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
3201	2025-12-19	DeepPNCC: reconstructing pseudo-spatial cell-cell interaction landscapes from single-cell data to decipher breast cancer pathogenesis 2025-Dec-17, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07578-w PMID:41408299	研究论文	本文提出了一种名为DeepPNCC的深度学习框架，用于从单细胞RNA测序数据中重建伪空间细胞-细胞相互作用网络，以解析乳腺癌的发病机制	DeepPNCC是一种新颖的深度学习框架，它利用未解离细胞聚集体中保留的潜在空间线索，通过变分图自编码器结合对抗正则化，无需依赖配体-受体对等先验知识，即可从scRNA-seq数据中推断全局、空间感知的相互作用景观	该方法依赖于未解离细胞聚集体中的潜在空间线索，可能不适用于完全解离的单细胞数据，且未明确讨论其在其他疾病或组织类型中的泛化能力	开发一种能够从scRNA-seq数据中提取空间相关细胞间相互作用信息的方法，以阐明疾病（如癌症）发生和发展的机制	单细胞RNA测序数据，特别是小鼠大脑和乳腺癌数据集中的细胞	机器学习	乳腺癌	单细胞RNA测序	变分图自编码器	单细胞RNA测序数据	涉及小鼠大脑和乳腺癌数据集，具体样本数量未明确说明	Python	变分图自编码器	与空间转录组学对齐的相互作用恢复性能，具体指标未明确说明	NA
3202	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
3203	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA
3204	2025-12-19	Deep learning models for image classification of lymphoma: a pilot study in canine 2025-Dec-16, The Journal of veterinary medical science IF:1.1Q3 DOI:10.1292/jvms.24-0518 PMID:41407379	研究论文	本研究旨在基于细针穿刺图像，利用深度学习模型区分犬淋巴瘤与其他疾病，特别是反应性淋巴样增生	首次在犬淋巴瘤图像分类中应用Vision Transformer和Inception-v3模型，并探索了两种集成学习策略	样本量有限（仅14例淋巴瘤和7例RLH病例），且ViT模型性能未达预期	开发深度学习模型以区分犬淋巴瘤和反应性淋巴样增生	犬淋巴瘤和反应性淋巴样增生的细针穿刺图像	计算机视觉	淋巴瘤	细针穿刺成像	CNN, Transformer	图像	2,290张犬淋巴瘤FNA图像和871张RLH FNA图像，来自14例淋巴瘤和7例RLH病例	NA	Vision Transformer, Inception-v3	准确率, 召回率, AUC, 精确率	NA
3205	2025-12-19	Deep learning analysis of urine-derived stem cell mitochondrial morphology as a non-invasive Alzheimer's disease biomarker 2025-Dec-16, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2025.e00813 PMID:41407593	研究论文	本研究开发了一个基于深度学习的AI框架，利用活体尿液来源干细胞（USC）的线粒体荧光成像，分析认知障碍个体（AD和MCI）与认知正常（CN）受试者之间的差异，以探索阿尔茨海默病的非侵入性生物标志物	首次将尿液来源干细胞的线粒体形态分析与深度学习相结合，用于阿尔茨海默病的非侵入性生物标志物检测	需要更大规模的独立队列进行进一步验证	开发一种便捷、非侵入性的阿尔茨海默病生物标志物检测方法	认知障碍个体（阿尔茨海默病和轻度认知障碍）与认知正常受试者的尿液来源干细胞	计算机视觉	阿尔茨海默病	线粒体荧光成像	CNN	图像	NA	NA	ResNet-18	NA	NA
3206	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA
3207	2025-12-19	Resolution generalization of deep learning-based dipole inversion networks for QSM 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121598 PMID:41274367	研究论文	本研究提出了一种新颖的流程，使预训练的偶极子反演网络能够从不同分辨率的输入局部场图中重建定量磁化率图（QSM），以解决现有网络在测试数据分辨率与训练数据分辨率不同时性能下降的问题	开发了一种无需修改网络架构或参数的通用流程，通过多位置重采样和偶极子补偿，提升了预训练偶极子反演网络对不同分辨率输入数据的泛化能力	研究未明确讨论流程在极端分辨率差异或复杂临床数据中的鲁棒性，且可能引入额外的计算开销	提高深度学习偶极子反演网络在定量磁化率图重建中的分辨率泛化性	预训练的偶极子反演网络（如QSMnet）及不同分辨率的局部场图数据	医学影像分析	NA	定量磁化率图（QSM）重建	深度学习网络	图像（局部场图）	NA	NA	QSMnet	NRMSE, SSIM, PSNR, HFEN	NA
3208	2025-12-19	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	本文提出了一种名为ODDRnet的端到端无监督深度学习框架，用于扩散磁共振图像的非线性配准，直接对齐高维纤维方向分布函数	ODDRnet首次利用纤维方向分布函数（fODF）的方向信息进行扩散MRI配准，相比仅依赖标量信息的方法，能更精确地对齐白质结构，特别是在复杂纤维交叉区域	未明确提及具体局限性，但可能包括对高质量fODF估计的依赖、计算资源需求或特定数据集上的泛化挑战	开发一种深度学习框架，以实现扩散MRI数据的非线性配准，并利用方向信息提高白质结构对齐的解剖学精度	扩散MRI数据，特别是从原始信号导出的纤维方向分布函数（fODF）	医学图像处理	NA	扩散MRI（dMRI），纤维方向分布函数（fODF）分析	深度学习网络	扩散磁共振图像（dMRI）	多个公共和私有数据集（具体数量未明确提及）	NA	ODDRnet（具体架构未详细说明）	束状结构Dice系数，束状结构距离（以毫米为单位）	NA
3209	2025-12-19	Radon single-pixel flying target classification via texture-fused lightweight differentiable operators 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27721-3 PMID:41398006	研究论文	本文提出了一种针对Radon单像素成像的纹理融合轻量级可微分算子模型，用于低采样率下的飞行目标分类	将传统纹理算子和线滤波算子集成到可微分模块中，专门针对Radon单像素成像特性进行优化设计	未明确说明模型在极端低采样率或复杂背景下的性能限制	解决低采样率Radon单像素成像中因成像质量下降导致的内容识别难题	飞行目标（鸟类和无人机）	计算机视觉	NA	Radon单像素成像	深度学习模型	图像	未明确说明具体数量，使用自建的Radon SPI飞行目标分类数据集	未明确说明	基于SOTA轻量级分类模型的改进架构	Top-1准确率	GPU硬件（具体型号未说明）
3210	2025-12-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	本文提出了一种名为NeuroFusionNet的混合深度学习框架，用于基于EEG的阿尔茨海默病及相关痴呆的准确、可解释和高效分类	提出了一种混合特征融合框架，结合了手工特征和从定制1D-CNN提取的潜在时间嵌入，并采用了特征选择、降维和类别平衡技术以增强判别学习	尽管准确率高且计算效率好，但研究未明确讨论模型在更广泛或多样化临床环境中的泛化能力	开发一个准确、可解释且高效的EEG分类框架，用于阿尔茨海默病及相关痴呆的早期检测	阿尔茨海默病及相关痴呆患者的EEG数据	机器学习	阿尔茨海默病	EEG信号处理	CNN, DNN	EEG信号	三个公共EEG数据集：OpenNeuro ds004504（闭眼）、ds006036（睁眼）和独立的OSF数据集	未明确指定，但提及了SHAP和Grad-CAM用于可解释性	定制的一维卷积神经网络（1D-CNN）和五层深度神经网络	准确率, 宏F1分数	标准临床CPU（无需GPU支持），模型轻量（0.94M参数，4.1 MB占用），推理时间6.5 ms每样本
3211	2025-12-19	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-Dec-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学诊断路径，整合了X线、超声、磁共振成像、低剂量CT和人工智能方法，并提出了当代诊断算法	提出了一个整合多模态影像学和人工智能的当代诊断算法，并系统讨论了AI在脊柱关节炎诊断和管理中的新兴应用	AI应用存在部署成本高和医疗法律考量等限制	优化脊柱关节炎的影像学诊断路径，并探讨人工智能在其中的应用	脊柱关节炎患者	数字病理学	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习	图像	NA	NA	NA	精度	NA
3212	2025-12-19	Multi-task deep learning meets hyperspectral imaging: A unified modeling framework for WEEE plastic identification and flame retardant quantification 2025-Dec-13, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140828 PMID:41406523	研究论文	本研究提出了一种结合多任务深度学习与高光谱成像的统一框架，用于同时识别WEEE塑料类型、阻燃剂种类并量化其负载量	提出了一种集成多任务卷积神经网络、共享与任务特定学习、跨任务融合与注意力机制的统一框架，以同时处理塑料基材分类、阻燃剂类型识别和负载量回归任务，克服了传统单任务方法在处理高维光谱数据时的局限性	研究仅使用了实验室制备的样品，可能未完全覆盖实际回收场景中塑料的复杂性和多样性	开发一种高效、准确的WEEE塑料识别与阻燃剂量化方法，以支持智能回收与分选	三种常见WEEE塑料（ABS、HIPS、PP）与四种代表性阻燃剂（APP、ATH、DecaBDE、DecaBD）的实验室制备样品	计算机视觉	NA	高光谱成像	CNN	图像（高光谱图像）	实验室制备的塑料样品，包含三种塑料基材与四种阻燃剂在不同负载梯度（1-30%）下的组合	NA	多任务卷积神经网络	分类准确率, R分数（回归）	NA
3213	2025-12-19	Automated skin cancer detection using MedFusionNet with attention-based fusion of ConvNeXt and vision transformer 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31816-2 PMID:41387901	研究论文	本研究提出了一种名为MedFusionNet的新型深度卷积神经网络，通过自适应注意力机制融合ConvNeXt和Vision Transformer架构，用于皮肤癌的自动多分类检测	提出了一种结合ConvNeXt和Vision Transformer架构的自适应注意力融合方法，用于高级特征融合，以提升皮肤癌分类性能	未声称提供完全因果可解释性，且研究基于存在类别不平衡问题的公开数据集	开发一种高效的深度学习模型，用于皮肤癌的早期和准确诊断，以辅助临床治疗	皮肤癌样本，特别是黑色素瘤等皮肤病变	计算机视觉	皮肤癌	皮肤镜检查	CNN, Transformer	图像	两个公开皮肤镜检查基准数据集：ISIC-2019和HAM10000	NA	ConvNeXt, Vision Transformer (ViT), MedFusionNet	准确率, 精确率, 召回率, AUC	NA
3214	2025-12-19	Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability 2025-Dec-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202521349 PMID:41369251	研究论文	本文介绍了一种名为ACSD-GAT的深度学习框架，用于准确预测轴手性分子的旋转能垒，从而评估其构象稳定性	提出了一个物理化学信息化的轴手性结构描述符（ACSD），该描述符能明确量化旋转过程中的静态和动态空间排斥效应，并结合图注意力网络（GAT）构建预测模型	NA	解决轴手性分子构象稳定性预测的挑战，以支持不对称合成、药物发现和功能材料开发	轴手性分子（atropisomers）	机器学习	NA	深度学习	GAT	分子结构数据	1015个实验测量的旋转能垒数据	NA	图注意力网络	R, RMSE	NA
3215	2025-12-19	Physics-guided deep learning surrogate model with graph attention for long-term radionuclide transport prediction in deep geological repositories 2025-Dec-09, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140767 PMID:41406534	研究论文	本文提出了一种基于图注意力机制的物理引导深度学习代理模型，用于预测深地质处置库中长期放射性核素迁移	开发了结合图注意力网络与物理方程（衰变-扩散-吸附）的深度学习代理模型，实现了快速且物理可靠的长期迁移预测	模型在材料属性改变或释放时间提前等场景下的泛化能力仍需进一步验证，且依赖于模拟数据训练	为深地质处置库的安全评估提供快速、准确的长期放射性核素迁移预测工具	深地质处置库中U-238和Th-230的迁移过程	机器学习	NA	物理模拟（PFLOTRAN），深度学习代理模型	图注意力网络（GAT），深度学习	模拟数据（放射性核素迁移时间序列）	10个监测节点，模拟5000年迁移过程	PyTorch（推断，因涉及GAT和深度学习训练）	图注意力网络（GAT）	R², NSE, 95%预测区间	单节点工作站
3216	2025-12-19	Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM 2025-Dec-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112606 PMID:41406589	研究论文	本研究评估了三种重建方法（FBP、AR50和DL-M）结合SMAR技术在周围动静脉畸形栓塞术后CT血管造影中的图像质量	首次比较了FBP、AR50和DL-M三种重建方法结合SMAR技术在AVM栓塞术后CT血管造影中的表现，并引入深度学习重建技术	单中心研究，样本量较小（30例患者），新伪影在少数病例中出现	评估不同重建方法结合金属伪影减少技术对周围动静脉畸形栓塞术后CT血管造影图像质量的改善效果	接受线圈栓塞治疗的周围动静脉畸形患者	医学影像	心血管疾病	双能CT血管造影，虚拟单能成像	深度学习重建	CT图像	30例患者	NA	NA	标准偏差，伪影指数，对比噪声比，主观评分	NA
3217	2025-12-19	CMMDL: Cross-modal multi-domain learning method for image fusion 2025-Dec-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108450 PMID:41406644	研究论文	提出了一种用于图像融合的跨模态多域学习方法，以同时利用空间域和频域信息	提出了空间-频域级联注意力机制、双域并行学习策略以及异构域特征融合块，首次在图像融合中结合了空间域和频域学习	未在摘要中明确说明	解决多模态图像融合问题，提升融合图像的质量	多模态图像	计算机视觉	NA	NA	深度学习	图像	在多个数据集上进行了广泛实验	NA	Restormer, 双分支可逆神经网络	NA	NA
3218	2025-12-19	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	本研究利用人工智能和深度学习模型对超声胎盘图像进行纹理分析，以预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合用于超声胎盘图像分析，以预测妊娠期高血压疾病，并展示了较高的准确性	研究为前瞻性观察性研究，可能存在选择偏倚，且未详细讨论模型在其他人群中的泛化能力	预测妊娠期高血压疾病	孕妇的超声胎盘图像	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Vision Transformer	图像	1008名孕妇（其中600名正常结局，143名患有妊娠期高血压疾病，265名有其他不良结局）	NA	EfficientNet B0, Vision Transformer	准确率, Cohen kappa分数, AUC, 灵敏度, 特异性	NA
3219	2025-12-19	Hot Topics: Exploring Artificial Intelligence and Inflammatory Memory in the Management of Psoriatic Diseases 2025-Dec-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0241 PMID:40763946	综述	本文总结了GRAPPA 2024年会中关于人工智能在银屑病疾病管理中的应用以及炎症记忆机制在疾病复发中的作用的热点话题讨论	探讨了人工智能技术与炎症记忆生物学机制在银屑病疾病管理中的交叉融合，强调了技术应用与基础生物学理解的结合	文章基于会议讨论内容，未报告具体实验数据或模型验证结果，属于观点性综述	探索人工智能在银屑病疾病管理中的应用潜力，并阐明炎症记忆在银屑病和银屑病关节炎复发中的机制	银屑病疾病（包括银屑病和银屑病关节炎）	数字病理学	银屑病	NA	卷积神经网络	NA	NA	NA	NA	NA	NA
3220	2025-12-19	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	系统综述与荟萃分析	本研究通过荟萃分析方法，系统评估了人工智能驱动和传统影像组学模型在检测肌层浸润性膀胱癌中的诊断性能，并探讨了其与膀胱影像报告和数据系统的潜在协同价值	首次通过系统综述和荟萃分析，全面比较了AI驱动与传统影像组学模型在膀胱癌肌层浸润诊断中的效能，并系统分析了异质性来源	纳入研究存在显著的异质性，且多为回顾性研究，需要多国、多中心的前瞻性队列研究来验证外部有效性	评估AI驱动和传统影像组学模型在诊断肌层浸润性膀胱癌中的性能，并分析其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	影像组学，多参数成像	深度学习，机器学习	医学影像	43项研究，共9624名患者	NA	NA	AUC, 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA