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
2981	2025-12-12	Implications of computed tomography reconstruction algorithms on coronary atheroma composition: A head-to-head comparison with multimodality near-infrared spectroscopy intravascular ultrasound imaging 2025 Nov-Dec, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.10.009 PMID:41125464	研究论文	本研究比较了不同CTA重建算法在评估冠状动脉斑块成分方面的性能，以NIRS-IVUS为参考标准	首次系统比较了多种CTA重建参数（包括迭代重建强度、切片厚度和HU阈值）对斑块成分分析的影响，并确定了最优组合	样本量较小（仅15名患者），且仅针对慢性冠状动脉综合征患者，可能限制了结果的普适性	评估CTA重建方法在冠状动脉斑块成分分析中的准确性	慢性冠状动脉综合征患者的冠状动脉斑块	医学影像分析	心血管疾病	计算机断层扫描血管造影（CTA）、近红外光谱-血管内超声（NIRS-IVUS）	深度学习	医学影像（CT和IVUS图像）	15名患者，50条血管	NA	NA	组内相关系数（ICC）、累积排名曲线下面积（SUCRA）	NA
2982	2025-12-12	Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction 2025-Oct-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.30.679628 PMID:41256652	研究论文	本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力	提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测	未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误	解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题	DNA-蛋白质相互作用	机器学习	NA	深度学习, 大型语言模型	Transformer	基因组序列数据, 蛋白质相互作用数据	78个未见过的蛋白质作为基准测试集	未明确指定，但提及了基于Transformer的模型和LLM	Transformer	AUC-PR, AUC-ROC, MCC	NA
2983	2025-12-12	A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics 2025-Oct, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2025.2545828 PMID:40772544	观点文章	本文批判性地审视了机器学习在临床蛋白质组学生物标志物发现中的应用，强调算法新颖性无法弥补小样本量、批次效应、过拟合、数据泄露和模型泛化差等问题	提出在临床蛋白质组学中应现实且负责任地使用机器学习，强调严谨的研究设计、适当的验证策略以及透明、可重复的建模实践，而非追求炒作驱动的复杂性	本文为观点性文章，未进行具体实验或模型开发，因此未提供实证数据或性能比较	探讨机器学习在临床蛋白质组学生物标志物发现中的角色、挑战及未来方向	临床蛋白质组学数据及相关的机器学习应用	机器学习	NA	临床蛋白质组学	深度学习架构	蛋白质组学数据	NA	NA	NA	NA	NA
2984	2025-12-12	Global Growth and Distribution of CyberKnife Stereotactic Radiosurgery: A Bibliometric Analysis 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000150 PMID:41163657	研究论文	本文通过文献计量学方法分析了CyberKnife立体定向放射外科的全球增长趋势和分布，特别关注其在神经外科疾病中的应用	首次使用文献计量学方法全面评估CyberKnife立体定向放射外科的出版趋势、作者合作网络及疾病应用演变，并识别了新兴的跨学科关键词如机器学习和深度学习	研究仅基于Web of Science数据库，可能遗漏其他来源的文献；且为回顾性分析，无法直接评估临床效果	探索CyberKnife立体定向放射外科相关出版物的当前趋势和演变，重点关注神经外科疾病应用	3980篇相关学术文章及其作者、机构、关键词和疾病应用	医学信息学	脑转移瘤、前庭神经鞘瘤、脑膜瘤、垂体腺瘤、血管瘤、海绵窦疾病	文献计量分析、网络可视化	NA	文本数据（学术文章元数据）	3980篇文章，来自12,077位作者	R	NA	NA	NA
2985	2025-12-12	Detection and segmentation of brain metastases on MRI using 3D-MedDCNet 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.18001 PMID:40665544	研究论文	本文提出了一种名为3D-MedDCNet的新型深度学习模型，用于MRI中脑转移瘤的检测与分割，旨在提高对小转移病灶的检测敏感性和分割准确性	在nnUNet框架中集成了3D可变形卷积（3D-DCN），以增强对小转移病灶的检测敏感性，同时不增加假阳性率	模型尚未在更多样化的数据集上进行验证，未来需要探索基础模型和改进实例分割策略	提高MRI中脑转移瘤的自动化检测与分割精度，以支持临床决策和治疗规划	脑转移瘤	数字病理学	脑转移瘤	MRI	CNN	图像	两个数据集：UCSF脑转移数据集（560个MRI扫描）和BraTS-METS 2023数据集（1,297个MRI扫描）	nnUNet	3D-MedDCNet（基于nnUNet集成3D-DCN）	敏感性, 精确度, 病灶级Dice系数, 患者级Dice系数, 假阳性率	NA
2986	2025-12-12	Cyber-physical security of biochips: A perspective 2025-May, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0252554 PMID:40454326	综述	本文从视角角度探讨了微流控生物芯片面临的网络安全威胁及相应的多层防护对策	系统性地从结构、材料、样本和知识产权四个层面，综述了针对生物芯片的新兴攻击向量与基于深度学习、分子标记等技术的创新防护措施	NA	探讨微流控生物芯片的网络安全威胁并提出多层防护框架，以确保其在关键应用中的可靠性、安全性和可信度	微流控生物芯片	网络安全	NA	深度学习异常检测、分子条形码、光谱水印、物理不可克隆功能	NA	显微结构图像、光学变化数据、化学光谱数据、DNA序列数据	NA	NA	NA	NA	NA
2987	2025-12-12	Building extraction from remote sensing imagery using SegFormer with post-processing optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338104 PMID:41359638	研究论文	本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法	采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果	NA	实现从遥感影像中高效、准确地提取建筑物	遥感影像中的建筑物	计算机视觉	NA	NA	Transformer	图像	使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景	NA	SegFormer, MiT-B5	交并比	NA
2988	2025-12-12	Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336906 PMID:41359688	研究论文	本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度	提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征	未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力	提高中国航运市场时间序列预测的准确性和稳定性	中国航运指数	机器学习	NA	变分模态分解，混沌粒子群优化	BiLSTM	时间序列数据	未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证	NA	双向长短期记忆网络	预测准确性，模型稳定性	NA
2989	2025-12-12	Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1701545 PMID:41377689	研究论文	本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征	首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断	样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力	探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法	育龄女性的舌象和面部图像数据	计算机视觉	肾虚综合征	图像采集	CNN	图像	376对舌面和面部图像（训练集），130例患者（外部验证集）	NA	DenseNet	准确率, 精确率, 召回率, F1分数, ROC, AUC	NA
2990	2025-12-12	A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks 2025, Zoological studies IF:1.5Q2 DOI:10.6620/ZS.2025.64-24 PMID:41377859	研究论文	本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别	首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预	数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间	开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别	赤拟谷盗（Tribolium castaneum）的蛹期昆虫	计算机视觉	NA	显微成像	CNN	图像	116张赤拟谷盗蛹的背侧和腹侧显微图像	NA	NA	准确率, F1分数	NA
2991	2025-12-12	Plug-and-play high-frequency feature enhancement for plant image super-resolution 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1723354 PMID:41378185	研究论文	本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力	提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建	未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限	旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业	植物图像，包括大规模种植园图像、水生植物图像和作物病害图像	计算机视觉	NA	深度学习超分辨率	CNN	图像	三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害）	NA	NA	PSNR, SSIM	NA
2992	2025-12-12	Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698680 PMID:41378244	研究论文	本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力	首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化	研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证	开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果	接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录）	数字病理学	心血管疾病	心电图, 胸部X光, 超声心动图	深度学习	心电图信号, 医学影像	7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录	NA	1D ResNet50-Transformer, EfficientNet	AUROC	NA
2993	2025-12-12	Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619309 PMID:41378299	研究论文	本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较	首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具	研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例）	开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略	上海普陀区的膀胱癌患者	机器学习	膀胱癌	生存分析	TabNet, 逻辑回归	结构化临床数据	620例膀胱癌患者（训练集434例，验证集186例）	TabNet	TabNet	ROC曲线, 决策曲线分析, 校准曲线	NA
2994	2025-12-12	Multi-model deep learning for dementia detection: addressing data and model limitations 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1638022 PMID:41378346	研究论文	本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制	通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响	所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应	评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制	痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像	医学影像分析	痴呆症	结构MRI（sMRI）	CNN, Vision Transformer, 注意力模型, 胶囊网络	图像	每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集	NA	3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet	准确率, 特异性, 灵敏度	NA
2995	2025-12-11	Incorporating and quantifying deformable image registration uncertainties in dose accumulation: a feasibility study on the benefit of online adaptive therapy 2025-Dec-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2180 PMID:41259889	研究论文	本研究提出了一种概率框架，将可变形图像配准的不确定性纳入剂量累积中，并通过剂量-体积直方图带将其转化为临床相关指标，以探索在线自适应质子治疗的潜在益处	开发了一种概率框架，首次将DIR不确定性显式整合到剂量累积中，并生成可解释的DVH带以可视化不确定性	研究仅基于五名头颈癌患者的小样本队列，结果可能缺乏普适性	评估和量化可变形图像配准不确定性在剂量累积中的影响，以改进自适应质子治疗的工作流程	头颈癌患者的每日锥形束计算机断层扫描图像和剂量分布	医学影像分析	头颈癌	可变形图像配准, 深度学习, 锥形束计算机断层扫描	深度学习模型	医学影像	5名头颈癌患者，共157次每日锥形束计算机断层扫描	NA	NA	剂量-体积直方图带, D98%改善	NA
2996	2025-12-11	Deep Learning-Driven Discovery of Bee-Safe Isoxazoline Pesticide Candidates 2025-Dec-10, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c12299 PMID:41324313	研究论文	本文开发了一种创新的深度学习模型，用于发现对蜜蜂安全的异恶唑啉类农药候选物	提出了一种结合图神经网络和残差网络的新架构，并利用新训练集增强，克服了现有预测平台对异恶唑啉类农药毒性评估的局限性	未明确提及具体的数据缺口或模型泛化能力的限制	开发一种准确评估异恶唑啉类农药对蜜蜂毒性的预测工具，以发现更安全的农药替代品	异恶唑啉类农药（如氟噻虫胺）及其对蜜蜂的毒性	机器学习	NA	深度学习	GNN, ResNet	化学结构数据	NA	NA	GGHT, ResNet	NA	NA
2997	2025-12-11	Deep learning habitat radiomics based on ultrasound for predicting preoperative locally progression and postoperative recurrence risk of thyroid cancer: a multicenter study 2025-Dec-10, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004415 PMID:41363706	研究论文	本研究开发了一种基于超声的深度学习栖息地放射组学模型，用于预测甲状腺癌的术前局部进展和术后复发风险	首次将深度学习栖息地放射组学应用于甲状腺癌超声图像，通过瘤内亚区分割和瘤周区域分析捕捉肿瘤空间异质性，并结合临床变量构建预测模型	研究为回顾性设计，需要更多样化临床环境和更长随访时间的前瞻性验证	开发预测甲状腺癌局部进展和复发风险的超声影像模型	甲状腺癌患者	数字病理学	甲状腺癌	超声成像	深度学习	超声图像	回顾性队列1881例（来自9个医疗中心），前瞻性验证队列130例	未明确说明	深度学习栖息地放射组学模型	AUC, Kaplan-Meier分析, Cox回归	未明确说明
2998	2025-12-11	Exploring the pathogenic mechanism of RNH1 in colorectal cancer based on eQTL, Multi-omics and deep learning 2025-Dec-10, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01029-4 PMID:41366589	研究论文	本研究基于eQTL、多组学和深度学习探索RNH1在结直肠癌中的致病机制	首次将RNH1与双硫死亡和结直肠癌风险联系起来，并利用单细胞RNA测序、空间转录组测序和深度学习生存神经网络构建预后模型	研究主要基于生物信息学分析和体外验证，缺乏体内实验验证RNH1的具体功能机制	探索RNH1在结直肠癌中的致病机制及其作为生物标志物和治疗靶点的潜力	结直肠癌患者组织和细胞	机器学习	结直肠癌	eQTL, 单细胞RNA测序, 空间转录组测序, RNA测序, qPCR	深度学习生存神经网络	基因表达数据, 转录组数据, 单细胞数据, 空间转录组数据	结直肠癌患者癌组织和正常组织样本	NA	DeepSurv	生存分析	NA
2999	2025-12-11	EEG motor imagery classification through a two-dimensional CNN-LSTM deep architecture and fuzzy decision-making 2025-Dec-10, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2554256 PMID:41368697	研究论文	本文提出了一种基于二维CNN-LSTM深度架构和模糊决策的EEG运动想象分类方法	结合了二维CNN-LSTM模型和Choquet模糊积分进行决策融合，以提升在噪声EEG条件下的分类可靠性	NA	开发一种鲁棒的深度学习框架，用于从原始EEG信号中自动检测运动想象	原始EEG信号	机器学习	NA	STFT	CNN, LSTM	EEG信号	NA	NA	二维CNN-LSTM	准确率	NA
3000	2025-12-11	A deep learning system on monolithic implant-supported crown design: Evaluating AI-generated models against conventional software outputs 2025-Dec-10, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.70067 PMID:41368738	研究论文	本研究评估了一种基于Transformer的深度学习模型在生成单颗种植体支持冠（ISC）方面的有效性，并与传统软件生成的冠进行比较	首次将基于Transformer的深度学习模型（PoinTr架构）应用于种植体支持冠的自动化设计，相比传统软件，在轮廓、咬合形态和穿龈轮廓方面更接近技师设计	概念验证研究，样本量有限（311例），近中接触适应性在所有自动化组中仍不如技师设计冠	评估AI生成种植体支持冠的有效性，并与传统软件输出进行比较	单颗后牙第一磨牙区种植体支持冠的设计	计算机视觉	NA	深度学习	Transformer	数字印模图像	311例患者（291例用于训练，20例用于验证）	NA	PoinTr	整体轮廓偏差, 咬合形态差异, 近中接触, 穿龈轮廓	NA