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
1261	2025-12-24	A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05514 PMID:41368808	研究论文	本文提出了一种用于台式核磁共振设备进行新型精神活性物质非靶向筛查的深度学习模型	提出了一种结合通道注意力增强架构、化学信息预处理以及将NMR谱图与SMILES表示对齐的对比预训练方法的深度学习模型，显著增强了低信噪比条件下的谱图特征提取能力	模型目前仅针对九种NPS类别进行分类，未明确提及对其他物质或更广泛类别的泛化能力	开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法	新型精神活性物质	机器学习	NA	核磁共振	深度学习模型	核磁共振谱图数据	NA	NA	通道注意力增强架构	准确率	NA
1262	2025-12-24	DeepMIR: A Hybrid Convolutional Neural Network-Transformer Framework for Accurate Identification of Target Components from Mid-Infrared Spectra of Mixtures 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04545 PMID:41384937	研究论文	提出了一种名为DeepMIR的深度学习框架，用于从混合物的中红外光谱中准确识别目标成分	首次将卷积神经网络与Transformer编码器结合，构建了一种混合架构，用于从混合物的中红外光谱中识别目标成分，该框架能有效处理参考光谱与混合物光谱采集技术不同带来的挑战	NA	解决分析化学中因严重光谱重叠和仪器变异性导致的混合物中红外光谱成分准确识别难题	复杂混合物（包括液体溶剂、固体颜料混合物和商业混纺织物）的中红外光谱	机器学习	NA	中红外光谱	CNN, Transformer	光谱数据	超过67,000个合成增强的光谱对	NA	混合卷积神经网络-Transformer架构	准确率, 统计显著性检验	NA
1263	2025-12-24	Investigating cis-regulatory elements and gene expression in multiple tomato varieties using interpretable deep learning 2025-Dec-23, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05109-1 PMID:41429964	研究论文	本研究开发了一种名为L-CRE的可解释深度学习模型，用于分析番茄基因侧翼区域并预测基因表达水平	改进了先前模型，开发了可解释的深度学习模型L-CRE，能够识别影响基因表达的关键基因组区域，并成功验证了已知调控元件	仅分析了四种番茄品种，模型泛化能力未在其他物种或更广泛品种中验证	阐明顺式调控元件如何影响基因表达，为作物遗传改良和功能基因组学研究提供新方法	四种不同番茄品种的基因侧翼区域	机器学习	NA	深度学习	深度学习模型	基因组序列数据	四种番茄品种的基因数据	NA	L-CRE	准确率	NA
1264	2025-12-24	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2025-Dec-23, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	本文综述了人工智能在产科领域的当前应用、机遇及临床实施挑战	系统性地总结了AI在产科多个临床领域的应用现状，并强调了外部验证不足和算法偏见等关键挑战	作为综述文章，未提出新的原创性算法或临床数据验证	探讨人工智能在产科实践中的应用潜力与实施障碍	产科临床实践，包括胎儿生物测量、结构异常检测、妊娠并发症预测和产时胎儿监测	NA	NA	深度学习	NA	诊断影像、临床数据	NA	NA	NA	诊断准确性	NA
1265	2025-12-24	Quantitative measurement of Iris melanin concentration by polarization-sensitive anterior segment optical coherence tomography 2025-Dec-23, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721251407025 PMID:41432634	研究论文	本研究利用偏振敏感前段光学相干断层扫描（PS-AS-OCT）评估虹膜黑色素浓度，并探讨其与棕色虹膜个体虹膜颜色的相关性	首次采用PS-AS-OCT结合深度学习自动分割虹膜亚结构层，并通过熵基图像推导黑色素浓度比（MCR）来量化虹膜层内黑色素，为非侵入性评估虹膜色素沉着提供了新方法	研究仅纳入棕色虹膜个体，样本量相对较小（88人），且未涵盖其他虹膜颜色类型，可能限制结果的普适性	评估虹膜黑色素浓度与虹膜颜色的相关性，并开发基于MCR的虹膜颜色分类方法	人类虹膜	医学影像分析	NA	偏振敏感前段光学相干断层扫描（PS-AS-OCT），高分辨率摄影	深度学习模型，K-近邻（KNN）	图像（虹膜横截面图像，高分辨率照片）	88名参与者（平均年龄39岁）	NA	NA	分类准确率	NA
1266	2025-12-24	Myelination-attention-empowered deep learning model improved brain age prediction in children below 2 years of age 2025-Dec-23, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06495-w PMID:41432745	研究论文	本研究开发了一种名为MAENet的深度学习模型，通过整合髓鞘化注意力机制，提高了2岁以下儿童大脑年龄预测的准确性和可解释性	创新性地将髓鞘化这一生物过程作为注意力机制引入深度学习模型，并设计了多通道信息融合与通信机制，以增强对髓鞘化相关特征的敏感性	研究为回顾性分析，数据来源于单一医院，样本量相对有限（603名参与者），且年龄范围仅限于0-2岁	提高早期婴儿期大脑年龄预测的准确性和模型可解释性	0-2岁儿童的大脑结构磁共振成像数据	医学影像分析	神经发育障碍	结构磁共振成像	深度学习模型	图像	603名0-2岁参与者	NA	MAENet, ResNet-50, VGG, Inception, SFCN, Skewed, FiA-Net, TSAN	平均绝对误差	NA
1267	2025-12-24	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2025-Dec-23, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	本研究利用基于YOLO的深度学习模型在口腔全景X光片上检测开根尖牙齿，并比较了不同模型的性能	首次将YOLO系列深度学习模型应用于口腔全景X光片中开根尖牙齿的自动检测，并系统比较了YOLOv3、YOLOv4和YOLOv5的性能	研究仅使用了966张全景X光片，样本量相对有限，且未在更广泛的数据集或临床环境中进行外部验证	开发一种基于深度学习的自动检测系统，用于识别口腔全景X光片中的开根尖牙齿，以减少患者额外拍摄X光片的需求并辅助牙医诊断	口腔全景X光片中的开根尖牙齿	计算机视觉	NA	全景X光成像	CNN	图像	966张口腔全景X光片	NA	YOLOv3, YOLOv4, YOLOv5	精确度, 召回率, 平均精度, F1分数	NA
1268	2025-12-24	Paired liver-spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study 2025-Dec-23, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02331-y PMID:41432913	研究论文	本研究开发并验证了一种基于配对肝脾高频超声图像的深度学习网络LS-Net，用于慢性乙型肝炎患者全阶段肝纤维化分类，并与现有方法进行比较	提出了首个基于配对肝脾高频超声图像的深度学习网络LS-Net，用于全阶段肝纤维化分类，并在多中心前瞻性研究中证明了其优于现有弹性成像技术和放射科医生评估的临床价值	本研究为内部验证研究，缺乏外部独立队列的验证，且样本量相对有限	开发一种基于深度学习的肝纤维化无创诊断方法，以改善慢性乙型肝炎患者的临床管理	慢性乙型肝炎患者	数字病理学	肝纤维化	高频超声	深度学习网络	图像	来自6家医院的598名患者，共2139张高频超声图像	NA	LS-Net, L-Net	AUROC	NA
1269	2025-12-24	A multidimensional transformer-CNN network trained with incomplete ultrasonic radiofrequency data of blood for red blood cell aggregation classification 2025-Dec-23, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01680-5 PMID:41432985	研究论文	本文提出了一种用于红细胞聚集分类的多维Transformer-CNN网络，该网络在部分缺失的超声射频数据上进行训练	提出了一种多维Transformer-CNN模型，通过Mask-Head模块随机掩蔽部分原始数据，并引入多维自适应融合模块来聚合跨维度特征，以解决数据异常导致的模型泛化能力下降问题	未明确说明模型在更广泛或不同来源的超声数据上的性能，也未讨论模型对特定类型数据缺失的敏感性	开发一种鲁棒的深度学习模型，用于准确、无创地监测红细胞聚集，以辅助早期疾病检测	红细胞聚集	机器学习	心血管疾病	超声	Transformer, CNN	超声射频信号	NA	NA	多维Transformer编码器, CNN	准确率, F1分数	NA
1270	2025-12-24	Introducing Advanced ClearIQ Engine (AiCE) Deep Learning Reconstruction Algorithm into a Clinincal Radiotherapy Workflow 2025-Dec-22, The British journal of radiology DOI:10.1093/bjr/tqaf318 PMID:41428451	研究论文	本研究评估了AiCE深度学习重建算法在临床放射治疗工作流程中的应用，旨在优化CT扫描剂量并确保图像质量稳定	首次将AiCE深度学习重建算法引入临床放射治疗工作流程，用于优化CT扫描剂量并验证其在治疗计划中的适用性	研究主要针对乳腺放射治疗患者，未涵盖其他癌症类型或更广泛的临床场景	评估AiCE重建算法在放射治疗计划中的图像质量影响，并优化CT扫描剂量	电子密度体模和乳腺放射治疗患者的临床CT扫描数据	医学影像处理	乳腺癌	CT扫描，深度学习重建算法	深度学习	CT图像	电子密度体模测试及乳腺放射治疗患者临床数据	NA	AiCE（Advanced ClearIQ Engine）	Hounsfield单位差异，剂量差异，平均DLP减少百分比	NA
1271	2025-12-24	Association Between CT-Based AI-Derived Body Composition and Survival in Patients With Pancreatic Ductal Adenocarcinoma 2025-Dec-22, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003896 PMID:41428798	研究论文	本研究探讨了基于CT的AI衍生身体成分参数与胰腺导管腺癌患者总生存期之间的独立关联	利用经过验证的深度学习分割算法从诊断CT扫描中自动评估身体成分，并分析其与不同治疗亚组患者生存率的关联	回顾性研究设计可能引入选择偏倚，且仅基于单次CT扫描评估身体成分	优化胰腺导管腺癌患者的治疗策略，通过身体成分评估改善临床决策	胰腺导管腺癌患者	数字病理学	胰腺癌	CT扫描，深度学习分割算法	深度学习	CT图像	1666名胰腺导管腺癌患者	NA	NA	风险比，置信区间，P值	NA
1272	2025-12-24	Dynamic-Guided Diffusion Probability Model for Cranial Nerves Segmentation 2025-Dec-22, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70191 PMID:41428854	研究论文	本文提出了一种动态引导扩散概率模型，用于从磁共振成像中分割颅神经束，以提高分割准确性	提出了一种结合多模态信息和解剖先验的动态引导机制（SE-A-NL模块），以处理多模态图像的不同表征能力和颅神经的长程连接	未明确说明模型的计算复杂度或泛化能力到其他神经结构的局限性	开发一种深度学习方法来准确分割颅神经束，以分析其形态和方向	五对颅神经束	数字病理学	NA	磁共振成像	扩散概率模型	图像	NA	NA	SE-A-NL模块	20个评估指标中的16个	NA
1273	2025-12-24	Jo-SNC: Combating Noisy Labels Through Fostering Self- and Neighbor-Consistency 2025-Dec-22, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646737 PMID:41428907	研究论文	本文提出了一种名为Jo-SNC的噪声鲁棒方法，通过联合样本选择和基于自一致性及邻域一致性的模型正则化来应对标签噪声问题	提出使用Jensen-Shannon散度衡量样本清洁度或分布外可能性，结合最近邻增强识别可靠性；设计了自适应数据驱动的阈值调整方案；对不同类型的噪声样本采用不同的训练策略；并引入了三元组一致性正则化来提升模型性能	NA	解决监督深度学习中的标签噪声问题，提升模型在噪声数据下的鲁棒性	包含标签噪声的基准数据集	机器学习	NA	NA	深度学习网络	NA	NA	NA	NA	NA	NA
1274	2025-12-24	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2025-Dec-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	本文提出了一种名为WaveFHR-VNet的多尺度、多基小波投票网络，用于在联合时频域中自动分析胎儿心率信号，以准确检测基线和瞬态加速/减速事件	提出了一种U-Net风格的多尺度、多基小波投票网络，首次在编码器块中嵌入离散小波变换，通过交互系数选择模块抑制噪声并增强诊断显著性瞬态，并采用五种互补小波基并行操作与投票融合，无需手动调参	未明确提及模型的计算复杂度或实时性能限制，也未讨论在更广泛临床环境中的验证情况	开发一种能够准确检测胎儿心率信号中基线和瞬态加速/减速事件的计算机辅助解释方法，以改善产时监测	胎儿心率信号	数字病理学	心血管疾病	离散小波变换	U-Net	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB公共基准）	NA	U-Net	Dice系数, IoU, 准确率	NA
1275	2025-12-24	Dynamic Analysis of the Substrate Tolerance Mechanism and Domain Synergistic Engineering of CYP450 Fusion Protein (CYPLY) 2025-Dec-22, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c09518 PMID:41429466	研究论文	本研究通过整合多模板同源建模、分子动力学模拟和深度学习突变预测，揭示了CYP450融合蛋白的底物耐受机制，并通过结构域协同工程成功改造了酶，显著减轻了底物抑制并提高了电子传递效率	首次提出并验证了CYP450酶中门控-动力学-电子传递协同调控模型，并利用深度学习指导突变设计，实现了对底物抑制和电子传递效率的双重优化	研究主要基于计算模拟和体外实验，尚未在体内或大规模工业发酵条件下验证突变体的性能	阐明CYP450融合蛋白的底物耐受机制，并通过工程化改造提高其催化效率和工业应用潜力	嵌合酶CYP153A/M228L-CPR (CYP)及其突变体	计算生物学，蛋白质工程	NA	多模板同源建模，分子动力学模拟，深度学习突变预测	深度学习模型	蛋白质结构数据，分子动力学轨迹数据	NA	NA	NA	底物抑制减轻倍数（34倍，61倍），底物转化率（49.1%，65.8%），反应时间缩短（6小时，4小时）	NA
1276	2025-12-24	Topological Feature Extraction from Multi-color Channels for Pattern Recognition: An Application to Fundus Image Analysis 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01791-1 PMID:41429947	研究论文	本研究利用多颜色通道的拓扑特征结合深度学习进行模式识别，应用于眼底图像分析	首次将颜色通道变化与拓扑特征提取相结合，用于眼底图像疾病诊断，探索了拓扑足迹在不同颜色模型中的变化	研究仅基于三个公开数据集，未涉及更大规模或更广泛的数据验证	通过拓扑特征与深度学习结合，实现眼底图像的自动化疾病分类	眼底图像	计算机视觉	老年性疾病	NA	深度学习模型, 机器学习模型	图像	三个公开数据集：APTOS 2019, ORIGA, ICHALLENGE-AMD	NA	NA	NA	NA
1277	2025-12-24	A Hybrid YOLOv8s+Swin-T Transformer Approach for Automated Caries Detection on Periapical Radiographs 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01763-5 PMID:41429949	研究论文	本研究提出了一种结合YOLOv8s与Swin-T Transformer的混合目标检测器，用于在根尖周X光片上自动检测龋齿	提出了一种新颖的混合目标检测架构，将YOLOv8s骨干网络与Swin-T Transformer集成，通过其分层注意力机制改进了特征提取，在空间理解和上下文感知方面优于基于CNN的模型	模型仅在单一机构（Sibar牙科学院）收集的1887张X光片上进行训练和评估，其在不同数据集上的泛化能力和鲁棒性尚未得到广泛验证	自动化检测根尖周X光片中的龋齿，为AI辅助诊断提供可靠工具	根尖周X光片中的龋齿病变	计算机视觉	龋齿	深度学习，目标检测	CNN, Transformer	图像（X光片）	1887张来自Sibar牙科学院（Guntur）的根尖周X光片	PyTorch	YOLOv8s, Swin-T, Faster R-CNN, ResNet-50-FPNv2	精确率，召回率，F1分数，mAP@0.5	NA
1278	2025-12-24	Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01786-y PMID:41429948	研究论文	本研究评估了基于深度学习的计算机辅助检测（AI-CAD）软件在自动乳腺超声（ABUS）中用于乳腺癌检测的诊断性能和临床实用性	首次在ABUS中评估AI-CAD对不同经验水平放射科医生的诊断性能提升效果，特别是发现AI-CAD对经验较少的医生提升最显著	回顾性研究，样本量较小（114名女性），仅评估了三位放射科医生，可能无法推广到所有临床环境	评估AI-CAD软件在自动乳腺超声中辅助乳腺癌检测的有效性	接受自动乳腺超声检查的114名女性（228个乳房），其中28名被诊断为乳腺癌	计算机视觉	乳腺癌	自动乳腺超声（ABUS）	深度学习	超声图像	114名女性（228个乳房），其中28例乳腺癌	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC, 阅读时间, 观察者间一致性	NA
1279	2025-12-24	Improving Chronological Age Estimation in Children Using the Demirjian Method Enhanced with Transformer and Regression Models 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01769-z PMID:41429946	研究论文	本研究提出了一种基于全景牙科图像和深度学习特征提取的两阶段方法，用于估计儿童的实足年龄	结合了Swin V2 Base等Transformer架构进行特征提取，并使用多种机器学习回归模型进行年龄预测，通过SHAP分析识别了最具影响力的牙齿特征	数据集规模有限（626张全景X光片），年龄范围较窄（6.0至13.8岁），未来需要扩展数据集并探索多模态整合	提高儿童实足年龄估计的准确性，为临床和法医牙科年龄估计提供可靠工具	儿童的全景牙科X光图像	计算机视觉	NA	全景X光成像	CNN, Transformer	图像	626张全景X光片（来自320名男性和306名女性儿童）	PyTorch, Scikit-learn	ResNet-18, EfficientNetV2-M, Swin V2 Base	RMSE, MAE	NA
1280	2025-12-24	Fusion of machine learning models using fuzzy comprehensive evaluation for thymoma risk prediction: a multicenter analysis 2025-Dec-22, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02493-7 PMID:41430016	研究论文	本研究提出了一种基于模糊综合评价的融合模型（FCE-FM），用于预测胸腺瘤的风险	提出了一种融合五种基础分类模型（逻辑回归、支持向量机、XGBoost、LightGBM、GBDT）的模糊综合评价融合模型（FCE-FM），并整合了模糊综合评价（FCE）、层次分析法（AHP）和三角隶属函数技术，用于胸腺瘤风险预测	NA	开发一个用于胸腺瘤早期风险评估的可靠工具，以改善患者预后	胸腺瘤患者	机器学习	胸腺瘤	放射组学特征提取，深度学习特征提取	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, GBDT	人口统计学数据，放射组学特征，深度学习特征（横断面、矢状面、冠状面）	286名来自两个中心的胸腺瘤患者（训练集196例，内部测试集50例，外部测试集40例）	NA	FCE-FM（模糊综合评价融合模型）	AUC, 准确率	NA