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
1141	2025-12-24	A Hybrid YOLOv8s+Swin-T Transformer Approach for Automated Caries Detection on Periapical Radiographs 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01763-5 PMID:41429949	研究论文	本研究提出了一种结合YOLOv8s与Swin-T Transformer的混合目标检测器，用于在根尖周X光片上自动检测龋齿	提出了一种新颖的混合目标检测架构，将YOLOv8s骨干网络与Swin-T Transformer集成，通过其分层注意力机制改进了特征提取，在空间理解和上下文感知方面优于基于CNN的模型	模型仅在单一机构（Sibar牙科学院）收集的1887张X光片上进行训练和评估，其在不同数据集上的泛化能力和鲁棒性尚未得到广泛验证	自动化检测根尖周X光片中的龋齿，为AI辅助诊断提供可靠工具	根尖周X光片中的龋齿病变	计算机视觉	龋齿	深度学习，目标检测	CNN, Transformer	图像（X光片）	1887张来自Sibar牙科学院（Guntur）的根尖周X光片	PyTorch	YOLOv8s, Swin-T, Faster R-CNN, ResNet-50-FPNv2	精确率，召回率，F1分数，mAP@0.5	NA
1142	2025-12-24	Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01786-y PMID:41429948	研究论文	本研究评估了基于深度学习的计算机辅助检测（AI-CAD）软件在自动乳腺超声（ABUS）中用于乳腺癌检测的诊断性能和临床实用性	首次在ABUS中评估AI-CAD对不同经验水平放射科医生的诊断性能提升效果，特别是发现AI-CAD对经验较少的医生提升最显著	回顾性研究，样本量较小（114名女性），仅评估了三位放射科医生，可能无法推广到所有临床环境	评估AI-CAD软件在自动乳腺超声中辅助乳腺癌检测的有效性	接受自动乳腺超声检查的114名女性（228个乳房），其中28名被诊断为乳腺癌	计算机视觉	乳腺癌	自动乳腺超声（ABUS）	深度学习	超声图像	114名女性（228个乳房），其中28例乳腺癌	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC, 阅读时间, 观察者间一致性	NA
1143	2025-12-24	Fusion of machine learning models using fuzzy comprehensive evaluation for thymoma risk prediction: a multicenter analysis 2025-Dec-22, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02493-7 PMID:41430016	研究论文	本研究提出了一种基于模糊综合评价的融合模型（FCE-FM），用于预测胸腺瘤的风险	提出了一种融合五种基础分类模型（逻辑回归、支持向量机、XGBoost、LightGBM、GBDT）的模糊综合评价融合模型（FCE-FM），并整合了模糊综合评价（FCE）、层次分析法（AHP）和三角隶属函数技术，用于胸腺瘤风险预测	NA	开发一个用于胸腺瘤早期风险评估的可靠工具，以改善患者预后	胸腺瘤患者	机器学习	胸腺瘤	放射组学特征提取，深度学习特征提取	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, GBDT	人口统计学数据，放射组学特征，深度学习特征（横断面、矢状面、冠状面）	286名来自两个中心的胸腺瘤患者（训练集196例，内部测试集50例，外部测试集40例）	NA	FCE-FM（模糊综合评价融合模型）	AUC, 准确率	NA
1144	2025-12-24	Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004584 PMID:41417975	研究论文	本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层	提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，显著提升了生化复发预测和风险分层的性能	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（T2WI, ADC, DWI, CE-T1WI）	深度学习模型	医学图像	923名前列腺癌患者（来自5个三级医疗中心，共10153张图像）	PyTorch	Transformer, ResNet18	AUC, 时间依赖性AUC, 决策曲线分析, 校准曲线	NA
1145	2025-12-24	Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7899 PMID:41410332	研究论文	本文提出了一种基于人工智能的自动化技术，用于在组织学切片中分类HER2过表达细胞	利用深度学习技术和视觉Transformer模型通过迁移学习，实现了对HER2表达的自动分类，减少了诊断变异性和提高了客观性	需要进一步优化处理效率以扩大应用范围	开发一种自动化技术来分类乳腺癌组织中的HER2过表达细胞	来自89名患者的乳腺癌组织学切片样本，覆盖所有四种HER2表达水平	数字病理学	乳腺癌	组织学分析	深度学习, 神经网络, 视觉Transformer	图像	89名患者的样本	NA	ViT-B/16	准确率	NA
1146	2025-12-24	[Deep learning-based endoscopic diagnosis of nasopharyngeal carcinoma: model development and cloud deployment] 2025-Dec-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20250627-00336 PMID:41372061	研究论文	本研究开发了一种基于白光成像和窄带成像内镜图像的深度学习辅助诊断模型，用于鼻咽癌诊断，并探索了其在远程诊断系统中的临床应用潜力	首次将深度学习与鼻内镜图像分析相结合，开发了针对鼻咽癌的AI辅助诊断模型，并构建了原型云诊断平台，为资源有限地区提供了早期筛查解决方案	研究为回顾性设计，样本主要来自单一医疗中心，未来需要多中心前瞻性研究进一步验证模型的泛化能力和临床实用性	开发基于内镜图像的鼻咽癌AI辅助诊断模型，并探索其在远程医疗系统中的应用	鼻咽癌患者的白光成像和窄带成像内镜图像	计算机视觉	鼻咽癌	白光成像, 窄带成像	CNN	图像	1262名受试者，包含9370张WLI图像和5558张NBI图像	未明确说明	InceptionResNetV2	准确率, AUC	NA
1147	2025-12-24	Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13397-1 PMID:41283977	综述	本文综述了人工智能在血管外科中如何革新动脉愈合、重塑和预测分析的应用	整合了机器学习、深度学习算法以及计算流体动力学模拟，为血管手术的精准医疗和个性化治疗提供了前所未有的见解	需要高质量标注数据集、算法可解释性问题以及数据隐私的伦理担忧	探讨人工智能在血管外科中提升动脉愈合、重塑和预测分析的应用与潜力	动脉愈合、重塑过程及血管手术相关预测分析	机器学习	心血管疾病	超声、MRI分析、计算流体动力学模拟	CNN, RNN	图像、生物传感器数据	NA	NA	卷积神经网络、循环神经网络	NA	NA
1148	2025-12-24	Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13491-5 PMID:41283980	综述	本文综述了基于人工智能的决策支持系统在血管外科中的应用、潜力及挑战	系统性地探讨了AI-DSS在血管外科从影像分析到术后预测的全流程应用，并强调了数字孪生、可穿戴监测等新兴概念，同时深入分析了伦理、法律及实施障碍	许多模型仍是“黑箱”，存在可解释性、泛化性以及与电子记录集成方面的挑战，且高开发成本和不确定的报销政策限制了实际应用	评估AI-DSS在血管外科临床实践中的作用、应用前景及面临的障碍	基于人工智能的决策支持系统及其在血管外科领域的应用	数字病理学	心血管疾病	深度学习	NA	影像数据、生物力学模型数据、生物标志物数据	NA	NA	NA	准确率	NA
1149	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Dec, Neuroscience informatics DOI:10.1016/j.neuri.2025.100240 PMID:41393096	研究论文	本研究提出了一种基于功率-功率跨频耦合的新方法，用于检测和分析颞叶癫痫发作，并利用深度学习网络进行特征提取和分类	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并识别了三种常见癫痫发作组件的独特耦合特征	研究仅针对颞叶癫痫，样本量相对较小（26名患者），且依赖于特定的颅内脑电图数据库	评估功率-功率跨频耦合方法在癫痫发作检测中的能力，并分析不同癫痫发作组件的耦合特征	颞叶癫痫患者的颅内脑电图记录，包括120次癫痫发作和背景活动片段	机器学习	癫痫	颅内脑电图	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作	EEGLAB	堆叠稀疏自编码器, 长短期记忆网络	灵敏度, 特异性, 准确率	NA
1150	2025-12-24	Volumetric Compensation After Anatomical Lung Resection: Comparative Analysis of Lobectomy and Segmentectomy 2025-Dec-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezaf428 PMID:41410522	研究论文	比较肺癌患者肺叶切除术与肺段切除术后肺功能及体积代偿的差异	利用深度学习辅助的3D肺分割技术计算肺体积，首次系统比较了肺叶切除与肺段切除术后对侧肺体积代偿及肺功能保留的差异	回顾性研究，可能存在选择偏倚；样本量有限，特别是肺段切除组；未考虑长期功能变化	比较肺癌患者接受肺叶切除术与肺段切除术后的肺功能及肺体积代偿情况	2019年至2021年间接受初次肺癌手术的患者	数字病理学	肺癌	薄层计算机断层扫描，深度学习辅助3D肺分割	深度学习模型	医学影像	1076名患者（匹配后567名：378名肺叶切除，189名肺段切除）	NA	NA	肺功能测试值（用力肺活量、第一秒用力呼气容积、一氧化碳弥散量），肺体积测量	NA
1151	2025-12-24	A physics-informed deep learning model for MRI brain motion correction 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70197 PMID:41395855	研究论文	本研究提出了一种名为PI-MoCoNet的物理信息深度学习方法，用于校正高分辨率脑部MRI图像中的运动伪影	提出了一种新颖的物理信息运动校正网络，该网络利用空间域和k空间域的互补信息，无需显式运动参数估计即可鲁棒地去除运动伪影	未在真实临床环境中进行大规模验证，运动伪影是通过模拟随机刚性变换生成的	开发并评估一种用于MRI脑部图像运动校正的深度学习模型，以提高图像质量和诊断可靠性	高分辨率脑部MRI图像	计算机视觉	NA	磁共振成像	CNN, Transformer	图像	两个公共数据集（IXI和MR-ART）	PyTorch	U-Net, Swin Transformer	峰值信噪比, 结构相似性指数, 归一化均方误差	NA
1152	2025-12-23	Deep Learning vs Classical Methods in Potency and ADME Prediction: Insights from a Computational Blind Challenge 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01982 PMID:41325513	研究论文	本文通过回顾性分析2025年ASAP-Polaris-OpenADMET抗病毒挑战赛的建模策略，比较了深度学习和经典方法在化合物效力和ADME预测中的性能	通过大规模盲法挑战赛的统计基准测试，首次系统性地证明深度学习在ADME预测上显著优于传统机器学习，而经典方法在效力预测中仍具竞争力	当前研究尚未整合结构引导建模，未来需要进一步探索多模态数据的融合	评估深度学习和经典方法在药物发现中化合物效力和ADME预测的性能差异	化合物效力和ADME（吸收、分布、代谢、排泄）特性	机器学习	NA	NA	深度学习, 传统机器学习	化学化合物数据	来自全球65个以上团队的挑战赛数据集	NA	NA	Pearson相关系数, pIC预测排名, ADME聚合排名	NA
1153	2025-12-23	ProSECFPs: A Novel Fingerprint-Based Protein Representation Method for Missense Mutation Pathogenicity Prediction 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02437 PMID:41340413	研究论文	本文提出了一种基于指纹的蛋白质表示方法ProSECFPs，用于预测错义突变的致病性	提出了一种受化学信息学中扩展连接指纹启发的蛋白质序列表示新方法，能有效捕捉蛋白质的复杂理化特性和序列细节	NA	开发一种高效、可扩展且信息丰富的蛋白质序列表示方法，以预测错义突变的致病性	蛋白质序列及其错义突变	生物信息学	NA	蛋白质序列表示方法	机器学习, 深度学习	蛋白质序列数据	NA	NA	NA	准确率	NA
1154	2025-12-23	BioFusionDTI: Assimilating Graph and Sequence Modalities for Generalizable Drug-Target Interaction Prediction 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02283 PMID:41364795	研究论文	本文提出了一种名为BioFusionDTI的多模态深度学习框架，用于预测药物-靶点相互作用，该框架融合了图结构和序列信息以提高预测的泛化能力和可解释性	提出了一种结合图卷积网络和卷积神经网络的多模态融合框架，并引入双线性注意力网络来捕获细粒度的跨模态交互，从而在冷启动场景下实现更好的泛化性能和可解释性	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算效率方面的具体分析	开发一个能够准确预测药物-靶点相互作用的深度学习模型，以支持药物发现和重定位	药物分子和蛋白质靶点	机器学习	NA	深度学习	GCN, CNN, BAN	图数据, 序列嵌入	三个基准数据集（SNAP、DRH、Kinase）	PyTorch	图卷积网络, 卷积神经网络, 双线性注意力网络	准确性	NA
1155	2025-12-23	Towards trustworthy AI in radiotherapy: a comprehensive review of uncertainty-aware techniques 2025-Dec-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2a9f PMID:41365073	综述	本文对2020年至2025年间应用于放射治疗（RT）领域的不确定性量化（UQ）技术进行了全面的回顾与分析	提出了UQ技术的结构化分类，评估了其对临床工作流程的影响，并强调了新兴趋势，旨在弥合技术进步与临床部署之间的差距	需要进一步努力来标准化评估协议、提高计算效率，并为临床集成开发用户友好的界面	回顾和评估不确定性量化技术在放射治疗AI模型中的应用，以提高其可靠性、可解释性和临床适用性	应用于放射治疗任务（如分割、图像配准、合成图像生成、剂量预测和剂量累积）的AI模型	医学图像分析	NA	不确定性量化	贝叶斯神经网络, Monte Carlo Dropout, 集成学习	医学图像	NA	NA	NA	NA	NA
1156	2025-12-23	Fast zero-shot deep learning-based denoising method for low-field MR images 2025-Dec-22, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01311-w PMID:41428276	研究论文	本文提出了一种基于深度学习的快速零样本去噪方法，专门用于低场磁共振图像，以提升图像质量并加速训练过程	扩展了零样本噪声即干净方法，通过修改训练过程实现更快的训练时间，并探索了基于部分数据训练以进一步加速的策略	未明确提及方法在极端噪声水平或不同低场设备间的泛化能力限制	开发一种适用于低场磁共振图像的快速去噪方法，以改善临床诊断图像质量并保持患者友好的扫描时间	低场磁共振图像（特别是0.1 T数据）	计算机视觉	NA	磁共振成像	深度学习	图像	未明确指定样本数量，但涉及高场和低场（0.1 T）磁共振数据	未明确指定，但代码发布于GitHub	未明确指定具体架构	定量评估（基于高信噪比图像）和定性评估	GPU
1157	2025-12-23	Multi-omics driven computational framework for cancer molecular subtype classification 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32051-5 PMID:41413182	研究论文	本研究通过比较分析35种AI分类器在153个数据集上的性能，探讨了癌症分子亚型分类中的关键问题，包括最佳数据集配置、组学模态性能、模型选择等	首次系统比较了多种AI分类器在多种组学模态和癌症类型中的性能，并回答了六个关键研究问题，为标准化AI驱动流程提供了指导	研究可能受限于数据集的质量和多样性，且未涵盖所有可能的组学模态或癌症类型	旨在提高癌症分子亚型分类AI方法的可比性、可重复性和泛化性，推动精准肿瘤学发展	35种AI分类器在153个数据集上的性能，涵盖8种组学模态和20种癌症	机器学习	癌症	多组学分析，包括RNASeq、miRNA、CNV、Exon、Meth、Array、SNP、RPPA	传统机器学习模型（如SVM、XGB、HGB）和深度学习模型（如ResNet18、CNN、NN、MLP）	多组学数据	153个数据集，涵盖20种癌症	NA	ResNet18, CNN, NN, MLP, SVM, XGB, HGB, DEEPGENE	宏准确率（MACC）	NA
1158	2025-12-23	Advances in machine learning-enhanced microfluidic cell sorting 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea6007 PMID:41417905	综述	本文综述了机器学习增强微流控细胞分选技术的最新进展，探讨了其在肿瘤细胞分离、单细胞分析和生物标志物检测中的应用	整合了微流控技术与机器学习（特别是计算机视觉和深度学习），实现了自动化特征提取、模式识别和实时分类，从而提高了分选精度和诊断速度	模型泛化能力和硬件-软件集成方面仍存在挑战	探讨微流控技术与机器学习在细胞分选中的协同作用，以推动精准医疗的发展	微流控细胞分选系统及其产生的成像数据	计算机视觉, 机器学习	肿瘤	微流控技术	深度学习	图像数据	NA	NA	NA	诊断敏感性, 分析通量	NA
1159	2025-12-23	Deep learning-driven conversion of scanning superlens microscopy to high depth-of-field SEM-like imaging 2025-Dec-19, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-025-01060-9 PMID:41419453	研究论文	本文提出一种基于深度学习的图像转换方法，将光学超分辨率显微镜图像转换为类似扫描电子显微镜的高分辨率图像，特别针对芯片样本进行优化	利用CycleGAN模型将无需真空或导电涂层的扫描超透镜显微镜图像转换为SEM样图像，同时保持纳米级分辨率并扩展有效景深至约2微米	方法主要针对芯片样本进行优化，可能在其他类型样本上的泛化能力未经验证	开发一种能够替代传统SEM成像的技术，克服其真空环境和样本涂层要求，同时保持高分辨率	硅晶圆芯片样本	计算机视觉	NA	扫描超透镜显微镜，Z-stack扫描	GAN	图像	未明确指定样本数量，但使用了配对的OSR和SEM图像进行训练	未明确指定，但基于CycleGAN架构	CycleGAN	峰值信噪比	NA
1160	2025-12-23	Continuous-time air pollutant forecasting using multi-timescale attention neural ordinary differential equations (MA-NODE) 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27903-z PMID:41419495	研究论文	本文提出了一种新颖的多时间尺度注意力神经常微分方程框架，用于多步空气污染物预测	首次将神经常微分方程应用于多步空气污染预测，通过连续时间建模减少多步离散化误差，并引入多时间尺度分解和注意力机制以捕捉不同的时间行为	未明确提及模型的计算复杂度或在大规模部署中的实际限制	开发一种能够准确预测空气污染物浓度的连续时间深度学习模型，以支持环境管理和公共卫生决策	空气污染物（PM2.5、O3、NO2、SO2、CO、PM10）	机器学习	NA	NA	Neural ODE, 注意力机制	时间序列数据（站点观测数据）	NA	NA	Multi-timescale Attention Neural ODE	R², MAE, RMSE, 95%区间覆盖率	NA