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
2401	2025-12-30	Rapid and robust quantitative cartilage assessment for the clinical setting: deep learning-enhanced accelerated T2 mapping 2026-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05034-w PMID:40968299	研究论文	本研究开发了一种基于深度学习的加速软骨T2映射序列（DL CartiGram），旨在提高临床环境中软骨定量评估的速度和鲁棒性	结合并行成像和深度学习图像重建技术，显著缩短了扫描时间，同时保持了优异的重复性和再现性	研究中站点间存在的微小偏差可能由温度效应引起，且样本量相对有限	开发并验证一种快速、鲁棒的软骨T2映射方法，以促进其在临床环境中的应用	软骨组织，具体包括43名患者的52个髌骨和股骨软骨分区	医学影像分析	骨关节炎	T2映射，并行成像，深度学习图像重建	深度学习	磁共振图像	43名患者（52个软骨分区）	NA	NA	变异系数，Bland-Altman分析，一致性相关系数，Wilcoxon符号秩检验，配对t检验	NA
2402	2025-12-30	Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review 2026-Feb, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70212 PMID:41431184	综述	本文综述了数学建模和人工智能技术在现代药物发现各个阶段的应用，旨在加速研发过程并降低临床试验的风险和成本	系统性地整合了线性代数、优化、统计建模、图论和微分方程等数学框架与机器学习、深度学习、强化学习、自然语言处理和迁移学习等人工智能技术，探讨了二者在药物研发中的协同应用	NA	探讨人工智能和数学技术如何加速药物发现过程，降低研发成本和风险	药物发现与开发过程	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 强化学习, 自然语言处理, 迁移学习	NA	NA	NA	NA	NA	NA
2403	2025-12-30	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-Jan, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究开发了一种可解释的机器学习框架，整合多种癫痫源性生物标志物，用于自动检测耐药性癫痫患者的癫痫发生区	首次将多种癫痫源性生物标志物（如癫痫源性指数、棘波率、波纹率、快速波纹率）整合到可解释的机器学习框架中，用于增强癫痫发生区的定位	研究为回顾性设计，样本量相对较小（38名患者），可能影响模型的泛化能力	开发一个可解释的机器学习框架，以提高耐药性癫痫患者癫痫发生区的定位准确性	耐药性癫痫患者	机器学习	癫痫	立体脑电图	深度学习模型	电生理数据	38名患者，1671个SEEG通道	NA	NA	AUC	NA
2404	2025-12-30	Foundation Models for Neural Signal Decoding: EEG-Centered Perspectives Toward Unified Representations 2026-Jan, The European journal of neuroscience DOI:10.1111/ejn.70376 PMID:41459740	综述	本文综述了用于神经信号解码的基础模型，重点分析了以脑电图为中心的方法，旨在构建统一的神经表征	提出了将基础模型范式应用于神经信号解码的框架，强调了生理感知表征学习、结构感知架构和可解释性机制三大设计原则，并指出该框架可推广至其他神经记录类型以实现跨时空尺度的统一表征	许多现有模型仍沿用非神经领域的训练目标，且未能充分利用电极拓扑或功能连接等空间先验信息	探讨基础模型在神经信号解码中的应用，构建鲁棒、可迁移且具有生理学基础的统一神经表征	脑电图、皮层脑电图和皮层内记录等神经信号	机器学习	NA	NA	Transformer, GAN	神经信号（时间序列数据）	NA	NA	Patched Brain Transformer, CBraMod, BrainGPT	NA	NA
2405	2025-12-30	SDMFFN: a novel specular detection median filtering fusion network for specular reflection removal in endoscopic images 2025-Dec-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae291d PMID:41360013	研究论文	提出一种新颖的镜面检测中值滤波融合网络（SDMFFN），用于检测和去除内窥镜图像中的镜面反射	提出了一种两阶段框架，在检测阶段集成了增强的Specular Transformer Unet（S-TransUnet）模型，结合了ASPP、IB和CBAM模块以优化多尺度特征提取；在去除阶段改进了中值滤波方法并整合了颜色信息以实现自然修复	未在摘要中明确说明	解决内窥镜图像中镜面反射导致的重要细节被遮挡和诊断准确性降低的问题	内窥镜图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	未在摘要中明确说明	未在摘要中明确说明	S-TransUnet	未在摘要中明确说明	未在摘要中明确说明
2406	2025-12-30	New method for online quality control of dwell position and dwell time in brachytherapy by using high-speed camera and neural networks 2025-Dec-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2aa4 PMID:41364982	研究论文	本文开发了一种用于高剂量率近距离放射治疗中驻留位置和驻留时间在线质量控制的系统，结合高速相机和神经网络以提高系统的鲁棒性和稳定性	提出了一种集成高速相机和神经网络（特别是RT-DETRv2）的在线质量控制系统，用于实时监测和验证近距离放射治疗中的源输送参数	RT-DETRv2神经网络的处理延迟为每张图像0.35秒，不适合在线监测，但适用于离线或辅助验证	开发一个在线质量控制系统，用于准确评估高剂量率近距离放射治疗中的驻留位置和驻留时间	高剂量率近距离放射治疗中的192Ir源输送过程	计算机视觉	NA	高速相机成像，帧差法，神经网络	神经网络	图像	使用GammaMedPlus iX后装设备进行实验，测试了不同步长（0.2厘米、0.5厘米、1.0厘米）和驻留时间（2.0秒、3.0秒、10.0秒）	NA	RT-DETRv2	空间分辨率（0.083毫米），时间分辨率（7.0毫秒），位置偏差（小于0.1厘米，校正后约0.01厘米），驻留时间偏差（10.0毫秒内），定位准确度（91%的预测在0.26毫米内）	NA
2407	2025-12-30	Ball bearing fault detection using an acoustic based machine learning approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33978-5 PMID:41457076	研究论文	本文提出了一种基于声学振动信号和连续小波变换的深度神经网络方法，用于球轴承故障检测	采用非重叠窗口将数值信号转换为堆叠的小波尺度图，并结合卷积网络实现实时数据分类，提高了故障诊断的准确性	NA	通过机器学习方法早期检测球轴承故障，以支持预测性维护系统	球轴承的声学振动信号	机器学习	NA	连续小波变换	CNN	声学振动信号	NA	NA	LeNet-5	准确率	NA
2408	2025-12-30	Evaluation of a YOLOv5x-based deep learning model for interproximal caries segmentation on bitewing radiographs across primary and permanent teeth 2025-Dec-29, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07570-2 PMID:41457204	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2409	2025-12-30	Semi-Supervised Deep Learning-Based Model for Segmentation of Breast Arterial Calcification on Screening Mammograms 2025-Dec-29, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1177/08465371251400538 PMID:41459704	研究论文	本研究提出了一种半监督深度学习模型，用于自动化分割和分级筛查乳腺X线摄影中的乳腺动脉钙化，以改善心血管疾病风险分层	采用基于U-Net的半监督学习策略，结合渐进式伪标签方法，利用大量未标注图像增强模型鲁棒性和跨系统泛化能力	未明确说明模型在不同人群或更广泛数据集上的泛化性能，以及计算资源需求的具体细节	开发自动化工具以标准化乳腺动脉钙化的评估，提升心血管疾病风险分层的准确性和效率	筛查乳腺X线摄影图像中的乳腺动脉钙化区域	数字病理学	心血管疾病	乳腺X线摄影	深度学习	图像	2560张标注的筛查乳腺X线摄影图像（来自7个供应商）和6000张未标注图像	NA	U-Net	Jaccard相似系数, 准确率, 精确率, F1分数, 召回率, 敏感性, 特异性, AUC, 加权kappa统计量	NA
2410	2025-12-30	Software-based de-filtering restores quantitative accuracy in Clarity2D-enhanced whole-body bone scintigraphy 2025-Dec-29, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02145-1 PMID:41460439	研究论文	本研究评估了基于软件的去滤波方法在恢复Clarity2D降噪滤波器影响的全身骨闪烁扫描图像中骨扫描指数和热点数量定量准确性方面的有效性	提出了一种基于深度学习的逆滤波去滤波算法，能够有效逆转Clarity2D滤波器引起的图像失真，恢复定量指标的准确性	研究为回顾性设计，样本量相对有限（101例），且仅针对特定CZT SPECT/CT系统和99mTc-HMDP示踪剂	评估软件去滤波技术能否恢复降噪滤波器对骨闪烁扫描定量分析准确性的影响	接受99mTc-HMDP全身骨闪烁扫描的101名成人患者	数字病理	骨骼疾病	99mTc-HMDP全身骨闪烁扫描，SPECT/CT成像	深度学习	医学图像	101名成人患者	NA	基于深度学习的逆滤波器	Pearson相关系数，Bland-Altman分析，Dice系数，Hausdorff距离，精确率，召回率，F1分数	NA
2411	2025-12-30	A Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer 2025-Dec-28, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18929-8 PMID:41456225	研究论文	本研究开发了一种基于深度学习的多模态预后模型，整合了基因组特征、全切片成像的组织形态学特征和临床参数，以改善前列腺癌的风险分层和治疗决策	通过深度学习从组织病理学图像中计算推断基因组特征，消除了对基因组检测的依赖，并显著提高了预后精度	研究依赖于两个独立队列（TCGA和PLCO）进行训练和验证，可能存在样本选择偏差，且未在更广泛的多中心数据中进行外部验证	开发一个多模态预后模型，以改善前列腺癌的风险分层和治疗决策	前列腺癌患者	数字病理学	前列腺癌	全切片成像（WSI）、苏木精-伊红（H&E）染色	深度学习	图像、基因组数据、临床数据	使用TCGA队列进行训练，PLCO试验队列进行外部验证	NA	NA	C-index、Kaplan-Meier分析、Harrell's concordance index、多变量Cox回归	NA
2412	2025-12-30	EEGPARnet: time-frequency attention transformer encoder and GRU decoder for removal of ocular and muscular artifacts from EEG signals 2025-Dec-28, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03506-8 PMID:41456251	研究论文	提出了一种名为EEGPARnet的新型去噪网络，用于从EEG信号中去除眼动和肌肉伪影	提出了一种结合时间-频率注意力Transformer编码器和GRU解码器的轻量化架构，能够学习时频长程相似性，在显著降低模型复杂度和计算需求的同时保持高性能	仅在公开数据集EEGDenoiseNet上进行了验证，未在更多样化的临床数据或实时部署场景中进行全面测试	开发一种适用于资源受限平台的轻量化EEG信号去噪方法	受眼动和肌肉伪影污染的EEG信号	信号处理	NA	EEG信号处理	Transformer, GRU	EEG信号	EEGDenoiseNet数据集	NA	Transformer编码器（带时间和频谱注意力模块）, GRU解码器	时间相对均方根误差, 频谱相对均方根误差, 相关系数	资源受限设备（目标部署平台）
2413	2025-12-30	A deep neural network model for optimizing traditional Chinese medicine prescriptions with data augmentation 2025-Dec-28, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70319 PMID:41456610	研究论文	本研究提出了一种名为DA-TCMPO的深度学习框架，通过数据增强技术优化中药处方，并在溃疡性结肠炎小鼠模型中验证了其有效性	引入了基于双重注意力的扩散模型和可变噪声嵌入模块，专门针对中药处方数据中的噪声和处方修改风险进行优化	未明确说明模型在更广泛疾病或临床环境中的泛化能力	优化中药处方以支持临床决策	中药处方数据及溃疡性结肠炎小鼠模型	自然语言处理	溃疡性结肠炎	数据增强	深度学习	文本	NA	NA	扩散模型	精确率, 准确率, 召回率, F1分数	NA
2414	2025-12-30	Morphometric trait analysis and machine learning-based yield modeling in wood apple (Feronia limonia L.) 2025-Dec-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07978-6 PMID:41457267	研究论文	本研究通过形态计量学分析和可解释的机器学习模型，揭示了木苹果产量变异的决定因素，并提出了高产理想型的选择框架	首次将多元统计与可解释的机器学习模型（随机森林+SHAP）结合，为木苹果这一未充分利用树种的生产力调控提供了首个数据驱动的框架，并识别出影响产量的关键性状组合	研究仅基于62个基因型，样本量相对有限，且未涉及分子或遗传层面的深入分析	量化木苹果冠层结构、花部和果实性状等形态计量学描述符如何解释产量变异，并建立可解释的产量预测模型	62个木苹果基因型的形态计量学性状（营养、叶、花、果实和种子性状）及单株产量	机器学习	NA	形态计量学分析	Random Forest, Support Vector Regression, Deep Learning (MLP)	形态计量学数据	62个木苹果基因型	NA	Random Forest, MLP	R², RMSE, MAE	NA
2415	2025-12-30	Improving multi-scale short-term precipitation forecasting through frequency domain analysis and attention mechanisms 2025-Dec-24, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.125276 PMID:41456591	研究论文	本研究提出了一种结合频域分析和注意力机制的新型短期降水预报模型，旨在提高多尺度降水预报的精度和效率	在频域量化降水的多尺度分布特征，并将跨通道多尺度注意力机制与TransUNet混合架构相结合，以捕捉降水时间演变的非线性关系	未明确说明模型在极端天气事件或不同地理区域的泛化能力	提高短期降水预报的准确性和多尺度特征捕捉能力，同时减少计算资源需求	小时降水分布（未来0-24小时）	机器学习	NA	NA	TransUNet, 注意力机制	时间序列数据（历史降水数据）	NA	NA	TransUNet, 跨通道多尺度注意力机制	威胁分数, RMSE	NA
2416	2025-12-30	From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis 2025-Dec-22, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2025.108788 PMID:41443357	综述	本文综述了从传统方法到人工智能驱动的智能酶工程在生物催化中的演变，总结了常见策略并介绍了机器学习和深度学习模型的最新应用	通过整合机器学习和深度学习模型，显著提升了酶工程方法的效率，准确预测突变效应并高效探索不连续序列空间，帮助避免局部适应度最优陷阱	存在力场精度限制、突变采样约束、实验通量限制和上位效应等挑战	总结酶工程策略并介绍人工智能在其中的应用，以推动酶设计向可预测和高效路径的深刻转变	酶工程策略，包括定向进化、理性/半理性设计、残基共进化和从头设计	机器学习	NA	定向进化、理性/半理性设计、残基共进化分析、从头设计	机器学习、深度学习	序列数据、结构数据、功能数据	NA	NA	NA	NA	NA
2417	2025-12-30	Interpretable classification of endomicroscopic brain data via saliency consistent contrastive learning 2025-Dec-19, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103917 PMID:41456554	研究论文	本文提出了一种新颖的图像分类框架，用于基于pCLE数据的可解释脑组织表征	提出了标签对比学习损失以学习类别内相似性和类别间对比，设计了显著性一致性模块生成临床相关显著性图，并引入Top-K最大最小池化层和指数移动平均更新全局嵌入	未明确说明	提高pCLE脑组织分类的准确性和可解释性	离体和在体pCLE脑数据	计算机视觉	脑肿瘤	pCLE	深度学习	图像	未明确说明	未明确说明	未明确说明	准确性, 鲁棒性, 可解释性	未明确说明
2418	2025-12-30	Learning feature dependencies for precise tumor region detection and segmentation in optical coherence tomography images 2025-Dec-18, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03914-7 PMID:41410798	研究论文	提出一种新颖的依赖特征分割方法（DIFSM），用于提高视网膜OCT图像中肿瘤区域的定位和分割精度	通过整合图像预处理、特征间依赖分析和Vision Transformer架构，明确建模特征间依赖关系，解决重叠像素模糊问题	未提及模型在更大规模或更复杂肿瘤类型数据集上的泛化能力	提高视网膜OCT图像中肿瘤区域的自动检测和分割精度	视网膜OCT图像中的肿瘤感染区域	计算机视觉	视网膜肿瘤	光学相干断层扫描（OCT）	Vision Transformer（ViT）	图像	OCTID数据集中的高分辨率视网膜OCT图像	未明确指定	Vision Transformer	Dice系数, IoU, 精确率, 灵敏度, 特异性, 均方匹配误差（MSME）	未明确指定
2419	2025-12-30	HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data 2025-Dec-11, ArXiv PMID:41040798	研究论文	本文提出了一种名为HEIST的分层图变换器基础模型，用于处理空间转录组学和蛋白质组学数据，通过建模组织为分层图结构来整合空间信息和细胞内部基因共表达网络	HEIST模型首次将空间转录组学和蛋白质组学数据统一建模为分层图结构，通过跨层级消息传递计算基因嵌入，无需固定基因词汇表即可泛化到新数据类型（如空间蛋白质组学）	未明确说明模型在处理超大规模数据集时的计算效率限制或对特定组织类型的适用性局限	开发一个能够同时利用空间信息和细胞内基因/蛋白质表达数据的基础模型，以理解细胞在组织微环境中的调控机制	空间转录组学和蛋白质组学数据中的细胞及其基因/蛋白质表达模式	计算生物学	NA	空间转录组学, 空间蛋白质组学	图变换器	空间组学数据（包含空间坐标和细胞内转录/蛋白质计数）	来自15个器官的124个组织中的2230万个细胞	NA	分层图变换器	临床结果预测准确性, 细胞类型注释性能, 基因插补精度	NA
2420	2025-12-30	Enlarged Perivascular Spaces and Modifiable Vascular Risk Factors: Cross-Sectional and Longitudinal Analysis in the UK Biobank Cohort 2025-Dec-06, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry DOI:10.1016/j.jagp.2025.11.016 PMID:41456992	研究论文	本研究利用英国生物银行队列数据，通过深度学习模型量化脑部MRI中的血管周围间隙，并探讨了血管风险因素、APOE基因型与PVS之间的横断面和纵向关联	首次在大规模社区队列中，结合深度学习自动量化PVS，系统分析了多种可改变血管风险因素及APOE基因型与PVS的关联，并关注了性别和脑区特异性模式	纵向分析样本量相对较小，随访时间较短，风险因素与PVS的纵向关联有限	探讨血管风险因素和APOE基因型与脑部血管周围间隙的关联，以评估PVS作为血管性脑健康生物标志物的潜力	英国生物银行队列中的社区居住成年人，横断面分析包括38,121名参与者，纵向分析包括4,225名参与者	数字病理学	老年疾病	脑部MRI	深度学习模型	图像	横断面分析38,121名参与者，纵向分析4,225名参与者	NA	NA	回归系数(b), 95%置信区间(CI)	NA