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
281	2025-12-31	Dementia Detection via Retinal Hyperspectral Imaging and Deep Learning: Clinical Dataset Analysis and Comparative Evaluation of Multiple Architectures 2025-Dec-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121362 PMID:41463659	研究论文	本研究通过视网膜高光谱成像和深度学习技术，探索了痴呆症的早期无创检测方法	首次将高光谱成像技术应用于视网膜图像分析以检测痴呆症，并比较了多种CNN架构在原始图像与高光谱图像上的性能差异	样本量相对有限（137名参与者），未说明模型在外部验证集上的泛化能力	开发基于视网膜高光谱成像的痴呆症早期检测方法	视网膜组织的高光谱图像特征	计算机视觉	老年疾病	高光谱成像	CNN	图像	137名参与者的3256张眼底图像	NA	ResNet50, Inception_v3, GoogLeNet, EfficientNet	准确率	NA
282	2025-12-31	Harnessing Machine Learning Approaches for the Identification, Characterization, and Optimization of Novel Antimicrobial Peptides 2025-Dec-14, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics14121263 PMID:41463765	综述	本文综述了利用机器学习方法识别、表征和优化新型抗菌肽的研究进展	提出了整合多模态范式策略，将识别、预测、表征与设计框架相结合，并链接主动学习实验循环、机制可解释性、精选数据资源和不确定性估计	NA	加速人工智能驱动的新型抗菌肽发现，以对抗多重耐药革兰氏阴性病原体	抗菌肽	机器学习	抗菌素耐药性	NA	经典机器学习, 深度学习, Transformer, 图神经网络, 几何编码器, 大语言模型	序列数据, 结构数据	NA	NA	NA	NA	NA
283	2025-12-31	Deep Learning-Assisted Detection and Classification of Thymoma Tumors in CT Scans 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243191 PMID:41464191	研究论文	本研究提出了一种基于深度学习的模型，用于在CT扫描中检测和分类胸腺瘤，旨在提高诊断准确性	结合预训练的VGG16网络进行特征提取和基于MLP-Mixer的特征增强模块，有效建模局部和全局特征依赖，无需传统卷积机制	NA	提高胸腺瘤在CT图像中的检测和亚型分类（良性 vs 恶性）的诊断准确性	胸腺瘤CT扫描图像	计算机视觉	胸腺瘤	CT扫描	CNN, MLP-Mixer	图像	NA	NA	VGG16, MLP-Mixer	F1分数, 准确率, 召回率, 精确率	NA
284	2025-12-31	DCL-A: An Unsupervised Ultrasound Beamforming Framework with Adaptive Deep Coherence Loss for Single Plane Wave Imaging 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243193 PMID:41464197	研究论文	本文提出了一种基于自适应深度相干性损失的无监督超声波束形成框架，用于提升单平面波成像的图像质量	引入了自适应深度相干性损失函数，通过线性或非线性加权机制，根据输入与目标平面波帧之间的角度距离动态调整权重，从而更有效地抑制旁瓣和栅瓣干扰	未明确提及方法在极端噪声环境或复杂组织中的泛化能力，且依赖于公开数据集进行训练和验证	开发一种无监督深度学习框架，以改善单平面波成像中的波束形成质量，减少伪影并提高图像分辨率	超声单平面波成像中的波束形成过程	计算机视觉	NA	单平面波成像	深度学习	图像	使用公开数据集，包括模拟、体模和体内图像	未明确指定，但基于深度学习框架	未明确指定具体架构	峰值范围旁瓣水平, 半高全宽, 广义对比度噪声比	NA
285	2025-12-31	Semi-inductive dataset construction and framework optimization for practical drug target interaction prediction with ScopeDTI 2025-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66311-9 PMID:41390462	研究论文	本文提出了SCOPE-DTI框架，结合大规模半归纳人类药物-靶点相互作用数据集和深度学习模型，以提升药物-靶点相互作用预测的实用性和性能	构建了大规模、平衡的半归纳人类DTI数据集，并整合三维蛋白质和化合物表示、图神经网络及双线性注意力机制，以有效捕捉跨域相互作用模式	未明确提及具体局限性，但可能受限于数据来源的多样性和模型复杂性	提升药物-靶点相互作用预测的实用性和准确性，加速药物发现研究	药物-靶点相互作用数据，包括人类蛋白质和化合物	机器学习	癌症	深度学习，图神经网络	图神经网络，注意力机制	三维蛋白质和化合物表示，药物-靶点相互作用数据	从13个公共存储库构建的大规模数据集，数据量比常见基准（如Human数据集）扩展高达100倍	未明确指定，可能基于PyTorch或TensorFlow	图神经网络，双线性注意力机制	未明确指定，但提及在多种DTI预测任务中优于最先进方法	未明确指定
286	2025-12-15	A novel deep learning framework with temporal attention convolutional networks for intrusion detection in IoT and IIoT networks 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32697-1 PMID:41390854	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
287	2025-12-31	Artificial Intelligence and the Future of Cardiac Implantable Electronic Devices: Diagnostics, Monitoring, and Therapy 2025-Dec-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248824 PMID:41464726	综述	本文综述了人工智能在心脏植入式电子设备（CIEDs）领域，包括诊断、远程监测和治疗优化方面的主要应用	总结了AI在CIEDs中诊断心律失常、预测临床事件、优化治疗及探索自然语言处理和强化学习等新方法的最新进展	面临数据标准化、临床试验验证和监管考虑等挑战，需进一步研究以转化为常规临床护理	探讨人工智能如何提升心脏植入式电子设备的管理和患者治疗效果	心脏植入式电子设备（如起搏器、植入式心律转复除颤器、心脏再同步治疗设备）及其生成的数据	机器学习	心血管疾病	机器学习、深度学习、自然语言处理、强化学习	神经网络	时间序列数据、文本数据	NA	NA	NA	NA	NA
288	2025-12-31	Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization 2025-Dec-12, Journal of visualized experiments : JoVE DOI:10.3791/69287 PMID:41460740	研究论文	本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要，以提高摘要的准确性和效率	创新点在于将案例推理与多阶段Transformer架构结合，用于法律文本摘要，在词汇重叠和领域特定推理指标上超越现有基线方法	NA	研究目的是开发一种混合法律文本摘要框架，以快速识别和提取法律文档中的相关信息	研究对象是法律文档，具体为来自Kaggle的4,968个法律案例	自然语言处理	NA	案例推理，深度学习	Transformer	文本	4,968个法律案例	NA	多阶段Transformer架构	准确率，ROUGE分数，法律实体保留，推理保真度，事实准确性，连贯性	NA
289	2025-12-31	Artificial Intelligence in Obesity Prevention 2025-Dec-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243262 PMID:41464330	综述	本文全面分析了人工智能在肥胖预防领域的研究影响，通过范围综述评估了AI在肥胖评估与预测中的应用	系统梳理了2009年至2025年间AI在肥胖研究中的应用趋势，并整合了多种机器学习方法以发现数据中的新规律	需要更多研究来验证AI在肥胖预测中的实际效果，现有分析可能受限于文献检索范围和模型泛化能力	探讨人工智能在肥胖早期识别、预测及预防策略开发中的应用潜力	肥胖相关研究文献（来自PubMed、Scopus、Web of Science、Google Scholar数据库）及其中涉及的AI预测模型	机器学习	肥胖症	文献范围综述方法（scoping study）	逻辑回归, 决策树, 人工神经网络	文本数据（文献资料）	NA	NA	NA	NA	NA
290	2025-12-31	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文提出了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，在无需标注的情况下捕捉生物学有意义的特征	结合解耦表示学习与高保真图像重建，创建紧凑且可解释的潜在空间，系统地将潜在表示与层次化形态属性关联，支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性，但可能涉及模型在极端或未见过条件下的泛化能力验证	开发一种通用、无偏的单细胞形态学分析策略，以量化细胞生物学特征	单细胞	计算机视觉	NA	高级显微镜成像，如荧光成像、定量相位成像	深度学习	图像	NA	NA	NA	NA	NA
291	2025-12-31	Artificial Intelligence Applications in Chronic Obstructive Pulmonary Disease: A Global Scoping Review of Diagnostic, Symptom-Based, and Outcome Prediction Approaches 2025-Dec-11, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13123053 PMID:41463064	综述	本文通过范围综述，系统梳理了人工智能在慢性阻塞性肺疾病诊断、症状分析和结局预测三个关键领域的应用现状	首次通过全球范围综述，系统地将AI在COPD中的应用归纳为诊断、临床症状和临床结局三大领域，并识别出当前研究的主要趋势和关键空白	纳入研究主要为回顾性分析，缺乏前瞻性验证和临床实施研究，且数据来源存在地域不平衡（南美洲和非洲数据稀缺）	系统梳理和总结人工智能在慢性阻塞性肺疾病领域的应用研究现状	针对慢性阻塞性肺疾病患者的诊断、症状和临床结局相关研究	机器学习	慢性阻塞性肺疾病	NA	深度学习, 基于树的机器学习模型	电子健康记录, 胸部CT扫描, 音频记录	共纳入120项全球分布的研究	NA	卷积神经网络, CatBoost	准确率	NA
292	2025-12-31	Implementation of a Stress Biomarker and Development of a Deep Neural Network-Based Multi-Mental State Classification Model 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121352 PMID:41463649	研究论文	本研究开发了一个基于大规模真实生活生物信号数据的深度学习模型，用于预测压力水平并解释其背后的生理模式	整合了静态机器学习模型（如随机森林和LightGBM）与时间序列深度学习模型（如LSTM和Transformer），并利用SHAP和Transformer注意力权重可视化增强模型可解释性，以大规模纵向数据验证基于Transformer的模型在近似设备衍生生理压力水平方面的有效性	使用的真实标签是基于K-FDA批准的穿戴设备中现有心率变异性算法的输出，而非经过临床验证的评估（如唾液皮质醇或心理量表），因此研究重点在于模型能否有效近似设备衍生的压力水平，而非识别独立的临床压力标志物	评估深度学习模型能否准确学习并复现现有基于心率变异性算法生成的压力指数，为未来使用临床验证压力标签的应用提供方法论基础	世宗特别自治市居民在两年期间自愿收集的大规模纵向生物信号数据	机器学习	NA	心率变异性分析	随机森林, LightGBM, LSTM, Transformer	生物信号序列	约137,000个纵向测量值	NA	LSTM, Transformer	分类准确率	NA
293	2025-12-31	A Review on Registration Techniques for Cardiac Computed Tomography and Ultrasound Images 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121351 PMID:41463648	综述	本文综述了心脏CT与超声图像配准技术的研究进展，分析了现有方法及其优缺点，并展望了未来发展方向	系统总结了心脏CT与超声图像配准的传统与深度学习方法，并探讨了多模态配准技术在心脏成像中的最新进展及深度学习潜力	未提及具体实验数据或性能比较，主要基于文献综述，缺乏原创性方法验证	研究心脏CT与超声图像的有效配准技术，以提升心脏疾病诊断和治疗的影像支持	心脏CT图像和超声图像	医学影像	心血管疾病	CT成像、超声成像	NA	图像	NA	NA	NA	NA	NA
294	2025-12-31	AI-Based Quantitative HRCT for In-Hospital Adverse Outcomes and Exploratory Assessment of Reinfection in COVID-19 2025-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243156 PMID:41464157	研究论文	本研究评估了基于AI的定量高分辨率CT指标在预测COVID-19患者院内复合不良结局及探索长期再感染风险中的增量预后价值	首次将深度学习衍生的定量HRCT特征与临床因素结合，用于预测COVID-19患者的院内不良结局，并探索性地评估了这些影像学指标与长期SARS-CoV-2再感染的关联	再感染分析受限于事件数量极少（仅18例）和宽置信区间，统计不确定性较大，需要外部队列验证	评估结合AI定量HRCT特征和临床因素是否能改善COVID-19肺炎患者院内复合不良事件的预测，并探索其与长期再感染的关联	236例经RT-PCR确诊的COVID-19患者，均接受了基线HRCT检查	数字病理学	COVID-19	高分辨率CT（HRCT），反向转录聚合酶链反应（RT-PCR）	深度学习	CT图像	236名患者（院内结局分析），193名患者（长期再感染分析）	NA	预训练自适应AI原型模型（西门子Healthineers）	AUC, C-index	NA
295	2025-12-31	Visual Food Ingredient Prediction Using Deep Learning with Direct F-Score Optimization 2025-Dec-11, Foods (Basel, Switzerland) DOI:10.3390/foods14244269 PMID:41464974	研究论文	本文提出了一种基于深度学习的视觉食物成分预测方法，通过直接优化F分数来解决类别不平衡问题	将F分数优化问题重新表述为成本敏感分类器优化，并提出了一种计算高效的算法来估计最优相对成本参数	未明确说明计算资源需求或模型训练时间，也未讨论在更广泛数据集上的泛化能力	解决食物图像中多标签分类任务的类别不平衡问题，以提升食物成分预测的准确性	食物图像及其对应的成分标签	计算机视觉	NA	深度学习	人工神经网络	图像	Recipe1M数据集	NA	NA	micro F1分数	NA
296	2025-12-31	A Mycelium Dataset with Edge-Precise Annotation for Semantic Segmentation 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06265-1 PMID:41372240	研究论文	本文介绍了MyceliumSeg数据集，这是首个用于语义分割的大规模真菌菌丝体图像基准数据集，旨在解决菌丝体边缘精确分割的挑战	创建了首个大规模、高质量的真菌菌丝体图像数据集，包含多物种、全生长周期的图像，并提出了一个包含多盲精炼标注指南和新颖分歧解决方案的标注框架	数据集仅涵盖四种真菌物种，可能无法代表所有真菌类型的菌丝体特征；标注过程耗时较长（37人日），限制了数据集的快速扩展	推动计算机视觉在真菌学研究中的应用，特别是菌丝体及其边缘的精确语义分割任务	真菌菌丝体在培养皿图像中的分割	计算机视觉	NA	图像采集与标注	深度学习模型	图像	20,176张高质量多样图像，包含567个像素级标注样本	NA	主流深度学习模型	经典分割指标, 边界感知分割指标	NA
297	2025-12-31	A Graph-Based Deep Learning Framework with Gating and Omics-Linked Attention for Multi-Omics Integration and Biomarker Discovery 2025-Dec-10, Biology DOI:10.3390/biology14121764 PMID:41463537	研究论文	提出了一种名为MOGOLA的新型深度学习框架，用于多组学数据整合与生物标志物发现	提出了结合图卷积网络、图注意力网络、门控置信度机制和跨组学注意力融合的创新框架，实现了自适应特征加权和可解释的多组学整合	未在摘要中明确说明	实现有效且可解释的多组学数据整合，以促进疾病分类和生物标志物发现	多组学数据（基因组学、转录组学、蛋白质组学等）	机器学习	乳腺癌, 肾癌, 神经退行性疾病, 脑胶质瘤	多组学测序技术	GCN, GAT	多组学数据	四个基准数据集（BRCA, KIPAN, ROSMAP, LGG）	PyTorch, TensorFlow	Graph Convolutional Networks, Graph Attention Networks	准确性, 精确度, 召回率, F1分数, AUC	未在摘要中明确说明
298	2025-12-31	Artificial Intelligence in Tetralogy of Fallot: From Prenatal Diagnosis to Lifelong Management: A Narrative Review 2025-Dec-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121349 PMID:41463646	综述	本文综述了人工智能在法洛四联症从产前诊断到终身管理全过程中的应用现状与前景	系统性地整合了AI在法洛四联症全生命周期护理中的多领域应用，并展望了多模态数据融合支持精准医疗的未来方向	面临数据集限制、模型可解释性、监管标准及伦理问题等挑战	探讨人工智能在先天性心脏病，特别是法洛四联症的诊断、治疗及长期管理中的应用	法洛四联症患者及其医疗数据	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	影像数据, 电子健康记录, 基因组信息, 连续监测数据	NA	NA	NA	诊断准确性, 风险分层	NA
299	2025-12-31	Explainable Deep Learning for Breast Lesion Classification in Digital and Contrast-Enhanced Mammography 2025-Dec-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243143 PMID:41464144	研究论文	本研究评估了三种卷积神经网络架构在数字乳腺X线摄影和对比增强光谱乳腺X线摄影图像上对乳腺病变进行二元分类的性能，并利用可解释性方法分析模型决策模式	首次在相同预处理、训练和评估条件下，使用可解释深度学习模型直接比较DM和CESM两种乳腺成像模态	研究仅使用公开CDD-CESM数据集，样本量相对有限（2006张图像），且未涵盖所有临床场景	评估深度学习模型在不同乳腺成像模态中的分类性能与决策一致性，促进人工智能在乳腺癌筛查中的公平临床整合	乳腺病变图像（包括正常、良性和恶性类别）	数字病理学	乳腺癌	对比增强光谱乳腺X线摄影	CNN	图像	2006张乳腺X线图像（来自CDD-CESM公开数据集）	未明确说明	ResNet-18, DenseNet-121, EfficientNet-B0	AUC, 准确率	未明确说明
300	2025-12-31	Molecular Remodeling of Milk Fat Globules Induced by Centrifugation: Insights from Deep Learning-Based Detection of Milk Adulteration 2025-Dec-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411919 PMID:41465343	研究论文	本研究应用深度学习方法检测牛奶离心掺假引起的微观结构变化	首次将深度学习模型应用于检测牛奶离心处理导致的分子水平重组，而非传统形态学变化，揭示了模型关注高频纳米尺度变化而非脂肪球边界	研究仅基于光学显微镜图像，未结合其他分子分析技术进行验证；样本量相对有限（128对样本）	开发基于人工智能的精确工具，用于检测牛奶掺假并提升食品完整性诊断	生牛奶样本及其离心处理后的配对样本	计算机视觉	NA	光学显微镜成像	CNN, 混合注意力架构	图像	128对生牛奶样本，约25,000张明场显微图像	NA	ResNet-18, ResNet-50, Inception-v3, Xception, NasNet-Mobile, MaxViT, CoAtNet	准确率, HAR（每样本五张图像召回率的调和平均值）	NA