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
921	2025-10-06	Application of artificial intelligence in microbial drug discovery: Unlocking new frontiers in biotechnology 2025-Oct, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2025.107232 PMID:40846079	综述	本文综述人工智能在微生物药物发现中的应用进展与未来方向	系统阐述生成对抗网络用于新化合物发现、强化学习优化抗菌候选物、自然语言处理挖掘生物医学知识等创新AI技术	面临数据质量不一致、模型可解释性有限及伦理法律问题等挑战	探索人工智能技术在微生物药物发现领域的应用价值与发展前景	针对细菌、真菌和病毒病原体的抗菌药物研发	机器学习, 计算生物学	传染病	深度学习, 大数据分析	GAN, 强化学习, NLP	生物医学文献, 分子相互作用数据	NA	NA	生成对抗网络	NA	NA
922	2025-10-06	Deep learning-based feature discovery for decoding phenotypic plasticity in pediatric high-grade gliomas single-cell transcriptomics 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110971 PMID:40848317	研究论文	通过深度学习特征发现方法解析儿童高级别胶质瘤单细胞转录组中的表型可塑性	首次使用基于图的机器学习方法识别儿童高级别胶质瘤谱系特异性可塑性的关键决定因素，发现调控胶质瘤形态发生的网络相互作用和过渡基因	NA	解码儿童高级别胶质瘤表型可塑性的分子机制	儿童高级别胶质瘤（pHGGs）亚型：IDHWT胶质母细胞瘤和K27M突变型弥漫中线胶质瘤	机器学习	脑肿瘤	单细胞转录组测序	图机器学习	单细胞转录组数据	NA	NA	NA	NA	NA
923	2025-10-06	Deep learning ensemble for abdominal aortic calcification scoring from lumbar spine X-ray and DXA images 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110961 PMID:40848321	研究论文	提出一种基于深度学习集成模型的自动化方法，用于从腰椎X射线和DXA图像中量化腹主动脉钙化评分	首次将AAC评分建模为正态分布随机变量以考虑人工评分变异性，并开发多模态集成模型同时处理X射线和DXA图像	未明确说明模型在不同人群中的泛化能力及临床部署的可行性	开发自动化AAC评分系统以辅助心血管疾病风险早期识别	腰椎X射线和双能X射线吸收测定法(DXA)图像中的腹主动脉钙化	计算机视觉	心血管疾病	X射线成像，双能X射线吸收测定法	CNN	医学图像	NA	NA	集成卷积神经网络	一致性相关系数	NA
924	2025-10-06	Squat errors classification based on National Academy of Sports Medicine guidelines using IMU and deep learning algorithms 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110962 PMID:40857817	研究论文	基于NASM指南使用IMU和深度学习算法对深蹲错误进行分类	首次结合NASM指南和混合深度学习架构进行深蹲错误自动分类，并验证单IMU传感器的最优放置位置	样本量较小（20名运动员），未测试不同人群的泛化能力	开发自动化的深蹲动作错误分类系统以替代主观视觉评估	运动员的深蹲动作数据	机器学习	运动损伤	惯性测量单元（IMU）	CNN, GRU, TabNet	运动学数据	20名运动员（10男10女），5种深蹲变式（1正确+4错误）	NA	CNN, CNN-TabNet, GRU, GRU-TabNet, CNN-GRU, CNN-GRU-TabNet	准确率, 精确率, 召回率, F1分数	NA
925	2025-10-06	Polyp segmentation in colonoscopy images using DeepLabV3+ 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110986 PMID:40876416	研究论文	提出一种改进的DeepLabV3++模型用于结肠镜图像中的息肉分割	在DeepLabV3+架构基础上引入多尺度金字塔池化模块、并行注意力聚合模块和重新设计的解码器，增强多尺度和方向特征捕捉能力	NA	提高结肠镜图像中息肉分割的精确度和鲁棒性	结肠镜图像中的息肉	计算机视觉	结直肠癌	NA	深度学习	图像	三个公共数据集（CVC-ColonDB、CVC-ClinicDB、Kvasir-SEG）	NA	DeepLabV3++, EfficientNetV2S	Dice系数	NA
926	2025-10-06	LUNAR: Periodicity-aware time-series analysis framework for LUNg Auscultation Respiratory detection 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110947 PMID:40876419	研究论文	提出一种用于肺听诊呼吸周期检测的周期性感知时间序列分析框架LUNAR	集成新型呼吸周期性感知模块(RPAM)与卷积神经网络，直接处理原始肺听诊信号并显式建模呼吸周期的重复特性	需要多机构数据采集以扩展应用，异常呼吸音检测功能有待进一步开发	开发自动检测呼吸周期的深度学习框架，减少对专家手动标注的依赖	肺听诊呼吸信号	数字病理	肺部疾病	肺听诊信号分析	CNN	时间序列信号	HF_Lung_V1(n=279)、ICBHI(n=126)、SNUCH_Lung(n=203)数据集	NA	集成呼吸周期性感知模块的卷积神经网络	AP, F1-score	NA
927	2025-10-06	Advancements in biomedical rendering: A survey on AI-based denoising techniques 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110979 PMID:40882480	综述	通过问卷调查探讨医疗专业人员对基于AI的CT图像去噪技术的感知差异	首次通过专业医师问卷调查揭示AI去噪技术在定量指标与主观感知评价之间的不一致性	样本量有限(n=74)，依赖作者专业网络进行抽样	探究AI增强图像在医学可视化中的主观感知与定量指标之间的差异	放射科医师、住院医师、骨科外科医师和兽医等医疗专业人员	计算机视觉	NA	蒙特卡洛路径追踪，深度学习去噪	NA	CT图像，视频	74名医疗专业人员（经验<1年:11人，1-3年:27人，3-5年:12人，>5年:24人）	NA	NA	峰值信噪比，结构相似性指数	NA
928	2025-10-06	Synthetic electroretinogram signal generation using a conditional generative adversarial network 2025-Oct, Documenta ophthalmologica. Advances in ophthalmology DOI:10.1007/s10633-025-10019-0 PMID:40240677	研究论文	使用条件生成对抗网络生成合成视网膜电图信号以改善自闭症谱系障碍的分类性能	首次将条件生成对抗网络应用于视网膜电图信号的合成生成，并通过结合合成数据显著提升了深度学习分类模型的性能	样本量相对较小（18名ASD患者和31名对照组），仅针对特定神经发育障碍进行研究	开发合成视网膜电图信号生成方法以解决罕见疾病或异质性人群中数据稀缺问题	自闭症谱系障碍患者和健康对照组的视网膜电图信号	医学人工智能	自闭症谱系障碍	视网膜电图记录	条件生成对抗网络, Transformer	时间序列信号, 图像	18名ASD患者（平均年龄12.2±2.7岁）和31名对照组（平均年龄11.8±3.3岁），共560个ASD记录和498个对照组记录	NA	Time Series Transformer, Visual Transformer	平衡准确度	NA
929	2025-10-06	Predicting fixations and gaze location from EEG 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03362-6 PMID:40338479	研究论文	本研究使用深度学习模型从脑电图信号预测眼动注视点和凝视位置	提出了基于Transformer和LSTM的两种模型架构，在有限EEG信号长度和通道数约束下实现眼动预测	Transformer模型对短信号长度和较少通道数更为敏感	探索从脑电图信号预测眼动注视点和凝视位置的方法	脑电图信号与眼动数据的关联分析	机器学习	NA	脑电图	Transformer, LSTM	脑电图信号	NA	NA	Transformer, LSTM	NA	NA
930	2025-10-06	Deep learning algorithms reveal genomic markers for anxiety disorder in a large cohort of children with down syndrome 2025-Oct, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03065-2 PMID:40413309	研究论文	本研究利用深度学习算法分析唐氏综合征儿童基因组数据，揭示焦虑障碍的独特分子标记	首次结合全基因组测序数据与深度学习模型系统研究唐氏综合征焦虑障碍的分子机制，发现与其他精神障碍不同的分子模式	样本量相对有限，环境因素影响未完全量化，结果需要在更大多样性人群中验证	探索唐氏综合征患者焦虑障碍的基因组基础及其与其他精神障碍的共享变异	1479名唐氏综合征个体及家庭成员，其中255名确诊至少一种精神障碍，74名确诊焦虑障碍	基因组学	焦虑障碍,唐氏综合征	全基因组测序(WGS)	神经网络	基因组序列数据	1479个唐氏综合征个体及家庭成员样本	NA	NA	NA	NA
931	2025-10-06	Subclinical atrial fibrillation prediction based on deep learning and strain analysis using echocardiography 2025-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03385-z PMID:40450156	研究论文	本研究开发了一种基于深度学习和应变分析的超声心动图框架，用于自动预测亚临床心房颤动	首次将深度学习模型应用于心房高频事件预测，结合左心房分割和应变特征提取的创新方法	样本量相对较小（117例患者），需要在更大规模数据集中验证	开发自动检测心房高频事件的深度学习框架，实现早期亚临床心房颤动预测	接受心脏植入式电子设备检查并进行超声心动图检查的117例患者	医学影像分析	心血管疾病	超声心动图，应变分析	Transformer	超声心动图像	117例患者（80%开发集，20%测试集）	NA	Transformer	Dice系数,AUC,准确率,灵敏度,特异性	NA
932	2025-10-06	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出基于任务增强的元学习方法TAMS，用于解决视网膜图像分割中标注数据稀缺的问题	提出视网膜病变模拟算法(LSA)自动生成多类视网膜疾病数据集，设计生成模拟网络(GSNet)和改进的对抗训练策略	未明确说明生成数据的真实性与临床适用性验证	开发能够快速适应有限标注数据的医学图像分割方法	视网膜图像分割	计算机视觉	视网膜病变	OCT, CFP	GAN, 元学习	医学图像	三个不同的OCT和CFP图像数据集	NA	GSNet	分割性能指标	NA
933	2025-10-06	Neural Networks for Predicting and Classifying Antimicrobial Resistance Sequences in Porphyromonas gingivalis 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100890 PMID:40618714	研究论文	开发基于卷积神经网络的深度学习方法来分类牙龈卟啉单胞菌的抗菌耐药性蛋白序列	首次将卷积神经网络应用于牙龈卟啉单胞菌抗菌耐药性蛋白序列的分类预测	样本量相对较小（共685个蛋白序列），仅使用单一物种数据	预测和分类牙龈卟啉单胞菌的抗菌耐药性序列	牙龈卟啉单胞菌蛋白序列	生物信息学	牙周病	全基因组测序	CNN	蛋白质序列	685个蛋白序列（150个牙龈卟啉单胞菌蛋白和535个非耐药变体）	PyTorch	CNN（包含两个卷积层、最大池化、dropout和全连接层）	准确率, 精确率, 召回率, F1分数, AUC	NA
934	2025-10-06	Automatic Point Cloud Patching of Intraoral Three-Dimensional Scanning Based on Deep Learning 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100911 PMID:40684681	研究论文	本研究开发了一种基于深度学习的口腔内三维扫描点云自动修复方法	采用点分形网络架构自动修复口腔内扫描缺失数据，实现近实时修复	仅使用模拟缺失数据进行验证，未在真实临床缺失场景中测试	开发自动修复口腔内三维扫描点云缺失区域的方法，提高数字正畸工作流程的准确性和效率	口腔内三维扫描点云数据	计算机视觉	口腔疾病	口腔内扫描	深度学习	三维点云	314个口腔内扫描和4162颗单独牙齿	NA	Point Fractal Network	Chamfer distance	NA
935	2025-10-06	Evaluation of Deep Learning for Caries Detection With Fine-Grained Classification and Postprocessing Improvements 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100898 PMID:40701111	研究论文	本研究使用先进深度学习模型实现基于牙齿实例的龋齿检测，并按照ICDAS系统进行细粒度分类	提出两种结合背景知识的校正方法，通过加权平均得分和基于牙齿空间关系的自适应置信度调整来提升复杂场景下的稳定性	在提升检测精度的同时，FPS从83.1降至78.1，存在一定的计算效率损失	评估深度学习在龋齿检测中的应用，改进细粒度分类和后处理方法	口腔内可见光图像中的牙齿实例	计算机视觉	龋齿	数据增强技术	YOLO系列目标检测模型	可见光图像	1200张高质量口腔内图像通过数据增强扩展至8,754张图像	NA	YOLO-v8, YOLO-v9, YOLO-NAS	mAP, 精确率, 召回率, FPS	NA
936	2025-10-06	Contrast-Enhanced CT-Based Deep Learning and Habitat Radiomics for Analysing the Predictive Capability for Oral Squamous Cell Carcinoma 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100914 PMID:40712385	研究论文	本研究通过比较基于对比增强CT的深度学习和栖息地放射组学模型，探索预测口腔鳞状细胞癌颈淋巴结转移和病理亚型的新方法	首次将栖息地分析与临床特征相结合构建预测模型，并比较深度学习模型与栖息地分析模型在口腔癌预测中的性能	回顾性研究设计，样本量相对较小（132例），单中心数据	预测口腔鳞状细胞癌的颈淋巴结转移和病理亚型	经石蜡病理确诊的口腔鳞状细胞癌患者	医学影像分析	口腔鳞状细胞癌	对比增强CT	CNN, FCNN	医学影像	132例口腔鳞状细胞癌患者	NA	卷积神经网络, 全连接神经网络	AUC, ROC曲线, 混淆矩阵	NA
937	2025-10-06	Evaluating the Efficacy of Various Deep Learning Architectures for Automated Preprocessing and Identification of Impacted Maxillary Canines in Panoramic Radiographs 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100940 PMID:40753865	研究论文	本研究评估了多种卷积神经网络架构在全景X光片中自动识别上颌阻生尖牙的性能	首次系统比较八种不同CNN架构在预处理前后对阻生尖牙的识别性能，并展示了自动裁剪对模型性能的提升	样本量相对较小（每组91个样本），仅针对上颌尖牙进行研究	开发全自动软件用于全景X光片中上颌阻生尖牙的识别	全景X光片中的上颌阻生尖牙和非阻生尖牙	计算机视觉	牙科疾病	全景X光成像	CNN	医学影像	182个样本（阻生组91个，非阻生组91个）	NA	SqueezeNet, GoogLeNet, NASNet-Mobile, ShuffleNet, VGG-16, ResNet 50, DenseNet 201, Inception V3	AUC	NA
938	2025-10-06	Fully Automated Tooth Segmentation and Labeling for Both Full- and Partial-Arch Intraoral Scans Using Deep Learning 2025-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.100950 PMID:40815915	研究论文	开发了一种基于深度学习的全自动牙齿分割与标记方法，适用于全牙弓和部分牙弓口内扫描数据	首个同时适用于全牙弓和部分牙弓口内扫描的全自动牙齿分割与FDI标记方法	残根、残冠、缺牙和部分萌出牙等牙齿状况与模型误差呈显著正相关	开发适用于全牙弓和部分牙弓口内扫描的牙齿分割与标记深度学习模型	牙齿分割与标记	计算机视觉	牙科疾病	口内扫描	深度学习	3D扫描数据	600个口内扫描数据（300个全牙弓和300个部分牙弓）	NA	ToothInstanceNet	F1-score, tooth Dice, tooth macro-F1, macro-IoU	NA
939	2025-10-06	DeepNuParc: A novel deep clustering framework for fine-scale parcellation of brain nuclei using diffusion MRI tractography 2025-Oct-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121421 PMID:40902872	研究论文	提出一种名为DeepNuParc的深度聚类框架，利用扩散MRI纤维追踪技术实现脑核团的精细尺度分割	结合新型深度学习方法进行核团精确分割，设计基于流线聚类的结构连接特征，改进联合降维和k均值聚类方法实现更精细的核团分割	NA	开发自动化脑核团精细分割方法以理解其解剖功能关联	大脑核团（杏仁核和丘脑）	医学影像分析	神经系统疾病	扩散MRI纤维追踪	深度学习聚类	扩散MRI图像	NA	NA	NA	分割一致性，与粗尺度图谱的对应性	NA
940	2025-10-06	Deep learning-based insights on T:R ratio behaviour during prolonged screening for S-ICD eligibility 2025-Oct, Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing IF:2.1Q3 DOI:10.1007/s10840-022-01245-6 PMID:35551558	研究论文	开发基于深度学习的工具分析T:R比率波动，用于皮下植入式心脏除颤器资格筛查	首次引入深度学习工具精确测量T:R比率波动程度，探索其在S-ICD筛查中的作用	样本量较小（37名患者），需要进一步研究确定最佳筛查阈值	识别高T波过感知风险患者同时不错误排除真正的S-ICD候选者	37名患者（包括心力衰竭、肥厚型心肌病、正常心脏、先天性心脏病患者）	医疗人工智能	心血管疾病	Holter监测，心电图信号分析	深度学习	心电图信号	37名患者	NA	NA	T:R比率，筛查通过率	NA