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
1261	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
1262	2025-12-18	Pixel Tampering: Does Face Redaction Harm Medical AI Performance? 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01776-0 PMID:41402615	研究论文	本研究评估了面部脱敏工具对深度学习模型在医学影像中性能的影响，并通过Kaggle竞赛验证了其有效性	开发了一个开源的面部脱敏工具，旨在增强数据共享安全性同时保持深度学习性能，并通过大规模竞赛验证了其在年龄预测任务中的效果	研究仅基于头部CT影像和年龄预测任务，可能无法推广到其他医学影像类型或临床任务	评估面部脱敏处理是否会影响深度学习模型在医学影像分析中的性能	头部CT影像及其对应的年龄预测任务	医学影像分析	NA	深度学习	深度学习模型	医学影像（头部CT）	训练集2377例，测试集148例，来自多个机构	NA	NA	平均绝对误差（MAE）	NA
1263	2025-12-18	Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01770-6 PMID:41402617	研究论文	本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力	提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法	研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态	提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性	乳腺X线图像及其对应的BIRADS分类	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	1003名患者（每人两张图像），共602个测试查询	未明确指定，但可能涉及TensorFlow或PyTorch	DenseNet121, ResNet50, VGG16	precision@10, 准确率, 统计显著性检验（t检验, Cohen's d）	未明确指定，但提及了计算成本降低
1264	2025-12-18	A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction 2025-Dec-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01788-w PMID:41402619	研究论文	本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性	采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性	数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力	开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策	肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征	计算机视觉	肺癌	CT成像	深度学习模型	图像, 结构化数据	来自台湾远东纪念医院的数据集，具体样本数量未明确说明	NA	多模态深度学习框架	准确率, 精确率, 灵敏度, F1分数, AUC	NA
1265	2025-12-18	Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model" 2025-Dec-16, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70208 PMID:41403056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1266	2025-12-18	Letter to the editor--Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study 2025-Dec-16, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004506 PMID:41405271	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1267	2025-12-18	Machine learning-guided optimization of iron-based catalysts toward minimal-resource and efficient peroxymonosulfate activation for hazardous organic pollutants degradation 2025-Dec-13, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140818 PMID:41401528	研究论文	本研究提出了一种新颖的双任务人工智能框架（DualAI-MCD），结合机器学习和多目标优化，用于预测设计和机理指导的铁基催化剂优化，以高效激活过氧单硫酸盐降解有机污染物	开发了首个集成回归（预测降解率）和分类（识别活性氧物种路径）任务的双任务AI框架，并采用混合优化算法平衡降解率最大化与催化剂和PMS用量最小化的冲突目标	研究基于3720条实验记录的数据集，可能未涵盖所有催化剂类型或反应条件，且深度学习模型性能不及机器学习模型	优化铁基催化剂设计，以实现资源最小化和高效的过氧单硫酸盐激活，用于降解有害有机污染物	铁基氧化物催化剂及其在过氧单硫酸盐激活降解有机污染物（如头孢菌素）中的应用	机器学习	NA	NA	LGBM, 机器学习模型, 深度学习模型	结构化实验数据	3720条实验记录	NA	NA	分类准确率, R²	NA
1268	2025-12-18	Stochastically evolving graphs via edit semigroups 2025-Dec-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2526595122 PMID:41296758	研究论文	本文通过半群谱理论研究宿主图中子图的随机演化过程，提出了一种基于编辑操作的随机游走模型	利用Tsetlin库和超平面排列的半群谱理论，为子图随机演化过程建立了特征值和特征向量的闭式解，并扩展至复合编辑操作	NA	构建一个通用的随机模型，用于从给定图中采样随机子图	宿主图中的子图演化过程	机器学习	NA	NA	随机游走模型	图数据	NA	NA	NA	收敛速率	NA
1269	2025-12-18	Integrated assessment of urban flooding and heat island interactions: A systematic review of geospatial technologies, machine learning approaches, and microclimate dynamics 2025-Dec, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.127984 PMID:41240637	综述	本文系统综述了地理空间技术、机器学习方法和微气候动力学在评估城市洪水与热岛效应相互作用中的应用	提出了一个统一的数据驱动框架来模拟复合灾害，并综合了最新的地理空间和基于AI的方法，强调了模型可解释性和物联网集成的关键差距	缺乏利用实时物联网数据并考虑城市形态和气候变异性的可扩展模型，且大多数先前研究分别考察热岛效应和洪水，忽略了微气候变化、城市形态、实时物联网集成和模型可迁移性	评估城市洪水与城市热岛效应之间的相互作用，以支持更具韧性和可持续性的城市规划	城市洪水与城市热岛效应	机器学习	NA	地理空间技术、机器学习方法	CNN, LSTM, Random Forest, Gradient Boosting, Transformer, GNN	地理空间数据、微气候变量数据	超过74项已报道的科学研究	NA	CNN-LSTM, Random Forest, Gradient Boosting, Transformer, GNN	RMSE, R, MAE	NA
1270	2025-12-18	The applicability of artificial intelligence in managing emergency patients: An umbrella review 2025-Dec, International emergency nursing IF:1.8Q2 DOI:10.1016/j.ienj.2025.101710 PMID:41242110	综述	本文通过伞状综述综合了人工智能在急诊患者管理中应用性的现有证据	首次通过伞状综述对急诊医学中多样化的AI应用进行全面综合，识别了四大关键影响领域及普遍存在的实施障碍	纳入的综述质量参差不齐，原始研究可能存在异质性，且未进行定量荟萃分析	综合评估人工智能在急诊患者管理中的适用性	急诊患者	机器学习	NA	NA	机器学习, 深度学习	NA	共纳入24篇符合条件的综述	NA	NA	NA	NA
1271	2025-12-18	Association Study on Multi-Timepoint DNA Methylation Levels of Serotonin Transporter Gene and Adolescent Psychological-Behavioral Development 2025-Dec, Neuropsychopharmacology reports IF:2.0Q3 DOI:10.1002/npr2.70081 PMID:41344989	研究论文	本研究探讨了青春期早期SLC6A4基因多时间点DNA甲基化水平与心理病理及行为集群的关联	首次在青春期早期至中期追踪了SLC6A4基因在三个发育时间点的甲基化水平	样本量较小（N=122），且仅基于日本东京青少年队列，需进一步研究环境与遗传因素的作用	调查SLC6A4基因多时间点DNA甲基化水平是否与青少年心理病理及行为集群相关	东京青少年队列（TTC）研究中的122名参与者，年龄为11、13和15岁	表观遗传学	青少年心理行为问题	亚硫酸氢盐焦磷酸测序	线性混合效应模型	DNA甲基化数据、问卷调查数据	122名参与者，在11、13和15岁三个时间点采集唾液样本	NA	NA	NA	NA
1272	2025-12-18	Predicting ncRNA-Protein interactions with a graph attention model exploiting personalized subgraphs 2025-Dec, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500192 PMID:41350235	研究论文	本文提出了一种基于图注意力模型和个性化子图选择框架的新方法，用于预测非编码RNA与蛋白质之间的相互作用	通过个性化子图选择框架提取每个相互作用周围最具信息量的子图，克服了传统图神经网络依赖固定跳数子图的限制，从而更全面地捕捉多样化的相互作用模式	未在摘要中明确提及具体局限性	预测非编码RNA与蛋白质之间的相互作用，以促进基因调控、疾病机制、靶向药物设计和生物标志物发现的研究	非编码RNA与蛋白质的相互作用	机器学习	NA	k-mer频率分析, node2vec嵌入	图注意力网络	图数据	NA	NA	GAT	NA	NA
1273	2025-12-18	Noninvasive prediction of photon fluence rate in targeted brain regions for personalized transcranial photobiomodulation dosage: model development and in silico evaluation 2025-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.570066 PMID:41394481	研究论文	本文提出了一种结合漫反射光谱与深度学习的非侵入性方法，用于预测经颅光生物调节中刺激光在目标脑区的能量流率	首次将组织层厚度纳入深度学习模型，显著提升了预测精度，无需依赖昂贵的磁共振成像即可实现个性化剂量优化	研究目前仅进行了计算机模拟评估，尚未进行临床验证	开发一种非侵入性方法，用于个性化预测经颅光生物调节中刺激光在目标脑区的能量流率	经颅光生物调节中的刺激光能量流率	生物医学工程	NA	漫反射光谱	深度学习	光谱数据	NA	NA	NA	预测误差	NA
1274	2025-12-18	Structural-prior guided and feature-enhanced transformer with masked image modeling pretraining for retinal layers and fluid segmentation in macular edema OCT images 2025-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.574769 PMID:41394497	研究论文	提出一种结合结构先验引导和特征增强的Transformer模型，用于黄斑水肿OCT图像中视网膜层和液体的分割	提出了SPFET-MIMP模型，结合了移位窗口多头自注意力与轴向注意力以增强上下文和多尺度特征提取，并设计了多类协同分割损失函数以融入视网膜层生理顺序和拓扑结构的先验知识	未明确说明模型在更广泛OCT设备或不同疾病阶段图像上的泛化能力，以及计算资源需求的具体分析	开发一种高精度的自动分割方法，用于黄斑水肿OCT图像中的视网膜层和液体，以辅助临床诊断	黄斑水肿患者的OCT B扫描图像	数字病理学	黄斑水肿	光学相干断层扫描	Transformer	图像	使用了AROI公共数据集和一个私有的糖尿病性黄斑水肿数据集，具体样本数量未在摘要中说明	未明确说明，但提及了SimMIM自监督预训练框架	结合了移位窗口多头自注意力和轴向注意力的Transformer架构	Dice系数	NA
1275	2025-12-18	Integrating machine learning models to assess the combined risk of diabetes and tuberculosis in populations 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.014 PMID:41402001	研究论文	本研究提出了一种整合机器学习模型的方法，用于评估人群中糖尿病和结核病的联合风险	采用多任务学习框架同时建模糖尿病和结核病的风险因素，并整合了多种机器学习模型及集成学习策略，以处理临床、人口统计学、实验室、影像学和社会经济等多源数据	面临数据异质性、人群层面信息不足以及AI驱动医疗评估可解释性需求等挑战	评估人群中糖尿病和结核病的联合风险，以支持早期诊断和预防性筛查	糖尿病和结核病共存的患者群体	机器学习	糖尿病, 结核病	NA	逻辑回归, 随机森林, XGBoost, 深度学习	临床数据, 人口统计学数据, 实验室数据, 影像学数据, 社会经济数据	NA	NA	NA	召回率, F1分数, 准确率, AUC-ROC	NA
1276	2025-12-18	Machine learning-based early detection of tuberculosis in asymptomatic high-risk populations 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.10.005 PMID:41402014	研究论文	本文提出了一种结合对比预训练与微调视觉Transformer的机器学习框架，用于在无症状高风险人群中早期检测结核病	提出CPT-TB框架，结合对比预训练与视觉Transformer，通过自注意力机制捕获全肺野的细微病理模式，相比传统CNN在准确率上有显著提升	研究依赖于公开数据集，样本量有限（4200张图像），且未在更广泛或多样化的临床环境中进行外部验证	开发一种可扩展、非侵入性的筛查方法，用于在资源有限环境中早期检测结核病，促进主动病例发现	无症状高风险人群（如家庭接触者、免疫功能低下者、拥挤环境居住者）的胸部X光图像	计算机视觉	结核病	胸部X光成像	Transformer	图像	4200张胸部X光图像（3500张正常，700张来自结核病患者）	PyTorch	Vision Transformer	AUC, 准确率, 灵敏度, 特异性	NA
1277	2025-12-18	Deep learning on genomic sequences for rapid identification of drug-resistant tuberculosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.020 PMID:41402010	研究论文	本研究开发并测试了基于深度学习的方法，用于从结核分枝杆菌的原始基因组序列中快速准确地预测耐药性	利用Transformer模型处理原始基因组序列，自动学习特征以预测耐药性，避免了传统方法中耗时的手动特征工程	研究主要基于公开可用的全基因组测序数据，未来需要整合更多类型的数据集以提高临床适用性	开发一种快速、准确的深度学习模型，用于识别结核分枝杆菌的耐药性，以应对全球公共卫生挑战	结核分枝杆菌（Mycobacterium tuberculosis）的基因组序列	机器学习	结核病	下一代测序（NGS）	Transformer, CNN, RNN	基因组序列	大规模公开可用的全基因组测序文件，具体数量未明确说明	未明确说明，可能包括TensorFlow, PyTorch等	Transformer, CNN, RNN	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确说明
1278	2025-12-18	Hybrid deep learning system combining radiological and clinical data for improved tuberculosis diagnosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.006 PMID:41402017	研究论文	本文提出了一种结合放射学和临床数据的混合深度学习系统，用于提高结核病的诊断准确性	提出了一种跨模态注意力模块，使图像标记能够关注临床标记，并通过对比预训练目标对齐来自同一患者的放射学和临床表示	未明确提及具体限制，但可能包括数据集的多样性和模型在资源有限环境中的泛化能力	提高结核病的诊断准确性和可解释性	结核病患者	计算机视觉	结核病	胸部X射线和计算机断层扫描	Transformer	图像, 表格数据	两个开放访问队列（TB Portals 和 Integrated Mycobacterial CT）	NA	Vision Transformer, Tabular Transformer	AUC, 准确率	NA
1279	2025-12-18	Deep learning for automated sputum smear microscopy in tuberculosis diagnosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.004 PMID:41402013	研究论文	本研究利用深度学习技术自动化结核病诊断中的痰涂片显微镜检查，通过训练卷积神经网络模型检测抗酸杆菌，旨在提高诊断效率和准确性	提出了一种基于深度学习的自动化痰涂片显微镜分析方法，使用自定义CNN、ResNet50和EfficientNetB0架构，并通过数据增强和类别不平衡处理优化模型性能，展示了EfficientNetB0在结核病诊断中的优越表现	模型尚未在临床工作流程中广泛验证，且数据主要来自特定实验室环境，可能受染色和光照变化影响，未来需在多样化地理区域进行测试	开发自动化结核病诊断方法，以替代传统手动显微镜检查，提高诊断速度和准确性，特别是在资源有限的环境中	痰涂片显微镜图像中的抗酸杆菌	计算机视觉	结核病	Ziehl-Neelsen染色显微镜检查	CNN	图像	8000张数字化显微镜图像	NA	自定义CNN, ResNet50, EfficientNetB0	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
1280	2025-12-18	PLMABFW: A deep learning framework for predicting Antibody-Antigen interactions using protein language model 2025-Dec, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500209 PMID:41403223	研究论文	本文提出了一种名为PLMABFW的深度学习框架，用于预测抗体-抗原相互作用，特别针对SARS-CoV-2中和抗体的识别	通过编码技术和网络架构设计区分同源抗原，结合预训练蛋白质语言模型ESM-2和AntiBERTy编码序列，并引入抗原特征及其转置版本以增强信息捕获	未明确说明框架在其他病毒或疾病类型中的泛化能力，且依赖于特定数据集进行验证	开发计算方法来预测抗体-抗原相互作用，以识别中和抗体，应对SARS-CoV-2变种挑战	SARS-CoV-2病毒的中和抗体及其与抗原的相互作用	机器学习	COVID-19	蛋白质语言模型，深度学习	深度学习框架	蛋白质序列数据	收集了SARS-CoV-2中和数据集，具体样本数量未明确说明	未明确指定，但代码在GitHub上可用	未指定具体架构，但基于预训练模型ESM-2和AntiBERTy	未明确列出，但通过对比现有工具（如AbAgIntPre、DeepAAI、HDOCK、LSTM-PHV）进行评估	NA