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
321	2025-12-12	CRLM-GAN: a feature-constrained GAN-based deep learning framework for multi-parametric MRI-based segmentation of colorectal liver metastases before and after chemotherapy 2025-Dec-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00964-z PMID:41372955	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
322	2025-12-12	An uncertainty-driven gated feature selection network (UGFS-Net) for TG level prediction: linking high-altitude exposure to lipid metabolism disorder via elevated TG 2025-Dec-10, Lipids in health and disease IF:3.9Q2 DOI:10.1186/s12944-025-02826-w PMID:41372990	研究论文	本研究提出了一种名为UGFS-Net的可解释深度学习模型，用于预测高海拔移民的甘油三酯水平，并揭示了高海拔暴露通过关键生物标志物网络影响脂质代谢紊乱的机制	开发了不确定性驱动的门控特征选择网络，结合了不确定性驱动的样本重加权和困难样本挖掘策略，提升了模型预测性能与可解释性	样本量相对有限（低海拔居民96人，高海拔移民388人），且研究人群特定，可能限制模型的泛化能力	预测高海拔移民的甘油三酯水平，并探索高海拔缺氧与脂质代谢紊乱之间的关联	低海拔居民和高海拔移民的临床指标数据	机器学习	心血管疾病	临床指标测量	深度学习模型	临床指标数据	低海拔居民96人，高海拔移民388人	NA	UGFS-Net	R², 校准指标, 皮尔逊相关系数	NA
323	2025-12-12	Deep learning-based identification of periodontal infrabony defects with regenerative potential: A multicenter retrospective study 2025-Dec-10, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70039 PMID:41373085	研究论文	本研究开发了一种结合YOLO V8和nnU-Net V2的双模型深度学习框架，用于在口腔平行投照X线片上自动识别、量化牙周骨下缺损并提供手术指导	首次提出了一种结合目标检测（YOLO V8）和语义分割（nnU-Net V2）的双模型AI框架，用于牙周骨下缺损的自动化分析，并引入了基于颜色编码的临床指南对齐手术推荐系统	研究为回顾性多中心研究，未来需要前瞻性研究进一步验证；模型在外部数据集上进行了测试，但样本量（n=93）相对有限	开发一个自动化、客观的AI系统，以改进牙周骨下缺损的影像学评估和再生手术规划	牙周骨下缺损	数字病理学	牙周病	口腔平行投照X线摄影	CNN	图像	580张口腔平行投照X线片（内部数据集387张，外部数据集93张），来自三家医疗机构	PyTorch	YOLO V8, nnU-Net V2	Dice系数, 平均绝对误差, 灵敏度, 特异度, F1分数, 准确率	NA
324	2025-12-12	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2025-Dec-10, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	通过交叉注意力融合模块整合局部与全局特征，并利用知识蒸馏实现轻量级网络，在保持高精度的同时提升临床部署效率	模型计算复杂度较高，对计算资源要求较大	利用人工智能加速前列腺癌的早期检测与诊断	前列腺癌病理图像	数字病理学	前列腺癌	组织病理学图像分析	CNN, Transformer	图像	使用公开的PANDA数据集进行训练和测试	PyTorch, TensorFlow	VGG-16, DenseNet-121, AlexNet, Vision Transformer (ViT)	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU（具体型号未提及）, 评估了参数量、FLOPs、GPU内存和推理时间
325	2025-12-12	An interdisciplinary approach in teaching RNA secondary structure prediction to first-year undergraduate students using an automated deep learning RNA 3D model prediction tool 2025-Dec-09, Journal of microbiology & biology education IF:1.6Q2 DOI:10.1128/jmbe.00139-25 PMID:40844273	研究论文	本文介绍了一种面向大一本科生的跨学科教学方法，利用自动化深度学习工具trRosettaRNA预测siRNA的二级结构，以整合人工智能与RNA科学概念	首次将自动化深度学习RNA 3D结构预测工具trRosettaRNA引入本科教学，设计无湿实验室的探究式研讨会，简化AI与RNA科学的跨学科整合	活动仅针对大一健康科学本科生设计，可能未覆盖高级或专业内容；且依赖于特定工具trRosettaRNA，未涉及其他AI方法比较	开发一种跨学科教学方法，将人工智能工具应用于RNA二级结构预测教学，以培养下一代科学家在生物技术领域使用AI平台的能力	大一健康科学本科生	机器学习	NA	RNA二级结构预测，siRNA设计	深度学习	RNA序列数据	NA	NA	trRosettaRNA	NA	NA
326	2025-12-12	A novel ensemble transfer learning approach for lung cancer classification using advance VGGNet16 with wavelet transform equalization & CL-PSO 2025-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111338 PMID:41370952	研究论文	本研究提出了一种基于改进VGG-16模型和综合学习粒子群优化算法的深度学习框架，用于早期肺癌的CT图像分类	结合小波变换均衡化预处理、类别加权训练和CL-PSO优化算法，显著提升了模型对良性病例的检测敏感性和整体分类性能	研究仅使用单一数据集（IQ-OTH/NCCD）进行验证，未在更多外部数据集上测试泛化能力	开发高精度、可实时部署的肺癌早期诊断系统	肺部CT扫描图像	计算机视觉	肺癌	CT成像	CNN	图像	IQ-OTH/NCCD数据集（具体样本数未明确说明）	TensorFlow, PyTorch（未明确指定）	VGG-16	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确说明
327	2025-12-12	Multi-class cancer diagnosis on histopathological images with deep ensemble learning model 2025-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111381 PMID:41370953	研究论文	本研究提出了一种基于深度集成学习的计算机辅助癌症诊断方法，用于在组织病理学图像上检测多种癌症类型	采用基于堆叠的集成学习模型，结合迁移学习，使用DenseNet 201和EfficientNet B7作为基础学习器，以及两层CNN作为元学习器，实现对多种癌症的高精度分类	未明确提及模型在不同数据集上的泛化能力或外部验证结果	开发一种计算机辅助癌症诊断方法，以帮助医疗专业人员进行诊断决策	组织病理学图像中的肺癌、结肠癌、口腔癌和乳腺癌	数字病理学	肺癌, 结肠癌, 口腔癌, 乳腺癌	图像处理, 深度学习	CNN, 集成学习	图像	使用包含肺癌、结肠癌、口腔癌和乳腺癌数据的大型数据集进行训练和测试	NA	DenseNet 201, EfficientNet B7, 两层CNN	准确率	NA
328	2025-12-12	Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization 2025-Dec-09, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.128051 PMID:41371096	综述	本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发及表征中的应用	系统性地阐述了AI技术（特别是ML和DL）如何成为理性疫苗设计的关键基础，并详细说明了其在疫苗开发各关键步骤（如表位预测、抗原性评分、免疫原结构设计等）中的具体应用	数据可用性存在限制	描述ML和DL如何辅助理性疫苗设计，并阐明其在疫苗靶点选择、设计、开发及表征中的作用	疫苗开发过程	机器学习	传染病	NA	ML, DL	NA	NA	NA	NA	NA	NA
329	2025-12-12	panHiTE: a comprehensive and accurate pipeline for TE detection in large-scale population genomes 2025-Dec-09, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101669 PMID:41376169	研究论文	本文介绍了一种用于大规模群体基因组中检测转座元件（TE）的综合且准确的工具panHiTE	提出动态更新的全局TE库以提高计算效率并适用于超大基因组；通过重新比对候选元件至群体基因组来准确重建全长TE；集成新型深度学习检测算法以提升LTR-RT检测的敏感性和精确度；采用容错冗余去除算法高效分组不同家族成员	未明确说明	开发一种用于大规模群体基因组中准确检测和注释转座元件（TE）的工具	植物基因组（如小麦、玉米、拟南芥）中的转座元件（TE）	生物信息学	NA	高通量测序	深度学习	基因组序列数据	26个玉米基因组和32个拟南芥种质	NA	NA	敏感性，精确度	NA
330	2025-12-12	Intelligent retinal disease detection using deep learning 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28376-w PMID:41354757	研究论文	本研究提出了一种基于深度学习的自动化方法，用于使用眼底图像对多种视网膜疾病进行分类	结合了人工神经网络、MobileNetV2和DenseNet121架构，并采用主成分分析和离散小波变换进行特征提取和降维，实现了多类别视网膜疾病的高精度分类	未明确提及模型在外部验证集或临床实际应用中的泛化能力，也未讨论数据集的潜在偏差或模型的可解释性	开发一种自动化系统，以辅助眼科医生通过眼底图像准确、高效地检测和分类视网膜疾病	眼底图像，用于区分健康眼睛与患有糖尿病视网膜病变、白内障或青光眼的眼睛	计算机视觉	视网膜疾病	眼底成像	ANN, 深度学习	图像	NA	NA	MobileNetV2, DenseNet121	准确率	NA
331	2025-12-12	Integrating CT-based radiomics and deep learning for invasive prediction of ground-glass nodules in lung adenocarcinoma: a multicohort study 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02156-6 PMID:41359094	研究论文	本研究旨在探索一种结合放射组学特征和深度学习表示的多实例学习框架，用于预测肺腺癌中磨玻璃结节的侵袭性	提出了一种新颖的多实例学习框架，整合了放射组学特征和深度学习表示，以预测磨玻璃结节的侵袭性，为特征融合提供了新视角	研究为回顾性分析，可能存在选择偏倚；模型性能在不同数据集上略有波动	预测肺腺癌中磨玻璃结节的侵袭性，以辅助术前临床决策	肺腺癌患者的磨玻璃结节	计算机视觉	肺癌	CT成像	多实例学习, 深度学习	CT图像	来自1182名肺腺癌患者的1247个磨玻璃结节，涵盖六家医院	NA	ExtraTrees, 3D深度学习模型, 2.5D深度学习模型	AUC, 校准曲线, 决策曲线分析	NA
332	2025-12-12	Deep learning-enhanced super-resolution diffusion-weighted liver MRI: improved image quality, diagnostic performance, and acceleration 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02150-y PMID:41359109	研究论文	本研究探讨了深度学习重建对肝脏扩散加权成像图像质量的影响及其在区分良恶性肝脏局灶性病变方面的能力	首次将深度学习重建应用于加速采集的肝脏扩散加权成像，在将采集时间减半的同时，显著提升了图像质量和诊断性能	研究为单中心设计，且未详细说明深度学习模型的具体架构和训练细节	评估深度学习重建技术对肝脏扩散加权成像图像质量及良恶性病变鉴别诊断性能的提升效果	疑似肝脏疾病并接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像，深度学习重建	深度学习模型	MRI图像	193名患者（128名男性，65名女性，年龄23-81岁）	NA	NA	AUC, 信噪比, 对比噪声比, 边缘上升距离, 定性Likert评分	NA
333	2025-12-12	Mammo-AGE: deep learning estimation of breast age from mammograms 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65923-5 PMID:41360762	研究论文	本文提出了一种基于深度学习的方法，利用健康乳腺X光片估计乳腺的生物年龄	首次开发了基于乳腺X光片的深度学习模型来估计乳腺生物年龄，并探索其与乳腺癌风险的关系	NA	开发一种从乳腺X光片中估计乳腺生物年龄的深度学习模型，并评估其在乳腺癌风险分层和诊断中的潜力	乳腺X光片	数字病理学	乳腺癌	深度学习	CNN	图像	95,826张乳腺X光片，来自44,497名年龄在18至98岁的女性	NA	NA	平均绝对误差, 风险比	NA
334	2025-12-12	Classifying human vs. AI text with machine learning and explainable transformer models 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27377-z PMID:41360832	研究论文	本研究提出一个综合框架，结合机器学习、序列深度学习和基于Transformer的模型，用于区分人类撰写与GPT生成的文本	采用多种Transformer模型（如BERT、RoBERTa）进行对比，并结合后处理温度缩放和阈值调优以提升校准和精度，同时利用LIME和SHAP进行可解释性分析	NA	区分人类撰写与AI生成的文本，以验证内容真实性和确保语言技术的伦理使用	人类撰写和GPT生成的文本样本	自然语言处理	NA	NA	LSTM, GRU, BiLSTM, BiGRU, BERT, DistilBERT, ALBERT, RoBERTa	文本	20,000个样本	NA	BERT, DistilBERT, ALBERT, RoBERTa	准确率	NA
335	2025-12-12	Deep learning model of post-translational modification regulating liquid-liquid phase separation 2025-Dec-08, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01773-y PMID:41360972	研究论文	本文构建了一个关于翻译后修饰调控液-液相分离的数据库，并开发了基于图神经网络的深度学习模型来预测调控LLPS的功能性磷酸化位点	首次构建了专门针对PTM调控LLPS的数据库PTMPhaSe，并开发了基于图神经网络的预测模型PhosLLPS，其性能优于现有基线模型和FuncPhos-SEQ方法	NA	研究翻译后修饰对液-液相分离的调控机制，并开发预测工具	蛋白质翻译后修饰（特别是磷酸化）及其对液-液相分离的调控	机器学习	NA	NA	图神经网络	生物序列数据	NA	NA	NA	AUC	NA
336	2025-12-12	Context-Aware Deep Learning based Indian Footpath Damage Segmentation Dataset for Risk Assessment 2025-Dec-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06207-x PMID:41361192	研究论文	本文介绍了一个用于印度人行道损伤分割的高分辨率图像数据集，并基于该数据集训练了深度学习模型进行损伤分割和风险评估	提出了首个针对印度城市人行道损伤的像素级分割数据集，包含基于裂缝宽度的严重程度标注，并采用了结合EfficientNet-B3编码器和注意力解码器的U-Net模型以及集成方法进行分割	数据集仅包含单一损伤类别，且采集地点局限于印度浦那市，模型性能仍有提升空间（Dice分数0.6899）	通过自动化基础设施监测来降低行人跌倒风险	人行道损伤（裂缝和表面不平整）	计算机视觉	NA	图像采集与标注	深度学习分割模型	图像	未明确说明具体数量，但为高分辨率图像数据集，采集于印度浦那市不同光照和天气条件下	未明确说明	U-Net, EfficientNet-B3, ResNeXt50_32x4d	Dice分数, IoU, 准确率, 精确率, 召回率, F1分数	NA
337	2025-12-12	Integrating quantile regression with ARIMA and ANN for interpretable and accurate PM2.5 forecasting in Hat Yai, Thailand 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27294-1 PMID:41361220	研究论文	本研究提出了一种结合ARIMA、ANN和分位数回归的新型混合模型，用于提高泰国合艾市PM2.5浓度预测的准确性和鲁棒性	提出了一种集成线性（ARIMA）、非线性（ANN）和分布建模（分位数回归）的新型混合模型，在保持计算效率和高可解释性的同时，显著提升了预测性能，尤其是在极端PM2.5条件下的表现	研究仅使用了泰国合艾市单个监测站（44T站）的数据，模型在其他地理区域或不同污染特征城市的普适性有待验证	开发一种准确、鲁棒且可解释的PM2.5浓度预测模型，以支持有效的空气质量管理和公共健康保护	泰国合艾市（Hat Yai, Songkhla）的每日PM2.5浓度数据	机器学习	NA	时间序列预测，分位数回归	ARIMA, ANN, 混合模型	时间序列数据	1809个每日观测值（2020年1月1日至2024年12月31日），其中训练集1447天，测试集362天	NA	ARIMA(1,1,2), ANN, ARIMA-ANN混合模型, ARIMA-ANN-QREG	MAE, MAPE, MFB	NA
338	2025-12-12	Deep learning-based brain age predicts stroke recurrence in acute ischemic cerebrovascular disease 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02161-5 PMID:41361520	研究论文	本研究开发了一种基于深度学习的脑龄预测模型，用于预测急性缺血性脑血管病患者的卒中复发风险	提出了Mask-based Brain Age estimation Network (MBA Net)，通过掩蔽急性梗死区域来预测非梗死区的上下文脑龄，从而减少急性期神经影像中动态梗死的混淆效应	未明确说明模型在外部验证或不同人群中的泛化能力，以及可能存在的样本选择偏差	开发一种新型生物标志物，用于急性缺血性脑血管病的卒中复发风险分层	急性缺血性脑血管病患者	医学影像分析	脑血管疾病	MRI T2-FLAIR成像	深度学习	医学图像	训练集：5353名健康个体；测试集：10890名急性缺血性脑血管病患者（多中心队列）	NA	Mask-based Brain Age estimation Network (MBA Net)	卒中复发预测的判别性能	NA
339	2025-12-12	Artificial Intelligence-Driven 3D Simulation System for Enhanced Preoperative Planning in Gastric Cancer Surgery: A Retrospective Validation Study 2025-Dec-08, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract IF:2.2Q2 DOI:10.1016/j.gassur.2025.102295 PMID:41371602	研究论文	本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管	结合人工智能模型实现胃部解剖结构的自动识别和三维可视化，以辅助动态器官（胃）的手术规划	研究为回顾性验证，样本量较小（51例），且仅针对胃癌患者，未涉及其他疾病或前瞻性临床试验	开发并验证人工智能驱动的3D模拟系统，以增强胃癌手术的术前规划能力	胃癌患者的术前增强CT图像，包括胃、胰腺、动脉等腹部器官和血管结构	计算机视觉	胃癌	对比增强CT成像	深度学习模型	医学图像（CT图像）	51例胃癌患者的术前CT图像	NA	NA	结构检测置信度评分（五点量表），可靠性评分	NA
340	2025-12-12	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2025-Dec-08, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文回顾了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的诊断应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新型Kolmogorov-Arnold Networks在职业性肺病影像分析中的创新应用	研究普遍依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态与发展前景	职业性肺病的胸部影像（胸片和CT扫描）	计算机视觉	尘肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN	图像	NA	NA	卷积神经网络, CycleGAN, 基于Transformer的因子化编码器, Kolmogorov-Arnold Networks	NA	NA