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
121	2025-12-22	Panoptic segmentation for complete labeling of fruit microstructure in 3D micro-CT images with deep learning 2025-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2025.100087 PMID:41416198	研究论文	本文开发了一种基于深度学习的3D全景分割模型，用于在X射线微CT图像中自动标记苹果和梨果实组织的微观结构	首次将3D全景分割（结合语义和实例分割）应用于植物果实组织的微观结构分析，无需复杂的样本制备，显著提升了自动化标记的完整性	尽管评估了多种增强方法，但未能在标准数据集训练模型的基础上进一步提升测试性能；苹果组织中的薄壁血管分割仍具挑战性	加速和改进苹果和梨果实组织在X射线微CT图像中的微观结构表征	苹果和梨果实的微观组织结构，包括薄壁细胞、孔隙、维管束和石细胞簇等特征	计算机视觉	NA	X射线微计算机断层扫描	深度学习模型	3D图像	苹果和梨果实组织样本（具体数量未明确说明）	NA	3D全景分割模型	聚合Jaccard指数, Dice相似系数	NA
122	2025-12-20	Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps 2025-Sep-29, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03744-7 PMID:41021086	研究论文	本文提出了一种基于元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于从角膜地形图自动分类圆锥角膜	结合改进的Swin Transformer块与残差多层感知机来捕捉角膜图像的局部微结构不规则性和全局曲率模式，并引入极狐优化器提升模型收敛性和鲁棒性，同时集成SHAP可解释性增强决策透明度	NA	开发一种自动化、可扩展的深度学习模型，用于圆锥角膜的早期检测，以提供及时干预并减少严重视力损伤	圆锥角膜患者	计算机视觉	圆锥角膜	角膜地形图成像	Transformer, MLP	图像	NA	NA	Swin Transformer, Residual Multi-Layer Perceptrons	准确率	NA
123	2025-12-20	AI-based satellite survey offers independent assessment of migratory wildebeest numbers in the Serengeti 2025-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf264 PMID:40933365	研究论文	本研究首次利用基于深度学习的AI卫星调查方法，对塞伦盖蒂-马拉生态系统中迁徙的角马数量进行了独立评估	首次采用AI驱动的卫星调查方法，结合U-Net和YOLOv8两种深度学习模型，对大面积区域的角马进行检测和计数	调查结果与传统方法存在差异，部分可能源于不同调查方法在空间和时间覆盖范围上的差别	通过独立监测工具完善角马种群数量估计，增进对角马迁徙动态的理解	塞伦盖蒂-马拉生态系统中的迁徙角马	计算机视觉	NA	卫星遥感	深度学习	卫星图像	连续两年（2022年8月和2023年8月）超过4000平方公里的区域	NA	U-Net, YOLOv8	F1分数, 精确率, 召回率	NA
124	2025-12-20	The Pharmaceutical Industry's Future: How Artificial Intelligence is Transforming Medicine 2025-Sep, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45904 PMID:41403729	综述	本文综述了人工智能在制药行业各阶段的应用及其对个体化治疗、研究和药物开发的变革性影响	全面探讨了AI技术如何加速药物发现、优化制造流程、支持精准医疗并革新药物生命周期管理	NA	分析人工智能在制药行业中的当前应用与未来潜力	制药行业中的药物发现、临床试验、个性化医疗、生产流程及供应链管理	机器学习	NA	机器学习, 深度学习, 数据分析, 预测建模	NA	NA	NA	NA	NA	NA	NA
125	2025-12-20	[Current Landscape and Commercialization of AI Models in Musculoskeletal Imaging] 2025-Sep, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0058 PMID:41113373	综述	本文综述了基于人工智能的医疗设备在肌肉骨骼影像领域的商业化现状及其临床应用	总结了肌肉骨骼影像AI模型的商业化进展，并提供了临床应用的有益考虑	NA	提供肌肉骨骼影像AI模型的商业化信息，辅助临床决策	肌肉骨骼影像AI模型及其商业化应用	数字病理学	肌肉骨骼疾病	深度学习	NA	影像	NA	NA	NA	诊断性能	NA
126	2025-12-19	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究介绍了ProNASet基准数据集和多维评估框架，用于评估蛋白质-核酸复合物结构预测方法	创建了包含100个实验解析结构的蛋白质-核酸复合物基准数据集ProNASet，并首次系统比较了深度学习和物理驱动对接方法在该任务上的性能	基准数据集规模有限（仅100个结构），且深度学习方法的预测性能明显落后于物理驱动方法	评估和比较不同计算方法在预测蛋白质-核酸复合物结构方面的性能	蛋白质-核酸复合物结构	计算生物学	NA	结构生物学实验解析	深度学习算法, 物理驱动对接方法	蛋白质-核酸复合物三维结构	100个实验解析的蛋白质-核酸复合物结构	NA	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	RMSD, TM-score, LDDT	NA
127	2025-12-19	MedImg: An Integrated Database for Public Medical Images 2025-09-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf068 PMID:40833036	研究论文	本文介绍了一个整合了多种公共医学图像数据集的在线数据库MedImg，旨在促进基于深度学习的医学图像分析研究	整合了来自多个公共来源的105个数据集、总计1,995,671张图像，涵盖14种成像模态和13个器官，构建了一个系统化组织的开放访问平台	未提及具体模型性能验证或临床转化挑战的解决方案，主要聚焦于数据整合与平台构建	解决医学图像分析领域大规模、高质量数据集缺乏的问题，促进深度学习模型的泛化验证	公共医学图像数据集	医学图像分析	NA	医学成像（X射线、CT、MRI、OCT、超声、内窥镜等）	NA	医学图像	105个数据集，总计1,995,671张图像	NA	NA	NA	NA
128	2025-12-19	Prognostic models for radiation-induced complications after radiotherapy in head and neck cancer patients 2025-09-10, The Cochrane database of systematic reviews DOI:10.1002/14651858.CD014745.pub2 PMID:40927975	系统综述	本文对头颈癌患者放疗后放射性并发症的预测模型进行了系统回顾与评估	首次系统评估了头颈癌放疗后并发症预测模型的质量、偏倚风险及预测性能，并识别出仅有少数模型经过充分外部验证	大多数验证研究存在高偏倚风险，主要源于分析领域的问题，且许多模型的校准性能未充分报告	识别、描述和评估用于预测头颈癌患者放疗后放射性并发症风险的正常组织并发症概率模型	头颈癌患者	医学预测模型	头颈癌	正常组织并发症概率建模	NA	临床数据	140,767名头颈癌患者（模型开发），34,304名患者（外部验证）	NA	NA	C统计量, 校准性能	NA
129	2025-12-18	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2025-Sep-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	本研究评估了卷积神经网络和Transformer模型在识别儿童Still's杂音方面的效能，使用StethAid多中心心音数据库	首次收集并利用专门针对儿科人群的StethAid数据集，结合多种深度学习模型（包括SQ-NET、ResNet18、AST、DeiT、Swin Transformer、DINO）进行Still's杂音识别，填补了现有方法主要关注成人病理性杂音或杂音检测的空白	研究依赖于特定设备（StethAid数字听诊平台）采集的数据，可能限制了模型的泛化能力；数据集规模相对有限（527个PCG），且未详细讨论模型在真实临床环境中的部署挑战	开发并评估深度学习模型，以辅助初级保健提供者准确识别儿童Still's杂音，减少不必要的专科转诊和超声心动图使用	儿科患者的心音图数据，包括Still's杂音、其他良性杂音和病理性杂音	机器学习	心血管疾病	数字听诊技术	CNN, Transformer	心音图数据	527个心音图记录（来自StethAid数据集），加上先前Littmann 4100数据集的1450个记录	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确度	NA
130	2025-12-17	Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101253 PMID:40919103	研究论文	本文通过整合可解释深度学习与多组学数据，筛选肝细胞癌进展性诊断生物标志物，覆盖“炎症-癌症”转化过程	结合可解释深度学习与多组学分析，系统性识别肝细胞癌从炎症到癌症转化过程中的诊断生物标志物	NA	筛选肝细胞癌的进展性诊断生物标志物，以覆盖“炎症-癌症”转化过程	肝细胞癌及其相关的炎症-癌症转化过程	机器学习	肝细胞癌	多组学	深度学习	多组学数据	NA	NA	NA	NA	NA
131	2025-12-17	RCAN-DDI: Relation-aware cross adversarial network for drug-drug interaction prediction 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101159 PMID:41079788	研究论文	提出了一种名为RCAN-DDI的关系感知交叉对抗网络，用于预测药物-药物相互作用	结合关系感知结构特征学习模块和基于DDI网络的拓扑特征学习模块，并引入交叉对抗网络以充分整合多模态特征，探索不同信息源之间的相关性和互补性	未明确提及具体局限性	准确预测药物-药物相互作用，确保患者用药安全	药物	机器学习	NA	深度学习	对抗网络	药物结构信息和拓扑网络数据	NA	NA	RCAN-DDI	NA	NA
132	2025-12-13	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程	首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系	未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况	开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率	光声层析成像的原始传感器数据（正弦图）	计算机视觉	NA	光声层析成像	全连接网络, Swin-UNETR	图像, 传感器数据	NA	NA	全连接网络, Swin-UNETR	峰值信噪比, 结构相似性指数	NA
133	2025-12-12	Global Growth and Distribution of CyberKnife Stereotactic Radiosurgery: A Bibliometric Analysis 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000150 PMID:41163657	研究论文	本文通过文献计量学方法分析了CyberKnife立体定向放射外科的全球增长趋势和分布，特别关注其在神经外科疾病中的应用	首次使用文献计量学方法全面评估CyberKnife立体定向放射外科的出版趋势、作者合作网络及疾病应用演变，并识别了新兴的跨学科关键词如机器学习和深度学习	研究仅基于Web of Science数据库，可能遗漏其他来源的文献；且为回顾性分析，无法直接评估临床效果	探索CyberKnife立体定向放射外科相关出版物的当前趋势和演变，重点关注神经外科疾病应用	3980篇相关学术文章及其作者、机构、关键词和疾病应用	医学信息学	脑转移瘤、前庭神经鞘瘤、脑膜瘤、垂体腺瘤、血管瘤、海绵窦疾病	文献计量分析、网络可视化	NA	文本数据（学术文章元数据）	3980篇文章，来自12,077位作者	R	NA	NA	NA
134	2025-12-11	Machine Learning for Multi-Omics Characterization of Blood Cancers: A Systematic Review 2025-Sep-04, Cells IF:5.1Q2 DOI:10.3390/cells14171385 PMID:40940796	综述	本文系统综述了人工智能和机器学习在血液肿瘤多组学分子特征分析中的应用	首次系统评估了机器学习在血液肿瘤多组学整合分析中的应用现状，特别强调了可解释性、性能、可重复性和伦理问题	纳入研究存在验证不足、可解释性有限、标准化缺乏等问题，且部分血液疾病研究较少	评估人工智能和机器学习在血液肿瘤多组学分子特征分析中的应用效果与现状	血液系统恶性肿瘤（如急性髓系白血病、急性淋巴细胞白血病、多发性骨髓瘤）	机器学习	血液癌症	多组学整合分析	支持向量机, 随机森林, 深度学习	多组学数据	89项符合纳入标准的研究（共筛选2847条记录）	NA	NA	曲线下面积	NA
135	2025-12-11	Advancements in Artificial Intelligence and Machine Learning for Occupational Risk Prevention: A Systematic Review on Predictive Risk Modeling and Prevention Strategies 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175419 PMID:40942853	综述	本文对人工智能和机器学习在职业风险预防领域的应用进行了系统性综述，重点关注预测性风险建模和预防策略	首次系统性地综述了2019年以来AI/ML在职业风险预测与预防中的应用，揭示了该领域的研究趋势、主要技术方法和应用局限	过度依赖视觉数据（在低能见度环境中效果不佳），缺乏AI风险检测系统的方法学标准化	识别、评估和综合现有关于使用AI算法检测和预测工作场所危险环境和职业风险的文献	职业风险预防领域的学术文献	机器学习	NA	深度学习	CNN, YOLO	视觉数据	61篇相关文章（经过系统筛选后）	NA	卷积神经网络, YOLO	NA	NA
136	2025-12-11	Ultrasound-based machine learning models for predicting response to neoadjuvant chemotherapy in breast cancer: A meta-analysis 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110574 PMID:40769066	荟萃分析	本研究通过荟萃分析评估了基于超声的机器学习模型在预测乳腺癌新辅助化疗反应方面的效能	首次对基于超声的机器学习模型预测乳腺癌新辅助化疗反应的研究进行系统性回顾和荟萃分析，并特别区分了完全缓解和部分缓解的预测模型	对于部分缓解的预测模型，仅能进行内部验证分析，缺乏外部验证结果；需要进一步研究以开发临床可推广的模型	系统评估基于超声的机器学习模型预测乳腺癌患者新辅助化疗反应的效能	乳腺癌患者	数字病理学	乳腺癌	超声影像学	机器学习模型，深度学习模型	超声图像	22项研究（具体样本量未在摘要中提供）	NA	NA	敏感性，特异性，AUC	NA
137	2025-12-11	A new era in colorectal cancer: Artificial Intelligence at the forefront 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110926 PMID:40818204	综述	本文通过系统性文献综述，全面探讨了人工智能在结直肠癌领域的应用，包括早期检测、风险预测、治疗规划等多个方面	系统性整合了人工智能在结直肠癌领域的多种应用，并对比了不同AI模型的使用频率和效果，强调了可解释AI和混合模型的重要性	基于文献综述，可能受限于现有研究的质量和数据可用性，未涉及原始实验验证	综述人工智能在结直肠癌筛查、诊断、预测和治疗中的应用，评估其潜力和挑战	结直肠癌相关的研究文献和人工智能模型	机器学习	结直肠癌	机器学习、深度学习、可解释AI、混合模型	随机森林、支持向量机、卷积神经网络	NA	NA	NA	NA	准确率、延迟时间、数据隐私、鲁棒性、数据集可用性	NA
138	2025-12-10	Deep learning for orbital fracture detection and reconstruction: A systematic review on diagnostic accuracy and surgical planning 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.06.008 PMID:40592670	综述	本文系统综述了基于CT影像的深度学习模型在眼眶骨折检测与重建中的诊断准确性、处理时间及手术规划作用	首次系统评估了U-Net、GAN和SPAK引导架构等深度学习模型在眼眶骨折诊断与重建中的综合性能，并量化了自动化处理在时间效率上的显著提升	纳入研究数量有限（仅5项），缺乏方法学标准化，临床适用性仍需进一步验证	评估深度学习模型在眼眶骨折检测与重建中的效能	基于CT影像的眼眶骨折病例	计算机视觉	眼眶骨折	CT成像	CNN, GAN	医学影像	NA	NA	U-Net, DenseNet, GAN, SPAK	准确率, 灵敏度, 特异性, AUC, Dice相似系数, 交并比	NA
139	2025-12-10	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了用于分析胶质瘤医学图像的65项事后可解释人工智能方法，并探讨了其在临床应用中面临的挑战与未来机遇	首次系统性地对胶质瘤影像任务中的事后XAI方法进行分类和评估，提出了基于梯度和基于扰动的XAI框架，并从临床用户视角展望了未来研究方向	仅聚焦于事后解释方法，未涵盖内在可解释模型；研究范围限定于胶质瘤影像，结论可能不适用于其他疾病类型	评估可解释人工智能方法在胶质瘤医学影像分析中的应用，促进AI决策与医疗诊断的融合	胶质瘤的磁共振成像和病理学图像	数字病理学	胶质瘤	磁共振成像, 组织病理学成像	深度学习模型	图像	NA	NA	NA	NA	NA
140	2025-12-10	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	综述	本文系统综述了机器学习在周围动脉疾病诊断和管理中的应用，涵盖数据类型、算法、性能指标及软件工具	首次系统性地总结了机器学习在PAD领域的应用现状，并进行了偏倚风险评估，突出了随机森林算法的主导地位	纳入研究数量有限（30项），可能存在发表偏倚，且未对模型临床部署的可行性进行深入分析	探讨机器学习算法在周围动脉疾病诊断和管理中的应用潜力	已发表的关于机器学习应用于周围动脉疾病的研究	机器学习	心血管疾病	NA	神经网络, 集成学习, 深度学习	临床记录（数值与非数值数据）	30项研究（2014-2024年间发表）	NA	全连接神经网络, 卷积神经网络	NA	NA