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	2025-12-12	Intelligent retinal disease detection using deep learning 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28376-w PMID:41354757	研究论文	本研究提出了一种基于深度学习的自动化方法，用于使用眼底图像对多种视网膜疾病进行分类	结合了人工神经网络、MobileNetV2和DenseNet121架构，并采用主成分分析和离散小波变换进行特征提取和降维，实现了多类别视网膜疾病的高精度分类	未明确提及模型在外部验证集或临床实际应用中的泛化能力，也未讨论数据集的潜在偏差或模型的可解释性	开发一种自动化系统，以辅助眼科医生通过眼底图像准确、高效地检测和分类视网膜疾病	眼底图像，用于区分健康眼睛与患有糖尿病视网膜病变、白内障或青光眼的眼睛	计算机视觉	视网膜疾病	眼底成像	ANN, 深度学习	图像	NA	NA	MobileNetV2, DenseNet121	准确率	NA
262	2025-12-12	Integrating CT-based radiomics and deep learning for invasive prediction of ground-glass nodules in lung adenocarcinoma: a multicohort study 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02156-6 PMID:41359094	研究论文	本研究旨在探索一种结合放射组学特征和深度学习表示的多实例学习框架，用于预测肺腺癌中磨玻璃结节的侵袭性	提出了一种新颖的多实例学习框架，整合了放射组学特征和深度学习表示，以预测磨玻璃结节的侵袭性，为特征融合提供了新视角	研究为回顾性分析，可能存在选择偏倚；模型性能在不同数据集上略有波动	预测肺腺癌中磨玻璃结节的侵袭性，以辅助术前临床决策	肺腺癌患者的磨玻璃结节	计算机视觉	肺癌	CT成像	多实例学习, 深度学习	CT图像	来自1182名肺腺癌患者的1247个磨玻璃结节，涵盖六家医院	NA	ExtraTrees, 3D深度学习模型, 2.5D深度学习模型	AUC, 校准曲线, 决策曲线分析	NA
263	2025-12-12	Deep learning-enhanced super-resolution diffusion-weighted liver MRI: improved image quality, diagnostic performance, and acceleration 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02150-y PMID:41359109	研究论文	本研究探讨了深度学习重建对肝脏扩散加权成像图像质量的影响及其在区分良恶性肝脏局灶性病变方面的能力	首次将深度学习重建应用于加速采集的肝脏扩散加权成像，在将采集时间减半的同时，显著提升了图像质量和诊断性能	研究为单中心设计，且未详细说明深度学习模型的具体架构和训练细节	评估深度学习重建技术对肝脏扩散加权成像图像质量及良恶性病变鉴别诊断性能的提升效果	疑似肝脏疾病并接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像，深度学习重建	深度学习模型	MRI图像	193名患者（128名男性，65名女性，年龄23-81岁）	NA	NA	AUC, 信噪比, 对比噪声比, 边缘上升距离, 定性Likert评分	NA
264	2025-12-12	Mammo-AGE: deep learning estimation of breast age from mammograms 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65923-5 PMID:41360762	研究论文	本文提出了一种基于深度学习的方法，利用健康乳腺X光片估计乳腺的生物年龄	首次开发了基于乳腺X光片的深度学习模型来估计乳腺生物年龄，并探索其与乳腺癌风险的关系	NA	开发一种从乳腺X光片中估计乳腺生物年龄的深度学习模型，并评估其在乳腺癌风险分层和诊断中的潜力	乳腺X光片	数字病理学	乳腺癌	深度学习	CNN	图像	95,826张乳腺X光片，来自44,497名年龄在18至98岁的女性	NA	NA	平均绝对误差, 风险比	NA
265	2025-12-12	Classifying human vs. AI text with machine learning and explainable transformer models 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27377-z PMID:41360832	研究论文	本研究提出一个综合框架，结合机器学习、序列深度学习和基于Transformer的模型，用于区分人类撰写与GPT生成的文本	采用多种Transformer模型（如BERT、RoBERTa）进行对比，并结合后处理温度缩放和阈值调优以提升校准和精度，同时利用LIME和SHAP进行可解释性分析	NA	区分人类撰写与AI生成的文本，以验证内容真实性和确保语言技术的伦理使用	人类撰写和GPT生成的文本样本	自然语言处理	NA	NA	LSTM, GRU, BiLSTM, BiGRU, BERT, DistilBERT, ALBERT, RoBERTa	文本	20,000个样本	NA	BERT, DistilBERT, ALBERT, RoBERTa	准确率	NA
266	2025-12-12	Deep learning model of post-translational modification regulating liquid-liquid phase separation 2025-Dec-08, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01773-y PMID:41360972	研究论文	本文构建了一个关于翻译后修饰调控液-液相分离的数据库，并开发了基于图神经网络的深度学习模型来预测调控LLPS的功能性磷酸化位点	首次构建了专门针对PTM调控LLPS的数据库PTMPhaSe，并开发了基于图神经网络的预测模型PhosLLPS，其性能优于现有基线模型和FuncPhos-SEQ方法	NA	研究翻译后修饰对液-液相分离的调控机制，并开发预测工具	蛋白质翻译后修饰（特别是磷酸化）及其对液-液相分离的调控	机器学习	NA	NA	图神经网络	生物序列数据	NA	NA	NA	AUC	NA
267	2025-12-12	Context-Aware Deep Learning based Indian Footpath Damage Segmentation Dataset for Risk Assessment 2025-Dec-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06207-x PMID:41361192	研究论文	本文介绍了一个用于印度人行道损伤分割的高分辨率图像数据集，并基于该数据集训练了深度学习模型进行损伤分割和风险评估	提出了首个针对印度城市人行道损伤的像素级分割数据集，包含基于裂缝宽度的严重程度标注，并采用了结合EfficientNet-B3编码器和注意力解码器的U-Net模型以及集成方法进行分割	数据集仅包含单一损伤类别，且采集地点局限于印度浦那市，模型性能仍有提升空间（Dice分数0.6899）	通过自动化基础设施监测来降低行人跌倒风险	人行道损伤（裂缝和表面不平整）	计算机视觉	NA	图像采集与标注	深度学习分割模型	图像	未明确说明具体数量，但为高分辨率图像数据集，采集于印度浦那市不同光照和天气条件下	未明确说明	U-Net, EfficientNet-B3, ResNeXt50_32x4d	Dice分数, IoU, 准确率, 精确率, 召回率, F1分数	NA
268	2025-12-12	Integrating quantile regression with ARIMA and ANN for interpretable and accurate PM2.5 forecasting in Hat Yai, Thailand 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27294-1 PMID:41361220	研究论文	本研究提出了一种结合ARIMA、ANN和分位数回归的新型混合模型，用于提高泰国合艾市PM2.5浓度预测的准确性和鲁棒性	提出了一种集成线性（ARIMA）、非线性（ANN）和分布建模（分位数回归）的新型混合模型，在保持计算效率和高可解释性的同时，显著提升了预测性能，尤其是在极端PM2.5条件下的表现	研究仅使用了泰国合艾市单个监测站（44T站）的数据，模型在其他地理区域或不同污染特征城市的普适性有待验证	开发一种准确、鲁棒且可解释的PM2.5浓度预测模型，以支持有效的空气质量管理和公共健康保护	泰国合艾市（Hat Yai, Songkhla）的每日PM2.5浓度数据	机器学习	NA	时间序列预测，分位数回归	ARIMA, ANN, 混合模型	时间序列数据	1809个每日观测值（2020年1月1日至2024年12月31日），其中训练集1447天，测试集362天	NA	ARIMA(1,1,2), ANN, ARIMA-ANN混合模型, ARIMA-ANN-QREG	MAE, MAPE, MFB	NA
269	2025-12-12	Deep learning-based brain age predicts stroke recurrence in acute ischemic cerebrovascular disease 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02161-5 PMID:41361520	研究论文	本研究开发了一种基于深度学习的脑龄预测模型，用于预测急性缺血性脑血管病患者的卒中复发风险	提出了Mask-based Brain Age estimation Network (MBA Net)，通过掩蔽急性梗死区域来预测非梗死区的上下文脑龄，从而减少急性期神经影像中动态梗死的混淆效应	未明确说明模型在外部验证或不同人群中的泛化能力，以及可能存在的样本选择偏差	开发一种新型生物标志物，用于急性缺血性脑血管病的卒中复发风险分层	急性缺血性脑血管病患者	医学影像分析	脑血管疾病	MRI T2-FLAIR成像	深度学习	医学图像	训练集：5353名健康个体；测试集：10890名急性缺血性脑血管病患者（多中心队列）	NA	Mask-based Brain Age estimation Network (MBA Net)	卒中复发预测的判别性能	NA
270	2025-12-12	Artificial Intelligence-Driven 3D Simulation System for Enhanced Preoperative Planning in Gastric Cancer Surgery: A Retrospective Validation Study 2025-Dec-08, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract IF:2.2Q2 DOI:10.1016/j.gassur.2025.102295 PMID:41371602	研究论文	本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管	结合人工智能模型实现胃部解剖结构的自动识别和三维可视化，以辅助动态器官（胃）的手术规划	研究为回顾性验证，样本量较小（51例），且仅针对胃癌患者，未涉及其他疾病或前瞻性临床试验	开发并验证人工智能驱动的3D模拟系统，以增强胃癌手术的术前规划能力	胃癌患者的术前增强CT图像，包括胃、胰腺、动脉等腹部器官和血管结构	计算机视觉	胃癌	对比增强CT成像	深度学习模型	医学图像（CT图像）	51例胃癌患者的术前CT图像	NA	NA	结构检测置信度评分（五点量表），可靠性评分	NA
271	2025-12-12	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2025-Dec-08, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文回顾了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的诊断应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新型Kolmogorov-Arnold Networks在职业性肺病影像分析中的创新应用	研究普遍依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态与发展前景	职业性肺病的胸部影像（胸片和CT扫描）	计算机视觉	尘肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN	图像	NA	NA	卷积神经网络, CycleGAN, 基于Transformer的因子化编码器, Kolmogorov-Arnold Networks	NA	NA
272	2025-12-12	Multimodal-based deep learning detected disrupted precuneus connectivity and its related genetic profiles for predicting adults with ADHD 2025-Dec-05, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120821 PMID:41354103	研究论文	本研究利用基于多模态数据的图卷积网络模型预测成人ADHD，并通过下游分析揭示相关的病理生理机制	首次采用基于多模态数据的群体图卷积网络模型预测成人ADHD，并结合功能连接与遗传变异进行可解释性分析	样本量相对有限，仅包含501名参与者，且模型准确率为73.55%，仍有提升空间	通过整合神经影像与遗传数据，提升成人注意缺陷多动障碍的诊断与病理机制理解	成人ADHD患者与健康对照者	机器学习	注意缺陷多动障碍	功能磁共振成像，基因组学	图卷积网络	图像，遗传数据	501名参与者（258名ADHD成人，243名对照）	NA	Edge-Variational Graph Convolution Network	准确率	NA
273	2025-12-12	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	本研究评估了一种基于CTA的机器学习方法，用于预测大血管闭塞急性缺血性卒中患者在接受成功血管内治疗后，即使最终梗死体积较小，仍可能出现不良功能结局的情况	首次利用预处理CTA图像，通过深度学习模型（DeepsymNet-v3）预测成功血管内治疗后患者的90天功能结局，相比仅使用临床变量的模型，表现出显著更好的预测性能	研究样本量较小（仅48例用于微调和交叉验证），且为多中心前瞻性注册队列，可能存在选择偏倚	评估基于CTA的机器学习模型在预测大血管闭塞急性缺血性卒中患者成功血管内治疗后功能结局方面的性能	大血管闭塞急性缺血性卒中患者，接受成功血管内治疗且最终梗死体积小于30毫升	数字病理学	心血管疾病	CTA（计算机断层扫描血管成像）	深度学习	图像	预训练1542例，微调和交叉验证48例	NA	DeepsymNet-v3, DSN-CTA	AUROC（受试者工作特征曲线下面积）	NA
274	2025-12-12	Both Infarcted and Noninfarcted Brain Regions Contribute to Deep Learning-Based MRI Prediction of Acute Stroke Outcome 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8896 PMID:41198223	研究论文	本研究利用深度学习模型，基于急性缺血性卒中后早期MRI DWI扫描，预测90天卒中结局，并探讨了梗死区和非梗死区对预测准确性的贡献	首次系统性地比较了仅使用梗死体积、全脑图像、梗死掩膜、强度保留梗死掩膜以及病灶中和图像等多种输入对卒中结局预测的影响，并强调了非梗死区域在预测中的重要作用	研究样本量相对有限（449例患者），且仅使用了卒中后1-7天的MRI DWI扫描，未考虑其他时间点或影像模态	预测急性缺血性卒中患者的长期临床结局，并评估不同脑区（包括梗死和非梗死区域）对预测准确性的贡献	急性缺血性卒中患者	数字病理学	心血管疾病	MRI DWI扫描	深度学习模型	图像	449例急性缺血性卒中患者	NA	NA	准确率, 平均绝对误差, AUC	NA
275	2025-12-12	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比MRI的深度学习模型，用于预测PET淀粉样蛋白状态，以替代传统的PET或CSF检测	首次将T1加权和T2 FLAIR多对比MRI结合使用于深度学习模型，显著提高了预测PET淀粉样蛋白状态的准确性	模型性能仍有提升空间（AUC最高0.71），且样本主要来自公开数据集，可能存在选择偏倚	开发一种非侵入性的MRI-based方法，用于预测阿尔茨海默病患者的淀粉样蛋白沉积状态	阿尔茨海默病患者及轻度认知障碍患者的MRI和PET影像数据	医学影像分析	阿尔茨海默病	MRI（T1加权和T2 FLAIR）、PET	深度学习	医学影像（MRI和PET）	4056例用于模型开发，149例用于外部验证	NA	EfficientNet	AUC, 准确率, 敏感性, 特异性	NA
276	2025-12-12	Mechanistic Insights into Anti-Melanogenic Effects of Fisetin: PKCα-Induced β-Catenin Degradation, ERK/MITF Inhibition, and Direct Tyrosinase Suppression 2025-Dec-04, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262311739 PMID:41373883	研究论文	本研究揭示了黄酮类化合物非瑟酮通过激活PKCα、ERK/AKT/GSK3β信号通路，促进β-catenin和MITF降解，从而抑制酪氨酸酶活性和黑色素生成的多靶点作用机制	首次阐明非瑟酮通过PKCα诱导的β-catenin降解与ERK/MITF抑制双重通路调控黑色素生成，并结合深度学习CNN评分验证其与关键蛋白的相互作用	研究主要基于体外细胞实验，缺乏动物模型验证；临床适用剂量与安全性尚未明确	探究非瑟酮抑制黑色素生成的作用机制及其在色素沉着疾病治疗中的应用潜力	人黑色素瘤细胞系	生物医学	色素沉着疾病（雀斑、黄褐斑、老年斑）	细胞毒性检测、蛋白质印迹、计算对接、深度学习CNN评分	CNN	分子对接数据、细胞实验数据	NA	NA	NA	NA	NA
277	2025-12-12	Evaluation of Model Performance and Clinical Usefulness in Automated Rectal Segmentation in CT for Prostate and Cervical Cancer 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233090 PMID:41374471	研究论文	本研究开发了一种基于深度学习的性别感知两阶段管道，用于在CT图像中自动分割直肠，以提升前列腺癌和宫颈癌放疗规划中的轮廓勾画效率和准确性	通过结合性别分类模型与性别感知U-Net分割网络，首次在直肠自动分割中显式建模性别特异性解剖差异，从而提升分割性能	研究样本量相对有限（186例患者），且仅在前列腺癌和宫颈癌患者中进行验证，未涵盖其他盆腔癌症类型	评估自动化直肠分割模型在盆腔CT图像中的性能及其在临床放疗规划中的实用性	前列腺癌和宫颈癌患者的盆腔CT扫描图像	数字病理	前列腺癌, 宫颈癌	CT扫描	CNN, U-Net	图像	186例患者（前列腺癌和宫颈癌）	NA	U-Net	Dice相似系数, Hausdorff距离, 平均表面距离, 准确率, AUC	NA
278	2025-12-12	MS-Detector: A Hierarchical Deep Learning Method to Detect Muscle Strain Using Bilateral Symmetric Ultrasound Images of the Body 2025-Dec-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233087 PMID:41374468	研究论文	本研究开发并评估了MS-Detector，一种基于对称性感知的两阶段深度学习模型，利用双侧B型超声图像自动检测肌肉拉伤，为临床医生提供一致的辅助决策工具	提出了一种结合YOLOv5检测器和Siamese CNN的层次化深度学习框架，通过利用双侧对称性图像来过滤假阳性，提高了肌肉拉伤检测的精度	研究仅基于单中心数据集，未来需要评估模型在不同扫描仪和中心的泛化能力，并探索概率融合和病变分级	开发一种自动检测肌肉拉伤的深度学习模型，以减少超声诊断中的主观变异，提供临床决策支持	肌肉拉伤患者的双侧B型超声图像	计算机视觉	肌肉拉伤	B型超声成像	CNN	图像	559对双侧超声图像，来自86名患者	PyTorch	YOLOv5, Siamese CNN	mAP, 召回率, 精确率, F1分数, F2分数	未明确指定，但基于深度学习框架推断可能使用GPU（如NVIDIA系列）
279	2025-12-12	Intraocular Cytokine Level Prediction from Fundus Images and Optical Coherence Tomography 2025-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s25237382 PMID:41374757	研究论文	本研究旨在利用彩色眼底照相和光学相干断层扫描图像，通过深度学习预测眼内细胞因子浓度	首次系统比较了基于眼底图像和OCT的深度学习模型在细胞因子预测中的应用，并探索了图像与眼内细胞因子谱之间的关系	预测性能普遍较差，所有方法的平均R值均低于零，且数据集规模较小	预测眼内细胞因子浓度	139名患者（152只眼睛）的176个房水样本	计算机视觉	年龄相关性黄斑变性	彩色眼底照相，光学相干断层扫描	CNN	图像	139名患者（152只眼睛），176个房水样本	AutoGluon	ResNet18	决定系数R	NA
280	2025-12-12	Towards In-Vehicle Non-Contact Estimation of EDA-Based Arousal with LiDAR 2025-Dec-04, Sensors (Basel, Switzerland) DOI:10.3390/s25237395 PMID:41374770	研究论文	本文探索了使用LiDAR非接触式估计基于EDA的唤醒状态的可行性，为驾驶员监测系统提供了一种新的传感方式	首次利用LiDAR作为非接触式传感模态，远程估计基于EDA的唤醒状态，解决了当前驾驶员监测系统中皮肤接触限制的核心问题	在跨受试者泛化方面存在挑战，性能在留一受试者评估中下降，且算法本身并非主要研究焦点，仅用于验证方法可行性	评估LiDAR在非接触式估计驾驶员唤醒状态方面的可行性，以提升车辆安全性和用户体验	驾驶员的前额LiDAR反射强度信号，用于估计基于EDA的唤醒状态	机器学习	NA	LiDAR（光探测与测距）	CNN, LSTM, TCN, Random Forest, Extra Trees	信号数据（LiDAR反射强度）	NA	NA	Temporal Convolutional Network, CNN, LSTM	平均绝对误差, 相关系数	NA