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
801	2025-12-31	Automated deep learning pipeline for callosal angle quantification 2025-Dec-27, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-025-00750-w PMID:41456015	研究论文	本研究开发了一个全自动深度学习框架，用于从原始T1 MPRAGE扫描中直接测量胼胝体角，以辅助常压性脑积水的诊断	提出了一个结合BrainSignsNET进行关键解剖标志点检测和基于UNet的分割网络进行侧脑室分割的全自动、端到端深度学习流程，用于胼胝体角的量化	未明确说明模型在不同扫描协议或设备上的泛化能力，以及处理严重运动伪影或异常解剖结构病例的性能	开发一个可靠、可重复的自动化工具，用于从MRI图像中量化胼胝体角，以辅助常压性脑积水的早期检测和诊断	常压性脑积水患者的脑部MRI扫描图像	数字病理学	常压性脑积水	T1 MPRAGE MRI扫描	深度学习	3D MRI图像	内部验证使用BLSA和BIOCARD数据集，外部验证使用约翰霍普金斯湾景医院的376例临床MRI扫描以及PENS试验数据	未明确说明	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数(r), p值, 平均绝对误差(MAE)	NA
802	2025-12-31	M44TMD: A Multimodal, Multi-task Deep Learning Framework for Comprehensive Assessment of TMD-Related Abnormalities 2025-Dec-27, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	研究论文	提出一种多模态、多任务深度学习框架M44TMD，用于全面评估颞下颌关节紊乱病相关异常	整合多序列、多切片MRI与临床数据，实现退行性关节病、关节盘前移位和关节积液三种异常的并发评估，克服了现有方法单任务、单模态的局限	未明确说明框架在更广泛临床环境或不同设备采集数据下的泛化能力	开发一个深度学习框架，以更全面地评估颞下颌关节紊乱病相关的异常	来自765名参与者的12,690个MRI切片和临床数据，涉及1,410个颞下颌关节	数字病理	颞下颌关节紊乱病	磁共振成像	CNN	图像, 临床数据	765名参与者，1,410个颞下颌关节，12,690个MRI切片	未明确说明，基于ResNet50推断可能为PyTorch或TensorFlow	ResNet50	ROC-AUC, 准确率	NA
803	2025-12-31	Geometric deep learning assists protein engineering. Opportunities and Challenges 2025-Dec-26, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	将几何深度学习整合到计算设计流程中，克服传统方法在序列空间广阔性和实验验证成本方面的限制，通过非欧几里得域操作捕获蛋白质功能的空间、拓扑和物理化学特征	NA	探讨几何深度学习在蛋白质工程中的整合与应用，旨在为下一代蛋白质工程和合成生物学提供技术基础	蛋白质工程中的稳定性预测、功能注释、分子相互作用建模和从头蛋白质设计	机器学习	NA	几何深度学习	NA	非欧几里得数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
804	2025-12-31	Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways 2025-Dec-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21877 PMID:41364534	研究论文	本研究开发了一种结合传统机器学习、深度学习和生成模型的新框架，用于预测和优化聚合物复合材料的性能，特别是热导率和杨氏模量	提出了一种新颖的密集球体填充算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测精度，同时利用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构	传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的性能，可能未全面覆盖所有填料条件	预测和优化聚合物复合材料的热导率和机械性能	多填料聚合物复合材料	机器学习	NA	密集球体填充算法，COMSOL模拟	Random Forest Regression, Convolutional Neural Network, Transformer	几何模型数据，模拟数据	1024个代表性体积元素（RVE）模型	NA	CNN, Transformer	预测精度	NA
805	2025-12-31	General Framework for Geometric Deep Learning on Tensorial Properties of Molecules and Crystals 2025-Dec-24, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c12428 PMID:41364709	研究论文	本文提出了一种用于分子和晶体张量性质几何深度学习的通用框架	开发了一个通用输出模块，使等变图神经网络能够端到端预测具有指定置换对称性的任意阶张量，并支持原子级性质和高阶张量	NA	预测分子和晶体的张量响应性质	分子和晶体	机器学习	NA	几何深度学习	等变图神经网络	张量数据	NA	NA	XPaiNN	准确性	NA
806	2025-12-31	MIAT-DHX9 spatiotemporal expression drives venous neointimal hyperplasia through nucleolar homeostasis and mitotic progression 2025-Dec-23, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116578 PMID:41259202	研究论文	本文揭示了长链非编码RNA MIAT与DExH-box解旋酶9（DHX9）在静脉新生内膜增生中的时空表达模式，通过调控核仁稳态和有丝分裂进程驱动平滑肌细胞增殖	首次利用多超分辨率成像和单分子荧光原位杂交技术，揭示了MIAT-DHX9轴在核仁中的时空表达及其通过PARP1相互作用调控细胞周期的机制，并应用深度学习识别核仁形态特征作为疾病进展的生物标志物	研究主要基于体外和动物模型，尚未在人体临床试验中验证MIAT-DHX9靶向治疗的安全性和有效性	探究静脉新生内膜增生的分子机制，并开发基于核仁调控的治疗策略	平滑肌细胞（SMCs）的核仁稳态、有丝分裂进程及细胞增殖	数字病理学	心血管疾病	多超分辨率成像、单分子荧光原位杂交（FISH）、CRISPR基因编辑、深度学习	深度学习模型	图像数据（超分辨率成像、FISH图像）	体外平滑肌细胞模型及动物模型（具体数量未明确说明）	NA	NA	NA	NA
807	2025-12-31	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2025-Dec-23, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	综述与荟萃分析	本文对人工智能驱动的MRI运动伪影检测与校正方法进行了系统性回顾与荟萃分析	聚焦于深度学习特别是生成模型在MRI运动伪影处理中的应用，并识别了当前发展的关键挑战与未来方向	方法泛化能力有限，依赖成对训练数据，存在视觉失真风险，且缺乏标准化数据集与报告协议	评估AI驱动方法在MRI运动伪影检测与校正中的有效性、挑战及未来研究方向	MRI图像中的运动伪影	医学影像分析	NA	磁共振成像	深度学习，生成模型	图像	NA	NA	NA	NA	NA
808	2025-12-31	Deep-learning-based non-contrast CT for detecting acute ischemic stroke: a systematic review and HSROC meta-analysis of patient-level diagnostic accuracy 2025-Dec-15, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04528-3 PMID:41398240	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性	首次对基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中进行系统综述和荟萃分析，并探讨了研究间异质性的来源	研究间存在患者选择和指标测试领域的偏倚风险，AI报告质量多为中等，明确的外部验证仍不常见	评估深度学习应用于非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性，并探讨研究间异质性的来源	急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	深度学习	深度学习模型	非增强CT图像	来自16项研究的患者数据，其中13项贡献了患者层面的荟萃分析数据	NA	NA	敏感性, 特异性	NA
809	2025-12-31	Ethical Use of Artificial Intelligence for Processing Medical Images 2025-Dec-15, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e341 PMID:41399268	综述	本文探讨了人工智能在医学影像处理中的伦理应用与挑战	系统性地总结了AI在医学影像处理中的技术应用（如深度学习架构和生成式AI）及其带来的伦理问题，并提出了伦理部署的框架	未提供具体的实证研究或案例来量化伦理问题的影响，也未提出解决这些伦理挑战的新技术方法	探讨人工智能在医学影像处理中的伦理使用、挑战及部署要求	人工智能工具在医学影像处理中的应用及其伦理影响	计算机视觉	NA	NA	CNN, RNN, U-Net, Transformer	图像	NA	NA	U-Net, MedGAN, StyleGAN, CycleGAN, SinGAN-Seg	准确率	NA
810	2025-12-31	Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization 2025-Dec-12, Journal of visualized experiments : JoVE DOI:10.3791/69287 PMID:41460740	研究论文	本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要，以提高摘要的准确性和效率	创新点在于将案例推理与多阶段Transformer架构结合，用于法律文本摘要，在词汇重叠和领域特定推理指标上超越现有基线方法	NA	研究目的是开发一种混合法律文本摘要框架，以快速识别和提取法律文档中的相关信息	研究对象是法律文档，具体为来自Kaggle的4,968个法律案例	自然语言处理	NA	案例推理，深度学习	Transformer	文本	4,968个法律案例	NA	多阶段Transformer架构	准确率，ROUGE分数，法律实体保留，推理保真度，事实准确性，连贯性	NA
811	2025-12-31	INTERPRETING CONVOLUTIONAL NEURAL NETWORKS IN POPULATION GENETICS 2025-Dec-09, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.04.692404 PMID:41415368	研究论文	本文通过分析卷积神经网络在群体遗传学中的应用，探讨其学习特征与传统汇总统计量之间的关系，以提升深度学习方法的可解释性	首次系统比较CNN学习特征与传统群体遗传学汇总统计量的关联，并利用SHAP值、降维技术和可解释模型（如决策树和随机森林）构建“模型之模型”，揭示CNN如何隐式计算如配对杂合度等统计量	研究主要关注特定CNN架构和选择性清除检测任务，可能未覆盖所有深度学习模型或群体遗传学应用场景，且可解释性方法（如SHAP）本身存在计算复杂性和近似误差	提升卷积神经网络在群体遗传学中的可解释性，阐明其学习机制与传统方法的联系	卷积神经网络在群体遗传学任务（如自然选择推断、重组率估计）中的学习特征	机器学习	NA	NA	CNN	遗传数据	NA	NA	NA	NA	NA
812	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2025-Dec-04, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
813	2025-12-31	A Preliminary Study on an Intelligent Segmentation and Classification Model for Amygdala-Hippocampus MRI Images in Alzheimer's Disease 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.039 PMID:40903373	研究论文	本研究开发了一种深度学习模型，用于分割和分类阿尔茨海默病中的杏仁核-海马体MRI图像，旨在提高早期AD的检测和干预能力	采用半自动标注流程结合U²-Net分割模型和DenseNet-121分类架构，利用大规模多中心神经影像数据集，提升了杏仁核-海马体的识别精度	研究主要基于中国医疗中心的数据，外部验证集规模相对较小（每组100例），可能限制模型的泛化能力	开发智能分割和分类模型，以改善阿尔茨海默病的早期检测和临床评估	阿尔茨海默病患者和健康对照者的杏仁核-海马体MRI图像	数字病理	阿尔茨海默病	神经影像学评估	CNN	MRI图像	内部训练数据包括1000名健康对照和1000名AD患者，外部验证集包括每组100例	NA	U²-Net, DenseNet-121	DSC, AUC	NA
814	2025-12-31	Voxel-level Radiomics and Deep Learning Based on MRI for Predicting Microsatellite Instability in Endometrial Carcinoma: A Two-center Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.028 PMID:40908231	研究论文	本研究开发并验证了一种基于MRI的非侵入性深度学习模型，结合体素级影像组学特征，用于预测子宫内膜癌患者的微卫星不稳定性状态	首次将体素级影像组学特征与多序列MRI结合，并基于Vision-Mamba架构构建双通道3D深度神经网络，以同时处理体素级特征图和MR图像，从而更好地捕捉肿瘤的局部和全局异质性	研究为回顾性设计，样本量有限（375例），且仅来自两个医疗中心，可能存在选择偏倚	开发一种非侵入性模型，用于预测子宫内膜癌患者的微卫星不稳定性状态，以支持个性化治疗决策	经病理证实的子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI（T2WI, DWI, CE-T1WI），免疫组织化学	深度学习	图像	375例患者（来自两个医疗中心）	NA	Vision-Mamba, Vision Transformer, 3D-ResNet	AUC, 准确率, 灵敏度, 特异性	NA
815	2025-12-31	Deep Learning-based Automated Opportunistic Osteoporosis Screening Using Chest LDCT and Lumbar CT: A Multicenter Cohort Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.015 PMID:41188157	研究论文	本研究提出了一种基于深度学习的自动化方法，利用胸部低剂量CT和腰椎CT扫描进行机会性骨质疏松筛查，并在多中心、多厂商的CT扫描仪上验证了其诊断性能	开发了一种结合多种卷积神经网络（3D VB-Net、SCN、DenseNet、ResNet）的深度学习流程，用于自动椎体分割、感兴趣区域提取和骨密度计算，实现了在多中心、多厂商CT扫描仪上的高性能骨质疏松筛查	本研究为回顾性研究，可能存在选择偏倚；未明确说明模型在不同人群（如不同年龄、性别）中的泛化性能	开发并验证一种基于深度学习的自动化骨密度测量方法，用于机会性骨质疏松筛查	接受胸部低剂量CT和腰椎CT扫描的患者	计算机视觉	骨质疏松症	低剂量CT、腰椎CT、定量CT	CNN	CT图像	4305名患者，数据来自五家医院的九台CT扫描仪，分为训练集（1891）、验证集（806）和测试集1-5（229、418、508、229、224）	NA	3D VB-Net, SCN, DenseNet, ResNet	R², 平均误差, 95%一致性限, AUC, 灵敏度, 特异性	NA
816	2025-12-31	Deep Learning R-Wave Detection for Electrocardiographic Gating in Cardiac MRI 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250104 PMID:41196189	研究论文	本研究评估了心脏MRI中ECG门控错误的频率，并开发了一种用于R波检测的卷积神经网络以减少此类错误	首次将卷积神经网络应用于心脏MRI环境下的ECG R波检测，特别是在3.0 T高场强下对MRI引起的伪影具有更强的鲁棒性	研究为回顾性设计，样本量相对有限（共167名患者），且未在更广泛的人群或不同MRI设备上进行外部验证	评估ECG门控错误频率，并开发一种基于深度学习的R波检测方法以提高心脏MRI图像质量	接受心脏电影MRI检查患者的ECG追踪数据	医学图像分析	心血管疾病	心脏MRI, ECG追踪	CNN	ECG信号（时间序列数据）	167名患者（120名内部数据集，47名外部数据集）	未明确说明	未明确说明具体架构	F1分数, 假阳性率	未明确说明
817	2025-12-31	PET/CT-based deep learning model predicts distant metastasis after SBRT for early-stage NSCLC: A multicenter study 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102663 PMID:41260004	研究论文	本研究开发并验证了一个基于18F-FDG PET/CT图像的深度学习融合模型，用于预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	首次提出基于PET/CT图像的深度学习融合模型来预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险，并通过多中心数据验证了其优越的预测性能	研究样本量相对有限（共566例患者），且外部验证集规模较小（80例），未来需要更大规模的多中心研究进一步验证模型的泛化能力	开发并验证一个基于深度学习的预测模型，用于评估早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	早期非小细胞肺癌患者	数字病理学	肺癌	18F-FDG PET/CT成像	VAE, 全连接网络	医学影像（CT、PET及融合图像）	566例患者（来自5家医院），分为训练集347例、内部测试集139例和外部测试集80例	NA	变分自编码器, 全连接网络	C-index, 风险比	NA
818	2025-12-31	Development of a Novel Interpretable Transformer-Based Deep Learning Model for Predicting Postoperative Hypokalemia in Pituitary Adenomas 2025-Dec, Journal of evidence-based medicine DOI:10.1111/jebm.70089 PMID:41261064	研究论文	本研究开发了一种基于Transformer的可解释深度学习模型CliTab-Transformer，用于预测垂体腺瘤患者术后低钾血症	首次将Transformer架构应用于临床表格数据，并引入了一种新的Transformer可解释性方法，以识别对个体预测有贡献的重要参数	研究为回顾性队列研究，样本量相对较小（280例患者），可能存在选择偏倚	开发一个可解释的预测模型，以预测垂体腺瘤患者术后低钾血症，并识别影响预测结果的个体化重要参数，从而促进早期干预	垂体腺瘤患者	机器学习	垂体腺瘤	NA	Transformer, XGBoost, MLP	表格数据	280例患者	NA	CliTab-Transformer, XGBoost, MLP	准确率, 精确率, 召回率, F1分数, ROC曲线, PR曲线, AUC	NA
819	2025-12-31	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对基于心电图（ECG）的心脏病分类中可解释深度学习（XAI）技术进行了系统文献综述，分析了方法选择、可解释性影响及未来研究方向	系统梳理了2018年至2024年间基于ECG的心脏病分类中XAI与深度学习结合的研究，识别了常用数据集、模型架构及XAI技术，并指出了该领域的主要挑战与未来机遇	综述范围限于2018年1月至2024年9月的文献，可能未涵盖最新进展；且仅聚焦于ECG数据和深度学习架构，未涉及其他心脏病诊断方法	提高对基于ECG的心脏病分类中深度学习模型可解释性的理解，并系统评估相关方法、挑战及未来研究方向	基于ECG数据的心脏病分类研究，特别是采用可解释人工智能（XAI）与深度学习技术的学术论文	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	涉及6448项初步研究，其中51项使用了XAI-based DL架构，共涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
820	2025-12-31	Image Quality Improvement and Artificial Intelligence Performance in Pulmonary Embolism Detection at Deep Learning Reconstruction-Based Ultra-low Radiation Dose CT Pulmonary Angiography 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.018 PMID:41067972	研究论文	本研究评估了基于深度学习重建的超低剂量CT肺动脉造影的图像质量，并探讨了AI软件能否提升放射科医生在超低剂量图像上检测肺栓塞的诊断性能	在超低剂量CTPA中应用深度学习重建技术，并首次系统评估其与AI辅助诊断结合对肺栓塞检测的准确性、效率和辐射安全性的综合影响	研究样本量相对有限（144例患者），且为双中心研究，可能影响结果的普遍适用性	评估超低剂量CTPA中深度学习重建的图像质量，并确定AI软件是否能提升放射科医生对肺栓塞的诊断性能	疑似肺栓塞并接受CTPA检查的患者	数字病理学	心血管疾病	CT肺动脉造影	深度学习重建	医学影像	144例患者，其中超低剂量组随机选取56例参与者进行AI评估	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数	NA