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
4161	2025-12-22	DeepKinome: quantitative prediction of kinase binding affinity by a compound using deep learning based regression model 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1698891 PMID:41415030	研究论文	本文介绍了DeepKinome，一个基于20层卷积神经网络的深度学习回归模型，用于预测小分子化合物与激酶之间的定量结合亲和力	开发了DeepKinome模型，通过深度学习回归方法预测激酶结合亲和力，并利用可解释人工智能分析揭示了影响预测的关键氨基酸序列，这些序列与已知激酶磷酸化位点一致	模型训练数据仅来自L1000数据库的234种激酶和163种化合物，数据规模和多样性可能有限	预测小分子化合物与激酶之间的定量结合亲和力，以促进激酶抑制和化合物结合的理解	激酶和小分子化合物	机器学习	NA	深度学习回归	CNN	定量结合亲和力数据	234种激酶和163种化合物	NA	20层卷积神经网络	RMSE, R2, Pearson's correlation coefficient, acceptance interval ratio	NA
4162	2025-12-22	Comprehensive evaluation and clinical implications of kernel extreme learning machine long short term memory transformer framework 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ELRA9110 PMID:41415105	研究论文	本文提出了一种结合KELM、LSTM和Transformer的混合深度学习模型，用于提高阿尔茨海默病的诊断和预测准确性	首次将KELM、LSTM和Transformer三种架构集成到一个联合模型中，以捕捉非线性关联、时间动态和全局特征依赖	研究主要基于ADNI数据库，外部验证队列规模有限，可能影响模型的广泛适用性	开发并验证一个混合深度学习模型，以增强阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者，包括从轻度认知障碍到阿尔茨海默病的转化预测	机器学习	阿尔茨海默病	深度学习	KELM, LSTM, Transformer	临床数据	训练和验证集2,149名受试者（来自ADNI数据库），外部测试集1,012名受试者	NA	KELM-LSTM-Transformer	准确率, 召回率, AUC	NA
4163	2025-12-22	An ensemble heterogeneous transformer model for an effective diagnosis of multiple plant diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1693095 PMID:41415655	研究论文	本文提出了一种集成异构Transformer模型，用于有效诊断多种植物病害	结合了U-Net和Swin Transformer V2进行分割，以及CoAtNet及其变体进行分类，并采用基于Levy Flight Honey Badger Algorithm的元启发式融合策略动态加权分类器输出，提高了模型的鲁棒性和可解释性	未提及模型在真实田间环境下的泛化能力或计算资源需求	准确识别植物中的多种病害，以支持可持续农业	植物叶片图像	计算机视觉	植物病害	图像分割与分类	Transformer, CNN	图像	54,305张图像，涵盖38个类别	NA	U-Net, Swin Transformer V2, CoAtNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
4164	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
4165	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA
4166	2025-12-21	Breast Cancer Detection in Mammography Images Using Transfer Learning Model 2025-Dec-19, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2599378 PMID:41416718	研究论文	本研究应用迁移学习模型，通过微调预训练的CNN架构来检测乳腺X线摄影图像中的乳腺癌	提出结合EfficientNet B3与DenseNet的迁移学习模型用于乳腺X线图像分类，并比较了不同架构和超参数对性能的影响	未明确说明具体的数据集规模和来源细节，损失函数值范围显示模型性能仍有优化空间	开发准确高效的乳腺癌检测诊断工具	乳腺X线摄影图像	计算机视觉	乳腺癌	迁移学习	CNN	图像	来自多个来源的多样化乳腺X线图像数据集（具体数量未说明）	NA	EfficientNet B3, DenseNet, VGG16	准确率, 灵敏度, 特异性, 精确率, 损失值	NA
4167	2025-12-21	A bibliometric analysis of the 100 most cited radiology papers on pancreatic diseases (1990-Present) 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05335-7 PMID:41417080	综述	本文通过对1990年至今胰腺疾病领域被引次数最高的100篇放射学论文进行文献计量分析，绘制了该领域的知识演进图谱	首次系统性地对胰腺放射学领域的高被引文献进行文献计量分析，识别了关键贡献者、机构合作模式及从传统影像到人工智能的技术趋势演变	存在时间偏倚，早期研究（如1990年）因累积引用时间长而占优势，且分析仅限于Scopus数据库收录的核心放射学期刊	通过文献计量分析，揭示胰腺放射学研究领域的知识结构、演进趋势及影响因素	1990年至2025年间发表的胰腺疾病放射学领域被引次数最高的100篇学术论文	文献计量学	胰腺疾病	文献计量分析，网络分析	NA	文献元数据（如引用次数、作者、机构、关键词等）	100篇高被引论文（从初始检索的1000篇记录中筛选）	Bibliometrix R package, VOSviewer	NA	引用次数，引用速度（次/年），网络中心性	NA
4168	2025-12-21	Automatic segmentation-based radiomics and deep learning combined with clinical parameters for precise differentiation of lipid-poor adrenal adenomas and metastases 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05345-5 PMID:41417084	研究论文	本研究探讨了基于自动分割的影像组学与深度学习结合临床参数在区分肾上腺乏脂腺瘤和转移瘤中的应用价值	结合自动分割的影像组学特征、深度学习特征及临床参数构建联合预测模型，显著提升诊断性能	NA	精确区分肾上腺乏脂腺瘤和转移瘤	肾上腺肿瘤患者	计算机视觉	肾上腺肿瘤	对比增强腹部CT成像	CNN, XGBoost	图像	535名患者（内部队列418名，外部测试集117名）	NA	ResNet50	AUC, 灵敏度, 特异性	NA
4169	2025-12-21	Deep learning-based simulated contrast-enhanced MRI for rectal cancer evaluation: a multicenter study 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05311-1 PMID:41417085	研究论文	本研究评估了使用深度学习从直肠癌患者的非增强MRI序列生成模拟增强T1加权MRI扫描的可行性和准确性	首次在直肠癌的多中心研究中应用二维生成对抗网络模拟增强MRI，并评估其在肿瘤大小、增强区域和图像质量方面与真实扫描的可比性	模拟扫描在EMVI检测的AUC值略低于真实扫描，且研究仅基于三个学术机构的514名患者	评估深度学习生成的模拟增强MRI扫描在直肠癌诊断和治疗评估中的潜在应用价值	514名经病理证实的直肠癌患者	数字病理学	直肠癌	对比增强MRI	GAN	图像	514名患者	NA	二维生成对抗网络	结构相似性指数, Dice系数, ICC, AUC	NA
4170	2025-12-21	Cell-Level Free Cervical Lesion Detection in Cytology Images Via Weakly Supervised Self-Correction 2025-Dec-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3646371 PMID:41417998	研究论文	提出了一种名为SCIL的新型两阶段弱监督多示例学习框架，用于在细胞学图像中检测宫颈病变	提出了一个包含对比动态加权策略和基于不确定性的自校正策略的两阶段框架，以减轻噪声伪标签的影响并提高特征表示	未明确说明	在仅有切片级别监督的情况下，增强实例级别的宫颈病变检测	宫颈细胞学图像	数字病理学	宫颈癌	NA	多示例学习	图像	NA	NA	教师-学生架构	NA	NA
4171	2025-12-21	Artificial Intelligence Detection and Classification of Ventriculoperitoneal Shunt Valves Utilizing Fine-Tuning of a Detection Model 2025-Dec-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01794-y PMID:41419699	研究论文	本研究通过微调YOLOv8-large模型，开发了一种用于在X光片上检测和分类脑室腹腔分流阀的人工智能系统	与先前纯分类方法相比，该检测模型能明确定位每个阀门，适应多阀门患者，并为下游阀门设置判断模型奠定基础	模型对某些阀门类型的性能优于其他类型，表明存在分类性能差异	开发一种基于深度学习的自动检测与分类系统，以辅助识别脑室腹腔分流阀类型	包含11种阀门类型的2263张颅骨X光片	计算机视觉	脑积水	放射成像	CNN	图像	2263张颅骨X光片	NA	YOLOv8-large	精确度, 召回率, 平均精度均值(mAP50), mAP50-90, F1分数	NA
4172	2025-12-21	Transformer-based Deep Learning Models with Shape Guidance for Predicting Breast Cancer in Mammography Images 2025-Dec-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01773-3 PMID:41419700	研究论文	本研究评估了在Vision Transformer模型中应用基于形状的注意力引导策略，以提升乳腺X线摄影图像中乳腺癌的预测性能	探索了在Transformer编码器的不同层阶段（浅层和深层）应用乳腺掩码进行注意力引导的最佳策略，并比较了不同层组合的效果	研究仅使用了单一公开数据集（中国乳腺X线数据库），样本量相对有限，且未在更广泛的外部数据集上进行验证	评估基于形状的注意力引导策略在Transformer模型中的有效性，以提升乳腺癌诊断的准确性	乳腺X线摄影图像	计算机视觉	乳腺癌	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet	图像	2,436张公开可用的乳腺X线摄影图像	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet50	AUROC, 灵敏度, 特异性	NA
4173	2025-12-21	AI-powered pathobiology transformers predict prognosis and targeted therapy benefits in patients with colorectal cancer ovarian metastases: a multicohort study 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004397 PMID:41417976	研究论文	本研究开发了一种基于Transformer的可解释迁移学习模型，通过整合数字病理学和RNA数据，预测结直肠癌卵巢转移患者的预后、靶向治疗获益及分子突变	首次将Transformer架构与迁移学习结合，整合多模态数据（数字病理和RNA）来预测结直肠癌卵巢转移的预后和靶向治疗反应，并增强了模型的生物学可解释性	研究为回顾性和前瞻性多队列设计，可能存在选择偏倚；模型在部分外部测试队列中的AUC较低（0.64），表明泛化能力有待进一步验证	开发精准医学工具，以个体化预测结直肠癌卵巢转移患者的术后预后、靶向治疗获益和分子突变	结直肠癌卵巢转移患者	数字病理学	结直肠癌	数字病理学, RNA测序	Transformer	图像, 文本	多队列患者样本（具体数量未在摘要中提供）	NA	Transformer	AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 风险比	NA
4174	2025-12-21	Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation 2025-Dec-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79748 PMID:41406414	研究论文	本文提出了一种基于大可分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分级诊断	首次提出结合大可分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分级表征能力	未明确说明模型在外部数据集上的泛化性能或计算效率的具体限制	提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值	膝关节软骨损伤	计算机视觉	膝关节软骨损伤	磁共振成像	CNN	图像	首个基于医院的多维磁共振成像真实数据集（具体样本数未提供）	NA	YOLOv8	准确率, Kappa统计量, F-measure, 灵敏度, 特异度	NA
4175	2025-12-21	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究建立了一个整合转录组学、蛋白质组学和深度学习的高通量多组学平台，用于筛选187种药用植物，以发现具有抗肝细胞癌潜力的中药候选物	开发了一个结合多组学数据和深度学习（自编码器和多核学习）的系统药理学平台，用于高通量筛选中药，并揭示了候选中药通过调控枢纽基因和关键通路发挥抗肝癌作用的机制	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证，且筛选的植物种类有限，可能未涵盖所有潜在有效中药	发现和验证具有抗肝细胞癌潜力的中药候选物，并阐明其作用机制	187种药用植物及其在肝细胞癌细胞中的效应	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组和蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
4176	2025-12-21	Noise-Resilient Bioacoustics Feature Extraction Methods and Their Implications on Audio Classification Performance: Systematic Review 2025-Dec-16, JMIR biomedical engineering DOI:10.2196/80089 PMID:41401437	系统综述	本文系统评估了生物声学分类中抗噪声特征提取与去噪技术的最新进展，重点关注方法趋势、模型类型、跨领域可迁移性及实际部署证据	首次系统综述了生物声学分类中的抗噪声技术，并分析了临床与生态应用间的跨领域可迁移性	实际部署研究有限，数据集异质性大，报告不一致，且多依赖合成噪声	评估抗噪声特征提取与去噪技术对生物声学分类性能的影响	生物声学音频数据，涵盖新生儿哭声和生态声学	机器学习	NA	音频特征提取与去噪技术	深度学习, 混合方法	音频	132项研究	NA	NA	NA	NA
4177	2025-12-21	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本文提出了一种可解释的多模型深度学习框架，用于使用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出了一个用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性、可解释的多模型深度学习框架，集成了多种先进架构，并通过SHAP和EigenCAM确保模型透明度和临床一致性	未明确提及研究的具体局限性	开发一个准确、透明且可泛化的AI框架，用于从眼底图像中自动诊断眼弓形虫病的四种不同状态	眼弓形虫病患者的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	NA	NA	CNN, Vision Transformer, YOLOv8, YOLOv11, 集成模型	准确率, Matthews相关系数	GPU, CPU
4178	2025-12-21	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	meta-analysis	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次通过荟萃分析系统比较了基于多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描的人工智能模型与放射科医生在预测前列腺癌前列腺外侵犯方面的诊断效能	研究设计多为回顾性，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较人工智能影像技术与放射科医生在术前预测前列腺癌前列腺外侵犯的诊断性能	前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging, prostate-specific membrane antigen positron emission tomography	machine learning, deep learning	image	NA	NA	NA	sensitivity, specificity, area under the curve	NA
4179	2025-12-21	Model-Free Learning of Probability Flows: Elucidating the Nonequilibrium Dynamics of Flocking 2025-Dec-05, Physical review letters IF:8.1Q1 DOI:10.1103/1zqs-nbt7 PMID:41418186	研究论文	本文提出了一种新颖的深度学习方法来估计概率流，以研究活性系统中的非平衡动力学，特别是鸟群模型中的熵产生率	开发了一种直接从随机系统轨迹估计概率流的深度学习新方法，并推导了概率流与惯性系统熵产生率之间的新物理联系	未明确说明方法在高维相空间中的计算复杂度或泛化能力限制	理解活性系统中的非平衡动力学，特别是熵产生率在鸟群行为中的作用	活性系统，特别是鸟群模型的非平衡动力学	机器学习	NA	深度学习	NA	随机系统轨迹数据	NA	NA	NA	NA	NA
4180	2025-12-21	Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead 2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists IF:3.7Q2 DOI:10.1016/j.eprac.2025.07.008 PMID:40683367	综述	本文是一篇叙述性综述，探讨了人工智能在糖尿病护理中的最新应用、能力、局限性以及未来发展方向	综合分析了传统机器学习与深度学习在糖尿病并发症筛查、疾病进展风险预测、临床决策支持及非侵入性生物标志物识别等多方面的应用，并指出了将AI转化为常规临床实践的未来方向	作为一篇综述，它主要基于现有文献进行综合，未涉及原始数据收集或新模型的实证验证，可能受限于所纳入研究的质量和范围	评估人工智能在糖尿病护理中的应用潜力，探索如何将这些技术转化为常规临床实践以改善患者护理和临床结果	糖尿病及其并发症（如视网膜病变、黄斑水肿、神经病变）的筛查、诊断、预后预测和治疗优化	机器学习	糖尿病	机器学习，深度学习	NA	电子健康记录，图像数据	NA	NA	NA	NA	NA