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
481	2025-12-14	A Systematic Review on Machine Learning Techniques for Survival Analysis in Cancer 2025-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71375 PMID:41264402	系统综述	本文系统综述了机器学习技术在癌症生存分析中的应用，比较了不同方法的预测性能	首次系统性地比较了机器学习与传统统计方法在癌症生存分析中的表现，并识别了多任务学习和深度学习方法在少数研究中显示出优越性能	仅分析了39项可比研究，且深度学习方法仅在少数论文中报告，方法学及实施存在较大变异性	评估机器学习技术在癌症生存分析中是否优于传统统计方法，并比较不同机器学习策略的性能	癌症患者的生存数据	机器学习	癌症	NA	深度学习, 多任务学习	生存数据	196项研究中的39项可比研究	NA	NA	预测性能	NA
482	2025-12-14	PBIP: a deep learning framework for predicting phage-bacterium interactions at the strain level 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf656 PMID:41370631	研究论文	本文提出了一种名为PBIP的深度学习框架，用于在菌株级别预测噬菌体-细菌相互作用	PBIP框架首次在菌株级别整合了预训练的统一表示模型、合成少数类过采样技术以及结合CNN、双向GRU和注意力机制的深度神经网络，以捕获序列中的复杂生物模式	研究主要基于从湘雅医院临床环境中分离的肺炎克雷伯菌，可能限制了模型在其他细菌种类或环境中的泛化能力	开发一个深度学习框架来准确预测噬菌体与细菌在菌株级别的相互作用，以支持噬菌体疗法的临床应用	噬菌体和细菌（具体为肺炎克雷伯菌）的蛋白质序列	机器学习	NA	生物感染实验和测序	CNN, 双向GRU	蛋白质序列	NA	NA	结合CNN、双向GRU和注意力机制的深度神经网络	NA	NA
483	2025-12-14	Artificial intelligence guided Raman spectroscopy in biomedicine: Applications and prospects 2025-Nov, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101271 PMID:41377140	综述	本文综述了人工智能（特别是深度学习）如何增强拉曼光谱在生物医学中的应用，包括药物分析、疾病诊断和治疗优化	通过人工智能（尤其是深度学习算法）提升拉曼光谱的数据处理、特征提取和模型优化，从而扩展其在生物医学中的应用范围	存在计算需求高、数据要求严格以及伦理考虑等挑战	探讨人工智能如何推动拉曼光谱在生物制药研究和临床诊断中的进步	拉曼光谱在生物医学领域的应用，包括药物结构表征、疾病早期诊断和治疗优化	机器学习	NA	拉曼光谱	深度学习	光谱数据	NA	NA	NA	准确性, 效率	NA
484	2025-12-13	Whole genome characterization of patient-derived lung cancer organoids 2025-Nov-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-738 PMID:41367555	研究论文	本研究通过全基因组测序对患者来源的肺癌类器官进行了全面的基因组特征分析，探索其突变景观和治疗潜力	利用全基因组测序技术对患者来源的肺癌类器官进行全面的基因组特征分析，包括非编码区域的突变，并结合深度学习进行药物反应预测	药物筛选显示基因组数据可用于药物预测，但需要更先进的模型来充分利用全基因组测序数据	建立并表征患者来源的肺癌类器官，以研究肿瘤生物学并为精准医学提供信息	来自14名非小细胞肺癌患者的切除肿瘤和恶性胸腔积液	数字病理学	肺癌	全基因组测序, 下一代测序	深度学习	基因组数据	14名非小细胞肺癌患者的肺癌类器官	NA	NA	NA	NA
485	2025-12-13	Artificial intelligence in metabolic dysfunction-associated steatotic liver disease: Machine learning for non-invasive diagnosis and risk stratification 2025-Nov-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i11.111354 PMID:41368121	综述	本文综述了人工智能，特别是机器学习和深度学习，在代谢功能障碍相关脂肪性肝病（MASLD）非侵入性诊断和风险分层中的最新进展、关键模型、性能指标及临床应用	系统总结了AI在MASLD诊断中的最新应用，强调了其在风险预测、影像解读和疾病分层方面的准确性提升，并指出了数据标准化、可解释性和临床验证等挑战	NA	探讨人工智能在代谢功能障碍相关脂肪性肝病（MASLD）非侵入性诊断和风险分层中的应用	代谢功能障碍相关脂肪性肝病（MASLD）	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
486	2025-12-13	Artificial Intelligence for the Analysis of Biometric Data from Wearables in Education: A Systematic Review 2025-Nov-18, Sensors (Basel, Switzerland) DOI:10.3390/s25227042 PMID:41305250	综述	本文系统综述了在教育环境中使用可穿戴设备采集生物特征数据并结合AI算法进行分析的研究现状	首次系统性地整合了可穿戴设备、生物特征数据与AI算法在教育场景中的应用研究，并提出了未来研究方向	缺乏标准化的数据采集和报告规范，导致研究难以复制、比较和综合	探讨可穿戴设备采集的生物特征数据与AI算法结合在教育环境中的应用	教育环境中的学生生物特征数据	机器学习	NA	可穿戴设备生物特征测量	机器学习,深度学习	生物特征数据	43项研究	NA	NA	NA	NA
487	2025-12-13	Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi 2025-Nov, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2025.107842 PMID:40962162	系统综述	本文系统综述了人工智能（特别是深度学习）在疟疾血期诊断中的应用，特别关注了诺氏疟原虫（Plasmodium knowlesi）的诊断挑战与进展	与以往主要关注疟原虫物种分类的综述不同，本研究深入比较了AI驱动的血期识别方法，特别聚焦于诺氏疟原虫，并系统分析了CNN、迁移学习、集成学习及YOLO、Faster R-CNN等目标检测模型的有效性	基于AI的诺氏疟原虫血期分类研究仍然有限，面临注释数据集不足、类别不平衡和模型可解释性等关键挑战	评估人工智能（特别是深度学习）在疟原虫血期分类中的应用，以改善诺氏疟原虫的诊断准确性、效率和一致性	诺氏疟原虫（Plasmodium knowlesi）及其他疟原虫的血期图像	数字病理学	疟疾	显微镜检查，深度学习图像分析	CNN, 迁移学习, 集成学习, 目标检测模型	图像	NA	NA	YOLO, Faster R-CNN	NA	NA
488	2025-12-13	Integrating Multi-Modal Imaging Features for Early Prediction of Acute Kidney Injury in Pneumonia Sepsis: A Multicenter Retrospective Study 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.007 PMID:41027784	研究论文	本研究开发了一个名为MCANet的多模态深度学习框架，通过整合肺部、心外膜脂肪组织和T4水平皮下脂肪组织的影像特征，来预测肺炎相关脓毒症患者的急性肾损伤发生及其时间	提出了一个两阶段深度学习框架MCANet，首次整合了肺部、心外膜脂肪组织和T4水平皮下脂肪组织的多区域影像特征，并利用跨注意力机制增强解剖区域间的交互，用于预测肺炎相关脓毒症患者的急性肾损伤	这是一项回顾性研究，可能存在选择偏倚；研究样本量相对有限（399名患者）；模型性能需要在更大规模的前瞻性队列中进行验证	利用深度学习从肺炎相关脓毒症病例中提取信息性影像特征，以早期预测急性肾损伤的发生	肺炎相关脓毒症患者	数字病理学	急性肾损伤	胸部CT成像	CNN	图像, 临床记录, 实验室数据	399名肺炎相关脓毒症患者	PyTorch, Scikit-learn	ResNet-18, ResNet-101, LightGBM	AUC, 准确率, 精确率, 召回率, F1分数	NA
489	2025-12-13	General Purpose Deep Learning Attenuation Correction Improves Diagnostic Accuracy of SPECT MPI: A Multicenter Study 2025-Nov, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.06.010 PMID:40778900	研究论文	本研究开发了一种深度学习模型，用于生成模拟SPECT衰减校正图像，以提高SPECT心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性	利用深度学习生成合成衰减校正图像，作为CT-based衰减校正的替代方案，无需额外设备、成像时间或辐射暴露	研究仅基于特定患者队列进行外部验证，未在所有临床环境中广泛测试	评估深度学习生成的合成SPECT图像是否能增强传统SPECT心肌灌注成像的准确性	SPECT心肌灌注成像患者，包括多中心队列和外部验证队列	数字病理学	心血管疾病	SPECT心肌灌注成像，CT-based衰减校正，深度学习	深度学习模型	SPECT图像	开发队列：4,894名患者（来自4个中心）；外部验证队列1：746名患者（来自72个中心）；外部验证队列2：320名患者（来自1个外部中心）	NA	NA	AUC, 总灌注缺损	NA
490	2025-12-13	RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging 2025-Nov, La Radiologia medica DOI:10.1007/s11547-025-02083-y PMID:40892332	研究论文	本研究开发了一种基于RegGAN的深度学习框架，用于从非对比CT合成对比增强CT，以实现无碘食管癌的肿瘤分割和T分期	提出了一种结合配准和对抗训练的RegGAN模型，以解决NCCT与CECT之间的错位问题，并开发了用于肿瘤分割的CSSNet和用于T分期的双路径深度学习模型	研究为回顾性多中心分析，可能存在选择偏倚；未明确提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种无需对比剂的深度学习框架，用于食管癌的自动肿瘤分割和T分期	食管癌患者	数字病理学	食管癌	CT成像	GAN, CNN, Transformer	CT图像	1092名食管癌患者（训练集313例，内部测试集117例，外部测试集116例和546例）	NA	RegGAN, CSSNet, Vision Transformer	NMAE, PSNR, SSIM, Dice系数, AUC	NA
491	2025-12-13	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	本研究开发了一种基于深度学习的框架，通过融合核分割特征，直接从H&E染色全切片图像预测消化系统癌症的微卫星不稳定性和肿瘤突变负荷状态	首次将核分割特征与图像特征融合，通过多模态紧凑双线性池化技术，显著提升了MSI和TMB预测的准确率，并在多中心数据上进行了验证	研究主要基于TCGA和单一外部医院数据集，样本来源和多样性可能有限，且模型在更广泛临床环境中的泛化能力需进一步验证	开发一种低成本、高效率的深度学习方法，替代传统的测序技术，用于预测消化系统癌症的MSI和TMB状态	胃癌和结直肠癌患者的H&E染色全切片图像	数字病理学	胃癌, 结直肠癌	H&E染色, 全切片成像	深度学习	图像	TCGA数据集：MSI预测涉及350例胃癌和376例结直肠癌；TMB预测涉及400例胃癌和387例结直肠癌；外部验证使用中日友好医院的结直肠癌数据集	CLAM, Hover-Net	多模态紧凑双线性池化, 六种不同的深度学习模型	AUC, 召回率	NA
492	2025-12-13	Improving Detection of Intrahepatic Cholangiocarcinoma with a Contrast-enhanced US-based Deep Learning Model 2025-Nov, Radiology. Imaging cancer DOI:10.1148/rycan.250078 PMID:41236388	研究论文	本研究开发了一种基于对比增强超声（CEUS）的深度学习模型，用于辅助放射科医生诊断肝内胆管癌（iCCA）	开发了首个基于多中心CEUS数据的深度学习模型，用于iCCA诊断，并证明了该模型能显著提升初级和中级放射科医生的诊断水平，使其达到与高级放射科医生相当的水平	本研究为回顾性研究，未来需要前瞻性研究进一步验证模型的临床效用	开发一种基于深度学习的辅助诊断工具，以提高肝内胆管癌（iCCA）的诊断准确性	肝内胆管癌（iCCA）患者	数字病理	肝内胆管癌	对比增强超声（CEUS）	深度学习模型	超声图像	训练集804例，验证集344例，外部测试集A 153例，外部测试集B 240例，总计1148例CEUS检查	未明确指定，可能为PyTorch或TensorFlow	BNInception, MobileNet-v2, ResNet-50, VGG-19	AUC（受试者工作特征曲线下面积）	NA
493	2025-12-13	Optimised machine learning for time-to-event prediction in healthcare applied to timing of gastrostomy in ALS: a multi-centre, retrospective model development and validation study 2025-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105962 PMID:41075354	研究论文	本研究开发并验证了一个用于预测肌萎缩侧索硬化症患者胃造口术时机的机器学习模型	采用贝叶斯框架优化了超过5000种预测模型配置，包括样条模型和深度学习模型，并利用外部验证队列在多个人群和临床环境中验证了模型性能	需要前瞻性研究才能进入常规临床实践	预测肌萎缩侧索硬化症患者胃造口术的时机	肌萎缩侧索硬化症患者	机器学习	肌萎缩侧索硬化症	NA	深度学习	临床测量数据	训练集3000名患者（欧洲），验证集299名患者（美国）和215名患者（瑞典）	NA	逻辑风险深度学习模型	中位数绝对误差, AUROC	NA
494	2025-12-13	A deep learning-based automated detection of mucus plugs in chest computed tomography 2025-Nov, ERJ open research IF:4.3Q1 DOI:10.1183/23120541.00377-2025 PMID:41367647	研究论文	本文提出了一种基于深度学习的自动化方法，用于在胸部计算机断层扫描中检测黏液栓	开发了一种创新的深度学习模型，首次实现胸部CT中黏液栓的自动化检测，提高了诊断效率和准确性	NA	旨在通过自动化工具辅助临床医生更快速、准确地识别胸部CT中的黏液栓，以改善呼吸系统疾病的诊断	胸部计算机断层扫描图像	计算机视觉	呼吸系统疾病	计算机断层扫描	深度学习模型	图像	NA	NA	NA	NA	NA
495	2025-12-13	Covid-19 diagnosis using privacy-preserving data monitoring: an explainable AI deep learning model with blockchain security 2025-Nov, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2542273 PMID:40846653	研究论文	提出一种结合深度学习、可解释人工智能与区块链技术的隐私保护COVID-19诊断框架	提出HCTR-MGR新型诊断框架，首次将卷积循环注意力迁移学习、改进型大蔗鼠优化算法与基于信任的许可区块链相结合，实现安全、可解释且高性能的COVID-19诊断	仅使用胸部X光数据集进行验证，未在更广泛的多模态医疗数据或实时临床环境中测试	开发安全、透明且高性能的COVID-19自动诊断系统	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN, 注意力机制, 迁移学习	图像	两个基准胸部X光数据集（具体数量未说明）	NA	ResNeXt, HCTR-MGR（异构卷积循环注意力迁移学习ResNeXt与改进型大蔗鼠优化）	准确率, 精确率, 召回率, 特异性, F1分数	NA
496	2025-12-13	Application of thin-slice and accelerated T1-weighted GRE sequences in 1.5T abdominal magnetic resonance imaging using deep learning image reconstruction 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064005 PMID:41383277	研究论文	本研究比较了标准梯度回波序列与两种基于深度学习图像重建的加速T1加权梯度回波序列在1.5T腹部磁共振成像中的性能	应用深度学习图像重建技术于加速和高分辨率的T1加权梯度回波序列，显著减少了采集时间并提高了图像质量	研究样本量较小（50名患者），且诊断信心和病变检测能力在序列间无显著差异	评估深度学习图像重建在腹部磁共振成像中减少采集时间和提高图像质量的效果	50名接受1.5T腹部磁共振成像的患者	医学影像	NA	磁共振成像，深度学习图像重建，并行成像，部分傅里叶采样	深度学习	磁共振图像	50名患者	NA	NA	噪声、伪影、锐度/对比度、整体图像质量、诊断信心（使用李克特量表1-5分评估）	NA
497	2025-12-12	Preoperative prediction of axillary lymph node metastasis in breast invasive ductal carcinoma patients using a deep learning model based on dynamic contrast-enhanced magnetic resonance imaging: a multicenter study 2025-Nov-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-365 PMID:41377877	研究论文	本研究开发并验证了一个基于动态对比增强磁共振成像的深度学习模型，用于术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移	结合深度学习特征与临床特征构建预测模型，并在多中心数据上验证其性能，显著提升了预测准确性	研究为回顾性分析，样本量相对有限，且仅基于特定医院的影像数据，可能存在选择偏倚	开发非侵入性工具以术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移，辅助临床决策	520名诊断为乳腺浸润性导管癌的患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	520名患者（411名用于训练和内部验证，109名用于外部测试）	NA	NA	AUC	NA
498	2025-12-12	Analytical and numerical solutions of MABC fractional advection dispersion models by utilizing the modified physics informed neural networks with impacts of fractional derivative 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30065-7 PMID:41310394	研究论文	本研究提出了一种新的分数阶对流扩散方程，并利用改进的物理信息神经网络（PINNs）框架对其进行数值求解	提出了基于改进的Atangana-Baleanu-Caputo（MABC）分数阶导数的对流扩散方程新公式，并开发了专门的PINNs算法来求解MABC意义上的分数阶微分方程	未在摘要中明确说明	开发准确有效的数学模型以模拟污染物传输现象，并求解分数阶对流扩散方程	污染物传输的分数阶对流扩散模型	机器学习	NA	物理信息神经网络（PINNs）	深度学习模型	NA	NA	TensorFlow, PyTorch	物理信息神经网络	精度, 计算效率	NA
499	2025-12-12	Deep Generative Model-Driven Design of Microbial Synthetic Promoters 2025-Nov-26, Journal of microbiology and biotechnology IF:2.5Q3 DOI:10.4014/jmb.2510.10043 PMID:41309366	综述	本文综述了利用深度生成模型（VAE、GAN、扩散模型）设计和生成具有可调表达水平的微生物合成启动子的方法、流程和应用	系统总结并比较了三种主流深度生成模型（VAE、GAN、扩散模型）在合成启动子设计中的原理、优势和应用策略，为这一新兴领域提供了全面的方法学框架	作为综述文章，未提出新的原创模型或实验数据，主要基于现有文献进行归纳和评述	探讨如何利用深度学习技术加速和优化微生物合成启动子的设计与生成	微生物合成启动子（人工设计的DNA序列）	机器学习	NA	深度生成模型（DGM）	VAE, GAN, 扩散模型	DNA序列数据	NA	NA	NA	NA	NA
500	2025-12-12	MultiFusion2HPO: A Multimodal Deep Learning Approach for Enhancing Human Protein-Phenotype Association Prediction 2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3608274 PMID:40928915	研究论文	本文提出了一种名为MultiFusion2HPO的多模态深度学习模型，用于增强人类蛋白质-表型关联预测	整合了五种关键模态数据（文本、蛋白质序列、蛋白质-蛋白质相互作用网络、基因本体注释和基因表达），并采用先进的深度学习方法，克服了现有方法在利用多模态信息和定制深度学习表示方面的不足	未明确提及具体局限性	提高人类蛋白质与临床表型（基于人类表型本体HPO）关联预测的准确性，以促进药物开发和精准医学	人类基因（蛋白质）与临床表型之间的关联	自然语言处理, 机器学习	NA	文本嵌入（TFIDF-D2V和BioLinkBERT）、蛋白质序列分析（InterPro和ESM2）、蛋白质-蛋白质相互作用网络分析、基因本体注释、基因表达分析	深度学习模型	文本, 序列, 网络, 注释, 表达数据	NA	NA	MultiFusion2HPO	准确性	NA