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
441	2025-11-15	LG-nnU-net for multilabel anal sphincter segmentation on MRI: quantitative evaluation in patients with anal fistula 2025-Nov-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112509 PMID:41232256	研究论文	开发并评估用于MRI肛门括约肌多标签分割的LG-nnU-net深度学习框架	提出优化的nnU-net架构，采用非对称编码器扩展、组归一化、多尺度特征聚合和深度监督技术	单中心回顾性研究，临床对高低位瘘管分类的影响未经验证，需要多中心验证和前瞻性研究	开发用于MRI肛门括约肌亚结构分割的深度学习框架，提供定量解剖信息	272例肛瘘患者的冠状T2加权MRI图像	医学影像分析	肛瘘	MRI	U-net变体	医学影像	272例患者（218例训练，54例测试）	NA	LG-nnU-net, ResU-net, DenseU-net, U-net++	Dice相似系数, Hausdorff距离, 平均对称表面距离	NA
442	2025-11-15	Neural representation of trustworthiness encoding and inference in crowds 2025-Nov-08, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121575 PMID:41213443	研究论文	本研究通过EEG解码和深度学习可解释性方法探索人群可信度感知的神经机制	首次结合EEG解码和深度学习可解释性方法揭示群体可信度感知的神经动力学，发现整体编码加速社会印象形成	未明确说明样本规模和研究人群特征，实验环境可能影响EEG信号采集	探索人群可信度感知的神经机制和认知过程	人群和个体的可信度感知神经表征	计算神经科学	NA	脑电图（EEG），深度学习可解释性方法	深度学习	脑电信号，行为数据	NA	SHAP	NA	解码准确率，交叉解码精度	NA
443	2025-11-15	Explainable multimodal fusion for breast carcinoma diagnosis: A systematic review, open problems, and future directions 2025-Nov-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109152 PMID:41232399	系统综述	本文系统综述了乳腺癌诊断中可解释多模态融合的研究现状、开放问题和未来方向	首次系统分析乳腺癌诊断中多模态融合与可解释AI技术的结合应用，涵盖从简单特征连接到高级注意力架构的融合策略	多模态数据集可用性有限，基准测试不一致，真实场景中可解释模型稀缺	分析多模态学习和可解释AI在乳腺癌诊断和预后中的应用现状与挑战	乳腺癌诊断和预后	数字病理	乳腺癌	多模态数据融合，可解释AI技术	Transformer, GNN, 自编码器, 集成学习	影像数据, 临床记录, 组织病理学数据, 基因组数据	基于49项同行评审研究	NA	注意力机制, 门控架构, 混合架构	NA	NA
444	2025-11-15	Deep learning in acupuncture: A systematic review 2025-Nov-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103300 PMID:41232152	系统综述	系统综述了深度学习技术在针灸实践中的应用研究	首次系统总结了深度学习在针灸领域的应用现状，涵盖穴位定位、手法分析、疾病管理和治疗监测等多个任务	纳入研究存在数据量小和模型不准确两大主要局限	总结深度学习技术在针灸实践中的应用证据	针灸实践相关的深度学习研究	机器学习	NA	深度学习	CNN, RNN, LSTM, BERT, FNN, YOLO	图像, 文本, 视频	27项研究，基于公共数据库或自建数据集	NA	YOLO变体, BERT, LSTM, CNN	偏移误差阈值, 归一化平均误差, 平均精度均值, 帧率, 关键点正确率, 交并比	NA
445	2025-11-15	Passive vs Active Nighttime Smartphone Use as Markers of Next-Day Suicide Risk 2025-Nov-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.42675 PMID:41217755	研究论文	研究夜间智能手机使用类型（被动与主动）与次日自杀风险的关联	首次区分夜间被动与主动手机使用对自杀风险的影响，并发现深夜使用预示脆弱性而午夜主动参与具有保护作用	样本量较小（79人），依赖自我报告数据，EMA依从率为68.8%	探究夜间智能手机使用时间与类型对次日自杀意念和自杀计划的影响	有自杀风险倾向的成年人群（18岁以上，过去一个月有自杀念头或行为）	数字健康	精神健康疾病	生态瞬时评估（EMA），被动数据感知，深度学习	深度学习模型	智能手机截图，自我报告数据	79名参与者，生成750万张截图	NA	NA	贝叶斯多水平模型，95%可信区间	NA
446	2025-11-15	MaskTerial: a foundation model for automated 2D material flake detection 2025-Nov-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	提出一种名为MaskTerial的基础模型，用于自动化检测光学显微镜图像中的二维材料薄片	使用合成数据生成器进行广泛预训练，仅需5-10张图像即可快速适应新材料，并采用不确定性估计模型基于光学对比度进行最终分类	NA	自动化检测和分类剥离的二维材料薄片	二维材料薄片	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	8个不同数据集包含5种不同二维材料	NA	NA	NA	NA
447	2025-11-15	Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy 2025-Nov, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02490-y PMID:39658727	研究论文	本研究开发了一种基于深度学习的脂质纳米颗粒设计方法，用于肺部基因治疗	首次将定向消息传递神经网络应用于离子化脂质设计，能够预测核酸递送效果并拓展到训练集外的结构	研究主要基于小鼠和雪貂模型，人类应用效果仍需验证	开发人工智能指导的脂质纳米颗粒设计方法以改进基因治疗递送效率	离子化脂质、脂质纳米颗粒、mRNA递送系统	机器学习	肺部疾病	深度学习、基因治疗	神经网络	化学结构数据、活性测量数据	9,000多个脂质纳米颗粒活性测量数据，评估160万个脂质结构	NA	定向消息传递神经网络	体外和体内RNA递送预测准确率	NA
448	2025-11-15	In vivo confocal microscopy in ophthalmology: research trends from a bibliometric analysis 2025-Nov, Clinical & experimental optometry DOI:10.1080/08164622.2025.2459345 PMID:39933698	文献计量分析	通过文献计量分析探讨活体共聚焦显微镜在眼科领域的研究趋势	首次对眼科IVCM研究进行全球文献计量分析，识别关键文献、作者、机构和新兴趋势	仅基于Web of Science数据库，可能存在文献收录不全的限制	分析眼科领域活体共聚焦显微镜的研究现状和发展趋势	眼科IVCM相关研究文献	医学影像分析	角膜和眼表疾病	文献计量分析，VOSviewer可视化	NA	文献元数据	1,389篇文章，其中角膜神经研究425篇，免疫细胞研究182篇	VOSviewer	NA	h指数，篇均引用次数	NA
449	2025-11-15	An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001764 PMID:40338065	研究论文	开发并验证结合深度学习和传统影像组学特征的DLRR模型，用于预测肝细胞癌根治性消融术后早期复发	首次将深度学习影像组学与传统影像组学特征相结合构建预测模型，并采用多中心外部验证	回顾性研究设计，样本量相对有限	预测肝细胞癌根治性消融术后早期复发风险	肝细胞癌患者	数字病理	肝细胞癌	对比增强计算机断层扫描	CNN, 机器学习	医学影像	288例患者（222例主要队列，66例外部验证队列）	PyTorch, PyRadiomics, Scikit-learn	3D ResNet-18	AUC, NRI, IDI, 校准曲线, 决策曲线分析	NA
450	2025-11-15	Deep Learning-Enhanced Noninvasive Detection of Pulmonary Hypertension and Subtypes via Chest Radiographs, Validated by Catheterization 2025-Nov, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.008 PMID:40541737	研究论文	本研究开发了基于胸片的深度学习模型，用于无创检测肺动脉高压及其亚型	首次开发专门针对先天性心脏病相关肺动脉高压亚型的深度学习检测模型	需要在更多样化人群中进一步验证以增强临床通用性	开发非侵入性、可访问且准确的肺动脉高压诊断工具	肺动脉高压患者，特别是先天性心脏病相关肺动脉高压亚型患者	数字病理	心血管疾病	胸片摄影，右心导管检查，经胸超声心动图	深度学习	图像	4,576名患者（2,288名PH患者），包括内部测试集2,140名患者和外部验证集90名患者	NA	CXR-PH-Net, CXR-CHD-PAH-Net	AUC, 灵敏度, 特异性	NA
451	2025-11-15	Artificial Intelligence-Enabled Short-Term Ambulatory Monitoring ECG During Sinus Rhythm for Prediction of Hidden Atrial Fibrillation 2025-Nov, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70028 PMID:40709543	研究论文	开发了一种基于深度学习的模型，利用窦性心律期间的短时动态心电图预测隐藏性心房颤动	首次使用ConvNeXt和LSTM两阶段深度学习模型，通过窦性心律期间的短时心电图预测隐藏性房颤	回顾性研究设计，第二阶段分析中较长时间段可能导致与房颤更相关特征被稀释而降低特异性	预测无症状/隐匿性心房颤动	接受24小时动态心电图监测的患者	医疗人工智能	心血管疾病	动态心电图监测	CNN, LSTM	心电图信号	934名患者（640名房颤组，294名对照组），368,550段窦性心律心电图片段	NA	ConvNeXt, LSTM	AUC, 准确率, 灵敏度, 特异性	NA
452	2025-11-15	Artificial Intelligence and the Evolving Landscape of Immunopeptidomics 2025-Nov, Proteomics. Clinical applications DOI:10.1002/prca.70018 PMID:40741879	综述	本文系统回顾了人工智能在免疫肽组学领域的应用进展，重点分析了AI在肽段鉴定、免疫原性预测和新抗原优先排序中的关键作用	深入探讨AI如何帮助揭示传统上被认为是免疫'冷'肿瘤（如乳腺癌）的隐藏免疫原性特征，并展望深度学习、迁移学习和多组学整合模型的未来应用	在建模非经典肽段、考虑抗原加工缺陷以及避免靶向非肿瘤毒性方面仍存在挑战	评估人工智能方法在免疫肽组学工作流程各阶段的应用潜力	主要组织相容性复合体呈递的肽段、新抗原和癌症免疫治疗	生物信息学	乳腺癌	质谱分析、免疫肽组学、多组学分析	深度学习、迁移学习	质谱数据、多组学数据	NA	NA	NA	NA	NA
453	2025-11-15	Self-supervised representation learning on gene expression data 2025-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf533 PMID:41028963	研究论文	本研究探索了自监督学习方法在基因表达数据表型预测中的应用	首次将自监督学习应用于批量RNA-Seq数据，通过无标注数据提取信息来改善表型预测	NA	开发基于自监督学习的基因表达数据分析方法，提高表型预测准确性	批量基因表达数据	机器学习	NA	RNA-Seq	自监督学习	基因表达数据	多个公开可用的基因表达数据集	NA	NA	预测准确率	NA
454	2025-11-15	RNAtive to recognize native-like structure in a set of RNA 3D models 2025-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf601 PMID:41183118	研究论文	开发首个基于共识原理的无参考RNA三维结构评估工具RNAtive	首次将共识衍生二级结构应用于RNA三维模型评估，提出条件加权共识模式并支持用户自定义二维结构约束	依赖预测模型集合的质量，对全新RNA结构的评估效果需进一步验证	开发无需实验参考结构的RNA三维模型评估方法	RNA三维结构模型集合	计算生物学	NA	共识结构分析，三维结构建模	共识模型	RNA三维结构模型	CASP15竞赛数据	NA	条件加权共识模式	二元分类评分	Web服务器
455	2025-11-15	Uncertainty-aware genomic classification of Alzheimer's disease: a transformer-based ensemble approach with Monte Carlo dropout 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf587 PMID:41212591	研究论文	开发了一种基于Transformer集成框架的不确定性感知深度学习模型，用于阿尔茨海默病的基因组分类	结合Transformer和随机森林模型，并采用蒙特卡洛Dropout方法估计预测置信度，能够识别模型不确定的预测案例	样本量相对有限（1050个个体），模型整体准确率有待提升	开发并评估用于阿尔茨海默病预测的不确定性感知深度学习框架	阿尔茨海默病神经影像学倡议队列中的1050名个体（607名AD患者，443名对照）	机器学习	阿尔茨海默病	全基因组测序	Transformer, 随机森林	基因组数据	1050名个体（607名AD患者，443名对照），测试集525个样本	NA	Transformer	准确率, AUC, F1分数	NA
456	2025-11-15	Unlocking the potential of radiomics in identifying fibrosing and inflammatory patterns in interstitial lung disease 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02067-y PMID:40844571	研究论文	本研究利用高分辨率CT和放射组学AI流程区分间质性肺疾病的纤维化和炎症模式	首次将可解释AI（SHAP）与放射组学特征结合用于ILD模式分类，并比较了炎症性ILD与病毒性肺炎的影像差异	单中心研究，样本量有限（84例主要研究对象），需要多中心验证	区分间质性肺疾病的纤维化和炎症模式	间质性肺疾病患者（特发性肺纤维化和细胞性非特异性间质性肺炎）及COVID-19肺炎患者	医学影像分析	间质性肺疾病	高分辨率CT，放射组学特征提取	XGBoost，深度学习模型	CT影像	84例主要研究对象（50例IPF，34例细胞性NSIP），50例COVID-19肺炎患者作为次要分析对象	XGBoost	深度学习分割模型（具体架构未明确说明）	准确率，AUROC	NA
457	2025-11-15	Illuminating radiogenomic signatures in pediatric-type diffuse gliomas: insights into molecular, clinical, and imaging correlations. Part I: high-grade group 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02078-9 PMID:40853542	综述	本综述系统分析了儿童型高级别弥漫性胶质瘤的分子特征、临床表现和影像学关联	整合2021年WHO中枢神经系统肿瘤分类最新分子标准，首次系统梳理四种儿童型高级别胶质瘤的放射基因组学特征	当前方法学存在局限，需要更大规模前瞻性研究验证	探索儿童型高级别胶质瘤的放射基因组学特征及其临床意义	四种儿童型高级别弥漫性胶质瘤：弥漫中线胶质瘤H3 K27改变型、弥漫半球胶质瘤H3 G34突变型、弥漫儿童型高级别胶质瘤H3野生型和IDH野生型、婴儿型半球胶质瘤	数字病理	脑胶质瘤	磁共振成像, 基因组学分析	深度学习	医学影像, 分子数据	NA	NA	NA	NA	NA
458	2025-11-15	Deep learning-based fusion of nuclear segmentation features for microsatellite instability and tumor mutational burden prediction in digestive tract cancers: a multicenter validation study 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf580 PMID:41214872	研究论文	开发基于深度学习的融合核分割特征框架，直接从H&E染色全切片图像预测消化道癌症的MSI和TMB状态	首次将核分割特征与全切片图像特征通过多模态紧凑双线性池化融合，显著提升MSI/TMB预测性能	研究样本主要来自TCGA数据库，外部验证仅使用单一医院的CRC数据集	通过深度学习降低MSI和TMB检测成本，推进个性化癌症治疗策略	胃癌和结直肠癌患者的H&E染色全切片图像	数字病理学	消化道癌症	H&E染色，全切片成像	深度学习	病理图像	TCGA数据集：MSI分析726例（350 GC + 376 CRC），TMB分析787例（400 GC + 387 CRC）；外部验证来自中日友好医院CRC数据集	CLAM, Hover-Net	多模态紧凑双线性池化，六种不同深度学习模型	AUC, 召回率	NA
459	2025-11-15	The Role of Artificial Intelligence in Orthodontics for Determining Skeletal Age Based on Cervical Vertebra Maturation Degree: A Comprehensive Review 2025-Nov, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.71487 PMID:41221429	综述	回顾人工智能在正畸学中基于颈椎成熟度评估骨骼年龄的不同应用	系统总结了AI在颈椎成熟度评估中的算法设计，特别关注深度学习技术在侧位头影测量片分析中的应用	AI算法准确性受数据集大小、标注方法和模型设计等因素影响，仍需专家监督和临床判断	探讨人工智能在正畸学中评估骨骼年龄的应用	颈椎成熟度分期评估	医学影像分析	正畸治疗	侧位头影测量X光片分析	CNN	医学影像	NA	NA	卷积神经网络	准确率	NA
460	2025-11-15	Synthetic-to-real attentive deep learning for Alzheimer's assessment: A domain-agnostic framework for ROCF scoring 2025-Nov, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104929 PMID:41110737	研究论文	提出一种用于阿尔茨海默病评估的合成到真实深度学习框架，专注于ROCF测试的自动化评分	开发了轻量级数据合成流水线和专门设计的ROCF-Net模型，采用面向线条的注意力机制解决领域差异问题	未明确说明临床数据的具体规模和多样性限制	实现阿尔茨海默病的早期诊断和认知评估自动化	雷伊-奥斯特里特复杂图形(ROCF)测试绘图	数字病理	阿尔茨海默病	深度学习	深度学习模型	图像	NA	NA	ROCF-Net	平均绝对误差(MAE), 皮尔逊相关系数(PCC)	轻量级计算成本