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
1741	2025-12-04	Single-cell multiomics data integration and generation with scPairing 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101211 PMID:41151585	研究论文	本文提出了一种名为scPairing的深度学习模型，用于整合和生成单细胞多组学数据	受对比语言-图像预训练（CLIP）启发，scPairing将不同模态的数据嵌入到共同空间，并扩展至生成三模态数据	NA	解决单细胞多组学数据因成本高而数据集较小的问题，通过数据整合与生成促进生物学发现	视网膜细胞、免疫细胞和肾脏细胞	机器学习	NA	单细胞多组学技术	深度学习模型	基因表达和染色质可及性等多模态单细胞数据	NA	NA	受CLIP启发的模型架构	NA	NA
1742	2025-12-04	AIstain: Enhancing microglial phagocytosis analysis through deep learning 2025-Nov-17, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101207 PMID:41109218	研究论文	本研究开发了一种基于U-Net的深度学习模型AIstain，用于增强小胶质细胞吞噬作用的图像分析	利用U-Net神经网络进行图像细胞计数，相比传统活细胞染色及现有分割工具（如SAM2和Cellpose 3），在细胞检测方面表现出更优性能，且模型可扩展至其他细胞类型	未明确说明模型在多样化或临床样本中的泛化能力，以及可能存在的计算资源需求	提高小胶质细胞吞噬作用的分析精度，简化实验流程，以促进神经生物学研究	小鼠小胶质细胞，并扩展至白血病细胞和乳腺癌细胞	计算机视觉	神经系统疾病	图像细胞计数，活细胞成像	CNN	图像	未明确指定样本数量，但提及生成了大量数据集用于训练	未指定，但基于U-Net架构	U-Net	未明确指定，但提及在细胞检测方面性能优越	未明确指定
1743	2025-12-04	Inferring binding specificities of human transcription factors with the wisdom of crowds 2025-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.16.688692 PMID:41332515	研究论文	本文报道了IBIS挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现	组织了最大的开放社区挑战赛IBIS，通过大规模基准测试比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能	研究主要关注人类转录因子，可能未涵盖其他物种或更广泛的DNA结合蛋白，且挑战赛数据虽丰富但仍有改进空间	评估和比较不同计算方法在推断人类转录因子结合特异性方面的效果	人类转录因子的结合特异性模型	生物信息学	NA	多实验数据整合分析	深度学习模型, 位置权重矩阵, 其他机器学习方法	DNA序列数据	NA	NA	NA	基准测试评估	NA
1744	2025-12-04	Vitiligo Signature-Based Drug Screening Identifies Fulvestrant as a Novel Immunotherapy Combination Strategy 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202503979 PMID:40974370	研究论文	本研究通过比较白癜风与黑色素瘤，建立了一个基于白癜风特征的生物标志物面板，用于区分“冷”与“热”肿瘤，并利用深度学习预测系统识别出Fulvestrant作为增强抗PD-L1治疗的候选药物	提出了一种基于白癜风特征的精准患者分层方法，并首次将Fulvestrant鉴定为一种新型免疫治疗组合策略，通过激活CCL5、MHC I和IFN II信号通路增强抗肿瘤免疫	研究主要基于临床前模型，尚未进行大规模临床评估，且Fulvestrant在人类患者中的安全性和有效性需进一步验证	开发一种提高免疫治疗响应率的精准策略，并探索增强抗PD-L1治疗效果的药物组合	黑色素瘤患者、白癜风患者、临床前肿瘤模型	机器学习	黑色素瘤	单细胞RNA测序、免疫荧光、流式细胞术	深度学习	基因表达数据、单细胞RNA测序数据、免疫组化数据	未明确指定样本数量，涉及临床前模型和患者数据	未明确指定	未明确指定	准确性	未明确指定
1745	2025-12-04	SNRAware: Improved Deep Learning MRI Denoising with Signal-to-Noise Ratio Unit Training and G-Factor Map Augmentation 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.250227 PMID:41123451	研究论文	提出并评估了一种基于深度学习的MRI去噪方法SNRAware，该方法利用图像重建过程中获得的定量噪声分布信息来提升模型性能和泛化能力	引入了SNRAware训练方案，该方案通过模拟多样化的合成数据集并提供定量噪声分布信息，将MRI重建知识融入深度学习去噪训练中，从而提升了模型性能和泛化能力	NA	开发并评估一种利用图像重建过程中获得的定量噪声分布信息来提升深度学习MRI去噪模型性能和泛化能力的方法	心脏电影MRI图像以及其他序列（如实时心脏电影、首过心脏灌注、脑部和脊柱MRI）的图像	医学图像处理	心血管疾病	MRI	CNN, Transformer	图像	训练集包含来自96,605个心脏电影序列的2,885,236张图像，测试集包含3,000个电影序列	NA	Transformer, 卷积块	峰值信噪比, 结构相似性指数, 对比噪声比	NA
1746	2025-12-04	Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform 2025-Nov-01, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-025-10010-y PMID:41176522	研究论文	本研究开发了一种基于方形芯片的平台，结合深度学习工具，首次证明了多向间质流能促进微血管网络的形成	首次开发了能够生成多向间质流的方形芯片平台，并结合深度学习工具进行高效分析，首次提供了多向间质流促进微血管网络形成的证据	未明确说明样本量或实验重复次数，也未提及计算资源的具体配置	探究多向间质流对微血管网络形成的影响	微血管网络、肿瘤微环境	数字病理学	肿瘤	芯片平台、深度学习分析	深度学习模型	图像	NA	NA	NA	NA	NA
1747	2025-12-04	Automated and modular protein binder design with BinderFlow 2025-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013747 PMID:41270120	研究论文	本文介绍了BinderFlow，一个自动化、模块化的蛋白质结合剂设计管道，旨在简化从头蛋白质设计流程	提出了一个开源、结构化、并行化的端到端蛋白质结合剂设计管道，支持批量处理和实时监控，并集成了基于网络的监控工具BFmonitor	未在摘要中明确说明具体限制	克服当前蛋白质设计工作流程的计算需求和操作挑战，使生成性蛋白质设计更易于访问、可扩展和可重复	人工蛋白质结合剂的设计	机器学习	NA	深度学习	NA	蛋白质数据	NA	NA	NA	NA	GPU密集型过程
1748	2025-12-04	SpaBatch: Deep Learning-Based Cross-Slice Integration and 3D Spatial Domain Identification in Spatial Transcriptomics 2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509090 PMID:40953305	研究论文	本研究提出了SpaBatch框架，用于整合和分析多切片空间转录组数据，有效校正批次效应并实现跨切片的3D空间域识别	开发了首个能够同时处理批次效应校正和跨切片3D空间域识别的深度学习框架，解决了现有方法局限于2D单切片分析的问题	未明确说明框架对超大规模数据集的扩展性，也未详细讨论计算效率的定量评估	开发一个稳健可靠的多切片空间转录组数据整合框架，以实现准确的3D空间域识别	空间转录组数据	计算生物学	乳腺癌	空间转录组学，MERFISH技术	深度学习	空间转录组数据	八个真实ST数据集，包括人类皮层切片、小鼠脑切片、小鼠胚胎切片、人类胚胎心脏切片、HER2+乳腺癌组织和小鼠下丘脑切片	NA	NA	NA	NA
1749	2025-12-04	ETNet: an interpretable transformer framework for enhancer-enhancer interaction prediction with cross-context transferability 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf634 PMID:41319043	研究论文	本文提出了一种名为ETNet的可解释Transformer框架，用于预测增强子-增强子相互作用，并展示了跨细胞类型和任务的迁移学习能力	开发了首个整合CNN与Transformer模块的深度学习架构ETNet，用于预测增强子-增强子相互作用，并提供了可解释性分析和跨上下文迁移验证	研究结果需要实验验证，特别是关于超加性合作机制的假设生成观察	预测增强子-增强子相互作用，并探索染色质相互作用的共享原理	增强子-增强子相互作用	自然语言处理	NA	DNA序列分析	CNN, Transformer	DNA序列	三个细胞系（GM12878, K562, MCF-7）和六个细胞线的验证	NA	CNN与Transformer模块整合架构	DeLong检验	NA
1750	2025-12-04	An end-to-end deep-learning system for segmentation and classification of dental caries from radiovisiography images 2025-Nov, Journal of conservative dentistry and endodontics DOI:10.4103/JCDE.JCDE_384_25 PMID:41322320	研究论文	本研究提出了一种基于深度学习的端到端系统，用于从放射影像图像中自动分割和分类龋齿	开发了一个结合U-Net和ResNet-50的深度学习框架，实现了对龋齿的像素级分割和多类别分类，显著减少了诊断时间和观察者间差异	研究基于回顾性数据集，样本量相对有限（1200张图像），且未在外部验证集上进行测试	自动化龋齿的诊断过程，提高诊断准确性和效率	放射影像图像中的龋齿病变	计算机视觉	龋齿	放射影像	CNN	图像	1200张匿名放射影像图像	NA	U-Net, ResNet-50	Dice系数, 准确率, 灵敏度, 特异性, F1分数	NA
1751	2025-12-04	Deep Learning in Scaphoid Fracture Detection and Healing Prediction: A Systematic Review of Artificial Intelligence Applications in Hand Surgery 2025-Nov, Cureus DOI:10.7759/cureus.97900 PMID:41323004	综述	本文系统综述了深度学习在舟骨骨折检测和愈合预测中的应用	系统评估了深度学习模型在舟骨骨折诊断和预后预测中的性能，并识别了有前景的技术方法，如分割增强、迁移学习和多视图融合	纳入研究数量有限（14项），且缺乏大规模多中心验证和可解释性框架	评估人工智能（特别是深度学习）在手外科舟骨骨折诊断和愈合预测中的应用效果与潜力	舟骨骨折的检测、分类以及愈合（骨愈合、骨不连或骨坏死）的预测	数字病理学	手部损伤	深度学习，特别是卷积神经网络	CNN	影像	NA	NA	DenseNet, ResNet, EfficientNet, YOLOv5-ResNet-50, 自定义CNN	准确率, AUC, 灵敏度, 特异性, 召回率	NA
1752	2025-12-04	Risk-stratified classification of pulmonary nodule malignancy via a machine learning model integrating imaging and cell-free DNA: a model development and validation study (DECIPHER-NODL) 2025-Nov, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101730 PMID:41323119	研究论文	本研究开发并验证了一种整合低剂量CT影像组学和血浆游离DNA片段组学的机器学习模型，用于肺结节恶性风险分层和侵袭性预测	首次将深度学习影像模型与基于cfDNA全基因组片段组学特征（包括拷贝数变异、片段大小比、片段甲基化和突变特征）的模型通过堆叠集成算法相结合，构建了多模态风险分层模型	研究为回顾性多中心设计，未来需要前瞻性研究进一步验证模型的临床效用	提高肺结节的恶性分类准确性和侵袭性预测能力，以促进肺癌早期检测	肺结节患者	数字病理学	肺癌	低剂量计算机断层扫描（LDCT），血浆游离DNA（cfDNA）全基因组测序	深度学习，集成学习	医学影像（CT扫描），基因组数据（cfDNA片段组学）	1356名参与者（发现队列1147人，外部验证队列209人）	NA	NA	AUC，敏感性，特异性	NA
1753	2025-12-04	Weakly supervised deep learning-based detection of serous tubal intraepithelial carcinoma in fallopian tubes 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100522 PMID:41323209	研究论文	本研究开发了一种基于弱监督深度学习的模型，用于在输卵管全切片图像中检测浆液性输卵管上皮内癌（STIC）和浆液性输卵管上皮内病变（STIL）	提出了一种基于注意力机制的多实例学习弱监督模型，用于在无需像素级标注的情况下检测输卵管中的罕见癌前病变，并验证了其在平衡与非平衡数据集上的高性能	研究数据来源于单一学术医疗中心，外部验证有限；模型在极少数病例（如仅有1例STIC）的验证集上表现虽好，但样本量不足可能影响泛化能力	开发一种可扩展的弱监督计算方法，以辅助病理学家检测输卵管中的浆液性输卵管上皮内癌（STIC）及其相关病变	输卵管标本，包括诊断为STIC、STIL和良性的组织切片	数字病理学	卵巢癌（输卵管癌前病变）	全切片图像分析	弱监督多实例学习模型	图像（全切片数字病理图像）	训练集：STIC 49例，STIL 48例，良性83例；独立验证集：额外非平衡数据集（良性40例，STIL 2例，STIC 1例）和良性反应性不典型增生53例	NA	基于注意力的多实例学习模型	AUROC（受试者工作特征曲线下面积），灵敏度，特异性	NA
1754	2025-12-04	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2025-Oct-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究提出了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未涉及心血管疾病患者	开发低延迟的实时相位对比心血管MRI技术	心血管系统，特别是升主动脉的血流测量	医学影像处理	心血管疾病	相位对比MRI, 金角径向序列	CNN	MRI图像	15名正常受试者	Gadgetron平台	DLCNet	图像重建质量, 血流测量准确性, 成像速度, 图像显示延迟	MRI扫描仪上的Gadgetron平台
1755	2025-12-04	Prediction of intraductal cancer microinfiltration based on the hierarchical fusion of peri-tumor imaging histology and dual view deep learning 2025-Oct-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15054-3 PMID:41088081	研究论文	本研究开发了一种基于多模态融合的深度学习模型，用于准确预测导管原位癌的微浸润风险	通过整合深度学习、影像组学和临床特征，构建了层次化融合模型，有效克服了单模态模型的过拟合问题，并实现了高准确性和可解释性	样本量相对有限（共232例患者），且未提及模型在其他独立队列中的泛化能力验证	开发用于导管原位癌微浸润风险预测和临床决策支持的多模态融合模型	导管原位癌患者	数字病理学	乳腺癌	影像组学, 深度学习	深度学习模型	图像, 临床数据	232例患者（训练集103例，验证集43例，外部测试集86例）	NA	DenseNet201	AUC, DeLong检验, 校准曲线, 决策曲线分析, Cohen's κ	NA
1756	2025-12-04	Computational pathology approach for assessment of prognosis and immunotherapy response in pan-gastrointestinal cancer 2025-Oct-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06181-3 PMID:41088294	研究论文	本研究提出了一种基于深度学习病理组学特征（DLPS）的计算病理学方法，用于评估泛胃肠道癌症的预后、化疗和免疫治疗反应	整合了全切片图像中细胞核、微环境和单细胞空间分布三个尺度的病理组学特征，构建了DLPS，并在多中心队列中验证了其在预后和治疗反应预测中的独立价值	研究主要基于回顾性数据，未来需要前瞻性验证；DLPS的生物学解释仍需进一步探索	开发一种计算病理学方法以改善癌症患者的预后评估和治疗反应预测	泛胃肠道癌症患者，特别是胃癌患者	数字病理学	胃癌, 泛胃肠道癌症	H&E染色全切片图像分析	深度学习	图像	2463名患者来自12个队列，其中1653名为胃癌患者	NA	NA	AUC, 多变量Cox回归分析, 客观缓解率	NA
1757	2025-12-04	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Oct, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱和深度学习模型ResTransformer的快速、无损方法，用于识别山茶油的掺假类型和浓度	提出了一种名为ResTransformer的新型深度学习模型，该模型将残差模块与Transformer结合，能够从局部和全局视角同时进行掺假类型的定性检测和掺假浓度的定量检测	研究模拟了潜在的掺假场景，但实际市场中的掺假情况可能更为复杂多样	开发一种准确且无损的方法来识别山茶油掺假，以保障公众健康	山茶油及其掺假样品	机器学习	NA	激发-发射矩阵荧光光谱	深度学习	光谱数据	NA	NA	ResTransformer（结合残差模块与Transformer）	准确率, 决定系数, 均方根误差, 性能偏差比	NA
1758	2025-12-04	The Operative Role of Artificial Intelligence in Vascular Surgery: A Systematic Review of Literature 2025-Oct, Cureus DOI:10.7759/cureus.95515 PMID:41322735	综述	本文系统回顾了人工智能在血管外科手术工作流程和安全性方面影响的现有文献	首次系统性地综述了人工智能在血管外科围手术期（术前、术中、术后）的应用现状，并评估了其对工作流程和安全性的影响	证据有限，主要基于小样本、回顾性和异质性研究，存在潜在偏倚，需要大规模前瞻性验证	评估人工智能在血管外科手术工作流程和安全性方面的作用与潜力	血管外科手术（包括血管内修复术、颈动脉内膜切除术、动静脉瘘、搭桥术等）	机器学习和数字病理学	心血管疾病	NA	机器学习，深度学习，神经网络	医学影像（如术前CT），临床数据	8项相关研究（6项回顾性研究，1项前瞻性研究，1项混合队列研究）	NA	NA	预测准确性，工作流程效率，安全性	NA
1759	2025-12-04	Workflow to detect exceeded dose constraints in pancreatic stereotactic body irradiation after intrafraction motion during magnetic resonance-guided adaptive radiotherapy using a deep learning-refined contour propagation tool 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100866 PMID:41323214	研究论文	本文提出了一种工作流程，用于自动检测胰腺立体定向体部放疗中因分次内运动导致的胃肠道结构剂量约束超标	引入深度学习精炼的轮廓传播工具，自动检测分次内运动引起的剂量约束超标，提高放疗计划验证的自动化水平	研究样本量较小（11名患者，48个分次），且依赖于手动绘制的参考轮廓进行验证	开发一种自动化工作流程，以检测磁共振引导自适应放疗中胰腺癌治疗因分次内运动导致的剂量约束超标	胰腺癌患者的胃肠道结构（如十二指肠）在磁共振引导自适应放疗中的分次内运动	数字病理学	胰腺癌	磁共振引导自适应放疗，立体定向体部放疗	深度学习	磁共振图像	11名胰腺癌患者的48个每日自适应分次，使用79张图像进行模型训练	NA	NA	Dice相似系数，平均距离一致性，特异性，敏感性，准确性	NA
1760	2025-12-04	Deep Learning-Based 30-Day Mortality Prediction in Critically Ill Bone and Bone Marrow Metastasis Patients: A Multicenter Retrospective Cohort Study 2025-Sep-24, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32100533 PMID:41149453	研究论文	本研究开发并验证了基于深度学习的模型，用于预测危重骨及骨髓转移患者的30天死亡率	首次针对危重骨及骨髓转移患者开发了基于深度学习的30天死亡率预测模型，并部署了在线计算器	研究为回顾性队列研究，可能存在选择偏倚，且外部验证仅涉及两个区域	开发并验证用于预测危重骨及骨髓转移患者30天死亡率的深度学习模型	危重骨及骨髓转移患者	机器学习	骨及骨髓转移	ICU数据	深度学习	临床数据	来自MIMIC-IV、eICU-CRD和新疆医科大学第一附属医院的多中心ICU数据	NA	TabNet	AUC, 平均精度, 校准曲线, 决策曲线, 准确率	NA