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
2961	2025-12-23	Non-invasive anemia detection from conjunctiva and sclera images using vision transformer with attention map explainability 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32343-w PMID:41419564	研究论文	提出了一种基于结膜和巩膜图像的非侵入性贫血检测方法，利用Vision Transformer模型实现高精度分类	首次将Vision Transformer模型应用于结膜-巩膜图像的贫血检测，并结合可解释性技术提供模型决策的视觉依据	未明确说明数据集的多样性和泛化能力，未提及模型在临床环境中的实际验证情况	开发非侵入性贫血检测方法以减少传统侵入式诊断的需求	结膜和巩膜图像	计算机视觉	贫血	图像分析	Vision Transformer (ViT)	图像	NA	NA	Vision Transformer	准确率	NA
2962	2025-12-23	Dehaze-attention: enhancing image dehazing with a multi-scale, attention-based deep learning framework 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27959-x PMID:41419565	研究论文	本研究提出了一种名为Dehaze-Attention的多尺度注意力深度学习框架，用于增强图像去雾效果	引入了注意力机制和多尺度网络结构，以动态聚焦相关特征并处理不同密度的雾霾，同时结合全局和局部特征分析	NA	改进图像去雾技术，以处理复杂大气条件下的可变雾霾密度，并保持图像结构信息	从UDTIRI数据集合成的雾霾图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	多尺度注意力网络	PSNR, SSIM	NA
2963	2025-12-23	ProjFusNet: deep neural network for peptide precursor prediction using projection-fused protein language model and structural features 2025-Dec-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01117-x PMID:41419957	研究论文	本文提出了一种名为ProjFusNet的深度学习框架，用于整合蛋白质序列和结构特征以预测肽前体	通过投影融合策略整合ESM-2的进化尺度蛋白质序列表示与结构特征，并利用双向LSTM建模序列与结构间的复杂相互作用	未在摘要中明确说明	准确识别肽前体，以阐明生命调控机制和开发新型疗法	肽前体序列	自然语言处理	NA	深度学习	双向LSTM	序列数据, 结构特征	NA	NA	ProjFusNet	ACC, SN, AUC, SP, MCC	NA
2964	2025-12-23	Deep learning-based classification of lung adenocarcinoma subtypes in histopathological images using DS-EffNet 2025-Dec-18, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2025.106020 PMID:41421723	研究论文	本研究提出了一种名为DS-EffNet的深度学习模型，用于对肺腺癌组织病理学图像进行亚型分类	将深度可分离残差块、RefConv、通道注意力池化和多维协作注意力模块集成到EfficientNetV2-S架构中，优化了复杂病理模式的特征提取和建模	未明确提及模型在更大规模、更多样化数据集上的验证情况，也未讨论模型在临床部署中的具体挑战	提高肺腺癌组织病理学图像亚型分类的准确性和效率	肺腺癌组织病理学图像	数字病理学	肺癌	组织病理学成像	CNN	图像	主要实验数据集和LC25000数据集（具体样本数未在摘要中提供）	NA	EfficientNetV2-S	准确率, F1分数, AUC	NA
2965	2025-12-23	Development of the model for predicting the efficacy of bevacizumab and prognosis in ovarian cancer using deep learning-based pathomics signatures 2025-Dec-17, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003823 PMID:41424025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2966	2025-12-23	MMC-CS: Multi-branch multi-stage contrastive learning for self-supervised compressed sensing 2025-Dec-13, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108475 PMID:41422622	研究论文	提出一种用于图像压缩感知的自监督深度学习框架MMC-CS，通过多分支多阶段对比学习解决无真实数据标签下的逆问题	提出多分支多阶段渐进交叉对比结构，利用测量值学习原始图像的共同先验；设计端到端深度神经网络，展开近端梯度下降算法；在重建过程中实现多尺度协同优化，结合图像路径和卷积特征路径	未明确说明计算复杂度或模型参数量；未与其他自监督方法进行广泛的计算效率比较	解决图像压缩感知中缺乏真实数据标签和测量数据利用不足的问题	图像压缩感知的逆问题求解	计算机视觉	NA	自监督学习，对比学习	深度神经网络	图像	NA	NA	基于近端梯度下降展开的网络，多分支多阶段结构	PSNR	NA
2967	2025-12-23	A computer vision and dynamic strain fusion approach for urban bridge weigh-in-motion 2025-Dec-12, Communications engineering DOI:10.1038/s44172-025-00544-w PMID:41388159	研究论文	本文提出了一种结合计算机视觉和结构应变传感的视频-应变反演估计系统，用于测量桥梁上的动态车辆载荷	融合计算机视觉与动态应变传感，开发轻量级深度学习检测器和多目标跟踪模型，实现低成本、高精度的城市桥梁动态称重	NA	开发一种低成本、可靠的动态称重系统，用于城市桥梁安全监测和数字孪生支持	城市桥梁上的动态车辆载荷	计算机视觉	NA	计算机视觉, 结构应变传感	深度学习检测器, 多目标跟踪模型	视频, 应变数据	来自交通繁忙城市桥梁的现场数据	NA	NA	准确率, 误检率, 误差百分比	NA
2968	2025-12-23	Accuracy of deep learning-based AI models for early caries lesion detection: the influence of annotation quality and reference choice 2025-Dec-04, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06672-z PMID:41339765	研究论文	本研究评估了不同标注方法和评估参考标准对基于深度学习的早期龋齿病变检测AI模型准确性的影响	揭示了评估参考标准的选择对AI模型性能评估的显著影响，而训练中的标注策略对准确性无显著差异	研究仅基于ACTA-DIRECT数据集，未在其他数据集上验证，且未探讨模型泛化能力	评估标注质量和参考标准选择对AI模型在早期龋齿病变检测中准确性的影响	早期龋齿病变	计算机视觉	龋齿	微CT	深度学习模型	图像	ACTA-DIRECT数据集	NA	NA	诊断准确性	NA
2969	2025-12-23	Artificial inteligence reading of cystometric traces provides good correlation with human diagnosis 2025-Dec-04, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06097-z PMID:41342912	研究论文	本研究评估了基于人工智能的膀胱测压图分类与人类专家诊断之间的相关性，旨在自动化解释过程并减少观察者间差异	结合图像基础的CNN-VGG16深度学习与基于小波的机器学习方法，并集成异常检测处理伪影，提高了诊断准确性	研究为回顾性、单中心设计，样本量有限，且未提供定量指标	评估人工智能在膀胱测压图解释中的诊断准确性，以自动化并标准化尿动力学研究	成人膀胱测压图轨迹	机器学习	下尿路功能障碍	膀胱测压术	CNN, 机器学习	图像, 信号	517个膀胱测压图轨迹（200个用于训练，317个用于测试）	NA	VGG16	准确率, 特异性, 敏感性	NA
2970	2025-12-23	Application of Deep Learning-Based Multimodal Data Fusion for the Diagnosis of Skin Neglected Tropical Diseases: Systematic Review 2025-Dec-04, JMIR AI DOI:10.2196/67584 PMID:41344666	系统综述	本文系统综述了基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的应用	首次系统性地回顾了深度学习多模态数据融合方法在皮肤被忽视热带病诊断领域的应用，并分析了其性能提升、算法使用现状及未来研究方向	现有研究数量较少（仅14篇），数据稀缺，且未充分探讨模型在资源受限地区的实际应用可行性	评估基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的有效性、算法应用现状及潜在风险	皮肤被忽视热带病及相关非NTD皮肤病的诊断研究	数字病理学	皮肤被忽视热带病	多模态数据融合	CNN, Transformer, RNN, 生成模型	多模态数据（可能包括图像、文本等）	NA	NA	基于CNN的模型, Transformer, RNN, 生成模型	NA	NA
2971	2025-12-23	Machine learning models for predicting vasospasm following ruptured intracranial aneurysms: a systematic review and meta-analysis 2025-Dec-03, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06725-y PMID:41339534	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测动脉瘤性蛛网膜下腔出血后血管痉挛方面的性能	首次对机器学习预测动脉瘤性蛛网膜下腔出血后血管痉挛的研究进行系统综述和荟萃分析，比较了不同机器学习方法的性能	研究存在方法学异质性、外部验证有限、缺乏前瞻性试验，患者选择和缺乏外部验证导致偏倚风险	评估机器学习模型预测动脉瘤性蛛网膜下腔出血后血管痉挛的准确性和临床应用潜力	动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	NA	深度学习, 回归模型, 集成方法, SVM	临床数据和影像数据	12项研究，包含25个机器学习模型	NA	人工神经网络, 随机森林	灵敏度, 特异性, AUC-ROC, NPV, PPV	NA
2972	2025-12-23	Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data 2025-Dec, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17773 PMID:40271548	研究论文	本文通过回顾理论、实验和数据分析，探讨了驯化过程对基因组重组率的影响，并利用深度学习方法和种群测序数据比较了家养动物与其野生祖先的重组率	结合深度学习方法和种群测序数据，首次系统比较了鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的基因组重组率，揭示了驯化对重组率影响的混合结果	研究结果基于有限物种比较，可能无法推广到所有驯化物种；深度学习方法的推断准确性依赖于数据质量和模型假设	检验驯化是否导致基因组重组率增加的假设，并分析其理论依据和实证证据	家养动物（鸡、绵羊、山羊）及其野生祖先（红原鸡、摩弗伦羊、野山羊）	机器学习	NA	种群测序，深度学习	深度学习	基因组测序数据	多个物种的种群测序数据，具体样本数量未明确说明	NA	NA	NA	NA
2973	2025-12-23	Deep Learning Algorithm for the Diagnosis and Prediction of Hydroxychloroquine Retinopathy: An International, Multi-institutional Study 2025-Dec, Ophthalmology. Retina DOI:10.1016/j.oret.2025.06.003 PMID:40513830	研究论文	本研究开发了一种名为HCQuery的深度学习算法，用于从光谱域OCT图像中检测羟氯喹视网膜病变并预测其未来发生	提出了一种能够早期预测羟氯喹视网膜病变的深度学习算法，平均可提前2.74年识别病变	研究基于回顾性数据，且样本来自多个国际临床中心，可能存在数据异质性和选择偏倚	开发并验证一种深度学习算法，用于羟氯喹视网膜病变的诊断和预测	服用羟氯喹的患者及其SD-OCT图像	数字病理学	视网膜病变	光谱域OCT成像	CNN	图像	409名患者（171例阳性，238例阴性），8251张SD-OCT B扫描图像（1988个体积）	NA	EfficientNet-b4	灵敏度, 特异性, 准确率, 阴性预测值, 阳性预测值, AUC, 精确率-召回率曲线下面积	NA
2974	2025-12-23	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文系统回顾并荟萃分析了基于深度学习的网络在利用计算机断层扫描图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在预测脑出血血肿扩张方面的诊断准确性进行系统综述和荟萃分析，并比较了纯深度学习模型与组合模型的性能	纳入研究存在异质性，可能受到分割技术和研究质量差异的影响	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
2975	2025-12-23	ATHENA: A deep learning-based AI for functional prediction of genomic mutations and synergistic vulnerabilities in prostate cancer 2025-Nov-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690813 PMID:41357974	研究论文	本文介绍了一种名为ATHENA的深度学习AI框架，用于预测前列腺癌中基因组突变的功能影响并揭示其协同脆弱性	开发了基于注意力的深度学习框架，能够建模突变间的非线性依赖关系，区分驱动突变与乘客突变，并通过SHAP分析提供可解释性	未明确说明模型在独立验证集上的泛化性能，也未详细讨论数据偏差可能对预测结果产生的影响	预测基因组突变的功能影响，识别驱动前列腺癌进展和治疗抵抗的关键突变及其协同作用	前列腺癌患者的多组学数据（RNA/DNA测序数据）和疾病进展模型	数字病理学	前列腺癌	RNA/DNA测序，碱基编辑实验	深度学习	基因组测序数据，临床数据	大型多队列数据集（具体数量未明确说明）	未明确说明	基于注意力的神经网络	临床结果分层能力，功能预测准确性（具体指标未明确说明）	未明确说明
2976	2025-12-23	Visionary AI: Decoding Systemic Vascular Health and Hypertensive Disorders in Pregnancy Through Retinal Imaging and Artificial Intelligence 2025-Nov-27, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.25.25340974 PMID:41358297	研究论文	本研究开发了一个名为Visionary AI的人工智能平台，通过整合超广角视网膜成像和基于生物学的血管建模，早期预测妊娠期高血压疾病	与依赖通用深度学习模型和临床输入的先前方法不同，Visionary AI构建了可解释的、基于图的母体视网膜血管表示，并应用拓扑和几何分析来识别特定疾病的微血管特征	NA	早期预测妊娠期高血压疾病，理解妊娠如何系统性重塑血管生理学以及这种重塑可能出错的方式	妊娠期女性，特别是患有高血压疾病的孕妇	计算机视觉	妊娠期高血压疾病	超广角视网膜成像	深度学习	图像	1,267例妊娠（前瞻性多民族美国队列）	NA	基于图的表示	AUC	NA
2977	2025-12-23	Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics 2025-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.11.23.25340814 PMID:41358286	研究论文	本文提出了一种利用先验知识增强图神经网络以从蛋白质组学数据中预测表型的深度学习框架	创新性地设计了一种结合基因本体库构建二分图结构的图神经网络模型，通过整合生物学先验知识来提升表型预测性能	模型性能在训练数据有限的情况下可能受限，且依赖于蛋白质集合库的构建质量	开发一种能够从高通量蛋白质组学数据中准确预测疾病相关表型的机器学习方法	英国生物银行中的血浆蛋白质组学数据及个体表型数据	机器学习	NA	高通量蛋白质组学	图神经网络	蛋白质表达数据	NA	NA	图神经网络	NA	NA
2978	2025-12-23	Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data 2025-Nov-24, Research square DOI:10.21203/rs.3.rs-7687810/v1 PMID:41356360	研究论文	本研究提出RoentGen-v2，一种用于胸部X光片的文本到图像扩散模型，通过精细控制放射学发现和患者人口统计学属性生成合成数据，以提升下游疾病分类模型的性能、鲁棒性和公平性	首次开发了能够显式控制人口统计学属性（如性别、年龄、种族/民族）的临床可信胸部X光片生成模型，并提出了利用合成数据进行监督预训练再在真实数据上微调的改进训练策略	未明确提及模型在更广泛疾病类型或不同成像模态上的泛化能力，以及合成数据与真实数据之间可能存在的分布差异对长期部署的影响	开发临床可部署的深度学习模型，通过合成数据提升诊断成像模型的性能、鲁棒性和公平性	胸部X光片图像	计算机视觉	未指定具体疾病，但涉及胸部疾病分类	文本到图像扩散模型	扩散模型	图像	合成数据集包含超过565,000张图像，并在来自五个机构的超过137,000张保留胸部X光片上进行评估	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	RoentGen-v2（基于扩散模型的架构）	准确率，公平性差距（如误诊公平性差距）	未明确指定，但可能使用GPU（如NVIDIA系列）进行模型训练和生成
2979	2025-12-23	Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8000504/v1 PMID:41333422	研究论文	本研究利用术前认知状态（通过画钟测试评估）结合术中变量、人口统计学、身体状况和合并症，预测住院时间、费用、随访疼痛和一年死亡率等医院结局	首次将术前认知状态（通过半监督深度学习算法提取的画钟测试特征）整合到围手术期人工智能模型中，用于预测多种手术结局，并发现认知特征在预测中的重要性	仅分析了6个手术组，数据可用性有限；画钟测试特征可能无法全面代表认知状态；模型未在外部数据集上验证	预测围手术期医院结局，包括住院时间、费用、疼痛和死亡率	接受手术的患者，特别是其术前认知状态、术中变量和人口统计学特征	机器学习	围手术期并发症	画钟测试，半监督深度学习算法	机器学习模型	结构化临床数据（包括认知测试特征、术中变量、人口统计学信息）	6个手术组中可用的足够数据样本	NA	NA	NA	NA
2980	2025-12-23	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	本研究开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割	首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂的真实世界数据中实现了优于传统启发式方法的高精度分割性能	研究样本量相对有限（33名患者），未在更广泛的患者群体或不同型号呼吸机上进行外部验证	开发高精度的机械通气波形分割方法以检测患者-呼吸机异步性	机械通气波形数据	数字病理学	呼吸系统疾病	机械通气波形分析	U-Net	时间序列数据	33名患者的9,719次呼吸波形	NA	一维注意力门控U-Net	F1分数	NA