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
1641	2025-10-06	EEG-based cerebral pattern analysis for neurological disorder detection via hybrid machine and deep learning approaches 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110551 PMID:40816535	研究论文	本研究开发了一种结合随机森林和卷积神经网络的混合模型，用于基于EEG信号的神经系统疾病检测	首次将基于特征的随机森林机器学习与基于图像的卷积神经网络深度学习方法相结合，形成混合RF-CNN模型	NA	通过脑电信号分析检测神经系统疾病	轻度认知障碍、阿尔茨海默病和癫痫患者	机器学习	神经系统疾病	脑电图	RF, CNN	EEG信号	NA	NA	RF-CNN混合架构	准确率, F1分数	NA
1642	2025-10-06	Evaluation of the deep learning-based detection of dopaminergic neurons in primary culture: A practical alternative to manual counting 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110557 PMID:40819676	研究论文	评估基于深度学习的多巴胺能神经元自动检测方法，作为手动计数的实用替代方案	首次系统比较传统级联分类器与基于YOLOv3的深度学习模型在检测多巴胺能神经元中的性能表现	研究仅限于体外培养的多巴胺能神经元，未验证在其他细胞类型或组织中的适用性	开发自动化的神经元计数方法以替代传统手动计数	酪氨酸羟化酶阳性的多巴胺能神经元	计算机视觉	神经系统疾病	免疫染色	CNN	图像	NA	NA	YOLOv3	精确度, 处理时间	NA
1643	2025-09-12	Short- and long-term captivity impacts on bird memory, corticosterone level, and oxidative stress genes: Perspectives on deep learning analysis 2025-Nov-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2025.115064 PMID:40816474	研究论文	研究短期和长期圈养对鸟类记忆、皮质酮水平和氧化应激基因的影响，并利用深度学习分析鸟类行为	首次结合深度学习（VGG16神经网络）分析鸟类器官运动，并综合评估圈养压力对多种鸟类行为、激素及基因表达的跨物种影响	研究仅针对三种鸟类（冠小嘴乌鸦、家八哥、牛背鹭），样本多样性有限，且未涉及野外对照组的长期追踪	探究圈养压力对鸟类认知行为、生理指标及基因表达的短期与长期影响	冠小嘴乌鸦（Corvus cornix）、家八哥（Acridotheres tristis）、牛背鹭（Bubulcus ibis）三种鸟类	动物行为学与计算生物学交叉	NA	qRT-PCR（基因表达分析）、深度学习视频分析	VGG16（CNN架构）	视频（鸟类行为记录）、分子生物学数据（激素与基因表达）	三种鸟类物种（未明确个体数量），通过视频片段进行行为分析	NA	NA	NA	NA
1644	2025-10-06	Development and Validation of a Semiautomated Tool for Measuring Periorbital Distances 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100887 PMID:40917265	研究论文	开发并验证了一种用于测量眼周距离的半自动化工具OrbitJ，并与人工测量及两种AI工具进行比较	开发了基于FIJI(ImageJ)的半自动化眼周测量工具，结合线性插值和四次多项式拟合，提高了测量效率和可重复性	样本量较小(45例)，仅针对唇腭裂综合征患者，PeriOrbitAI工具在6张图像上分析失败	验证眼周测量工具的准确性和效率	45例唇腭裂综合征患者的正面照片	医学图像分析	唇腭裂综合征	图像分析，线性插值，多项式拟合	深度学习算法	图像	45张患者照片	FIJI(ImageJ)	NA	平均绝对误差，可靠性，偏差，Pearson相关系数，组内相关系数(ICC)	NA
1645	2025-10-06	MRI-based diffusion weighted imaging and diffusion kurtosis imaging grading of clear cell renal cell carcinoma using a deep learning classifier 2025-Nov, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2025.15246 PMID:40917726	研究论文	本研究开发了一种基于MRI扩散加权成像和扩散峰度成像的深度学习模型，用于术前预测透明细胞肾细胞癌的病理分级	首次结合DWI和DKI序列图像构建深度学习模型用于ccRCC病理分级预测，采用VGG-16作为主干网络架构	样本量相对较小（仅79例患者），需要更大规模的研究验证模型泛化能力	验证基于MRI的深度学习模型在术前预测透明细胞肾细胞癌病理分级的有效性	79例透明细胞肾细胞癌患者（40例低级别，39例高级别）	医学影像分析	肾细胞癌	MRI, 扩散加权成像(DWI), 扩散峰度成像(DKI)	深度学习	医学影像	79例ccRCC患者（40例低级别，39例高级别）	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
1646	2025-10-06	Artificial Intelligence in Liver Pathology: Precision Histology for Accurate Diagnoses 2025 Nov-Dec, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2025.103145 PMID:40927758	综述	本文综述了人工智能在肝脏病理学中的应用，重点探讨AI如何推动精准组织学诊断的发展	系统阐述AI在肝脏组织学中减少重复任务负担、预测多种结果、降低观察者间变异性的创新应用	未提供具体实验数据验证AI模型在肝脏病理中的实际性能表现	探讨人工智能技术在肝脏病理学和精准组织学诊断中的应用价值与挑战	肝脏组织病理学数据和诊断流程	数字病理学	肝脏疾病	全玻片成像, 数字病理学	机器学习, 深度学习	病理图像	NA	NA	NA	NA	NA
1647	2025-10-06	Identification of syrup adulteration in wolfberry honey using CNN-CBAM-SVM combined with 1H NMR 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145728 PMID:40752444	研究论文	开发基于CNN-CBAM-SVM架构结合氢核磁共振谱的深度学习模型用于检测枸杞蜂蜜中的糖浆掺假	在传统CNN模型中引入CBAM注意力模块并用SVM分类器替代全连接层，使其更适合小样本数据	样本量较小（仅40个样本），验证集样本数量有限（8个样本）	检测蜂蜜中的糖浆掺假问题	枸杞蜂蜜样品	计算机视觉	NA	氢核磁共振（1H NMR）	CNN, SVM	光谱数据	40个样本（20个真品和20个掺假样品，含两种不同糖浆）	NA	CNN-CBAM-SVM	准确率	NA
1648	2025-10-06	Deep learning-based multimodal fusion for quality prediction of chili paste using hyperspectral imaging and near-infrared spectroscopy 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145712 PMID:40743732	研究论文	开发基于深度学习的多模态融合系统，通过融合高光谱成像和近红外光谱技术无损预测辣椒酱品质	首次建立辣椒酱发酵的无损快速检测框架，采用CNN-LSTM混合模型实现多模态特征融合	样本量较小（原始仅160个样本），需通过数据增强扩充	开发智能多模态系统用于辣椒酱品质的无损评估	辣椒酱的品质参数（颜色值、辣椒素、二氢辣椒素和挥发性物质）	计算机视觉	NA	高光谱成像（HSI）、近红外光谱	CNN, LSTM	高光谱图像、光谱数据、理化指标	160个原始样本，通过Mixup增强扩展到800个样本	NA	CNN-LSTM混合模型	决定系数R	NA
1649	2025-10-06	Verification of resolution and imaging time for high-resolution deep learning reconstruction techniques 2025-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110463 PMID:40706823	研究论文	评估供应商提供的超分辨率深度学习重建方法在磁共振成像中的性能表现	首次系统评估了商用超分辨率DLR方法(PIQE)在不同参数配置下的性能边界，明确了最佳使用条件	研究样本量较小(仅8例患者)，且仅针对特定厂商的MRI扫描仪和算法	验证超分辨率深度学习重建技术在MRI中的分辨率和成像时间优化效果	边缘模体和8例患者的临床脑部图像	医学影像分析	神经系统疾病	磁共振成像, 深度学习重建	深度学习	医学图像	8例患者脑部图像	供应商专有算法(Precise IQ Engine)	超分辨率重建网络	SSIM, PSNR, RMSE, FWHM, 五分制Likert量表	佳能3T MRI扫描仪
1650	2025-10-06	Applications of artificial intelligence in liver cancer: A scoping review 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103244 PMID:40818357	综述	本文系统回顾了人工智能在原发性肝癌管理中的应用进展	全面梳理了AI在肝癌筛查、诊断、治疗规划和预后预测等全流程中的应用现状	多数模型缺乏充分的临床适用性评估和外部验证，开发与临床应用存在差距	探索人工智能在肝癌管理中的应用潜力	原发性肝癌（肝细胞癌和肝内胆管癌）	机器学习	肝癌	机器学习，深度学习	深度学习模型	医学影像数据（CT，MRI）	从13,122篇文献中筛选出62篇进行详细分析	NA	NA	敏感性，特异性	NA
1651	2025-10-06	Deep learning-augmented inductively coupled plasma atomic emission spectrometry for multivariate authentication of green tea origin and grades 2025-Nov, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117015 PMID:40922162	研究论文	开发了一种结合多种金属元素分析和反向传播神经网络的方法，用于同时鉴定绿茶的产地和等级	首次将ICP-AES与BPNN结合用于同时鉴定茶叶产地和等级，并采用SHAP进行模型解释和优化	仅针对龙井茶等特定绿茶品种进行研究，样本多样性可能有限	建立简单可靠的绿茶产地和等级同时鉴定方法	绿茶样本（如龙井茶）	机器学习	NA	电感耦合等离子体原子发射光谱法（ICP-AES）	BPNN（反向传播神经网络）	光谱数据，元素含量数据	NA	NA	BPNN	准确率	NA
1652	2025-10-06	From droplets to diagnosis: AI-driven imaging and system integration in digital nucleic acid amplification testing 2025-Nov-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117741 PMID:40664140	综述	系统综述人工智能驱动的荧光图像分析在数字核酸扩增检测中的应用与发展	首次系统整合AI在dNAAT荧光图像分析中的应用，提出将dNAAT重新定义为五个阶段的结构化框架，并探索AI原生平台的转化机遇	数据稀缺性和模型泛化能力等关键限制	推动数字核酸扩增检测在即时检测中的广泛应用	数字核酸扩增检测技术及其在精准诊断中的应用	数字病理	NA	数字PCR、等温扩增技术、荧光成像	深度学习、基础模型	荧光图像	NA	NA	SAM, ViT, GPT-4o	NA	NA
1653	2025-10-06	Deep learning estimations of the production cross sections of 77Br medical radionuclide 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112003 PMID:40517722	研究论文	本研究利用深度学习算法改进溴-77医用放射性核素生产截面的预测	首次将深度学习算法应用于溴-77放射性核素生产截面的预测，相比传统TALYS代码计算能更准确地符合实验值	仅针对特定核反应类型进行研究，未验证其他可能的核反应途径	提高医用放射性核素溴-77生产截面的预测精度	溴-77放射性核素	机器学习	NA	核反应截面测量	人工神经网络	核反应实验数据	来自EXFOR核反应数据库的实验截面数据	Python	NA	与实验值符合度	NA
1654	2025-10-06	Combining deep learning algorithm and a-star algorithm to increase the accuracy of tracking lost gamma source 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112001 PMID:40532512	研究论文	提出一种结合深度学习算法和A-star算法的自动搜索算法ACR，用于提高丢失伽马源的追踪精度	首次将CNN和RNN两种深度学习算法与A-star路径规划算法相结合，用于伽马源追踪任务	研究基于MCNP模拟数据，未提及在真实环境中的验证结果	开发高精度的自动搜索算法来定位丢失的伽马源	丢失的伽马辐射源	机器学习	NA	蒙特卡洛N粒子(MCNP)模拟	CNN, RNN	辐射剂量率数据	81个网格的模拟辐射数据	NA	CNN-RNN混合架构	平均步数, 失败率	NA
1655	2025-10-06	DeepNSI: Element identification in experimental photoneutron spectra for illicit material detection 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112014 PMID:40580656	研究论文	提出DeepNSI深度学习框架，用于在光子诱导中子谱中识别元素组成以检测非法材料	开发了基于元素特定卷积神经网络集成的新型框架，结合蒙特卡洛Dropout提供预测不确定性，并采用非负最小二乘后处理重构实验谱	NNLS系数受核截面影响，不能直接解释为浓度值	开发用于非法材料检测的元素组成识别方法	光子诱导中子谱中的元素组成，特别是氮和氧等轻元素	机器学习	NA	光中子谱法	CNN	中子谱数据	模拟和实验光中子谱混合数据集	NA	卷积神经网络集成	预测不确定性估计	NA
1656	2025-10-06	DHR-Net: Dynamic Harmonized registration network for multimodal medical images 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112031 PMID:40633305	研究论文	提出一种基于动态协调注册框架的端到端多模态医学图像配准方法DHR-Net	提出动态协调注册框架和基于噪声对比估计的损失函数，采用动态温度调整机制优化特征对比约束	NA	解决多模态医学图像配准中解剖结构一致性不足和形变场优化不稳定的问题	心脏医学图像	医学图像处理	心血管疾病	深度学习	CNN	医学图像	M&M心脏数据集	NA	级联两阶段架构（包含翻译网络和配准网络）	配准精度, 形变场平滑度, 跨模态鲁棒性	NA
1657	2025-10-06	Exploring Biginelli hybrids in the AI-driven development of ruthenium complexes: Anticancer activity, DNA/HSA binding study, impacts on apoptosis and BCL-2/BCL-XL suppression 2025-Nov, Journal of inorganic biochemistry IF:3.8Q1 DOI:10.1016/j.jinorgbio.2025.112988 PMID:40644785	研究论文	本研究利用深度学习模型设计具有抗癌潜力的四氢嘧啶及其钌对伞花烃配合物，并通过实验验证其抗癌活性和作用机制	首次将深度学习模型应用于钌配合物的结合亲和力预测，并系统研究其对癌细胞凋亡和BCL-2/BCL-XL抑制的影响	仅针对特定类型的钌配合物进行研究，样本量有限，需要进一步扩大化合物库验证	开发新型钌基抗癌药物并研究其作用机制	四氢嘧啶类化合物及其钌对伞花烃配合物	药物发现	癌症	深度学习，分子对接，结合亲和力预测	深度学习模型	化学结构数据，结合能数据	10个结合能低于-31.3 kJ/mol的化合物	NA	NA	结合能，结合常数，细胞毒性活性	NA
1658	2025-10-06	Deep neural network predictions for excitation functions of 165Ho(α,xn) reactions 2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112075 PMID:40749638	研究论文	本研究使用深度神经网络预测165Ho(α,xn)反应的激发函数，并与传统核反应模型进行比较	首次将多种激活函数(ReLU、ELU、LeakyReLU、SiLU、Mish、PReLU)的深度神经网络应用于核反应截面预测	仅针对特定核反应体系进行研究，未验证在其他核反应中的普适性	提高核反应截面预测的准确性	165Ho(α,n)Tm、Ho(α,2n)Tm、Ho(α,3n)Tm和Ho(α,4n)Tm反应的激发函数	机器学习	NA	核反应实验数据采集、深度神经网络	DNN	核反应截面数据	来自EXFOR数据库的实验数据	PyTorch	深度神经网络	与实验数据的一致性	NA
1659	2025-10-06	CCLDA: prediction of lncRNA-disease associations based on Convolutional Block Attention Module and Capsule Network 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103238 PMID:40819606	研究论文	提出一种基于卷积注意力模块和胶囊网络的lncRNA-疾病关联预测新方法CCLDA	首次将卷积注意力模块(CBAM)与胶囊网络结合用于lncRNA-疾病关联预测，通过通道和空间维度特征加权提升模型性能	未明确说明模型在独立验证集上的泛化能力及计算复杂度分析	预测潜在的lncRNA-疾病关联以促进疾病诊断和治疗研究	长链非编码RNA(lncRNA)与疾病的关联关系	生物信息学	多种疾病	深度学习	胶囊网络,自编码器	相似性矩阵(功能相似性、高斯相似性、序列相似性、语义相似性)	两个数据集上的lncRNA-疾病对	NA	卷积注意力模块(CBAM),胶囊网络,多层自编码器	预测得分	NA
1660	2025-10-06	Diagnostic performance of artificial intelligence in detecting and subtyping pediatric medulloblastoma from histopathological images: A systematic review 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103237 PMID:40834547	系统综述	评估人工智能在儿童髓母细胞瘤组织病理图像检测和分型中的诊断性能	首次系统评估AI在儿童髓母细胞瘤诊断和亚型分类中的应用表现	过度依赖单一数据集、样本量小、研究数量有限且缺乏荟萃分析	评估AI模型在儿童髓母细胞瘤检测和分型中的诊断性能	18岁以下髓母细胞瘤患者的组织病理图像	数字病理	髓母细胞瘤	组织病理学成像	支持向量机,K-近邻算法	图像	15项符合纳入标准的研究（从3341条记录中筛选）	NA	NA	准确率,灵敏度,特异性	NA