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
621	2025-12-28	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_100574 PMID:41447384	研究论文	本研究通过深度学习分割工具和亚型推断算法，在两个不同的痴呆队列中识别了影像学亚型，并探讨了淀粉样蛋白和自由水对血管病变的预测作用	使用新型深度学习分割工具segCSVD量化血管病变，并结合SuStaIn算法在低和高小血管疾病负担队列中识别影像学亚型，揭示了淀粉样蛋白和自由水在不同亚型中对白质高信号体积和增长的差异化预测作用	样本量相对有限（总计262人），且队列异质性可能影响结果的普适性，未明确说明计算资源细节	在阿尔茨海默病合并小血管疾病的痴呆患者中，定义影像学亚型并评估淀粉样蛋白和自由水对血管病变的预测能力	两个痴呆队列的个体，包括低小血管疾病负担队列（认知正常、轻度认知障碍、AD痴呆）和高小血管疾病负担队列（混合性痴呆患者）	数字病理学	阿尔茨海默病	FLAIR-MRI, T1w-MRI, DTI, 18F-AZD4694或18F-AV45淀粉样蛋白SUVR成像	深度学习	MRI影像	总计262人（低SVD队列：基线202人，第2年100人，第3年70人；高SVD队列：60人）	NA	segCSVD（深度学习分割工具）	NA	NA
622	2025-12-28	Clinical Manifestations 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70857_103211 PMID:41447589	研究论文	本研究探讨了阿尔茨海默病和轻度认知障碍中语言障碍的神经基础，特别是在汉语人群中	首次在汉语人群中系统研究命名能力与大脑结构变化的关系，并发现右侧半球白质完整性的显著关联	研究为横断面设计，无法确定因果关系；样本仅来自台湾社区队列，可能限制泛化性	研究语言系统在衰老过程中的作用及其与痴呆的关系	604名台湾老年人，包括112名轻度认知障碍患者和482名认知正常者	神经科学	阿尔茨海默病	神经心理学测试、T1加权MRI、扩散张量成像、静息态功能MRI	NA	神经影像数据、临床数据	604名老年人	NA	NA	NA	NA
623	2025-12-28	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_101234 PMID:41447651	研究论文	本研究利用深度学习模型AgeNet结合SHAP解释技术，基于MRI脑体积数据预测大脑年龄，并识别与阿尔茨海默病临床严重性相关的关键脑区	首次将深度学习模型AgeNet与SHAP解释技术结合，探索多变量脑区关联，并揭示疾病特异性与正常衰老的差异区域	研究样本量有限（实验数据n=668），且年龄范围（55.1-91.5岁）可能未涵盖全年龄段，未明确说明模型在其他数据集上的泛化能力	通过可解释AI方法预测大脑年龄并识别与轻度认知障碍和阿尔茨海默病相关的关键脑区，以促进疾病进展建模和个性化医疗	轻度认知障碍和阿尔茨海默病患者及正常对照的脑MRI数据	机器学习	阿尔茨海默病	MRI脑体积测量	深度学习模型	图像	半模拟数据187例，实验数据668例（年龄55.1-91.5岁，46.1%女性）	未明确说明	AgeNet	未明确说明	NA
624	2025-12-28	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_101814 PMID:41447735	研究论文	本研究通过指甲代谢组学分析，识别了阿尔茨海默病（AD）和轻度认知障碍（MCI）的潜在生物标志物，特别是十二烷酸，并利用深度学习模型验证其诊断价值	首次利用指甲代谢组学作为非侵入性平台，捕获长期生化波动，识别AD和MCI的可靠生物标志物，并发现十二烷酸与疾病严重程度独立相关	样本量相对较小（199名参与者），且研究主要基于观察性分析，需要进一步验证在更大队列和不同人群中的普适性	探索指甲代谢组学在识别AD和MCI生物标志物中的应用，以支持早期诊断和疾病监测	199名参与者，根据临床痴呆评分（CDR）分层，包括认知正常个体和不同严重程度的AD患者	代谢组学	阿尔茨海默病	气相色谱-质谱代谢组学分析	深度学习	代谢物数据	199名参与者	NA	NA	微AUC	NA
625	2025-12-27	Intelligent deconvolution algorithm for mixed STR profiles based on locus association modeling 2025-Dec-26, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03677-x PMID:41449255	研究论文	提出一种基于深度学习的位点关联建模方法，用于改进混合STR谱图的反卷积分析	首次将深度学习用于捕获STR位点间的统计关联性，并将其与全连续模型结合以提升混合谱图解析精度	跨测序平台迁移时性能显著下降，需依赖多平台混合训练提升泛化能力	提升法医DNA混合样本中个体识别的准确性与可靠性	短串联重复序列（STR）混合谱图	机器学习	NA	STR分型，DNA测序	深度学习模型	STR谱图数据	基于PROVEDIt数据集进行实验验证	NA	NA	准确率	NA
626	2025-12-27	Transformer-based and CNN-based models for clinically effective 2D and 3D pelvic bone segmentation in CT imaging 2025-Dec-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09444-8 PMID:41449371	研究论文	本研究首次系统比较了基于CNN和Transformer的2D与3D模型在骨盆CT图像分割中的性能，旨在为临床创伤成像提供最优分割策略	首次在PENGWIN MICCAI 2024挑战数据集上系统比较CNN（U-Net、LinkNet）与Transformer（UNETR）架构的2D和3D骨盆骨分割性能，并评估不同编码器骨干网络（VGG19、ResNet50），为多碎片骨盆骨折分析提供了新颖的基准	需要外部验证和工作流程评估，且UNETR在复杂碎片定位中灵敏度较低（0.730）	开发并比较深度学习模型，以实现骨盆结构和骨折碎片的准确自动分割，支持临床创伤成像	150名骨盆骨折患者的CT扫描数据，重点关注骶骨、左髋骨和右髋骨的分割	计算机视觉	骨盆骨折	CT成像	CNN, Transformer	图像	150名患者	TensorFlow, PyTorch	U-Net, LinkNet, UNETR, VGG19, ResNet50	Dice系数, IoU, 准确率, 灵敏度, 特异性	GPU（具体型号未提及），使用5折交叉验证进行训练和评估
627	2025-12-27	Accurate Lung Cancer Prediction From CT Scans Using Advanced Deep Learning Methods 2025-Dec-26, American journal of clinical oncology DOI:10.1097/COC.0000000000001286 PMID:41449566	研究论文	本文提出了一种基于高级深度学习的多阶段框架，用于从CT扫描中准确预测肺癌	创新性地结合了混合图卷积网络、条件随机场、胶囊网络、孪生神经网络、混合深度自编码器以及混合CNN-Transformer模型与图神经网络，以提升图像分割和特征提取的精度	未明确提及研究的具体局限性，如数据集的多样性或模型泛化能力	通过高级深度学习技术提高肺癌的早期诊断准确性和治疗效果	CT扫描中的肺部区域和恶性病变	计算机视觉	肺癌	CT扫描	GCN, CRF, CapsNet, Siamese Neural Network, Hybrid Deep Autoencoder, CNN, Transformer, GNN	图像	NA	Python	混合CNN-Transformer模型, 图神经网络	准确率	NA
628	2025-12-27	Integrating Genomic Data and Imaging in Lung Cancer Prediction Using a Hybrid Deep Learning Approach 2025-Dec-26, American journal of clinical oncology DOI:10.1097/COC.0000000000001288 PMID:41449569	研究论文	本研究开发了一种混合深度学习模型，通过整合基因组数据和影像数据来提高肺癌预测的准确性	提出了一种结合基因组数据和影像数据的混合深度学习模型，并采用Inception-ResNet-v2架构，以解决基因组数据高维复杂性和过拟合问题	未整合其他多模态数据源（如电子健康记录和生活方式因素），未来可进一步扩展	开发一种有效的肺癌预测方法，以提高诊断准确性和促进早期检测	肺癌患者	数字病理学	肺癌	基因组测序，CT成像，DCE成像	CNN	图像，基因组数据	使用LIDC-IDRI数据集，具体样本数量未明确说明	Python	Inception-ResNet-v2	准确率	NA
629	2025-12-27	Highly Stable Twin Defects Enabled by High Entropy Configuration 2025-Dec-26, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520550 PMID:41451482	研究论文	本文报道了在碳限域的FeCoNiMn纳米催化剂中实现高浓度稳定孪晶缺陷的策略，揭示了熵敏感的形成机制和持久的催化性能	通过高熵配置实现高度稳定的孪晶缺陷，并利用深度学习、原位TEM和分子动力学模拟揭示其原子尺度应变分布和多步形成动力学	NA	研究金属纳米催化剂中孪晶缺陷的稳定化机制，以提升催化效率	碳限域的FeCoNiMn纳米催化剂（T-FeCoNiMn/C）	材料科学	NA	深度学习，原位透射电子显微镜（TEM），分子动力学模拟	NA	原子尺度应变分布数据，催化性能数据	NA	NA	NA	NA	NA
630	2025-12-27	Flexible and Robust Metasurface-Based Wearable Sensor for Intelligent Human Monitoring 2025-Dec-26, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514150 PMID:41451579	研究论文	本文提出了一种基于柔性超表面的可穿戴传感器，结合拓扑光子学和AI增强传感技术，用于多功能人体监测	首次将拓扑保护的柔性超表面技术与AI增强传感结合，实现动态条件下的稳定信号采集和多任务健康监测	未明确说明传感器在极端环境下的长期稳定性或大规模临床验证结果	开发一种能克服运动伪影和机械形变影响的可穿戴智能健康监测系统	人体心肺动力学、生命体征、活动识别和个体身份	机器学习	心血管疾病	拓扑光子学、电磁波-身体相互作用	深度学习	电磁波信号	NA	NA	NA	NA	NA
631	2025-12-27	Progress of Deep Learning Prediction of CD8+ T-Cell Epitopes 2025-Dec-26, Proteomics IF:3.4Q2 DOI:10.1002/pmic.70101 PMID:41452164	综述	本文全面回顾了基于蛋白质语言模型的表位编码方案以及用于预测MHC-I结合亲和力、TCR-肽反应性和pMHC-TCR结合亲和力的深度学习模型的最新进展	聚焦于深度学习技术在过去二十年中在CD8+ T细胞表位预测领域的突破性成就，特别是结合了新兴的蛋白质语言模型进行表位编码	NA	旨在总结和评述深度学习在预测CD8+ T细胞表位方面的研究进展，以支持疫苗设计和免疫治疗	CD8+ T细胞表位，即由抗原蛋白分解产生的特殊肽片段	自然语言处理, 机器学习	NA	深度学习	深度学习模型	序列数据（肽序列）	NA	NA	NA	NA	NA
632	2025-12-27	Recognizing uric acid type of urinary stones by deep learning 2025-Dec-26, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01922-x PMID:41452376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
633	2025-12-27	Beyond gas bubbles: AI analysis of the "bubble bed" microenvironment improves diagnosis of infected abdominal collections 2025-Dec-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-05260-9 PMID:41452460	研究论文	本研究开发并验证了一种基于非增强CT的全自动AI模型（BUBBLE-AI），用于提高腹腔内液体聚集（IAFCs）感染的诊断准确性	提出了创新的“气泡床”概念，通过分析气体气泡周围的炎症微环境，结合深度学习和放射组学特征，显著提升了诊断性能	研究为回顾性设计，可能存在选择偏倚；外部测试集规模相对较小（n=80）	开发并验证一种全自动AI模型，以改进腹腔内液体聚集（IAFCs）感染的诊断准确性	腹腔内液体聚集（IAFCs）患者	医学影像分析	腹腔感染	非增强计算机断层扫描（CT）	深度学习模型	CT图像	797名经培养确认的IAFCs患者（训练集637人，验证集80人，外部测试集80人）	NA	BUBBLE-AI（基于气泡床概念的自定义架构）	AUC（曲线下面积）	NA
634	2025-12-27	Research progress of deep learning based on magnetic resonance imaging in meningioma 2025-Dec-26, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01307-6 PMID:41452563	综述	本文综述了基于磁共振成像（MRI）的深度学习在脑膜瘤中的研究进展，分析了其优势、局限性和临床转化中的关键问题	总结了深度学习在脑膜瘤影像分析中的突破性进展，通过客观定量分析方法克服了传统依赖主观视觉判断的诊断局限	NA	为相关医学研究者和临床医生提供技术参考，促进深度学习在临床诊疗中更快、更规范地应用，最终使患者受益	脑膜瘤	数字病理学	脑膜瘤	磁共振成像（MRI）	CNN, Transformer	图像	NA	NA	NA	NA	NA
635	2025-12-27	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2025-Dec-26, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	本研究开发并评估了一种基于深度学习的厚脉络膜指数（HUPI），用于从增强深度成像光学相干断层扫描（EDI-OCT）图像中量化厚脉络膜谱系疾病的特征	首次提出基于深度学习的厚脉络膜指数（HUPI），通过修改的LeNet模型从脉络膜图像模式中自动提取特征，作为厚脉络膜谱系疾病的代表性指标	单中心、回顾性、观察性研究，样本量相对较小（37只CSC眼和40只正常眼用于训练和验证），可能限制结果的泛化性	开发并评估一种基于深度学习的定量指标，用于区分厚脉络膜谱系疾病（如中心性浆液性脉络膜视网膜病变）与正常眼睛	中心性浆液性脉络膜视网膜病变（CSC）患者和正常对照者的眼睛	数字病理学	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描（EDI-OCT）	CNN	图像	训练和验证使用37只CSC眼和40只正常眼；评估使用69只急性CSC眼、35只恢复期CSC眼、86只CSC对侧眼和100只正常眼	NA	修改的LeNet	AUC, 敏感性, 特异性	NA
636	2025-12-27	TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support 2025-Dec-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3648379 PMID:41447494	研究论文	本文提出了一种名为TTG-U-Net的新型、可解释且高效的多模态脑肿瘤分割框架，旨在弥合模型性能与临床可解释性及效率之间的差距	该框架通过三个协同组件提供集成解决方案：1) 显式建模模态间依赖关系的跨模态Transformer，生成可作为模型推理透明视觉审计轨迹的注意力图；2) 自适应正则化模型并减少计算占用的动态低秩张量分解；3) 学习透明信息路由策略的模态自适应门控机制，模仿既定的放射学原理	NA	解决医疗可解释人工智能（XAI）领域的关键空白，开发一种能够透明且高效融合多模态MRI异质信息的集成方法，以促进人工智能在临床工作流程中的整合	多模态MRI图像中的脑肿瘤	数字病理学	脑肿瘤	多模态MRI	深度学习	图像	NA	NA	TTG-U-Net, U-Net, Transformer	Dice系数	NA
637	2025-12-27	An Atlas of Chirality-Dependent Electronic Structures of MoS2 Nanotubes from Deep Learning 2025-Dec-25, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c14194 PMID:41448575	研究论文	本文通过集成机器学习框架，预测了MoS2纳米管的手性依赖电子结构，并构建了其带隙、载流子有效质量及带隙分类的全面图谱	结合机器学习原子间势与深度学习密度泛函理论，首次实现了对整个手性空间MoS2纳米管电子结构的准确高效预测，并揭示了载流子有效质量对管径和手性的非平凡依赖关系	研究主要聚焦于MoS2纳米管，未扩展到其他过渡金属二硫族化合物纳米管，且预测框架的泛化能力有待进一步验证	探究过渡金属二硫族化合物纳米管的手性依赖电子性质，以促进一维材料的设计与应用	MoS2纳米管	机器学习	NA	机器学习原子间势，深度学习密度泛函理论	深度学习	电子结构数据	覆盖整个手性空间的MoS2纳米管样本	NA	NA	NA	NA
638	2025-12-27	Deep learning-based joint analysis of diabetic retinopathy and glaucoma in retinal fundus images 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32991-y PMID:41449171	研究论文	本文提出了一种基于Vision Transformer和双向特征融合的深度学习架构，用于联合分析视网膜眼底图像中的糖尿病视网膜病变和青光眼	结合Vision Transformer与双向特征融合模块，并引入Hunger Games Search算法优化超参数和融合权重，以同时学习低层次纹理特征和长距离空间相关性	未明确提及模型在外部验证或临床部署中的具体限制，如数据多样性或计算效率	开发一种能够准确诊断糖尿病视网膜病变和青光眼共存的自动化分析系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变, 青光眼	深度学习	Vision Transformer	图像	NA	NA	Vision Transformer, Bi-Directional Feature Fusion	准确率, 灵敏度	NA
639	2025-12-27	Deep learning-based ordinal classification overcomes subjective assessment limitations in intraoral free flap monitoring 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33637-9 PMID:41449199	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
640	2025-12-27	Enhancing healthcare classification with hybrid multimedia data processing and deep learning TNBO FCNN approach in IoT-enabled environments 2025-Dec-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33141-0 PMID:41449205	研究论文	提出一种结合可调非线性贝叶斯优化（TNBO）和全连接神经网络（FCNN）的混合深度学习框架，用于物联网环境下的多模态医疗数据分类，并集成区块链技术保障数据安全	首次将TNBO用于高效路由和超参数调优，并与FCNN结合进行多模态医疗数据分类，同时集成区块链技术确保去中心化环境下的数据安全、透明和不可篡改	未详细说明模型在极端资源受限环境下的性能，且伦理影响和未来研究方向仅作初步讨论	解决物联网医疗系统中多模态数据分类的准确性、实时处理和数据安全问题	物联网环境下的多模态患者数据（如语音、图像、信号）	机器学习	NA	深度学习，区块链技术	FCNN	多模态数据（语音、图像、信号）	基准数据集（具体数量未说明）	NA	全连接神经网络	准确率，灵敏度，特异性，F1分数，AUC-ROC	NA