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
3901	2025-12-11	Deep Learning-Powered Electrical Brain Signals Analysis: Advancing Neurological Diagnostics 2025-Dec-09, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3625973 PMID:41364564	综述	本文系统回顾了深度学习在基于脑电图（EEG）和颅内脑电图（iEEG）的神经疾病诊断中的最新进展	整合了46个数据集和7种神经疾病的应用，强调预训练多任务模型在实现可扩展、泛化解决方案中的作用，并提出了标准化基准以评估模型	数据集异质性和任务变异性可能阻碍稳健深度学习解决方案的开发	推动神经疾病诊断向智能、适应性强的医疗系统发展	脑电图（EEG）和颅内脑电图（iEEG）信号	机器学习	神经疾病	脑电图（EEG），颅内脑电图（iEEG）	深度学习模型	脑电信号	涉及46个数据集	NA	NA	NA	NA
3902	2025-12-11	Deep Learning-based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae 2025-Dec-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642160 PMID:41364580	研究论文	本研究提出了一种基于深度学习/机器学习的代理模型，用于高效预测椎体应力分布	开发了一种集成椎体形状编码并采用表面节点与内部节点分离解码分支的新型深度学习代理模型，建立了端到端自动化处理流程	在椎体前下缘和椎弓根区域观察到局部预测差异	开发高效预测椎体应力分布的替代模型，以加速个性化生物力学评估	L1椎体	数字病理学	老年疾病	CT扫描	深度学习/机器学习	图像	基于42个真实CT扫描通过数据增强生成的3,960个合成L1椎体	NA	NA	平均绝对误差,R值	NA
3903	2025-12-11	A Similarity-Constrained Multi-way Gated Attention Network for Focused Ultrasound-induced Blood-brain Barrier Opening Evaluation 2025-Dec-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642073 PMID:41364579	研究论文	本研究提出了一种基于门控注意力的新模型，用于利用时域声学信号片段预测聚焦超声诱导的血脑屏障开放结果	提出了一种结合声学编码器、多路门控注意力机制和包含相似性约束的任务特定损失函数的新型门控注意力模型，以增强类间区分能力并减少注意力模式的冗余	研究样本量相对有限（174次FUS治疗），且未明确提及模型在更广泛或不同患者群体中的泛化能力验证	开发一种高时间分辨率、高预测可靠性且可解释的方法，用于评估聚焦超声诱导的血脑屏障开放的有效性和安全性	聚焦超声治疗过程中的时域声学信号片段	机器学习	中枢神经系统疾病	聚焦超声	深度学习	时域声学信号	174次FUS治疗	NA	门控注意力模型	准确率, 召回率, AUC, F1分数	NA
3904	2025-12-11	The Road to Bedside: Addressing Key Hurdles for Deep Learning Prognostic Models in Light-Chain Cardiac Amyloidosis 2025-Dec-09, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf344 PMID:41364678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3905	2025-12-11	AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application 2025-Dec-09, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.00485 PMID:41364772	研究论文	本研究开发了一种基于AI的自动化术前规划系统，用于前交叉韧带重建，通过融合CT和MRI图像并进行分割，以优化隧道定位	提出了一个结合双UNet注册架构和多尺度信息融合的CT-MRI图像融合方法，用于动态3D重建和ACL插入点识别，并开发了深度学习框架来自动优化隧道定位	研究样本主要为中国汉族人群，年龄范围较窄（18-50岁），且男性占比较高（81.0%），可能限制结果的普适性	开发并评估一种AI驱动的自动化术前规划系统，用于前交叉韧带重建手术	200例ACL完整患者的膝关节CT和MRI扫描图像，以及后续的骨模型和临床患者	数字病理	前交叉韧带损伤	CT-MRI图像融合，深度学习	深度学习	图像	200个膝关节扫描用于训练，36个骨模型和72例临床手术（36例AI引导，36例常规）用于验证	NA	Dual-UNet	Dice系数，隧道长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向）	NA
3906	2025-12-11	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2025-Dec-09, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了AUTOENCODIX，一个用于训练和评估自编码器的开源框架，旨在标准化和灵活处理生物表征学习任务	提出了一个标准化、灵活且可比较的自编码器框架，支持基于本体和跨模态的自编码器，增强了嵌入的可解释性和数据模态间的转换能力	未明确提及具体局限性，但框架的通用性可能依赖于特定数据集和架构的适配	开发一个用于生物表征学习的标准化自编码器框架，以促进数据驱动研究	泛癌研究数据集（如TCGA）、单细胞测序数据以及结合成像数据	机器学习	NA	自编码器、深度学习、数据整合	自编码器	多模态数据（包括基因组、单细胞测序和成像数据）	NA	NA	基于本体的自编码器、跨模态自编码器	输入数据重建能力、嵌入质量、基于本体的嵌入可靠性	NA
3907	2025-12-11	A priority control list for LCMs in freshwater food chain by deep learning 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用深度学习方法，针对淡水食物链中液晶单体的持久性、生物累积性和毒性效应，构建并优化了优先控制清单	首次针对影响淡水食物链的商业液晶单体PBT效应构建了优先控制清单，并应用ResNet深度学习模型进行优化和预测	研究仅针对1431种商业液晶单体在特定淡水食物链模型中的效应，可能未涵盖所有环境场景或新型化合物	评估液晶单体在淡水食物链中的环境风险，并建立高精度优先控制清单	1431种商业液晶单体在淡水食物链（水蚤-斑马鱼-卷羽鹈鹕）中的PBT效应	机器学习	NA	分子对接, 机器学习, 深度学习	ResNet	分子对接数值矩阵	1431种液晶单体 × 3个营养级 × 3种PBT效应，共12879个数据点	NA	ResNet	准确率	NA
3908	2025-12-11	SpectraNet: A unified deep learning framework for infrared spectroscopy-based prediction of plastic recyclability, type classification, and microplastic identification 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140434 PMID:41232191	研究论文	本文提出了一个名为SpectraNet的统一深度学习框架，利用中红外光谱数据实现塑料可回收性预测、类型分类和微塑料识别	提出了首个将中红外光谱与先进算法相结合的统一深度学习框架，用于同时支持塑料可回收性评估、塑料类型识别和微塑料类型识别三项关键分析任务，并建立了开放的塑料和微塑料红外光谱数据库	NA	开发一个高效的深度学习框架，以应对全球塑料污染和微塑料污染问题，支持塑料回收、材料识别和微塑料监测	塑料和微塑料	机器学习	NA	中红外光谱	深度学习	光谱数据	NA	NA	SpectraNet	准确率	NA
3909	2025-12-11	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种结合RNA测序与深度学习模型LCMsT-MTP的新方法，用于快速、高通量筛选自然水体中具有代谢毒性风险的液晶单体	首次将RNA测序数据与深度学习模型相结合，用于预测液晶单体的代谢毒性，克服了传统方法仅针对单一靶点或机制的局限，实现了对21种代谢毒性的同时识别	模型最初基于6种氟化液晶单体的RNA测序数据开发，对于非氟化液晶单体的预测需满足适用域测试，且无法覆盖所有857种潜在代谢毒性液晶单体的快速识别	开发一种快速、高通量的方法，用于筛选自然水体中具有代谢毒性风险的优先液晶单体	液晶单体，特别是对水生生物具有潜在代谢毒性的氟化和非氟化液晶单体	机器学习	NA	RNA测序，深度学习	深度学习模型	基因表达序列数据，化学结构数据	6种氟化液晶单体在斑马鱼中的RNA测序数据，以及857种潜在代谢毒性液晶单体的预测应用	NA	LCMsT-MTP	NA	NA
3910	2025-12-11	Deep learning-integrated SERS platform for accurate identification of diverse phthalate ester subtypes 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140584 PMID:41297261	研究论文	本研究开发了一种集成深度学习的表面增强拉曼光谱（SERS）平台，用于快速准确识别和分类七种代表性邻苯二甲酸酯（PAEs）亚型	将等离子体金纳米柱（AuNP）基底形成的垂直和水平纳米间隙结构与深度学习算法相结合，构建了一个高灵敏度、可解释的现场部署检测平台	研究仅针对七种代表性PAEs，未涵盖所有可能的亚型；平台在接近监管阈值（0.1% w/w）浓度下的实际应用性能需进一步验证	开发一种快速、准确、可现场部署的邻苯二甲酸酯检测方法，用于环境监测和消费品安全评估	七种代表性邻苯二甲酸酯（PAEs）亚型	机器学习	NA	表面增强拉曼光谱（SERS）	深度神经网络（DNN）	光谱数据	NA	NA	深度神经网络（DNN）	准确率	NA
3911	2025-12-11	Mulaqua: An interpretable multimodal deep learning framework for identifying PMT/vPvM substances in drinking water 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140573 PMID:41297258	研究论文	提出了一种名为Mulaqua的可解释多模态深度学习框架，用于识别饮用水中的持久性、移动性和毒性物质（PMT/vPvM）	首个专门用于识别PMT/vPvM物质的深度学习方法，采用结合分子字符串表示和分子图像的新型多模态方法，并公开了代码	训练数据集中存在数据不平衡问题	开发高效的计算方法，以快速、经济地检测饮用水中的PMT/vPvM物质	饮用水中的持久性、移动性和毒性物质（PMT）以及非常持久和非常移动的物质（vPvM）	机器学习	NA	深度学习，SMILES枚举数据增强	深度学习模型	分子字符串表示，分子图像	NA	NA	NA	准确率，F1分数，马修斯相关系数	NA
3912	2025-12-11	The effects of physical activity on diabetic retinopathy in type 2 diabetes using automated vascular analysis: a cohort study 2025-Dec-05, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.15.04319 PMID:41343177	研究论文	本研究利用计算机视觉和深度学习技术，探讨了2型糖尿病患者体力活动与糖尿病视网膜病变及视网膜血管直径之间的关系	首次在大型队列研究中结合计算机视觉和深度学习技术，系统评估体力活动对2型糖尿病患者视网膜血管直径和糖尿病视网膜病变发病的纵向影响	研究依赖自我报告的体力活动数据，可能存在回忆偏倚；仅针对中国上海地区人群，结果外推需谨慎	探究体力活动与2型糖尿病患者糖尿病视网膜病变及视网膜血管直径的关联，探索潜在机制并识别保护性运动方案	2型糖尿病患者	计算机视觉	糖尿病视网膜病变	计算机视觉, 深度学习	NA	视网膜图像, 临床数据	横断面分析42,992人，纵向队列3,669人	NA	NA	风险比, 置信区间	NA
3913	2025-12-11	Perivascular space identification nnUNet for generalised usage (PINGU) 2025-Dec-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本文开发了一种名为PINGU的通用血管周围空间分割工具，基于nnUNet算法，在异质MRI数据集上进行训练，以提升在不同图像质量和分辨率下的适用性	首次在异质多数据集（来自7个不同数据集、6台扫描仪）上训练nnUNet用于血管周围空间分割，增强了模型在临床和研究环境中广泛图像质量下的泛化能力	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一种适用于广泛图像质量和分辨率的自动化血管周围空间分割工具	大脑MRI图像中的血管周围空间	数字病理	血管疾病	MRI扫描	CNN	3D MRI图像	来自7个不同数据集、6台扫描仪的异质MRI样本	nnUNet	nnUNet	Dice系数（体素和簇级别）	NA
3914	2025-12-11	A machine learning based framework for identifying consumer product injuries from social media data 2025-Dec-04, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112927 PMID:41365280	研究论文	提出一个基于机器学习的框架，用于从社交媒体数据中识别消费者产品伤害，以改进伤害监测	利用实时社交媒体帖子提取产品伤害细节，快速识别新兴伤害趋势，相比传统医院数据收集方法，处理时间更短，能促进及时干预	研究仅针对滑板相关伤害进行了评估，未涵盖其他产品类型，且模型性能（如F1分数）有提升空间	改进消费者产品伤害监测，通过社交媒体数据分析识别新兴伤害模式，以支持预防性干预如产品召回	社交媒体帖子（来自Reddit平台），涉及消费者产品伤害信息	自然语言处理	NA	社交媒体数据抓取，机器学习模型训练	LSTM, GRU, SGD	文本	非伤害相关数据来自亚马逊产品评论，伤害相关数据来自国家电子伤害监测系统（NEISS）数据库，具体样本数量未明确	NA	LSTM, GRU	F1分数	NA
3915	2025-12-11	Long-Tailed Continual Learning For Visual Food Recognition 2025-Dec-03, IEEE transactions on multimedia IF:8.4Q1 DOI:10.1109/tmm.2025.3632640 PMID:41358265	研究论文	本文提出了一种用于视觉食物识别的长尾持续学习方法，以解决新类别学习和长尾分布问题	引入了基于知识蒸馏的预测器以避免持续学习中的表示错位，并结合了类激活图与CutMix的增强技术来提升对实例稀有食物类别的泛化能力	NA	开发一种能够持续学习新食物类别并处理长尾分布的食物识别方法	美国食物图像，包括健康人群、胰岛素使用者以及未使用胰岛素的2型糖尿病个体的消费数据	计算机视觉	NA	深度学习	NA	图像	包含186种美国食物及其全面标注的数据集，以及三个新基准数据集（VFN186-LT、VFN186-INSULIN、VFN186-T2D）	NA	NA	NA	NA
3916	2025-12-11	Cartesian equivariant representations for learning and understanding molecular orbitals 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510235122 PMID:41269783	研究论文	本文提出了一种名为CEONET的笛卡尔等变网络，用于基于分子轨道系数预测轨道能量和特性，如键合/反键合特征	首次将先进的等变深度学习架构应用于分子轨道的全局标签分配，特别是轨道能量和熵的预测，并开发了CEONET作为等变节点特征的表示方法	未明确说明模型在复杂分子系统或不同电子结构方法下的泛化能力限制	开发深度学习模型以自动化和解释电子结构理论中的轨道特性，如能量和键合特征	分子轨道系数，来自Hartree-Fock或密度泛函理论计算	机器学习	NA	深度学习，电子结构理论（Hartree-Fock，密度泛函理论）	等变神经网络	分子轨道系数数据	NA	NA	Cartesian Equivariant Orbital Network (CEONET)	轨道能量预测精度，轨道熵预测性能	NA
3917	2025-12-11	The value of machine and deep learning in management of critically ill patients: An umbrella review 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106081 PMID:40795609	综述	本文通过伞状系统综述探讨了机器学习和深度学习在重症监护病房（ICU）危重患者管理中的应用潜力	首次以伞状系统综述的形式全面评估了机器学习和深度学习在ICU多疾病领域（如脓毒症、呼吸、心血管、肾脏和神经系统疾病）管理中的应用现状与潜力	临床转化应用仍受限，主要由于外部验证不足、方法学不一致以及未解决的伦理问题	探索机器学习和深度学习在危重患者管理中的应用可能性，以改善临床决策和患者结局	重症监护病房（ICU）中的危重患者，特别是涉及脓毒症、呼吸、心血管、肾脏和神经系统疾病的患者	机器学习	危重病（涵盖脓毒症、呼吸系统疾病、心血管疾病、肾脏疾病、神经系统疾病）	NA	机器学习, 深度学习	NA	42项符合分析标准的研究（源自2148条初始记录）	NA	NA	NA	NA
3918	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
3919	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
3920	2025-12-11	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文提出了一种基于可解释机器学习的模型，用于定量分析结肠隐窝分支的对称和不对称模式，以改善炎症性肠病的组织学表征	通过手工设计的形态特征和深度学习模型，首次实现了对结肠隐窝分支模式的自动分类，并强调了模型的可解释性	模型性能仍有提升空间（平衡准确率约0.80），且依赖专家标注数据，可能受限于样本多样性和标注一致性	开发一种机器学习模型，以准确分类结肠隐窝的对称和不对称分支模式，从而辅助炎症性肠病的定量描述和组织学亚型分析	结肠隐窝的分支形态	数字病理学	炎症性肠病	形态特征提取，图像分割	集成学习模型，深度学习模型	图像	NA	NA	NA	平衡准确率	NA