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
2841	2025-11-24	Enhanced Brain Tumor Classification with Convolutional Neural Networks 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_48 PMID:41273590	研究论文	提出一种基于卷积神经网络的脑肿瘤图像分类方法，用于区分不同类型的脑肿瘤	通过综合数据增强和严格超参数调优显著提升分类准确率，实现脑肿瘤类型的自动精准分类	NA	提高脑肿瘤诊断精度并优化治疗策略	脑肿瘤图像，包括胶质瘤、脑膜瘤和转移性肿瘤	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	NA	NA	包含多个卷积层、池化层和全连接层的CNN架构	分类准确率	NA
2842	2025-11-24	Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4976-3_27 PMID:41273702	综述	本章重点介绍遗传毒性预测领域，系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用	系统总结了AI模型在遗传毒性预测中的三大分类（QSAR、机器学习和深度学习），并提供了专门针对遗传毒性预测的详细数据表	作为章节综述，未涉及具体实验验证，主要基于现有文献总结	探讨人工智能和机器学习方法在遗传损伤预测中的应用	遗传毒性检测方法和AI预测模型	机器学习	NA	Ames测试等遗传毒性检测方法	QSAR, 机器学习, 深度学习	分子描述符和指纹数据（拓扑、静电、量子描述符）	NA	NA	NA	预测分数和不同评估指标	NA
2843	2025-11-24	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	研究论文	本研究采用基于深度学习的CT定量方法预测进行性纤维化性间质性肺疾病及其预后	首次将深度学习CT定量技术应用于PF-ILD的预测和预后评估，证明了其在传统肺功能指标基础上的附加价值	单中心回顾性研究，样本量有限（465例患者）	探索基于深度学习的定量CT在预测进行性纤维化性间质性肺疾病和评估预后方面的价值	间质性肺疾病患者	医学影像分析	间质性肺疾病	CT扫描，深度学习定量分析	深度学习模型	CT影像	465例ILD患者（中位年龄65岁，男性238例），其中148例发展为PF-ILD	NA	NA	C-index, OR值, HR值	NA
2844	2025-11-24	Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy 2025-Dec, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70306 PMID:40542591	研究论文	本研究利用深度学习模型分析超声胎盘图像纹理特征来预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合应用于超声胎盘图像分析，实现了对妊娠期高血压疾病的高精度预测	研究为单中心前瞻性观察研究，样本量相对有限，需要多中心验证	开发基于深度学习超声胎盘图像分析的妊娠期高血压疾病预测方法	孕妇群体，包括正常妊娠结局和妊娠期高血压疾病患者	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Transformer	图像	1008名孕妇（600名正常结局，143名HDP，265名其他不良结局）	NA	CNN, EfficientNet B0, Vision Transformer, TabNet	准确率, Cohen kappa, AUC, 敏感性, 特异性	NA
2845	2025-11-24	ProMUS-NET: Artificial intelligence detects more prostate cancer than urologists on micro-ultrasonography 2025-Dec, BJU international IF:3.7Q1 DOI:10.1111/bju.16892 PMID:40859774	研究论文	开发用于前列腺微超声图像自动癌症分割的深度学习模型ProMUS-NET，并与泌尿科专家性能进行比较	首次开发专门用于微超声图像的前列腺癌检测AI模型，在检测灵敏度方面超越泌尿科专家	需要改进边缘重叠精度，减少假阳性，并进行外部验证	提高前列腺癌在微超声图像上的定位灵敏度和读者间一致性	接受MRI-超声融合引导活检的前列腺癌患者	数字病理	前列腺癌	微超声成像，MRI-超声融合引导活检	深度学习	医学图像	单机构前瞻性收集的微超声图像数据集	NA	U-Net	AUC, 灵敏度, 特异性	NA
2846	2025-11-24	Artificial intelligence-driven intelligent nanocarriers for cancer theranostics: A paradigm shift with focus on brain tumors 2025-Dec, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152429 PMID:41218468	综述	探讨人工智能驱动智能纳米载体在脑癌诊疗一体化中的革命性应用	提出AI与纳米技术融合的智能纳米载体新范式，实现肿瘤微环境响应和个性化治疗	存在批次变异性和工业规模化生产的挑战，以及伦理与成本问题	开发人工智能增强的智能纳米载体用于脑癌诊疗一体化	胶质母细胞瘤和其他中枢神经系统转移性肿瘤	数字病理	脑肿瘤	多组学数据整合，MRI，PET	机器学习，深度学习	医学影像，多组学数据	NA	NA	NA	NA	NA
2847	2025-11-24	Street-view greenspace distribution across racial/ethnic, neighborhood income, and individual education subgroups 2025-Dec, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000441 PMID:41268185	研究论文	本研究使用深度学习分析街景图像，探讨不同种族/民族、教育水平和社区社会经济地位亚组之间绿化空间分布的差异	首次结合深度学习与多层次分析方法，量化不同类型绿化空间在种族/民族、教育水平和社区社会经济地位交叉分层中的分布不平等	研究样本仅来自动脉粥样硬化多种族研究参与者，可能无法完全代表更广泛人群	探究种族/民族、教育水平和社区社会经济地位的交互作用如何影响绿化空间类型分布	5,858名动脉粥样硬化多种族研究参与者（2000-2002年）	计算机视觉	动脉粥样硬化	街景图像分析	深度学习算法	图像	5,858名参与者	NA	NA	NA	NA
2848	2025-11-24	Development and validation of a video-based deep learning model for distinguishing epileptic seizures from non-epileptic events in a pediatric cohort 2025-Dec, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110785 PMID:41110273	研究论文	开发并验证基于视频的深度学习系统，用于区分儿科队列中的癫痫发作与非癫痫事件	提出增强型多尺度视觉Transformer模型，首次在儿科癫痫诊断中进行前瞻性验证并与不同级别临床医生进行对比	对非运动性事件的诊断准确性相对有限，样本量相对较小	开发AI辅助诊断工具以区分儿科癫痫发作与非癫痫事件	儿科患者的癫痫发作和非癫痫事件视频数据	计算机视觉	癫痫	视频分析	Transformer	视频	438个回顾性收集视频用于训练，130个连续视频用于前瞻性验证	PyTorch	增强型多尺度视觉Transformer, MViTv2, SlowFast	准确率, 灵敏度, 特异性	NA
2849	2025-11-24	Deep learning approaches for pathological image classification 2025-Dec, Journal of oral biosciences IF:2.6Q1 DOI:10.1016/j.job.2025.100696 PMID:41274680	综述	本文综述了基于深度学习的病理图像分类方法及其在精准医疗中的应用	介绍了使用模拟器生成合成数据和公式驱动方法等新兴技术来克服传统训练数据集的局限性	高质量标注数据集有限，特别是罕见癌症数据缺乏，阻碍了传统数据驱动方法的广泛应用	探讨深度学习在病理图像分类中的应用及其在精准医疗中的发展前景	病理全切片图像	数字病理学	癌症	全切片成像	CNN, RNN	图像	NA	NA	NA	NA	NA
2850	2025-11-24	The Future trends of Artificial Intelligence and innovative technologies in the new era of pharmaceutical sciences and Industry 4.0 2025-Nov-23, Drug development and industrial pharmacy IF:2.4Q3 DOI:10.1080/03639045.2025.2590707 PMID:41241791	综述	本文综述人工智能在制药科学中的变革性影响及其与现代技术的融合	系统阐述AI与工业4.0技术（物联网、机器人、区块链、数字孪生）的协同作用，推动个性化医疗和自适应制造	存在数据隐私、算法偏见和法规更新需求等挑战	探讨AI在制药科学中促进药物研发、生产和数字化转型的作用	制药科学领域的AI技术应用	机器学习	NA	基因组学数据分析、临床数据分析、环境数据分析	机器学习, 深度学习	基因组数据, 临床数据, 环境数据	NA	NA	NA	NA	NA
2851	2025-11-24	Artificial intelligence-driven prediction of lymph node metastasis in T1 esophageal squamous cell carcinoma using whole slide images 2025-Nov-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01186-z PMID:41274958	研究论文	开发基于深度学习的人工智能模型，利用全切片图像预测T1期食管鳞状细胞癌的淋巴结转移	首次使用全切片图像和深度学习技术预测T1期食管鳞癌淋巴结转移，为内镜黏膜下剥离术后治疗决策提供新工具	研究样本量有限（160例手术切除病例），外部验证仅针对高风险病例	预测淋巴结转移并减少过度治疗	T1期食管鳞状细胞癌患者	数字病理学	食管癌	全切片图像分析	深度学习模型	病理图像	160例手术切除病例（72例LNM+，88例LNM-），来自374名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, F1-score, 阴性预测值	NA
2852	2025-11-24	YOLO-APLD: A lightweight apple leaf disease detection model based on multi-scale feature fusion 2025-Nov-23, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量级苹果叶片病害检测模型YOLO-APLD	引入EP-C2f增强模块强化局部特征表示，提出Focal-SIoU损失函数优化检测稳定性，采用BiFPN实现多尺度特征融合，使用Slim-neck结构简化网络架构	NA	实现果园环境中苹果叶片病害的精准实时检测	苹果叶片病害（锈病、花叶病、褐斑病、白粉病、黑星病、轮斑病、灰斑病）	计算机视觉	植物病害	深度学习	YOLO	图像	NA	PyTorch	YOLOv8n, EP-C2f, BiFPN, Slim-neck	精确率, 召回率, 平均精度均值, F1分数, FLOPs, 参数量, 模型大小, 帧率	边缘计算设备
2853	2025-11-24	Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation 2025-Nov-22, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2590472 PMID:41273294	研究论文	本研究开发了一种先进的深度学习框架，通过皮肤镜图像分析实现砷暴露引起的皮肤疾病的早期诊断	采用协同ResNet-DenseNet架构提取判别性图像特征，结合k-最近邻算法进行分类，在砷诱导皮肤病早期诊断中实现高精度分类	研究数据仅来自孟加拉国的四个现场站点，可能限制了模型的泛化能力	开发基于深度学习的早期诊断方法，用于砷暴露引起的皮肤疾病	砷暴露和未暴露个体的皮肤镜图像	计算机视觉	皮肤病	皮肤镜图像分析	CNN, k-NN	图像	8892张皮肤镜图像，来自孟加拉国四个现场站点	NA	ResNet, DenseNet	准确率, F1分数, 灵敏度, 召回率	NA
2854	2025-11-24	PhyloCNN: Improving tree representation and neural network architecture for deep learning from trees in phylodynamics and diversification studies 2025-Nov-22, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf082 PMID:41273351	研究论文	提出一种基于深度学习的新方法PhyloCNN，用于系统发育动力学和多样化研究中的模型选择和参数估计	开发了专门针对系统发育树的卷积神经网络架构，通过编码所有节点和叶子的邻域信息来改进树表示	方法性能在较小训练集时受邻域数量影响较大，需要进一步验证在更广泛真实数据集上的适用性	改进系统发育动力学和多样化研究中的模型选择和参数估计方法	系统发育树，HIV超级传播者数据集，灵长类种子传播者数据集	机器学习	HIV/艾滋病	深度学习，模拟训练	CNN	系统发育树数据	10,000到100,000个模拟训练树	NA	PhyloCNN	准确率	NA
2855	2025-11-24	Deep-learning reconstruction enables about one minute 3D T1-weighted MRI: quantitative evaluation of Acceleration-quality Trade-offs and motion reduction 2025-Nov-22, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03846-0 PMID:41273361	研究论文	评估深度学习重建方法DL-Speed在加速3D T1加权MRI成像中的效用，包括图像质量保持和运动减少效果	系统验证深度学习重建方法在临床环境中的实用性，首次揭示图像质量与形态计量学参数随加速因子的不同变化模式	样本量有限（6名健康志愿者和40名患者），缺乏多中心验证	评估深度学习重建方法在显著加速图像采集的同时保持定量图像质量和形态计量学准确性的能力	健康志愿者和临床患者群体的3D T1加权MRI图像	医学影像分析	神经系统疾病	3D MPRAGE MRI序列，深度学习重建	深度学习	3D MRI图像	6名健康志愿者，40名患者	NA	DL-Speed	CAT12图像质量评级，全局皮质厚度，总灰质体积，总向量变化，Bland-Altman分析，相关系数	NA
2856	2025-11-24	Clinically oriented deep learning framework for automated vessel wall segmentation in black-blood MRI: a multi-center study 2025-Nov-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12161-4 PMID:41273425	研究论文	开发并验证用于黑血磁共振血管壁成像中颅内和颈动脉血管壁自动分割的临床适用深度学习框架	提出三项关键创新：极坐标映射、特征共享填充策略和极坐标Dice损失函数	回顾性研究设计，样本量相对有限（193例患者）	开发临床适用的血管壁自动分割方法以支持脑血管风险评估	颅内和颈动脉血管壁	医学影像分析	脑血管疾病	黑血磁共振血管壁成像	深度学习分割框架	磁共振影像	193例来自五家医院的患者，平均年龄60.2±4.3岁	NA	NA	Dice相似系数, Hausdorff距离, 面积差异	NA
2857	2025-11-24	AI-Driven Discovery and Design of Antimicrobial Peptides: Progress, Challenges, and Opportunities 2025-Nov-22, Probiotics and antimicrobial proteins IF:4.4Q2 DOI:10.1007/s12602-025-10856-0 PMID:41273666	综述	系统总结人工智能技术在抗菌肽发现与设计领域的最新进展、挑战和未来机遇	首次系统梳理AI技术在抗菌肽研究中从判别模型到生成模型的全流程应用，并提出多模态优化等创新设计策略	面临数据质量限制、模型可解释性不足和实验验证瓶颈等挑战	加速基于抗菌肽的药物研发进程	抗菌肽（AMPs）	机器学习	抗菌耐药性感染疾病	机器学习（ML）、深度学习（DL）	判别模型、回归模型、生成模型	多模态生物数据	NA	NA	NA	NA	NA
2858	2025-11-24	Deep learning-based approach for differential diagnosis of odontogenic cysts from histopathological images 2025-Nov-22, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27697 PMID:41273753	研究论文	本研究开发基于深度学习的AI方法，利用组织病理学图像对不同类型的牙源性囊肿进行鉴别诊断	首次将多种深度学习架构应用于牙源性囊肿的自动鉴别诊断，比较了不同模型在牙科病理图像上的性能表现	数据集规模相对较小，仅包含348张图像；Xception和Inception V3模型收敛速度较慢，训练效率有待提升	开发基于深度学习的牙源性囊肿自动诊断系统	三种牙源性囊肿：含牙囊肿(87例)、根尖囊肿(198例)、牙源性角化囊肿(63例)	数字病理学	牙源性囊肿	苏木精-伊红(H&E)染色	CNN	图像	348张组织病理学图像（87张含牙囊肿，198张根尖囊肿，63张牙源性角化囊肿）	NA	Inception V3,VGG16,VGG19,Xception,经典CNN	准确率,精确率,灵敏度(召回率),F1分数	NA
2859	2025-11-24	Deep Learning-Assisted Differentiation of Four Peripheral Neuropathies Using Corneal Confocal Microscopy 2025-Nov-22, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70255 PMID:41274779	研究论文	开发基于深度学习的外周神经病变自动诊断系统NeuropathAI，通过角膜共聚焦显微镜图像区分四种外周神经病变	首次开发可解释的多类别深度学习系统，用于快速自动诊断和区分四种常见外周神经病变	样本量相对较小（88名患者），需更大规模验证	解决外周神经病变诊断延迟和漏诊问题，开发快速自动化诊断方法	88名患有四种外周神经病变的患者：糖尿病外周神经病变、化疗诱导外周神经病变、慢性炎性脱髓鞘性多发性神经病、HIV相关感觉神经病变	数字病理学	外周神经病变	角膜共聚焦显微镜	深度学习	图像	88名患者	NA	NA	准确率,F1分数,AUC,敏感性,特异性,精确度	NA
2860	2025-11-24	Integrated bioinformatics and deep learning (MLP) approach reveals a novel five miRNA prognostic signature in uveal melanoma 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28095-2 PMID:41274898	研究论文	本研究通过整合生物信息学和深度学习(MLP)方法，在葡萄膜黑色素瘤中发现了一个新型的五miRNA预后标志物	首次结合单因素Cox回归和多层感知器神经网络，识别出与葡萄膜黑色素瘤预后相关的五个关键miRNA	样本量较小(80例患者)，模型分类性能中等(AUC=0.71)，需要进一步实验验证	开发可靠的葡萄膜黑色素瘤预后生物标志物	葡萄膜黑色素瘤患者及其miRNA表达数据	生物信息学, 机器学习	葡萄膜黑色素瘤	miRNA测序, 生物信息学分析	MLP	miRNA-seq数据, 临床数据	80例TCGA-UVM队列患者	NA	多层感知器	AUC	NA