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
3721	2025-12-09	PlasmoFP: leveraging deep learning to predict protein function of uncharacterized proteins across the malaria parasite genus 2025-Oct-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.12.675843 PMID:41279499	研究论文	本文介绍了PlasmoFP，一种利用深度学习预测疟原虫属中未表征蛋白质功能的模型	PlasmoFP创新性地基于系统发育相关的SAR超群蛋白质的结构-功能关系进行训练，解决了疟原虫蛋白质因序列相似性低而难以注释的挑战	NA	预测疟原虫属中未表征蛋白质的功能，以推进疟疾基础研究	疟原虫属中的蛋白质，特别是未注释或功能未知的蛋白质	机器学习	疟疾	深度学习	深度学习模型	蛋白质序列和结构数据	涉及19种疟原虫物种的蛋白质	NA	NA	通过减少未注释蛋白质比例和增加完全注释蛋白质比例进行评估	NA
3722	2025-12-09	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-Oct-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文对机器学习在医学微波成像中的应用进行了范围综述，重点关注图像重建和分类两个关键领域	系统性地梳理了机器学习在微波成像中从重建到分类的最新研究进展，并强调了其在临床转化中的潜力	作为范围综述，未进行定量荟萃分析，且可能未涵盖所有新兴方法	探讨机器学习在医学微波成像中的角色，特别是在图像重建和分类任务中的应用	医学微波成像技术及其在乳腺和脑部成像等医疗应用中的研究	机器学习	乳腺癌, 神经系统疾病	微波成像	卷积神经网络, 支持向量机	微波成像数据	NA	NA	NA	NA	NA
3723	2025-12-09	Multi-label diagnosis of dental conditions from panoramic x-rays using attention-enhanced deep learning 2025-Oct-07, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01463-y PMID:41055759	研究论文	本研究开发并评估了用于全景X射线图像中多类别牙科疾病自动分类的深度学习模型，比较了自定义CNN架构、注意力机制、预训练模型和混合方法的有效性	结合注意力机制的自定义CNN架构、预训练模型与注意力机制的集成，以及CNN与机器学习（如随机森林）的混合方法，用于牙科疾病的多标签诊断	数据集缺乏正常/健康病例，且需在不同临床人群中进行前瞻性验证研究以确立真实世界的有效性和安全性	开发并评估用于全景X射线图像中牙科疾病多类别自动分类的深度学习模型	全景牙科X射线图像	计算机视觉	牙科疾病	数据增强、CLAHE增强、归一化	CNN, SVM, Random Forest, Decision Tree	图像	1,512张全景牙科X射线图像，预处理后生成4,764张类别平衡图像	TensorFlow, PyTorch, Scikit-learn	自定义CNN, VGG16, ResNet50, Xception	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
3724	2025-12-09	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	本文开发并验证了一种模态不变的3D Swin U-Net Transformer深度学习模型，用于在来自多个机构的儿童和成人患者的腹部T1加权或T2加权MR图像上进行肝脏和脾脏分割	提出了一种模态不变的3D Swin UNETR模型，采用模态不变训练策略，将每位患者的T1w和T2w MR图像作为独立训练样本处理，从而实现对不同模态（T1w和T2w）图像的鲁棒分割	研究为回顾性设计，可能受限于数据集的多样性和规模；模型性能在不同模态间存在差异（如脾脏分割在T1w图像上DSC较低）	开发并验证一种能够处理多机构、多模态临床腹部MR图像的深度学习模型，用于肝脏和脾脏的自动分割	儿童和成人患者（已知或疑似慢性肝病）的腹部T1加权和T2加权MR图像	数字病理学	慢性肝病	MR成像（T1加权和T2加权）	Transformer, CNN	3D MR图像	304名患者（年龄31.8±20.3岁，43%女性），共241个T1w和339个T2w MR序列	NA	Swin UNETR, U-Net	Dice相似系数	NA
3725	2025-12-09	Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review 2025-Oct, The Laryngoscope DOI:10.1002/lary.32246 PMID:40371996	综述	本文对人工智能在手术技能评估中的应用进行了范围综述，特别关注其在耳鼻喉科教育中的潜力	系统性地综述了AI在手术技能评估中的最新进展，并特别聚焦于耳鼻喉科领域，强调了自动化反馈和客观评估的潜力	作为一篇范围综述，主要基于现有文献进行分析，未进行新的原始数据收集或模型验证	探讨人工智能在手术技能评估中的应用进展，并评估其提升耳鼻喉科教育水平的潜力	涉及手术技能评估的研究，包括基础手术任务（如打结、缝合）和特定外科手术（如乳突切除术、鼻中隔成形术）	计算机视觉	耳鼻喉科疾病	深度学习，机器学习，计算机视觉	NA	运动学数据，运动数据，力数据，视频	34项符合纳入标准的研究	NA	NA	分类准确率	NA
3726	2025-12-09	Reproducible meningioma grading across multi-center MRI protocols via hybrid radiomic and deep learning features 2025-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03725-8 PMID:40824403	研究论文	本研究提出了一种结合影像组学特征和基于3D自动编码器的深度学习特征的方法，用于脑膜瘤术前分级，旨在提高跨多中心MRI协议的准确性和可重复性	创新性地将手工影像组学特征与基于3D自动编码器（集成注意力机制）的深度学习特征相结合，并利用ComBat方法进行批次效应校正，以提升跨协议性能	未来需要在真实临床环境中进一步验证，并考虑整合临床参数以增强预后价值	开发一种可靠、非侵入性的脑膜瘤术前分级方法	经组织学确认的脑膜瘤患者	数字病理	脑膜瘤	MRI（T1增强和T2加权成像）	3D自动编码器, XGBoost, CatBoost, 堆叠集成	图像	3523名患者（1900例低级别，1623例高级别）	NA	3D自动编码器	准确率, 灵敏度, AUC	NA
3727	2025-12-09	Revolutionizing cleft lip and palate management through artificial intelligence: a scoping review 2025-Apr-10, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01371-1 PMID:40208434	综述	本文对过去10年人工智能在唇腭裂管理中的应用进行了范围综述，涵盖了预测、诊断、治疗和教育等多个方面	首次对人工智能在唇腭裂领域的应用进行系统性范围综述，并识别出六个关键子类别	研究数量有限（仅25篇），且主要集中在特定地区（如美国），可能存在发表偏倚	综述人工智能在唇腭裂预测、诊断和治疗中的应用，以优化患者护理	唇腭裂患者	数字病理	唇腭裂	NA	深度学习, 机器学习	NA	NA	NA	NA	NA	NA
3728	2025-12-09	Deep Probabilistic Principal Component Analysis for Process Monitoring 2025-Apr, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3386890 PMID:38652625	研究论文	本文提出了一种新颖的深度概率主成分分析（DePPCA）模型，用于工业过程监控和故障检测	结合概率建模和深度学习的优势，通过贪婪分层预训练和端到端微调构建深度结构，实现高效特征提取和监控	NA	开发一种准确且高效的过程监控方法	工业过程监控和故障检测	机器学习	NA	概率潜在变量模型，深度学习	PPCA, DePPCA	工业过程数据	NA	NA	深度PPCA（DePPCA）	NA	NA
3729	2025-12-09	Toward non-invasive diagnosis of Bankart lesions with deep learning 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3046251 PMID:41341525	研究论文	本研究开发了基于深度学习的模型，用于在标准MRI和MRA上检测Bankart病变，以提高诊断准确性并减少对侵入性MRA的依赖	首次使用Swin Transformer架构，通过多视图集成方法，在标准MRI上实现了与MRA相当的诊断性能，为Bankart病变的非侵入性诊断提供了新途径	研究样本量相对有限（586个MRI），且仅基于单中心数据，可能影响模型的泛化能力	提高Bankart病变的诊断准确性，减少对侵入性MRI关节造影（MRA）的依赖	558名接受关节镜检查患者的586个肩部MRI图像（包括标准MRI和MRA）	计算机视觉	肩部损伤	MRI, MRA	深度学习	图像	586个肩部MRI（335个标准MRI，251个MRA），来自558名患者	PyTorch	Swin Transformer	AUC, 准确率, 灵敏度, 特异性	NA
3730	2025-12-09	Ethical and legal concerns in artificial intelligence applications for the diagnosis and treatment of lung cancer: a scoping review 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1663298 PMID:41164831	综述	本文通过范围综述探讨了人工智能在肺癌诊疗应用中的伦理与法律问题	系统性地识别并总结了AI在肺癌诊疗领域应用中最突出的伦理与法律关切点，特别是数据隐私、算法偏见及全球适用性差距	多数研究缺乏全面的法律分析，且文献主要来自高收入国家，全球视角不足，提出的解决方案未经验证且碎片化	评估人工智能在肺癌诊疗应用中的伦理与法律挑战	人工智能在肺癌筛查、诊断、治疗及预后中的应用	数字病理	肺癌	NA	深度学习	诊断影像	20篇符合纳入标准的文献	NA	NA	NA	NA
3731	2025-12-09	Brain tumour segmentation in fused MRI-PET images with permutate U-Net framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335952 PMID:41343590	研究论文	本文提出了一种基于Permutate U-Net框架的脑肿瘤分割方法，用于融合MRI-PET图像	设计了Permutate版本的U-Net架构，结合PCA融合MRI-PET图像以提高图像质量和分割精度	NA	自动精确地检测和分割脑肿瘤区域	脑肿瘤	数字病理学	脑肿瘤	MRI-PET图像融合	U-Net	图像	使用BraTS 2015、2020和2021数据集	NA	Permutate U-Net	Dice系数, IoU, 准确率	NA
3732	2025-12-09	ConvLSTM-based tropical cyclone intensity estimation and classification using satellite imagery over the North Indian ocean 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330705 PMID:41348707	研究论文	本研究提出了一种基于深度学习的框架，利用卫星图像序列对北印度洋的热带气旋进行检测、分类和强度估计	提出了一种混合架构，结合CNN和ConvLSTM共同学习时空模式，并引入了基于聚类的气旋区域隔离方法、序列级数据增强以及使用SMOTE缓解类别不平衡问题	未来工作需要通过集成学习、更复杂的架构或更大的数据集来提高模型的泛化能力	开发有效的热带气旋早期预警和灾害预防系统	北印度洋的热带气旋	计算机视觉	NA	卫星图像序列分析	CNN, ConvLSTM	图像序列	CIMSS热带数据档案和IMD最佳路径数据集	NA	VGG16, ConvLSTM	准确率, RMSE	NA
3733	2025-12-08	Improving the performance of daily pan evaporation (Evp) prediction using the ensemble empirical mode decomposition combined with deep learning models 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27255-8 PMID:41345149	研究论文	本研究提出了一种结合集合经验模态分解与深度学习模型来预测日蒸发皿蒸发量的新方法	首次将集合经验模态分解与长短期记忆网络和卷积神经网络结合，用于蒸发量预测，并通过分解输入变量为固有模态函数来简化复杂模式	研究仅针对伊朗东北部Kardeh Dam流域，模型在其他气候区域的普适性有待验证	提高日蒸发皿蒸发量的预测精度，以支持水资源管理和节水决策	蒸发皿蒸发量	机器学习	NA	集合经验模态分解	LSTM, CNN	时间序列数据	NA	NA	LSTM, CNN	RMSE, MAE, SI	NA
3734	2025-12-08	Durability and service life prediction of fly ash based geopolymer high performance concrete under extreme environmental conditions 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27229-w PMID:41345153	研究论文	本研究开发了一个基于物理信息与深度学习的集成框架，用于预测粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性与剩余使用寿命	提出了一个结合Transformer物理信息神经网络、时空图神经网络、深度强化学习混合优化、超图自监督学习和扩散概率模型的综合框架，实现了多尺度、多机制退化建模与不确定性量化	未在论文摘要中明确说明	提升粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性预测精度与使用寿命评估	粉煤灰基地质聚合物高性能混凝土	机器学习	NA	深度学习	Transformer, 图神经网络, 深度强化学习, 自监督学习, 扩散概率模型	混凝土性能数据、裂纹传播时空数据、材料微观结构数据	未在摘要中明确说明	未在摘要中明确说明	Transformer Based Physics Informed Neural Network (TPINN), Spatiotemporal Graph Neural Networks (ST-GNN), Deep Reinforcement Learning Based Mix Optimization (DRL MO), Hypergraph Self Supervised Learning (HSSL), Diffusion Probabilistic Model for Uncertainty Quantification (DPM-UQ)	预测准确性、可解释性、数据需求降低程度	未在摘要中明确说明
3735	2025-12-08	A deep learning framework for predicting aircraft trajectories from sparse satellite observations 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27064-z PMID:41345157	研究论文	本文提出了一种名为HiFormer的深度学习框架，用于从稀疏卫星观测中预测飞机轨迹	HiFormer框架首次将卷积、循环和注意力序列建模集成于统一架构，以单次前向过程捕捉短、中、长期运动依赖，并构建了大规模合成轨迹数据集	未明确提及模型在极端天气或复杂空域环境下的泛化能力	开发一种能够从稀疏卫星观测中可靠预测飞机轨迹的深度学习框架	飞机轨迹数据，包括合成轨迹和真实ADS-B飞行片段	机器学习	NA	卫星光学传感器观测，ADS-B数据	深度学习框架（集成卷积、循环和注意力机制）	轨迹数据（合成与真实飞行数据）	12,000条合成轨迹和1,000段真实ADS-B飞行片段	未明确指定，可能为PyTorch或TensorFlow	HiFormer（自定义集成架构）	多步预测误差降低百分比（合成数据30%，真实数据10%）	NA
3736	2025-12-08	MedShieldFL-a privacy-preserving hybrid federated learning framework for intelligent healthcare systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27303-3 PMID:41345162	研究论文	本文提出了一种名为MedShieldFL的混合隐私保护联邦学习框架，用于医疗系统中的安全去中心化脑肿瘤分类	结合了同态加密和数据增强技术，在保护患者数据隐私的同时处理类别不平衡问题，相比传统联邦学习模型性能提升约2%	未明确说明框架在更大规模医疗机构的扩展性，也未讨论不同加密级别对计算效率的具体影响	开发一个隐私保护的联邦学习框架，以解决医疗数据共享中的隐私和安全问题	脑肿瘤医学图像	计算机视觉	脑肿瘤	数据增强，同态加密	CNN	图像	NA	NA	ResNet-18	准确率	NA
3737	2025-12-08	Wave masking enhances electrocardiogram reconstruction with linear regression 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27196-2 PMID:41345416	研究论文	本研究提出了一种名为波掩蔽的新型预处理技术，用于增强基于线性回归的心电图重建性能，并与深度学习方法进行了比较	将图像识别中的掩蔽技术适应到心电图时间序列信号中，以突出对重建最相关的关键部分，从而显著提升线性回归模型的性能	波掩蔽技术虽能提升线性回归性能，但未超越深度学习方法，且研究仅基于正常心电图记录，未整合到深度学习模型或多样本人口记录中进行全面探索	提高心电图重建的准确性和效率，通过预处理技术优化信号处理流程	心电图信号，特别是从减少或替代导联集中合成导联	机器学习	心血管疾病	波掩蔽预处理技术	线性回归, 深度学习模型	时间序列信号（心电图）	10,000条正常心电图记录，来自CODE-15%数据库	NA	NA	平均相关系数	NA
3738	2025-12-08	Uncertainty quantification enables reliable deep learning for protein-ligand binding affinity prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27167-7 PMID:41345415	研究论文	本文系统比较了五种不确定性量化方法在蛋白质-配体结合亲和力预测中的应用，并发现贝叶斯反向传播方法结合前馈神经网络能提供优异的预测性能和可靠的不确定性估计	首次在蛋白质-配体结合亲和力预测领域应用贝叶斯反向传播方法进行不确定性量化，该方法在无需额外校准的情况下表现出优异的校准性能	NA	提高深度学习模型在蛋白质-配体结合亲和力预测中的泛化能力和预测可靠性	蛋白质-配体复合物	机器学习	NA	深度学习	前馈神经网络	分子特征数据	基于Leak-Proof PDBBind数据集，并在多个外部测试集上进行评估	NA	前馈神经网络	校准性能, 多个评估指标	NA
3739	2025-12-08	Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information : Of frequency domain information 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27332-y PMID:41345479	研究论文	本文提出了一种结合地质约束和频域信息滤波的卷积深度学习算法，用于识别多元素地球化学异常	开发了一种新颖的地质约束卷积深度学习算法，通过频域数据训练和Butterworth滤波增强特征提取能力，解决了传统2D CNN在多元素地球化学异常映射中的局限性	算法在特定区域（伊朗Robat Sefid地区）进行验证，可能在其他地质环境中的泛化能力未充分评估	高效检测与矿床相关的多元素地球化学异常	多元素地球化学数据表	机器学习	NA	地球化学分析	CNN	表格数据	NA	NA	一维卷积神经网络	成功率曲线	NA
3740	2025-12-08	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统总结了基于人工智能（AI）的跨癌种新辅助免疫治疗（NIT）反应预测模型，包括间接和直接预测范式，并基于数据模态（如影像组学、病理组学、基因组学、多组学）对现有模型进行了分类	首次对跨癌种的AI驱动NIT反应预测方法进行了全面、系统的回顾，并提出了间接与直接预测范式的分类框架，以及基于多模态数据的模型分类	现有预测模型仍面临基于生物标志物和AI技术本身的重大挑战，如肿瘤异质性、数据可解释性、模型泛化能力等	总结和评估现有AI方法在预测新辅助免疫治疗反应方面的应用，以指导未来研究并推动AI在精准免疫治疗中的整合	跨多种癌症类型的新辅助免疫治疗（NIT）反应预测	机器学习	泛癌种	NA	机器学习（ML）, 深度学习（DL）	高维多模态肿瘤数据（如影像、病理、基因组学、多组学数据）	NA	NA	NA	NA	NA