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
2721	2025-12-25	Trends in AI-based diagnosis and intervention of metabolic diseases: a bibliometric analysis of the literature from 2000 to 2024 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1698366 PMID:41426577	文献计量分析	本文对2000年至2024年间关于人工智能在代谢性疾病诊断与干预中应用的文献进行了全面的文献计量分析	首次对人工智能在代谢性疾病领域的文献进行系统性计量分析，识别出三大研究前沿：基于智能设备的AI辅助预防、多模态诊断方法以及大语言模型指导的干预策略	分析仅基于WOSCC和Scopus数据库的文献，可能未涵盖所有相关出版物；文献计量方法主要反映趋势和关联，不深入评估具体研究内容的质量	分析人工智能在代谢性疾病诊断与干预领域的研究演变、趋势和前沿	2000年至2024年间发表的1059篇相关科学文献	机器学习	代谢性疾病	文献计量分析	NA	文献元数据（如作者、机构、期刊、关键词、引用网络）	1059篇出版物	R（用于数据合并与去重）	NA	NA	NA
2722	2025-12-25	Thyroid intelligent diagnosis based on THMSNet 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1686248 PMID:41427041	研究论文	本文提出了一种名为THMSNet的混合架构，用于甲状腺结节的智能诊断，结合了多尺度特征提取和全局依赖建模	提出THMSNet混合架构，集成金字塔结构进行多尺度特征提取和Mamba进行全局长程依赖建模，并引入串行通道-空间注意力模块（SCSAM）增强特征表示，以及真值校准（TVC）算法使模型预测与病理标准对齐	未在摘要中明确提及	开发一种准确且临床适用的甲状腺结节良恶性诊断方法	甲状腺超声图像	计算机视觉	甲状腺疾病	超声成像	CNN, Transformer	图像	7,288张甲状腺超声图像（3,282张良性，4,006张恶性）	未在摘要中明确提及	THMSNet, ResNet, DenseNet	准确率, 精确率, 召回率, F1分数, AUROC	未在摘要中明确提及
2723	2025-12-25	U-FDL-PPE: a unified federated deep learning framework with privacy-preserving explainability for early and accurate viral disease prediction 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1660479 PMID:41427114	研究论文	本研究提出了一种名为U-FDL-PPE的统一联邦深度学习框架，该框架结合了隐私保护和可解释性，旨在实现早期和准确的病毒性疾病预测	该框架首次将联邦学习与隐私保护的可解释性（通过Grad-CAM）相结合，用于病毒性疾病的早期诊断，解决了集中式数据存储的隐私和兼容性问题	研究仅在模拟的三家医疗机构网络中使用公开数据集进行测试，未在真实多中心临床环境中验证，且多类AUC值较低（0.5192）	开发一个支持早期、可靠病毒性疾病诊断的联邦深度学习框架，同时保护患者隐私并提供可理解的预测解释	胸部X光图像，用于分类COVID-19、正常和病毒性肺炎	计算机视觉	病毒性疾病	胸部X光成像	CNN	图像	使用公开的COVID-19放射影像数据库，在模拟的三家医疗机构网络中测试	NA	MobileNetV2	准确率, F1分数, AUC, 混淆矩阵	NA
2724	2025-12-25	Data-driven discovery of antiviral peptides against PRRSV using multiple machine learning models 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681083 PMID:41427144	研究论文	本研究通过整合蛋白质组学与机器学习方法，筛选并预测针对猪繁殖与呼吸综合征病毒的抗病毒肽	首次将图神经网络应用于抗病毒肽预测领域，并与传统机器学习模型进行性能比较	现有预测的抗病毒肽数据库不足，需要更精确可靠的注释	筛选健康与PRRSV感染组织的差异表达蛋白和肽，并预测抗病毒肽	猪的肺、小肠和大肠组织样本	机器学习	猪繁殖与呼吸综合征	蛋白质组学分析	GNN, RF, SVM	蛋白质和肽序列数据	未明确指定样本数量，涉及肺、小肠和大肠组织	未明确指定	图神经网络, 随机森林, 支持向量机	AUC	NA
2725	2025-12-25	A deep learning-based study of player styles and cross-league performance adaptation mechanisms: a case study of the NBA and CBA 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1639972 PMID:41427262	研究论文	本研究利用深度学习和可解释建模，探讨球员风格对篮球联赛间表现适应性的影响	整合PCA、t-SNE和高斯混合模型进行球员风格聚类，并结合Branch-MLP与SHAP算法进行可解释性战术结构分析	研究仅基于2019-2024赛季的NBA和CBA数据，可能未涵盖所有联赛或历史时期的变化	通过量化框架理解不同竞争环境中球员表现机制，为训练、转会及青年人才培养提供数据驱动决策支持	NBA和CBA联赛的球员及球队比赛数据	机器学习	NA	PCA, t-SNE, 高斯混合模型, SHAP算法	多层感知机	比赛数据	2019-2024赛季的球员和球队数据	NA	Branch-MLP	准确率	NA
2726	2025-12-24	ZNGEA: ZINB-NMF Integrated Graph Embedding Autoencoder for Metabolite-Disease Association Identification 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05618 PMID:41360747	研究论文	本文提出了一种名为ZNGEA的新型深度学习算法，用于高效识别代谢物与疾病之间的潜在关联	整合了零膨胀负二项分布（ZINB）和非负矩阵分解（NMF），并结合非线性方法融合多相似性网络，以从多角度提取重要信息	NA	开发计算方法来高效识别代谢物与疾病之间的潜在关联	代谢物与疾病之间的关联	机器学习	NA	深度学习	图卷积自编码器	网络数据	NA	NA	图卷积自编码器	AUC, AUPR	NA
2727	2025-12-24	GPMassSimulator: A Graphormer-Based Method for Glycopeptide MS/MS Spectra Prediction 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02375 PMID:41364107	研究论文	本文提出了一种基于Graphormer的深度学习方法GPMassSimulator，用于准确预测完整N-糖肽的串联质谱（MS/MS）谱图和保留时间	利用GpepFormer模块有效表示和整合肽序列与聚糖结构，捕捉其复杂依赖关系，从而提升对相似糖肽（具有类似聚糖/肽骨架的糖肽）的区分能力	NA	开发一种深度学习方法，用于糖蛋白组学中糖肽的准确鉴定，特别是针对结构复杂和异质性的糖肽	糖肽（特别是N-糖肽）及其串联质谱（MS/MS）谱图和保留时间	机器学习	NA	串联质谱（MS/MS）	Graphormer	质谱数据	NA	NA	Graphormer, GpepFormer	鉴定准确率, Top-1鉴定准确率, 灵敏度	NA
2728	2025-12-24	A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05514 PMID:41368808	研究论文	本文提出了一种用于台式核磁共振设备进行新型精神活性物质非靶向筛查的深度学习模型	提出了一种结合通道注意力增强架构、化学信息预处理以及将NMR谱图与SMILES表示对齐的对比预训练方法的深度学习模型，显著增强了低信噪比条件下的谱图特征提取能力	模型目前仅针对九种NPS类别进行分类，未明确提及对其他物质或更广泛类别的泛化能力	开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法	新型精神活性物质	机器学习	NA	核磁共振	深度学习模型	核磁共振谱图数据	NA	NA	通道注意力增强架构	准确率	NA
2729	2025-12-24	DeepMIR: A Hybrid Convolutional Neural Network-Transformer Framework for Accurate Identification of Target Components from Mid-Infrared Spectra of Mixtures 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04545 PMID:41384937	研究论文	提出了一种名为DeepMIR的深度学习框架，用于从混合物的中红外光谱中准确识别目标成分	首次将卷积神经网络与Transformer编码器结合，构建了一种混合架构，用于从混合物的中红外光谱中识别目标成分，该框架能有效处理参考光谱与混合物光谱采集技术不同带来的挑战	NA	解决分析化学中因严重光谱重叠和仪器变异性导致的混合物中红外光谱成分准确识别难题	复杂混合物（包括液体溶剂、固体颜料混合物和商业混纺织物）的中红外光谱	机器学习	NA	中红外光谱	CNN, Transformer	光谱数据	超过67,000个合成增强的光谱对	NA	混合卷积神经网络-Transformer架构	准确率, 统计显著性检验	NA
2730	2025-12-24	Investigating cis-regulatory elements and gene expression in multiple tomato varieties using interpretable deep learning 2025-Dec-23, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05109-1 PMID:41429964	研究论文	本研究开发了一种名为L-CRE的可解释深度学习模型，用于分析番茄基因侧翼区域并预测基因表达水平	改进了先前模型，开发了可解释的深度学习模型L-CRE，能够识别影响基因表达的关键基因组区域，并成功验证了已知调控元件	仅分析了四种番茄品种，模型泛化能力未在其他物种或更广泛品种中验证	阐明顺式调控元件如何影响基因表达，为作物遗传改良和功能基因组学研究提供新方法	四种不同番茄品种的基因侧翼区域	机器学习	NA	深度学习	深度学习模型	基因组序列数据	四种番茄品种的基因数据	NA	L-CRE	准确率	NA
2731	2025-12-24	Quantitative measurement of Iris melanin concentration by polarization-sensitive anterior segment optical coherence tomography 2025-Dec-23, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721251407025 PMID:41432634	研究论文	本研究利用偏振敏感前段光学相干断层扫描（PS-AS-OCT）评估虹膜黑色素浓度，并探讨其与棕色虹膜个体虹膜颜色的相关性	首次采用PS-AS-OCT结合深度学习自动分割虹膜亚结构层，并通过熵基图像推导黑色素浓度比（MCR）来量化虹膜层内黑色素，为非侵入性评估虹膜色素沉着提供了新方法	研究仅纳入棕色虹膜个体，样本量相对较小（88人），且未涵盖其他虹膜颜色类型，可能限制结果的普适性	评估虹膜黑色素浓度与虹膜颜色的相关性，并开发基于MCR的虹膜颜色分类方法	人类虹膜	医学影像分析	NA	偏振敏感前段光学相干断层扫描（PS-AS-OCT），高分辨率摄影	深度学习模型，K-近邻（KNN）	图像（虹膜横截面图像，高分辨率照片）	88名参与者（平均年龄39岁）	NA	NA	分类准确率	NA
2732	2025-12-24	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2025-Dec-23, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	本研究利用基于YOLO的深度学习模型在口腔全景X光片上检测开根尖牙齿，并比较了不同模型的性能	首次将YOLO系列深度学习模型应用于口腔全景X光片中开根尖牙齿的自动检测，并系统比较了YOLOv3、YOLOv4和YOLOv5的性能	研究仅使用了966张全景X光片，样本量相对有限，且未在更广泛的数据集或临床环境中进行外部验证	开发一种基于深度学习的自动检测系统，用于识别口腔全景X光片中的开根尖牙齿，以减少患者额外拍摄X光片的需求并辅助牙医诊断	口腔全景X光片中的开根尖牙齿	计算机视觉	NA	全景X光成像	CNN	图像	966张口腔全景X光片	NA	YOLOv3, YOLOv4, YOLOv5	精确度, 召回率, 平均精度, F1分数	NA
2733	2025-12-24	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2025-Dec-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	本文提出了一种名为WaveFHR-VNet的多尺度、多基小波投票网络，用于在联合时频域中自动分析胎儿心率信号，以准确检测基线和瞬态加速/减速事件	提出了一种U-Net风格的多尺度、多基小波投票网络，首次在编码器块中嵌入离散小波变换，通过交互系数选择模块抑制噪声并增强诊断显著性瞬态，并采用五种互补小波基并行操作与投票融合，无需手动调参	未明确提及模型的计算复杂度或实时性能限制，也未讨论在更广泛临床环境中的验证情况	开发一种能够准确检测胎儿心率信号中基线和瞬态加速/减速事件的计算机辅助解释方法，以改善产时监测	胎儿心率信号	数字病理学	心血管疾病	离散小波变换	U-Net	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB公共基准）	NA	U-Net	Dice系数, IoU, 准确率	NA
2734	2025-12-24	Topological Feature Extraction from Multi-color Channels for Pattern Recognition: An Application to Fundus Image Analysis 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01791-1 PMID:41429947	研究论文	本研究利用多颜色通道的拓扑特征结合深度学习进行模式识别，应用于眼底图像分析	首次将颜色通道变化与拓扑特征提取相结合，用于眼底图像疾病诊断，探索了拓扑足迹在不同颜色模型中的变化	研究仅基于三个公开数据集，未涉及更大规模或更广泛的数据验证	通过拓扑特征与深度学习结合，实现眼底图像的自动化疾病分类	眼底图像	计算机视觉	老年性疾病	NA	深度学习模型, 机器学习模型	图像	三个公开数据集：APTOS 2019, ORIGA, ICHALLENGE-AMD	NA	NA	NA	NA
2735	2025-12-24	A Hybrid YOLOv8s+Swin-T Transformer Approach for Automated Caries Detection on Periapical Radiographs 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01763-5 PMID:41429949	研究论文	本研究提出了一种结合YOLOv8s与Swin-T Transformer的混合目标检测器，用于在根尖周X光片上自动检测龋齿	提出了一种新颖的混合目标检测架构，将YOLOv8s骨干网络与Swin-T Transformer集成，通过其分层注意力机制改进了特征提取，在空间理解和上下文感知方面优于基于CNN的模型	模型仅在单一机构（Sibar牙科学院）收集的1887张X光片上进行训练和评估，其在不同数据集上的泛化能力和鲁棒性尚未得到广泛验证	自动化检测根尖周X光片中的龋齿，为AI辅助诊断提供可靠工具	根尖周X光片中的龋齿病变	计算机视觉	龋齿	深度学习，目标检测	CNN, Transformer	图像（X光片）	1887张来自Sibar牙科学院（Guntur）的根尖周X光片	PyTorch	YOLOv8s, Swin-T, Faster R-CNN, ResNet-50-FPNv2	精确率，召回率，F1分数，mAP@0.5	NA
2736	2025-12-24	Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01786-y PMID:41429948	研究论文	本研究评估了基于深度学习的计算机辅助检测（AI-CAD）软件在自动乳腺超声（ABUS）中用于乳腺癌检测的诊断性能和临床实用性	首次在ABUS中评估AI-CAD对不同经验水平放射科医生的诊断性能提升效果，特别是发现AI-CAD对经验较少的医生提升最显著	回顾性研究，样本量较小（114名女性），仅评估了三位放射科医生，可能无法推广到所有临床环境	评估AI-CAD软件在自动乳腺超声中辅助乳腺癌检测的有效性	接受自动乳腺超声检查的114名女性（228个乳房），其中28名被诊断为乳腺癌	计算机视觉	乳腺癌	自动乳腺超声（ABUS）	深度学习	超声图像	114名女性（228个乳房），其中28例乳腺癌	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC, 阅读时间, 观察者间一致性	NA
2737	2025-12-24	Improving Chronological Age Estimation in Children Using the Demirjian Method Enhanced with Transformer and Regression Models 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01769-z PMID:41429946	研究论文	本研究提出了一种基于全景牙科图像和深度学习特征提取的两阶段方法，用于估计儿童的实足年龄	结合了Swin V2 Base等Transformer架构进行特征提取，并使用多种机器学习回归模型进行年龄预测，通过SHAP分析识别了最具影响力的牙齿特征	数据集规模有限（626张全景X光片），年龄范围较窄（6.0至13.8岁），未来需要扩展数据集并探索多模态整合	提高儿童实足年龄估计的准确性，为临床和法医牙科年龄估计提供可靠工具	儿童的全景牙科X光图像	计算机视觉	NA	全景X光成像	CNN, Transformer	图像	626张全景X光片（来自320名男性和306名女性儿童）	PyTorch, Scikit-learn	ResNet-18, EfficientNetV2-M, Swin V2 Base	RMSE, MAE	NA
2738	2025-12-24	Fusion of machine learning models using fuzzy comprehensive evaluation for thymoma risk prediction: a multicenter analysis 2025-Dec-22, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02493-7 PMID:41430016	研究论文	本研究提出了一种基于模糊综合评价的融合模型（FCE-FM），用于预测胸腺瘤的风险	提出了一种融合五种基础分类模型（逻辑回归、支持向量机、XGBoost、LightGBM、GBDT）的模糊综合评价融合模型（FCE-FM），并整合了模糊综合评价（FCE）、层次分析法（AHP）和三角隶属函数技术，用于胸腺瘤风险预测	NA	开发一个用于胸腺瘤早期风险评估的可靠工具，以改善患者预后	胸腺瘤患者	机器学习	胸腺瘤	放射组学特征提取，深度学习特征提取	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, GBDT	人口统计学数据，放射组学特征，深度学习特征（横断面、矢状面、冠状面）	286名来自两个中心的胸腺瘤患者（训练集196例，内部测试集50例，外部测试集40例）	NA	FCE-FM（模糊综合评价融合模型）	AUC, 准确率	NA
2739	2025-12-24	Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets 2025-Dec-22, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70264 PMID:41431151	研究论文	本研究开发了一个标准化的注释流程，用于整合多个公共睡眠研究数据集中的睡眠呼吸障碍标注，以符合美国睡眠医学学会的指南	提出了一种整合睡眠分期、氧减饱和度和觉醒事件的标准化注释流程，显著提高了跨队列数据的一致性	研究为回顾性分析，依赖于现有数据集的可用性，可能无法完全覆盖所有临床场景	改进睡眠呼吸障碍的标注方法，以支持临床研究和基于人工智能的分析	来自SHHS、MrOS、MESA和KISS等多个公共睡眠研究数据集的受试者	数字病理学	睡眠呼吸障碍	多导睡眠图	深度学习模型	多导睡眠图数据	SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745)	NA	NA	平均绝对误差, F1分数	NA
2740	2025-12-24	Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004584 PMID:41417975	研究论文	本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层	提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，显著提升了生化复发预测和风险分层的性能	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（T2WI, ADC, DWI, CE-T1WI）	深度学习模型	医学图像	923名前列腺癌患者（来自5个三级医疗中心，共10153张图像）	PyTorch	Transformer, ResNet18	AUC, 时间依赖性AUC, 决策曲线分析, 校准曲线	NA