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
461	2025-12-12	Toward an Embedded SoC for Mobile DNA Sequencing Applications 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3602886 PMID:40857189	研究论文	本文提出了一种面向移动DNA测序应用的嵌入式SoC架构，集成了生物信息学加速器，旨在实现便携式基因组学的集成计算解决方案	首次提出基于RISC-V的异构SoC架构，集成深度学习基础识别和序列比对专用加速器，显著提升能效和性能	研究处于初步原型阶段，ASIC原型频率和功耗指标仍需在实际应用中进一步验证	开发用于移动DNA测序的嵌入式生物信息学硬件，解决现有系统依赖外部计算的问题	DNA测序数据与嵌入式SoC硬件架构	生物信息学硬件	NA	DNA测序	深度学习	DNA序列数据	NA	NA	NA	准确率, 能效比, 性能功耗比	FPGA, ASIC原型, RISC-V架构, x86 CPU, 高端GPU
462	2025-12-12	M2BA-MDA: A Multi-Modal Multi-View Bidirectional Attention Network for Microbe-Disease Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3620892 PMID:41082432	研究论文	本文提出了一种基于多模态多视图双向注意力机制的深度学习框架M2BA-MDA，用于预测潜在的微生物-疾病关联	提出了一种结合多模态、多视图和双向注意力机制的深度学习框架，通过稳定的增强图注意力网络模块和交互模块，有效解决了梯度消失、过平滑问题，并增强了微生物与疾病之间的相互依赖关系	未明确说明模型在处理大规模数据集时的计算效率或可扩展性限制	预测潜在的微生物-疾病关联，以辅助疾病诊断、治疗和预防	微生物与疾病之间的关联	机器学习	NA	多模态数据融合、图注意力网络、双向注意力机制	深度学习框架	多模态数据（包括相似性度量）	基于HMDAD和DisBiome数据集进行实验，但未明确具体样本数量	NA	增强图注意力网络（EGAT）、深度神经网络（DNN）	通过比较实验评估性能，但未明确具体指标如准确率、召回率等	NA
463	2025-12-12	Implications of computed tomography reconstruction algorithms on coronary atheroma composition: A head-to-head comparison with multimodality near-infrared spectroscopy intravascular ultrasound imaging 2025 Nov-Dec, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.10.009 PMID:41125464	研究论文	本研究比较了不同CTA重建算法在评估冠状动脉斑块成分方面的性能，以NIRS-IVUS为参考标准	首次系统比较了多种CTA重建参数（包括迭代重建强度、切片厚度和HU阈值）对斑块成分分析的影响，并确定了最优组合	样本量较小（仅15名患者），且仅针对慢性冠状动脉综合征患者，可能限制了结果的普适性	评估CTA重建方法在冠状动脉斑块成分分析中的准确性	慢性冠状动脉综合征患者的冠状动脉斑块	医学影像分析	心血管疾病	计算机断层扫描血管造影（CTA）、近红外光谱-血管内超声（NIRS-IVUS）	深度学习	医学影像（CT和IVUS图像）	15名患者，50条血管	NA	NA	组内相关系数（ICC）、累积排名曲线下面积（SUCRA）	NA
464	2025-12-11	Comprehensive Annotation of Olfactory and Gustatory Receptor Genes and Transposable Elements Revealed Their Evolutionary Dynamics in Aphids 2025-Nov-28, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf238 PMID:40986830	研究论文	本研究通过分析12种蚜虫基因组，全面注释了嗅觉和味觉受体基因及转座元件，揭示了它们在蚜虫中的进化动态	首次提供了Dysaphis plantaginea的染色体尺度基因组组装，并全面注释了OR/GR基因的功能预测，将适应性进化与机制洞察联系起来	研究主要基于基因组分析，缺乏实验验证，且样本量有限（12种蚜虫），可能无法完全代表所有蚜虫物种	探讨基因复制和转座元件在蚜虫嗅觉和味觉受体基因进化中的作用，以理解昆虫害虫的适应性进化机制	12种具有不同宿主范围的蚜虫基因组，包括521个嗅觉受体基因和399个味觉受体基因以及转座元件	基因组学	NA	基因组测序、深度学习模型	深度学习模型	基因组序列数据	12种蚜虫基因组	NA	NA	NA	NA
465	2025-12-11	SAI: A Python Package for Statistics for Adaptive Introgression 2025-Nov-28, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msaf295 PMID:41258824	研究论文	本文介绍了一个名为SAI的Python包，用于计算适应性基因渗入的统计量，包括新提出的DD统计量，并应用于两个数据集进行验证	开发了SAI Python包，整合了多种现有统计量并引入了新的DD统计量，提供了易于访问的实现	未明确提及样本量限制或计算资源需求，可能依赖于现有数据集	开发工具以识别和分析适应性基因渗入，促进进化生物学研究	人类基因组数据（1000 Genomes Project）和黑猩猩基因组数据	生物信息学	NA	基因组测序	NA	基因组序列数据	基于1000 Genomes Project数据和黑猩猩数据集，具体样本数未明确	Python	NA	NA	NA
466	2025-12-11	Role of artificial intelligence in the detection and characterization of gastrointestinal premalignant and early malignant lesions 2025-Nov-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i44.111160 PMID:41356523	综述	本文综述了人工智能在胃肠道内窥镜领域，特别是在检测和表征胃肠道癌前病变及早期恶性病变方面的突破与临床应用	利用机器学习和深度学习，特别是卷积神经网络，开发高性能的计算机辅助模型，以增强内窥镜图像中病变的检测和可见性，实现实时分类和风险分层	人工智能对患者结局（如死亡率和间期癌症发生率）的影响尚不明确，且其在结肠中的应用不如在食管和胃中成熟	探讨人工智能在胃肠道内窥镜中检测和表征癌前及早期恶性病变的作用	胃肠道癌前病变和早期恶性病变，如Barrett食管、胃萎缩、肠化生、小肠和结肠息肉，以及早期食管癌、胃癌和结肠癌	计算机视觉	胃肠道癌	内窥镜成像	CNN	图像	NA	NA	卷积神经网络	NA	NA
467	2025-12-11	Advancements and challenges of ultrasound imaging in the management of thyroid-associated ophthalmopathy 2025-Nov-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v17.i11.112638 PMID:41356759	综述	本文综述了超声成像在甲状腺相关眼病（TAO）管理中的应用现状、技术进展及挑战，并提出了结合超声弹性成像与深度学习的多模态框架以提高诊断精度	提出了一个结合超声弹性成像与深度学习的集成多模态框架，以提升TAO的诊断精确性	超声成像在深部眼眶结构分辨率有限，且缺乏标准化协议，可能导致诊断不准确	探讨超声成像在TAO诊断和管理中的应用，并提出未来研究策略以改善诊断工具	甲状腺相关眼病（TAO）患者	数字病理学	甲状腺相关眼病	超声成像，超声弹性成像	深度学习	超声成像数据	NA	NA	NA	NA	NA
468	2025-12-11	Lymph node disease in 2-deoxy-2-fluorodeoxyglucose positron emission tomography/computed tomography imaging: Advances in artificial intelligence-driven automatic segmentation and precise diagnosis 2025-Nov-24, World journal of clinical oncology IF:2.6Q3 DOI:10.5306/wjco.v16.i11.110462 PMID:41355909	综述	本文综述了基于卷积神经网络的深度学习技术在淋巴结疾病影像学评估中的应用，包括自动分割、三维重建及良恶性鉴别诊断	聚焦于人工智能驱动的淋巴结自动分割模型、治疗反应预测算法及多模态影像的良恶性鉴别诊断系统，为淋巴结疾病管理提供智能化辅助	作为综述文章，未涉及具体实验数据或模型性能验证，主要总结现有技术进展	为人工智能辅助淋巴结疾病管理和临床决策提供研究基础，推动淋巴结相关疾病精准诊断、个性化治疗及预后评估体系的构建	淋巴结转移和浸润的影像学评估	计算机视觉	淋巴结疾病	2-脱氧-2-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描成像	CNN	医学影像	NA	NA	NA	NA	NA
469	2025-12-11	Artificial intelligence in acute appendicitis: A comprehensive review of machine learning and deep learning applications 2025-Nov-21, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i43.112000 PMID:41358178	综述	本文全面回顾了机器学习和深度学习在急性阑尾炎诊断中的应用	整合了临床、实验室和影像等多模态数据，并应用可解释AI方法提升模型透明度	现有证据多来自回顾性研究，前瞻性队列样本量有限或存在方案差异	评估人工智能在提高急性阑尾炎诊断准确性方面的应用	成人和儿童急性阑尾炎	机器学习	急性阑尾炎	NA	随机森林, 支持向量机, 逻辑回归, 极端梯度提升, 卷积神经网络	临床数据, 影像数据	基于65项研究的综合发现	NA	NA	灵敏度, 特异性	NA
470	2025-12-11	Face2Bone explainable AI model predicts osteoporosis risk from facial images in proof of concept study 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-20462-3 PMID:41266389	研究论文	本研究开发并验证了一种名为Face2Bone的可解释人工智能模型，用于基于面部图像进行骨质疏松症风险的预测和机会性筛查	首次提出并验证了基于面部图像的可解释深度学习模型用于骨质疏松症风险分类，结合了预训练的FaceNet、自定义频率稀疏注意力模块、Transformer与CNN骨干网络以及KAN分类器，并通过SHAP和CRAFT方法进行可解释性分析，揭示了不同骨量状态下的显著面部图像特征	研究为概念验证性质，样本量相对有限（1167名患者），且数据来自单一医院，可能影响模型的泛化能力	开发并验证一种基于面部图像的可解释AI预测模型，用于骨质疏松症的机会性筛查和风险预测	接受双能X线吸收测定法检查的1167名患者及其面部图像	计算机视觉	骨质疏松症	双能X线吸收测定法	深度学习, 混合模型	图像	1167名患者	PyTorch, TensorFlow	FaceNet, Transformer, CNN, Kolmogorov-Arnold Networks	准确率, 精确率, 召回率, F1分数, AUC, ECE, Brier分数	NA
471	2025-12-11	Short-Term Lag Effects of Climate-Pollution Interactions on Cardiopulmonary Hospitalizations: A Multi-City Predictive Study Using the AE+LSTM Hybrid Model in Japan 2025-Nov-20, Biomedical and environmental sciences : BES IF:3.0Q2 DOI:10.3967/bes2025.137 PMID:41368962	研究论文	本研究评估了气候和空气污染对心血管和呼吸系统疾病住院的短期滞后效应，并开发了基于深度学习的每日住院预测模型	结合随机森林和AE+LSTM混合深度学习模型，首次在日本多城市环境中量化气候-污染交互作用的滞后效应并预测住院人数	研究仅涵盖日本三个主要城市，可能无法推广到其他地区或农村环境	评估气候和空气污染的短期滞后效应对心肺疾病住院的影响，并开发预测模型	东京23区、大阪市和名古屋市的心血管疾病（五种）和呼吸系统疾病（两种）住院患者	机器学习	心血管疾病	随机森林模型、深度学习模型	AE+LSTM	环境数据（气候、空气污染）、医疗住院数据	日本三个城市（东京23区、大阪市、名古屋市）的住院数据	NA	自编码器（AE）、长短期记忆网络（LSTM）	预测准确率	NA
472	2025-12-11	Predicting breast cancer response to neoadjuvant chemotherapy with ultrasound-based deep learning radiomics models -- dual-center study 2025-Nov-10, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15148-y PMID:41214584	研究论文	本研究开发并验证了一种基于早期（两个周期）超声图像的深度学习融合模型，用于预测接受新辅助化疗的乳腺癌患者的早期肿瘤反应	利用堆叠融合技术结合肿瘤内和瘤周区域的超声图像，构建深度学习融合模型，以预测新辅助化疗的早期反应	NA	预测乳腺癌患者对新辅助化疗的早期肿瘤反应	接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	超声成像	深度学习	图像	469名乳腺癌患者	NA	ResNet	AUC, 临床决策曲线	NA
473	2025-12-11	Association between induced organ atrophy assessed by artificial intelligence-generated automatic segmentation and efficacy of bevacizumab in combination with chemotherapy in metastatic colorectal cancer 2025-Nov-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00951-4 PMID:41214758	研究论文	本研究探讨了使用人工智能自动分割评估贝伐珠单抗诱导的器官萎缩与转移性结直肠癌化疗联合治疗疗效之间的关联	首次利用基于深度学习的AI模型自动测量器官体积，并评估贝伐珠单抗诱导的非肿瘤肝脏萎缩与患者生存率的关系	生存分析中，非肿瘤肝脏体积减小与总生存期的关联在调整年龄、性别和诊断时肿瘤体积后变得不显著	探索贝伐珠单抗诱导的器官萎缩（通过AI辅助体积测量）与转移性结直肠癌治疗疗效之间的关系	来自PRODIGE 9和PRODIGE 20试验的转移性结直肠癌患者	数字病理学	结直肠癌	深度学习	深度学习模型	医学影像	214名患者（其中192名接受贝伐珠单抗治疗）	NA	NA	Pearson相关系数, p值	NA
474	2025-12-11	Deep Learning-Assisted System Improves Practical Effects in Cervical Cytopathology Diagnosis: A Comparative Study of Reading Modes 2025-Nov, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100882 PMID:40914500	研究论文	本研究通过随机对照四向交叉设计，比较了四种宫颈细胞病理学阅片模式（无辅助、同步、二次和分流模式）在深度学习辅助下的诊断效果	首次采用随机对照四向交叉设计系统评估四种深度学习辅助阅片模式，并综合分析了细胞病理学家的偏好与体验	研究为回顾性设计，可能受到选择偏倚的影响；未详细说明深度学习模型的具体架构与训练细节	评估深度学习辅助系统在宫颈细胞病理学诊断中的实际效果，并比较不同阅片模式的优劣	2021年至2022年间回顾性收集的1620张宫颈涂片玻片	数字病理学	宫颈癌	深度学习辅助诊断	NA	图像	1620张宫颈涂片玻片，由108名认证细胞病理学家阅片	NA	NA	灵敏度, 特异度	NA
475	2025-12-11	Leveraging explainable artificial intelligence for transparent and trustworthy cancer detection systems 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103243 PMID:40839960	综述	本文系统回顾了可解释人工智能（XAI）在癌症检测中的最新应用，并对其技术、数据集、仿真环境和安全性进行了分类分析	首次系统性地对XAI在多种癌症检测中的应用进行综述，并量化了模型使用、解释框架和编程语言的分布情况，同时指出了安全性研究的不足	仅7.4%的研究涉及安全性问题，且综述范围可能未覆盖所有新兴技术或未发表的研究	评估可解释人工智能在癌症检测中的透明度和可信度，以指导未来肿瘤学中可信赖且可解释的AI研究	涵盖乳腺癌、皮肤癌、肺癌、结直肠癌、脑癌等多种癌症类型的检测系统	机器学习	癌症	深度学习，可解释人工智能	CNN	图像	NA	Python	CNN	NA	NA
476	2025-12-11	Machine and deep learning for MRI-based quantification of liver iron overload: a systematic review and meta-analysis 2025-Nov, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01513-2 PMID:40956404	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习和深度学习在基于MRI的肝脏铁过载定量中的诊断准确性、算法性能和临床适用性	首次对机器学习和深度学习在MRI肝脏铁浓度定量中的应用进行系统性总结和荟萃分析，量化了其诊断性能并强调了自动化处理的优势	研究存在异质性、外部验证集规模有限以及泛化能力不足等问题	评估机器学习和深度学习技术在基于MRI的肝脏铁过载定量中的诊断准确性、算法性能和临床适用性	肝脏铁过载患者，特别是遗传性血色素沉着症和重型β-地中海贫血患者	医学影像分析	肝脏铁过载	MRI（T2*加权和多参数磁共振成像）	CNN, 放射组学, 模糊C均值聚类	MRI图像	NA	NA	卷积神经网络	灵敏度, 特异性, AUC, 相关系数, 平均绝对误差	NA
477	2025-12-11	Development and validation of explainable deep learning models for classification of atrial fibrillation subtypes using cardiac computed tomography 2025-Nov, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.08.031 PMID:41357266	研究论文	本研究开发并验证了基于心脏CT左心房形态的可解释深度学习模型，用于分类心房颤动亚型	首次利用心脏CT左心房形态特征，通过3D-CNN模型以可解释方式区分阵发性与持续性心房颤动，并识别与持续性房颤相关的空间重构模式	样本量相对有限（内部验证269例，外部验证151例），且仅基于单一影像模态（心脏CT）	开发可解释的深度学习模型，用于基于心脏CT左心房形态分类心房颤动亚型，并增强对房颤进展机制的理解	心房颤动患者（阵发性与持续性）	计算机视觉	心血管疾病	心脏CT	CNN	图像	内部验证269例患者，外部验证151例患者	NA	3D-DenseNet201	AUC, 准确率	NA
478	2025-12-10	The diagnostic accuracy of deep learning-based AI models in predicting lymph node metastasis in T1 and T2 colorectal cancer: A systematic review and meta-analysis 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045172 PMID:41204540	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于人工智能（尤其是深度学习和机器学习）模型在预测T1和T2期结直肠癌淋巴结转移中的诊断准确性	首次对基于AI的模型（特别是DL和ML）在预测T1/T2期结直肠癌淋巴结转移中的诊断准确性进行全面的系统综述和荟萃分析	纳入研究数量有限（12项定性分析，9项定量分析），可能存在发表偏倚，且各研究间的方法学异质性未详细讨论	评估基于AI的模型在预测T1和T2期结直肠癌淋巴结转移风险中的诊断准确性	T1和T2期结直肠癌患者	机器学习	结直肠癌	NA	深度学习, 机器学习	NA	8540名患者（来自12项研究）	NA	NA	敏感性, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
479	2025-12-10	Neural network-based multi-task learning to assist planning of posterior spinal fusion surgery for adolescent idiopathic scoliosis 2025-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01125-9 PMID:40553418	研究论文	本研究开发了一种基于神经网络的多任务学习模型，用于辅助青少年特发性脊柱侧弯后路脊柱融合手术的规划	首次将神经网络多任务学习应用于AIS手术规划，模拟经验丰富脊柱外科医生的决策过程，包括选择上下固定椎体、确定棒曲度和预测螺钉密度	样本量相对较小（189例患者），且仅针对Lenke 1A和2A型曲线，外部验证集仅包含10例患者	开发一种深度学习模型以优化青少年特发性脊柱侧弯后路脊柱融合手术的器械规划	189例Lenke 1A和2A型曲线的青少年特发性脊柱侧弯患者	机器学习	青少年特发性脊柱侧弯	NA	人工神经网络	临床和影像学数据	189例患者（179例用于训练，10例用于外部验证）	NA	多层隐藏层神经网络	准确率，均方根误差	NA
480	2025-12-10	Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.027 PMID:40651923	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了影像组学和深度学习模型在预测软组织肉瘤远处转移中的性能	首次对影像组学和深度学习模型在软组织肉瘤远处转移预测中的诊断准确性进行系统性的荟萃分析，并比较了不同成像模态、特征提取方法以及临床特征整合的效果	研究存在显著的异质性、有限的外部验证以及潜在的发表偏倚	评估影像组学和深度学习模型在预测软组织肉瘤远处转移中的诊断准确性	软组织肉瘤患者	数字病理学	软组织肉瘤	影像组学，深度学习	深度学习模型，影像组学模型	医学影像（MRI, PET, PET/CT）	19项研究，共1712名患者	NA	NA	AUC, 敏感性, 特异性	NA