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
3421	2025-12-10	60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience 2025-Dec-10, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000869 PMID:41363201	研究论文	本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性	首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量	60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低	评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性	156名无症状但至少有一个冠状动脉疾病风险因素的患者	数字病理学	心血管疾病	冠状动脉CT血管造影	深度学习	医学影像	156名患者	NA	NA	灵敏度, 特异性, 准确率, 阴性预测值	NA
3422	2025-12-10	Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03188 PMID:41271228	研究论文	本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数	创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力	模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性	开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法	生物层干涉测量（BLI）传感器图谱	机器学习	NA	生物层干涉测量	CNN, GAN	传感器图谱（曲线数据）	5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据）	NA	YOLOv5, 卷积神经网络（含SE和CBA模块）	准确率	NA
3423	2025-12-10	Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction 2025-Dec-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01429 PMID:41283762	研究论文	提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统	利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量	NA	加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程	代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统	机器学习	NA	量子化学计算，构型相互作用	Transformer	量子化学构型数据	NA	NA	Transformer	收敛速度，能量（关联能、结合能、基态能量），化学精度	NA
3424	2025-12-10	Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping 2025-Dec-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2380 PMID:41285110	研究论文	提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪	开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化	未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力	解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量	数值模拟大脑、水模体及人脑实验数据	医学影像分析	NA	超快速多重叠回波分离成像技术	深度学习	三维时空磁共振成像数据	NA	NA	NA	准确性	NA
3425	2025-12-10	Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05185 PMID:41294352	研究论文	提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正	开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正	方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性	提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程	拉曼光谱数据，特别是表面增强拉曼散射数据集	机器学习	NA	拉曼光谱，表面增强拉曼散射	深度学习模型	光谱数据	两个SERS数据集	NA	NA	结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度	NA
3426	2025-12-10	Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04550 PMID:41321189	研究论文	本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数	创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测	NA	开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数	蛋白质的圆二色谱和对应的二级结构参数	机器学习	NA	圆二色谱	CNN	图像	243个圆二色谱RGB图像	NA	原始CNN	相关系数, RMSD	NA
3427	2025-12-10	Deep learning-based volumetry of the future liver remnants and prediction of candidates for major hepatectomy 2025-Dec-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02106-0 PMID:41361806	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3428	2025-12-10	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2025-Dec-09, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文是一篇面向临床医生的综述，总结了人工智能在妇科肿瘤全程护理中的应用现状与前景	系统性地整合了AI在妇科肿瘤预防、筛查、诊断、预后及治疗指导等多个领域的最新证据，并提出了临床整合的实用路径和以公平为中心的部署方向	NA	为临床医生提供人工智能在妇科肿瘤护理中应用的综合指南，并展望其未来发展方向	妇科肿瘤的全程护理，包括预防、筛查、早期检测、诊断、预后预测和治疗指导	数字病理学	妇科癌症	NA	深度学习	多模态数据（临床、影像、组织学、基因组学）	NA	NA	NA	准确性, 速度, 可重复性	NA
3429	2025-12-10	Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge 2025-Dec-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3641610 PMID:41359736	研究论文	本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题	引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键	未明确说明模型在临床环境中的具体验证结果或部署挑战	加速心血管成像，开发跨模态和采样方案通用的学习策略	心脏磁共振成像数据	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像	来自18个国家超过200个团队参与的大规模多模态数据集	NA	NA	跨场景性能评估	NA
3430	2025-12-10	CACLENS: A Multitask Deep Learning System for Enzyme Discovery 2025-Dec-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518063 PMID:41360755	研究论文	本文介绍了一个名为CACLENS的多任务深度学习系统，用于高效发现工业酶	引入了结合定制门控控制、对比学习和交叉注意力机制的多任务深度学习框架，实现了反应类型分类、EC号预测和反应可行性评估三项关键功能的高性能集成	NA	开发一个高性能的多任务深度学习系统，以加速工业酶的发现过程	酶的结构、功能和性质，特别是用于生物合成和生物降解过程的酶	机器学习	NA	深度学习	深度学习框架	NA	NA	NA	结合定制门控控制、对比学习和交叉注意力机制的架构	NA	较少的计算资源
3431	2025-12-10	Landscape design concept generation combining cultural mapping technology and multimodal modeling 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31088-w PMID:41360932	研究论文	本文提出了一种结合草图生成与多模态学习的新型景观设计模型，用于生成高质量的景观设计图像	提出了一种结合草图生成（Pix2Pix GAN）与文本描述对齐（CLIP）的多模态学习模型，以同时满足结构要求和审美偏好，为自动化景观设计提供了更具创意、灵活和详细的解决方案	模型在处理复杂和抽象的设计需求方面仍有待进一步改进	开发一种更高效、更具创意且与上下文相关的自动化景观设计方法	景观设计图像	计算机视觉	NA	NA	GAN, 多模态学习模型	图像, 文本, 草图	NA	NA	Pix2Pix GAN, CLIP	定量分析, 定性分析	NA
3432	2025-12-10	BugPrioritizeAI for multimodal test case prioritisation using bug reports, code changes, and test metadata 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31851-z PMID:41360983	研究论文	本文提出了一种名为BugPrioritizeAI的可解释多模态测试用例优先级排序框架，该框架联合利用错误报告、源代码变更和测试元数据来对测试用例进行排序，以加速故障检测	BugPrioritizeAI是一种可解释的多模态TCP框架，它首次联合使用错误报告、源代码变更和测试元数据来对测试用例进行优先级排序，并通过SHAP提供解释性，克服了现有方法仅依赖单一信息源和语义关系建模不足的局限性	论文未明确提及具体局限性，但暗示当前基于深度学习的方法仍存在跨项目泛化能力和误解问题，这可能也是本框架需要进一步验证的方面	研究目标是开发一种AI增强的测试用例优先级排序方法，以减少回归测试的开销并加速故障检测	研究对象是软件测试中的测试用例，特别是针对错误报告、源代码变更和测试元数据等多模态软件制品	机器学习	NA	深度学习	神经网络	文本、代码变更、元数据	NA	NA	BugTestRankNet	NA	NA
3433	2025-12-10	A resource-efficient machine learning framework for real-time non-intrusive load monitoring and performance optimization in solar-powered aviation systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31379-2 PMID:41360980	研究论文	本文开发了一个资源高效的机器学习框架，用于太阳能航空系统中的实时非侵入式负载监测与性能优化	提出了一种在严格资源约束下系统评估多种ML/DL模型的方法，并通过硬件在环验证了其在动态飞行场景中的有效性	研究主要关注模型在实时部署中的计算效率与准确性权衡，可能未涵盖所有可能的负载类型或极端飞行条件	实现太阳能航空系统中实时、高效的负载监测与能源管理优化	太阳能航空系统的电力负载数据	机器学习	NA	非侵入式负载监测	KNN, RF, XGBoost, CNN-LSTM	高分辨率电力数据	NA	NA	CNN-LSTM	R², MSE, 执行时间	Opal-RT, Launchpad-F28379D DSP控制器
3434	2025-12-10	An interpretable deep learning model for first-trimester fetal cardiac screening 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02217-6 PMID:41361059	研究论文	开发并验证了一种可解释的深度学习模型，用于基于舒张期血流模式进行胎儿先天性心脏病的早期筛查	首个经过验证的可解释深度学习系统，用于孕早期先天性心脏病筛查，通过模仿临床推理过程提供准确且可解释的诊断	NA	解决孕早期先天性心脏病筛查的临床需求，开发准确且可解释的诊断工具	孕早期胎儿心脏筛查图像	数字病理学	先天性心脏病	多普勒血流四腔心切面成像	深度学习模型	图像	108,521例孕早期心脏筛查，从中选取8,062张多普勒血流四腔心切面图像	NA	NA	准确率	NA
3435	2025-12-10	Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs 2025-Dec-08, Journal of bone and mineral metabolism IF:2.4Q3 DOI:10.1007/s00774-025-01672-1 PMID:41361106	研究论文	本研究评估了深度学习模型在利用腰椎X光片进行骨质疏松筛查中的性能	提出使用深度学习模型从腰椎X光片中筛查骨质疏松，作为双能X射线吸收测定法（DXA）资源有限情况下的替代工具	模型性能（如AP图像的AUC为0.79）仍有提升空间，且研究未涉及外部验证或不同人群的泛化能力	开发并评估深度学习模型在骨质疏松筛查中的准确性，以弥补DXA资源不足	腰椎X光片（包括前后位和侧位图像）	计算机视觉	骨质疏松	X射线成像	CNN	图像	训练集：2244张前后位和2368张侧位腰椎X光片；测试集：963张前后位和1018张侧位图像	NA	ResNet-18, DarkNet-19	AUC, 敏感性, 特异性	NA
3436	2025-12-10	Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction 2025-Dec-08, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-025-04234-6 PMID:41361121	研究论文	本研究提出了一种基于投影的分子特征映射方法，用于通过CNN预测肾毒性，通过将3D分子结构转换为2D映射来增强特征表示和模型性能	采用Mollweide和Equirectangular投影将3D分子几何结构转换为优化的2D表示，结合原子位置、静电和范德华投影，创建了新型分子特征映射，提高了肾毒性预测的准确性	未明确提及样本量大小或数据集的详细组成，可能限制模型泛化能力的评估	开发可靠的肾毒性预测模型，以支持药物开发中的安全性评估	化学结构（分子）	机器学习	肾毒性	3D空间转换、分子投影	CNN	图像（2D分子映射）	NA	NA	CNN	准确率, AUC	NA
3437	2025-12-10	Assessment of a VoIP steganalysis method based on statistical analysis and deep neural network 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31478-0 PMID:41361363	研究论文	本文提出了一种结合语音信号处理与人工智能的混合方法，用于VoIP隐写分析，以提高检测准确性和计算效率	结合语音信号处理与深度学习网络，针对G.729编码的音频信号提取帧内特征和帧间相关性，实现对QIM、PMS和HPS等隐写技术的高效实时检测	仅针对G.729编码的音频信号进行评估，未涉及其他编码格式或更广泛的隐写技术	开发一种高效的VoIP隐写分析方法，以应对通过隐写术进行的隐蔽通信安全威胁	使用G.729编码的VoIP音频信号，特别是包含QIM、PMS和HPS隐写技术的音频文件	机器学习	NA	语音信号处理，深度学习	深度学习网络	音频信号	1000 ms音频文件	NA	NA	准确率	NA
3438	2025-12-10	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出了一种基于混合特征提取的深度学习框架CerviHFENet，用于X射线图像中上颈椎多异常的多标签分类	提出了结合自适应ROI检测和混合特征提取（HFE）机制的CerviHFENet框架，能够同时提取上颈椎的解剖特征和不同颈部位置间的动态结构变化，并采用改进的焦点损失函数学习六种异常间的互斥或条件依赖关系	研究样本量相对有限（249名患者），且仅针对六种特定上颈椎异常	开发一个深度学习模型，辅助从上颈椎三视图X射线图像中准确诊断多种异常	上颈椎X射线图像（伸展位、中立位、屈曲位）	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	249名患者，共747张X射线图像	NA	CerviHFENet	AUC, mAP	NA
3439	2025-12-10	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	本研究开发并验证了一种整合放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴血管间隙侵犯	首次整合了2D和3D放射组学特征与多种预训练深度学习架构（VGG11、ResNet101、DenseNet121）的特征，构建了多序列MRI的多模态预测模型	回顾性研究设计可能存在选择偏倚，手动勾画感兴趣区域可能引入主观误差	开发非侵入性预测子宫内膜癌淋巴血管间隙侵犯的术前评估工具	892名经术后病理确诊的子宫内膜癌患者	数字病理	子宫内膜癌	多序列磁共振成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN	医学影像（MRI）	892名患者（训练队列378人，内部验证160人，外部验证354人）	PyRadiomics	VGG11, ResNet101, DenseNet121	AUC（受试者工作特征曲线下面积）	NA
3440	2025-12-10	Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study 2025-Dec-08, Prostate cancer and prostatic diseases IF:5.1Q1 DOI:10.1038/s41391-025-01063-7 PMID:41361534	研究论文	本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型	开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化	模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性	预测前列腺癌的包膜外侵犯	接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	多参数MRI, [18F]PSMA-1007 PET/CT	深度学习模型	医学影像（MRI, PET/CT）	388名患者，来自三个中心	NA	NA	AUC, 灵敏度, 特异性	NA