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	2025-12-09	Benchmarking of deep learning methods for generic MRI multi-organ abdominal segmentation 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064503 PMID:41357685	研究论文	本文对四种开源深度学习模型在腹部MRI多器官分割任务上进行了全面的基准测试	首次系统性地评估了包括基于合成数据训练的ABDSynth在内的多种腹部MRI分割模型，并使用了涵盖不同制造商、序列和条件的公开数据集进行泛化性测试	评估仅限于四种开源模型，可能未覆盖所有最新方法；合成数据训练模型的性能略低于真实数据训练模型	评估和比较深度学习模型在腹部MRI多器官分割任务上的准确性和泛化能力	腹部MRI图像中的多器官分割	医学影像分析	NA	MRI成像	深度学习模型	MRI图像	三个公开数据集，涵盖所有主要制造商、五种MRI序列以及多种受试者条件、体素分辨率和视野	NA	MRSegmentator, MRISegmentator-Abdomen, TotalSegmentator MRI, ABDSynth (基于SynthSeg)	准确性, 泛化性	NA
442	2025-12-07	Novel deep learning solutions with layered recurrent neural networks for nonlinear stiff Dahl hysteresis model in piezoelectric actuator 2025-Nov-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108378 PMID:41349175	研究论文	本文提出了一种基于分层循环神经网络的新深度学习方法，用于建模压电执行器中的非线性刚性Dahl迟滞模型	采用结合Levenberg-Marquardt优化技术的反向传播循环神经网络来近似Dahl迟滞模型的解，提高了对驱动幅度和频率变化的响应能力	依赖于合成生成的数据，可能未完全反映真实世界的复杂性；训练稳定性和可解释性仍需进一步改进	开发一种深度学习方法以更准确地建模压电执行器的非线性迟滞行为，提升其在高性能精密定位应用中的潜力	压电执行器及其相关的Dahl迟滞模型	机器学习	NA	数值积分（Adams时间积分方案）	RNN, BP-RNN	时间序列数据（位移时间序列）	通过四种不同激励输入（单位幅度正弦波、带直流偏移的正弦波、阻尼瞬态、阻尼谐波）系统变化参数生成的合成数据	NA	分层循环神经网络	均方误差, 直方图分析, 回归分析	NA
443	2025-12-07	[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students] 2025-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.11.23 PMID:41311092	研究论文	本研究提出了一种整合社交媒体文本和图像数据的多模态模型，用于自动评估大学生的心理压力水平	通过结合文本情感建模（使用Bi-LSTM）和图像情感建模（使用U-Net）的多模态融合预测模块，实现了跨模态语义协作，以自动识别轻度、中度和重度三种心理压力水平	样本量相对较小（仅252个样本用于训练和测试），且数据来源于广东省多所大学，可能限制了模型的泛化能力	开发智能心理健康服务，支持高等教育机构中大学生心理压力的自动化评估	大学生	自然语言处理,计算机视觉	心理健康问题	深度学习	Bi-LSTM, U-Net	文本,图像	252个样本（来自1577名学生的社交媒体数据，经过清洗后随机选取）	NA	Bi-LSTM, U-Net	准确率, F1分数	NA
444	2025-12-07	A deep learning framework for finger motion recognition using forearm ultrasound imaging 2025-Nov-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23348-6 PMID:41224842	研究论文	本文提出了一种基于深度学习的前臂超声成像手指运动分类方法	采用B模式超声成像替代传统的表面肌电图或A模式超声，以捕获更广泛的解剖特征并降低对传感器放置的敏感性	NA	实现手指运动的精确分类，以支持手势识别、机器人手控制和医疗康复等应用	前臂肌肉在九种预定义手指运动（包括五种单指运动和四种多指运动）中的实时超声图像	计算机视觉	NA	B模式超声成像	深度学习	图像	NA	NA	NA	准确率, F1分数	NA
445	2025-12-07	Automatic detection of simulated artifacts on T1w magnetic resonance images: comparing performance of different QC strategies 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.31.25339144 PMID:41282830	研究论文	本文系统比较了基于规则、经典机器学习和深度学习在检测T1加权磁共振图像模拟伪影上的性能	首次在统一框架下对比三种QC策略，并利用合成伪影数据评估其对不同伪影类型和严重程度的检测能力	研究使用模拟伪影而非真实临床数据，可能无法完全反映实际应用中的复杂性	评估不同质量控制在神经影像数据中的性能，为大规模研究提供方法学指导	T1加权磁共振图像及其模拟的模糊、重影、运动和噪声伪影	医学影像分析	NA	磁共振成像	深度学习, 经典机器学习, 基于规则的方法	图像	1000个高质量T1w扫描，通过合成生成40000个退化图像	TorchIO, MRIQC	NA	Youden's Index, Krippendorff's α, Spearman's ρ	NA
446	2025-12-07	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	本研究开发并验证了一个结合深度学习影像组学和传统影像组学特征的模型（DLRR），用于预测肝细胞癌根治性消融后的早期复发	首次将深度学习影像组学与传统影像组学特征整合到一个模型中，用于预测肝细胞癌消融后的早期复发，并采用多中心队列进行验证	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于CT影像	开发一个非侵入性模型，以准确预测肝细胞癌患者根治性消融后的早期复发，从而辅助制定精准治疗计划	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描	CNN, 机器学习模型	医学影像	288名患者（来自3家医院）	PyTorch, Scikit-learn	ResNet-18	AUC, NRI, IDI	NA
447	2025-12-07	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Nov, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	本研究开发了一个模块化、可扩展的基因组注释流程，整合了短读长和长读长测序技术，用于非经典模式生物如Schmidtea mediterranea的基因组注释	开发了一个灵活、可扩展的基因组注释流程，整合了短读长（Illumina）和长读长（PacBio）测序技术，结合参考基因组和从头组装方法，并利用DeepSplice深度学习预测提高剪接位点检测准确性	未明确说明流程在更广泛物种或更大数据集上的性能验证或计算资源需求	开发一个适用于非经典模式生物、能处理基因组变异和选择性剪接事件的基因组注释流程	Schmidtea mediterranea（地中海涡虫）的无性繁殖品系	基因组学	NA	短读长测序（Illumina），长读长测序（PacBio）	深度学习	基因组序列数据	NA	NA	DeepSplice	剪接位点检测准确性	NA
448	2025-12-07	MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction 2025-Nov, Chinese journal of natural medicines IF:4.0Q1 DOI:10.1016/S1875-5364(25)60945-9 PMID:41260779	研究论文	本文提出了一种名为MolP-PC的多视图融合与多任务学习框架，用于精确预测药物的ADMET性质	整合了1D分子指纹、2D分子图和3D几何表示，采用注意力门控融合机制和多任务自适应学习策略，以克服数据稀疏性和信息丢失问题	模型在预测分布容积（VD）时存在低估倾向，对高组织分布化合物的分析有改进空间	开发一个高效且可解释的框架，用于药物ADMET性质预测，以支持早期药物开发中的分子优化和风险评估	药物分子及其ADMET性质	机器学习	NA	多视图融合、多任务学习	深度学习框架	1D分子指纹、2D分子图、3D几何表示	NA	NA	MolP-PC	NA	NA
449	2025-12-07	Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100524 PMID:41340634	综述	本文综述了基于AI模型直接从H&E染色切片预测PD-L1表达的研究进展与应用潜力	提出利用AI直接从H&E染色切片预测PD-L1表达，避免了传统免疫组化的主观性和资源消耗，并探讨了多模态数据融合的增强策略	需要大规模验证、AI模型标准化以及临床实施的监管批准	探索人工智能在病理学中用于预测PD-L1生物标志物表达，以改进免疫治疗患者选择	癌症患者的H&E染色组织切片	数字病理学	癌症	H&E染色，免疫组化	深度学习算法	图像	NA	NA	NA	准确性	NA
450	2025-12-06	Fuel-Free Rolosense: Viral Sensing Using Diffusional Particle Tracking 2025-Nov-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c02311 PMID:41191496	研究论文	本文介绍了一种无需燃料的Rolosense诊断方法，利用布朗运动和机械力传感实现病毒检测	采用机械力传感作为基本转导机制，利用布朗运动和热波动实现快速、灵敏、特异的完整病毒颗粒检测，无需荧光报告基因或酶促扩增	NA	开发一种高灵敏度、无需燃料的病毒诊断方法	SARS-CoV-2变体（如BA.1和BA.5）、流感A病毒、HCoV OC43和229E等病毒病原体	生物传感	病毒感染	布朗运动、机械力传感、扩散粒子追踪	深度学习	图像	NA	NA	NA	检测限（低至10拷贝/毫升）	3D打印明场显微镜
451	2025-12-06	A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR 2025-Nov-27, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c06097 PMID:41252524	研究论文	本文介绍了一种名为TS-DAR的计算框架，用于从分子动力学模拟中系统识别生物分子构象变化中的过渡态	提出了一种结合分布外检测、变分原理正则化神经网络和VAMP-2分散损失函数的计算框架，能够自动识别传统方法难以捕捉的短寿命高能过渡态	未明确说明方法对计算资源的需求、在不同蛋白质系统上的普适性验证以及与其他过渡态识别方法的定量比较	开发并推广一种能够系统识别生物分子构象变化中过渡态的计算方法	蛋白质构象变化过程中的过渡态	计算生物物理学	NA	分子动力学模拟	深度学习模型	分子动力学模拟轨迹数据	NA	NA	神经网络	NA	NA
452	2025-12-06	Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02681 PMID:40834300	研究论文	本研究开发并验证了一种基于剪切波弹性成像（SWE）图像的深度学习模型（AI-SWE），用于改善BI-RADS 3和4类乳腺肿块的癌症诊断	首次在国际多中心研究中开发并验证了基于EfficientNetB1架构的深度学习模型，用于分析乳腺剪切波弹性成像图像，旨在解决传统方法因缺乏已验证速度阈值而导致的临床应用受限问题	研究未明确说明模型在不同人群或设备间的泛化能力细节，且未来需探索其与多模态乳腺癌诊断工具的整合效果	开发并验证一种基于深度学习的剪切波弹性成像图像分析模型，以提升乳腺肿块（特别是BI-RADS 3和4类）的癌症诊断准确性，并减少不必要的活检	患有BI-RADS 3或4类乳腺肿块的女性患者的剪切波弹性成像图像	数字病理学	乳腺癌	剪切波弹性成像	CNN	图像	开发集：924名患者（4,026张图像）；外部验证集1：194名患者（562张图像）；外部验证集2：176名患者（188张图像，使用最新SWE软件）	NA	EfficientNetB1	灵敏度, 特异性, 假阳性率, 受试者工作特征曲线下面积	NA
453	2025-12-06	Development of a screening model for APL using cell population data and deep learning-extracted WBC scattergram features 2025-Nov-07, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15034-7 PMID:41204132	研究论文	本研究开发了一种结合深度学习提取的WBC散点图特征与常规血液参数的急性早幼粒细胞白血病筛查模型	首次利用VGG-16网络从常规血检DIFF和WNB通道中提取APL特异性3D散点图特征，并与优化的随机森林分类器结合，实现无需额外检测的即时APL筛查	研究为回顾性多中心设计，样本量相对有限（94例APL患者），未来需要前瞻性验证和更大样本的推广	开发一种基于常规实验室数据的机器学习模型，用于快速筛查急性早幼粒细胞白血病，以解决资源有限环境下的诊断延迟问题	急性早幼粒细胞白血病患者	数字病理学	白血病	常规血液检测	CNN, 随机森林	图像, 数值数据	94例确诊APL患者（来自三家三级医院，2020-2024年），外部验证集541例（来自独立中心）	TensorFlow, PyTorch, Scikit-learn	VGG-16	AUC, 灵敏度, 特异性	NA
454	2025-12-06	Quantitative evaluation of the myocardial bridge anatomical features and FFRCT in patients with myocardial bridging stratified by age 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045686 PMID:41204561	研究论文	本研究通过冠状动脉CT血管成像，评估了年龄对左前降支心肌桥解剖特征及CT血流储备分数的影响	首次结合心肌桥长度和年龄分层，系统分析解剖特征与FFRCT值的关联，并探讨了不同年龄组中影响FFRCT异常的特定解剖参数	回顾性研究设计，样本量相对较小，特别是年轻组和老年组样本较少，未进行长期临床结局随访	评估年龄对心肌桥解剖特征及CT血流储备分数的影响，为心肌桥的血流动力学评估提供依据	139名左前降支心肌桥患者	数字病理	心血管疾病	冠状动脉CT血管成像，深度学习软件计算FFRCT	深度学习	CT影像	139名患者（短MB组58人，长MB组81人；年轻组28人，中年组89人，老年组22人）	NA	NA	统计显著性（P值）	NA
455	2025-12-06	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-Nov-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本文通过范围综述，综合分析了人工智能在预测心脏直视手术结果中的应用，评估了AI模型的性能，并指出了数据质量、算法偏见和临床适用性方面的研究空白	首次系统性地综述了AI在心脏直视手术预测中的应用，识别了当前研究的主要算法（如逻辑回归、随机森林、XGBoost）及其性能，并强调了深度学习和混合模型使用不足的现状	纳入的研究中89.06%为回顾性研究，模型验证不一致，前瞻性数据有限，患者群体多样性不足，这些方法学局限性阻碍了临床转化	旨在综合AI在预测心脏直视手术结果方面的研究，评估模型性能，并识别数据质量、算法偏见和临床适用性方面的差距，以指导未来个性化手术规划和患者结局的改进	聚焦于心脏直视手术及其术后结果预测的相关研究	机器学习	心血管疾病	NA	逻辑回归, 随机森林, XGBoost	NA	共纳入64项研究	NA	NA	NA	NA
456	2025-12-06	Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review 2025-Nov, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20781 PMID:40476369	meta-analysis, systematic review	本研究通过大规模荟萃分析和系统综述，评估了基于人工智能和机器学习方法在皮肤镜图像上自动诊断黑色素瘤的预测性能	首次对2006年至2024年间的人工智能诊断黑色素瘤研究进行大规模荟萃分析，特别关注并比较了深度学习模型与混合模型的性能	研究仅纳入了39项符合纳入和排除标准的主要研究，可能存在发表偏倚，且未详细分析不同算法在临床实际应用中的具体挑战	综合评估人工智能方法在黑色素瘤临床诊断中的应用，并总结深度学习和混合模型算法的预测性能	使用皮肤镜图像进行黑色素瘤自动诊断的人工智能和机器学习研究	computer vision, machine learning	melanoma	dermoscopic imaging	deep learning, hybrid models	image	来自39项主要研究的78项诊断测试数据	NA	NA	AUC, sensitivity, specificity	NA
457	2025-12-06	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	本研究开发了一种级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发	提出了一种结合肿瘤分割与转移风险分层的级联深度学习框架，用于术前预测隐匿性腹膜转移和早期腹膜复发，并验证了其泛化能力	NA	开发并验证一种基于CT的深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发风险	晚期胃癌患者	数字病理学	胃癌	CT成像	深度学习	CT图像	765名来自三个机构的晚期胃癌患者，包括内部验证（OPM测试168人，早期PR测试212人）和外部验证（早期PR测试57人）	NA	V-Net	AUC, 敏感性, 特异性	NA
458	2025-12-06	Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review 2025-Nov, Journal of paediatrics and child health IF:1.6Q2 DOI:10.1111/jpc.70172 PMID:41015898	系统综述	本文系统综述了人工智能（特别是深度学习）在利用骨盆X光片和超声图像检测发育性髋关节发育不良（DDH）中的诊断准确性	首次系统性地评估和总结了AI在DDH诊断中的应用效果，比较了其在X光和超声图像上的表现，并指出了其与医生诊断的可比性	对外部数据集的评估有限，限制了其普适性，需要更多样化的数据集和真实世界应用来验证	评估深度学习算法在检测发育性髋关节发育不良（DDH）中的诊断准确性	有DDH风险或疑似DDH的儿童（<16岁）的髋关节超声或X光图像	数字病理学	发育性髋关节发育不良	深度学习（DL）	NA	图像（骨盆X光片、超声图像）	总计15406个样本（超声图像8315个，骨盆X光片7091个）	NA	NA	AUC, 灵敏度, 特异性	NA
459	2025-12-06	A CT-based deep learning radiomics model for predicting HER2 expression and prognosis in non-muscle-invasive bladder cancer 2025-Nov, Biomarkers in medicine IF:1.9Q3 DOI:10.1080/17520363.2025.2590778 PMID:41277127	研究论文	本研究基于术前CT影像，结合放射组学和深度学习特征，开发了一个预测非肌层浸润性膀胱癌HER2表达状态及预后的模型	首次将深度学习评分、放射组学评分与临床病理特征整合，构建了一个深度学习放射临床特征模型，用于预测NMIBC的HER2表达和无复发生存期	回顾性研究，样本量相对较小（181例），需外部验证	评估非肌层浸润性膀胱癌的HER2表达状态和预后	非肌层浸润性膀胱癌患者	数字病理	膀胱癌	CT成像	深度学习模型	CT图像	181名患者（训练集126例，测试集55例）	NA	NA	AUC	NA
460	2025-12-06	Prompt-based multimodal representation learning for drug repurposing 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf636 PMID:41329039	研究论文	本文提出了一种基于提示的多模态表示学习框架，用于动态编码药物重定位中的任务特定上下文信息，以提高化合物-蛋白质相互作用预测的准确性	引入了动态提示生成模块和提示校准模块，能够自适应地创建受体特异性提示并有效整合多模态特征，克服了传统方法依赖静态分子和蛋白质结构表示的局限性	未明确说明方法在其他类型受体或更广泛药物靶点上的泛化能力，也未详细讨论计算复杂度或模型可解释性	提高化合物-蛋白质相互作用预测的准确性，推动药物重定位研究	FDA批准的药物候选物，特别是针对G蛋白偶联受体的化合物	机器学习	NA	深度学习	深度学习框架	结构数据（分子和蛋白质结构）	NA	NA	提示基多模态表示学习框架	平均绝对误差	NA