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
1601	2025-12-09	DeepPartitioning: Deep Learning of Graph Partitioning for Neuron Segmentation From Electron Microscopy Volume via Graph Neural Network 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3581433 PMID:40536855	研究论文	本文提出了一种基于深度学习的图划分方法DeepPartitioning，用于电子显微镜体积中的神经元分割，通过图神经网络实现端到端的超像素聚合	通过引入线图神经网络（LGNN）来捕获区域邻接图中的高阶关系结构，将图划分任务隐式转化为二阶多割问题，避免了传统方法因模型容量不足导致的建模误差	未在摘要中明确提及	开发一种端到端的超像素聚合方法，以改进电子显微镜体积中的神经元分割	电子显微镜体积中的神经元分割任务	计算机视觉	NA	电子显微镜成像	图神经网络	图像体积	三个公共电子显微镜数据集	NA	线图神经网络	NA	NA
1602	2025-12-09	Transforming Vitiligo Diagnosis and Treatment Through Artificial Intelligence: A Review 2025-Dec, Scandinavian journal of immunology IF:4.1Q2 DOI:10.1111/sji.70076 PMID:41354974	综述	本文综述了人工智能（AI）在白癜风诊断与治疗中的当前应用、最新进展及面临的挑战	系统性地总结了AI在白癜风领域的应用，包括超越皮肤科医生准确率的诊断工具、基于Transformer的图像分类器、以及用于药物重定位的预测模型，并指出了该领域未来的发展方向	面临数据集规模小、多样性不足（尤其是深色皮肤样本缺乏）、模型可解释性差、伦理问题（患者隐私、数据所有权、诊断错误责任）以及临床工作流整合困难等挑战	探讨人工智能技术如何变革白癜风的诊断与治疗，并分析其临床应用的潜力与障碍	白癜风（一种皮肤自身免疫性疾病）	数字病理学	白癜风	机器学习（ML）、深度学习（DL）、基因表达分析、蛋白质相互作用分析、药理学网络分析	深度学习神经网络、Transformer	图像、基因表达数据、蛋白质相互作用数据、药理学网络数据	NA	NA	深度神经网络、Transformer	准确率	NA
1603	2025-12-09	Artificial Intelligence in Action: A Comprehensive Review on Machine and Deep Learning Methods in Sjögren's Syndrome Diagnosis 2025-Dec, International journal of rheumatic diseases IF:2.4Q2 DOI:10.1111/1756-185x.70495 PMID:41355043	综述	本文全面回顾了人工智能，特别是机器学习和深度学习方法，在提高干燥综合征诊断准确性方面的应用	系统性地整合了AI在干燥综合征多种诊断模式（包括组织病理学、影像学、光谱学、基因组学、代谢组学和电子健康记录）中的应用，并强调了其统一多源数据、实现快速、客观和个性化诊断的潜力	本文为综述性文章，未报告原始研究的具体局限性，但文中提及的AI方法在资源有限环境中的应用潜力仍需进一步验证	探讨人工智能技术在干燥综合征诊断领域的应用现状、进展和潜力	干燥综合征的诊断方法及相关数据	机器学习	干燥综合征	组织病理学分析、唾液腺超声、计算机断层扫描、拉曼光谱、舌成像、基因组学分析、代谢组学分析、电子健康记录分析	机器学习分类器, 深度学习模型	组织病理学图像、医学影像、光谱数据、舌图像、基因组数据、代谢组数据、电子健康记录文本	NA	NA	NA	NA	NA
1604	2025-12-08	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2025-Dec-07, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学的整合如何革新药物设计、靶向递送和个性化治疗	利用深度学习、强化学习和图神经网络等AI技术，结合纳米载体系统，显著提升了药代动力学预测的准确性和药物开发效率	面临数据标准化、算法透明度和监管合规性等挑战，缺乏统一且灵活的框架以适应快速技术发展	探索人工智能在纳米医学中的应用，以优化药物设计、预测建模和个性化治疗	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关药物开发过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
1605	2025-12-08	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2025-Dec-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中基于患者层面与椎体层面方法的性能差异	首次在椎体骨折检测领域区分患者层面与椎体层面的深度学习算法，并量化了关键技术和方法学因素的影响	研究中存在患者选择偏倚风险，61%的研究被识别出高偏倚风险，且方法学质量在不同研究间存在差异	评估深度学习算法在椎体骨折检测中的性能，并指导任务特异性临床应用和标准化报告	椎体骨折检测的深度学习算法研究	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	灵敏度, 特异度, AUC	NA
1606	2025-12-08	Characterization of error-related potentials during the command of a lower-limb exoskeleton based on deep learning 2025-Dec-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01833-3 PMID:41353180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1607	2025-12-08	A foundation model for rock thin-section images analysis 2025-Dec-06, Communications engineering DOI:10.1038/s44172-025-00565-5 PMID:41353266	研究论文	本文介绍了RoImAI，一个专门用于岩石薄片显微镜图像分析的视觉基础模型，旨在实现快速、精确的岩石分割、识别和岩性报告生成	提出了首个针对岩石薄片显微镜图像设计的视觉基础模型，利用Transformer技术实现高精度分割，并采用分层分类策略准确识别岩石颗粒，在效率和准确性上超越人类专家	NA	开发一个自动化、高效的岩石薄片图像分析模型，以替代传统依赖专家视觉检查的主观、耗时方法	岩石薄片显微镜图像	计算机视觉	NA	显微镜成像	Transformer	图像	30,336张图像，包含来自17个不同地区的大约两百万个岩石颗粒	NA	Transformer	效率, 准确性	NA
1608	2025-12-08	Reproducibility of digital pathology features extracted from deep learning and foundational AI models on sequential tissue slides 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30947-w PMID:41353287	研究论文	本研究评估了从正常前列腺组织连续切片中提取的深度学习特征和基础AI模型特征的可重复性	首次系统评估了深度学习模型和基础模型在相同组织连续切片上提取特征的可重复性，并量化了切片物理距离对特征变异性的影响	研究仅针对50例正常前列腺样本，未涉及病变组织；仅评估了特定DL模型和FMs，未涵盖所有可用模型	评估数字病理学中深度学习特征提取在组织连续切片上的可重复性	50例独立正常前列腺组织样本的连续切片	数字病理学	前列腺癌	苏木精-伊红染色，组织切片	深度学习模型，基础AI模型	数字病理图像	50例正常前列腺样本，每个样本3个连续切片	NA	NA	组内相关系数，最大均值差异，Wasserstein距离	NA
1609	2025-12-08	Multi-MoleScale: a multi-scale approach for molecular property prediction with graph contrastive and sequence learning 2025-Dec-06, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01126-w PMID:41353381	研究论文	本文提出了一种名为Multi-MoleScale的多尺度框架，通过结合图对比学习和序列模型来预测分子性质	提出了一种新颖的多尺度框架，首次将图对比学习与BERT等序列模型结合，以同时捕获分子的结构特征和上下文关系，无需手工特征	未在摘要中明确说明	提高分子性质预测的准确性，解决分子图结构与序列信息融合的挑战	分子	机器学习	乳腺癌	图对比学习，序列学习	GCL, BERT	分子图，分子序列	12个分子性质数据集、ADMET数据集和14个乳腺癌细胞系数据集	NA	BERT	NA	NA
1610	2025-12-08	A novel two-stage deep learning approach for lung cancer using enhanced ResNet50 segmentation and LungSwarmNet classification 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31000-6 PMID:41353462	研究论文	本文提出了一种基于增强ResNet50分割和LungSwarmNet分类的两阶段深度学习模型，用于从肺部CT图像中检测肺癌	提出了一种名为LungSwarmNet的新型深度神经网络架构，该架构将DenseNet201与粒子群优化算法相结合，并采用两阶段方法（先分割后分类）进行肺癌检测	未在摘要中明确说明	开发一种高精度的深度学习模型，用于从肺部CT扫描图像中早期检测和分类肺癌	肺部CT扫描图像	计算机视觉	肺癌	计算机断层扫描	CNN	图像	NA	NA	ResNet50, DenseNet201	准确率	NA
1611	2025-12-08	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2025-Dec-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提高心脏MRI规划的效率和准确性	开发了一个全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化	研究为回顾性设计，可能受到数据选择偏差的影响，且仅评估了特定患者群体	评估深度学习框架在心脏MRI规划中的效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差异	NA
1612	2025-12-08	Improving the performance of daily pan evaporation (Evp) prediction using the ensemble empirical mode decomposition combined with deep learning models 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27255-8 PMID:41345149	研究论文	本研究提出了一种结合集合经验模态分解与深度学习模型来预测日蒸发皿蒸发量的新方法	首次将集合经验模态分解与长短期记忆网络和卷积神经网络结合，用于蒸发量预测，并通过分解输入变量为固有模态函数来简化复杂模式	研究仅针对伊朗东北部Kardeh Dam流域，模型在其他气候区域的普适性有待验证	提高日蒸发皿蒸发量的预测精度，以支持水资源管理和节水决策	蒸发皿蒸发量	机器学习	NA	集合经验模态分解	LSTM, CNN	时间序列数据	NA	NA	LSTM, CNN	RMSE, MAE, SI	NA
1613	2025-12-08	Durability and service life prediction of fly ash based geopolymer high performance concrete under extreme environmental conditions 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27229-w PMID:41345153	研究论文	本研究开发了一个基于物理信息与深度学习的集成框架，用于预测粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性与剩余使用寿命	提出了一个结合Transformer物理信息神经网络、时空图神经网络、深度强化学习混合优化、超图自监督学习和扩散概率模型的综合框架，实现了多尺度、多机制退化建模与不确定性量化	未在论文摘要中明确说明	提升粉煤灰基地质聚合物高性能混凝土在极端环境下的耐久性预测精度与使用寿命评估	粉煤灰基地质聚合物高性能混凝土	机器学习	NA	深度学习	Transformer, 图神经网络, 深度强化学习, 自监督学习, 扩散概率模型	混凝土性能数据、裂纹传播时空数据、材料微观结构数据	未在摘要中明确说明	未在摘要中明确说明	Transformer Based Physics Informed Neural Network (TPINN), Spatiotemporal Graph Neural Networks (ST-GNN), Deep Reinforcement Learning Based Mix Optimization (DRL MO), Hypergraph Self Supervised Learning (HSSL), Diffusion Probabilistic Model for Uncertainty Quantification (DPM-UQ)	预测准确性、可解释性、数据需求降低程度	未在摘要中明确说明
1614	2025-12-08	A deep learning framework for predicting aircraft trajectories from sparse satellite observations 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27064-z PMID:41345157	研究论文	本文提出了一种名为HiFormer的深度学习框架，用于从稀疏卫星观测中预测飞机轨迹	HiFormer框架首次将卷积、循环和注意力序列建模集成于统一架构，以单次前向过程捕捉短、中、长期运动依赖，并构建了大规模合成轨迹数据集	未明确提及模型在极端天气或复杂空域环境下的泛化能力	开发一种能够从稀疏卫星观测中可靠预测飞机轨迹的深度学习框架	飞机轨迹数据，包括合成轨迹和真实ADS-B飞行片段	机器学习	NA	卫星光学传感器观测，ADS-B数据	深度学习框架（集成卷积、循环和注意力机制）	轨迹数据（合成与真实飞行数据）	12,000条合成轨迹和1,000段真实ADS-B飞行片段	未明确指定，可能为PyTorch或TensorFlow	HiFormer（自定义集成架构）	多步预测误差降低百分比（合成数据30%，真实数据10%）	NA
1615	2025-12-08	MedShieldFL-a privacy-preserving hybrid federated learning framework for intelligent healthcare systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27303-3 PMID:41345162	研究论文	本文提出了一种名为MedShieldFL的混合隐私保护联邦学习框架，用于医疗系统中的安全去中心化脑肿瘤分类	结合了同态加密和数据增强技术，在保护患者数据隐私的同时处理类别不平衡问题，相比传统联邦学习模型性能提升约2%	未明确说明框架在更大规模医疗机构的扩展性，也未讨论不同加密级别对计算效率的具体影响	开发一个隐私保护的联邦学习框架，以解决医疗数据共享中的隐私和安全问题	脑肿瘤医学图像	计算机视觉	脑肿瘤	数据增强，同态加密	CNN	图像	NA	NA	ResNet-18	准确率	NA
1616	2025-12-08	Wave masking enhances electrocardiogram reconstruction with linear regression 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27196-2 PMID:41345416	研究论文	本研究提出了一种名为波掩蔽的新型预处理技术，用于增强基于线性回归的心电图重建性能，并与深度学习方法进行了比较	将图像识别中的掩蔽技术适应到心电图时间序列信号中，以突出对重建最相关的关键部分，从而显著提升线性回归模型的性能	波掩蔽技术虽能提升线性回归性能，但未超越深度学习方法，且研究仅基于正常心电图记录，未整合到深度学习模型或多样本人口记录中进行全面探索	提高心电图重建的准确性和效率，通过预处理技术优化信号处理流程	心电图信号，特别是从减少或替代导联集中合成导联	机器学习	心血管疾病	波掩蔽预处理技术	线性回归, 深度学习模型	时间序列信号（心电图）	10,000条正常心电图记录，来自CODE-15%数据库	NA	NA	平均相关系数	NA
1617	2025-12-08	Uncertainty quantification enables reliable deep learning for protein-ligand binding affinity prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27167-7 PMID:41345415	研究论文	本文系统比较了五种不确定性量化方法在蛋白质-配体结合亲和力预测中的应用，并发现贝叶斯反向传播方法结合前馈神经网络能提供优异的预测性能和可靠的不确定性估计	首次在蛋白质-配体结合亲和力预测领域应用贝叶斯反向传播方法进行不确定性量化，该方法在无需额外校准的情况下表现出优异的校准性能	NA	提高深度学习模型在蛋白质-配体结合亲和力预测中的泛化能力和预测可靠性	蛋白质-配体复合物	机器学习	NA	深度学习	前馈神经网络	分子特征数据	基于Leak-Proof PDBBind数据集，并在多个外部测试集上进行评估	NA	前馈神经网络	校准性能, 多个评估指标	NA
1618	2025-12-08	Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information : Of frequency domain information 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27332-y PMID:41345479	研究论文	本文提出了一种结合地质约束和频域信息滤波的卷积深度学习算法，用于识别多元素地球化学异常	开发了一种新颖的地质约束卷积深度学习算法，通过频域数据训练和Butterworth滤波增强特征提取能力，解决了传统2D CNN在多元素地球化学异常映射中的局限性	算法在特定区域（伊朗Robat Sefid地区）进行验证，可能在其他地质环境中的泛化能力未充分评估	高效检测与矿床相关的多元素地球化学异常	多元素地球化学数据表	机器学习	NA	地球化学分析	CNN	表格数据	NA	NA	一维卷积神经网络	成功率曲线	NA
1619	2025-12-08	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	本研究利用双时间点CT扫描和基础模型提取的特征来预测非小细胞肺癌患者的生存期	结合双时间点CT扫描的时间变化特征与基础模型，相比单时间点特征和临床数据，提高了生存预测的准确性	样本量较小（仅102名患者），且仅限于接受放射治疗的NSCLC患者，可能限制模型的泛化能力	预测非小细胞肺癌患者的生存期	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	随机森林, 梯度提升生存模型	图像	102名接受放射治疗的非小细胞肺癌患者，每人包含治疗前和治疗后CT扫描	NA	基础模型（具体架构未指定）	NA	NA
1620	2025-12-08	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统总结了基于人工智能（AI）的跨癌种新辅助免疫治疗（NIT）反应预测模型，包括间接和直接预测范式，并基于数据模态（如影像组学、病理组学、基因组学、多组学）对现有模型进行了分类	首次对跨癌种的AI驱动NIT反应预测方法进行了全面、系统的回顾，并提出了间接与直接预测范式的分类框架，以及基于多模态数据的模型分类	现有预测模型仍面临基于生物标志物和AI技术本身的重大挑战，如肿瘤异质性、数据可解释性、模型泛化能力等	总结和评估现有AI方法在预测新辅助免疫治疗反应方面的应用，以指导未来研究并推动AI在精准免疫治疗中的整合	跨多种癌症类型的新辅助免疫治疗（NIT）反应预测	机器学习	泛癌种	NA	机器学习（ML）, 深度学习（DL）	高维多模态肿瘤数据（如影像、病理、基因组学、多组学数据）	NA	NA	NA	NA	NA