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
221	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
222	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
223	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
224	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
225	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
226	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
227	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
228	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
229	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
230	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
231	2025-12-14	Prediction of EGFR mutation status and mutation sites in lung cancer based on radiomics and deep learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-567 PMID:41377006	研究论文	本研究开发并验证了一种基于影像组学和深度学习的非侵入性预测模型，用于识别非小细胞肺癌患者的EGFR突变状态及其亚型	整合了影像组学、深度学习和临床数据，构建了联合模型，显著提升了EGFR突变状态和突变位点的预测性能	研究为回顾性分析，可能存在选择偏倚；模型性能需在更大规模、前瞻性队列中进一步验证	开发非侵入性方法，准确预测非小细胞肺癌患者的EGFR突变状态和突变亚型，以指导治疗策略	非小细胞肺癌患者	数字病理学	肺癌	CT成像	SVM, LR, CNN	CT图像	557名接受EGFR基因分型的非小细胞肺癌患者	NA	ResNet-18, DenseNet-121	AUC, 准确率	NA
232	2025-12-14	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Nov-26, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2025.10.026 PMID:41308644	研究论文	本文提出两种互补模型以改进神经解码，通过利用跨试验和跨行为会话的神经活动相关性来提升解码性能	引入多会话降秩回归模型和多会话状态空间模型，首次在神经解码中系统性地捕捉跨试验和跨会话的行为与神经相关性	未与深度学习方法的计算效率进行直接对比，且模型在更复杂任务中的泛化能力有待进一步验证	通过利用神经活动的跨试验和跨会话相关性来改进神经解码的准确性和泛化能力	国际脑实验室（IBL）小鼠Neuropixels数据集中的神经活动数据	机器学习	NA	Neuropixels记录技术	降秩回归模型, 状态空间模型	神经活动数据	433个会话，覆盖270个脑区	NA	多会话降秩回归模型, 多会话状态空间模型	解码准确性	NA
233	2025-12-14	Convolutional Neural Networks for Estimation of Uniaxial Tensile Test Equivalent Properties from Small Punch Test 2025-Nov-22, Materials (Basel, Switzerland) DOI:10.3390/ma18235276 PMID:41374120	研究论文	本研究利用卷积神经网络从小冲杆试验数据预测单轴拉伸试验等效性能	首次将卷积神经网络应用于小冲杆试验与单轴拉伸试验之间的曲线到曲线预测，以减小系统偏差	研究仅针对三种锅炉钢材料，未验证其他材料类型的适用性	开发基于深度学习的方法，从小冲杆试验数据准确估计单轴拉伸试验等效性能	三种锅炉钢（10H2M、13HMF和15HM）在新状态和使用退化状态下的材料	机器学习	NA	小冲杆试验、单轴拉伸试验	CNN	曲线数据	三种锅炉钢材料在两种状态下的配对SPT和UTT实验数据库	NA	卷积神经网络	NA	NA
234	2025-12-14	General Intelligence-based Fragmentation (GIF): A framework for peak-labeled spectra simulation 2025-Nov-11, ArXiv PMID:41293535	研究论文	提出了一种基于大语言模型的质谱模拟框架GIF，用于提高代谢组学中质谱注释的效率	首次将大语言模型通过结构化提示和推理引导应用于质谱模拟，提供了一种系统化的替代方案	未明确说明模型在复杂分子或低丰度化合物上的泛化能力限制	开发一个基于大语言模型的框架，以改进质谱模拟和注释	质谱数据	自然语言处理	NA	质谱分析	LLM	文本	基于MassSpecGym数据集衍生的QA-sim数据集	NA	GPT-4o, GPT-4o-mini, GPT-5, Llama-3.1, ChemDFM	余弦相似度	NA
235	2025-12-14	Accelerating cardiac diffusion tensor imaging with deep learning-based tensor de-noising and breath hold reduction. A step towards improved efficiency and clinical feasibility 2025-Nov-08, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101971 PMID:41213455	研究论文	本研究开发了一种基于深度学习的去噪框架，用于加速心脏扩散张量成像，通过减少呼吸暂停次数来缩短扫描时间	提出了从图像空间到张量空间的去噪范式转变，使用基于Vision Transformer的模型集成并通过对抗训练优化，以及动态重复选择的数据增强策略	未明确说明模型在更广泛临床数据集上的泛化能力或计算资源需求的具体细节	开发一种心脏扩散张量成像去噪方法，以减少扫描重复次数并保持图像质量	心脏扩散张量成像数据	医学影像处理	心血管疾病	心脏扩散张量成像	Vision Transformer	张量数据	NA	NA	Vision Transformer	分数各向异性误差	NA
236	2025-12-14	buzzdetect: an open-source deep learning tool for automated bioacoustic pollinator monitoring 2025-Nov-07, Journal of insect science (Online) DOI:10.1093/jisesa/ieaf104 PMID:41369586	研究论文	本文介绍了一种名为“buzzdetect”的开源深度学习工具，用于通过音频数据进行生物声学传粉者自动监测	开发了首个开源深度学习工具“buzzdetect”，专门用于传粉者的被动声学监测，能够从环境噪声中区分昆虫飞行嗡嗡声	模型在检测昆虫飞行嗡嗡声时的灵敏度仅为28%，可能影响对低强度活动的捕捉能力	开发并测试一个自动化工具，以支持生态学中传粉者的大规模、长期监测研究	传粉昆虫（通过其飞行嗡嗡声进行监测）	机器学习	NA	被动声学监测	深度学习模型	音频数据	来自4种作物和1种野花的录音数据	NA	NA	灵敏度, 精确度	NA
237	2025-12-14	StoPred: Accurate Stoichiometry Prediction for Protein Complexes Using Protein Language Models and Graph Attention 2025-Nov-05, Research square DOI:10.21203/rs.3.rs-7909758/v1 PMID:41282093	研究论文	本文提出了一种名为StoPred的新方法，通过整合蛋白质语言模型嵌入和图注意力网络来预测蛋白质复合物的化学计量比	首次提出基于深度学习的异源寡聚体化学计量比预测方法，无需模板组装或预定义组成，并利用图注意力网络建模亚基间相互作用	未在摘要中明确说明	开发一种准确预测蛋白质复合物化学计量比的计算方法	蛋白质复合物（包括同源和异源寡聚体）	计算生物学	NA	蛋白质语言模型，图注意力网络	图注意力网络	序列特征，结构特征	NA	NA	图注意力网络	top-1准确率	NA
238	2025-12-14	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Nov-01, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文介绍了一种用于县级新冠预测的深度学习模型，通过融合多源数据和注意力机制进行回顾性评估	采用Transformer神经网络结合多源数据融合，并开发了多级多尺度注意力机制进行自适应时频分析	研究为回顾性评估，需要前瞻性验证以评估模型在实时演化数据条件下的实用性	提高县级传染病预测的准确性	县级新冠病例和死亡数据	机器学习	传染病	多源数据融合	Transformer	时间序列数据,文本数据	三个奥密克戎变异波（2021年12月至2023年2月）的县级数据	NA	Transformer	县级一致性准确率	NA
239	2025-12-14	A Systematic Review on Machine Learning Techniques for Survival Analysis in Cancer 2025-Nov, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71375 PMID:41264402	系统综述	本文系统综述了机器学习技术在癌症生存分析中的应用，比较了不同方法的预测性能	首次系统性地比较了机器学习与传统统计方法在癌症生存分析中的表现，并识别了多任务学习和深度学习方法在少数研究中显示出优越性能	仅分析了39项可比研究，且深度学习方法仅在少数论文中报告，方法学及实施存在较大变异性	评估机器学习技术在癌症生存分析中是否优于传统统计方法，并比较不同机器学习策略的性能	癌症患者的生存数据	机器学习	癌症	NA	深度学习, 多任务学习	生存数据	196项研究中的39项可比研究	NA	NA	预测性能	NA
240	2025-12-14	PBIP: a deep learning framework for predicting phage-bacterium interactions at the strain level 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf656 PMID:41370631	研究论文	本文提出了一种名为PBIP的深度学习框架，用于在菌株级别预测噬菌体-细菌相互作用	PBIP框架首次在菌株级别整合了预训练的统一表示模型、合成少数类过采样技术以及结合CNN、双向GRU和注意力机制的深度神经网络，以捕获序列中的复杂生物模式	研究主要基于从湘雅医院临床环境中分离的肺炎克雷伯菌，可能限制了模型在其他细菌种类或环境中的泛化能力	开发一个深度学习框架来准确预测噬菌体与细菌在菌株级别的相互作用，以支持噬菌体疗法的临床应用	噬菌体和细菌（具体为肺炎克雷伯菌）的蛋白质序列	机器学习	NA	生物感染实验和测序	CNN, 双向GRU	蛋白质序列	NA	NA	结合CNN、双向GRU和注意力机制的深度神经网络	NA	NA