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	Applications of artificial intelligence and nanotechnology in vaccine development 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126096 PMID:40886810	综述	探讨人工智能和纳米技术在疫苗开发中的协同应用及其对传统疫苗研发局限性的突破	提出人工智能与纳米技术协同整合的创新范式，通过AI算法优化抗原设计结合纳米载体精准递送，实现个性化免疫策略开发	未提及具体临床转化挑战和规模化生产成本控制等实践性限制	推动疫苗研发技术革新以应对新发传染病和复杂疾病挑战	疫苗设计、递送系统和免疫优化策略	机器学习	传染病	基因组学、蛋白质组学、免疫组学数据分析	机器学习,深度学习	基因组数据,蛋白质组数据,免疫学数据	NA	NA	NA	NA	NA
1602	2025-10-05	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究开发了一种结合高光谱成像和深度学习技术的无标记纳米药物递送系统分类方法	首次将3D卷积神经网络与高光谱成像结合用于无标记脂质体分类，并采用SMOTE技术解决药物数据集中的类别不平衡问题	研究中未明确说明样本量的具体数值，且方法在更广泛的纳米颗粒类型上的适用性有待验证	开发无标记、非侵入性的纳米药物递送系统表征方法	治疗性脂质体（对照组和阿霉素负载脂质体）	计算机视觉	NA	高光谱成像，暗场成像	3D CNN	高光谱图像	NA	NA	3D CNN	准确率，F1分数，Cohen's Kappa	NA
1603	2025-10-05	Does Sequence Clustering Confound AlphaFold2? 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169376 PMID:40780395	评论	本文回应了多篇论文对AF-Cluster方法的误解和错误结论，并进一步分析证实了局部进化耦合在AlphaFold2多构象预测中的重要作用	通过进一步分析证实局部进化耦合在AF-Cluster预测中的关键作用，反驳了相关文献中的错误主张	NA	澄清AlphaFold2多构象采样方法中的误解，解释深度学习模型预测结果的原理	蛋白质多构象状态预测方法	结构生物学	NA	深度学习	AlphaFold2	蛋白质序列	NA	NA	AlphaFold2	NA	NA
1604	2025-10-05	FoldExplorer: Fast and Accurate Protein Structure Search with Sequence-Enhanced Graph Embedding 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169412 PMID:40889693	研究论文	提出一种名为FoldExplorer的新型深度学习方法，用于快速准确的蛋白质结构搜索	结合图注意力神经网络和蛋白质语言模型，联合编码结构和序列信息，生成专门用于蛋白质结构搜索的嵌入表示	NA	开发高效的蛋白质结构搜索方法以应对蛋白质结构数据库的指数级扩张	蛋白质结构	生物信息学	NA	图注意力神经网络，蛋白质语言模型	图神经网络	蛋白质结构数据，序列数据	NA	NA	图注意力神经网络	几何相似性搜索精度，分类准确率	NA
1605	2025-10-05	Comparative Study of a Variant Neural Relational Inference Deep Learning Model and Dynamical Network Analysis for p53-DNA Allosteric Interactions 2025-Nov-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169374 PMID:40769488	研究论文	本研究比较了改进的神经关系推理深度学习模型与动态网络分析在p53-DNA变构相互作用中的表现	通过集成Transformer的多头自注意力模块改进神经关系推理模型，首次系统比较深度学习与动态网络分析在蛋白质变构研究中的差异	研究主要针对p53-DNA系统，未验证在其他蛋白质体系中的普适性	比较不同计算方法在蛋白质变构相互作用研究中的性能差异	p53蛋白与DNA的变构相互作用，包括野生型和突变型p53	机器学习	NA	动态网络分析，深度学习	神经关系推理(NRI)，Transformer	蛋白质结构数据，分子动力学数据	野生型和突变型p53-DNA复合物	NA	改进的神经关系推理模型，多头自注意力机制	准确性，全面性	NA
1606	2025-10-05	Transforming sleep medicine: the evolving role of artificial intelligence 2025-Nov-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001210 PMID:40855966	综述	探讨人工智能在睡眠医学中不断发展的角色及其对临床实践的影响	系统阐述AI技术在睡眠医学领域的应用演进，包括诊断优化和个性化治疗的新范式	存在患者隐私保护、算法偏见和数据透明度等伦理挑战，尚未完全解决临床应用障碍	阐明AI在睡眠医学中的发展现状，为临床医生提供应用指导	睡眠障碍患者（如阻塞性睡眠呼吸暂停、失眠、发作性睡病）及相关医疗数据	医疗人工智能	睡眠障碍	多导睡眠监测、消费级睡眠设备数据采集	机器学习,深度学习	生理信号数据,医疗设备数据	NA	NA	NA	NA	NA
1607	2025-10-05	Segmenting Whole-Body MRI and CT for Multiorgan Anatomic Structure Delineation 2025-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240777 PMID:40767616	研究论文	开发并验证MRSegmentator深度学习模型，用于MRI和CT扫描的多器官分割	提出跨模态深度学习模型，能够同时处理MRI和CT数据，实现40个解剖结构的自动分割	较小结构的分割性能相对较低，如门静脉或脾静脉(0.64-0.78)、肾上腺(0.56-0.69)	开发用于全身MRI和CT多器官解剖结构分割的深度学习模型	人体多器官解剖结构，包括肺、心脏、肝脏、肾脏等40个结构	计算机视觉	NA	深度学习，跨模态迁移学习	深度学习模型	MRI图像，CT图像	训练数据：1200个UK Biobank Dixon MRI序列(50名参与者)，221个内部腹部MRI序列(177名患者)，1228个TotalSegmentator CT数据集扫描；测试数据：900个NAKO MRI序列(50名参与者)，60个Multi-Modality Abdominal Multi-Organ Segmentation Challenge 2022数据集MRI序列，29个TotalSegmentator MRI序列	NA	MRSegmentator	Dice相似系数(DSC)	NA
1608	2025-10-05	Hybrid deep learning framework for environmental microplastic classification: Integrating CNN-based spectral feature extraction and transformer models 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126989 PMID:40816460	研究论文	提出一种结合CNN和Transformer的混合深度学习框架，用于环境微塑料的FTIR光谱分类	首次将CNN的局部光谱特征提取能力与Transformer的全局依赖建模能力相结合，形成互补优势的混合架构	未提及模型在极端环境条件下的表现验证	开发高精度的环境微塑料分类方法	来自土壤、空气、沉积物和水体基质的环境微塑料	机器学习	NA	傅里叶变换红外光谱(FTIR)	CNN, Transformer	光谱数据	包含17种聚合物类型的光谱数据集	NA	CNN-Transformer混合架构	准确率	NA
1609	2025-10-05	Surveillance of urban river environment by quantifying distributions of water quality parameters using hyperspectral remote sensing-based ripple propagation graph network 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126875 PMID:40846259	研究论文	提出混合反馈涟漪网络（HF-RN）从无人机高光谱数据中反演水质参数浓度	集成深度学习、空间分布模式分析和概率统计分析，通过涟漪传播图网络增强采样区与未采样区的空间关联性	未明确说明模型对特定水质条件或地理环境的泛化能力	开发高效的城市河流水质监测方法	城市河流水质参数（总磷、总氮、化学需氧量、生化需氧量、叶绿素a、总悬浮固体）	环境遥感	NA	高光谱遥感	图神经网络	高光谱图像	实际监测数据集（未明确具体样本数量）	深度学习框架	混合反馈涟漪网络（HF-RN）	平均绝对百分比误差（MAPE）	NA
1610	2025-10-05	Interpreting spatiotemporal dynamics of Ulva prolifera blooms in the southern yellow sea using an attention-enhanced transformer framework 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.126999 PMID:40846261	研究论文	本研究开发了一种基于注意力增强Transformer的深度学习框架，用于解释和预测黄海南部浒苔暴发的时空动态	首次将多头自注意力机制的Transformer框架应用于浒苔暴发预测，能够动态捕捉空间依赖性并识别最优环境因子组合	研究区域仅限于黄海南部，模型在其他海域的适用性需要进一步验证	理解和预测浒苔暴发的复杂时空动态，为针对性防控提供科学依据	黄海南部的浒苔暴发现象	机器学习	NA	深度学习，时空数据分析	Transformer	海洋环境数据	NA	NA	Transformer with multi-head self-attention	MAE, MSE, R	NA
1611	2025-10-05	Legacy and emerging per- and poly-fluorinated substances (PFASs) as potential pathogenic drivers of diabetes mellitus: Challenges and perspectives 2025-Nov-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127033 PMID:40865758	综述	本文综述了全氟和多氟烷基物质（PFASs）作为糖尿病潜在致病驱动因素的研究现状与展望	系统总结了PFASs在不同生命阶段对糖尿病的影响机制，并提出了结合图神经网络、人工智能和多组学数据融合等前沿技术的未来研究方向	PFASs的具体致病机制尚未完全阐明，现有研究忽视了影响因素、复合暴露相互作用以及致病机制的复杂性	探讨PFASs暴露与糖尿病之间的关联机制及未来研究方向	全氟和多氟烷基物质（PFASs）与糖尿病发病机制的关系	环境健康与疾病机制	糖尿病	高通量筛选、多组学数据整合、器官芯片、干细胞衍生模型	图神经网络、深度学习、机器学习、非线性混合模型	多组学数据、体外实验数据、体内实验数据	NA	NA	NA	NA	NA
1612	2025-10-05	Development of a multi-feature predictive model for risk stratification in stage IB-IIA non-small cell lung cancer: a multicenter analysis 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112379 PMID:40902436	研究论文	开发了一种整合临床病理数据与CT影像的多特征预测模型，用于IB-IIA期非小细胞肺癌的风险分层	首次将临床病理特征、放射组学特征和深度学习特征整合到单一预测模型中，并采用SHAP方法进行模型可解释性分析	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	开发IB-IIA期非小细胞肺癌的预后预测模型，实现风险分层	IB-IIA期非小细胞肺癌患者	数字病理	肺癌	CT成像，放射组学分析	CNN，逻辑回归	医学影像（CT），临床数据	训练集370例，内部验证120例，外部验证70例	PyTorch/TensorFlow（基于ResNet架构推断）	ResNet50	AUC，C-index，风险比（HR）	NA
1613	2025-10-05	FaithfulNet: An explainable deep learning framework for autism diagnosis using structural MRI 2025-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149904 PMID:40882812	研究论文	开发可解释深度学习框架FaithfulNet用于基于结构MRI的自闭症诊断	提出新型忠实视觉解释方法Faith_CAM，结合梯度类激活图和SHAP梯度解释器	使用公开数据集，缺乏外部验证和临床前瞻性研究	开发可解释AI框架用于自闭症诊断和记忆功能区损伤评估	自闭症患者的结构MRI数据	医学影像分析	自闭症	结构磁共振成像(sMRI)	深度学习	医学影像	ABIDE-II公共数据库中的sMRI数据	NA	FaithfulNet	准确率,AUC	NA
1614	2025-10-05	Deep learning-based detection of ascending aortic dilatation on chest radiographs: A diagnostic study 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112380 PMID:40907419	研究论文	本研究通过外部测试验证了基于深度学习的AI算法在胸部X光片上检测升主动脉扩张的诊断性能	首次在外部测试集上验证了AI算法在胸部X光片上检测升主动脉扩张的诊断能力，并与不同经验水平的放射科医生进行对比	研究采用回顾性数据，样本量相对有限，且仅使用后前位胸部X光片	评估AI算法在胸部X光片上检测升主动脉扩张的诊断准确性	升主动脉扩张患者	计算机视觉	心血管疾病	胸部X光摄影，CT扫描	深度学习	医学影像	两组测试集：组1包含336例扫描（平均年龄64岁），组2包含190例扫描（平均年龄70岁）	NA	DeepCatch X Aorta v1.1.0	敏感度, 特异度, AUC, Cohen's kappa, Fleiss's kappa	NA
1615	2025-10-05	End-to-end deep learning model with multi-channel and attention mechanisms for multi-class diagnosis in CT-T staging of advanced gastric cancer 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112408 PMID:40913943	研究论文	开发了一种用于晚期胃癌CT-T分期的端到端深度学习模型	结合多通道和注意力机制的三维卷积UNet分割模型与SmallFocusNet分类模型构建端到端系统	回顾性研究，样本量有限（460例），需进一步前瞻性验证	构建用于晚期胃癌CT-T分期的自动化深度学习模型	晚期胃癌患者的CT影像数据	计算机视觉	胃癌	CT影像分析	CNN, UNet	三维CT影像	460例晚期胃癌患者（2011-2024年）	NA	3D-Conv-UNet, SmallFocusNet	Dice相似系数, IoU, 95% Hausdorff距离, AUC, 敏感度, 特异度, F1分数, 准确率	NA
1616	2025-10-05	A novel multimodal framework combining habitat radiomics, deep learning, and conventional radiomics for predicting MGMT gene promoter methylation in Glioma: Superior performance of integrated models 2025-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112406 PMID:40929752	研究论文	开发结合临床数据、常规影像组学、生境成像和深度学习的多模态框架，用于术前预测胶质瘤MGMT基因启动子甲基化状态	首次整合临床数据、常规影像组学、生境影像组学和深度学习特征的多模态预测框架，其中生境影像组学通过k-means聚类从肿瘤亚区域提取特征	回顾性研究设计，外部验证样本量较小（102例）	术前无创预测胶质瘤MGMT基因启动子甲基化状态	胶质瘤患者	医学影像分析	胶质瘤	MRI影像分析	3D CNN	医学影像（对比增强T1加权MRI）	512例患者（410例来自UCSF，102例来自本院）	NA	3D卷积神经网络	AUC, F1-score, 决策曲线分析	NA
1617	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
1618	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
1619	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
1620	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