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	2025-12-31	An enhanced deep learning framework for intrusion classification enterprise network using multi-branch CNN-attention architecture 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34166-1 PMID:41461889	研究论文	本文提出了一种面向企业网络部署的入侵检测框架，该框架结合了多分支CNN-注意力架构与微调的决策树分类器	提出了一种结合多分支卷积神经网络与通道注意力机制，并集成微调决策树分类器的部署导向型入侵检测框架，在提升分类性能的同时提供了可解释的规则且推理开销低	NA	开发一个高精度、可解释且适用于实际部署的企业网络入侵检测系统	企业网络流量数据	机器学习	NA	NA	CNN, 决策树	网络流量数据	CIC-IDS2017数据集包含超过200万个带标签的网络流，NSL-KDD数据集包含125,000条连接记录	NA	多分支CNN-注意力架构	准确率, ROC-AUC, 宏F1分数	NA
482	2025-12-31	Deep learning-driven morphological fingerprinting: rapid, accurate and low-cost pathogen identification via the analysis of dried patterns of droplets 2025-Dec-29, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-025-03923-9 PMID:41462248	研究论文	本研究提出了一种基于深度学习的AI平台，通过分析微生物悬浮液在载玻片上干燥形成的物种特异性脱水图案，实现快速、准确且低成本的病原体识别	首次利用微生物干燥过程中产生的脱水图案作为形态指纹，结合ResNet-34深度学习模型，实现了5分钟内快速病原体识别，为资源有限地区提供了创新的即时诊断工具	研究仅针对7种常见血流感染病原体，未涵盖所有可能病原体；且需要40°C干燥步骤，可能受环境条件影响	开发一种快速、低成本的血流感染病原体识别方法，以指导及时抗生素治疗	常见血流感染病原体，包括大肠杆菌、肺炎克雷伯菌、铜绿假单胞菌、鲍曼不动杆菌、金黄色葡萄球菌、粪肠球菌和白色念珠菌	计算机视觉	血流感染	微生物悬浮液干燥图案分析	CNN	图像	10,055张脱水图案图像	PyTorch	ResNet-34	准确率, AUC-ROC	NA
483	2025-12-31	Capsule graph networks for accurate and interpretable crystalline materials property prediction 2025-Dec-29, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01139-5 PMID:41462335	研究论文	本文提出了一种结合胶囊网络与E(3)等变图神经网络的深度学习框架，用于精确且可解释的晶体材料性质预测	首次将E(3)等变图神经网络与胶囊网络结合，能够同时捕捉三维空间的物理对称性和晶体结构的层次化部分-整体关系，提供无监督的可解释性基元发现	未明确提及具体局限性	加速材料发现，通过精确且可解释的建模理解晶体材料的结构-性质关系	晶体材料	机器学习	NA	NA	图神经网络, 胶囊网络	图数据	Materials Project和Matbench数据集	NA	Capsule Graph Networks with E(3)-Equivariance (CGN-e3)	MAE	NA
484	2025-12-31	A memory based model for cartilage and meniscus segmentation in 3D knee MRI 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31503-2 PMID:41462583	研究论文	本文提出了一种基于记忆的视觉基础模型SAMRI-2，用于从3D膝关节MRI中分割软骨和半月板，以提高分割的准确性和效率	引入了基于记忆的视觉基础模型（VFM）和混合洗牌策略（HSS），结合分割掩码传播技术，提升了模型的空间感知能力和收敛性，在减少标注工作量的同时保持了高精度	模型性能依赖于专家标注数据集，且可能受到不同读者间变异性的影响，尽管使用了多中心数据，但外部验证的样本量相对有限（57例）	开发一种可靠的人工智能辅助膝关节MRI分割方法，以改进骨关节炎的形态学评估	膝关节软骨和半月板	计算机视觉	骨关节炎	MRI	Transformer, CNN	3D MRI图像	575个3D膝关节MRI体积（来自270名患者），测试集包含57个外部病例	NA	SAMRI-2, 3D-VNet, 3D nnU-Net, SAMRI2D, SAMRI3D	Dice相似系数（DSC）, 交并比（IoU）	NA
485	2025-12-31	A hybrid quantum-classical convolutional neural network with a quantum attention mechanism for skin cancer 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31122-x PMID:41466036	研究论文	本文提出了一种结合量子注意力机制的混合量子-经典卷积神经网络（QAttn-CNN），用于皮肤癌图像分类	引入量子注意力机制（QAttn）和量子卷积层，利用量子并行性将计算复杂度从O(N)降低到O(log N)，提高了特征选择和分类准确性	未明确说明模型在更大规模或更复杂数据集上的泛化能力，以及量子硬件实际部署的可行性	开发一种高效的量子-经典混合深度学习模型，以改善皮肤癌的早期检测和分类	皮肤癌图像（恶性与良性皮肤病变）	计算机视觉	皮肤癌	量子计算，深度学习	CNN	图像	3297张皮肤镜图像（1800例良性，1497例恶性），来自ISIC档案	NA	QAttn-CNN, QAttn-ViT, QAttn-ResNet18	准确率, 精确率, 召回率, F1分数	NA
486	2025-12-31	Interpretable multimodal deep learning improves postoperative risk stratification in intrahepatic cholangiocarcinoma in multicentre cohorts 2025-Dec-29, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02282-x PMID:41466129	研究论文	本研究开发了一种基于Transformer的可解释多模态深度学习框架，用于预测肝内胆管癌患者术后2年总生存率	提出了一种融合临床变量、影像组学特征和全切片病理图像的多模态Transformer模型，并利用空间转录组学和蛋白质组学验证了模型的生物学可解释性	研究基于多中心队列，但样本量可能仍有限，且模型在更广泛人群中的泛化能力需进一步验证	改善肝内胆管癌患者术后风险分层	肝内胆管癌患者	数字病理学	肝内胆管癌	空间转录组学, 空间蛋白质组学	Transformer	临床变量, 影像组学特征, 全切片病理图像	三个独立验证队列	NA	Transformer	AUC	NA
487	2025-12-31	CDP-KDNet: Curriculum-Guided Dynamic Pruning and Knowledge Distillation for Resource-Efficient Ultrasound Elastography 2025-Dec-29, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251399875 PMID:41466179	研究论文	提出一种结合动态剪枝、知识蒸馏和课程学习的模型压缩方法，用于资源受限设备上的超声弹性成像	首次将动态剪枝、知识蒸馏和课程学习整合到单一框架中，用于超声运动估计模型的压缩，显著减少参数和计算量同时保持性能	未明确说明模型在更广泛临床数据或不同超声设备上的泛化能力，且压缩后模型仍可能对资源极度受限设备构成挑战	开发资源高效的深度学习模型，用于超声弹性成像中的运动估计	模拟、体模和体内超声数据	计算机视觉	NA	超声弹性成像	CNN	射频超声数据，B模式数据	NA	NA	UMEN-Net, DP-Net, CDP-KDNet	信噪比，对比噪声比	NA
488	2025-12-31	RFDNet: Robust Frequency-Based Denoising Network for 3D Ultrasound Vascular Imaging Using a Row-Column Addressed Array 2025-Dec-29, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251398442 PMID:41466464	研究论文	本文提出了一种用于3D超声血管成像的鲁棒频率去噪网络，以解决行-列寻址阵列成像中的斜坡形噪声问题	提出了一个深度频率滤波模块，该模块能自适应地滤波编码器中的频率成分，抑制斜坡形噪声并动态平衡频谱内容，从而减少对域偏移和切片间强度不一致性的敏感性	当前研究依赖于2D切片训练与3D重建，而非全体积3D训练；未来工作将探索3D训练和架构优化以提高计算效率	提升行-列寻址阵列3D超声血管成像的图像质量，抑制由点扩散函数各向异性引起的斜坡形噪声	多普勒体模、颈动脉和腹部数据集	计算机视觉	心血管疾病	3D超声血管成像	CNN	3D超声图像	NA	NA	RFDNet	峰值信噪比, 结构相似性, 均方根误差	NA
489	2025-12-31	Automated deep learning pipeline for callosal angle quantification 2025-Dec-27, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-025-00750-w PMID:41456015	研究论文	本研究开发了一个全自动深度学习框架，用于从原始T1 MPRAGE扫描中直接测量胼胝体角，以辅助常压性脑积水的诊断	提出了一个结合BrainSignsNET进行关键解剖标志点检测和基于UNet的分割网络进行侧脑室分割的全自动、端到端深度学习流程，用于胼胝体角的量化	未明确说明模型在不同扫描协议或设备上的泛化能力，以及处理严重运动伪影或异常解剖结构病例的性能	开发一个可靠、可重复的自动化工具，用于从MRI图像中量化胼胝体角，以辅助常压性脑积水的早期检测和诊断	常压性脑积水患者的脑部MRI扫描图像	数字病理学	常压性脑积水	T1 MPRAGE MRI扫描	深度学习	3D MRI图像	内部验证使用BLSA和BIOCARD数据集，外部验证使用约翰霍普金斯湾景医院的376例临床MRI扫描以及PENS试验数据	未明确说明	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数(r), p值, 平均绝对误差(MAE)	NA
490	2025-12-31	M44TMD: A Multimodal, Multi-task Deep Learning Framework for Comprehensive Assessment of TMD-Related Abnormalities 2025-Dec-27, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	研究论文	提出一种多模态、多任务深度学习框架M44TMD，用于全面评估颞下颌关节紊乱病相关异常	整合多序列、多切片MRI与临床数据，实现退行性关节病、关节盘前移位和关节积液三种异常的并发评估，克服了现有方法单任务、单模态的局限	未明确说明框架在更广泛临床环境或不同设备采集数据下的泛化能力	开发一个深度学习框架，以更全面地评估颞下颌关节紊乱病相关的异常	来自765名参与者的12,690个MRI切片和临床数据，涉及1,410个颞下颌关节	数字病理	颞下颌关节紊乱病	磁共振成像	CNN	图像, 临床数据	765名参与者，1,410个颞下颌关节，12,690个MRI切片	未明确说明，基于ResNet50推断可能为PyTorch或TensorFlow	ResNet50	ROC-AUC, 准确率	NA
491	2025-12-31	Geometric deep learning assists protein engineering. Opportunities and Challenges 2025-Dec-26, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108790 PMID:41456696	综述	本文全面评述了几何深度学习在蛋白质工程中的应用、机遇与挑战	将几何深度学习整合到计算设计流程中，克服传统方法在序列空间广阔性和实验验证成本方面的限制，通过非欧几里得域操作捕获蛋白质功能的空间、拓扑和物理化学特征	NA	探讨几何深度学习在蛋白质工程中的整合与应用，旨在为下一代蛋白质工程和合成生物学提供技术基础	蛋白质工程中的稳定性预测、功能注释、分子相互作用建模和从头蛋白质设计	机器学习	NA	几何深度学习	NA	非欧几里得数据（空间、拓扑、物理化学特征）	NA	NA	NA	NA	NA
492	2025-12-31	Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways 2025-Dec-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21877 PMID:41364534	研究论文	本研究开发了一种结合传统机器学习、深度学习和生成模型的新框架，用于预测和优化聚合物复合材料的性能，特别是热导率和杨氏模量	提出了一种新颖的密集球体填充算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测精度，同时利用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构	传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的性能，可能未全面覆盖所有填料条件	预测和优化聚合物复合材料的热导率和机械性能	多填料聚合物复合材料	机器学习	NA	密集球体填充算法，COMSOL模拟	Random Forest Regression, Convolutional Neural Network, Transformer	几何模型数据，模拟数据	1024个代表性体积元素（RVE）模型	NA	CNN, Transformer	预测精度	NA
493	2025-12-31	General Framework for Geometric Deep Learning on Tensorial Properties of Molecules and Crystals 2025-Dec-24, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c12428 PMID:41364709	研究论文	本文提出了一种用于分子和晶体张量性质几何深度学习的通用框架	开发了一个通用输出模块，使等变图神经网络能够端到端预测具有指定置换对称性的任意阶张量，并支持原子级性质和高阶张量	NA	预测分子和晶体的张量响应性质	分子和晶体	机器学习	NA	几何深度学习	等变图神经网络	张量数据	NA	NA	XPaiNN	准确性	NA
494	2025-12-31	MIAT-DHX9 spatiotemporal expression drives venous neointimal hyperplasia through nucleolar homeostasis and mitotic progression 2025-Dec-23, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2025.116578 PMID:41259202	研究论文	本文揭示了长链非编码RNA MIAT与DExH-box解旋酶9（DHX9）在静脉新生内膜增生中的时空表达模式，通过调控核仁稳态和有丝分裂进程驱动平滑肌细胞增殖	首次利用多超分辨率成像和单分子荧光原位杂交技术，揭示了MIAT-DHX9轴在核仁中的时空表达及其通过PARP1相互作用调控细胞周期的机制，并应用深度学习识别核仁形态特征作为疾病进展的生物标志物	研究主要基于体外和动物模型，尚未在人体临床试验中验证MIAT-DHX9靶向治疗的安全性和有效性	探究静脉新生内膜增生的分子机制，并开发基于核仁调控的治疗策略	平滑肌细胞（SMCs）的核仁稳态、有丝分裂进程及细胞增殖	数字病理学	心血管疾病	多超分辨率成像、单分子荧光原位杂交（FISH）、CRISPR基因编辑、深度学习	深度学习模型	图像数据（超分辨率成像、FISH图像）	体外平滑肌细胞模型及动物模型（具体数量未明确说明）	NA	NA	NA	NA
495	2025-12-31	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2025-Dec-23, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	综述与荟萃分析	本文对人工智能驱动的MRI运动伪影检测与校正方法进行了系统性回顾与荟萃分析	聚焦于深度学习特别是生成模型在MRI运动伪影处理中的应用，并识别了当前发展的关键挑战与未来方向	方法泛化能力有限，依赖成对训练数据，存在视觉失真风险，且缺乏标准化数据集与报告协议	评估AI驱动方法在MRI运动伪影检测与校正中的有效性、挑战及未来研究方向	MRI图像中的运动伪影	医学影像分析	NA	磁共振成像	深度学习，生成模型	图像	NA	NA	NA	NA	NA
496	2025-12-31	Deep-learning-based non-contrast CT for detecting acute ischemic stroke: a systematic review and HSROC meta-analysis of patient-level diagnostic accuracy 2025-Dec-15, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04528-3 PMID:41398240	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性	首次对基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中进行系统综述和荟萃分析，并探讨了研究间异质性的来源	研究间存在患者选择和指标测试领域的偏倚风险，AI报告质量多为中等，明确的外部验证仍不常见	评估深度学习应用于非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性，并探讨研究间异质性的来源	急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	深度学习	深度学习模型	非增强CT图像	来自16项研究的患者数据，其中13项贡献了患者层面的荟萃分析数据	NA	NA	敏感性, 特异性	NA
497	2025-12-31	Ethical Use of Artificial Intelligence for Processing Medical Images 2025-Dec-15, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e341 PMID:41399268	综述	本文探讨了人工智能在医学影像处理中的伦理应用与挑战	系统性地总结了AI在医学影像处理中的技术应用（如深度学习架构和生成式AI）及其带来的伦理问题，并提出了伦理部署的框架	未提供具体的实证研究或案例来量化伦理问题的影响，也未提出解决这些伦理挑战的新技术方法	探讨人工智能在医学影像处理中的伦理使用、挑战及部署要求	人工智能工具在医学影像处理中的应用及其伦理影响	计算机视觉	NA	NA	CNN, RNN, U-Net, Transformer	图像	NA	NA	U-Net, MedGAN, StyleGAN, CycleGAN, SinGAN-Seg	准确率	NA
498	2025-12-31	Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization 2025-Dec-12, Journal of visualized experiments : JoVE DOI:10.3791/69287 PMID:41460740	研究论文	本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要，以提高摘要的准确性和效率	创新点在于将案例推理与多阶段Transformer架构结合，用于法律文本摘要，在词汇重叠和领域特定推理指标上超越现有基线方法	NA	研究目的是开发一种混合法律文本摘要框架，以快速识别和提取法律文档中的相关信息	研究对象是法律文档，具体为来自Kaggle的4,968个法律案例	自然语言处理	NA	案例推理，深度学习	Transformer	文本	4,968个法律案例	NA	多阶段Transformer架构	准确率，ROUGE分数，法律实体保留，推理保真度，事实准确性，连贯性	NA
499	2025-12-31	INTERPRETING CONVOLUTIONAL NEURAL NETWORKS IN POPULATION GENETICS 2025-Dec-09, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.04.692404 PMID:41415368	研究论文	本文通过分析卷积神经网络在群体遗传学中的应用，探讨其学习特征与传统汇总统计量之间的关系，以提升深度学习方法的可解释性	首次系统比较CNN学习特征与传统群体遗传学汇总统计量的关联，并利用SHAP值、降维技术和可解释模型（如决策树和随机森林）构建“模型之模型”，揭示CNN如何隐式计算如配对杂合度等统计量	研究主要关注特定CNN架构和选择性清除检测任务，可能未覆盖所有深度学习模型或群体遗传学应用场景，且可解释性方法（如SHAP）本身存在计算复杂性和近似误差	提升卷积神经网络在群体遗传学中的可解释性，阐明其学习机制与传统方法的联系	卷积神经网络在群体遗传学任务（如自然选择推断、重组率估计）中的学习特征	机器学习	NA	NA	CNN	遗传数据	NA	NA	NA	NA	NA
500	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2025-Dec-04, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA