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
3861	2025-11-14	Diagnosis of superficial ailments using infrared thermal imaging and CapsNet 2025-Nov-07, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104325 PMID:41223630	研究论文	本研究探索将红外热成像与胶囊网络结合用于浅表疾病诊断的方法	首次将CapsNet应用于红外热成像的医学诊断，在多种浅表疾病分类中实现高精度	外部因素可能影响区域温度测量，可能引入诊断误差	通过计算机视觉分类算法增强热成像疾病的分类和诊断能力	具有皮肤表现症状的疾病，包括乳腺癌、压力性溃疡和鼻窦炎	计算机视觉	乳腺癌, 压力性溃疡, 鼻窦炎	红外热成像	CapsNet	热成像图像	NA	NA	CapsNet	准确率	NA
3862	2025-11-14	Refinement of an Artificial Intelligence Algorithm for Enhanced Burn Wound Depth Assessment Using Multispectral Imaging: An Expanded Proof of Concept Study 2025-Nov-05, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf057 PMID:40452490	研究论文	通过多光谱成像和卷积神经网络开发用于烧伤创面深度评估的人工智能算法	首次将多光谱成像与多种CNN算法结合用于烧伤深度评估，并发现'受伤后时间'作为重要协变量	样本量相对有限，需要更大规模的研究验证算法性能	开发用于烧伤创面深度评估的深度学习算法	成人及儿童烧伤患者的创面图像和活检样本	计算机视觉	烧伤	多光谱成像	CNN	多光谱图像	124名受试者（100名成人，24名儿童），1037张MSI图像，161份活检	NA	8种独特DL算法和2种集成DL算法	AUC, 准确率, 灵敏度, 特异性	NA
3863	2025-11-14	Deep learning for the identification of Candida spp. directly from blood culture gram stains from candidemia patients 2025-Nov-04, Medical mycology IF:2.7Q1 DOI:10.1093/mmy/myaf097 PMID:41105137	研究论文	本研究开发了一种基于深度学习的卷积神经网络方法，直接从血液培养革兰氏染色图像中识别念珠菌属不同菌种	首次使用深度学习直接从血液培养革兰氏染色图像中识别念珠菌属多个菌种，无需传统亚培养方法	研究数据来源于两个医疗中心，样本量相对有限，且包含模拟血液培养图像	开发快速识别念珠菌属菌种的方法以指导抗真菌治疗	念珠菌属不同菌种的血液培养革兰氏染色图像	计算机视觉	念珠菌血症	革兰氏染色，血液培养	CNN	图像	531张完整照片和2804个图像块，来自2012年1月至2024年5月墨西哥城两家三级教学医院的图像数据库	NA	GoogLeNet, InceptionV3, AlexNet, ResNet18, ResNet50, DenseNet161	准确率	NA
3864	2025-11-14	An improved empirical mode decomposition method with ensemble classifiers for analysis of multichannel EEG in BCI emotion recognition 2025-Nov, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2369257 PMID:38920119	研究论文	提出一种基于改进经验模态分解和集成分类器的混合模型，用于多通道脑电信号的情感识别	提出IEMD-KW-Ens混合技术，结合改进的筛选停止准则和中值滤波器优化脑电信号分解	NA	开发有效的脑电信号情感识别方法	多通道脑电信号中的情感识别	脑机接口	NA	经验模态分解, 特征提取	集成分类器, CNN, RUSBoosted trees	多通道脑电信号	DEAP和DREAMER数据集	NA	卷积神经网络, 集成树模型	效价、唤醒度、支配度分类评估	NA
3865	2025-11-14	Effect of New Generation Snapshot Freeze Combined With Deep Learning Image Reconstruction on Image Quality of Coronary Artery Calcifications and Their Quantification 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001765 PMID:40338070	研究论文	评估新一代快照冻结算法结合深度学习图像重建对冠状动脉钙化图像质量及定量分析的改善效果	首次将新一代快照冻结算法(SSF2)与深度学习图像重建(DLIR)技术结合应用于冠状动脉钙化评分CT成像	样本量有限（69例患者），未评估不同钙化负荷分组的差异	评估SSF2结合DLIR对冠状动脉钙化图像质量和定量分析的改善效果	69例接受心电图触发非增强CT扫描的患者	医学影像分析	心血管疾病	心电图触发非增强CT扫描，图像重建算法	深度学习图像重建	CT医学影像	69例患者	NA	NA	图像质量评分，观察者间一致性(kappa)，CT值，图像噪声，Agatston评分，体积评分，质量评分，风险分层	NA
3866	2025-11-14	Automatic Multiclass Tissue Segmentation Using Deep Learning in Brain MR Images of Tumor Patients 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001750 PMID:40576335	研究论文	开发基于深度学习的自动多类别脑组织分割方法，用于脑肿瘤患者的MR图像分析	提出基于深度残差U-Net框架的鲁棒分割流程，专门针对包含病变区域的脑组织分割，在SPM12软件表现不佳的情况下仍能生成满意的分割结果	仅在脑肿瘤患者数据上进行验证，未测试其他神经系统疾病；本地医院测试集样本量相对较小（100例）	开发快速自动的脑组织分割方法，包括肿瘤病变区域，用于神经学和肿瘤学研究	脑肿瘤患者的MR图像	计算机视觉	脑肿瘤	MR成像	CNN	医学图像	训练数据1251例（BraTS'21），测试数据100例（本地医院）	NA	深度残差U-Net	Dice相似系数, 体积相似度	NA
3867	2025-11-14	Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation 2025-Nov, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70011 PMID:40702787	研究论文	开发基于解剖结构的多任务深度学习放射组学列线图系统，用于预测上颌窦底提升术中种植体失败风险	首次结合解剖结构自动分割与多任务深度学习放射组学模型，实现术前种植体失败风险预测	回顾性研究设计，样本量有限，需要外部验证	预测上颌窦底提升术中的种植体失败风险	接受上颌窦底提升术的患者	数字病理	口腔种植	锥形束计算机断层扫描	深度学习, 放射组学	医学影像, 电子病历	未明确具体样本数量	nnU-Net	nn-UNet v2, 3D-Attention-ResNet	DICE系数, 准确率, AUC	NA
3868	2025-11-14	Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern 2025-Nov, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06376-2 PMID:40911057	研究论文	开发并验证一种基于胎儿脑部解剖结构约束的深度学习模型，用于提高胎儿小脑发育不全的产前超声诊断准确性	提出双分支深度学习分类网络ASC-Net，首次将超声图像和解剖结构掩膜作为独立输入，并系统研究了解剖结构约束对模型性能的影响	回顾性研究，样本仅来自单一医疗中心，未进行外部验证	提高胎儿小脑发育不全的产前超声诊断准确性	302例小脑发育不全胎儿和549例正常妊娠胎儿	医学影像分析	小脑发育不全	超声成像	深度学习分类网络	超声图像	851例（302例病例+549例对照）	NA	ASC-Net（双分支网络）	准确率, AUC	NA
3869	2025-11-14	Towards modeling evolving longitudinal health trajectories with a transformer-based deep learning model 2025-Nov, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2025.08.025 PMID:40945546	研究论文	提出基于Transformer的深度学习模型Evolve，用于建模和分析纵向健康轨迹	首次将Transformer架构应用于连续多标签健康轨迹预测，能够识别早期预测事件并通过潜在嵌入空间变化追踪健康轨迹演变	仅与基线模型进行性能比较，缺乏更广泛的模型对比和临床验证	开发能够连续预测疾病发生并分析健康轨迹演变的深度学习模型	全国性纵向健康登记数据，包含临床编码、医疗程序和药物购买记录	机器学习	多种疾病	深度学习	Transformer	纵向健康记录数据	全国性数据集（具体数量未明确说明）	NA	Transformer	疾病发生预测准确率	NA
3870	2025-11-14	Deep learning enhanced thermographic modeling for early and precise mastitis detection in Sahiwal cows 2025-Nov, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2025.105899 PMID:40972062	研究论文	本研究结合热成像技术和深度学习模型，用于早期精确检测萨希瓦尔奶牛的乳腺炎	首次将卷积神经网络与热成像技术结合用于奶牛乳腺炎的自动分类诊断	研究样本仅限于萨希瓦尔奶牛品种，模型对亚临床乳腺炎的检测准确率相对较低	开发基于深度学习的乳腺炎早期精确检测方法	泌乳期萨希瓦尔奶牛的乳房区域	计算机视觉	乳腺炎	热成像技术	CNN	热成像图像	未明确说明具体样本数量	NA	卷积神经网络	准确率,精确率,召回率,F1分数	NA
3871	2025-11-14	Deep-Learning Aided Atomic-Scale Observation of Anisotropic Melting of the Charge Density Wave in TaS2 2025-Nov, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202507496 PMID:41014519	研究论文	通过深度学习和扫描透射电子显微镜技术观测TaS2中电荷密度波的各向异性熔化过程	首次结合人工智能增强的扫描透射电子显微镜和微分相位衬度成像技术，在原子尺度直接观测电荷密度波相变动力学	实验受电子束辐照条件限制，可能对样品产生一定影响	研究TaS2中电荷密度波相变的原子尺度动力学机制	1T-TaS2材料中的近公度电荷密度波相	材料科学,电子显微学	NA	扫描透射电子显微镜,微分相位衬度成像,电子束辐照	深度学习	原子分辨率图像序列	NA	NA	NA	NA	NA
3872	2025-11-14	AI-identified CD133-targeting natural compounds demonstrate differential anti-tumor effects and mechanisms in pan-cancer models 2025-Nov, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00308-1 PMID:41039172	研究论文	利用深度学习筛选靶向CD133的天然化合物，并在泛癌模型中验证其抗肿瘤效果和机制差异	结合AI驱动的化合物筛选与生物验证，发现结构相似但作用机制不同的CD133靶向天然化合物	仅依赖分子结构的虚拟筛选无法完全阐明作用机制，需要活体模型验证	开发靶向CD133的泛癌治疗药物	癌症细胞系、肿瘤患者来源类器官、动物模型	机器学习	泛癌	深度学习, TransformerCPI	Transformer	蛋白质序列, 分子结构	多种癌症细胞系、患者来源类器官和动物模型	NA	TransformerCPI	结合亲和力, 抗肿瘤效果, 安全性	NA
3873	2025-11-14	Knowledge-based automated radiation therapy treatment planning utilizing dose prediction with a 2.5D-U-Net 2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105199 PMID:41172787	研究论文	开发基于知识的自动化放射治疗计划系统，使用2.5D-U-Net进行剂量预测	首次将2.5D-U-Net应用于放射治疗剂量预测，实现基于深度学习的逆向治疗计划自动化	仅在前列腺和乳腺癌治疗中验证，样本量有限（72/66训练，12测试）	自动化强度调制放射治疗（IMRT）的逆向治疗计划过程	前列腺癌和乳腺癌患者	医学影像分析	前列腺癌, 乳腺癌	容积旋转调强放疗（VMAT）	U-Net	放射治疗计划数据	训练集：72个前列腺计划+66个乳腺癌计划，测试集：12个患者数据集	NA	2.5D-U-Net	DVH指标, 计划质量指标（PQM）, 专家盲评	NA
3874	2025-11-14	A few-shot u-net learning framework for fast and accurate three-dimensional dose prediction in radiotherapy 2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105184 PMID:41072102	研究论文	提出一种基于少样本学习的FS-UNet框架，用于快速准确的三维放疗剂量预测	将元学习（MAML）和原型网络集成到U-Net框架中，实现小样本条件下的精准剂量预测	研究样本量相对有限（前列腺102例，肝脏29例，胰腺30例）	提高放疗计划中患者特异性剂量预测的准确性和效率	前列腺癌、肝癌、胰腺癌患者的放疗剂量分布	医学影像分析	前列腺癌,肝癌,胰腺癌	放射治疗剂量预测	CNN,元学习	三维医学影像	前列腺102例，肝脏29例，胰腺30例	PyTorch,TensorFlow	U-Net,Prototypical Network	MSE,DVH	GPU
3875	2025-11-14	Artificial intelligence in bioinformatics: a survey 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf576 PMID:41206113	综述	系统总结人工智能技术在生物信息学领域的研究进展与应用场景	首次系统量化展示AI在蛋白质结构预测（中位误差0.96Å）、单细胞建模（AvgBIO≈0.82）、蛋白质设计（成功率92%）和癌症检测（AUC≈0.93）等领域的突破性成果	面临数据噪声与稀疏性、长生物序列建模困难、多模态数据整合复杂、模型可解释性不足及伦理隐私问题等挑战	探讨人工智能技术在生物信息学领域的应用现状与发展前景	基因组学、转录组学、蛋白质组学及单细胞多模态数据集	生物信息学	癌症	高通量测序技术, 多组学方法, 单细胞多模态分析	深度学习, 强化学习, 传统机器学习算法	基因组序列, 蛋白质结构, 多组学数据, 生物医学文本	NA	NA	NA	中位误差, AvgBIO, 成功率, AUC	NA
3876	2025-11-14	DMRU: generative deep learning to unravel condition-specific cytosine methylation in plants 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf579 PMID:41206115	研究论文	开发了一种名为DMRU的可解释深度编码器-解码器生成系统，用于识别植物中条件特异性胞嘧啶甲基化	首个能够识别条件特异性DNA甲基化的生成式深度学习系统，具有跨物种通用性	NA	研究植物中条件特异性胞嘧啶甲基化与转录组状态的关系	植物DNA甲基化模式	机器学习	NA	DNA甲基化分析	深度编码器-解码器	DNA甲基化数据，转录组数据	涵盖85种不同条件和多种植物物种的大规模实验数据	NA	深度编码器-解码器	准确率	NA
3877	2025-11-14	MOFormer: navigating the antimicrobial peptide design space with Pareto-based multi-objective transformer 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf376 PMID:41206110	研究论文	提出一种基于帕累托优化的多目标Transformer模型MOFormer，用于同时优化抗菌肽的多个属性	首次将条件Transformer与帕累托优化结合，构建结构化序列-属性空间实现高效多目标抗菌肽设计	未明确说明模型在更广泛肽类设计中的泛化能力	开发能够同时优化抗菌肽多个属性的深度学习设计方法	抗菌肽序列设计	机器学习	传染病	深度学习，序列生成	Transformer	序列数据	NA	NA	Transformer	超体积，最小抑制浓度，溶血性，毒性	NA
3878	2025-11-14	Application of machine learning and deep learning approaches for prediction modeling with time-to-event outcomes in clinical epidemiology. Methods comparison and practical considerations for generalizability and interpretability 2025-Nov, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2025.10.012 PMID:41101574	研究论文	比较机器学习、深度学习和回归方法在临床流行病学时间-事件结局预测模型中的应用	首次系统评估梯度提升机在整合蛋白质生物标志物和脂质的临床预测模型中的表现，并探讨其在模型灵活性、区分度、校准和简约性之间的平衡优势	研究仅针对心血管风险预测，未验证在其他疾病领域的适用性	评估不同预测建模方法在临床流行病学时间-事件结局预测中的性能	临床预测模型，整合蛋白质生物标志物和脂质的心血管风险预测	机器学习	心血管疾病	临床生物标志物整合分析	梯度提升机, 深度学习, 回归模型	临床数据，生物标志物数据	NA	NA	梯度提升机	C统计量, Brier评分	NA
3879	2025-11-14	White matter hyperintensity segmentation of multiple sclerosis and neuromyelitis optical spectrum disorders using 2.5D FrC-ResUnet 2025-Nov-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2384 PMID:41209196	研究论文	本研究提出了一种用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号分割的2.5D深度学习模型	提出2.5D傅里叶卷积ResUnet模型，结合谱编码器提取全局信息，并集成选择性特征模块和卷积块注意力模块以增强病灶-背景区分能力	NMOSD疾病罕见导致脑白质高信号分割研究数据有限	开发用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号自动分割的深度学习方法	多发性硬化和视神经脊髓炎谱系疾病患者的脑白质高信号病灶	医学图像分析	多发性硬化, 视神经脊髓炎谱系疾病	磁共振成像	深度学习, CNN	医学图像	MS公共数据集和本地MS、NMOSD数据集	NA	2.5D FrC-ResUnet, U-Net, ResUNet, FC-DenseNet, AttentionUNet	Dice相似系数	NA
3880	2025-11-14	A multibranch fusion network (MBF-Net) for intracranial large-vessel occlusion classification 2025-Nov-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2255 PMID:41209184	研究论文	提出多分支融合网络MBF-Net用于颅内大血管闭塞亚型分类	采用多分支结构缓解长尾效应，引入分支层次深度聚合模块和语义信息增强模块提升特征提取能力	未明确说明数据集的样本来源和多样性限制	开发能够有效分类颅内大血管闭塞亚型的深度学习模型	计算机断层扫描血管造影图像中的颅内大血管闭塞	计算机视觉	心血管疾病	计算机断层扫描血管造影	CNN	医学图像	NA	NA	多分支融合网络	灵敏度,精确度,F1分数	NA