 2025-11-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02015-2 PMID:41254528	研究论文	评估对比增强提升（CE-Boost）联合超分辨率深度学习重建（SR-DLR）在儿科先天性心脏病（CHD）CT血管造影中减少对比剂用量的可行性	首次将CE-Boost与SR-DLR联合应用于儿科CHD的CTA扫描，实现超低对比剂剂量（0.5 mL/kg）的同时保持图像质量	样本量较小（72例），单中心研究，未涉及长期临床预后评估	探讨CE-Boost联合SR-DLR在儿科CHD成像中降低对比剂用量的可行性，并评估其对图像质量和诊断准确性的影响	72例儿科先天性心脏病患者	计算机视觉	心血管疾病	CT血管造影（CTA）、对比增强提升（CE-Boost）、超分辨率深度学习重建（SR-DLR）	深度学习重建模型	图像	72例儿科CHD患者（低对比剂剂量组36例，标准扫描组36例）	NA	NA	CT衰减值（HU）、标准差（SD）、信噪比（SNR）、对比噪声比（CNR）、剂量长度乘积（DLP）、容积CT剂量指数（CTDIvol）、有效剂量（ED）、主观评分、诊断准确性	NA
1507	2026-09-19	Automated weld defect detection using gated attention and squeeze and excitation fusion U-Net 2025-Nov-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24406-9 PMID:41254075	研究论文	本文提出DeepFuse WeldNet自动化焊接缺陷检测框架，采用门控注意力压缩激励融合U-Net（GASEUNet）进行焊缝缺陷分割，并依据AWS标准对缺陷进行分类	提出新颖的门控注意力压缩激励融合U-Net（GASEUNet），将门控注意力机制与压缩激励机制融合到U-Net中，显著提升焊缝气孔分割精度，并构建了完整的自动化焊接检测框架	摘要中未明确说明模型的局限性	提高焊缝缺陷分割精度，实现焊接气孔的精确识别与测量，并构建自动化焊接检测框架	焊接图像中的焊缝缺陷（特别是气孔）	计算机视觉	NA	深度学习，计算机视觉	CNN	图像	NA	NA	GASEUNet（门控注意力压缩激励融合U-Net）	Jaccard系数（JC）	NA
1508	2026-09-19	Magnetic resonance image processing transformer for general accelerated image restoration 2025-Nov-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23851-w PMID:41249204	研究论文	本文提出了一种基于视觉Transformer的磁共振图像处理框架（MR-IPT），用于通用的加速MRI图像恢复	MR-IPT在大规模数据集上预训练，涵盖多种欠采样模式和加速设置，实现统一框架，无需针对不同加速因子单独训练；采用共享Transformer主干学习通用特征表示，可泛化到多样恢复任务	摘要未明确提及研究的局限性	增强加速MRI恢复的泛化性和鲁棒性，开发可扩展且高效的加速MRI解决方案	加速MRI图像恢复任务	计算机视觉	NA	磁共振成像	Transformer	图像	NA	NA	Vision Transformer	图像质量	NA
1509	2026-09-19	Quantitative profiling of whole-brain connectomes at single-axon resolution using deep learning and high-resolution light sheet microscopy 2025-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.14.688340 PMID:41292859	研究论文	该文章介绍了一个名为MAPL3的端到端流程，结合自监督学习和新型深度架构，用于在单轴突分辨率下定量分析全脑连接组。	提出了MAPL3，整合自监督学习和创新深度架构以捕获局部和全局全脑轴突投射，实现了主题和群体水平的定量层状分析，且优于现有方法。	由于摘要中未提及任何限制，故为NA	揭示单个轴突如何形成全脑连接组，以理解脑功能和行为。	全脑连接组，特别是眶额皮层的回路。	计算机视觉	NA	高分辨率光片显微镜	深度学习	图像	由于摘要中未提及具体样本量，故为NA	NA	创新深度架构	NA	NA
1510	2026-09-19	A novel approach integrating topological deep learning from EEG Data in Alzheimer's disease 2025-Nov-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23686-5 PMID:41238639	研究论文	本文提出一种结合拓扑深度学习（TDL）与机器学习模型（SVM、RF、NN、LR）的混合方法，用于阿尔茨海默病（AD）的EEG分类	首次将拓扑深度学习与多种传统机器学习模型结合，用于从EEG数据中提取拓扑特征以提升AD分类性能	仅为概念验证研究，样本量较小（88人），需在多中心、更大规模、多样化队列中验证泛化性	提高阿尔茨海默病（AD）基于EEG信号的分类准确性，并区分AD、额颞叶痴呆（FTD）与认知正常（CN）	88名个体的EEG记录，分为AD患者、FTD患者和CN	机器学习	阿尔茨海默病	EEG	CNN, LSTM, GAN, Transformer, U-Net, DenseNet, EfficientNet	EEG信号（时间序列）	88名个体（AD、FTD、CN）	NA	支持向量机（SVM）、随机森林（RF）、神经网络（NN）、逻辑回归（LR），结合拓扑深度学习（TDL）	准确率	NA
1511	2026-09-19	Generating synthetic task-based brain fingerprints for population neuroscience using deep learning 2025-Nov-14, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09158-6 PMID:41238730	研究论文	提出DeepTaskGen深度学习方法，从静息态fMRI合成任务态对比图，并在大规模人群中验证	从静息态fMRI合成任务态对比图，生成47个认知任务对比图，覆盖超过20,000人	摘要未明确提及	解决任务态fMRI的可扩展性挑战，促进个体差异研究和任务相关生物标志物的生成	人类连接体项目寿命数据和英国生物银行参与者	机器学习	NA	任务态功能磁共振成像，静息态功能磁共振成像	深度学习	图像	超过20,000人	NA	NA	重建性能，预测性能	NA
1512	2026-09-19	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	本文介绍了一种可解释的深度学习框架BrainAgeMap，能够从T1加权MRI扫描中生成体素级别的脑预测年龄差（brain-PAD）图，并揭示了不同神经退行性疾病的特异性脑老化模式。	提出了BrainAgeMap框架，首次实现了体素级别的脑年龄预测差异映射，克服了传统全局脑年龄指标的局限性；揭示了阿尔茨海默病、额颞叶痴呆和精神分裂症中加速老化的疾病特异性空间分布模式；将区域脑老化与tau蛋白病理和情景记忆功能相关联。	摘要中未明确提及研究局限性。	开发一种可解释的深度学习框架，生成精细的体素级脑预测年龄差图，以描绘神经退行性疾病的特异性通路，并为早期诊断、患者分层和治疗监测提供工具。	阿尔茨海默病（AD）、额颞叶痴呆、精神分裂症患者，以及轻度认知障碍（MCI）个体（包括进展性和稳定性MCI）。	医学图像分析	阿尔茨海默病, 额颞叶痴呆, 精神分裂症, 轻度认知障碍	T1加权磁共振成像, 正电子发射断层扫描（PET）	深度学习	图像	NA	NA	NA	NA	NA
1513	2026-09-19	Simulation and empirical evaluation of biologically-informed neural network performance 2025-Nov-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.13.687845 PMID:41292768	研究论文	本文开发了两种模拟框架来评估影响生物信息神经网络性能的因素，并实证测试了整合生殖细胞和体细胞数据对预测前列腺癌转移状态的影响	开发了两种模拟框架来系统评估数据集特征对生物信息神经网络性能的影响，并首次实证测试了整合生殖细胞和体细胞数据对前列腺癌转移预测的影响	对于稀疏数据（如生殖细胞变异），模型性能较差；添加生殖细胞数据未能提高预测性能	评估影响生物信息神经网络性能的因素，并测试整合生殖细胞和体细胞数据对前列腺癌转移状态预测的影响	前列腺癌患者的体细胞突变和拷贝数信息，以及生殖细胞变异数据	机器学习	前列腺癌	NA	生物信息神经网络	基因组数据	NA	NA	P-NET	NA	NA
1514	2026-09-19	DB-SegNet: optimized framework for glaucoma detection and optic structure segmentation from retinal fundus images 2025-Nov-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23425-w PMID:41233423	研究论文	该文章提出了DB-SegNet框架，用于视网膜眼底图像中的青光眼检测和视盘、视杯分割，通过改进SegNet并集成多个模块和优化算法，在多个基准数据集上取得了高精度的分割和分类结果	在SegNet基础上引入膨胀空洞上下文模块（DACM）捕获多尺度上下文特征，双向特征校准单元（BFCU）细化边界细节，使用Bitterling Fish优化算法（BFO）进行特征空间优化，采用多尺度注意力Transformer（MSAT）建模长程空间依赖，并应用蜜獾优化算法（HBO）进行超参数微调	未明确提及	提高视网膜眼底图像中视盘和视杯分割的准确性以及青光眼检测的分类精度，解决现有深度学习方法因图像质量多变、血管遮挡和结构模糊导致的泛化能力差的问题	视网膜眼底图像中的视盘和视杯结构以及青光眼疾病	计算机视觉, 医学图像分析	青光眼	深度学习	CNN, Transformer	图像	三个基准数据集：Drishti-GS1, RIM-ONE, ORIGA-Light	NA	SegNet, Dilated Atrous Context Module, Bidirectional Feature Calibration Unit, Multi-Scale Attention Transformer	Dice系数, 准确率	NA
1515	2026-09-19	A deep learning framework for finger motion recognition using forearm ultrasound imaging 2025-Nov-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23348-6 PMID:41224842	research paper	本文提出了一种基于深度学习的框架，利用前臂B型超声图像进行手指运动分类	使用B型超声成像代替A型超声或表面肌电，提供二维肌肉活动可视化，捕捉更广泛的解剖特征，并减少对换能器放置位置的敏感性	未明确提及	实现高精度的手指运动识别，以用于手势识别、机器人手控制和医疗康复	前臂肌肉的实时超声图像	计算机视觉, 医学图像分析	NA	B型超声成像	深度学习	图像	九种预定义手指运动（五种单指运动，四种多指运动）的实时超声图像，具体样本数量未提及	NA	NA	准确率, F1分数	NA
1516	2026-09-19	Computational redesign of a thermostable T7 RNA polymerase 2025-Nov-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.12.688101 PMID:41292992	研究论文	本文通过基于结构的计算设计，开发了一种热稳定性更高的T7 RNA聚合酶变体	结合先前稳定变体的突变与PROSS鉴定的新突变，并使用数据驱动的启发式方法过滤以保持功能，最终设计出含有30个点突变的T7变体，其功能稳定性比最稳定的公开开源变体高2.4°C	T7在37°C下仅保留野生型活性的59%，且稳定性仍低于某些专有商业变体	提高T7 RNA聚合酶的热稳定性，以扩展其在生物技术中的应用	T7 RNA聚合酶及其工程化变体	计算蛋白质设计	NA	基于结构的计算设计	NA	蛋白质序列和结构数据	18个测试的蛋白质设计	NA	NA	功能稳定性温度（T）、表观熔解温度、相对活性	NA
1517	2026-09-19	Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling 2025-Nov-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.09.687530 PMID:41293023	研究论文	该研究提出将蛋白质相互作用与动力学的物理知识融入深度学习模型，以提升蛋白质序列-功能建模中突变效应的外推预测能力	将基于物理的能量学建模与卷积神经网络及图卷积神经网络相结合，把突变能量效应直接嵌入网络结构，从而显著改善位置和突变类型的外推性能，突破了纯数据驱动模型在数据稀缺条件下的外推局限	未明确说明物理能量学模型的适用范围及计算成本，且仅在特定数据集上验证，泛化性有待进一步检验	解决深度学习模型在蛋白质序列-功能映射中对外推情形预测能力不足的问题，通过引入物理知识提升外推精度	蛋白质序列及其突变体的功能效应，基于深度突变扫描数据和已知结构	机器学习	遗传疾病	深度突变扫描	CNN，图卷积神经网络，Transformer	序列数据，结构数据	NA	NA	卷积神经网络，图卷积神经网络，Transformer	NA	NA
1518	2026-09-19	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出基于通用智能的碎片化（GIF）框架，利用预训练大语言模型通过结构化提示和推理进行质谱模拟，并在新QA数据集上评估性能	提出GIF框架，使用结构化提示（标记、结构化输入/输出、系统提示、指令提示和迭代优化）引导预训练LLM进行光谱模拟和强度预测，超越传统提示方法和深度学习基线	模拟光谱与真实光谱的余弦相似度仅约0.36，性能仍有提升空间；未涉及湿实验验证	利用大语言模型进行质谱模拟，以解决代谢组学中光谱注释率低的问题	质谱数据，来自MassSpecGym数据集	机器学习	NA	质谱模拟，大语言模型提示工程	大语言模型	文本，质谱数据	NA	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
1519	2026-09-19	RELICT-NI: Replica Detection in Synthetic Neuroimaging-A Study on Noncontrast CT and Time-of-Flight MRA 2025-Nov-10, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09745-2 PMID:41214384	研究论文	本文提出RELICT-NI框架，用于检测合成神经影像数据集中的复制品，并在非对比CT和TOF-MRA两个用例上验证其性能	提出了一个标准化、易于使用的复制品检测框架，结合图像级、特征级（基于预训练医学基础模型）和分割级三种互补方法，并首次在神经影像合成数据中系统评估复制品检测	在TOF-MRA用例中，所有方法均无法实现完美分类，分割级分析仅达到0.79的平衡准确率，表明对复杂血管结构的复制品检测仍具挑战性	检测合成神经影像数据集中的复制品，以防止生成模型记忆导致患者隐私泄露，并促进神经影像数据的负责任合成	合成神经影像数据集，具体包括非对比头部CT（脑出血）和Willis环TOF-MRA图像	数字病理学, 医学影像分析	脑出血, 脑血管疾病	生成模型（合成数据生成）, 图像相似性分析, 分割	NA	图像	非对比CT：774例；TOF-MRA：1782例；生成图像各50张用于评估	NA	NA	平衡准确率	NA
1520	2026-09-19	Graph attention with structural features improves the generalizability of identifying functional sequences at a protein interface 2025-Nov-10, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686550 PMID:41292907	研究论文	本文通过深度突变扫描实验和深度学习模型，预测蛋白界面兼容序列，并提出了结合结构特征的图注意力网络以提高泛化能力	结合蛋白结构图与蛋白语言模型嵌入的图注意力网络架构，在预测蛋白界面功能序列上实现了更好的泛化性能	未明确提及	准确预测蛋白-蛋白界面兼容的序列集合，并提高模型对显著分化序列的泛化能力	SARS-CoV-2 Spike受体结合域（RBD）与ACE2受体的结合界面	机器学习	新冠肺炎	深度突变扫描	图注意力网络	序列数据	超过43,000个序列变体	NA	图注意力网络（GAN）、ESM2、ProteinMPNN	平衡准确率	NA