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
941	2025-12-22	CLIP-Guided Generative network for pathology nuclei image augmentation 2025-Dec-14, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103908 PMID:41421266	研究论文	提出一种基于CLIP引导的生成数据增强方法，用于病理细胞核图像分割与分类	结合预训练的病理CLIP文本与图像编码器，通过多模态条件图像生成器合成逼真的组织病理学图像，解决了传统GAN在多类数据增强中缺乏可扩展性的问题	未明确说明生成图像与真实图像在临床诊断中的等效性验证，且可能受限于文本描述生成的准确性	提升基于深度学习的细胞核分割与分类模型性能，通过生成数据增强解决标注数据不足的问题	病理细胞核图像及其分割掩码	数字病理学	NA	生成对抗网络（GAN），视觉-语言基础模型（CLIP）	GAN	图像，文本	多个公开可用的病理细胞核数据集，具体数量未明确说明	PyTorch（基于代码仓库推断）	多模态条件图像生成器，高分辨率图像判别器，CLIP图像编码器	定性分析，定量分析（具体指标未明确说明）	NA
942	2025-12-22	Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification 2025-Dec-09, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108451 PMID:41420941	研究论文	提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs）	通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互	NA	开发一种适用于特征顺序任意且空间关系最小的一维数据分类的深度学习架构	来自医学诊断、政治学、合成数据、化学计量学和医疗保健等不同领域的五个基准数据集	机器学习	NA	NA	CNN	一维数据	NA	NA	Twisted Convolutional Networks (TCNs)	NA	NA
943	2025-12-22	An explainable hybrid CNN-LSTM framework for accurate sequence-based classification of RNA N6-methyladenosine (m6A) modification 2025-Dec-05, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100383 PMID:41354216	研究论文	本文提出了一种结合CNN-LSTM和SHAP的可解释性混合框架，用于准确分类RNA N6-甲基腺苷（m6A）修饰位点	将CNN-LSTM混合模型与SHAP特征选择相结合，提升预测性能并增强模型可解释性，通过特征贡献量化识别RNA序列中最具信息性的特征	未明确提及模型在更大规模或不同物种数据集上的泛化能力，以及计算资源消耗的具体分析	提高RNA m6A修饰位点的准确分类，并增强模型的可解释性以提供生物学洞见	RNA序列中的N6-甲基腺苷（m6A）修饰位点	自然语言处理	NA	RNA序列分析	CNN, LSTM	序列数据	NA	TensorFlow, PyTorch, Keras	CNN-LSTM混合架构	准确率, 灵敏度, 特异性, MCC	NA
944	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
945	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
946	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA
947	2025-12-22	MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013810 PMID:41397026	研究论文	本文提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块整合细胞外部相互作用与内部基因调控，用于从空间转录组学数据重建细胞间相互作用网络	开发了细胞-基因注意力模块，将细胞的外部环境与内部基因活动在统一表示中连接起来，克服了现有方法将两者分开处理的限制	未明确说明模型在处理更大规模或更复杂组织样本时的计算效率及可扩展性	从空间转录组学数据中准确推断细胞间相互作用网络	空间转录组学数据中的细胞及其相互作用	计算生物学	乳腺癌	空间转录组学	图自编码器	空间转录组学数据	基准数据集（seqFISH、MERFISH、STARMAP）及一个乳腺癌数据集	未明确指定	多视图图自编码器	平均精度	NA
948	2025-12-22	Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics 2025-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501080 PMID:41078001	研究论文	本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像速度	开发了部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，显著提高了SICM的时间分辨率（减少30-63%的采集时间）	未明确提及该方法在极端动态条件或不同细胞类型中的泛化能力限制	提高扫描离子电导显微镜（SICM）的实时成像能力，以捕捉纳米尺度的生物动态过程	活细胞的纳米尺度动态成像	计算机视觉	NA	扫描离子电导显微镜（SICM）	CNN	图像	NA	NA	Partial-CNN	多种定量指标（具体未列出，但涉及图像质量评估）	NA
949	2025-12-22	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法	首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径	AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断	开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径	射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响	自然语言处理	NA	自然语言处理, 深度学习	NA	文本	12位专家参与构建知识图谱	NA	NA	NA	NA
950	2025-12-21	Quantitative CT and Artificial Intelligence in Chronic Lung Disease 2025-Dec-22, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000867 PMID:41417666	综述	本文综述了定量CT和人工智能技术在慢性肺病（如COPD和ILD）中的应用，包括其优势、挑战及未来方向	整合了机器学习和深度学习技术，超越了传统视觉评估和密度方法，提高了慢性肺病评估的鲁棒性和可重复性	技术采纳面临挑战，包括读者主观性和观察者间变异性，且存在实施限制	探讨定量CT和AI技术在慢性肺病诊断和管理中的应用及未来发展方向	慢性阻塞性肺病（COPD）、纤维化间质性肺病（ILD）以及肺和造血干细胞移植受者的闭塞性细支气管炎综合征	数字病理学	肺病	定量CT（QCT）	机器学习,深度学习	CT图像	NA	NA	NA	NA	NA
951	2025-12-21	Assessing clinician performance using a multi-modality clinical decision-support system for lung cancer prognostication 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31204-w PMID:41419585	研究论文	本研究开发了一个整合多模态深度学习模型的临床决策支持系统，用于肺癌术后预后评估，并评估了该系统对肿瘤医生预测性能和信心的影响	首次将多模态深度学习模型与临床决策支持系统结合用于肺癌预后评估，并首次研究了临床医生对此类系统的态度	这是一项探索性研究，样本量有限，且仅涉及四位肿瘤医生进行评估	开发并评估一个用于肺癌术后预后评估的临床决策支持系统	早期肺癌患者	数字病理学	肺癌	多模态深度学习	深度学习模型	医学图像、临床信息、手术信息、病理信息	未明确指定样本数量	NA	NA	预测性能、信心水平	NA
952	2025-12-21	MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture 2025-Dec-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30940-3 PMID:41419754	研究论文	本研究提出了一种结合轻量级MobileNetV3分类器与MapReduce风格数据管道的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测	将轻量级MobileNetV3模型与MapReduce并行处理框架相结合，实现了数据预处理和批量推理的节点级并行化，提升了系统的可扩展性和处理效率	研究仅针对三种病害类别，数据集规模相对有限（2152张图像），未在更广泛的实际农田环境中进行验证	开发一个准确、可扩展的马铃薯叶部病害检测系统，以支持可持续精准农业，减少作物损失	马铃薯叶部病害图像	计算机视觉	马铃薯病害	图像处理，数据增强	CNN	图像	2152张图像，分为三个类别	TensorFlow, PyTorch, Keras	MobileNetV3	准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率	GPU用于训练，MapReduce管道支持水平扩展以处理更大规模和持续的图像输入
953	2025-12-21	Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images 2025-Dec-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01316-5 PMID:41420096	研究论文	本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能	首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题	合成图像增强在内部测试中显著提升性能，但在外部测试中未改善，表明合成视网膜图像增强的泛化能力有待进一步研究	提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性	来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像	数字病理学	糖尿病视网膜病变	条件级联扩散模型	深度学习系统	图像	开发数据集包含72,559只眼的黄斑图像，内部测试集9,071只眼，外部测试集2,842只眼	NA	条件级联扩散模型	AUROC	NA
954	2025-12-21	Deep Learning Guided Exploration of Transition Metal Oxide Catalysts in Acetylene Selective Hydrogenation 2025-Dec-20, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c16333 PMID:41420613	研究论文	本研究结合密度泛函理论预测与深度学习算法，探索并验证了新型过渡金属氧化物催化剂在乙炔选择性加氢反应中的优异性能	首次将DFT预测的电子和分子吸附性质映射与深度学习算法结合，用于高效筛选新型催化剂材料，并成功合成出性能卓越的CuTiO催化剂	研究主要聚焦于过渡金属氧化物催化剂，可能未涵盖其他类型的催化剂材料；深度学习模型的泛化能力有待在更广泛材料体系中验证	开发高效筛选和优化催化剂材料的方法，以加速新型催化剂的发现过程	过渡金属氧化物催化剂，特别是CuTiO和CuO掺杂的TiO材料	机器学习	NA	密度泛函理论（DFT）、深度学习算法	深度学习模型	电子性质映射、分子吸附性质数据	NA	NA	NA	乙炔转化率、乙烯选择性	NA
955	2025-12-21	Innovative AI model for bladder cancer diagnosis 2025-Dec-20, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04278-1 PMID:41420667	研究论文	本研究开发了一种基于CT影像的人工智能模型，用于膀胱癌的自动诊断	开发了一种能够从常规CT扫描中准确、透明地检测膀胱癌的AI模型，并利用Grad-CAM技术提供可解释性	研究为回顾性分析，需要前瞻性验证来进一步确认其临床适用性	开发一种用于膀胱癌诊断的人工智能模型	膀胱癌患者	计算机视觉	膀胱癌	CT成像	深度学习模型	CT图像	来自本院和The Cancer Imaging Archive (TCIA)的大型CT图像数据集	NA	NA	准确率	NA
956	2025-12-21	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2025-Dec-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究开发了一种结合临床数据和术前CT影像生物标志物的新型工具eCAPRI，用于预测经导管主动脉瓣植入术（TAVI）后患者的1年全因死亡率	在原有CAPRI评分的基础上，实现了胸主动脉钙化（TAC）体积的自动测量，并引入了从术前CT扫描中自动提取的额外影像生物标志物	研究样本量有限，训练集和评估集分别基于765例和192例CT扫描，且自动化分割模型的Dice评分仍有提升空间	开发并验证一种改进的评分工具，以更准确地预测TAVI术后患者的1年死亡率	接受经导管主动脉瓣植入术（TAVI）的钙化性主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	术前CT扫描	深度学习模型	CT影像	训练集：66例患者用于TAC分割模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分性能比较	NA	NA	AUC, Dice系数, 校准曲线	NA
957	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
958	2025-12-21	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2025-Dec-20, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究开发并评估了基于深度学习的模型，用于从标准化口外照片中估计牙齿的CIELAB颜色坐标，以体内分光光度测量为参考标准，为修复牙科中的临床比色选择提供实用和验证支持	首次利用多种CNN架构结合预处理照片和解剖位置信息，从口外照片中高精度估计牙齿CIELAB颜色坐标，并与临床分光光度计测量结果进行对比验证	研究样本量相对有限（102名参与者），且前牙的估计精度高于后牙，可能受图像质量和光照条件影响	开发并评估基于人工智能的模型，以支持修复牙科中临床比色选择的准确性和一致性	从102名参与者获取的1031张标记和裁剪的牙齿图像，以及对应的体内CIELAB颜色坐标	计算机视觉	NA	分光光度测量（VITA Easyshade V），标准化口外摄影	CNN	图像	102名参与者的1031张牙齿图像	NA	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R2）, 基于ΔE ≤ 2临床阈值的估计准确率	NA
959	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA
960	2025-12-21	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	本文提出了一种受青蛙鸣囊启发的、具有连续可调谐共振特性的柔性声学系统，用于声音发射和听诊传感	受青蛙鸣囊启发，设计了一种集成激光诱导石墨烯（LIG）与可变形腔体的共振可调石墨烯声学器件（RAGSD），实现了从922.12到1762.90赫兹的连续频率调谐，并建立了动态连续可调的电-机-声学模型	未明确说明	克服柔性热声器件在低频发射和传感方面的限制，开发用于个性化声音输出和心脏声音敏感觉察的智能可穿戴听诊系统	柔性声学器件、心脏声音信号	机器学习	心血管疾病	激光诱导石墨烯（LIG）技术	深度学习算法	声音信号	健康志愿者和患者（具体数量未明确）	NA	AuscNet-H	准确率	NA