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
1021	2025-12-27	MegaPlantTF: A Machine Learning Framework for Comprehensive Identification and Classification of Plant Transcription Factors 2025-Dec-23, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf678 PMID:41450215	研究论文	本文介绍了MegaPlantTF，一个用于植物转录因子预测和分类的机器学习与深度学习框架	首次提出结合k-mer蛋白质表示、深度前馈神经网络和堆叠集成分类器的两阶段架构，用于大规模植物转录因子识别与分类	未明确说明框架在非植物物种或极端罕见转录因子家族上的泛化能力	开发一个全面、高效的机器学习框架，用于植物转录因子的检测与家族级分类	植物转录因子蛋白质	机器学习	NA	k-mer编码	深度前馈神经网络, 集成分类器	蛋白质序列	NA	NA	深度前馈神经网络, 堆叠集成	微平均, 宏平均, 加权平均性能指标, 准确率, 精确率	NA
1022	2025-12-27	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	本研究利用指纹特征，通过机器学习模型预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习与贝叶斯神经网络的表现	在低数据量场景下，首次应用贝叶斯神经网络进行SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂效力预测，并证明其优于传统机器学习模型	研究基于有限的数据集进行，可能无法完全代表所有抑制剂类型，且模型在更大数据集上的泛化能力未经验证	开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力	SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂	机器学习	COVID-19, MERS	指纹特征提取	随机森林, 梯度提升, 贝叶斯神经网络	化学指纹数据	未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集	NA	NA	NA	NA
1023	2025-12-27	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-22, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了人工智能在围手术期护理各阶段（包括术前、术中、术后及重症监护）的最新应用进展，并系统性地指出了该领域在方法学、伦理和实践方面的挑战	本文是一篇综述性文章，未提出新的原创性AI模型或进行实证研究，主要基于现有文献进行归纳总结	总结人工智能在麻醉学中的当前应用，分析其整合过程中面临的方法学、伦理和实践挑战，并探讨未来在围手术期护理中安全有效应用的发展方向	人工智能技术在麻醉学领域的各类应用场景、相关算法模型及其临床实践	机器学习	NA	机器学习、深度学习、大语言模型	NA	多模态数据（包括生理信号、医学影像、文本数据等）	NA	NA	NA	NA	NA
1024	2025-12-27	Skull-stripping induces shortcut learning in MRI-based Alzheimer's disease classification 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02158-4 PMID:41428317	研究论文	本研究探讨了在基于结构MRI的阿尔茨海默病分类中，颅骨剥离预处理如何诱导捷径学习现象	首次系统评估了颅骨剥离在MRI图像分类中引入的偏差，揭示了深度学习模型依赖预处理产生的轮廓特征而非灰白质纹理的捷径学习现象	研究仅基于ADNI数据库的990个样本，可能无法推广到其他数据集或疾病类型	评估T1加权MRI图像中纹理、体积信息及预处理（特别是颅骨剥离）对阿尔茨海默病分类的贡献	阿尔茨海默病患者和认知正常对照的T1加权MRI图像	医学影像分析	阿尔茨海默病	T1加权MRI成像	3D CNN	3D MRI图像	990个匹配的T1加权MRI图像（来自ADNI数据库）	NA	3D卷积神经网络	准确率, 敏感性, 特异性	NA
1025	2025-12-27	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2025-Dec-22, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	本文采用深度学习方法来分析大脑结构特征是否能够预测年轻人群的空间导航能力	使用数据驱动方法，首次比较图卷积神经网络和3D卷积神经网络来映射大脑宏观结构与空间导航行为个体差异的关联	研究样本量较小，仅使用单一行为测量指标，可能限制了预测能力	探究大脑结构特征与个体空间导航行为差异之间的关联	年轻健康成年人的大脑结构和空间导航能力	机器学习	NA	T1 MRI	GCNN, 3DCNN	图像	90名参与者	NA	图卷积神经网络, 3D卷积神经网络	预测值	NA
1026	2025-12-27	[ResLSTM-TemporalSE: an automated classification model for multi-lead ECG signals] 2025-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.12.18 PMID:41429624	研究论文	提出了一种名为ResLSTM-TemporalSE的高效深度学习模型，用于提升12导联心电图信号的自动分类准确率	设计了一种结合多层残差长短期记忆网络和时序注意力机制的新网络架构，通过残差连接和增强的通道特征表示来有效提取心电信号的时空特征	未明确提及模型在更广泛或多样化临床数据集上的泛化能力限制，以及计算复杂度分析	提高12导联心电图信号的自动分类准确性	12导联心电图信号	机器学习	心血管疾病	NA	LSTM, 注意力机制	信号数据	公共CPSC2018数据集和来自南方医科大学第七附属医院的私有临床数据集	NA	ResLSTM-TemporalSE	准确率, 精确率, 召回率, F1分数	NA
1027	2025-12-27	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	系统综述	本文系统综述了深度学习模型在磁共振成像中用于肝细胞癌分割的研究，重点关注模型架构、性能指标和实施挑战	系统性地评估了基于深度学习的肝细胞癌MRI分割模型，特别关注了U-Net变体、Transformer和混合模型的性能及适应性，并指出了多中心数据集和标准化协议的重要性	纳入研究数量有限（仅13项），存在患者选择偏倚风险（8项研究为高风险），且数据集规模小、病变异质性和MRI协议变异性限制了结果的普适性	评估深度学习模型在磁共振成像中自动分割肝细胞癌的性能、架构及面临的挑战	使用深度学习进行肝细胞癌MRI分割的同行评议研究	计算机视觉	肝细胞癌	磁共振成像	CNN, Transformer	图像	19至602名患者	NA	U-Net, nnU-Net, UNet++, Transformer, 混合模型	Dice相似系数	NA
1028	2025-12-27	Artificial intelligence in multidisciplinary tumor boards enhancing decision making and clinical outcomes in oncology 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114082 PMID:41438031	综述	本文综述了人工智能（AI）如何支持多学科肿瘤委员会（MDT）的决策过程，以提升肿瘤学中的临床决策和患者结局	综合分析了包括机器学习、自然语言处理、深度学习和大型语言模型在内的多种AI技术如何增强MDT的信息整合、指南一致性和文档清晰度	存在数据偏见、泛化能力不均、隐私与治理问题以及前瞻性验证有限等关键限制	探讨AI在肿瘤学多学科团队决策中的支持作用，以优化临床决策和个性化治疗	多学科肿瘤委员会（MDT）在肿瘤学中的决策过程	自然语言处理, 机器学习	肿瘤学（多种癌症）	机器学习, 自然语言处理, 深度学习, 大型语言模型	NA	影像学, 病理学, 基因组学, 患者因素数据	NA	NA	NA	AI建议与MDT决策的一致性（70%至90%）, 诊断性能	NA
1029	2025-12-27	Explainable-enhanced AI for diagnosing coronary microvascular dysfunction with multimodal imaging 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114101 PMID:41438088	研究论文	本研究开发了一种临床适用的、可解释性增强的AI模型CMVD_MDAS，通过整合深度学习和多模态机器学习来改善冠状动脉微血管功能障碍（CMVD）的诊断	结合了深度学习与多模态机器学习，并利用基于SHAP的特征排序增强模型的可解释性，显著提升了CMVD诊断的准确性和效率	NA	提高冠状动脉微血管功能障碍（CMVD）的诊断准确性和效率	心肌段（592个用于训练和内部验证，352个用于外部验证）	数字病理学	心血管疾病	多模态成像	CNN	图像	592个心肌段（训练和内部验证），352个临床患者心肌段（外部验证）	NA	卷积神经网络	AUC	NA
1030	2025-12-27	Entropy-guided partial annotation for cross-domain rib segmentation 2025-Dec-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102689 PMID:41447887	研究论文	本文提出了一种基于熵引导的部分标注方法（EGPA），用于减少肋骨分割任务中的标注工作量，并解决跨域适应问题	提出了一种结合对比学习、主动学习和自训练策略的半监督方法，通过熵度量主动识别图像中最具信息量的区域进行标注，显著降低了专家在模型训练和跨域适应中的工作量	未明确说明方法在更广泛医学图像任务或不同模态数据上的泛化能力，且依赖于特定数据集（公开和私有）进行评估	开发一种半监督方法以减少肋骨分割中的标注成本，并实现从源域到目标域的有效迁移	肋骨分割任务，涉及公开的RibSegV2数据集（源域）和私有的胸部CT肋骨分割数据集（目标域）	数字病理	NA	CT扫描	深度学习模型（未指定具体类型如CNN）	图像（CT扫描）	涉及公开RibSegV2数据集和私有胸部CT数据集，具体样本数量未明确说明	NA	NA	Dice分数	NA
1031	2025-12-27	Automated Particle Size Analysis of Supported Nanoparticle TEM Images Using a Pre-Trained SAM Model 2025-Dec-16, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15241886 PMID:41441496	研究论文	本研究提出了一种基于预训练SAM模型的自动化方法，用于分析负载型纳米颗粒的TEM图像，实现颗粒分割与尺寸测量	首次将预训练的Segment Anything Model (SAM)用于负载型纳米颗粒的零样本分割，并结合定制图像处理流程实现高精度粒径分析	方法在极低信噪比或极端复杂背景下的性能未充分验证，且仅以Ru/TiO等材料作为代表系统进行测试	开发自动化图像分析方法以克服负载型纳米颗粒TEM分析中的技术挑战	负载型纳米颗粒（以Ru/TiO及相关材料为代表）的TEM图像	计算机视觉	NA	透射电子显微镜 (TEM)	深度学习模型	图像	未明确说明具体图像数量，以Ru/TiO及相关材料作为代表系统	未明确说明	Segment Anything Model (SAM)	尺寸估计误差 (3%-5%)，单图像处理时间 (<1分钟)	NA
1032	2025-12-27	Remodeling of non-coding RNA regulatory networks: Decoding the pathological mechanisms and new therapeutic paradigms of cardiovascular diseases 2025-Dec-16, Physics of life reviews IF:13.7Q1 DOI:10.1016/j.plrev.2025.12.007 PMID:41447890	综述	本文系统综述了非编码RNA在心血管疾病中的表达谱、多层调控机制及其作为生物标志物和治疗靶点的潜力，并探讨了相关新兴技术和未来挑战	提出了一个整合网络拓扑、竞争性内源RNA动力学、外泌体运输时空梯度以及能量/化学计量约束的分析框架，以统一解释不同心血管疾病表型下的非编码RNA调控机制	基于非编码RNA的疗法在实际应用中面临递送效率低、功能冗余和微环境依赖性等挑战	解码非编码RNA调控网络在心血管疾病中的病理机制，并探索新的治疗范式	心血管疾病，包括先天性心脏病、动脉粥样硬化、心肌病、心力衰竭和心律失常	NA	心血管疾病	单细胞多组学、空间转录组学、CRISPR-dCas9系统、深度学习、外泌体液活检、锁核酸寡核苷酸、腺相关病毒血清型9递送系统、工程化外泌体	NA	NA	NA	NA	NA	NA	NA
1033	2025-12-27	Application of Generative Adversarial Networks to Improve COVID-19 Classification on Ultrasound Images 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120451 PMID:41440591	研究论文	本研究提出了一种利用生成对抗网络（GAN）生成合成肺部超声图像以解决COVID-19分类中数据稀缺问题的方法	通过使用Wasserstein GAN（WGAN）和Pix2Pix生成合成肺部超声图像，有效缓解了公共医学数据库有限的问题，并显著提升了分类模型的性能	未详细说明合成数据与原始数据分布的接近程度的具体量化指标，且可能依赖于特定工具进行验证	改善COVID-19在超声图像上的分类准确性，以支持早期诊断和治疗	肺部超声图像	计算机视觉	COVID-19	超声成像	GAN, CNN	图像	NA	TensorFlow, PyTorch	WGAN, Pix2Pix	准确率	NA
1034	2025-12-27	Sensory Representation of Neural Networks Using Sound and Color for Medical Imaging Segmentation 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120449 PMID:41440589	研究论文	本文提出了一种结合深度学习分割与多模态视听输出的脑成像数据感官表示新框架	将MRI预测结果转化为彩色编码图和立体声/MIDI声音化表示，引入“听觉生物标志物”概念用于病理识别	数据集规模有限、缺乏临床验证、基于启发式的声音化方法	增强复杂神经成像数据的可解释性，支持临床决策、认知研究和创意应用	脑结构磁共振成像数据	医学影像	NA	结构磁共振成像	U-Net	图像	NA	NA	U-Net	NA	NA
1035	2025-12-27	Pilot Evaluation of a Deep Learning Model for Nasogastric Tube Verification on Chest Radiographs: A Single-Center Retrospective Study 2025-Dec-15, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11120140 PMID:41441392	研究论文	本研究对一种用于胸部X光片中鼻胃管位置验证的深度学习模型进行了初步的单中心回顾性评估	在真实临床环境中评估了深度学习模型在鼻胃管位置验证任务上的性能，并特别关注了其对位置不当管道的检测能力	研究为单中心回顾性研究，样本量小（仅135例），位置不当的病例数极少（n=6），导致对模型在该类病例上性能的评估存在较大不确定性	评估深度学习模型在辅助验证胸部X光片中鼻胃管位置方面的性能与可靠性	来自江原国立大学医院的135张胸部X光片	计算机视觉	NA	深度学习	深度学习模型	图像（胸部X光片）	135张胸部X光片	NA	NA	灵敏度, 特异度, 阳性预测值, 阴性预测值, 平衡准确率, F1分数, ROC曲线下面积, 精确率-召回率曲线下面积	NA
1036	2025-12-27	Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma 2025-Dec-13, The American journal of pathology DOI:10.1016/j.ajpath.2025.11.004 PMID:41391751	研究论文	本文通过解释深度学习模型XpressO-melanoma在皮肤黑色素瘤全切片图像中预测BRAF V600E突变状态的决策过程，评估了模型的可解释性	提出了四种解释类别，将模型性能与有意义的诊断模式区域及需要标注优化的区域关联起来，推动了深度学习在临床病理学中的人类-人工智能协作	模型预测过程的可解释性有限，可能影响临床信任度	提高深度学习模型在临床病理学中预测分子改变的可解释性和透明度	皮肤黑色素瘤全切片图像	数字病理学	皮肤黑色素瘤	苏木精-伊红染色全切片图像分析	弱监督深度学习模型	图像	NA	NA	XpressO-melanoma	AUC, 精确率, 召回率	NA
1037	2025-12-27	SemiRaman: A self-supervised contrastive representation learning-based framework for semi-supervised Raman spectral identification of pathogenic bacteria 2025-Dec-13, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127356 PMID:41447771	研究论文	提出了一种基于自监督对比学习的半监督拉曼光谱识别框架（SemiRaman），用于在标记数据有限的情况下准确识别病原菌	结合无监督与监督学习模块，通过冗余减少和多层次对比学习从无标签数据中提取判别性特征，并采用多阶段微调策略以极少量标记数据实现高分类精度	NA	开发一个高效框架，用于在标记数据稀缺的情况下实现病原菌的准确拉曼光谱识别	病原菌的拉曼光谱数据	机器学习	NA	拉曼光谱	自监督对比学习	光谱数据	Bacteria-7 和 Bacteria-14 数据集，分别使用 5% 和 10% 的标记数据	NA	NA	准确率, MF1-score	NA
1038	2025-12-27	AI-Driven Clinical Decision Support System for Automated Ventriculomegaly Classification from Fetal Brain MRI 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120444 PMID:41440584	研究论文	本文开发了一个基于AI的临床决策支持系统，用于从胎儿脑部MRI中自动进行脑室扩大分类	提出了一种结合自适应切片选择、自动分割与宽度估计、以及利用大语言模型进行可解释性推理的端到端自动化流程	NA	开发一个自动化流程，用于胎儿脑室扩大的分割、宽度估计和严重程度分类，以辅助临床决策	胎儿脑部MRI图像	数字病理学	胎儿脑室扩大	MRI	深度学习分类器	图像	NA	NA	NA	Dice系数, 准确率, F1分数	NA
1039	2025-12-27	Research on Augmentation of Wood Microscopic Image Dataset Based on Generative Adversarial Networks 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120445 PMID:41440585	研究论文	本研究探讨了基于生成对抗网络（GAN）的木材显微图像数据集增强方法，以解决样本数据不足的问题	首次将多种GAN模型（BGAN、DCGAN、WGAN-GP、LSGAN、StyleGAN2）应用于木材显微图像数据增强，并通过细胞结构保真度、图像清晰度、多样性及KID、IS、SSIM等指标综合评估生成图像质量	部分GAN模型（如DCGAN、LSGAN、StyleGAN2）在训练中出现模式崩溃，导致生成图像清晰度和多样性较低	提高木材显微图像数据集的规模和质量，以增强深度学习模型的训练性能和泛化能力	木材显微图像，包括早材、晚材和木射线等细胞结构	计算机视觉	NA	显微成像，基础图像处理技术	GAN	图像	NA	NA	BGAN, DCGAN, WGAN-GP, LSGAN, StyleGAN2	KID, IS, SSIM	NA
1040	2025-12-27	Pixel-Wise Sky-Obstacle Segmentation in Fisheye Imagery Using Deep Learning and Gradient Boosting 2025-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120446 PMID:41440586	研究论文	本文提出了一种结合深度学习与梯度提升的鱼眼图像像素级天空-障碍物分割框架，用于太阳辐照度预测和环境监测	提出低成本分割框架，结合合成数据生成、镜头感知增强和混合深度学习流程，无需专用硬件，并利用梯度提升决策树优化边界精度	未明确讨论模型在极端天气或复杂光照条件下的性能，且合成数据可能无法完全覆盖所有真实场景的多样性	开发一种准确、低成本且可广泛部署的半球形天空分割方法，用于太阳和环境成像应用	鱼眼图像中的天空与障碍物像素级分割	计算机视觉	NA	合成数据生成、镜头感知增强	CNN, GBDT	图像	使用智能手机和低成本附加镜头在多地点捕获的真实鱼眼图像，以及外部全景基线数据集	NA	NA	IoU, F1分数, 边界精度	NA