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
1881	2025-12-03	Capuchin Red Kite-optimized Swin Transformer-based Convolutional Block Attention Module for Early Diagnosis and Classification of Pneumonia 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392646251021111437 PMID:41327768	研究论文	提出一种结合Capuchin Red Kite优化算法与Swin Transformer注意力模块的深度学习模型，用于肺炎、COVID-19和正常病例的早期诊断与分类	首次将Capuchin Red Kite优化算法与Swin Transformer注意力模块结合，并采用混合特征提取与自适应门控循环单元进行特征融合	模型仅在公开数据集上验证，未来需要在多样化真实世界数据集中验证泛化能力	开发高效的深度学习模型用于肺炎、COVID-19和正常病例的准确分类	胸部X光和CT图像	计算机视觉	肺炎	医学影像分析	深度学习	图像	Kaggle公开胸部X光数据集	NA	Swin Transformer, ResNet, Vision Transformer, 卷积块注意力模块	准确率, AUC	NA
1882	2025-12-03	Deep Learning and Attention Mechanism-based Prediction of Vaginal Invasion in Early-Stage Cervical Cancer 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392471251103125700 PMID:41327769	研究论文	本研究提出了一种结合3D ResNet分类和Grad-CAM可视化的新方法，利用T2WI-MRI预测早期宫颈癌的阴道侵犯，以提高诊断准确性并实现侵袭性病变的解剖定位	创新性地融合了3D ResNet分类与Grad-CAM可视化，通过各向异性卷积层和复杂数据增强优化模型，并整合瘤内及瘤周（3mm）区域特征，实现了对阴道侵犯的非侵入性预测及病变定位	研究基于单中心回顾性队列，样本量有限，限制了结果的普适性，需要外部验证和前瞻性研究才能进行临床转化	预测早期宫颈癌（IB-IIA期）的阴道侵犯，以辅助保留生育功能的决策	160例经病理证实的IB-IIA期宫颈癌患者的矢状位T2WI-MRI图像	计算机视觉	宫颈癌	T2WI-MRI	深度学习	医学影像（MRI图像）	160例患者	NA	3D ResNet-18	AUC, 敏感性, 特异性, 准确率, 精确率	NA
1883	2025-12-03	Spatial Attention-guided Hybrid Deep Learning with Sharpened Cosine Similarity for Accurate Chest X-ray Interpretation 2025-Nov-28, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396626251105115902 PMID:41327770	研究论文	提出了一种结合空间注意力引导的混合深度学习框架VSAG-HDL Net，用于提高胸部X射线图像中病变分割和疾病分类的准确性和可解释性	整合了变分空间注意力融合U-Net（VSA-FU-Net）进行病变分割和锐化余弦相似度（SCS）网络进行疾病分类，通过消除冗余特征提取和空间注意力机制提升诊断性能和计算效率	在分类准确率上略低于DenseNet+VIT和DenseNet+VIT+GAP模型（分别低2.0%和2.3%）	提高胸部X射线图像中呼吸系统疾病（如COVID-19和肺炎）的诊断准确性和可解释性	胸部X射线图像	计算机视觉	呼吸系统疾病	NA	混合深度学习框架	图像	21,165张胸部X射线图像	NA	VSA-FU-Net, SCS Network	Dice相似系数, 交并比, 准确率	NA
1884	2025-12-03	Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes 2025-Nov-27, Science (New York, N.Y.) DOI:10.1126/science.adi8577 PMID:41129612	研究论文	本文提出了一种利用转录组学的主动深度学习框架，用于高效识别诱导复杂疾病表型的化合物	开发了一种结合组学数据的主动深度学习框架，相比现有模型在表型命中率上实现了13至17倍的提升，并通过实验室闭环签名优化步骤进一步提高了命中率	NA	克服表型药物筛选中的化学空间广阔性和实验规模化挑战，加速药物发现	化合物及其对疾病表型的调控作用	机器学习	血液疾病	转录组学	深度学习	组学数据	NA	NA	NA	召回率, 表型命中率	NA
1885	2025-12-03	Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells 2025-Nov-26, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.11.008 PMID:41308636	研究论文	本文通过比较体外转录因子结合速率和亲和力与体内单分子转录因子及核小体占据情况，揭示了热力学原理如何连接体外转录因子亲和力与细胞内单分子染色质状态	首次将体外转录因子亲和力与体内单分子染色质状态通过热力学原理定量关联，并利用深度学习模型验证了体外生物物理参数对体内序列偏好和染色质状态的预测能力	研究仅针对人类转录因子eKLF/KLF1，未涵盖其他转录因子或更广泛的生物体系	定量理解转录因子结合和可及染色质形成的分子细节，包括序列背景如何调节亲和力、转录因子如何搜索DNA、转录因子占据的动力学以及基序语法如何协调结合	人类转录因子eKLF/KLF1	生物物理学	NA	高通量体外结合测定、单分子染色质占据测量、深度学习建模	深度学习模型	体外结合速率和亲和力数据、体内单分子转录因子和核小体占据数据	NA	NA	NA	NA	NA
1886	2025-12-03	scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression 2025-Nov-25, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf638 PMID:41288963	研究论文	本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络	scRegulate通过变分推理整合先验生物知识与数据驱动推断，能够捕获新颖、动态和上下文特异的调控相互作用，相比现有方法更具可扩展性和生物学基础	未在摘要中明确提及	开发一个从单细胞RNA测序数据中准确推断转录因子活性和基因调控网络的计算框架	单细胞RNA测序数据，转录因子及其靶基因关系	计算生物学	NA	单细胞RNA测序	变分自编码器	基因表达数据	公共实验和合成数据集，人类PBMC单细胞RNA测序数据	PyTorch	变分推理模型	准确性，效率（速度比较）	NA
1887	2025-12-03	One-click reconstruction in single-molecule localization microscopy via experimental parameter-aware deep learning 2025-Nov-25, Npj imaging DOI:10.1038/s44303-025-00123-w PMID:41291118	研究论文	本文介绍了AutoDS和AutoDS3D两种软件程序，用于单分子定位显微镜数据的超分辨率重建，基于Deep-STORM和DeepSTORM3D，通过实验参数感知的深度学习实现一键式重建	通过自动从原始成像数据中提取实验参数，显著减少了分析过程中的人工干预，在2D情况下从预训练模型集中选择最优模型，在3D情况下提高了计算效率并集成为图形用户界面	未明确提及具体局限性，但可能依赖于预训练模型的覆盖范围或实验条件的通用性	开发自动化软件以减少单分子定位超分辨率显微镜中的人工干预和计算时间	单分子定位显微镜数据	计算机视觉	NA	单分子定位超分辨率显微镜	深度神经网络	图像	NA	NA	Deep-STORM, DeepSTORM3D	NA	NA
1888	2025-12-03	SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation 2025-Nov-24, The Analyst DOI:10.1039/d5an00794a PMID:41283740	研究论文	本文介绍了SpectralFlow软件平台，该平台集成了光谱数据预处理和预测建模分析功能，用于水果质量评估	开发了一个集成平台，支持复杂超参数调优和先进深度学习架构，并具备从高光谱图像中提取特征的功能，解决了现有软件在光谱分析中的局限性	NA	开发一个集成平台，以降低光谱分析的技术门槛，优化光谱数据处理并简化模型训练过程	水果（芒果、苹果、猕猴桃、梨）	机器学习	NA	近红外光谱和高光谱成像	深度学习	光谱数据、高光谱图像	NA	NA	NA	准确率、R平方值	NA
1889	2025-12-03	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Nov-24, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	本研究利用Swin Transformer深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据下有效适应模型	研究基于有限标记数据，可能影响模型泛化能力，且性能在淀粉样蛋白检测任务中仍有提升空间	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测	阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	多壳层扩散MRI	Transformer	图像	未明确指定	PyTorch	Swin Transformer	平衡准确率	NA
1890	2025-12-03	BoneVisionNet: A deep learning approach for the classification of bone tumours from radiographs using a triple fusion attention network of transformer and CNNs with XAI visualizations 2025-Nov-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102668 PMID:41325667	研究论文	本文提出了一种名为BoneVisionNet的深度学习架构，用于从X光片中自动分类骨肿瘤	首次提出了一种结合Transformer和CNN的三轨融合注意力网络，并利用可解释人工智能技术验证模型决策	模型在BTXRD数据集上的准确率为84.35%，仍有提升空间，且未在更大规模或更多样化的数据集上进行验证	开发一种准确、自动化的骨肿瘤分类方法，以辅助医疗专业人员诊断	骨肿瘤X光片	计算机视觉	骨肿瘤	X射线成像	CNN, Transformer	图像	BTXRD数据集	NA	Convolution-Enhanced Image Transformer, DenseNet-169, 自定义ABMLFE-Net	准确率	NA
1891	2025-12-03	Formaldehyde emissions in tanker truck cabins: Observation, deep learning prediction and health risk assessment 2025-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180740 PMID:41130112	研究论文	本研究首次量化了油罐车驾驶室内甲醛排放动态，并开发了深度学习模型进行长期预测，同时评估了健康风险	首次提供了油罐车驾驶室内甲醛排放的真实世界数据与建模，识别了材料表面温度为关键影响因素，并开发了优于传统模型的深度学习预测方法	研究仅基于一个月的数据，且未详细探讨其他潜在影响因素如通风条件或驾驶行为	评估油罐车驾驶室内甲醛排放动态、预测长期浓度并评估驾驶员健康风险	油罐车驾驶室内的甲醛浓度	机器学习	NA	现场监测、特征重要性分析	深度学习模型	时间序列数据	一个月内的现场监测数据	NA	NA	预测准确性	NA
1892	2025-12-03	An Open-source Protocol for Deep Learning-based Segmentation of Tubular Structures in 3D Fluorescence Microscopy Images 2025-Nov-14, Journal of visualized experiments : JoVE DOI:10.3791/68004 PMID:41325317	研究论文	本文介绍了一个用于3D荧光显微镜图像中管状结构分割的开源、用户友好工具箱	提出了基于模拟的数据增强策略，可在极少训练数据（如仅一张3D图像）下提升模型性能，并整合了两种高效的深度学习架构	未明确说明该方法在其他组织类型或成像模式中的泛化能力	开发一个易于使用的端到端分割工具，用于研究复杂生物组织中的管状结构	小鼠肝组织中的胆管网络和正弦网络	数字病理学	NA	3D荧光显微镜成像	CNN	3D图像	至少一张3D图像（通过数据增强扩展）	NA	3D U-Net, 3D U-Net with attention mechanisms	定性评估、定量评估	本地GPU、高性能计算集群、云平台
1893	2025-12-03	Discovery and artificial intelligence-guided mechanistic elucidation of a narrow-spectrum antibiotic 2025-Nov, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02142-0 PMID:41044363	研究论文	本研究通过筛选小分子化合物发现了一种针对肠杆菌科细菌的窄谱抗生素enterololin，并利用深度学习技术揭示了其通过干扰脂蛋白转运机制发挥抗菌作用	首次发现enterololin作为肠杆菌科特异性抗生素，结合深度学习预测分子相互作用机制，并验证其与SPR741联用可克服临床耐药性	耐药突变频率约10⁻¹⁰，需进一步评估长期使用下的耐药演化风险	开发针对肠杆菌科细菌的窄谱抗生素以保护肠道微生物群	粘附侵袭性大肠杆菌（AIEC）及肠杆菌科细菌	机器学习	炎症性肠病	小分子筛选、深度学习、分子相互作用预测	深度学习模型	化学结构数据、抗菌活性数据	10,747种生物活性小分子	NA	NA	半数抑制浓度（IC50）、耐药频率	NA
1894	2025-12-03	Physics-informed deep learning for infectious disease forecasting 2025-Nov, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0379 PMID:41290140	研究论文	本文实现了一种基于物理信息神经网络（PINNs）的传染病预测方法，通过整合流行病学理论和数据来改善预测准确性	将动力学系统表示的疾病传播模型融入损失函数，并引入子网络处理移动性、疫苗剂量等协变量，以防止过拟合并提升预测性能	仅使用加利福尼亚州级COVID-19数据进行验证，未在其他地区或疾病上广泛测试	提高传染病预测方法的准确性和能力，以支持公共卫生决策	传染病（如COVID-19）的病例数、死亡数和住院数预测	机器学习	传染病	NA	物理信息神经网络（PINNs）	时间序列数据（病例、死亡、住院数）	加利福尼亚州级COVID-19数据	NA	物理信息神经网络（PINNs）	与基准模型比较的预测一致性	NA
1895	2025-12-03	Dual-center study on AI-driven multi-label deep learning for X-ray screening of knee abnormalities 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21895-6 PMID:41168262	研究论文	本研究开发了一种基于AI的多标签深度学习模型，用于从X射线图像中直接检测膝关节软组织异常	创新性地利用X射线图像实现了传统上仅能通过MRI或关节镜检查的软组织异常检测	研究为回顾性设计，且仅基于两个医疗中心的数据，可能存在选择偏倚	提高膝关节异常（特别是软组织损伤）在X射线筛查中的检测精度和效率	膝关节X射线图像	计算机视觉	膝关节异常	X射线成像	CNN	图像	来自两个医疗中心的4,215名患者	PyTorch, Flask	YOLOv11, ResNet152, DenseNet121, MobileNetV3, ShuffleNetV2, VGG19	mAP, F1-score, AUC	NA
1896	2025-12-03	Accuracy and reliability of 3D cephalometric landmark detection with deep learning 2025-Oct-21, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03198-8 PMID:41121304	研究论文	本研究开发并验证了一种用于口腔颌面部三维标志点自动检测的深度学习模型	采用优化的轻量级3D U-Net网络架构，在螺旋CT和锥形束CT两种扫描方式上验证了模型的高精度、鲁棒性和泛化能力，并显著提升了专家的标注效率和速度	模型的鲁棒性和泛化能力仍需前瞻性临床验证以确保在不同经验水平用户中的实用性	开发并验证用于口腔颌面部三维标志点自动检测的AI模型，以辅助正畸、正颌、创伤和整形等手术规划	口腔颌面部三维影像（螺旋CT和锥形束CT）中的解剖标志点	计算机视觉	NA	螺旋计算机断层扫描（SCT），锥形束计算机断层扫描（CBCT）	CNN	三维医学影像	训练和测试集：480例SCT和240例CBCT；额外推理集：320例SCT和150例CBCT	NA	3D U-Net	平均径向误差（MRE），2毫米、3毫米、4毫米误差阈值内的成功检测率（SDR）	NA
1897	2025-12-03	Adaptive Neuro-Symbolic framework with dynamic contextual reasoning: A novel framework for semantic understanding 2025-Oct-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025112 PMID:41327946	研究论文	提出了一种新颖的自适应神经符号框架（ANS-DCR），用于实现类人的语义理解和可解释性	提出了一个集成了神经网络与符号推理的新颖架构，包含四个关键创新：上下文嵌入层、分层知识图谱、自适应推理引擎和可解释决策模块	NA	解决当前深度学习模型在关系推理、上下文解释和透明决策方面的不足，实现更深层次的语义理解	图像数据，特别是复杂场景如自动驾驶中的交通场景	计算机视觉	NA	NA	神经符号模型	图像	NA	NA	ANS-DCR（自适应神经符号框架与动态上下文推理）	语义分割，上下文推理，可解释性	NA
1898	2025-12-03	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2025-Oct-16, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究通过整合病理切片图像和临床记录，开发了一种基于Transformer的多模态深度学习模型，用于预测结直肠息肉5年进展风险	首次将Transformer架构应用于结直肠息肉病理图像分析，并创新性地通过预测中间临床变量来提升长期风险预测性能，同时探索了多模态融合策略	研究数据来源于单一注册中心（新罕布什尔州结肠镜注册库），可能限制模型的泛化能力；未详细说明模型在不同亚组人群中的表现差异	通过整合多模态数据提升结直肠癌筛查和风险分层的准确性	结直肠息肉患者及其病理切片图像、临床记录	数字病理学	结直肠癌	数字病理全切片成像	Transformer	图像, 文本	新罕布什尔州结肠镜注册库的纵向随访数据（具体样本量未明确说明）	NA	Transformer	AUC	NA
1899	2025-12-03	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.14.613047 PMID:39314484	研究论文	本文提出两种互补模型，利用跨试验和跨行为会话的神经活动相关性来改进神经解码性能	引入多会话降秩回归模型和多会话状态空间模型，首次系统性地利用跨试验和跨会话的神经活动与行为相关性，相比传统单试验解码方法显著提升解码精度	模型主要基于线性假设，可能无法完全捕捉神经活动中的非线性动态；在极端稀疏数据场景下的泛化能力未充分验证	通过开发新型解码模型，提高从大规模神经数据中解码动物行为的准确性和可解释性	国际脑实验室公开的小鼠Neuropixels数据集，涵盖433个会话、270个脑区域的神经活动数据	机器学习	NA	Neuropixels神经记录技术	降秩回归模型, 状态空间模型	神经电生理信号	433个实验会话，覆盖270个脑区域	NA	多会话降秩回归模型, 多会话状态空间模型	解码准确率	NA
1900	2025-12-03	Assessment of resolution and noise in magnetic resonance images reconstructed by data driven approaches 2025-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2023.08.007 PMID:37684119	研究论文	本文评估了数据驱动方法重建加速MRI扫描时的分辨率和噪声增强	首次为典型模型和数据驱动的MRI重建方法提供了空间分辨率和噪声增强（g因子）的详细地图分析	仅基于单个患者的常规脑部扫描数据，样本量有限	评估数据驱动MRI重建方法在分辨率和噪声方面的性能	MRI图像重建方法	医学影像	NA	MRI	深度学习, 变分网络, U-Net	图像	单个患者的脑部MRI数据	NA	U-Net	局部分辨率, g因子	NA