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
721	2025-12-26	An efficient hybrid artificial intelligence framework for lung cancer classification using CT images 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31432-0 PMID:41444763	研究论文	本文提出了一种基于混合人工智能框架的肺癌分类方法，利用CT图像进行正常、良性和恶性分类	提出了一种结合传统特征提取方法（GLCM和SIFT）与深度学习模型（VGG-16和MobileNet）的混合AI框架，并通过特征融合提升分类性能	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种自动化的肺癌早期预测系统，以提高诊断准确性和生存率	肺癌CT图像	计算机视觉	肺癌	CT成像	CNN	图像	使用IQ-OTH/NCCD数据集中的图像，具体样本数量未明确说明	未明确说明，可能涉及TensorFlow或PyTorch	VGG-16, MobileNet	准确率, 精确率, 召回率, F1分数, 特异性	未明确说明
722	2025-12-26	Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection 2025-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02244-3 PMID:41444826	研究论文	本研究在真实世界中对一款商业深度学习模型（Aidoc Medical Briefcase ICH Triage）用于颅内出血检测的性能进行了大规模回顾性评估	首次在包含超过10万次CT检查的大规模真实世界数据集中，全面评估了FDA批准的商业AI模型在颅内出血检测中的性能，并利用GPT-4o结合零样本提示优化策略自动提取放射学报告标签进行验证	模型对亚急性、慢性、小出血灶（≤10 mm）及单腔室出血的敏感性较低，在门诊环境中性能下降，且研究为回顾性设计，可能存在选择偏倚	评估商业深度学习模型在真实临床环境中检测颅内出血的准确性和可靠性	74,142名患者的101,944次非增强头部CT检查	医学影像分析	颅内出血	深度学习, CT影像分析	深度学习模型	CT图像	101,944次非增强头部CT检查（来自74,142名患者）	NA	Aidoc Medical Briefcase ICH Triage（商业模型，具体架构未公开）	敏感性, 特异性, 准确率	NA
723	2025-12-26	Comprehensive comparative analysis of explainable deep learning model for differentiation of brucellar spondylitis and tuberculous spondylitis through MRI sequences 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03731-9 PMID:41444906	研究论文	本研究通过系统比较四种不同的深度学习架构，旨在寻找整合多序列MRI信息以区分布鲁氏菌性脊柱炎和结核性脊柱炎的有效策略	首次系统比较了单序列、单分支融合、异质多分支和同质多分支四种深度学习架构在整合多序列MRI数据用于脊柱炎鉴别诊断中的性能，明确了朴素通道融合策略的无效性	回顾性、单中心研究，样本量相对有限（235例患者），仅使用了内部测试集，缺乏外部验证	寻找并验证整合多序列MRI信息以区分布鲁氏菌性脊柱炎和结核性脊柱炎的最优深度学习架构策略	经手术和病理证实的布鲁氏菌性脊柱炎（82例）和结核性脊柱炎（153例）患者的MRI图像	数字病理学	脊柱炎	磁共振成像	深度学习模型	图像	235例患者（BS 82例，TS 153例）	NA	单分支融合模型、异质多分支模型、同质多分支模型	AUC	NA
724	2025-12-26	Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution 2025-Dec-23, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01554-25 PMID:41222234	综述	本文回顾了计算病毒学从传统方法到AI及混合框架的演变，探讨了AI在病毒发现和进化研究中的整合应用	提出了一个结合AI模式识别与经典生物信息学的集成工作流程，以同时提升病毒发现的可扩展性和结果可解释性	AI驱动的方法面临计算负担重、数据集偏差、可解释性有限以及假阳性发现率较高等挑战	加速病毒发现、增强对病毒进化的理解，并加强全球对新发传染病的防范准备	病毒基因组、病毒蛋白质及其与宿主的相互作用	生物信息学	传染病	宏基因组测序	CNN, RNN, Transformer, GNN	序列数据，结构数据	NA	NA	AlphaFold, ESMFold, Foldseek	灵敏度，可扩展性，假发现率	NA
725	2025-12-26	U-Net-based deep learning architecture for automated CBCT segmentation of the mandibular canal in dental implant treatment planning: A systematic review and meta-analysis 2025-Dec-23, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.12.003 PMID:41444033	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U-Net的深度学习架构在CBCT影像中自动分割下颌管用于牙科种植治疗规划的准确性和临床相关性	首次对基于U-Net的深度学习模型在CBCT下颌管自动分割中的应用进行系统综述和定量荟萃分析，综合评估其分割精度和临床潜力	纳入研究数量有限（8项），存在高度异质性，且外部验证和模型可解释性分析报告不足，可能影响结果的普遍适用性	评估深度学习（主要是U-Net架构）在CBCT影像中自动分割下颌管用于牙科种植规划的准确性和临床价值	锥形束计算机断层扫描（CBCT）影像中的下颌管结构	数字病理	NA	锥形束计算机断层扫描（CBCT）	深度学习	医学影像（CBCT扫描）	NA	NA	U-Net, 注意力机制U-Net, 残差U-Net	Dice相似系数（DSC）, 95%豪斯多夫距离（HD）, 交并比（IoU）	NA
726	2025-12-26	MRI-based habitat radiomics and deep learning for predicting vessels encapsulating tumor clusters and survival in hepatocellular carcinoma 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02167-3 PMID:41428280	研究论文	本研究开发并验证了一种基于MRI的深度学习放射组学列线图模型，用于术前预测肝细胞癌中的血管包绕肿瘤簇和无复发生存期	首次结合栖息地放射组学和深度学习特征构建了多模态预测模型，并利用SHAP方法增强了模型的可解释性	回顾性研究设计可能存在选择偏倚，且外部验证集规模相对有限	开发术前预测肝细胞癌血管包绕肿瘤簇状态和无复发生存期的预测模型	肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习,机器学习分类器	MRI图像	625例肝细胞癌患者（训练集296例，内部测试集126例，外部测试集203例）	NA	NA	AUC,F1-score,C-index	NA
727	2025-12-26	Deep Learning Approaches for Classifying Children With and Without Autism Spectrum Disorder Using Inertial Measurement Unit Hand Tracking Data: Comparative Study 2025-Dec-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73440 PMID:41428363	研究论文	本研究评估了多种深度学习模型，利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类	结合卷积自编码器和长短期记忆层处理IMU手部追踪数据，在自闭症分类任务中实现了高准确率和F1分数，并验证了小规模模型在医疗数据分类中的有效性和泛化能力	样本量相对较小（41名学龄儿童），且仅基于单一任务（伸手清理任务）的IMU数据，可能限制了模型的广泛适用性	评估深度学习模型在利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类中的效果	自闭症谱系障碍儿童和正常发育儿童的惯性测量单元手部追踪数据	机器学习	自闭症谱系障碍	惯性测量单元手部追踪	卷积自编码器, 长短期记忆	时间序列数据	41名学龄儿童（包括自闭症谱系障碍儿童和正常发育儿童）	NA	卷积自编码器+长短期记忆	准确率, F1分数	NA
728	2025-12-26	Quantitative multi-metabolite imaging of Parkinson's disease using AI boosted molecular MRI 2025-Dec-22, Npj imaging DOI:10.1038/s44303-025-00130-x PMID:41429895	研究论文	本研究结合快速分子MRI采集与深度学习重建，对急性MPTP小鼠模型中的多种代谢物进行定量成像，以探索帕金森病的生物标志物	首次将快速分子MRI采集范式与深度学习重建相结合，实现多代谢物（谷氨酸、可移动蛋白质、半固体及可移动大分子）的定量成像，并识别出半固体磁化转移、酰胺及脂肪族接力核奥弗豪斯效应质子体积分数作为潜在的帕金森病生物标志物	研究基于急性MPTP小鼠模型，结果可能无法完全反映人类帕金森病的异质性或早期阶段特征	开发一种基于人工智能增强的分子MRI技术，用于帕金森病的定量多代谢物成像，以改善诊断和生物标志物发现	急性MPTP诱导的帕金森病小鼠模型	数字病理学	帕金森病	分子MRI, 磁共振波谱	深度学习	MRI图像	NA	NA	NA	NA	NA
729	2025-12-24	Author Correction: Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02204-x PMID:41429919	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
730	2025-12-26	A fault classification scheme based on protective agents for microgrid with parameters impact analysis 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28178-0 PMID:41430064	研究论文	本文提出了一种基于保护代理的微电网故障分类方法，结合智能电子设备和混合深度神经网络，并分析了多种参数对方案性能的影响	创新点在于结合保护代理和混合深度神经网络进行故障分类，并全面分析微电网参数对深度学习故障检测与定位方案的影响	未明确说明方法在更复杂或大规模微电网系统中的适用性，且参数分析可能受限于模拟环境	提高微电网故障分类的准确性，并评估不同参数对基于深度学习的故障检测与定位方案的影响	微电网的故障检测、类型识别、相位检测和定位	机器学习	NA	深度学习故障检测与定位	DNN	模拟数据	NA	TensorFlow, Keras	混合深度神经网络（包含单层和混合层类型）	准确率, 故障定位误差	使用DIgSILENT Power Factory、MATLAB和Python软件进行模拟
731	2025-12-26	Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma 2025-Dec-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02045-w PMID:41430161	研究论文	本研究开发了一种基于MRI的深度学习模型，用于预测P53突变的肝细胞癌	首次利用EfficientNetV2架构，结合多序列MRI图像（动脉期、门静脉期、T2加权成像、肝胆期）构建深度学习模型来预测P53突变状态，并发现多序列组合模型显著优于单序列模型	研究为回顾性设计，样本量相对有限（312例），且未进一步验证模型在其他独立队列或前瞻性研究中的表现	开发一个基于MRI的深度学习模型，以无创方式预测肝细胞癌中的P53突变状态	312例经病理证实的肝细胞癌患者	计算机视觉	肝细胞癌	钆增强MRI	CNN	图像	312例患者（训练集249例，测试集63例）	NA	EfficientNetV2	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
732	2025-12-26	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2025-Dec-22, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR（TetR）蛋白抑制剂，并通过分子对接和动力学模拟验证其潜力	首次结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型，对天然化合物库进行大规模虚拟筛选，并辅以全面的分子动力学模拟（500 ns）和结合自由能分析来评估候选化合物	研究主要基于计算模拟，所选化合物尚未进行体外或体内实验验证	开发针对多重耐药Acinetobacter baumannii的新型抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR	机器学习	细菌感染	定量构效关系（QSAR）、虚拟筛选、分子对接、分子动力学模拟	RF, SVM, KNN, XGBoost, CNN	化学化合物结构数据、MIC评分	初始筛选库包含10,860种天然化学化合物	NA	NA	准确率	NA
733	2025-12-26	Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models 2025-Dec-22, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127379 PMID:41442910	研究论文	本研究应用近红外高光谱成像技术和基于Transformer的混合深度学习模型，对枸杞粉中的焦亚硫酸钠进行分类和定量检测	提出了一种结合局部注意力和残差路径的ResLocalformer混合模型用于分类，以及结合Transformer全局注意力和密集层的Resformer模型用于回归，相比传统CNN和LSTM方法表现出更高的鲁棒性和预测精度	研究仅针对枸杞粉中的焦亚硫酸钠，样本量相对有限（360个样本），且未在其他食品基质或添加剂上进行验证	开发一种快速、无损的检测方法，用于监测枸杞粉中焦亚硫酸钠的残留量	枸杞粉样品中的焦亚硫酸钠	计算机视觉	NA	近红外高光谱成像（HSI）	Transformer, CNN, LSTM	高光谱图像	360个样本（包含9个浓度水平，每个水平40个重复）	NA	ResLocalformer, Resformer	准确率, R², RMSE	NA
734	2025-12-26	Interpreting Imaging in the Era of Artificial Intelligence: Future Possibilities in Ocular Inflammatory Disease 2025-Dec-22, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.019 PMID:41443461	综述	本文回顾了人工智能在葡萄膜炎多模态影像解读中的应用现状、局限性与未来前景	探讨了AI在眼科炎症疾病影像分析中的新兴自动化机遇，特别是通过深度学习技术	AI在葡萄膜炎领域的应用尚处于起步阶段，具体工具仍在开发中	评估AI在葡萄膜炎多模态影像解读中的能力、限制及未来潜力	葡萄膜炎（眼部炎症性疾病）及其多模态影像数据	计算机视觉	葡萄膜炎	多模态影像分析	深度学习	图像	NA	NA	NA	NA	NA
735	2025-12-26	From monochromatic waves to realistic tides: deep learning for short-term forecasting of coastal ocean 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31670-2 PMID:41423688	研究论文	本研究提出了一种结合卷积神经网络和长短期记忆网络的混合架构，用于预测德国湾的海平面变化	开发了结合CNN空间重建与LSTM时间预测的混合深度学习框架，能够从有限数量的沿海观测站重建整个海域的海平面，并通过模拟数据同化显著提升预测精度	模型性能受空间信号复杂度和梯度陡度等因素影响，研究主要关注数据丰富区域的应用潜力	开发深度学习模型以补充传统数值模型，实现海岸海洋的短期预报	德国湾的海平面变化数据	机器学习	NA	深度学习	CNN, LSTM	海平面数据	从学术数据到实际数据的海平面数据序列	NA	卷积神经网络, 长短期记忆网络	预测误差	NA
736	2025-12-26	Decoding aroma perception of grilled lamb skewers: an EEG-MambaFusionNet framework integrating TDS and GC-IMS 2025-Dec-21, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147676 PMID:41443075	研究论文	本研究通过整合感官、化学和神经数据，开发了一个深度学习框架来解码烤羊肉串从生到熟过程中香气感知的动态演变及其神经特征	首次将时间优势感官法、气相色谱-离子迁移谱和脑电图数据融合，并开发了EEG-MambaFusionNet深度学习框架来量化香气感知的动态过程	未在摘要中明确说明	研究烤羊肉串从生到熟过程中香气感知的动态演变及其对应的神经特征	烤羊肉串的香气感知过程	机器学习	NA	时间优势感官法，气相色谱-离子迁移谱，脑电图	深度学习框架	感官数据，化学数据，神经数据	未在摘要中明确说明	NA	EEG-MambaFusionNet	预测准确率	未在摘要中明确说明
737	2025-12-26	Asymmetric Cross-Reactivity of Nuclear Receptors Reveals an Evolutionary Buffer Between Estrogen and Androgen Signaling 2025-Dec-21, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.18.695200 PMID:41446225	研究论文	本研究通过深度学习框架预测蛋白质-配体相互作用，揭示了雌激素与雄激素信号之间不对称的交叉反应性及其进化缓冲机制	首次通过全对全受体配体亲和力筛选揭示类固醇激素受体结合的不对称性，提出雌二醇作为早期类固醇配体的进化模型	研究主要基于计算预测和结构建模，需要进一步的实验验证来确认预测的亲和力差异和生理功能	探究类固醇激素受体之间的交叉反应性及其进化意义	核受体（特别是类固醇激素受体）及其配体（如雌二醇、睾酮）	计算生物学	前列腺癌	深度学习蛋白质-配体相互作用预测、系统计算机亲和力预测、结构建模、祖先序列重建	深度学习框架	蛋白质序列与结构数据、配体化学数据	NA	Boltz-2	NA	NA	NA
738	2025-12-26	Smart room occupancy detection using neural networks and the puma optimization algorithm 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29938-8 PMID:41422073	研究论文	本研究提出了一种结合神经网络与美洲狮优化正弦余弦优化器（POSC）的机器学习方法，用于基于环境传感器数据实现高精度的房间占用检测	首次将POSC元启发式优化技术与神经网络结合，用于房间占用检测，通过动态平衡探索与利用来增强模型训练，实现更快的收敛速度和更好的分类性能	研究仅基于公开数据集进行验证，未在实际动态环境中进行大规模部署测试，且传感器类型有限	开发一种高精度、可扩展的房间占用检测方法，以支持智能建筑的节能管理、安全增强和舒适度提升	房间占用状态（占用/未占用）	机器学习	NA	环境传感器数据采集（温度、湿度、光照强度、CO2浓度）	神经网络	数值传感器数据	公开数据集（具体数量未说明）	未明确说明	未指定具体架构	准确率、精确率、召回率、F1分数	NA
739	2025-12-26	Deep Learning-Based Prediction of Enzyme Optimal pH and Design of Point Mutations to Improve Acid Resistance 2025-Dec-19, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00679 PMID:41269167	研究论文	本文开发了一种名为CatOpt的深度学习模型，用于预测酶的最适pH值，并通过点突变设计提高酶的酸耐受性	CatOpt模型在酶最适pH预测上优于现有方法，具有更好的可解释性，并能指导点突变设计以改善酶在低pH下的活性	NA	开发一个准确的深度学习预测器来定量描述pH对酶催化活性的影响，并设计点突变以提高酶的酸耐受性	酶的最适pH值、酸性和碱性酶的分类、点突变引起的酶最适pH变化	机器学习	NA	深度学习	深度学习模型	序列数据	NA	NA	CatOpt	RMSE, 相关系数	NA
740	2025-12-26	TPVNet: A domain-aware graph-based framework for reliable multivariate physiological time series classification in healthcare 2025-Dec-19, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109214 PMID:41442988	研究论文	提出了一种名为TPVNet的领域感知图框架，用于医疗物联网中多变量生理时间序列的可靠分类	集成了时间增强有限可穿透可见图（TPVG）将原始信号转换为不可逆的图表示，并结合图同构网络（GIN）进行特征学习，以及采用与临床诊断流程一致的通道级投票策略以提高决策鲁棒性	未明确说明模型的计算复杂度或在大规模实时部署中的潜在限制	提升医疗物联网应用中多变量生理时间序列分类的准确性、稳定性和隐私保护	多变量生理时间序列数据	机器学习	心房颤动	时间序列分析，图表示学习	GIN	时间序列	七个公共生理数据集	NA	图同构网络	准确率，召回率，精确率，F1分数，标准差	NA