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
1601	2025-10-05	Efficient T staging in nasopharyngeal carcinoma via deep Learning-Based Multi-Modal classification 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112407 PMID:40945208	研究论文	开发基于深度学习的多模态分类系统用于鼻咽癌T分期	采用多模态学习框架整合MRI图像和报告，使用Q-Former进行视觉和文本信息融合，无需手动肿瘤勾画	样本量相对有限（609例患者），需要进一步验证	开发高效的自动化T分期系统以支持个性化治疗和优化临床工作流程	鼻咽癌患者	计算机视觉	鼻咽癌	MRI成像	Vision Transformer, BERT	图像, 文本	609例鼻咽癌患者（训练集487例，验证集122例）	NA	ViT, BERT, Q-Former, DeepTree	准确率, AUC, 精确率, 灵敏度, 特异度	NA
1602	2025-10-05	Accelerating non-contrast MR angiography of the thoracic aorta using compressed SENSE with deep learning reconstruction 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112403 PMID:40967085	研究论文	本研究评估了压缩感知与深度学习重建技术加速无对比剂胸主动脉磁共振血管成像的效果	首次将压缩感知与深度学习重建技术结合应用于REACT序列，显著缩短扫描时间同时保持图像质量	单中心研究，样本量较小(40名志愿者)，需要多中心验证	加速无对比剂胸主动脉磁共振血管成像的采集时间	胸主动脉	医学影像	心血管疾病	磁共振成像，REACT序列，压缩感知，深度学习重建	深度学习	3D磁共振图像	40名志愿者	NA	NA	主动脉直径测量一致性，主观图像质量评分，客观图像质量指标，测量方差	NA
1603	2025-10-05	Application of contrast-enhanced CT-driven multimodal machine learning models for pulmonary metastasis prediction in head and neck adenoid cystic carcinoma 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112377 PMID:40857998	研究论文	本研究探索基于增强CT的放射组学和深度学习方法预测头颈部腺样囊性癌肺转移	首次将增强CT驱动的多模态特征融合与多种机器学习算法结合用于头颈部腺样囊性癌肺转移预测	回顾性研究且样本量有限（130例患者），部分模型出现过拟合现象	开发预测头颈部腺样囊性癌肺转移的机器学习模型	130例经病理证实的头颈部腺样囊性癌患者	医学影像分析	头颈部腺样囊性癌	对比增强CT成像	多种机器学习算法	医学影像数据（CT图像）和临床记录	130例患者，按7:3比例随机分为训练集和测试集	NA	ada, KNN, rf, NB, GLM, LDA, rpart, SVM-RBF, GBM	召回率, 灵敏度, PPV, F1分数, 精确度, 患病率, NPV, 特异度, 准确度, 检测率, 检测患病率, 平衡准确度, AUC	NA
1604	2025-10-05	A pre-training enhanced deep learning framework for robust sparse unmixing in chemical imaging 2025-Nov-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344524 PMID:40983411	研究论文	提出一种预训练增强的深度学习框架P4SU，用于化学成像中的稳健稀疏解混	利用光谱库生成的模拟光谱预训练深度学习模型，结合线性与非线性解码器选项，显著提升解混精度和稳定性	未明确说明模型在极端噪声条件下的性能表现	开发准确稳健的化学成像解混算法	颜料混合物、糖溶液和药物片剂三种化学数据集	化学成像分析	NA	高光谱成像、拉曼成像	深度学习	光谱数据、化学成像数据	三个化学多样性数据集	Python	NA	均方根误差(RMSE), 标准差	NA
1605	2025-10-05	Leveraging Artificial Intelligence for Diabetic Retinopathy Screening and Management: History and Current Advances 2025-Nov, Seminars in ophthalmology IF:1.9Q2 DOI:10.1080/08820538.2024.2432902 PMID:39580713	综述	本文回顾了人工智能在糖尿病视网膜病变筛查与管理中的应用历史与当前进展	系统梳理了AI在DR筛查领域的发展历程，并重点介绍了获得美国FDA批准的三大自动化筛查算法	作为叙述性综述，缺乏对研究质量的系统性评估和定量分析	评估人工智能在糖尿病视网膜病变筛查中的应用及现有自动化检测算法	已发表的关于AI在DR筛查中应用的科学研究文献	数字病理	糖尿病视网膜病变	眼底摄影，视网膜成像	深度学习	视网膜图像	NA	NA	NA	NA	NA
1606	2025-10-05	A Novel Deep Learning Radiomics Nomogram Integrating B-Mode Ultrasound and Contrast-Enhanced Ultrasound for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.06.028 PMID:40764147	研究论文	开发集成B型超声和超声造影的深度学习影像组学列线图用于术前预测浸润性乳腺癌淋巴血管侵犯	首次将B型超声和超声造影图像特征与临床病理参数结合构建深度学习影像组学列线图	回顾性研究设计，样本仅来自三家医院	术前无创预测浸润性乳腺癌淋巴血管侵犯状态	浸润性乳腺癌患者	医学影像分析	乳腺癌	B型超声，超声造影	深度学习	超声图像	981例患者（834例来自医院I，147例来自医院II和III）	NA	NA	AUC，校准曲线，决策曲线分析	NA
1607	2025-10-05	A Learnable Physical Deep Learning Model for Sparse Limited View Photoacoustic Tomography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.07.014 PMID:40850901	研究论文	提出一种可学习的物理深度学习模型，用于从稀疏有限视角光声信号实现高质量图像重建	结合物理模型与深度学习，在极稀疏探测器配置下实现无伪影的光声断层成像重建	仅使用16个探测器的极稀疏配置，重建质量仍有提升空间	开发稀疏重建算法以降低光声断层成像系统对硬件制造的要求	光声断层成像系统	医学影像	NA	光声断层成像	深度学习模型	光声信号	数值模拟和活体实验	NA	可学习的物理深度学习模型	结构相似性, 峰值信噪比	NA
1608	2025-10-05	Breast Cancer Diagnosis Using a Dual-Modality Complementary Deep Learning Network With Integrated Attention Mechanism Fusion of B-Mode Ultrasound and Shear Wave Elastography 2025-Nov, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.08.007 PMID:40858483	研究论文	开发并评估一种双模态互补特征注意力网络，通过融合B型超声和剪切波弹性成像的空间与硬度信息来改善乳腺肿瘤分类和腋窝淋巴结转移预测	提出双模态互补特征注意力网络(DCFAN)，首次将注意力机制应用于B型超声和剪切波弹性成像的特征融合，实现结构特征与硬度特征的互补增强	研究样本量相对有限(218名患者)，为回顾性研究	提高乳腺肿瘤分类和腋窝淋巴结转移预测的准确性	乳腺肿瘤患者和腋窝淋巴结	计算机视觉	乳腺癌	B型超声，剪切波弹性成像	CNN	图像	218名患者的387对B型和SWE图像	NA	DCFAN	准确率，灵敏度，特异性，AUC，F1分数	NA
1609	2025-10-06	Artificial Intelligence-Based Approaches for Brain Tumor Segmentation in MRI: A Review 2025-Nov, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70141 PMID:40962716	综述	本文综述了基于人工智能的MRI脑肿瘤分割方法	系统梳理了脑肿瘤分割领域的技术进展，涵盖网络架构设计、不平衡设置分割和多模态处理等关键技术主题	作为综述文章，不包含原始实验数据和新方法验证	回顾MRI脑肿瘤分割的人工智能方法	脑肿瘤MRI图像	医学影像分析	脑肿瘤	MRI	CNN, ViT	医学影像	基于200多篇学术文献的分析	NA	NA	NA	NA
1610	2025-10-05	Therapeutic targets in lung diseases identified through single-cell analysis and mendelian randomization 2025 Nov-Dec, Heart & lung : the journal of critical care IF:2.4Q2 DOI:10.1016/j.hrtlng.2025.07.015 PMID:40716288	研究论文	通过单细胞分析和孟德尔随机化方法识别肺部疾病的治疗靶点	整合单细胞转录组数据和孟德尔随机化分析，首次构建了跨12种肺部特征的泛肺病靶点谱	仅对部分肺部特征（肺癌、FVC和FEV1/FVC比值）建立了因果关系，其他特征的因果验证有限	识别肺部疾病的因果治疗靶点并验证其遗传作用	12种肺部特征（10种疾病和2种功能指标：FVC和FEV1/FVC比值）	生物信息学	肺癌	单细胞转录组测序, 孟德尔随机化, cis-eQTL分析	深度学习模型	单细胞转录组数据, 遗传数据	人类肺细胞图谱数据及独立验证队列	Geneformer	NA	共定位检验	NA
1611	2025-10-06	A Salient Object Detection Network Enhanced by Nonlinear Spiking Neural Systems and Transformer 2025-Nov, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500455 PMID:40539244	研究论文	提出了一种融合非线性脉冲神经系统和Transformer的RGB-D显著目标检测网络TranSNP-Net	首次将非线性脉冲神经P系统与Transformer网络结合，提出增强特征融合模块和分层特征解码器	未明确说明模型在极端噪声条件下的表现和计算效率	解决RGB-D显著目标检测中的跨模态特征融合不充分、深度信息噪声和模型泛化能力有限等问题	RGB-D图像中的显著目标检测	计算机视觉	NA	NA	Transformer, 脉冲神经网络	RGB-D图像	六个RGB-D基准数据集	NA	Swin Transformer, NSNP系统	S-measure, F-measure, E-measure, MEA	NA
1612	2025-10-06	Umami-Transformer: A deep learning framework for high-precision prediction and experimental validation of umami peptides 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145905 PMID:40848351	研究论文	开发了一种基于Transformer架构的深度学习框架Umami-Transformer，用于高精度预测鲜味肽并进行实验验证	首次将Transformer架构与八种物理化学描述符相结合用于鲜味肽预测，并通过实验验证预测结果	仅研究了二肽至五肽，未涉及更长的肽链	开发高效准确的鲜味肽预测方法，克服传统方法效率低和人工评估主观性强的问题	鲜味肽（二肽至五肽）	自然语言处理	NA	分子对接，感官分析，电子舌分析	Transformer	肽序列数据，物理化学描述符	所有二肽至五肽，合成四种预测得分最高的肽（DD, DDE, DDED, DDEDD）	NA	Transformer	准确率，F1分数，马修斯相关系数	NA
1613	2025-10-06	Deep learning-derived optimal annotation strategies to power the systematic mapping of peptide space 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145437 PMID:40639248	研究论文	本文探讨深度学习在肽段识别技术中的应用，提出优化注释策略以提升肽段空间系统映射效率	结合Prosit、pDeep等MS/MS谱图预测工具与数据库搜索，并融合图论与卷积神经网络等深度学习模型实现质谱数据的高效判别	未提及具体实验数据规模与模型泛化能力验证	提升肽段识别方法的效率与准确性，推动蛋白质组学发展	质谱数据中的肽段序列	机器学习	NA	串联质谱、数据依赖性采集(DDA)、数据非依赖性采集(DIA)	深度神经网络, 卷积神经网络	质谱数据	NA	NA	NA	召回率, 精确度	NA
1614	2025-10-06	New Bayesian and deep learning spatio-temporal models can reveal anomalies in sensor data more effectively 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.123928 PMID:40680322	研究论文	本文提出了两种新型无监督异常检测方法用于时空传感器数据，并开发了集成两种方法优势的融合框架	开发了基于降秩高斯过程的动态贝叶斯时空模型和基于注意力机制的时空LSTM深度学习架构，并提出融合两种方法优势的集成方法	主要针对高度结构化的河流传感器网络数据，对其他类型时空数据的适用性需要进一步验证	开发高效的时空异常检测方法以提高环境和水质监测数据的可靠性	河流传感器网络收集的时空序列数据	机器学习	NA	传感器网络监测	贝叶斯模型,LSTM	时空序列数据	NA	NA	降秩高斯过程,时空注意力LSTM	准确率,计算效率	NA
1615	2025-10-06	A novel quad-modality deep neural network for estimating chlorophyll-a concentrations in Lianyungang's lakes and reservoirs using Sentinel-2 MSI data 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124246 PMID:40695019	研究论文	本研究开发了一种新型四模态深度神经网络，利用Sentinel-2卫星影像估算连云港湖泊水库的叶绿素a浓度	提出了基于多模态学习概念的四模态深度神经网络，整合了双波段、三波段和四波段光谱特征组合以及辅助时空环境变量	研究区域仅限于连云港市的湖泊水库，样本数量相对有限（测试集N=197）	开发有效的叶绿素a浓度估算模型，支持水质评估和湖泊管理	连云港市湖泊水库的叶绿素a浓度	遥感监测	水体富营养化	卫星遥感，多模态学习	深度神经网络	卫星影像，现场测量数据，环境变量	测试集197个样本，数据时间跨度为2017-2024年	NA	四模态深度神经网络	R², MAE, RMSE	NA
1616	2025-10-06	Multi-scenario simulation of future marine microplastic distribution under data scarcity: A deep learning approach 2025-Nov-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124233 PMID:40701050	研究论文	提出一种结合小样本学习和Transformer架构的深度学习框架CGMAT，用于预测未来海洋微塑料分布	首次将小样本学习与Transformer架构结合应用于海洋微塑料分布预测，解决了数据稀缺条件下的预测挑战	预测结果显示出显著的地区差异，模型在不同海域的适用性需要进一步验证	评估未来海洋微塑料丰度趋势，为微塑料污染治理提供科学依据	台湾海峡和挪威沿海水域的海洋微塑料分布	机器学习	NA	深度学习	Transformer, 图注意力网络	海洋观测数据	台湾海峡和挪威沿海水域的异构数据集	深度学习框架	跨域多图注意力网络(CGMAT), Transformer	解释方差得分(EVS), 平均绝对百分比误差(MAPE)	NA
1617	2025-10-06	Assessing mammographic density change within individuals across screening rounds using deep learning-based software 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22017 PMID:40823522	研究论文	本研究使用深度学习软件评估个体在多次乳腺筛查中乳腺密度的变化及其与未来乳腺癌诊断的关联	首次使用深度学习软件自动量化个体在连续筛查轮次中的乳腺密度变化，并分析其与乳腺癌风险的关联	研究仅基于瑞典马尔默地区人群，可能存在定位问题的检查被排除	评估乳腺密度在个体筛查过程中的变化及其与乳腺癌风险的关联	2010-2015年间在瑞典马尔默接受至少两次连续筛查的女性	医学影像分析	乳腺癌	乳腺X线摄影	深度学习	医学影像	26,056名女性	NA	NA	p值，置信区间，回归系数	NA
1618	2025-10-06	Longitudinal Assessment of Area of Reticular Pseudodrusen in Eyes with Age-Related Macular Degeneration 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100881 PMID:40837066	研究论文	本研究通过2年纵向随访评估年龄相关性黄斑变性眼中网状假性玻璃膜疣面积和脉络膜厚度的变化	首次对网状假性玻璃膜疣面积进行纵向定量评估，并探索其与脉络膜厚度的关联	样本量较小（35只眼），仅包含早期和中期AMD患者，缺乏更长期的随访数据	评估AMD患者网状假性玻璃膜疣面积和脉络膜厚度在2年内的变化规律	年龄相关性黄斑变性患者中伴有网状假性玻璃膜疣的眼睛	数字病理学	年龄相关性黄斑变性	红外反射成像、蓝光眼底自发荧光、光谱域OCT、深度学习算法	深度学习	医学影像	35只眼（来自22名参与者）	NA	NA	P值	NA
1619	2025-10-06	TTI and pH-responsive dual colorimetric sensor arrays combined with a cascaded deep learning approach for dynamic monitoring of freshness of fresh-cut fruits 2025-Nov-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145495 PMID:40651146	研究论文	开发了一种结合pH响应指示剂和时间温度积分器的双比色传感器阵列，用于动态监测鲜切水果的新鲜度	结合pH响应指示剂和TTI的双传感器阵列设计，以及采用级联深度学习框架进行新鲜度预测	NA	解决冷链中温度波动和包装失效导致的鲜切水果货架期预测不准确问题	芒果和猕猴桃等鲜切水果	计算机视觉	NA	比色传感器阵列，金纳米粒子颜色转变	CNN	图像	NA	PyTorch	YOLOv8, ResNet-18	准确率	智能手机实时监测
1620	2025-10-06	Pred5AOP: an efficient screening of food-derived antioxidant peptides based on deep learning, molecular docking, and experimental validation 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145769 PMID:40774187	研究论文	开发基于深度学习的Pred5AOP方法用于高效筛选食物来源的抗氧化肽	结合深度学习、分子对接和实验验证的创新筛选策略，首次构建包含76,343个肽段的数据集	仅基于29种膳食蛋白质进行虚拟水解，样本来源有限	开发高效筛选食物源性抗氧化肽的新方法	食物蛋白质水解产生的抗氧化肽	机器学习	NA	计算机虚拟水解、分子对接、量子化学分析、分子动力学模拟	MLP	肽序列数据	76,343个肽段（来自29种膳食蛋白质）	NA	MLP	结合活性验证（自由基清除、细胞保护）和结合亲和力分析	NA