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	2025-12-21	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2025-Dec-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究开发了一种结合临床数据和术前CT影像生物标志物的新型工具eCAPRI，用于预测经导管主动脉瓣植入术（TAVI）后患者的1年全因死亡率	在原有CAPRI评分的基础上，实现了胸主动脉钙化（TAC）体积的自动测量，并引入了从术前CT扫描中自动提取的额外影像生物标志物	研究样本量有限，训练集和评估集分别基于765例和192例CT扫描，且自动化分割模型的Dice评分仍有提升空间	开发并验证一种改进的评分工具，以更准确地预测TAVI术后患者的1年死亡率	接受经导管主动脉瓣植入术（TAVI）的钙化性主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	术前CT扫描	深度学习模型	CT影像	训练集：66例患者用于TAC分割模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分性能比较	NA	NA	AUC, Dice系数, 校准曲线	NA
22	2025-12-21	Beyond diagnosis: deep-learning-based analysis of hospitalization using abdominal radiographs in the emergency department 2025-Dec-20, Abdominal radiology (New York) DOI:10.1007/s00261-025-05347-3 PMID:41420745	研究论文	本研究开发了基于腹部X光片的深度学习模型，用于预测急诊科腹痛患者的住院风险	首次将深度学习应用于腹部X光片分析，结合图像和临床特征预测住院需求，相比放射科医生显著提高了敏感性和F1分数	模型在外部验证中性能下降（AUROC从0.70降至0.60），特异性较低（0.43），且需要进一步改进才能临床实施	提高腹部X光片在急诊科的临床效用，通过预测住院需求来辅助筛查	2021年8月至12月期间接受腹部X光检查的急诊科成年腹痛患者	数字病理学	NA	腹部X光摄影	随机森林分类器	图像, 临床数据	内部验证1,585名患者，外部验证112名患者	NA	DenseNet201	AUROC, 敏感性, 特异性, F1分数	NA
23	2025-12-21	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2025-Dec-20, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究开发并评估了基于深度学习的模型，用于从标准化口外照片中估计牙齿的CIELAB颜色坐标，以体内分光光度测量为参考标准，为修复牙科中的临床比色选择提供实用和验证支持	首次利用多种CNN架构结合预处理照片和解剖位置信息，从口外照片中高精度估计牙齿CIELAB颜色坐标，并与临床分光光度计测量结果进行对比验证	研究样本量相对有限（102名参与者），且前牙的估计精度高于后牙，可能受图像质量和光照条件影响	开发并评估基于人工智能的模型，以支持修复牙科中临床比色选择的准确性和一致性	从102名参与者获取的1031张标记和裁剪的牙齿图像，以及对应的体内CIELAB颜色坐标	计算机视觉	NA	分光光度测量（VITA Easyshade V），标准化口外摄影	CNN	图像	102名参与者的1031张牙齿图像	NA	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R2）, 基于ΔE ≤ 2临床阈值的估计准确率	NA
24	2025-12-21	A teacherless lightweight classification framework for benign and malignant pulmonary nodules based on GAS 2025-Dec-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae268a PMID:41329998	研究论文	本文提出了一种基于GAS（Ghost-Attention Separation）网络的轻量级分类框架，用于区分肺结节的良恶性	提出了一种结合注意力机制、残差学习和改进的DWSGhost模块的GAS网络，并采用无教师知识蒸馏策略构建轻量级模型，参数量仅119,245个，占用空间仅0.45 MB	NA	开发一种轻量级、高效的计算框架，用于肺结节的良恶性分类	肺结节（良性 vs 恶性）	计算机视觉	肺癌	深度学习	CNN	图像	三个数据集：LIDC-IDRI、LungX Challenge、郑州市第九人民医院数据集	PyTorch	GAS（Ghost-Attention Separation）网络	NA	NA
25	2025-12-21	Frog vocal sacs-inspired soft acoustic system with continuously tunable resonance for sound emission and stethoscopic sensing 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adz5930 PMID:41406220	研究论文	本文提出了一种受青蛙鸣囊启发的、具有连续可调谐共振特性的柔性声学系统，用于声音发射和听诊传感	受青蛙鸣囊启发，设计了一种集成激光诱导石墨烯（LIG）与可变形腔体的共振可调石墨烯声学器件（RAGSD），实现了从922.12到1762.90赫兹的连续频率调谐，并建立了动态连续可调的电-机-声学模型	未明确说明	克服柔性热声器件在低频发射和传感方面的限制，开发用于个性化声音输出和心脏声音敏感觉察的智能可穿戴听诊系统	柔性声学器件、心脏声音信号	机器学习	心血管疾病	激光诱导石墨烯（LIG）技术	深度学习算法	声音信号	健康志愿者和患者（具体数量未明确）	NA	AuscNet-H	准确率	NA
26	2025-12-21	Multi-omics driven computational framework for cancer molecular subtype classification 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32051-5 PMID:41413182	研究论文	本研究通过比较分析35种AI分类器在153个数据集上的性能，探讨了癌症分子亚型分类中的标准化配置、组学模态选择及模型表现，为开发稳健的AI驱动工具提供关键见解	首次对35种AI分类器在涵盖8种组学模态和20种癌症的153个数据集上进行系统性比较分析，明确了不同组学配置和模态的性能优劣，并揭示了传统机器学习与深度学习模型在不同数据规模下的适用性	研究可能受限于数据集的可及性和质量，且未涵盖所有组学模态或癌症类型，未来需要更多样化的数据验证	评估和比较AI分类器在癌症分子亚型分类中的性能，以促进标准化、可复现的AI工具开发	35种AI分类器在153个癌症数据集上的表现，涵盖8种组学模态和20种癌症类型	机器学习	癌症	多组学数据分析，包括RNASeq, miRNA, CNV, Exon, Meth., Array, SNP, RPPA	SVM, XGB, HGB, ResNet18, CNN, NN, MLP, DEEPGENE	多组学数据	153个数据集，涵盖20种癌症类型	NA	ResNet18, CNN, NN, MLP, DEEPGENE	宏准确率	NA
27	2025-12-21	Open RGB Imaging Workflow for Morphological and Morphometric Analysis of Fruits using Deep Learning: A Case Study on Almonds 2025-Dec-19, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf157 PMID:41416705	研究论文	本文开发了一个基于深度学习的开放RGB图像工作流，用于水果（以杏仁为例）的形态和形态计量分析	提出了一个开放Python工作流，结合AI技术进行形态、颜色和形态计量性状分析，适用于水果和其他植物器官，并展示了在杏仁育种中的大规模应用	研究主要针对杏仁，其通用性在其他物种中需进一步验证；尽管在有限训练数据下有效，但可能依赖于特定成像条件	开发一个高效、可扩展的高通量表型分析工作流，以支持育种项目中的表型筛选和基因组选择	杏仁（Prunus dulcis）的果仁、坚果和个体植株	计算机视觉	NA	RGB成像	深度学习	图像	超过25,000个果仁、20,000个坚果和600个个体	Python	NA	错误率, RMSE	NA
28	2025-12-21	Breast Cancer Detection in Mammography Images Using Transfer Learning Model 2025-Dec-19, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2025.2599378 PMID:41416718	研究论文	本研究应用迁移学习模型，通过微调预训练的CNN架构来检测乳腺X线摄影图像中的乳腺癌	提出结合EfficientNet B3与DenseNet的迁移学习模型用于乳腺X线图像分类，并比较了不同架构和超参数对性能的影响	未明确说明具体的数据集规模和来源细节，损失函数值范围显示模型性能仍有优化空间	开发准确高效的乳腺癌检测诊断工具	乳腺X线摄影图像	计算机视觉	乳腺癌	迁移学习	CNN	图像	来自多个来源的多样化乳腺X线图像数据集（具体数量未说明）	NA	EfficientNet B3, DenseNet, VGG16	准确率, 灵敏度, 特异性, 精确率, 损失值	NA
29	2025-12-21	A bibliometric analysis of the 100 most cited radiology papers on pancreatic diseases (1990-Present) 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05335-7 PMID:41417080	综述	本文通过对1990年至今胰腺疾病领域被引次数最高的100篇放射学论文进行文献计量分析，绘制了该领域的知识演进图谱	首次系统性地对胰腺放射学领域的高被引文献进行文献计量分析，识别了关键贡献者、机构合作模式及从传统影像到人工智能的技术趋势演变	存在时间偏倚，早期研究（如1990年）因累积引用时间长而占优势，且分析仅限于Scopus数据库收录的核心放射学期刊	通过文献计量分析，揭示胰腺放射学研究领域的知识结构、演进趋势及影响因素	1990年至2025年间发表的胰腺疾病放射学领域被引次数最高的100篇学术论文	文献计量学	胰腺疾病	文献计量分析，网络分析	NA	文献元数据（如引用次数、作者、机构、关键词等）	100篇高被引论文（从初始检索的1000篇记录中筛选）	Bibliometrix R package, VOSviewer	NA	引用次数，引用速度（次/年），网络中心性	NA
30	2025-12-21	Automatic segmentation-based radiomics and deep learning combined with clinical parameters for precise differentiation of lipid-poor adrenal adenomas and metastases 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05345-5 PMID:41417084	研究论文	本研究探讨了基于自动分割的影像组学与深度学习结合临床参数在区分肾上腺乏脂腺瘤和转移瘤中的应用价值	结合自动分割的影像组学特征、深度学习特征及临床参数构建联合预测模型，显著提升诊断性能	NA	精确区分肾上腺乏脂腺瘤和转移瘤	肾上腺肿瘤患者	计算机视觉	肾上腺肿瘤	对比增强腹部CT成像	CNN, XGBoost	图像	535名患者（内部队列418名，外部测试集117名）	NA	ResNet50	AUC, 灵敏度, 特异性	NA
31	2025-12-21	Deep learning-based simulated contrast-enhanced MRI for rectal cancer evaluation: a multicenter study 2025-Dec-19, Abdominal radiology (New York) DOI:10.1007/s00261-025-05311-1 PMID:41417085	研究论文	本研究评估了使用深度学习从直肠癌患者的非增强MRI序列生成模拟增强T1加权MRI扫描的可行性和准确性	首次在直肠癌的多中心研究中应用二维生成对抗网络模拟增强MRI，并评估其在肿瘤大小、增强区域和图像质量方面与真实扫描的可比性	模拟扫描在EMVI检测的AUC值略低于真实扫描，且研究仅基于三个学术机构的514名患者	评估深度学习生成的模拟增强MRI扫描在直肠癌诊断和治疗评估中的潜在应用价值	514名经病理证实的直肠癌患者	数字病理学	直肠癌	对比增强MRI	GAN	图像	514名患者	NA	二维生成对抗网络	结构相似性指数, Dice系数, ICC, AUC	NA
32	2025-12-21	Zero-shot deep learning for the annotation of unknown eDNA sequences using co-occurrences and phylogenetic embeddings 2025-Dec-19, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013776 PMID:41417866	研究论文	本文提出了一种基于深度学习的零样本方法，用于环境DNA序列的自动分类注释，利用物种共现数据和系统发育嵌入来预测未知物种	结合系统发育嵌入和物种共现数据，通过人工神经网络直接从原始序列预测未见过的物种，无需依赖完整参考数据库	在测试案例中，对未见物种的正确预测率约为24%，仍有提升空间	开发一种自动化且改进的环境DNA序列分类注释方法，以应对参考数据库不完整和数据量大的挑战	环境DNA序列	机器学习	NA	环境DNA宏条形码测序	人工神经网络	DNA序列	超过31,000种可能性	NA	人工神经网络	预测准确率	NA
33	2025-12-21	Advances in machine learning-enhanced microfluidic cell sorting 2025-Dec-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea6007 PMID:41417905	综述	本文综述了机器学习增强的微流控细胞分选技术的最新进展	探讨了微流控技术与机器学习（特别是计算机视觉和深度学习）的融合，以实现自动化特征提取、模式识别和实时分类，从而提高分选准确性、加速诊断并支持临床决策	模型泛化能力和硬件-软件集成方面的挑战	综述微流控细胞分选技术与机器学习的结合，以推动精准医学发展	微流控细胞分选系统及其生成的成像数据	计算机视觉, 机器学习	NA	微流控技术	深度学习	成像数据	NA	NA	NA	NA	NA
34	2025-12-21	Diffusion Model-Guided Inverse Design of Bimetallic Catalysts for Ammonia Decomposition 2025-Dec-19, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c14652 PMID:41417939	研究论文	本研究提出了一种基于扩散模型的机器学习工作流，用于双金属合金催化剂的反向设计，以支持低碳氨分解反应	采用扩散模型进行催化剂的反向设计，将生成与性质预测组件解耦，提高了材料设计过程的灵活性和准确性	NA	在广阔的化学空间中识别有前景的双金属合金催化剂，用于氨分解反应，以实现氨排放控制和可持续氢气生产	双金属合金催化剂	机器学习	NA	扩散模型	扩散模型	材料结构数据	NA	NA	扩散模型	氮吸附能	NA
35	2025-12-21	Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004584 PMID:41417975	研究论文	本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层	提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，用于前列腺癌术后复发预测和风险分层，相比传统临床模型和评分系统有显著性能提升	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层，以优化治疗策略和术后监测	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（T2WI, ADC, DWI, CE-T1WI）	深度学习模型	医学图像	923名前列腺癌患者（来自5个三级医疗中心），共10,153张图像	NA	Transformer, ResNet18	AUC, 时间依赖性AUC, ROC曲线, 决策曲线分析, 校准曲线	NA
36	2025-12-21	Auxiliary diagnosis of periprosthesis joint infection by leukocyte esterase strips test using a deep learning model 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004576 PMID:41417979	研究论文	本研究验证了基于AlexNet的深度卷积神经网络模型在自动检测白细胞酯酶试纸条以诊断假体周围关节感染中的有效性	首次将深度卷积神经网络模型应用于白细胞酯酶试纸条的自动检测，提高了诊断的客观性并减少了外部因素的影响	研究为单中心前瞻性试验，样本量有限，需要大规模多中心临床研究进一步验证模型的诊断性能	验证深度卷积神经网络模型在假体周围关节感染辅助诊断中的有效性和可靠性	假体周围关节感染患者	计算机视觉	假体周围关节感染	白细胞酯酶试纸条测试	CNN	图像	78名患者（来自96名前瞻性入组患者，排除18名后）	NA	AlexNet	灵敏度, 特异性, 阳性预测值, 阴性预测值, ROC曲线, AUC, Kappa值	NA
37	2025-12-21	Cell-Level Free Cervical Lesion Detection in Cytology Images Via Weakly Supervised Self-Correction 2025-Dec-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3646371 PMID:41417998	研究论文	提出了一种名为SCIL的新型两阶段弱监督多示例学习框架，用于在细胞学图像中检测宫颈病变	提出了一个包含对比动态加权策略和基于不确定性的自校正策略的两阶段框架，以减轻噪声伪标签的影响并提高特征表示	未明确说明	在仅有切片级别监督的情况下，增强实例级别的宫颈病变检测	宫颈细胞学图像	数字病理学	宫颈癌	NA	多示例学习	图像	NA	NA	教师-学生架构	NA	NA
38	2025-12-21	DSwinIR: Rethinking Window-Based Attention for Image Restoration 2025-Dec-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3646016 PMID:41418006	研究论文	本文提出了一种用于图像复原的新型注意力机制——可变形滑动窗口注意力（DSwin），以克服传统基于窗口的自注意力机制在特征交互和感受野方面的限制	提出了一种基于令牌中心、内容感知的可变形滑动窗口注意力机制，取代了传统的刚性非重叠窗口划分方案，实现了跨窗口的特征交互和自适应感受野	未在摘要中明确说明	改进图像复原任务的性能，通过更灵活的自适应注意力机制提升模型表现	图像复原任务	计算机视觉	NA	NA	Transformer	图像	NA	NA	DSwinIR（基于可变形滑动窗口注意力的Transformer架构）	峰值信噪比（dB）	NA
39	2025-12-21	Distinct Tumor-Immune Ecologies in Lung Cancer Patients Predict Progression and Define a Clinical Biomarker of Therapy Response 2025-Dec-19, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析非小细胞肺癌患者的多重组织图像，开发了一个计算框架来预测免疫治疗反应并识别临床生物标志物	结合细胞分割、样方分析、空间统计、机器学习和深度学习，首次揭示了SD与PD患者间不同的空间免疫生态学，并发现PD患者治疗前已存在免疫抑制环境	样本量较小（仅9名患者），且缺乏完全缓解和部分缓解患者的广泛响应数据，需在更大队列中验证	预测非小细胞肺癌的疾病进展并定义免疫治疗反应的临床生物标志物	免疫治疗难治性非小细胞肺癌患者的配对治疗前和治疗中组织样本	数字病理学	肺癌	多重组织成像	深度学习	图像	9名患者的配对治疗前和治疗中组织样本	NA	NA	NA	NA
40	2025-12-21	DLQMA: A Deep Learning Framework for Qualitative and Quantitative NMR Analysis of Complex Hydrocarbon Mixtures 2025-Dec-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04983 PMID:41418268	研究论文	本文介绍了一个名为DLQMA的深度学习框架，用于从复杂烃类混合物的H NMR光谱中同时进行化合物识别和浓度估计	DLQMA是一个基于伪孪生架构并添加回归头的深度学习框架，实现了无需手动光谱重建或外部标准的端到端分析，并兼容高级NMR技术如1D CSSF TOCSY	研究主要基于C8烃类混合物数据集，其普适性在其他更复杂或不同类型的混合物中尚未验证	开发一个深度学习框架，以克服复杂混合物核磁共振分析中的光谱重叠和缺乏高效、无标准定量方法的障碍	复杂烃类混合物，特别是C8烃类混合物及其工业相关异构体	机器学习	NA	核磁共振（NMR），包括1D CSSF TOCSY	深度学习	H NMR光谱	5,000对增强验证光谱	NA	伪孪生架构	分类准确率，Pearson相关系数	NA