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
1621	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
1622	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
1623	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
1624	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
1625	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
1626	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
1627	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
1628	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
1629	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
1630	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
1631	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
1632	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
1633	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
1634	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
1635	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
1636	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
1637	2025-10-06	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于交叉监督和置信度增强伪标签的半监督皮层下脑结构分割框架	设计双师生模型(U-Net和TransUNet)相互生成伪标签进行交叉监督，并引入信息熵和辅助检测任务增强伪标签置信度	仅使用两个公开脑MRI数据集进行验证，未在更多临床场景测试	开发半监督学习方法以解决脑部结构分割中标注数据稀缺的问题	脑部MR图像中的皮层下结构	医学图像分割	脑部疾病	脑部MRI	U-Net, TransUNet	脑部MR图像	两个公开脑MRI基准数据集	NA	U-Net, TransUNet	Dice系数, MHD(平均豪斯多夫距离)	NA
1638	2025-10-06	Multi-class mental Task Classification based Brain-Computer Interface using Improved Remora depthwise convolutional adaptive neuro-fuzzy inference network model 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110536 PMID:40681115	研究论文	提出一种基于改进Remora深度卷积自适应神经模糊推理网络模型的多类心理任务分类脑机接口系统	提出IRDCANFIN分类器模型，结合改进的Remora优化算法进行参数调优，并采用混合动态中心二值模式和多阈值三值模式进行特征提取	未明确说明计算资源需求和实时性能的具体表现	开发准确可靠的多类心理任务分类脑机接口系统	脑电信号和心理任务分类	脑机接口	运动障碍疾病	脑电信号采集	深度学习,神经模糊推理网络	EEG信号	BCI实验室数据集和EEG精神障碍数据集	NA	IRDCANFIN,1D-CNN-LSTM	准确率	NA
1639	2025-10-06	Hybrid two-stage CNN for detection and staging of periodontitis on panoramic radiographs 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.08.019 PMID:40927498	研究论文	开发了一种混合两阶段CNN模型，用于在全景X光片上检测和分期牙周炎	首次将Mask R-CNN与DenseNet169集成用于牙周炎检测和分期，采用两阶段混合架构	需要进一步开发以提高临床适用性和准确性	评估混合两阶段CNN在全景X光片上检测和分期牙周炎的性能	牙周炎患者	计算机视觉	牙周炎	全景X光成像	CNN, DenseNet	医学影像	600张全景X光片（训练集）+ 100张外部测试X光片	NA	Mask R-CNN, DenseNet169	特异性, 准确率	NA
1640	2025-10-06	SST-DUNet: Smart Swin Transformer and Dense UNet for automated preclinical fMRI skull stripping 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110545 PMID:40789440	研究论文	提出一种结合智能Swin Transformer和密集UNet的自动化方法，用于预处理前fMRI颅骨剥离	将智能移位窗口多头自注意力模块集成到Swin Transformer中，替代原有的基于掩码的模块，能够学习不同通道特征并关注脑结构内的相关依赖性	方法仅在鼠类fMRI数据上验证，未在其他物种或MRI模态上测试	开发自动化颅骨剥离方法以替代手动预处理	大鼠功能磁共振成像数据	计算机视觉	NA	功能磁共振成像	Transformer, CNN	图像	三个内部数据集的大鼠fMRI图像	NA	SST-DUNet, Dense UNet, Smart Swin Transformer	Dice相似系数	NA