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	2025-11-01	Diagnostic assistance method for RR-TB/MDR-TB patients under treatment based on CNN-LSTM 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21955-x PMID:41168391	研究论文	提出基于CNN-LSTM的深度学习模型，用于预测RR-TB/MDR-TB患者的治疗结果	首次将CNN图像特征提取与LSTM时序分析相结合，整合胸部CT影像和免疫监测数据预测结核病治疗结果	NA	辅助临床医生及时调整治疗策略，提高RR-TB/MDR-TB患者的治疗成功率	利福平耐药结核/多重耐药结核患者	计算机视觉	结核病	胸部CT扫描，免疫检测	CNN,LSTM	图像,时序数据	NA	NA	DenseNet201,ResNet-50,CheXNet	准确率	NA
282	2025-11-01	Malignant pleural mesothelioma classification and survival prediction with CT imaging using ResNet 2025-Oct-30, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12094-y PMID:41168494	研究论文	本研究使用ResNet-3D-18模型通过CT影像区分恶性胸膜间皮瘤和转移性胸膜疾病，并预测患者总生存期	首次将深度学习模型同时应用于恶性胸膜间皮瘤的分类诊断和生存预测，证明形态学特征包含预后信息	回顾性研究设计，样本量相对有限（共385例），需要外部验证	实现恶性胸膜间皮瘤与转移性胸膜疾病的准确区分及生存期预测	恶性胸膜间皮瘤患者和转移性胸膜疾病患者	计算机视觉	肺癌	CT成像	CNN	医学影像	385例患者（85例恶性胸膜间皮瘤，290例转移性胸膜疾病）	PyTorch	ResNet-3D-18	AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
283	2025-11-01	Intelligent Diagnosis of Follicular Carcinoma Thyroid Cancer with a Novel Deep Learning Model 2025-Oct-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01723-z PMID:41168629	研究论文	开发一种新型可解释深度学习模型用于术前区分甲状腺滤泡癌和滤泡腺瘤	首次提出端到端图卷积网络，显式利用肿瘤边界这一关键诊断特征，并采用最大码率减少损失优化特征判别能力	样本量相对有限，仅包含577名患者	开发可靠的AI辅助甲状腺癌诊断方法	甲状腺滤泡癌(FTC)和滤泡腺瘤(FTA)患者	计算机视觉	甲状腺癌	超声成像	图卷积网络	超声图像	577名患者(435名女性，142名男性)，共4358张甲状腺超声图像	NA	图卷积网络	准确率,AUC	NA
284	2025-11-01	Endoscopic Ultrasound of Pancreatic Tumors: A Dataset with Benchmarks for Convolutional Neural Network Classifiers 2025-Oct-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01729-7 PMID:41168630	研究论文	本文介绍了一个用于胰腺肿瘤分类的新型内镜超声数据集，并提供了基于卷积神经网络的基准测试结果	提出了首个专门用于胰腺肿瘤分析的内镜超声数据集，包含7825张图像和对应的分割掩码，并提供了分类、分割和可解释性AI的基准结果	分类模型性能与可解释性之间存在差距，软DICE评分较低（8.69%-40.81%）	推进胰腺癌计算机辅助诊断研究，提供标准数据集和基准测试	606名患者的7825张内镜超声图像，包含肿瘤（175次检查）和无肿瘤（431次检查）两类	数字病理	胰腺癌	内镜超声	CNN	图像	606名患者的7825张内镜超声图像	NA	EfficientNetV2, U-Net	准确率, AUC, Dice系数, 软Dice评分	NA
285	2025-11-01	ProtoMM: Interpretable Prototype-Based Multimodal Model for Brain Cancer Survival Prediction 2025-Oct-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01713-1 PMID:41168627	研究论文	提出一种基于原型的可解释多模态模型ProtoMM，用于脑癌生存预测	采用自解释原型和透明推理过程，通过多模态融合增强模态间交互，提供可靠病例解释	NA	开发可解释的多模态深度学习模型用于医疗数据分析	脑癌患者生存预测	医学影像分析	脑癌	多模态融合	原型网络	多模态医疗数据	NA	NA	ProtoMM	C-Index	NA
286	2025-11-01	Deep Learning-based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study 2025-Oct-30, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf220 PMID:41168671	研究论文	开发基于深度学习的超声图像乳房假体分类模型并进行多机构验证	首次利用深度学习模型对超声图像中的乳房假体进行自动分类，并采用Grad-CAM增强模型可解释性	研究中存在一定局限性	开发可靠的乳房假体识别方法以解决患者假体信息缺失问题	乳房假体	计算机视觉	乳房假体相关	超声成像	深度学习	图像	来自2580名患者的4136个乳房假体的28712个超声PNG文件	NA	NA	平衡准确度	NA
287	2025-11-01	MDG-DDI: multi-feature drug graph for drug-drug interaction prediction 2025-Oct-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06288-w PMID:41168694	研究论文	提出一种融合语义和结构特征的多特征药物图深度学习框架MDG-DDI用于药物相互作用预测	首次将基于频繁连续子序列的Transformer编码器与深度图网络结合，同时捕获药物序列语义信息和分子结构特征	未明确说明模型在更大规模数据集上的可扩展性以及在实际临床应用中的验证效果	开发能够准确预测药物相互作用的计算方法	药物分子及其相互作用	机器学习	NA	深度学习	Transformer, GCN, 深度图网络	药物序列数据，分子图结构数据	三个基准数据集（具体数量未说明）	NA	Transformer, 深度图网络, 图卷积网络	预测准确率（具体指标未详细说明）	NA
288	2025-11-01	Assessment of a Grad-CAM interpretable deep learning model for HAPE diagnosis: performance and pitfalls in severity stratification from chest radiographs 2025-Oct-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03256-5 PMID:41168790	研究论文	本研究开发了一种基于Grad-CAM可解释性深度学习模型，用于从胸部X光片中诊断高原肺水肿并评估其严重程度	首次将迁移学习应用于高原肺水肿诊断，并探索了模型在严重程度分层中的能力，同时使用Grad-CAM提供模型可解释性	模型在识别中间严重程度等级（1级和2级）时性能显著较低，灵敏度仅为0.16和0.37，存在领域转移和细粒度评估的挑战	研究深度学习模型在高原肺水肿诊断和严重程度评估中的可行性	高原肺水肿患者的胸部X光片	计算机视觉	高原肺水肿	胸部X光成像	CNN	图像	预训练集3,923张图像，HAPE专用训练集1,705张图像（1,003例HAPE病例和702例正常对照），外部验证集1,115张图像（679例HAPE病例和436例正常对照）	NA	DeepLabV3_ResNet-50, MobileNet_V2, VGG19	Dice系数, AUC, 灵敏度	NA
289	2025-11-01	Artificial intelligence in cancer: applications, challenges, and future perspectives 2025-Oct-30, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-025-02450-3 PMID:41168799	综述	本文系统综述了人工智能在癌症研究中的应用、挑战与未来发展方向	从方法算法、计算硬件和大数据三个维度系统阐述AI在肿瘤学中的整合应用，并识别推广障碍	未涉及具体实验验证，主要基于现有文献进行归纳分析	探讨人工智能技术在癌症研究领域的应用潜力与发展路径	癌症相关的影像学数据、基因组学数据和临床信息	机器学习	癌症	深度学习	NA	影像数据,基因组数据,临床数据,流行病学数据,行为数据	NA	NA	NA	NA	专用计算硬件
290	2025-11-01	FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis 2025-Oct-30, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00485-2 PMID:41168809	研究论文	提出一种结合深度学习和强化学习的FISM模型，用于精确检测糖尿病视网膜病变早期标志物微动脉瘤和视网膜渗出物	首次将Segment Anything Model (SAM)架构应用于眼底图像分割，并集成强化学习实现自适应注意力机制	仅使用单一数据集进行验证，未在多中心数据上测试模型泛化能力	开发高精度的糖尿病视网膜病变早期诊断系统	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习,强化学习	图像	超过13,000张标注有病灶级别和DR严重程度信息的眼底图像	PyTorch	Segment Anything Model (SAM),Transformer	准确率,精确率,召回率,F1分数,AUC,特异性,Dice系数,IoU	NA
291	2025-11-01	Automated Scan Region Classification and Patient-specific Dose Modeling for Enhanced Dose Management in Computed Tomography 2025-Oct-30, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001247 PMID:41169122	研究论文	开发并评估一种AI辅助框架，用于自动CT扫描区域分类和患者特异性剂量评估	提出从基于人群的固定阈值转向动态患者特异性评估的新范式，显著减少非必要警报	回顾性研究，仅分析2955个CT照射事件	改进计算机断层扫描中的剂量管理，减少警报疲劳	CT扫描数据和患者解剖特征	医学影像分析	NA	计算机断层扫描(CT)	深度学习, 随机森林, 线性回归	CT影像	2955个CT照射事件	NA	NA	F1分数, 相关系数(r)	NA
292	2025-11-01	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2025-Oct-30, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文总结了视网膜蛋白质组学在神经退行性疾病和眼部疾病研究中的最新进展	整合人工智能驱动的计算流程和GPU加速的深度学习架构，显著提高了视网膜蛋白质组学的精确度和效率	NA	探索视网膜蛋白质组在神经退行性疾病和眼部疾病中的生物标志物和治疗靶点	视网膜蛋白质组	生物信息学	神经退行性疾病,眼部疾病	质谱蛋白质组学,多组学分析	深度学习	蛋白质组数据	NA	NA	NA	疾病特异性,敏感性	GPU加速
293	2025-11-01	De Novo Design of High-Performance Sec-type Signal Peptide via a Hybrid Deep Learning Architecture 2025-Oct-27, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.5c00757 PMID:41169554	研究论文	开发了一种结合规则域组装和Transformer深度生成模型的混合深度学习架构SPgo，用于从头设计高性能Sec型信号肽	首次将基于规则的域组装与BERT-LSTM混合深度学习架构相结合，探索关键疏水核心区域的广阔序列空间，实现信号肽的理性设计	NA	解决生物技术中信号肽理性设计的基本瓶颈，优化蛋白质分泌效率和工业可扩展性	Sec型信号肽，包括荧光蛋白、工业酶和生物活性肽等多种蛋白质靶点	机器学习	NA	深度生成模型	Transformer, BERT, LSTM	蛋白质序列数据	NA	NA	BERT-LSTM混合架构	蛋白质产量（mg/L），产量提升倍数	NA
294	2025-11-01	Leveraging artificial intelligence for risk stratification of inherited cardiomyopathies in under-resourced settings 2025-Oct, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.07.020 PMID:41169969	综述	评估人工智能在资源匮乏地区遗传性心肌病风险分层中的应用潜力	提出将疾病特异性AI应用整合到统一框架中，探索AI在服务不足人群中推进个性化护理和风险预测的作用	现有风险模型存在遗传复杂性、临床表现多变性和电生理/影像工具解释局限性等挑战	评估AI在改善资源匮乏地区遗传性心肌病风险分层和个性化护理方面的潜力	遗传性心肌病患者，特别是资源匮乏地区的年轻人群	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	电生理数据, 影像数据, 临床数据	NA	NA	NA	诊断准确性, 成本效益	NA
295	2025-11-01	Evaluating machine learning models for predictive accuracy in cryptocurrency price forecasting 2025, PeerJ. Computer science DOI:10.7717/peerj-cs.2626 PMID:41169439	研究论文	本研究评估机器学习分类模型和技术指标在加密货币价格预测中的预测性能和鲁棒性	提供了在不同数据配置和重采样技术下逻辑回归、随机森林和梯度提升等模型的新颖比较，以解决类别不平衡问题	NA	识别可靠的加密货币算法交易方法，为明智决策和盈利策略开发提供支持	加密货币市场的历史交易数据	机器学习	NA	算法交易	逻辑回归, 随机森林, 梯度提升, XGBoost	历史交易数据	来自加密货币交易所和数据聚合器的历史数据	NA	NA	预测准确性	NA
296	2025-11-01	Cajal's legacy in the digital era: from neuroscience foundations to deep learning 2025, Frontiers in neuroanatomy IF:2.1Q3 DOI:10.3389/fnana.2025.1672016 PMID:41169656	综述	回顾Santiago Ramón y Cajal对现代神经科学的关键贡献及其对深度学习发展的持续影响	系统阐述Cajal的神经元理论、动态极化原则和脑可塑性见解如何为人工神经网络设计提供理论基础	NA	探讨神经科学与机器学习在数字时代的持久联系	Cajal的神经科学理论与人工神经网络发展的关联性	机器学习	NA	NA	人工神经网络	NA	NA	NA	NA	NA	NA
297	2025-11-01	A Deep Learning Approach Toward Differentiating Left versus Right for Idiopathic Ventricular Arrhythmia Originated from Outflow Tract 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_2_25 PMID:41169702	研究论文	本研究开发了一种基于深度学习的模型，用于区分源自心脏流出道的特发性室性心律失常的左右侧起源	首次将受下一代测序启发的1D数据流概念应用于ECG分析，并比较了多种1D深度学习模型在心律失常起源定位中的性能	研究样本量相对较小（334名患者），且仅使用公开数据集，缺乏外部验证	开发准确区分左右侧流出道起源的室性心律失常的自动化诊断方法	特发性室性心律失常患者	医疗人工智能	心血管疾病	心电图分析	LSTM, GRU, 1D-CNN	一维心电图信号	334名患者	NA	1D卷积神经网络, 长短期记忆网络, 门控循环单元	准确率, F1分数	NA
298	2025-11-01	ProtFun: a protein function prediction model using graph attention networks with a protein large language model 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf245 PMID:41169711	研究论文	提出了一种名为ProtFun的多模态深度学习架构，用于预测蛋白质功能	将蛋白质大语言模型嵌入作为节点特征整合到蛋白质家族网络中，并采用图注意力网络学习蛋白质嵌入	未在摘要中明确说明	开发计算方法来预测蛋白质功能	蛋白质序列和蛋白质家族网络	生物信息学	NA	深度学习，图注意力网络，大语言模型	图注意力网络(GAT)	蛋白质序列，蛋白质家族网络，InterPro蛋白质特征表示	三个基准数据集	NA	图注意力网络，多模态深度学习架构	NA	NA
299	2025-11-01	Intelligent grading of sugarcane leaf disease severity by integrating physiological traits with the SSA-XGBoost algorithm 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698808 PMID:41169726	研究论文	提出一种基于生理特征集成SSA-XGBoost算法的甘蔗叶部病害严重程度智能分级方法	首次将麻雀搜索算法(SSA)与XGBoost结合用于甘蔗病害严重程度分级，并集成多种生理特征而非传统图像数据	仅针对三种特定甘蔗病害进行评估，未与其他先进深度学习方法进行直接比较	开发高效可靠的甘蔗叶部病害严重程度智能诊断与早期预警技术	感染褐条病、环斑病和花叶病的甘蔗叶片	农业人工智能	植物病害	植物营养分析仪(TYS-4N)测量	XGBoost, KNN, AdaBoost, Random Forest, Logistic Regression, Decision Tree	生理特征数据(SPAD值、叶面温度、氮含量)	来自耿马县的独立验证数据集，具体样本数量未明确说明	Scikit-learn, XGBoost	SSA-XGBoost	精确率, 召回率, F1分数, 准确率, PRFA综合分数	NA
300	2025-11-01	App2: software solution for apple leaf disease detection based on deep learning (CNN+SVM) 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1648867 PMID:41169736	研究论文	开发了一款基于深度学习(CNN+SVM)的苹果叶病害检测移动应用App2	提出结合CNN和SVM的混合模型用于苹果叶病害识别，并集成OpenAI API进行图像预筛选	在清晰病叶图像上的检测性能为80%，仍有提升空间	通过移动应用实现苹果叶病害的早期检测以提高农业生产管理效率	苹果树叶图像	计算机视觉	植物病害	深度学习	CNN,SVM	图像	NA	FastAPI,React Native,OpenAI API	CNN+SVM混合架构	准确率	Azure云平台