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
1461	2025-12-21	Transformer-based Deep Learning Models with Shape Guidance for Predicting Breast Cancer in Mammography Images 2025-Dec-19, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01773-3 PMID:41419700	研究论文	本研究评估了在Vision Transformer模型中应用基于形状的注意力引导策略，以提升乳腺X线摄影图像中乳腺癌的预测性能	探索了在Transformer编码器的不同层阶段（浅层和深层）应用乳腺掩码进行注意力引导的最佳策略，并比较了不同层组合的效果	研究仅使用了单一公开数据集（中国乳腺X线数据库），样本量相对有限，且未在更广泛的外部数据集上进行验证	评估基于形状的注意力引导策略在Transformer模型中的有效性，以提升乳腺癌诊断的准确性	乳腺X线摄影图像	计算机视觉	乳腺癌	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet	图像	2,436张公开可用的乳腺X线摄影图像	NA	Vision Transformer (ViT), Swin Transformer V2, ResNet50	AUROC, 灵敏度, 特异性	NA
1462	2025-12-21	MIDAS: rapid, multiplexed molecular profiling for integrated host-pathogen analysis 2025-Dec-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67391-3 PMID:41419730	研究论文	本文介绍了一种名为MIDAS的概念验证平台，用于快速、多重分子分析，以整合宿主-病原体分析	MIDAS平台整合了形状编码的水凝胶颗粒、无透镜衍射成像和基于深度学习的分析，首次在单个系统中实现了细菌RNA和炎症蛋白的同时定量，优化了潜在的即时护理应用	需要进一步的临床验证	开发一种快速、多重的分子分析技术，用于复杂感染条件下的整合宿主-病原体分析	脓毒症研究中的病原体和宿主反应	数字病理学	脓毒症	形状编码的水凝胶颗粒、无透镜衍射成像、深度学习分析	深度学习	图像	来自临床相关猪脓毒症模型的样本	NA	NA	与培养、qPCR和ELISA的高度一致性	NA
1463	2025-12-21	Predicting and classifying type 2 diabetes using a transparent ensemble model combining random forest, k-nearest neighbor, and neural networks 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31562-5 PMID:41419964	研究论文	本研究提出了一种结合随机森林、k近邻和神经网络的透明集成模型，用于预测和分类2型糖尿病，并通过LIME和SHAP技术提高模型可解释性	采用堆叠和投票方法结合三种机器学习算法，并利用LIME和SHAP技术增强模型透明度，识别关键特征	研究仅基于768名皮马印第安人糖尿病样本，可能缺乏对其他人群的泛化能力	开发一个准确且可解释的模型，用于2型糖尿病的早期检测和分类	皮马印第安人糖尿病数据集中的768个样本，包含年龄、BMI、血糖等8个特征	机器学习	2型糖尿病	机器学习集成方法	随机森林, k近邻, 神经网络	结构化医疗数据	768个皮马印第安人糖尿病样本	Scikit-learn	集成模型（堆叠与投票）	准确率, 精确率, 召回率, 特异性, F1分数, AUROC, Brier分数, 预期校准误差	未明确指定
1464	2025-12-21	Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement 2025-Dec-19, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70227 PMID:41419989	研究论文	本文提出了一种自监督扫描特定的深度学习框架REFINE-MORE，用于加速多参数定量MRI的重建	结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率	NA	开发用于加速多参数定量MRI重建的自监督扫描特定深度学习框架	多参数定量磁化转移成像，包括自由水自旋-晶格弛豫、组织大分子质子分数和磁化交换率的同步估计	医学影像处理	NA	定量MRI，磁化转移成像	深度学习，隐式神经表示	MRI图像	体模和活体脑数据	NA	隐式神经表示	归一化均方根误差，结构相似性指数	NA
1465	2025-12-21	Probing the thermal decomposition mechanism of CF3SO2F by deep learning molecular dynamics 2025-Dec-19, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01847-x PMID:41420003	研究论文	本研究利用深度学习分子动力学方法，探究了环保绝缘气体替代品三氟甲磺酰氟（CF3SO2F）的热分解机理	首次将结合了从头算精度与经验分子动力学效率的深度学习势能应用于CF3SO2F的热分解研究，系统分析了温度、气体混合比和缓冲气体对分解产物及组分的影响	研究主要基于模拟计算，虽然进行了实验验证，但实验条件与模拟的全面对比可能有限；对于复杂实际电网运行中多种因素耦合下的长期分解行为探讨不足	探究CF3SO2F的热分解途径与产物，评估其作为SF6替代品的环境可行性及潜在风险	三氟甲磺酰氟（CF3SO2F）气体	机器学习	NA	深度学习分子动力学、从头算计算、热分解实验平台	深度学习势能模型	分子动力学模拟数据、实验光谱/质谱数据	NA	NA	NA	NA	NA
1466	2025-12-21	YOLO-TME: A UAV landing detection algorithm that is suitable for Polar ice Floe base stations 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32923-w PMID:41420005	研究论文	本文提出了一种适用于极地冰基站点的无人机着陆检测算法YOLO-TME，通过集成TransConv、设计MistGFPN和EADH，提升了在复杂极地环境下的目标检测精度和实时性能	将基于transformer的卷积（TransConv）集成到YOLOv11中，增强网络对雾雪遮挡图像全局信息的建模能力；设计雾全局特征金字塔网络（MistGFPN）以提升小目标特征提取能力；提出高效非对称检测头（EADH）以提高模型的FPS和实时检测性能	NA	解决极地环境下冰漂移导致的GPS和RTK信号误差问题，实现无人机在复杂极地环境中的精准着陆检测	极地冰基站点的无人机着陆标志检测	计算机视觉	NA	深度学习目标检测	CNN, Transformer	图像	自制数据集	NA	YOLOv11, TransConv, MistGFPN, EADH	准确率, 召回率, 平均精度, F1分数, FPS	NA
1467	2025-12-21	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2025-Dec-19, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量	首次将深度学习去噪技术应用于标准神经血管线圈采集的颈动脉血管壁MRI，无需额外硬件即可达到专用颈部表面线圈的图像质量	研究样本量相对有限（55次扫描），且为多中心研究，可能存在设备差异	提升标准头颈线圈采集的颈动脉血管壁MRI图像质量，使其接近专用线圈水平	颈动脉血管壁MRI图像	医学影像处理	心血管疾病	MRI（包括2D T1/T2加权TSE、3D TOF-MRA、MPRAGE序列）	深度学习	医学影像（MRI图像）	55次扫描（来自多中心研究）	未明确说明	Residual UNet	PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, 放射科医生Likert评分	NA
1468	2025-12-21	Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections 2025-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02223-8 PMID:41420101	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界性能	首次对监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素	研究依赖于已发表文献，可能存在选择偏倚；不同研究间的诊断标准和参考标准存在异质性	评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的准确性和适用性	糖尿病视网膜病变筛查的深度学习系统	医学影像分析	糖尿病视网膜病变	深度学习	深度学习算法	眼底图像	82项研究，覆盖887,244次检查，涉及25种设备，28个国家	NA	NA	灵敏度，特异性	NA
1469	2025-12-21	phyddle: Software for Exploring Phylogenetic Models with Deep Learning 2025-Dec-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	研究论文	介绍用于通过深度学习进行系统发育建模的软件phyddle	开发了一个基于流水线的软件，利用无似然深度学习方法来处理缺乏可处理似然函数的系统发育模型	NA	开发一个软件工具，使研究人员能够使用深度学习方法来拟合系统发育模型，特别是那些缺乏可处理似然函数的模型	系统发育树和相关的进化模型	机器学习	NA	深度学习	深度学习模型	系统发育树数据	NA	NA	NA	准确性, 覆盖率测试	NA
1470	2025-12-21	AI-powered pathobiology transformers predict prognosis and targeted therapy benefits in patients with colorectal cancer ovarian metastases: a multicohort study 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004397 PMID:41417976	研究论文	本研究开发了一种基于Transformer的可解释迁移学习模型，通过整合数字病理学和RNA数据，预测结直肠癌卵巢转移患者的预后、靶向治疗获益及分子突变	首次将Transformer架构与迁移学习结合，整合多模态数据（数字病理和RNA）来预测结直肠癌卵巢转移的预后和靶向治疗反应，并增强了模型的生物学可解释性	研究为回顾性和前瞻性多队列设计，可能存在选择偏倚；模型在部分外部测试队列中的AUC较低（0.64），表明泛化能力有待进一步验证	开发精准医学工具，以个体化预测结直肠癌卵巢转移患者的术后预后、靶向治疗获益和分子突变	结直肠癌卵巢转移患者	数字病理学	结直肠癌	数字病理学, RNA测序	Transformer	图像, 文本	多队列患者样本（具体数量未在摘要中提供）	NA	Transformer	AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 风险比	NA
1471	2025-12-21	Ablation versus sublobar resection for stage IA non-small cell lung cancer: a multicenter retrospective cohort study using a deep learning model in the ablation group 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004580 PMID:41418024	研究论文	本研究通过多中心回顾性队列分析，比较了图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发了基于深度学习的模型来预测消融后的无病生存期	首次使用深度学习模型（Vision Transformer）基于治疗前CT图像预测IA期非小细胞肺癌患者接受图像引导热消融后的生存结局，并比较了消融与亚肺叶切除术的长期疗效	研究为回顾性设计，可能存在选择偏倚；深度学习模型的外部验证队列规模未明确说明	比较图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发预测模型以识别适合消融治疗的患者	IA期非小细胞肺癌患者	数字病理学	肺癌	图像引导热消融，亚肺叶切除术，计算机断层扫描	深度学习模型	图像	2145名患者（2012年至2023年接受图像引导热消融或亚肺叶切除术）	NA	Vision Transformer, Multimodal XGBoost	曲线下面积, 风险比, 置信区间, P值	NA
1472	2025-12-21	Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation 2025-Dec-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79748 PMID:41406414	研究论文	本文提出了一种基于大可分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分级诊断	首次提出结合大可分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分级表征能力	未明确说明模型在外部数据集上的泛化性能或计算效率的具体限制	提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值	膝关节软骨损伤	计算机视觉	膝关节软骨损伤	磁共振成像	CNN	图像	首个基于医院的多维磁共振成像真实数据集（具体样本数未提供）	NA	YOLOv8	准确率, Kappa统计量, F-measure, 灵敏度, 特异度	NA
1473	2025-12-21	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究建立了一个整合转录组学、蛋白质组学和深度学习的高通量多组学平台，用于筛选187种药用植物，以发现具有抗肝细胞癌潜力的中药候选物	开发了一个结合多组学数据和深度学习（自编码器和多核学习）的系统药理学平台，用于高通量筛选中药，并揭示了候选中药通过调控枢纽基因和关键通路发挥抗肝癌作用的机制	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证，且筛选的植物种类有限，可能未涵盖所有潜在有效中药	发现和验证具有抗肝细胞癌潜力的中药候选物，并阐明其作用机制	187种药用植物及其在肝细胞癌细胞中的效应	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组和蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
1474	2025-12-21	Foundation Models in Dermatology: Advances in Artificial Intelligence. A Narrative Review 2025-Dec-17, Actas dermo-sifiliograficas IF:3.8Q1 DOI:10.1016/j.ad.2025.104560 PMID:41418903	综述	本文是一篇关于基础模型在皮肤病学中应用的叙述性综述，概述了生成式AI的主要里程碑、当前发展状况、潜在风险及未来方向	系统性地梳理了皮肤病学领域基础模型（包括LLMs、VLMs和LMMs）的发展历程、分类及其在疾病分类、监测、风险分层和治疗规划等多任务中的应用潜力	该领域仍处于活跃研究阶段，具体模型的临床有效性和广泛适用性尚需进一步验证	综述基础模型在皮肤病学中的进展，分析其在临床辅助诊断、治疗规划及改善患者预后方面的潜力	皮肤病学领域的基础模型，包括大型语言模型、视觉中心模型、视觉语言模型和大型多模态模型	数字病理学	皮肤病	深度学习	基础模型, 大型语言模型, 视觉语言模型, 大型多模态模型	文本, 图像, 音频, 视频, 基因组学, 患者元数据	NA	NA	NA	NA	NA
1475	2025-12-21	Noise-Resilient Bioacoustics Feature Extraction Methods and Their Implications on Audio Classification Performance: Systematic Review 2025-Dec-16, JMIR biomedical engineering DOI:10.2196/80089 PMID:41401437	系统综述	本文系统评估了生物声学分类中抗噪声特征提取与去噪技术的最新进展，重点关注方法趋势、模型类型、跨领域可迁移性及实际部署证据	首次系统综述了生物声学分类中的抗噪声技术，并分析了临床与生态应用间的跨领域可迁移性	实际部署研究有限，数据集异质性大，报告不一致，且多依赖合成噪声	评估抗噪声特征提取与去噪技术对生物声学分类性能的影响	生物声学音频数据，涵盖新生儿哭声和生态声学	机器学习	NA	音频特征提取与去噪技术	深度学习, 混合方法	音频	132项研究	NA	NA	NA	NA
1476	2025-12-21	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2025-Dec-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	首次将临床、放射组学和深度学习特征在超分辨率MRI上进行融合，构建了可解释的预测模型，并验证了其在预后分层和辅助治疗指导中的增量价值	研究为回顾性设计，样本量有限，且外部验证集仅来自三个中心，可能存在选择偏倚	开发并验证一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，以指导个性化治疗	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名用于外部验证）	NA	融合临床-放射组学-深度迁移学习	AUC	NA
1477	2025-12-21	From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies 2025-Dec-15, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108852 PMID:41418718	综述	本文综述了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序到整合多组学数据的先进计算框架	强调了从描述性分类学向功能、预测和机制洞察的转变，以及AI驱动的生物信息学如何将微生物组研究从观察性学科转变为预测性和转化性科学	面临数据异质性、AI模型可解释性有限以及数据共享伦理问题等挑战，阻碍临床转化	回顾人类微生物组研究中计算方法的演进，并探讨未来发展方向	人类微生物组	机器学习	NA	16S rRNA测序, 多组学数据集整合	深度学习	基因组, 蛋白质组, 代谢组数据	NA	NA	NA	NA	NA
1478	2025-12-21	A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning 2025-Dec-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.12.032 PMID:41401894	综述	本文综述了基于深度学习，特别是迁移学习技术，利用MRI和PET模态对阿尔茨海默病阶段进行分类的研究，并涵盖了数据预处理工具、模型性能挑战及泛化问题	专注于迁移学习在阿尔茨海默病早期识别中的应用，以解决数据标注不足和类别不平衡问题，并系统回顾了相关数据预处理工具	未提出新的实验模型或算法，主要基于现有文献进行综述，可能未涵盖所有最新研究进展	回顾深度学习技术，特别是迁移学习，在阿尔茨海默病阶段分类中的应用，并探讨数据工具和模型挑战	阿尔茨海默病的早期阶段分类	机器学习	阿尔茨海默病	MRI, PET	深度学习模型	医学影像（MRI, PET）	NA	NA	NA	NA	NA
1479	2025-12-21	Artificial intelligence in spine surgery: a scoping review 2025-Dec-13, Neuro-Chirurgie DOI:10.1016/j.neuchi.2025.101764 PMID:41397525	综述	本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口	首次全面绘制了AI在脊柱外科中的应用版图，并强调了外部验证和模型可及性的不足	综述基于截至2024年1月的文献，可能未涵盖最新进展；且资源分享（如数据、代码）普遍有限	旨在描绘人工智能在脊柱外科中的应用全景，确定当前前沿并识别文献中的空白	涉及脊柱外科中AI模型或已验证AI应用的研究	机器学习	脊柱疾病	NA	深度学习模型, 非深度学习模型	NA	NA	NA	NA	NA	NA
1480	2025-12-21	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2025-Dec-13, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验进行高度加速的动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，并通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，同时采用阶段间特征传输而非仅单阶段输出，以改善多阶段协作	未明确说明计算资源需求或模型在极端加速因子下的泛化能力	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据集	计算机视觉	NA	动态磁共振成像	深度学习，循环神经网络	图像	NA	NA	密集循环展开网络	重建准确性，时间保真度	NA