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
21	2025-12-19	Evaluating Artificial Intelligence-Assisted Prostate Biparametric MRI Interpretation: An International Multireader Study 2025-Dec-17, AJR. American journal of roentgenology DOI:10.2214/AJR.24.32399 PMID:40668633	研究论文	本研究评估了深度学习AI模型对前列腺双参数MRI解读中前列腺癌及临床显著前列腺癌检测率及读者间一致性的影响	首次在国际多中心多读者研究中，采用平衡不完全区组设计，系统评估AI辅助对前列腺双参数MRI解读在病灶水平和患者水平检测性能及读者间一致性的影响	研究为回顾性设计，样本量相对有限（180例患者），且AI辅助略微降低了病灶水平的敏感性，需进一步优化以提升敏感性而不损害特异性	评估AI辅助对前列腺双参数MRI解读中前列腺癌检测准确性及读者间一致性的影响	前列腺双参数MRI图像及对应的病理结果（根治性前列腺切除术后的全标本病理或阴性系统性活检）	数字病理	前列腺癌	双参数MRI	深度学习模型	医学影像（MRI）	180例患者（120例病例组，60例对照组）	NA	NA	敏感性, 阳性预测值, AUC, 读者间一致性（κ系数）, 覆盖概率	NA
22	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
23	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
24	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
25	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
26	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
27	2025-12-19	SG-DCNN: A Deep Learning Method Integrating Self-Attention Mechanism and Generative Adversarial Network for Predicting Ion-Ligand Binding Residues in Small Samples 2025-Dec-17, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3645246 PMID:41406298	研究论文	本文提出了一种名为SG-DCNN的集成算法，结合生成对抗网络和自注意力机制于深度卷积神经网络框架中，用于预测小样本离子配体结合残基	首次将生成对抗网络和自注意力机制整合到深度卷积神经网络中，以解决小样本和类别不平衡问题，提高预测精度	仅针对八种小样本离子配体进行实验验证，样本规模有限，可能影响模型的泛化能力	提高蛋白质与离子配体结合残基的预测准确性，特别是在小样本和类别不平衡条件下	蛋白质与离子配体的结合残基	机器学习	NA	NA	GAN, CNN	序列数据	八种小样本离子配体	NA	深度卷积神经网络, 自注意力机制, 生成对抗网络	准确率, Matthews相关系数	NA
28	2025-12-19	MambaTransDTA: A Hybrid Mamba-Transformer Architecture for Accurate Drug-Target Binding Affinity Prediction 2025-Dec-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02361 PMID:41406376	研究论文	提出了一种名为MambaTransDTA的新型混合模型，用于准确预测药物-靶点结合亲和力	首次将Mamba架构与Transformer架构相结合，以优化药物-靶点相互作用预测，通过结合Mamba捕获长程依赖的能力和Transformer建模局部相互作用的能力，实现了更全面的亲和力估计	未明确提及	提高药物-靶点亲和力预测的准确性、鲁棒性和泛化能力	药物-靶点相互作用	机器学习	NA	深度学习	混合模型	NA	四个基准数据集（Davis, KIBA, Metz, BindingDB）	NA	Mamba, Transformer	均方误差	NA
29	2025-12-19	Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation 2025-Dec-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79748 PMID:41406414	研究论文	本文提出了一种基于大分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分层诊断	首次提出结合大分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分层表征能力	未明确提及模型在外部数据集上的泛化性能或计算效率的具体限制	提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值	膝关节软骨损伤	计算机视觉	膝关节软骨损伤	磁共振成像	CNN	图像	首个基于医院的多维磁共振成像真实数据集，具体样本数量未明确说明	YOLOv8	YOLOv8	准确率, Kappa统计量, F-measure, 灵敏度, 特异度	NA
30	2025-12-19	Two Stage Fine-Tuned Multimodal Generative AI for Automated ECG Based Cardiovascular Report Generation 2025-Dec-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2e01 PMID:41406494	研究论文	提出一种轻量级多模态生成式AI框架，用于自动解读心电图图像并生成结构化临床报告	采用两阶段微调策略，基于SmolVLM-500M-Instruct模型，通过量化低秩适应实现高效部署，并构建了定制的多模态心电图数据集	未明确说明模型在特定亚组或罕见心电图模式上的泛化能力，以及数据集的具体规模细节	开发一种准确且可扩展的心血管疾病自动诊断解决方案	心电图图像及其对应的临床报告	计算机视觉, 自然语言处理	心血管疾病	量化低秩适应	生成式AI, 多模态模型	图像, 文本	NA	NA	SmolVLM-500M-Instruct	BLEU, ROUGE-L, BERTScore	标准硬件
31	2025-12-19	Deep Learning Algorithms Enabled Visual Detection of Anthrax Biomarkers by Mn3O4 Nanozyme-Based Colorimetric Sensor Array 2025-Dec-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03628 PMID:41406958	研究论文	本研究开发了一种结合苯丙氨酸修饰的MnO纳米酶比色传感器阵列与深度学习算法的新方法，用于检测炭疽生物标志物2,6-吡啶二羧酸及其结构类似物	创新性地将可调氧化酶活性的纳米酶比色传感器阵列与YOLOv8深度学习算法结合，实现了对炭疽生物标志物的自动视觉检测与分类	未明确说明传感器阵列在更复杂实际环境中的稳定性及长期性能	开发一种快速、准确且自动化的炭疽生物标志物检测方法	炭疽生物标志物2,6-吡啶二羧酸及其六种结构类似物	计算机视觉	炭疽病	比色传感器阵列，纳米酶催化	YOLOv8	图像	未明确说明具体样本数量，但涉及七种结构类似物的检测	PyTorch	YOLOv8	平均精度均值，平均置信度	NA
32	2025-12-19	A Comprehensive Hyperspectral Image Dataset for Forest Fire Detection and Classification 2025-Dec-17, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06404-8 PMID:41407751	研究论文	本文介绍了一个名为OHID-FF的大规模高光谱卫星图像数据集，专为森林火灾检测和分类任务设计	相比现有火灾数据集，OHID-FF提供了更丰富的数据量和更高的成像质量，为高光谱图像分类设定了新基准	NA	森林火灾检测和分类	高光谱卫星图像	计算机视觉	NA	高光谱成像	深度神经网络	高光谱图像	1,197幅高光谱图像，覆盖22个不同场景	NA	NA	NA	NA
33	2025-12-19	HOES: an efficient multi-evolutionary expert system for deep learning model optimization in time series prediction 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30014-4 PMID:41407749	研究论文	本文设计了一种基于六种进化算法的混合优化专家系统（HOES），用于优化深度学习模型在时间序列预测中的性能	提出HOES系统，集成多种进化算法，并引入传输机制、记忆系统和惩罚系统以实现协同优化，提高全局搜索能力和优化效率	NA	优化深度学习模型在时间序列预测中的训练策略，提升预测准确性和收敛速度	时间序列预测任务，包括交通、天气、家庭用电、风能、太阳能和ETT_m1数据集	机器学习	NA	进化算法	LSTM	时间序列数据	六个公共数据集（Traffic, Weather, Household, Wind Power, Solar Power, ETT_m1）	NA	SJ-LSTM	RMSE, MAE	NA
34	2025-12-19	Reliable wrist PPG monitoring by nitigating poor skin sensor contact 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31883-5 PMID:41407831	研究论文	提出一种基于深度学习的框架CP-PPG，用于将因接触压力失真的手腕PPG信号转换为具有理想形态的信号，以提高生理监测的准确性	首次系统性地关注并解决了静态条件下皮肤-传感器接触不良对PPG信号形态的失真问题，提出了包含数据处理流程、对抗训练生成模型和定制PPG感知损失函数的完整框架	未明确说明模型在极端接触压力或不同肤色人群中的泛化能力，且真实环境验证的样本规模和多样性可能有限	提高手腕PPG信号在皮肤-传感器接触不良情况下的可靠性和生理参数监测精度	因接触压力失真的手腕光电容积脉搏波（PPG）信号	机器学习	心血管疾病	光电容积脉搏波（PPG）监测	GAN	PPG信号（时间序列数据）	NA	PyTorch	深度生成模型（对抗训练）	平均绝对误差（MAE）、心率（HR）、心率变异性（HRV）、呼吸率（RR）、血压（BP）估计精度	NA
35	2025-12-19	Advanced deep-learning model for temporal-dependent prediction of dynamic behavior of AC losses in superconducting propulsion motors for hydrogen-powered cryo-electric aircraft 2025-Dec-17, Communications engineering DOI:10.1038/s44172-025-00554-8 PMID:41407868	研究论文	本文提出了一种先进的深度学习模型，用于预测氢动力低温电动飞机中超导推进电机动态交流损耗的时间依赖性行为	该模型首次能够快速准确地预测超导推进电机的动态交流损耗（包括周期平均和时间依赖的瞬时波形形态），并泛化到未见过的设计，相比传统有限元方法更快、成本更低，且比早期智能模型提供更详细的动态信息	未明确说明模型在极端操作条件或不同超导材料下的泛化能力，以及数据集的多样性和规模可能存在的限制	优化氢动力低温电动飞机中超导推进电机的效率、最小化低温热负荷并最大化比功率密度，通过快速准确的AC损耗预测支持系统级建模设计	超导推进电机的动态交流损耗行为	机器学习	NA	深度学习	深度学习模型	电机配置数据集	大型电机配置数据集（具体数量未明确）	未明确指定	未明确指定	准确率（R），预测时间	NA
36	2025-12-19	MRI-based deep learning and radiomics pipeline for myxoid liposarcoma: a feasibility study in a rare sarcoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27217-0 PMID:41408069	研究论文	本研究评估了基于MRI的深度学习与影像组学自动化流程在黏液样脂肪肉瘤非侵入性肿瘤评估中的可行性	首次将3D U-Net自动分割与影像组学特征结合，应用于罕见软组织肉瘤的肿瘤分级预测	样本量较小（48例患者），为回顾性多中心研究，分类错误多发生在边界性或组织学异质性病例中，需要更大规模的前瞻性验证	开发非侵入性肿瘤评估方法以支持黏液样脂肪肉瘤的准确分级和治疗规划	经组织学确认的黏液样脂肪肉瘤患者	数字病理学	软组织肉瘤	MRI成像	CNN	图像	48例患者	NA	3D U-Net	Dice相似系数, AUC, F1分数, 平衡准确率	NA
37	2025-12-19	MFU-Net: a multi-scale fusion U-Net for seismic phase picking 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32145-0 PMID:41408109	研究论文	本文提出了一种多尺度融合U-Net架构（MFU-Net），用于提高地震波相位拾取的准确性	在U-Net的跳跃连接中设计了多尺度特征融合模块，并在瓶颈层引入了多头注意力机制，以增强关键特征区域的识别能力	NA	提高地震波相位拾取的准确性	地震波形数据中的P波和S波到达时间	机器学习	NA	NA	CNN	波形数据	NA	NA	U-Net	P波拾取准确率, S波拾取准确率	NA
38	2025-12-19	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究通过整合转录组学、蛋白质组学和深度学习技术，建立了一个高通量多组学平台，用于筛选具有抗肝细胞癌潜力的中草药，并揭示了其作用机制	首次结合转录组学、蛋白质组学和深度学习（自编码器与多核学习）构建高通量多组学平台，系统性筛选中草药并鉴定其调控的关键基因与通路，为精准民族药理学提供新见解	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证；筛选的中草药数量有限（187种），可能未涵盖所有潜在有效成分	开发一个数据驱动的流程，用于发现天然抗肝细胞癌药物，并阐明中草药的作用机制	187种药用植物（中草药）及其对肝细胞癌细胞的调控作用	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组、蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
39	2025-12-19	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	将Vision Transformer与预训练的卷积神经网络结合进行迁移学习，并引入LIME和GRAD-CAM方法确保模型可解释性，同时实现了模型大小的大幅压缩	未明确说明模型在更广泛临床环境中的验证情况，以及跨不同MRI扫描仪和协议的泛化能力	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确说明	ViT-DenseNet201	准确率, Dice相似系数	未明确说明
40	2025-12-19	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-Dec-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习框架和尺度增强U-Net，用于提升胸部CT图像中气道的连续分割精度	提出渐进式课程学习三阶段框架（粗学习、通用联合损失、自适应拓扑响应损失），结合尺度增强U-Net和裁剪采样策略，直接解决大小气道类别不平衡问题	未明确说明计算资源需求，且内部数据集未公开	提升气道分割的连续性和准确性，以支持术前规划和实时支气管镜导航	胸部CT图像中的气道结构	数字病理	肺部疾病	CT成像	CNN	图像	ATM'22挑战数据集和内部数据集（具体数量未说明）	NA	U-Net, Scale-Enhanced U-Net (SE-UNet)	树长检测率(TD), 分支检测率(BD)	NA