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
201	2025-12-14	Vision Transformers in Medical Imaging: a Comprehensive Review of Advancements and Applications Across Multiple Diseases 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01481-y PMID:40164818	综述	本文全面回顾了视觉变换器（ViT）在医学影像分类中的进展与应用，涵盖多种疾病领域	系统性地综述了ViT在医学影像分类中的最新研究，并比较了其与传统卷积神经网络（CNN）的性能表现	作为综述文章，未提出新的模型或实验，主要基于现有文献进行分析和总结	探讨ViT在医学影像分类领域的应用现状、性能优势及未来研究方向	医学影像数据，包括乳腺癌、皮肤病变、脑肿瘤MRI、肺部疾病、视网膜分析、COVID-19、心脏病、结肠癌、脑部疾病、糖尿病视网膜病变、皮肤病、肾病、淋巴结疾病和骨骼分析等	计算机视觉	多种疾病	NA	Vision Transformer（ViT）	图像	NA	NA	Vision Transformer	NA	NA
202	2025-12-14	Study on Ultrasound-Assisted Diagnosis of CHB Complicated with NAFLD Hepatic Fibrosis Based on Deep Learning 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01331-3 PMID:40234347	研究论文	本研究旨在开发和评估一种基于深度学习的自动化分类模型，用于诊断慢性乙型肝炎（CHB）合并非酒精性脂肪性肝病（NAFLD）的肝纤维化	首次将深度学习技术应用于二维肝脏影像，开发自动化模型辅助诊断CHB合并NAFLD的肝纤维化，并验证AI辅助能显著提升不同经验水平医师的诊断性能	研究为回顾性分析，样本主要来自单一医院，且AI模型仅在特定患者群体（CHB合并NAFLD）中验证，泛化能力需进一步评估	开发并评估基于深度学习的自动化模型，以辅助诊断慢性乙型肝炎合并非酒精性脂肪性肝病的肝纤维化	慢性乙型肝炎（CHB）合并非酒精性脂肪性肝病（NAFLD）患者	数字病理学	肝纤维化	二维超声，FibroScan，肝活检	深度学习模型	二维肝脏影像	2803名患者（20540张二维肝脏影像）用于模型开发，150名患者（922张二维超声影像）用于验证	NA	NA	灵敏度，特异性，准确率，AUC	NA
203	2025-12-14	Transfer Learning and Permutation-Invariance Improving Predicting Genome-Wide, Cell-Specific and Directional Interventions Effects of Complex Systems 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509456 PMID:40971773	研究论文	本研究提出了一种基于迁移学习和置换不变性的深度学习模型SETComp，用于预测复杂系统（如天然产物）在细胞系中的干预效果	利用预训练在大量单化合物干预数据上的置换不变性模型，通过迁移学习在小样本复杂系统数据上进行微调，显著提升了预测准确性	未明确提及模型在更广泛生物医学场景或临床样本中的泛化能力限制	开发一种预测复杂系统（如天然产物）在细胞系中全基因组、细胞特异性及定向干预效果的模型	细胞系中的单化合物和复杂系统（如天然产物）干预数据	机器学习	NA	深度学习	深度学习模型	基因组干预数据	大量单化合物干预数据和小量复杂系统干预数据	NA	基于置换不变性的深度模型	准确率	NA
204	2025-12-14	Navigating protein-nucleic acid sequence-structure landscapes with deep learning 2025-Dec, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103162 PMID:40987097	综述	本文综述了深度学习在预测蛋白质-核酸相互作用和设计核酸结合蛋白方面的最新进展	整合高通量分析数据、开发更严谨的评估基准，以及利用自监督学习发现生物学意义的调控和结构信号	实验数据稀缺且多样性有限，核酸具有独特的几何、物理化学和进化特性	解决蛋白质-核酸相互作用预测这一结构生物学领域的主要未解挑战	蛋白质-核酸复合物结构及能够结合特定蛋白质构象的核酸设计	结构生物学	NA	高通量分析、自监督学习	深度学习	序列-结构数据	NA	NA	NA	NA	NA
205	2025-12-14	Thermal Runaway Temperature Prediction of Lithium-Ion Battery Under Extreme High-Temperature Shock Using Experimental and Virtual Data 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511359 PMID:40990043	研究论文	本文提出了一种结合实验和虚拟数据的框架，用于预测锂离子电池在极端高温冲击下的热失控温度	通过高温冲击波诱导的热失控测试获取真实温度数据，并建立3D共轭传热与热失控耦合模型，利用仿真数据弥补实验数据不足，结合深度学习模型实现高保真、快速响应的热失控温度预测	研究主要针对NCM523和LFP两种电池类型，且实验条件模拟真实火灾暴露存在局限性	预测锂离子电池在极端高温冲击下的热失控温度，以提升电池热安全性	锂离子电池（具体为LiNiCoMnO (NCM523) 和 LiFePO (LFP) 电池）	机器学习	NA	高温冲击波诱导热失控测试、3D共轭传热与热失控耦合模拟	深度学习模型	温度数据、仿真数据	针对NCM523和LFP电池进行实验，并通过仿真模型生成不同荷电状态和热源距离下的虚拟数据	NA	NA	平均绝对百分比误差 (MAPE)	NA
206	2025-12-14	An Interpretable SERS-AI Platform for Rapid and Quantitative Diagnosis of Polymicrobial UTIs: Powered by Positively Charged Plasmonic Nanoparticles and Attention-Based Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202513502 PMID:40990453	研究论文	提出了一种基于表面增强拉曼散射和人工智能的无标记、可解释平台，用于快速识别和定量诊断多微生物尿路感染	结合带正电荷的等离子体纳米颗粒实现静电细菌捕获和稳定SERS信号生成，并采用卷积块注意力模块增强的卷积神经网络，提供高精度分类和细菌比例预测，同时通过注意力机制实现光谱特征的可解释性	未明确说明样本量是否足够大以覆盖所有临床相关病原体变种，且平台在更复杂或非典型尿液样本中的性能需进一步验证	开发一个快速、定量且可解释的诊断平台，用于多微生物尿路感染的识别和细菌比例预测	多微生物尿路感染中的混合尿路病原体	机器学习	尿路感染	表面增强拉曼散射	CNN	光谱数据	临床尿液样本（具体数量未明确说明）	未明确指定，可能为TensorFlow或PyTorch	卷积神经网络（CNN）结合卷积块注意力模块	准确率，AUC，相关系数R	NA
207	2025-12-14	Rethinking the AI Paradigm for Solubility Prediction of Drug‑Like Compounds with Dual-Perspective Modeling and Experimental Validation 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511667 PMID:40995668	研究论文	本研究通过构建最大的药物分子水溶性数据集，开发了基于多种机器学习算法的可靠溶解度预测模型，并进行了实验验证	提出了双视角建模方法，构建了迄今为止最大的药物分子水溶性数据集，并通过实验验证了模型的高可靠性	数据限制导致当前先进的深度学习模型准确性不如多种统计机器学习算法的集成	开发可靠的药物溶解度预测模型，为药物发现提供工具	药物及类药分子	机器学习	NA	实验测定	回归算法, 分类算法, 深度学习模型	化学数据	最大的药物分子水溶性数据集（具体数量未明确说明），包含DrugBank数据库中无实验溶解度数据的条目，并实验测定了10个潜在药物分子	NA	NA	准确性, 泛化能力	NA
208	2025-12-14	Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach 2025-Dec, Journal of global antimicrobial resistance IF:3.7Q2 DOI:10.1016/j.jgar.2025.08.012 PMID:40882869	研究论文	本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU中MRSA血流感染患者院内死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征	首次将基于深度学习的因果推断模型应用于ICU中MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异	研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库（MIMIC-III和MIMIC-IV），可能存在选择偏倚和未测量的混杂因素	评估万古霉素、达托霉素和利奈唑胺对ICU中MRSA血流感染患者院内死亡率的降低效果，并实现个性化抗生素治疗推荐	ICU中患有MRSA血流感染的患者	机器学习	MRSA血流感染	基于深度学习的因果推断	深度学习模型	临床数据	270名ICU患者	NA	NA	死亡率降低百分比, 平均处理效应, P值	NA
209	2025-10-31	Developing a novel deep learning-based model for automatic right ventricular parameters assessment on ctpa in pulmonary embolism 2025-Dec, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-025-02404-8 PMID:41162742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
210	2025-12-14	Diagnostic Accuracy of Artificial Intelligence Models for Predicting Postoperative Complications Following Free Flap Reconstruction: A Systematic Review and Meta-Analysis 2025-Dec, Microsurgery IF:1.5Q3 DOI:10.1002/micr.70143 PMID:41231400	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人工智能模型在预测游离皮瓣重建术后并发症方面的诊断准确性	首次对AI模型在游离皮瓣重建术后并发症预测中的诊断性能进行系统评估，并比较了不同输入模态在模型训练中的效果	纳入研究数量有限（12项），且研究间存在异质性，可能影响结果的普适性	系统评估AI模型在预测皮瓣手术后并发症的诊断性能，并比较不同输入模态的训练效果	接受游离皮瓣重建手术的患者	数字病理学	NA	人工智能模型	深度学习模型	图像数据	18,520名患者，32,148个输入数据点	NA	NA	敏感性, 特异性, 似然比, SROC曲线下面积	NA
211	2025-12-14	Evaluation of Deep Learning-Based OCTA Denoising in Retinal Vessel Assessment 2025-Dec-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.10 PMID:41342626	研究论文	本研究评估了N2V2去噪算法在光学相干断层扫描血管成像（OCTA）视网膜血管量化中的性能	首次系统评估了N2V2去噪算法在OCTA视网膜血管评估中的主观图像质量、客观指标、诊断可解释性和定量可重复性	研究样本仅来自糖尿病患者，未包括其他视网膜疾病患者；去噪后部分血管密度指标有所下降	评估深度学习去噪算法在OCTA图像处理中对视网膜血管量化性能的影响	糖尿病患者的OCTA视网膜扫描图像	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习去噪算法	图像	145只眼（来自糖尿病患者，平均年龄63.97±9.25岁，40.26%女性）	NA	N2V2	对比噪声比,峰值信噪比,边缘保持指数,结构相似性指数测量,血管密度,中心凹无血管区面积/周长/圆形度,周边无灌注区面积	NA
212	2025-12-14	Using Deep Learning to Automate Orangutan Nest Detections on Aerial Images Collected With Drones 2025-Dec, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70100 PMID:41355327	研究论文	本研究探索了一种使用深度学习自动检测无人机航拍图像中猩猩巢穴的方法，以提高猩猩监测效率	首次将YOLO v10模型应用于无人机航拍图像中猩猩巢穴的自动检测，通过迁移学习方法实现了高精度的巢穴识别	模型在固定翼无人机数据上的召回率较低，可能影响种群趋势分析的准确性，且训练数据集需进一步扩展以适应不同相机系统和环境条件	开发一种自动化方法，利用深度学习从无人机航拍图像中检测猩猩巢穴，以替代传统地面线样带监测方法	猩猩巢穴	计算机视觉	NA	无人机航拍	CNN	图像	868张图像，包含1568个标注的猩猩巢穴，采集自马来西亚沙巴和印度尼西亚苏门答腊	NA	YOLO v10	平均精度均值, 精确率, 召回率	NA
213	2025-12-14	Brain-Pupil Coupling Revealed Through Deep Learning of Intracranial Recordings 2025-Dec-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70438 PMID:41368939	研究论文	本研究通过颅内记录和瞳孔测量技术，结合深度学习模型，揭示了大脑神经活动与瞳孔动态在注意力转换任务中的耦合关系	首次将深度学习模型应用于颅内神经活动数据以预测瞳孔动态变化，并利用显著性梯度映射技术识别出与瞳孔动态预测性能相关的任务相关脑网络	样本量较小（仅13名参与者），且研究人群局限于儿童和青少年癫痫患者，可能限制结果的普适性	探究大脑神经活动与瞳孔动态之间的耦合机制及其在认知加工过程中的作用	13名9-18岁的癫痫儿童和青少年	计算神经科学	癫痫	颅内记录、瞳孔测量技术	深度学习模型	颅内神经活动记录、瞳孔直径数据	13名参与者（其中7名用于深度学习模型验证）	NA	NA	模型预测性能	NA
214	2025-12-14	Shape-Encoded Hydrogel Sensor Particles Enable Multiplex Odorant Detection Through Deep-learning Classification 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202507903 PMID:41124061	研究论文	本研究提出了一种基于形状编码的水凝胶传感器颗粒策略，通过深度学习分类实现多重气味检测	利用水凝胶颗粒形状编码气味传感器细胞类型，结合卷积神经网络进行形状识别，实现位置无关、可扩展的多重气味检测	研究仅关注单一气味物质，未涉及复杂气味混合物检测	开发便携式、基于细胞的生物混合传感器，用于多重气味检测	水凝胶传感器颗粒及其表达不同气味受体的传感器细胞	计算机视觉	NA	延时荧光成像	CNN	图像	NA	NA	卷积神经网络	准确率	NA
215	2025-12-14	QTcNet: a deep learning model for direct heart rate corrected QT interval estimation 2025-Dec-01, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euaf274 PMID:41140122	研究论文	本文开发了一个名为QTcNet的深度学习模型，用于直接从心电图中估计心率校正的QT间期，以提高自动化测量的准确性	QTcNet采用基于回归的卷积神经网络架构，通过大规模算法标记的心电图数据进行训练，显著减少了跨队列的测量误差，并首次公开了完整模型和在线实现	模型在特定队列上的微调虽然能改善该队列的性能，但会降低在其他队列中的外部有效性	提高自动化QTc测量的准确性，减少与专家读数之间的差异	心电图数据	机器学习	心血管疾病	心电图分析	CNN	图像	训练集：120,300个算法标记的心电图（内部医院队列60,150个，MIMIC-IV数据集60,150个）；验证集：PTB数据库100个心电图；测试集：QTcMS 210个，ECGRDVQ 5,219个；微调集：PTB数据库449个	NA	卷积神经网络	平均绝对误差, 均方根误差, 大误差（>50 ms）异常值比例	NA
216	2025-12-14	Deep CNN-based Fully Automated Segmentation of Pelvic Multi-Organ on CT Images for Prostate Cancer Radiotherapy 2025-Dec, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2307-1649 PMID:41377126	研究论文	本研究评估了基于CT的深度学习自动分割算法在男性盆腔多器官分割中的可行性，用于前列腺癌放疗	应用3D nnU-net这一自适应的集成方法进行快速、可重复的多器官自动轮廓勾画，并比较了基于手动与自动轮廓的放疗计划剂量分布差异	单中心回顾性研究，样本量相对较小（118例患者），且淋巴结和精囊的分割性能（DSC较低）有待提升	评估深度学习自动分割算法在前列腺癌放疗中多器官勾画的可行性	前列腺癌患者	数字病理学	前列腺癌	CT成像	CNN	图像	118例前列腺癌患者（95例训练，23例测试）	NA	3D nnU-net	Dice相似系数, 平均豪斯多夫距离, 剂量-体积直方图参数	NA
217	2025-12-14	Iranian Scientometrics; Dataset on universities, professors and articles 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112285 PMID:41377189	研究论文	本研究介绍了一个关于伊朗大学学术出版物和教授指标的全面数据集，通过Python工具从Google Scholar系统收集并经过专家验证	提供了一个针对伊朗学术界的综合数据集，结合了多步骤数据精炼过程，包括机构隶属关系、高引用阈值和作者-文章验证，以支持深入的学术网络分析	数据收集受限于Google Scholar的服务条款，需限制请求频率以避免违规，且可能因网络爬取过程而存在数据不完整或无效链接的风险	构建一个用于学术影响力和网络分析的数据集，支持科学计量学、机构基准测试和政策评估	伊朗大学的学术出版物、教授指标和机构详情	自然语言处理	NA	网络爬取，数据精炼过程	NA	文本	超过150万条文章记录，经过精炼后聚焦于2020-2022年间政府大学和高引用教授的数据	Selenium, BeautifulSoup	NA	NA	NA
218	2025-12-14	Development and validation of a multimodal radiomics-serum biomarker model for diagnosing solid pulmonary nodules via machine learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1214 PMID:41376905	研究论文	本研究开发了一种结合CT影像组学特征和血清生物标志物的多模态机器学习模型，用于诊断实性肺结节	首次将传统影像组学分析方法与三维深度学习技术相结合，并整合血清生物标志物，构建了多模态诊断模型	回顾性研究设计，可能存在选择偏倚；样本量相对有限	开发一种高精度的多模态诊断模型，以区分良恶性实性肺结节	实性肺结节患者	数字病理	肺癌	CT扫描，血清生物标志物检测	深度学习，机器学习	图像，生物标志物数据	638个肺结节（来自633名患者）	NA	三维深度学习模型	AUC，准确率，阳性预测值，阴性预测值，决策曲线分析，校准曲线	NA
219	2025-12-14	A computed tomography-based deep learning radiomics for predicting the response to neoadjuvant chemotherapy combined with immunotherapy in patients with locally advanced esophageal cancer: a multicenter cohort study 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1208 PMID:41376959	研究论文	本研究开发了一种基于CT的深度学习放射组学列线图，用于预测局部晚期食管癌患者对新辅助化疗联合免疫治疗的反应	结合放射组学特征和深度学习特征构建集成模型，并首次用于预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的主要病理缓解	样本量较小（共60例患者），且为回顾性多中心研究，可能存在选择偏倚	预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的反应，以指导个性化治疗	局部晚期食管鳞状细胞癌患者	数字病理学	食管癌	计算机断层扫描（CT）	深度学习, 机器学习	CT图像	60例患者（训练集42例，测试集18例）	PyTorch, Scikit-learn	ResNet101	AUC	NA
220	2025-12-14	Performance evaluation of deep learning-based osteoporosis diagnostic models with conventional chest X-ray in a clinical cohort 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1077 PMID:41376999	研究论文	本研究开发并评估了一种基于深度学习的骨质疏松诊断模型PROS® CXR: OSTEO，该模型利用常规胸部X光片预测骨质疏松，旨在解决双能X线吸收测定法（DXA）在初级保健中可及性有限的问题	首次开发了基于卷积神经网络和迁移学习的深度学习模型，能够从常规胸部X光片中预测骨质疏松，为骨质疏松筛查提供了一种低成本、机会性的替代方法	研究样本量较小（仅80名成人患者），且假阳性在男性中更常见，特异性有待提高，临床实施前需要进一步优化以减少假阳性	评估基于深度学习的骨质疏松诊断模型在临床队列中的性能，以促进骨质疏松的早期筛查	80名在3个月内同时接受DXA和胸部X光检查的成年患者	数字病理学	骨质疏松症	双能X线吸收测定法（DXA），胸部X光摄影	CNN	图像	80名成人患者	NA	卷积神经网络	AUC, 敏感性, 特异性	NA