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
4881	2025-12-09	Cross-RNA transferable sequence representation learning for lncRNA m6A site detection via novel deep domain separation networks 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf651 PMID:41348602	研究论文	本文提出了一种名为DSNm6A的深度学习框架，用于通过跨RNA可转移序列表示学习来检测lncRNA中的m6A位点	提出了一种新颖的深度领域分离网络，能够从mRNA和lncRNA中解耦出领域不变特征，从而学习跨RNA类型的可转移m6A相关特征	由于注释位点数量有限，开发有效的计算预测器仍具挑战性	开发一种能够有效检测lncRNA中m6A位点的计算预测方法	长非编码RNA（lncRNA）和信使RNA（mRNA）中的m6A位点	自然语言处理	NA	One-Hot编码、核苷酸理化性质、累积频率、位置特异性倾向性	CNN, Bi-LSTM, BERT	序列数据	NA	NA	深度领域分离网络	交叉验证和独立测试结果中使用的性能指标	NA
4882	2025-12-09	Deep learning for tear film stability assessment and breakup pattern classification in dry eye diagnosis 2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.70008 PMID:40847635	研究论文	本文开发了一种基于深度学习的人工智能系统，用于自动评估泪膜稳定性和分类泪膜破裂模式，以支持精确的干眼症诊断和个性化治疗	结合掩膜区域卷积神经网络和时间段网络，实现泪膜分割和时序特征提取，自动化评估干眼症并分类四种代表性破裂模式，减少观察者间差异	样本量相对较小（143只眼睛），可能限制模型的泛化能力，且仅基于特定设备（Keratograph 5M）进行评估	开发一个自动化系统，用于支持干眼症的精确诊断和个性化治疗，基于泪膜导向诊断框架	干眼症患者和健康对照者的眼睛，共143只眼睛（98只干眼，45只健康）	计算机视觉	干眼症	荧光素泪膜破裂视频记录，Keratograph 5M评估（泪河高度、非侵入性泪膜破裂时间、脂质层厚度等级和睑板腺评分），Schirmer I测试	CNN, 时间网络	视频	143只眼睛（98只干眼，45只健康）	NA	掩膜区域卷积神经网络, 时间段网络	准确率, 精确率, 召回率, F1分数	NA
4883	2025-12-09	Benchmarking of deep learning methods for generic MRI multi-organ abdominal segmentation 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064503 PMID:41357685	研究论文	本文对四种开源深度学习模型在腹部MRI多器官分割任务上进行了全面的基准测试	首次系统性地评估了包括基于合成数据训练的ABDSynth在内的多种腹部MRI分割模型，并使用了涵盖不同制造商、序列和条件的公开数据集进行泛化性测试	评估仅限于四种开源模型，可能未覆盖所有最新方法；合成数据训练模型的性能略低于真实数据训练模型	评估和比较深度学习模型在腹部MRI多器官分割任务上的准确性和泛化能力	腹部MRI图像中的多器官分割	医学影像分析	NA	MRI成像	深度学习模型	MRI图像	三个公开数据集，涵盖所有主要制造商、五种MRI序列以及多种受试者条件、体素分辨率和视野	NA	MRSegmentator, MRISegmentator-Abdomen, TotalSegmentator MRI, ABDSynth (基于SynthSeg)	准确性, 泛化性	NA
4884	2025-12-09	Investigating the capability of deep learning models to predict age and biological sex from anterior segment ophthalmic imaging: a multi-centre retrospective study 2025-Oct-29, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-107196 PMID:41161843	研究论文	本研究评估了基于迁移学习的卷积神经网络利用前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片预测年龄和生物性别的能力	首次在多中心回顾性研究中，利用深度学习模型从前段眼科图像中提取年龄和性别信息，并通过显著性图可视化模型的决策过程	研究为回顾性设计，数据来源于单一公共健康信托机构，可能限制了模型的泛化能力	评估深度学习模型从前段眼科图像中预测年龄和生物性别的能力	前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片	计算机视觉	NA	光学相干断层扫描，角膜地形图成像	CNN	图像	来自20,542名患者的40,592只眼睛的557,468次扫描	NA	NA	准确率，精确率，召回率，F1分数，ROC-AUC，Pearson相关系数，决定系数，平均绝对误差	NA
4885	2025-12-09	Comparing radiomics, deep learning, and fusion models for predicting occult pleural dissemination in patients with non-small cell lung cancer: a retrospective multicenter study 2025-Oct-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15121-9 PMID:41163134	研究论文	本研究开发并比较了基于放射组学的机器学习、深度学习和融合模型，用于术前预测非小细胞肺癌患者的隐匿性胸膜播散	首次在多个中心回顾性研究中，系统比较了放射组学机器学习、深度学习及融合模型（特别是后融合模型）在预测非小细胞肺癌隐匿性胸膜播散方面的性能	研究为回顾性设计，样本量相对有限（326例患者），且仅使用了CT图像的最大横截面切片，可能未充分利用三维空间信息	开发并比较不同模型以术前识别非小细胞肺癌患者的隐匿性胸膜播散，辅助临床决策	非小细胞肺癌患者	计算机视觉	肺癌	CT扫描	机器学习, 深度学习	图像	326例非小细胞肺癌患者（来自三个中国大型医疗中心，2016-2023年），分为训练集（216例）、内部测试集（54例）和外部测试集（56例）	NA	DenseNet121	AUC, 敏感性	NA
4886	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
4887	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
4888	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
4889	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
4890	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
4891	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
4892	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
4893	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
4894	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
4895	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
4896	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
4897	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
4898	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
4899	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
4900	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