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
441	2026-01-04	Artificial Intelligence in Biomedicine: A Systematic Review from Nanomedicine to Neurology and Hepatology 2025-Dec-04, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics17121564 PMID:41471079	综述	本文系统回顾了人工智能在生物医学领域（从纳米医学到神经病学和肝病学）的应用与贡献	通过系统性文献检索（2010-2025年），聚焦于四个关键生物医学领域，对AI应用进行了全面的定性综合，并强调了跨领域的共同挑战	数据异质性、缺乏标准化的采集协议、模型透明度不足以及前瞻性多中心验证稀缺	评估人工智能在生物医学领域的扩展贡献，特别是在癌症治疗与纳米医学、心脏病学与医学成像、神经退行性疾病以及肝脏疾病中的应用	2010年至2025年间主要生物医学数据库中关于AI在四个指定领域应用的英文原创研究	机器学习	NA	NA	NA	NA	203篇符合PRISMA 2020标准的文章	NA	NA	NA	NA
442	2025-12-05	Deep learning-based prediction of cold surge frequency over South Korea 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28608-z PMID:41339672	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
443	2026-01-04	Proteomics Data Imputation With a Deep Model That Learns From Many Datasets 2025-Dec, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2025.101461 PMID:41260499	研究论文	本文提出了一种名为Lupine的深度学习模型，用于质谱蛋白质组学数据中的缺失值插补，通过联合学习多个数据集提高预测准确性	Lupine是首个设计用于联合学习多个数据集的蛋白质组学插补方法，能够学习蛋白质和患者样本的有意义表示	NA	开发一种深度学习方法来估计定量蛋白质组学数据中的缺失值，以提高数据分析和生物标志物发现的准确性	质谱蛋白质组学数据，特别是来自1000多个癌症患者样本的串联质量标签数据，涵盖10种癌症类型	机器学习	癌症	质谱蛋白质组学，串联质量标签	深度学习模型	蛋白质组学数据	超过1000个癌症患者样本，涵盖10种癌症类型	Python	NA	NA	NA
444	2026-01-04	Decoding the germline genetic architecture of prostate cancer at a single cell resolution 2025-Dec, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1011975 PMID:41468516	研究论文	本研究通过单细胞分辨率解码前列腺癌的种系遗传结构，识别了介导最高风险的细胞亚型并开发深度学习模型预测变异功能影响	首次在单细胞水平整合表观基因组与转录组数据解析前列腺癌种系变异的功能机制，并开发深度学习模型系统评估GWAS变异对染色质可及性的影响	研究基于参考前列腺组织样本，可能未完全涵盖肿瘤微环境的异质性；深度学习模型的预测功能需要进一步实验验证	解析前列腺癌种系遗传变异的细胞类型特异性功能机制	人类前列腺组织样本及其单细胞表观基因组与转录组数据	计算生物学	前列腺癌	单细胞表观基因组学、单细胞转录组学、全基因组关联研究(GWAS)	深度学习模型	单细胞表观基因组数据、单细胞转录组数据、GWAS数据	参考人类前列腺组织样本（具体数量未明确说明）	NA	NA	NA	NA
445	2026-01-04	Datasets for distributed denial-of-service detection in healthcare internet of things environments 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112222 PMID:41476908	研究论文	本文介绍了两个用于医疗物联网环境中分布式拒绝服务攻击检测的标记数据集	提出的数据集填补了现有基准数据集的空白，通过整合医疗物联网特定的通信参数（如节点级消息计数和监测频率），更贴近真实世界条件	数据集基于模拟生成，可能无法完全反映真实医疗物联网环境中的所有复杂性和变异性	增强医疗物联网生态系统的安全性，通过实现高级网络威胁的鲁棒检测	医疗物联网环境中的网络流量数据，特别是正常和DDoS攻击条件下的通信模式	机器学习	NA	网络流量模拟，使用Cooja和ns-3模拟器	NA	网络流量数据，结构化CSV文件	两个数据集分别包含约20,080和99,887条记录	NA	NA	NA	使用Cooja和ns-3模拟器进行模拟，数据处理使用Python脚本
446	2026-01-04	Applications of Artificial Intelligence in Neurological Voice Disorders 2025-Dec, World journal of otorhinolaryngology - head and neck surgery DOI:10.1002/wjo2.70017 PMID:41477136	综述	本文综述了人工智能在神经性嗓音障碍（如帕金森病、喉肌张力障碍和卒中引起的构音障碍）的诊断、监测和治疗中的应用、进展、挑战及未来前景	系统性地回顾了AI在神经性嗓音障碍领域的应用，强调了机器学习、深度学习和信号处理技术在客观、无创、可扩展的嗓音分析中的创新作用，并指出了卷积神经网络和基于Transformer的网络在从声学等多模态数据中提取生物标志物的有效性	存在挑战，包括某些罕见神经性嗓音障碍的高质量数据集有限、患者隐私相关的伦理问题，以及需要更广泛的临床验证	探讨人工智能在神经性嗓音障碍领域的应用潜力，以改进诊断、监测和治疗策略	神经性嗓音障碍，如帕金森病、喉肌张力障碍和卒中引起的构音障碍	自然语言处理	神经性嗓音障碍	机器学习, 深度学习, 信号处理	CNN, Transformer	声学数据, 多模态数据	NA	NA	卷积神经网络, Transformer	准确率	NA
447	2026-01-04	Artificial intelligence for radiopharmaceutical and molecular imaging 2025-Dec, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.09.039 PMID:41477342	综述	本文综述了人工智能在放射性药物开发和分子影像分析中的前沿应用，并探讨了其技术原理、典型案例及临床转化挑战	系统整合了深度学习算法（如图神经网络、生成对抗网络和Transformer模型）在靶点识别、配体设计、药代动力学优化及影像重建与增强中的创新应用，并强调多组学数据与3D结构信息的融合	面临数据隐私、模型泛化及伦理挑战，临床转化仍需进一步验证	推动人工智能在精准核医学领域的应用，促进放射性药物与分子影像技术的发展	放射性药物开发与分子影像技术	机器学习	NA	单光子发射计算机断层扫描（SPECT）、正电子发射断层扫描（PET）	GNN, GAN, Transformer	多组学数据、3D结构信息、影像数据	NA	NA	NA	NA	NA
448	2026-01-04	Geometry-encoded deep learning (GeoDL) framework for real-time 3D dose verification for online adaptive radiotherapy 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adcb4b PMID:41477362	研究论文	本研究提出了一种几何编码深度学习框架，用于在线自适应放疗中的实时三维剂量验证	通过统一射野图和CT图像的表示并解析直线加速器的治疗几何结构，减轻了学习复杂域转换的负担，首次将GeoDL扩展到整个三维体积的实时剂量验证	研究仅基于前列腺癌病例进行训练和测试，未在其他癌症类型或更广泛的患者群体中验证	开发一种快速准确的剂量验证方法，以提升在线自适应放疗的工作流程效率和质量	前列腺癌患者的射野图和CT图像数据	数字病理	前列腺癌	放疗剂量验证	深度学习	图像	281例前列腺癌病例用于训练和验证，24例用于独立测试	NA	3D U-Net	γ通过率、平均剂量差异	NA
449	2026-01-04	Incorporating physicians' contouring style into auto-segmentation of clinical target volume for post-operative prostate cancer radiotherapy using a language encoder 2025-Dec, Machine Learning. Health DOI:10.1088/3049-477x/adf076 PMID:41477361	研究论文	本研究提出了一种结合医生勾画风格的深度学习模型Text-UNet，用于前列腺癌术后放疗临床靶区的自动分割	首次将医生特定的勾画风格编码为潜在向量，并与CT图像特征结合，以解决医生间勾画差异对自动分割的影响	训练数据来自七位医生，测试数据来自四位医生，模型泛化到更多医生风格的能力仍需验证	提高前列腺癌术后放疗临床靶区自动分割的准确性和一致性，减少手动工作量	前列腺癌术后患者的临床靶区	数字病理学	前列腺癌	CT成像	CNN	图像, 文本	824例患者数据（699训练, 49验证, 76测试）	NA	UNet	Dice系数	NA
450	2026-01-04	Learning curve for fenestrated-branched endovascular aortic repair using machine learning: A prospective national multicenter registry study 2025-Nov-19, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2025.11.015 PMID:41265585	研究论文	本研究利用机器学习方法分析复杂腹主动脉瘤和胸腹主动脉瘤治疗中F-BEVAR手术的学习曲线	首次使用深度学习神经网络模型量化F-BEVAR手术的学习曲线，基于全国性多中心前瞻性注册数据	研究基于观察性注册数据，可能存在选择偏倚，且未考虑患者特异性因素对学习曲线的影响	分析F-BEVAR手术的学习曲线，为外科医生和机构提供实践基准	接受三支和四支血管F-BEVAR手术的复杂腹主动脉瘤和胸腹主动脉瘤患者	机器学习	心血管疾病	NA	深度学习神经网络	临床注册数据	5540名患者，由539名独立医生实施手术，其中2956名患者接受三支和四支血管F-BEVAR	NA	NA	围手术期死亡率、手术技术成功率、主要不良事件发生率、主动脉再干预率、手术时间、透视时间、失血量、造影剂用量	NA
451	2026-01-04	SynVerse: a modular framework for building and evaluating deep learning-based drug synergy prediction models 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf676 PMID:41470047	研究论文	本文提出了一个名为SynVerse的模块化框架，用于构建和评估基于深度学习的药物协同预测模型	提出了一个包含四种数据分割策略和三种消融研究的综合评估框架，以评估深度学习模型的泛化能力，并引入了一种新颖的基于网络的消融方法来解耦影响性能的因素	所有模型在未见过的药物和细胞系上表现出较差的泛化能力，且生物学上有意义的特征并未显著提升预测性能	开发一个用于评估深度学习模型在药物协同预测中泛化能力的框架	药物协同预测模型	机器学习	癌症	深度学习	深度学习模型	药物和细胞系特征数据	NA	NA	NA	NA	NA
452	2026-01-04	Subject-specific modeling framework for particle deposition using computational fluid dynamics 2025-Nov, Journal of aerosol science IF:3.9Q2 DOI:10.1016/j.jaerosci.2025.106660 PMID:41472839	研究论文	本文提出了一种用于计算流体动力学模拟的、完全自动化的个体化呼吸道颗粒沉积建模框架	首次提出了一个从CT图像分割到CFPD模拟的完全自动化工作流程，集成了形态学和深度学习方法进行气道分割，并包含几何质量检查、网格处理和出口自动识别与封盖等预处理算法	未明确说明框架在不同人群或病理条件下的普适性验证，也未详细讨论计算成本或所需时间	开发一个自动化框架，用于获取人体呼吸道中个体化的颗粒沉积分布，以支持个性化治疗和辐射防护剂量评估	人体呼吸道（上下气道）的几何结构及其中颗粒的沉积行为	计算流体动力学，医学图像分析	NA	CT成像，计算流体与颗粒动力学，蒙特卡洛辐射传输模拟	深度学习模型	CT图像，三维几何模型	NA	NA	NA	预测颗粒沉积和剂量分布的高精度	开源求解器（OpenFOAM）或商业求解器（StarCCM+）
453	2026-01-04	Assessing body composition using auto-segmentations of muscle and subcutaneous adipose tissue in prostate cancer patients receiving magnetic resonance-guided radiotherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100882 PMID:41476866	研究论文	本研究利用深度学习框架对前列腺癌患者磁共振引导放疗图像进行自动分割，以评估身体成分变化	首次在磁共振引导放疗背景下，开发了用于肌肉和皮下脂肪组织自动分割的深度学习模型，并比较了使用肠道和骨骼掩模对性能的影响	样本量较小（71例患者），且仅针对中危前列腺癌患者，可能限制了结果的普适性	评估前列腺癌患者在接受磁共振引导放疗期间的身体成分变化，以早期发现肌肉减少症风险	接受磁共振引导放疗的中危前列腺癌患者	数字病理学	前列腺癌	磁共振成像（MRI），T2加权图像	深度学习模型	医学图像	71例中危前列腺癌患者	NA	NA	平均表面距离，95百分位Hausdorff距离，Dice相似系数	NA
454	2026-01-04	AI-Integrated QSAR Modeling for Enhanced Drug Discovery: From Classical Approaches to Deep Learning and Structural Insight 2025-Sep-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26199384 PMID:41096653	综述	本文综述了人工智能与定量构效关系（QSAR）结合在药物发现中的演变，从经典方法到深度学习，并讨论了相关工具、挑战和未来趋势	整合了AI与QSAR，涵盖了从经典回归到图神经网络和基于SMILES的Transformer等先进方法，并强调了分子对接、分子动力学模拟、PROTACs、ADMET预测及云平台在药物发现中的应用	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结和讨论	概述AI集成QSAR建模在药物发现中的发展，旨在提供更快、更准确、可扩展的化合物识别方法	药物发现中的计算模型、数据库和工具，包括QSAR方法、机器学习算法、分子模拟技术以及公共云平台	机器学习	NA	定量构效关系（QSAR）、分子对接、分子动力学模拟、ADMET预测	图神经网络（GNN）、Transformer	化学结构数据（如SMILES）、分子描述符	NA	NA	NA	NA	云平台（如公共数据库和基于云的计算建模平台）
455	2026-01-04	Enhancing placental pathology detection with GAMatrix-YOLOv8 model 2025-Feb-28, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2025.e42441 PMID:41477509	研究论文	本研究提出了一种名为GAMatrix-YOLOv8的新模型，用于增强胎盘病理组织（特别是延迟绒毛成熟）的实时识别和精确定位检测	将GAM注意力机制嵌入YOLOv8骨干网络，并结合图像增强和归一化等关键预处理步骤，使模型中间层能更有效地关注关键图像特征，从而提升计算效率和检测精度	摘要中未明确提及研究的局限性	旨在增强和验证YOLOv8模型，并探究其在胎盘组织病理学检测中的意义	胎盘病理组织，特别是延迟绒毛成熟	计算机视觉	胎盘病理	NA	CNN, YOLO	图像	摘要中未提及具体样本数量	摘要中未明确提及，但YOLOv8通常基于PyTorch	YOLOv8, GAMatrix-YOLOv8, GoogleNet, ResNet18	准确率, 精确率, 召回率, F1分数	摘要中未提及具体计算资源
456	2026-01-04	FedKBP: Federated dose prediction framework for knowledge-based planning in radiation therapy 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3044379 PMID:41472880	研究论文	本文提出了一种名为FedKBP的联邦学习框架，用于评估放射治疗中基于知识的计划剂量预测模型的集中式、联邦式和个体化训练性能	开发了FedKBP框架，首次在放射治疗剂量预测中系统比较了集中式、联邦式和个体化训练，并分析了数据分布（IID与非IID）对联邦学习性能的影响	非IID数据分布下联邦学习性能下降，表明需要更复杂的联邦学习方法超越简单的模型平均来处理站点间数据差异	评估联邦学习在放射治疗剂量预测中的应用，比较不同训练策略的性能	放射治疗计划中的剂量预测模型	医疗人工智能	放射治疗相关疾病	深度学习，联邦学习	深度学习模型	放射治疗计划数据	340个计划，来自OpenKBP数据集，分为8个训练站点	NA	NA	模型优化速度，样本外测试分数	NA
457	2026-01-04	OTMorph: Unsupervised Multi-Domain Abdominal Medical Image Registration Using Neural Optimal Transport 2025-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3437295 PMID:39093684	研究论文	本文提出了一种基于神经最优传输的无监督多域腹部医学图像配准框架OTMorph	提出了一种新颖的无监督多域图像配准框架，通过神经最优传输学习数据分布映射来缓解不同域图像间的特征差异	未明确说明模型在极端解剖变异或病理严重变形情况下的表现	解决多域腹部医学图像（如多模态、多参数图像）的变形配准问题	腹部医学图像，特别是用于诊断肝癌和淋巴瘤等疾病的多域图像	计算机视觉	肝癌，淋巴瘤	医学图像配准	深度学习模型	医学图像（体积数据）	NA	NA	OTMorph（包含传输模块和配准模块）	NA	NA
458	2026-01-04	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	本研究利用人工智能分析数字语音录音，旨在通过语音特征早期检测阿尔茨海默病及相关痴呆症	结合特征工程机器学习与端到端深度学习（包含大型语言模型）两种分类方法，用于从语音中检测认知障碍并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	样本量相对有限（共188名参与者），且研究聚焦于特定任务（Craft Story Recall）的语音数据，可能影响模型的泛化能力	早期检测阿尔茨海默病及相关痴呆症，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍	来自LEADS研究的120名患者和68名认知未受损对照者的数字语音录音	自然语言处理	阿尔茨海默病	数字语音分析	特征工程机器学习模型, 端到端深度学习模型	语音	188名参与者（120名患者，68名对照）	NA	大型语言模型	AUC	NA
459	2026-01-03	Correction: Leveraging deep learning models to increase the representation of nomadic pastoralists in health campaigns and demographic surveillance 2025, PLOS global public health DOI:10.1371/journal.pgph.0005757 PMID:41474694	correction	本文是对先前发表文章（DOI: 10.1371/journal.pgph.0004018）的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
460	2026-01-04	Deep learning for deep learning performance: How much data is needed for segmentation in biomedical imaging? 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339064 PMID:41474709	研究论文	本文提出了一种深度学习专用的框架，用于估计医学图像分割任务中达到稳定性能所需的最小数据集规模	提出了一个针对深度学习特性的样本量估计框架，并引入基于LSTM的代理建模流程来预测性能曲线，为医学AI开发中的资源分配提供了实用的经验方法	研究仅验证了两种特定的临床任务（结直肠息肉分割和胶质瘤分割），框架在其他医学图像分割任务中的普适性仍需进一步验证	研究深度学习模型在医学图像分割任务中达到稳定性能所需的最小数据集规模，并开发相应的估计框架	结直肠息肉（来自2D内窥镜图像）和脑胶质瘤（来自3D脑部MRI）	数字病理	结直肠癌, 脑胶质瘤	医学图像分割	CNN, LSTM	2D图像, 3D MRI图像	Kvasir-SEG数据集（2D内窥镜图像）和BraTS 2020数据集（3D脑部MRI），训练配置分别达到200种和40种	NA	Residual U-Net, LSTM	Dice相似系数（DSC）, 平均绝对误差	NA