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
321	2025-12-31	Landscape of 2D Deep Learning Segmentation Networks Applied to CT Scan from Lung Cancer Patients: A Systematic Review 2025-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01458-x PMID:40038137	系统综述	本文系统综述了应用于肺癌患者CT扫描的2D深度学习分割网络的现状与前景	首次系统性地梳理了2020年至2024年间2D深度学习网络在肺癌CT分割中的应用，并识别了关键研究空白	仅关注2D网络，未全面涵盖3D方法；研究时间范围限定为2020-2024年，可能遗漏早期重要工作	总结和评估2D深度学习网络在肺癌CT图像分割中的研究进展、应用效果及存在的挑战	肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	基于124项符合纳入标准的研究，具体样本量未统一报告，但LIDC-LIDR数据集最常用	NA	UNet及其变体	Dice相似系数	NA
322	2025-12-31	A Preliminary Study on an Intelligent Segmentation and Classification Model for Amygdala-Hippocampus MRI Images in Alzheimer's Disease 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.039 PMID:40903373	研究论文	本研究开发了一种深度学习模型，用于分割和分类阿尔茨海默病中的杏仁核-海马体MRI图像，旨在提高早期AD的检测和干预能力	采用半自动标注流程结合U²-Net分割模型和DenseNet-121分类架构，利用大规模多中心神经影像数据集，提升了杏仁核-海马体的识别精度	研究主要基于中国医疗中心的数据，外部验证集规模相对较小（每组100例），可能限制模型的泛化能力	开发智能分割和分类模型，以改善阿尔茨海默病的早期检测和临床评估	阿尔茨海默病患者和健康对照者的杏仁核-海马体MRI图像	数字病理	阿尔茨海默病	神经影像学评估	CNN	MRI图像	内部训练数据包括1000名健康对照和1000名AD患者，外部验证集包括每组100例	NA	U²-Net, DenseNet-121	DSC, AUC	NA
323	2025-12-31	Voxel-level Radiomics and Deep Learning Based on MRI for Predicting Microsatellite Instability in Endometrial Carcinoma: A Two-center Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.028 PMID:40908231	研究论文	本研究开发并验证了一种基于MRI的非侵入性深度学习模型，结合体素级影像组学特征，用于预测子宫内膜癌患者的微卫星不稳定性状态	首次将体素级影像组学特征与多序列MRI结合，并基于Vision-Mamba架构构建双通道3D深度神经网络，以同时处理体素级特征图和MR图像，从而更好地捕捉肿瘤的局部和全局异质性	研究为回顾性设计，样本量有限（375例），且仅来自两个医疗中心，可能存在选择偏倚	开发一种非侵入性模型，用于预测子宫内膜癌患者的微卫星不稳定性状态，以支持个性化治疗决策	经病理证实的子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI（T2WI, DWI, CE-T1WI），免疫组织化学	深度学习	图像	375例患者（来自两个医疗中心）	NA	Vision-Mamba, Vision Transformer, 3D-ResNet	AUC, 准确率, 灵敏度, 特异性	NA
324	2025-12-31	Deep Learning-based Automated Opportunistic Osteoporosis Screening Using Chest LDCT and Lumbar CT: A Multicenter Cohort Study 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.015 PMID:41188157	研究论文	本研究提出了一种基于深度学习的自动化方法，利用胸部低剂量CT和腰椎CT扫描进行机会性骨质疏松筛查，并在多中心、多厂商的CT扫描仪上验证了其诊断性能	开发了一种结合多种卷积神经网络（3D VB-Net、SCN、DenseNet、ResNet）的深度学习流程，用于自动椎体分割、感兴趣区域提取和骨密度计算，实现了在多中心、多厂商CT扫描仪上的高性能骨质疏松筛查	本研究为回顾性研究，可能存在选择偏倚；未明确说明模型在不同人群（如不同年龄、性别）中的泛化性能	开发并验证一种基于深度学习的自动化骨密度测量方法，用于机会性骨质疏松筛查	接受胸部低剂量CT和腰椎CT扫描的患者	计算机视觉	骨质疏松症	低剂量CT、腰椎CT、定量CT	CNN	CT图像	4305名患者，数据来自五家医院的九台CT扫描仪，分为训练集（1891）、验证集（806）和测试集1-5（229、418、508、229、224）	NA	3D VB-Net, SCN, DenseNet, ResNet	R², 平均误差, 95%一致性限, AUC, 灵敏度, 特异性	NA
325	2025-12-31	Deep Learning R-Wave Detection for Electrocardiographic Gating in Cardiac MRI 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250104 PMID:41196189	研究论文	本研究评估了心脏MRI中ECG门控错误的频率，并开发了一种用于R波检测的卷积神经网络以减少此类错误	首次将卷积神经网络应用于心脏MRI环境下的ECG R波检测，特别是在3.0 T高场强下对MRI引起的伪影具有更强的鲁棒性	研究为回顾性设计，样本量相对有限（共167名患者），且未在更广泛的人群或不同MRI设备上进行外部验证	评估ECG门控错误频率，并开发一种基于深度学习的R波检测方法以提高心脏MRI图像质量	接受心脏电影MRI检查患者的ECG追踪数据	医学图像分析	心血管疾病	心脏MRI, ECG追踪	CNN	ECG信号（时间序列数据）	167名患者（120名内部数据集，47名外部数据集）	未明确说明	未明确说明具体架构	F1分数, 假阳性率	未明确说明
326	2025-12-31	PET/CT-based deep learning model predicts distant metastasis after SBRT for early-stage NSCLC: A multicenter study 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102663 PMID:41260004	研究论文	本研究开发并验证了一个基于18F-FDG PET/CT图像的深度学习融合模型，用于预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	首次提出基于PET/CT图像的深度学习融合模型来预测早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险，并通过多中心数据验证了其优越的预测性能	研究样本量相对有限（共566例患者），且外部验证集规模较小（80例），未来需要更大规模的多中心研究进一步验证模型的泛化能力	开发并验证一个基于深度学习的预测模型，用于评估早期非小细胞肺癌患者接受立体定向体部放疗后的远处转移风险	早期非小细胞肺癌患者	数字病理学	肺癌	18F-FDG PET/CT成像	VAE, 全连接网络	医学影像（CT、PET及融合图像）	566例患者（来自5家医院），分为训练集347例、内部测试集139例和外部测试集80例	NA	变分自编码器, 全连接网络	C-index, 风险比	NA
327	2025-12-31	Development of a Novel Interpretable Transformer-Based Deep Learning Model for Predicting Postoperative Hypokalemia in Pituitary Adenomas 2025-Dec, Journal of evidence-based medicine DOI:10.1111/jebm.70089 PMID:41261064	研究论文	本研究开发了一种基于Transformer的可解释深度学习模型CliTab-Transformer，用于预测垂体腺瘤患者术后低钾血症	首次将Transformer架构应用于临床表格数据，并引入了一种新的Transformer可解释性方法，以识别对个体预测有贡献的重要参数	研究为回顾性队列研究，样本量相对较小（280例患者），可能存在选择偏倚	开发一个可解释的预测模型，以预测垂体腺瘤患者术后低钾血症，并识别影响预测结果的个体化重要参数，从而促进早期干预	垂体腺瘤患者	机器学习	垂体腺瘤	NA	Transformer, XGBoost, MLP	表格数据	280例患者	NA	CliTab-Transformer, XGBoost, MLP	准确率, 精确率, 召回率, F1分数, ROC曲线, PR曲线, AUC	NA
328	2025-12-31	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对基于心电图（ECG）的心脏病分类中可解释深度学习（XAI）技术进行了系统文献综述，分析了方法选择、可解释性影响及未来研究方向	系统梳理了2018年至2024年间基于ECG的心脏病分类中XAI与深度学习结合的研究，识别了常用数据集、模型架构及XAI技术，并指出了该领域的主要挑战与未来机遇	综述范围限于2018年1月至2024年9月的文献，可能未涵盖最新进展；且仅聚焦于ECG数据和深度学习架构，未涉及其他心脏病诊断方法	提高对基于ECG的心脏病分类中深度学习模型可解释性的理解，并系统评估相关方法、挑战及未来研究方向	基于ECG数据的心脏病分类研究，特别是采用可解释人工智能（XAI）与深度学习技术的学术论文	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	涉及6448项初步研究，其中51项使用了XAI-based DL架构，共涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
329	2025-12-31	Image Quality Improvement and Artificial Intelligence Performance in Pulmonary Embolism Detection at Deep Learning Reconstruction-Based Ultra-low Radiation Dose CT Pulmonary Angiography 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.018 PMID:41067972	研究论文	本研究评估了基于深度学习重建的超低剂量CT肺动脉造影的图像质量，并探讨了AI软件能否提升放射科医生在超低剂量图像上检测肺栓塞的诊断性能	在超低剂量CTPA中应用深度学习重建技术，并首次系统评估其与AI辅助诊断结合对肺栓塞检测的准确性、效率和辐射安全性的综合影响	研究样本量相对有限（144例患者），且为双中心研究，可能影响结果的普遍适用性	评估超低剂量CTPA中深度学习重建的图像质量，并确定AI软件是否能提升放射科医生对肺栓塞的诊断性能	疑似肺栓塞并接受CTPA检查的患者	数字病理学	心血管疾病	CT肺动脉造影	深度学习重建	医学影像	144例患者，其中超低剂量组随机选取56例参与者进行AI评估	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数	NA
330	2025-12-31	Artificial intelligence-driven eye tracker models for Alzheimer's disease diagnosis: A systematic review and meta-analysis 2025-Dec, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251389145 PMID:41134992	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人工智能驱动的眼动追踪工具在阿尔茨海默病诊断中的准确性	首次对人工智能驱动的眼动追踪模型在阿尔茨海默病诊断中的准确性进行系统综述和荟萃分析，并比较了深度学习与监督机器学习的性能差异	现有证据主要基于病例对照研究，缺乏在更广泛人群中进行有效筛查的证据，且研究间存在显著的异质性	评估人工智能驱动的眼动追踪模型在阿尔茨海默病检测中的诊断准确性	阿尔茨海默病患者与健康对照者	机器学习	阿尔茨海默病	眼动追踪	深度学习, 监督机器学习	眼动追踪数据	NA	NA	支持向量机	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, ROC曲线下面积	NA
331	2025-12-31	Accurate Generation of Conformational Ensembles for Intrinsically Disordered Proteins with IDPFold 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511636 PMID:41082321	研究论文	本文介绍了IDPFold方法，一种基于微调扩散模型直接从序列生成内在无序蛋白质构象集合的技术	IDPFold首次利用微调扩散模型直接从序列生成IDP构象集合，无需依赖多序列比对或实验数据，提供了更详细的IDP结构特征表征	方法在27个IDP系统上评估，样本量相对有限，且未明确讨论计算资源需求或模型泛化能力	开发一种直接从序列生成内在无序蛋白质构象集合的方法，以克服传统模拟和实验数据的限制	内在无序蛋白质	机器学习	癌症,糖尿病,阿尔茨海默病	扩散模型	扩散模型	蛋白质序列	27个IDP系统	NA	NA	Rg误差,RMSD	NA
332	2025-12-31	RiboMicrobe: An Integrated Translatome Atlas for Microorganism 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202509877 PMID:41082396	研究论文	本文介绍了RiboMicrobe，一个专为原核微生物核糖体测序数据设计的综合数据库，并集成了基于Transformer深度学习架构的新型小开放阅读框预测模型	开发了首个专门针对原核微生物翻译组的综合数据库，并提出了两个基于Transformer架构的新型sORF预测模型（sORFPredRibo和sORFPred）	数据库目前仅涵盖36种原核生物和2种病毒，样本多样性可能有限；未明确说明模型在未见物种上的泛化能力	构建一个集成的原核微生物翻译组图谱数据库，以支持翻译组学分析和sORF注释	原核微生物（36种）和病毒（2种）的翻译组数据	生物信息学	NA	核糖体测序（Ribo-seq）、RNA测序（RNA-seq）、蛋白质组学	Transformer	测序数据（Ribo-seq、RNA-seq）、蛋白质组数据	891个Ribo-seq数据集、369个匹配RNA-seq数据集、62个蛋白质组数据集，来自36种原核生物和2种病毒	NA	Transformer	NA	NA
333	2025-12-31	Cytological Classification Diagnosis for Thyroid Nodules via Multimodal Model Deep Learning 2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511369 PMID:41098080	研究论文	本文开发了一个名为AI-TFNA的多模态深度学习平台，用于提高甲状腺结节细胞学分类诊断的准确性和临床效率	开发了AI-TFNA平台，结合了BRAF突变数据和创新的图像外观迁移技术，显著提升了模型在不同医疗机构间的泛化能力和诊断精度	研究主要基于中国七个医疗中心的数据，可能在其他地区或人群中的泛化性有待进一步验证	通过人工智能平台提高甲状腺结节细胞学诊断的准确性，减少过度诊断和治疗	甲状腺结节样本，特别是甲状腺细针穿刺样本	数字病理学	甲状腺结节	甲状腺细针穿刺，BRAF突变检测	深度学习，多模态模型	图像，突变数据	总样本20,803个，其中4,421个用于训练，2,153个用于外部验证	NA	NA	准确率，灵敏度，特异性	NA
334	2025-12-31	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-Dec-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持跨多种生物（包括人类和植物）的多组学数据分析	未在摘要中明确说明	为研究人员提供一个易于使用的工具，用于整合和分析多组学数据以进行表型预测和生物标志物发现	多组学数据，涵盖包括人类和植物在内的多种生物	机器学习	复杂疾病	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
335	2025-12-31	Attention-driven deep learning models for multivariate time series forecasting of reservoir water levels 2025-Dec, Water science and technology : a journal of the International Association on Water Pollution Research IF:2.5Q2 DOI:10.2166/wst.2025.182 PMID:41468044	研究论文	本研究探讨了深度学习模型在伊朗Nesa大坝日水位预测中的应用，比较了三种注意力驱动模型的表现	在相同实验条件下使用真实世界数据对这些模型进行对比分析	ConvLSTM2D模型表现出噪声输出和有限的预测能力	开发用于水库水位预测的智能预报系统，以支持水资源管理、防洪和灌溉规划	伊朗东南部Nesa大坝的日水位数据	机器学习	NA	深度学习	CNN, BiLSTM, LSTM, ConvLSTM2D	多元时间序列数据	15年的日水文气象变量数据集（降雨、温度、蒸发、流入、流出），80%用于训练，20%用于测试	NA	CNN + BiLSTM + Attention, Encoder-Decoder LSTM with Attention, ConvLSTM2D	RMSE, MAE	NA
336	2025-12-31	Deep Temporal Clustering of Pathological Gait Recovery Patterns in Post-Stroke Patients Using Joint-Angle Trajectories: A Longitudinal Study 2025-Nov-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121314 PMID:41463611	研究论文	本研究应用端到端深度学习聚类方法，分析中风后偏瘫患者步态恢复的长期模式	首次使用深度聚类模型分析中风患者纵向步态恢复模式，并采用TimeVAE和Diffusion-TS两种时间序列数据增强方法解决长期随访数据稀缺问题	研究本质为探索性，为未来纵向研究提供概念基础，但未明确说明具体局限性	分析亚急性期中风后偏瘫患者的长期步态恢复模式	中风后偏瘫患者的步态关节角度轨迹数据	机器学习	心血管疾病	关节角度轨迹分析	深度聚类模型	时间序列数据	NA	NA	Deep Temporal Clustering (DTC)	聚类评估标准	NA
337	2025-12-31	Current Role of Artificial Intelligence in the Management of Gastric Cancer 2025-Nov-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13122939 PMID:41462951	综述	本文综述了人工智能在胃癌诊断、组织病理学评估和临床预后领域的当前应用趋势	系统总结了从高风险上皮下病变监测到肿瘤精确分子特征分析及治疗管理的广泛AI模型在临床实践中的应用	所有现有研究缺乏大规模人群的随机设计，限制了机器学习算法在标准临床护理中的进一步整合	探讨人工智能在胃癌精准医疗时代在诊断、预后分层和临床管理中的作用	胃癌	机器学习	胃癌	NA	深度学习	大数据	NA	NA	NA	NA	NA
338	2025-12-31	IMAGO: An Improved Model Based on Attention Mechanism for Enhanced Protein Function Prediction 2025-Nov-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121667 PMID:41463323	研究论文	本研究提出了一种基于注意力机制的新型蛋白质功能预测模型IMAGO，通过整合多头注意力机制和正则化技术，优化损失函数，有效减少训练过程中的过拟合和噪声问题	提出了一种基于注意力机制的新型蛋白质功能预测模型IMAGO，整合了多头注意力机制和正则化技术，优化损失函数以有效减少过拟合和噪声，生成更稳健的嵌入表示	未在摘要中明确提及具体局限性	开发一种高效、稳定且准确的深度学习模型，用于蛋白质功能预测，以解决现有模型中的过拟合和噪声问题	蛋白质功能预测，特别是基于蛋白质-蛋白质相互作用网络和其他生物属性的蛋白质功能注释	自然语言处理	NA	自然语言处理技术，注意力机制，Transformer预训练	Transformer	蛋白质-蛋白质相互作用网络数据，生物属性数据	未在摘要中明确提及具体样本数量	NA	Transformer	未在摘要中明确提及具体性能指标，但提到在多个指标上超越其他模型	未在摘要中明确提及具体计算资源
339	2025-12-31	Deep Learning and Machine Learning Modeling Identifies Thidiazuron as a Key Modulator of Somatic Embryogenesis and Shoot Organogenesis in Ferula assa-foetida L 2025-Nov-29, Biology DOI:10.3390/biology14121703 PMID:41463476	研究论文	本研究开发了一种基于深度学习和机器学习的图像分析框架，用于预测在阿魏体细胞胚胎发生和芽器官发生中的最佳植物生长调节剂	首次在阿魏中应用人工智能驱动的图像分析框架来预测最佳植物生长调节剂，为濒危药用植物的微繁殖提供了一种可扩展的方法	未明确说明模型在处理复杂非线性输入时的具体局限性，以及预测误差的量化范围	优化阿魏的体外再生系统，并确定体细胞胚胎发生和芽器官发生的最佳植物生长调节剂	阿魏的叶片外植体诱导的愈伤组织	计算机视觉, 机器学习	NA	体外器官发生, 图像形态分析	CNN, MobileNet, RCNN, ResNet, VGG19, RF, SVM, kNN, DT, XG Boost, 朴素贝叶斯, 逻辑回归	图像	未明确说明具体样本数量，涉及使用不同TDZ、BAP和NAA组合及浓度的叶片外植体诱导的愈伤组织	NA	CNN, MobileNet, RCNN, ResNet, VGG19	准确率	NA
340	2025-12-31	A Review of Deep Learning Approaches Based on Segment Anything Model for Medical Image Segmentation 2025-Nov-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121312 PMID:41463609	综述	本文综述了基于Segment Anything Model（SAM）的深度学习方法在医学图像分割领域的应用	探讨了SAM从任务特定架构向通用架构的重大转变，并聚焦于其在医学可视化中的三大适应领域：多模态融合框架、体积扩展和不确定性感知架构	NA	回顾和讨论基于Segment Anything Model的深度学习方法在医学图像分割中的应用	医学图像分割方法	计算机视觉	NA	深度学习	基础模型	医学图像	NA	NA	Segment Anything Model, SAM3D, ProtoSAM-3D, VISTA3D, SAM-U, E-Bayes SAM	Dice系数	NA