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
4061	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
4062	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
4063	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
4064	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
4065	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
4066	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
4067	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
4068	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
4069	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
4070	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
4071	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
4072	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
4073	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
4074	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
4075	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
4076	2025-12-24	Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7899 PMID:41410332	研究论文	本文提出了一种基于人工智能的自动化技术，用于在组织学切片中分类HER2过表达细胞	利用深度学习技术和视觉Transformer模型通过迁移学习，实现了对HER2表达的自动分类，减少了诊断变异性和提高了客观性	需要进一步优化处理效率以扩大应用范围	开发一种自动化技术来分类乳腺癌组织中的HER2过表达细胞	来自89名患者的乳腺癌组织学切片样本，覆盖所有四种HER2表达水平	数字病理学	乳腺癌	组织学分析	深度学习, 神经网络, 视觉Transformer	图像	89名患者的样本	NA	ViT-B/16	准确率	NA
4077	2025-12-24	[Deep learning-based endoscopic diagnosis of nasopharyngeal carcinoma: model development and cloud deployment] 2025-Dec-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20250627-00336 PMID:41372061	研究论文	本研究开发了一种基于白光成像和窄带成像内镜图像的深度学习辅助诊断模型，用于鼻咽癌诊断，并探索了其在远程诊断系统中的临床应用潜力	首次将深度学习与鼻内镜图像分析相结合，开发了针对鼻咽癌的AI辅助诊断模型，并构建了原型云诊断平台，为资源有限地区提供了早期筛查解决方案	研究为回顾性设计，样本主要来自单一医疗中心，未来需要多中心前瞻性研究进一步验证模型的泛化能力和临床实用性	开发基于内镜图像的鼻咽癌AI辅助诊断模型，并探索其在远程医疗系统中的应用	鼻咽癌患者的白光成像和窄带成像内镜图像	计算机视觉	鼻咽癌	白光成像, 窄带成像	CNN	图像	1262名受试者，包含9370张WLI图像和5558张NBI图像	未明确说明	InceptionResNetV2	准确率, AUC	NA
4078	2025-12-24	Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13397-1 PMID:41283977	综述	本文综述了人工智能在血管外科中如何革新动脉愈合、重塑和预测分析的应用	整合了机器学习、深度学习算法以及计算流体动力学模拟，为血管手术的精准医疗和个性化治疗提供了前所未有的见解	需要高质量标注数据集、算法可解释性问题以及数据隐私的伦理担忧	探讨人工智能在血管外科中提升动脉愈合、重塑和预测分析的应用与潜力	动脉愈合、重塑过程及血管手术相关预测分析	机器学习	心血管疾病	超声、MRI分析、计算流体动力学模拟	CNN, RNN	图像、生物传感器数据	NA	NA	卷积神经网络、循环神经网络	NA	NA
4079	2025-12-24	Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13491-5 PMID:41283980	综述	本文综述了基于人工智能的决策支持系统在血管外科中的应用、潜力及挑战	系统性地探讨了AI-DSS在血管外科从影像分析到术后预测的全流程应用，并强调了数字孪生、可穿戴监测等新兴概念，同时深入分析了伦理、法律及实施障碍	许多模型仍是“黑箱”，存在可解释性、泛化性以及与电子记录集成方面的挑战，且高开发成本和不确定的报销政策限制了实际应用	评估AI-DSS在血管外科临床实践中的作用、应用前景及面临的障碍	基于人工智能的决策支持系统及其在血管外科领域的应用	数字病理学	心血管疾病	深度学习	NA	影像数据、生物力学模型数据、生物标志物数据	NA	NA	NA	准确率	NA
4080	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Dec, Neuroscience informatics DOI:10.1016/j.neuri.2025.100240 PMID:41393096	研究论文	本研究提出了一种基于功率-功率跨频耦合的新方法，用于检测和分析颞叶癫痫发作，并利用深度学习网络进行特征提取和分类	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并识别了三种常见癫痫发作组件的独特耦合特征	研究仅针对颞叶癫痫，样本量相对较小（26名患者），且依赖于特定的颅内脑电图数据库	评估功率-功率跨频耦合方法在癫痫发作检测中的能力，并分析不同癫痫发作组件的耦合特征	颞叶癫痫患者的颅内脑电图记录，包括120次癫痫发作和背景活动片段	机器学习	癫痫	颅内脑电图	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作	EEGLAB	堆叠稀疏自编码器, 长短期记忆网络	灵敏度, 特异性, 准确率	NA