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
261	2025-12-19	Deep learning models for image classification of lymphoma: a pilot study in canine 2025-Dec-16, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，利用深度学习模型区分犬淋巴瘤与其他疾病，特别是反应性淋巴样增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习策略	样本量有限（仅14例淋巴瘤和7例RLH病例），且ViT模型性能未达预期	开发深度学习模型以区分犬淋巴瘤和反应性淋巴样增生	犬淋巴瘤和反应性淋巴样增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2,290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
262	2025-12-19	Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker 2025-Dec-16, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2025.e00813 PMID:41407593	研究论文	本研究开发了一个基于深度学习的AI框架，利用活体尿液来源干细胞（USC）的线粒体荧光成像，分析认知障碍个体（AD和MCI）与认知正常（CN）受试者之间的差异，以探索阿尔茨海默病的非侵入性生物标志物	首次将尿液来源干细胞的线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性生物标志物检测	需要更大规模的独立队列进行进一步验证	开发一种便捷、非侵入性的阿尔茨海默病生物标志物检测方法	认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常受试者的尿液来源干细胞	计算机视觉	阿尔茨海默病	线粒体荧光成像	CNN	图像	NA	NA	ResNet-18	NA	NA
263	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA
264	2025-12-19	Resolution generalization of deep learning-based dipole inversion networks for QSM 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121598 PMID:41274367	研究论文	本研究提出了一种新颖的流程，使预训练的偶极子反演网络能够从不同分辨率的输入局部场图中重建定量磁化率图（QSM），以解决现有网络在测试数据分辨率与训练数据分辨率不同时性能下降的问题	开发了一种无需修改网络架构或参数的通用流程，通过多位置重采样和偶极子补偿，提升了预训练偶极子反演网络对不同分辨率输入数据的泛化能力	研究未明确讨论流程在极端分辨率差异或复杂临床数据中的鲁棒性，且可能引入额外的计算开销	提高深度学习偶极子反演网络在定量磁化率图重建中的分辨率泛化性	预训练的偶极子反演网络（如QSMnet）及不同分辨率的局部场图数据	医学影像分析	NA	定量磁化率图（QSM）重建	深度学习网络	图像（局部场图）	NA	NA	QSMnet	NRMSE, SSIM, PSNR, HFEN	NA
265	2025-12-19	Deep learning-derived arterial input function for dynamic brain PET 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本研究提出了一种深度学习框架DLIF，能够直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何血液采样	首次利用深度学习直接从动态PET图像序列中估计代谢物校正的动脉输入函数，无需任何血液采样，提供了一种快速、准确且完全非侵入性的替代方法	仅使用现有动态PET患者数据进行验证，未提及模型在其他数据集或不同疾病条件下的泛化能力	开发一种无需血液采样的非侵入性动脉输入函数估计方法，以改进动态PET成像中的动力学建模	动态PET图像序列	数字病理学	阿尔茨海默病, 帕金森病	动态正电子发射断层扫描（PET）成像	深度学习	图像	NA	NA	NA	准确性, 鲁棒性	NA
266	2025-12-19	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	本文提出了一种名为ODDRnet的端到端无监督深度学习框架，用于扩散磁共振图像的非线性配准，直接对齐高维纤维方向分布函数	ODDRnet首次利用纤维方向分布函数（fODF）的方向信息进行扩散MRI配准，相比仅依赖标量信息的方法，能更精确地对齐白质结构，特别是在复杂纤维交叉区域	未明确提及具体局限性，但可能包括对高质量fODF估计的依赖、计算资源需求或特定数据集上的泛化挑战	开发一种深度学习框架，以实现扩散MRI数据的非线性配准，并利用方向信息提高白质结构对齐的解剖学精度	扩散MRI数据，特别是从原始信号导出的纤维方向分布函数（fODF）	医学图像处理	NA	扩散MRI（dMRI），纤维方向分布函数（fODF）分析	深度学习网络	扩散磁共振图像（dMRI）	多个公共和私有数据集（具体数量未明确提及）	NA	ODDRnet（具体架构未详细说明）	束状结构Dice系数，束状结构距离（以毫米为单位）	NA
267	2025-12-19	Radon single-pixel flying target classification via texture-fused lightweight differentiable operators 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27721-3 PMID:41398006	研究论文	本文提出了一种针对Radon单像素成像的纹理融合轻量级可微分算子模型，用于低采样率下的飞行目标分类	将传统纹理算子和线滤波算子集成到可微分模块中，专门针对Radon单像素成像特性进行优化设计	未明确说明模型在极端低采样率或复杂背景下的性能限制	解决低采样率Radon单像素成像中因成像质量下降导致的内容识别难题	飞行目标（鸟类和无人机）	计算机视觉	NA	Radon单像素成像	深度学习模型	图像	未明确说明具体数量，使用自建的Radon SPI飞行目标分类数据集	未明确说明	基于SOTA轻量级分类模型的改进架构	Top-1准确率	GPU硬件（具体型号未说明）
268	2025-12-19	Deep-learning-based non-contrast CT for detecting acute ischemic stroke: a systematic review and HSROC meta-analysis of patient-level diagnostic accuracy 2025-Dec-15, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04528-3 PMID:41398240	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基于深度学习的非增强CT在患者层面检测急性缺血性卒中的诊断准确性	首次对深度学习应用于非增强CT进行患者层面急性缺血性卒中检测的诊断准确性进行了全面的系统综述和分层汇总受试者工作特征（HSROC）荟萃分析，并探讨了研究间异质性的来源	纳入研究数量有限（16项），QUADAS-2评估显示在患者选择和指标测试领域存在偏倚风险，AI报告质量多为中等，明确的外部验证研究仍不常见，影响了结果的普适性	评估深度学习应用于非增强CT在患者层面检测急性缺血性卒中的诊断准确性，并探讨研究间异质性的预设来源	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	非增强CT成像	深度学习模型	CT图像	来自16项符合条件的研究（其中13项贡献了患者层面数据用于荟萃分析），具体患者数量未在摘要中明确说明	NA	NA	敏感性, 特异性	NA
269	2025-12-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	本文提出了一种名为NeuroFusionNet的混合深度学习框架，用于基于EEG的阿尔茨海默病及相关痴呆的准确、可解释和高效分类	提出了一种混合特征融合框架，结合了手工特征和从定制1D-CNN提取的潜在时间嵌入，并采用了特征选择、降维和类别平衡技术以增强判别学习	尽管准确率高且计算效率好，但研究未明确讨论模型在更广泛或多样化临床环境中的泛化能力	开发一个准确、可解释且高效的EEG分类框架，用于阿尔茨海默病及相关痴呆的早期检测	阿尔茨海默病及相关痴呆患者的EEG数据	机器学习	阿尔茨海默病	EEG信号处理	CNN, DNN	EEG信号	三个公共EEG数据集：OpenNeuro ds004504（闭眼）、ds006036（睁眼）和独立的OSF数据集	未明确指定，但提及了SHAP和Grad-CAM用于可解释性	定制的一维卷积神经网络（1D-CNN）和五层深度神经网络	准确率, 宏F1分数	标准临床CPU（无需GPU支持），模型轻量（0.94M参数，4.1 MB占用），推理时间6.5 ms每样本
270	2025-12-19	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-Dec-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学诊断路径，整合了X线、超声、磁共振成像、低剂量CT和人工智能方法，并提出了当代诊断算法	提出了一个整合多模态影像学和人工智能的当代诊断算法，并系统讨论了AI在脊柱关节炎诊断和管理中的新兴应用	AI应用存在部署成本高和医疗法律考量等限制	优化脊柱关节炎的影像学诊断路径，并探讨人工智能在其中的应用	脊柱关节炎患者	数字病理学	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习	图像	NA	NA	NA	精度	NA
271	2025-12-19	The role and challenge of knee cartilage MRI in early diagnosis of knee osteoarthritis: a literature review 2025-Dec-15, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2025.12.001 PMID:41407057	综述	本文探讨了膝关节软骨MRI在早期诊断膝骨关节炎中的作用、优势、局限性和改进策略	综述了在深度学习、高分辨率3D技术和超分辨率重建技术指导下，如何更准确、快速地评估软骨，加速临床转化	NA	全面理解膝关节软骨MRI在早期诊断膝骨关节炎中的临床意义	膝骨关节炎及其相关的关节软骨	数字病理学	骨关节炎	MRI，成分MRI，定量和半定量方法	NA	MRI图像	NA	NA	NA	NA	NA
272	2025-12-19	PLSTM-MTGF: A deep learning fusion model enabling real-time multi-target monitoring of penicillin fermentation via near-infrared spectroscopy 2025-Dec-14, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127358 PMID:41406794	研究论文	本研究提出了一种轻量级双流融合模型PLSTM-MTGF，用于通过近红外光谱对青霉素发酵过程中的四个关键指标进行在线监测	提出了一种结合偏最小二乘回归、长短期记忆网络、自注意力机制和多任务门控融合机制的新型轻量级融合模型，用于实时多目标监测	模型仅在24个工业批次数据上进行评估，样本规模相对有限	优化工业青霉素发酵过程，实现关键参数的实时、多目标在线监测	青霉素发酵过程中的残糖、氨基氮、细胞密度和效价四个关键指标	机器学习	NA	近红外光谱	LSTM, 自注意力网络, 多任务学习	光谱数据	24个工业批次	NA	PLSTM-MTGF (Partial Least Squares Regression-Long Short-Term Memory with Multi-Task Gated Fusion)	相关系数R, RPD	标准CPU
273	2025-12-19	Multi-task deep learning meets hyperspectral imaging: A unified modeling framework for WEEE plastic identification and flame retardant quantification 2025-Dec-13, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140828 PMID:41406523	研究论文	本研究提出了一种结合多任务深度学习与高光谱成像的统一框架，用于同时识别WEEE塑料类型、阻燃剂种类并量化其负载量	提出了一种集成多任务卷积神经网络、共享与任务特定学习、跨任务融合与注意力机制的统一框架，以同时处理塑料基材分类、阻燃剂类型识别和负载量回归任务，克服了传统单任务方法在处理高维光谱数据时的局限性	研究仅使用了实验室制备的样品，可能未完全覆盖实际回收场景中塑料的复杂性和多样性	开发一种高效、准确的WEEE塑料识别与阻燃剂量化方法，以支持智能回收与分选	三种常见WEEE塑料（ABS、HIPS、PP）与四种代表性阻燃剂（APP、ATH、DecaBDE、DecaBD）的实验室制备样品	计算机视觉	NA	高光谱成像	CNN	图像（高光谱图像）	实验室制备的塑料样品，包含三种塑料基材与四种阻燃剂在不同负载梯度（1-30%）下的组合	NA	多任务卷积神经网络	分类准确率, R分数（回归）	NA
274	2025-12-19	Procymidone residue detection in Allium tuberosum using feature-level data fusion of colorimetric sensor arrays and electronic nose sensor arrays: Comparison of heterogeneous data fusion methods 2025-Dec-13, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147544 PMID:41406745	研究论文	本研究结合电子鼻和比色传感器阵列，用于韭花中腐霉利残留的定性和定量检测	提出了一种基于卷积神经网络和长短期记忆网络注意力融合网络的多源数据融合方法，在特征层融合中实现了对腐霉利残留浓度的更精确检测	NA	检测韭花中的腐霉利残留浓度，保障食品安全	韭花样本	机器学习	NA	电子鼻传感器阵列、比色传感器阵列	CNN, LSTM, FCN	传感器数据	NA	NA	CLAFNet	准确率	NA
275	2025-12-19	Automated skin cancer detection using MedFusionNet with attention-based fusion of ConvNeXt and vision transformer 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31816-2 PMID:41387901	研究论文	本研究提出了一种名为MedFusionNet的新型深度卷积神经网络，通过自适应注意力机制融合ConvNeXt和Vision Transformer架构，用于皮肤癌的自动多分类检测	提出了一种结合ConvNeXt和Vision Transformer架构的自适应注意力融合方法，用于高级特征融合，以提升皮肤癌分类性能	未声称提供完全因果可解释性，且研究基于存在类别不平衡问题的公开数据集	开发一种高效的深度学习模型，用于皮肤癌的早期和准确诊断，以辅助临床治疗	皮肤癌样本，特别是黑色素瘤等皮肤病变	计算机视觉	皮肤癌	皮肤镜检查	CNN, Transformer	图像	两个公开皮肤镜检查基准数据集：ISIC-2019和HAM10000	NA	ConvNeXt, Vision Transformer (ViT), MedFusionNet	准确率, 精确率, 召回率, AUC	NA
276	2025-12-19	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2025-Dec-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的深度学习框架，用于精确预测赖氨酸琥珀酰化位点，整合了蛋白质语言模型和双重不平衡策略	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双重“算法-系统”策略缓解类别不平衡问题	未明确提及	开发一个高精度预测赖氨酸琥珀酰化位点的计算工具，以阐明其分子机制并指导新型诊断和治疗开发	赖氨酸琥珀酰化位点	机器学习	癌症, 神经退行性疾病, 代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	未明确提及	未明确提及	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	未明确提及
277	2025-12-19	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本研究提出了一种可解释的多模型深度学习框架，用于使用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的可解释多模型深度学习框架，集成了CNN、Vision Transformer、YOLOv8、YOLOv11和集成模型，并采用SHAP和EigenCAM确保透明度和临床一致性	未明确说明研究样本的具体来源和多样性，外部验证数据集的规模和代表性可能有限	开发一个准确、可解释且可推广的自动化系统，用于眼弓形虫病的多类别诊断	眼弓形虫病患者的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	NA	NA	Vision Transformer, YOLOv8, YOLOv11, 集成模型	准确率, Matthews相关系数, 延迟时间	GPU, CPU
278	2025-12-19	Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability 2025-Dec-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202521349 PMID:41369251	研究论文	本文介绍了一种名为ACSD-GAT的深度学习框架，用于准确预测轴手性分子的旋转能垒，从而评估其构象稳定性	提出了一个物理化学信息化的轴手性结构描述符（ACSD），该描述符能明确量化旋转过程中的静态和动态空间排斥效应，并结合图注意力网络（GAT）构建预测模型	NA	解决轴手性分子构象稳定性预测的挑战，以支持不对称合成、药物发现和功能材料开发	轴手性分子（atropisomers）	机器学习	NA	深度学习	GAT	分子结构数据	1015个实验测量的旋转能垒数据	NA	图注意力网络	R, RMSE	NA
279	2025-12-19	Graph-spa: A Spatiotemporal Graph Neural Network based framework for ARDS prediction and interpretability 2025-Dec-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104969 PMID:41386531	研究论文	本文提出了一种基于动态时空图神经网络的框架Graph-spa，用于急性呼吸窘迫综合征的早期预测和可解释性分析	Graph-spa通过动态更新邻接结构，捕捉临床变量间的演化交互，并采用模型无关的特征归因方法增强可解释性	未明确提及	提高急性呼吸窘迫综合征的早期预测准确性，并增强模型的可解释性	临床多变量时间序列数据	机器学习	急性呼吸窘迫综合征	NA	时空图神经网络	时间序列数据	三个数据集（HiRID、MIMIC-IV和eICU）	NA	STGNN	AUC, F1, MCC	NA
280	2025-12-19	Physics-guided deep learning surrogate model with graph attention for long-term radionuclide transport prediction in deep geological repositories 2025-Dec-09, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140767 PMID:41406534	研究论文	本文提出了一种基于图注意力机制的物理引导深度学习代理模型，用于预测深地质处置库中长期放射性核素迁移	开发了结合图注意力网络与物理方程（衰变-扩散-吸附）的深度学习代理模型，实现了快速且物理可靠的长期迁移预测	模型在材料属性改变或释放时间提前等场景下的泛化能力仍需进一步验证，且依赖于模拟数据训练	为深地质处置库的安全评估提供快速、准确的长期放射性核素迁移预测工具	深地质处置库中U-238和Th-230的迁移过程	机器学习	NA	物理模拟（PFLOTRAN），深度学习代理模型	图注意力网络（GAT），深度学习	模拟数据（放射性核素迁移时间序列）	10个监测节点，模拟5000年迁移过程	PyTorch（推断，因涉及GAT和深度学习训练）	图注意力网络（GAT）	R², NSE, 95%预测区间	单节点工作站