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
1921	2025-12-03	Computer models and artificial intelligence increase the fidelity and efficiency of the in vitro models for hearing loss 2025-Dec-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01467-5 PMID:41327400	综述	本文综述了人工智能算法在体外听觉模型中的整合现状，旨在提高这些模型的准确性、效率和转化潜力	探索了计算机建模、机器学习和深度学习在增强体外听觉模型生理相关性、可扩展性和可重复性方面的创新应用	面临数据标准化、生物复杂性及模型可解释性等挑战	提高体外听觉模型的保真度和效率，以研究听力损失的机制并测试潜在疗法	体外听觉模型，如永生化听觉毛细胞系、耳蜗外植体和内耳类器官	机器学习	听力损失	高通量图像分析、组学数据分析、耳蜗结构分割	机器学习, 深度学习	图像, 组学数据	NA	NA	NA	NA	NA
1922	2025-12-03	Deep learning-based classification of acute scrotum using single ultrasound images 2025-Dec-01, BJU international IF:3.7Q1 DOI:10.1111/bju.70091 PMID:41327908	研究论文	本研究开发了一种基于深度学习的模型，用于利用单张超声图像对急性阴囊进行鉴别诊断	首次将EfficientNet架构应用于急性阴囊的超声图像分类，并利用类激活映射解释模型决策，定位病理关键区域	研究样本量相对有限，且存在类别不平衡问题；前瞻性试点研究规模较小，需要更大规模、更平衡的多中心研究来验证临床效用	开发深度学习模型，用于急性阴囊疼痛的鉴别诊断，特别是区分睾丸扭转与非扭转情况	急性阴囊疼痛患者	计算机视觉	急性阴囊疾病	多普勒超声成像	CNN	图像	1172名患者，来自四家医院	NA	EfficientNet	准确率, 精确率, 灵敏度, F1分数	NA
1923	2025-12-03	A scalable equivariant graph network framework for precise protein function prediction 2025-Nov-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03886-y PMID:41318581	研究论文	提出一个名为ENGINE的可扩展等变图网络框架，用于精确预测蛋白质功能	整合了等变图卷积网络以捕获蛋白质3D结构的几何特征，利用大语言模型ESM-C编码进化和序列信息，并创新性地结合了统一空间与序列信号的3D序列表示	未在摘要中明确说明	开发高效的计算方法以进行准确的蛋白质功能注释	蛋白质	机器学习	NA	深度学习	图卷积网络, 大语言模型	蛋白质3D结构, 序列数据	NA	NA	等变图卷积网络, ESM-C	预测准确性	NA
1924	2025-12-03	A Deep Learning Radiomics Model Based on Superb Microvascular Imaging for Non-Invasive Prediction of the Degree of Arteriolosclerosis in Patients With Chronic Kidney Disease 2025-Nov-29, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056412035251027064309 PMID:41328654	研究论文	本研究开发并验证了一种基于超微血管成像的深度学习放射组学模型，用于无创评估慢性肾病患者的动脉硬化严重程度	结合超微血管成像、深度学习特征和放射组学特征，构建了深度学习放射组学模型，在无创预测动脉硬化程度方面表现出优于单一模型的性能	研究为前瞻性但样本量有限（326例），且仅来自两个医疗中心，可能需要更大规模的多中心验证	开发一种无创评估慢性肾病患者动脉硬化严重程度的模型	慢性肾病患者	数字病理学	慢性肾病	超微血管成像	深度学习	图像	326例慢性肾病患者（165例动脉硬化阳性，161例阴性）	NA	深度学习放射组学模型	AUC, 决策曲线分析	NA
1925	2025-12-03	A deep learning framework for automated dental segmentation and diagnostic report generation from cone-beam computed tomography 2025-Nov-28, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-025-00555-0 PMID:41316386	研究论文	本文开发了一个深度学习框架，用于从锥形束计算机断层扫描图像中自动分割牙齿并生成辅助诊断报告	提出了一种结合3D TransUNet、nnU-Netv2和3D DenseNet169的两阶段流水线模型，实现了牙齿自动分割与疾病诊断的一体化，并能自动生成结构化辅助诊断报告	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床环境中的验证情况	开发一个能够自动分割CBCT图像中的牙齿并生成辅助诊断报告的深度学习模型	锥形束计算机断层扫描图像中的牙齿	计算机视觉	牙科疾病	锥形束计算机断层扫描	深度学习模型	3D医学图像	450个CBCT数据集	NA	3D TransUNet, nnU-Netv2, 3D DenseNet169	Dice相似系数, 平均对称表面距离, 准确率, F1分数	NA
1926	2025-11-30	Integrative and deep learning-based prediction of therapy response in ovarian cancer 2025-Nov-28, Journal of experimental & clinical cancer research : CR IF:11.4Q1 DOI:10.1186/s13046-025-03554-w PMID:41316472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1927	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
1928	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
1929	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
1930	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
1931	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
1932	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
1933	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
1934	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
1935	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
1936	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
1937	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
1938	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
1939	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
1940	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