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
1121	2025-12-19	Physics-guided deep learning surrogate model with graph attention for long-term radionuclide transport prediction in deep geological repositories 2025-Dec-09, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140767 PMID:41406534	研究论文	本文提出了一种基于图注意力机制的物理引导深度学习代理模型，用于预测深地质处置库中长期放射性核素迁移	开发了结合图注意力网络与物理方程（衰变-扩散-吸附）的深度学习代理模型，实现了快速且物理可靠的长期迁移预测	模型在材料属性改变或释放时间提前等场景下的泛化能力仍需进一步验证，且依赖于模拟数据训练	为深地质处置库的安全评估提供快速、准确的长期放射性核素迁移预测工具	深地质处置库中U-238和Th-230的迁移过程	机器学习	NA	物理模拟（PFLOTRAN），深度学习代理模型	图注意力网络（GAT），深度学习	模拟数据（放射性核素迁移时间序列）	10个监测节点，模拟5000年迁移过程	PyTorch（推断，因涉及GAT和深度学习训练）	图注意力网络（GAT）	R², NSE, 95%预测区间	单节点工作站
1122	2025-12-19	Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM 2025-Dec-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112606 PMID:41406589	研究论文	本研究评估了三种重建方法（FBP、AR50和DL-M）结合SMAR技术在周围动静脉畸形栓塞术后CT血管造影中的图像质量	首次比较了FBP、AR50和DL-M三种重建方法结合SMAR技术在AVM栓塞术后CT血管造影中的表现，并引入深度学习重建技术	单中心研究，样本量较小（30例患者），新伪影在少数病例中出现	评估不同重建方法结合金属伪影减少技术对周围动静脉畸形栓塞术后CT血管造影图像质量的改善效果	接受线圈栓塞治疗的周围动静脉畸形患者	医学影像	心血管疾病	双能CT血管造影，虚拟单能成像	深度学习重建	CT图像	30例患者	NA	NA	标准偏差，伪影指数，对比噪声比，主观评分	NA
1123	2025-12-19	CMMDL: Cross-modal multi-domain learning method for image fusion 2025-Dec-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108450 PMID:41406644	研究论文	提出了一种用于图像融合的跨模态多域学习方法，以同时利用空间域和频域信息	提出了空间-频域级联注意力机制、双域并行学习策略以及异构域特征融合块，首次在图像融合中结合了空间域和频域学习	未在摘要中明确说明	解决多模态图像融合问题，提升融合图像的质量	多模态图像	计算机视觉	NA	NA	深度学习	图像	在多个数据集上进行了广泛实验	NA	Restormer, 双分支可逆神经网络	NA	NA
1124	2025-12-19	Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy 2025-Dec, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70306 PMID:40542591	研究论文	本研究利用人工智能和深度学习模型对超声胎盘图像进行纹理分析，以预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合用于超声胎盘图像分析，以预测妊娠期高血压疾病，并展示了较高的准确性	研究为前瞻性观察性研究，可能存在选择偏倚，且未详细讨论模型在其他人群中的泛化能力	预测妊娠期高血压疾病	孕妇的超声胎盘图像	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Vision Transformer	图像	1008名孕妇（其中600名正常结局，143名患有妊娠期高血压疾病，265名有其他不良结局）	NA	EfficientNet B0, Vision Transformer	准确率, Cohen kappa分数, AUC, 灵敏度, 特异性	NA
1125	2025-12-19	Hot Topics: Exploring Artificial Intelligence and Inflammatory Memory in the Management of Psoriatic Diseases 2025-Dec-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0241 PMID:40763946	综述	本文总结了GRAPPA 2024年会中关于人工智能在银屑病疾病管理中的应用以及炎症记忆机制在疾病复发中的作用的热点话题讨论	探讨了人工智能技术与炎症记忆生物学机制在银屑病疾病管理中的交叉融合，强调了技术应用与基础生物学理解的结合	文章基于会议讨论内容，未报告具体实验数据或模型验证结果，属于观点性综述	探索人工智能在银屑病疾病管理中的应用潜力，并阐明炎症记忆在银屑病和银屑病关节炎复发中的机制	银屑病疾病（包括银屑病和银屑病关节炎）	数字病理学	银屑病	NA	卷积神经网络	NA	NA	NA	NA	NA	NA
1126	2025-12-19	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	系统综述与荟萃分析	本研究通过荟萃分析方法，系统评估了人工智能驱动和传统影像组学模型在检测肌层浸润性膀胱癌中的诊断性能，并探讨了其与膀胱影像报告和数据系统的潜在协同价值	首次通过系统综述和荟萃分析，全面比较了AI驱动与传统影像组学模型在膀胱癌肌层浸润诊断中的效能，并系统分析了异质性来源	纳入研究存在显著的异质性，且多为回顾性研究，需要多国、多中心的前瞻性队列研究来验证外部有效性	评估AI驱动和传统影像组学模型在诊断肌层浸润性膀胱癌中的性能，并分析其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	影像组学，多参数成像	深度学习，机器学习	医学影像	43项研究，共9624名患者	NA	NA	AUC, 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA
1127	2025-12-19	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Dec, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	本文综述了人工智能在癌症组织学评估中的转型作用，从辅助诊断工具发展为临床决策的核心组成部分	AI不仅复制并增强了病理学家的决策，还通过组织形态学表型聚类和空间转录组学等创新技术，优化了癌症分层和个性化治疗	AI预测的验证仍面临挑战，特别是在预后应用方面，且资源有限环境下的可及性有待解决	探讨AI在癌症诊断和个性化治疗中如何变革组织学评估	癌症患者的组织学图像、基因组数据和临床信息	数字病理学	癌症	全切片成像（WSI）、空间转录组学	深度学习	图像、文本、临床数据	NA	NA	NA	NA	NA
1128	2025-12-19	Diagnosis of superficial ailments using infrared thermal imaging and CapsNet 2025-Dec, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104325 PMID:41223630	研究论文	本研究探索了使用红外热成像与胶囊网络（CapsNet）结合来诊断浅表疾病，如乳腺癌、压力性溃疡和鼻窦炎	首次将CapsNet应用于红外热成像的疾病分类，相比传统模型在多种浅表疾病诊断中均表现出更高的准确性	外部因素可能影响区域温度，从而引入诊断误差，且研究未详细讨论这些因素的具体影响或校正方法	通过结合计算机视觉分类算法与热成像技术，提升浅表疾病的分类和诊断准确性	乳腺癌、压力性溃疡和鼻窦炎等具有皮肤表现症状的疾病	计算机视觉	乳腺癌, 压力性溃疡, 鼻窦炎	红外热成像	CapsNet	图像	未提供具体样本数量	未指定	CapsNet	准确率	未提供
1129	2025-12-19	Deep Learning-Based Assessment for Media Haze and Retinal Vascular Leakage of Uveitis 2025-Dec, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2025.2567520 PMID:41123627	研究论文	本研究应用深度学习技术，基于彩色眼底照相和荧光素眼底血管造影图像，自动化评估葡萄膜炎的玻璃体混浊和血管渗漏	首次将深度学习模型（如EfficientNetV2-L和LadderNet）应用于葡萄膜炎的玻璃体混浊分级和血管渗漏分割，并揭示了玻璃体混浊、炎症因子与血管渗漏之间的关联，为疾病活动性和治疗结果提供了新的量化指标	研究样本量相对有限（213名患者），且模型性能可能依赖于标注质量，未在外部独立数据集上进行广泛验证	开发自动化评估葡萄膜炎玻璃体混浊和血管渗漏的深度学习方法，以辅助诊断和疗效评估	葡萄膜炎患者的彩色眼底照相和荧光素眼底血管造影图像	计算机视觉	葡萄膜炎	彩色眼底照相, 荧光素眼底血管造影	CNN	图像	213名患者的756张彩色眼底照相图像和740张荧光素眼底血管造影图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数	NA
1130	2025-12-19	Pomegranate disease detection and classification dataset for deep learning applications: A case study from Halabja city 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112298 PMID:41399438	研究论文	本研究介绍了Halabja石榴果实病害图像数据集，用于支持基于深度学习的植物病害检测应用	创建了一个包含自然户外环境图像的系统性数据集，涵盖四种特定病害类别，并提供了大量增强图像以提高模型鲁棒性	数据集仅来自伊拉克Halabja地区，可能限制了其地理普适性	开发适用于精准农业的植物病害检测和分类工具	石榴果实及其病害（ectomyelois ceratoniae, colletotrichum spp., 日灼病和健康果实）	计算机视觉	植物病害	图像采集与增强	深度学习模型	图像	2178张原始图像和28314张增强图像	NA	NA	NA	NA
1131	2025-12-19	Dataset for classification of forming tool types for aircraft parts based on neural network models using CAD 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112302 PMID:41399442	研究论文	本研究提出了一种基于CAD图像的深度学习和机器学习模型数据集，用于对飞机零件的成形工具类型进行分类	利用CAD图像中的视觉信息（特别是法兰几何形状）对工具类型进行分类，无需物理原型或专用传感器，为小批量、多品种制造环境提供了一种可扩展、经济高效且易于应用的解决方案	数据集主要基于公开可用的CAD模型和CATIA生成的模型，可能无法涵盖所有实际制造场景中的工具类型变化	开发一种基于CAD图像的深度学习和机器学习模型，用于飞机零件成形工具类型的自动分类	飞机钣金零件（特别是通过流体单元液压成形生产的零件）的成形工具	计算机视觉	NA	CAD图像处理	CNN, 机器学习模型	图像	12,432张图像，涵盖三种可视化模式（正常视图、隐藏线视图和线框视图）和多个方向	NA	ResNeXt	准确率, F1分数	NA
1132	2025-12-19	Detection, localisation, and quantification of neutrophils to assess disease activity and early response to therapy in ulcerative colitis: a novel AI-driven model 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103658 PMID:41399473	研究论文	开发了一种基于AI的流程，用于自动检测、定位和量化中性粒细胞，以评估溃疡性结肠炎的组织学缓解和治疗反应	整合了两个深度学习模型，实现了对全玻片图像的区域分割和中性粒细胞的检测与量化，并确定了评估疾病活动性和治疗响应的最佳中性粒细胞密度阈值	研究基于特定临床试验和队列数据，可能需要在更广泛的人群中进行验证	开发AI驱动的流程，以自动化评估溃疡性结肠炎的组织学活动性和治疗响应	溃疡性结肠炎患者的全玻片图像	数字病理学	溃疡性结肠炎	全玻片图像分析	深度学习模型	图像	303张来自多中心临床试验的溃疡性结肠炎患者全玻片图像	NA	NA	DICE Sørensen系数, 精确度, 准确率, 灵敏度, 特异性	NA
1133	2025-12-18	LBNet: an optimized lightweight CNN for mammographic breast cancer classification with XAI-based interpretability 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31642-6 PMID:41402449	研究论文	本文提出了一种名为LBNet的轻量级可解释卷积神经网络，用于乳腺X线摄影图像的乳腺癌分类	提出了一种参数仅240万的轻量级CNN架构，在保持高精度的同时显著降低了计算复杂度，并集成了SHAP和Grad-CAM等XAI方法以增强模型的可解释性	未来研究可探索其在多视角乳腺X线摄影和实时临床部署中的应用	开发一种准确、高效且可解释的乳腺癌筛查解决方案，特别适用于资源受限的环境	乳腺X线摄影图像	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	RSNA数据集（具体数量未明确），并在CBIS-DDSM和MIAS外部数据集上验证	未明确指定	LBNet（包含5个卷积层，使用ReLU激活、批归一化和最大池化）	准确率, 精确率, 召回率	未明确指定
1134	2025-12-18	Deep learning-based seed variety classification: a case study in maize 2025-Dec-17, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07919-3 PMID:41402752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1135	2025-12-18	Deep Learning for Coronary Stenosis Detection in Heavily Calcified Plaques at Coronary CT Angiography: A Stepwise, Multicenter Study 2025-Dec-17, Radiology. Artificial intelligence DOI:10.1148/ryai.250109 PMID:41405428	研究论文	开发并验证了一种用于在冠状动脉CT血管造影中自动评估重度钙化斑块血管狭窄的深度学习模型	提出了一种专门针对重度钙化斑块的深度学习模型，并进行了多中心、分步骤的验证，包括模拟真实世界部署的前瞻性数据集评估	研究为回顾性设计，且模型性能在重度钙化（Agatston评分>300）的特定人群中评估	开发并验证一个深度学习模型，用于在冠状动脉CT血管造影中自动检测重度钙化斑块引起的冠状动脉狭窄	冠状动脉CT血管造影图像，特别是包含重度钙化斑块的血管	数字病理学	心血管疾病	冠状动脉CT血管造影，定量冠状动脉造影	深度学习模型	医学图像	开发集10,101例CCTA，外部测试集1包含442例CCTA，外部测试集2包含120例CCTA，外部测试集3包含150例前瞻性收集的CCTA	NA	NA	特异性，受试者工作特征曲线下面积，科恩卡帕系数	NA
1136	2025-12-18	A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI 2025-Dec-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12208-6 PMID:41405689	研究论文	本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌肿瘤进行风险分层	首次利用深度学习模型基于常规DCE MRI将NHG2肿瘤重新分类为NHG1样和NHG3样亚组，并证明这种分类与复发风险独立相关	研究使用了回顾性数据，且外部验证样本量较小（n=37），需要前瞻性研究进一步验证	开发一种基于MRI的深度学习工具，对中间风险（NHG2）乳腺癌进行更精确的风险分层，以指导个体化治疗决策	乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤	数字病理学	乳腺癌	动态对比增强MRI	CNN	MRI图像	训练集877例，外部验证集37例，NHG2肿瘤456例	NA	DeepRadGrade	AUC, C-index, 风险比	NA
1137	2025-12-18	Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study 2025-Dec-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12171-2 PMID:41405693	研究论文	本研究利用深度学习模型评估慢性腰痛患者脊柱旁肌肉脂肪分数，并探讨肌肉功能在肌肉退化与功能障碍之间的中介作用	首次将深度学习与Otsu阈值法结合，从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行验证	样本量相对有限，且为单中心研究，可能影响结果的普适性	评估深度学习模型在量化脊柱旁肌肉退化方面的准确性，并探索肌肉功能在肌肉退化与功能障碍关系中的中介作用	慢性腰痛患者和健康参与者的脊柱旁肌肉（多裂肌和竖脊肌）	数字病理学	慢性腰痛	3T MRI, Dixon MRI, 3D T2加权成像	深度学习模型	医学图像	96名慢性腰痛患者和86名健康参与者	NA	DL-Otsu阈值模型	Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析	NA
1138	2025-12-18	Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan 2025-Dec-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03803-x PMID:41405722	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1139	2025-12-18	An open bone marrow megakaryocyte dataset for automated morphologic studies 2025-Dec-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06450-2 PMID:41402328	研究论文	本文介绍了MK-11数据集，这是一个用于自动形态学研究的公开骨髓巨核细胞图像数据集，包含11个临床相关亚型的标注图像	首次提供了公开的巨核细胞亚型分类数据集，填补了高质量、开放许可数据在巨核细胞分类领域的空白	数据集规模相对有限（7,204张图像），且仅基于Wright-Giemsa染色图像，可能无法覆盖所有形态变异	开发并评估用于骨髓巨核细胞亚型自动形态学分类的深度学习模型	骨髓中的巨核细胞，特别是11个临床相关亚型	数字病理学	血液系统疾病	Wright-Giemsa染色	CNN, Transformer	图像	7,204张单细胞图像	NA	卷积神经网络, 基于Transformer的模型	NA	NA
1140	2025-12-18	SLEEPYLAND: trust begins with fair evaluation of automatic sleep staging models 2025-Dec-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02237-2 PMID:41402410	研究论文	本文介绍了SLEEPYLAND框架，一个用于自动睡眠分期模型公平评估的开源平台，包含大量多导睡眠图数据，并提出了SOMNUS集成模型以提升性能	提出了SLEEPYLAND开源框架，整合了约220,000小时域内和84,000小时域外多导睡眠图数据，并引入SOMNUS集成模型，通过软投票集成多个模型，在多个数据集上超越现有最佳模型和人类评分者	尽管SOMNUS提升了泛化能力，但未发现任何模型架构能一致地最小化人口统计学或临床偏倚	推动自动睡眠分期模型的公平评估和临床采用，解决泛化性差、模型偏倚和评估不一致的问题	多导睡眠图记录数据，涵盖不同年龄、睡眠障碍和硬件配置	机器学习	睡眠障碍	多导睡眠图记录	深度学习模型	多导睡眠图信号	约220,000小时域内数据和84,000小时域外数据，涉及24个数据集，包括Bern-Sleep-Wake-Registry（N=6633）	NA	集成模型（SOMNUS），具体架构未指定	macro-F1, ROC-AUC	NA