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
4061	2025-12-27	Beyond gas bubbles: AI analysis of the "bubble bed" microenvironment improves diagnosis of infected abdominal collections 2025-Dec-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-05260-9 PMID:41452460	研究论文	本研究开发并验证了一种基于非增强CT的全自动AI模型（BUBBLE-AI），用于提高腹腔内液体聚集（IAFCs）感染的诊断准确性	提出了创新的“气泡床”概念，通过分析气体气泡周围的炎症微环境，结合深度学习和放射组学特征，显著提升了诊断性能	研究为回顾性设计，可能存在选择偏倚；外部测试集规模相对较小（n=80）	开发并验证一种全自动AI模型，以改进腹腔内液体聚集（IAFCs）感染的诊断准确性	腹腔内液体聚集（IAFCs）患者	医学影像分析	腹腔感染	非增强计算机断层扫描（CT）	深度学习模型	CT图像	797名经培养确认的IAFCs患者（训练集637人，验证集80人，外部测试集80人）	NA	BUBBLE-AI（基于气泡床概念的自定义架构）	AUC（曲线下面积）	NA
4062	2025-12-27	Research progress of deep learning based on magnetic resonance imaging in meningioma 2025-Dec-26, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01307-6 PMID:41452563	综述	本文综述了基于磁共振成像（MRI）的深度学习在脑膜瘤中的研究进展，分析了其优势、局限性和临床转化中的关键问题	总结了深度学习在脑膜瘤影像分析中的突破性进展，通过客观定量分析方法克服了传统依赖主观视觉判断的诊断局限	NA	为相关医学研究者和临床医生提供技术参考，促进深度学习在临床诊疗中更快、更规范地应用，最终使患者受益	脑膜瘤	数字病理学	脑膜瘤	磁共振成像（MRI）	CNN, Transformer	图像	NA	NA	NA	NA	NA
4063	2025-12-27	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2025-Dec-26, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	本研究开发并评估了一种基于深度学习的厚脉络膜指数（HUPI），用于从增强深度成像光学相干断层扫描（EDI-OCT）图像中量化厚脉络膜谱系疾病的特征	首次提出基于深度学习的厚脉络膜指数（HUPI），通过修改的LeNet模型从脉络膜图像模式中自动提取特征，作为厚脉络膜谱系疾病的代表性指标	单中心、回顾性、观察性研究，样本量相对较小（37只CSC眼和40只正常眼用于训练和验证），可能限制结果的泛化性	开发并评估一种基于深度学习的定量指标，用于区分厚脉络膜谱系疾病（如中心性浆液性脉络膜视网膜病变）与正常眼睛	中心性浆液性脉络膜视网膜病变（CSC）患者和正常对照者的眼睛	数字病理学	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描（EDI-OCT）	CNN	图像	训练和验证使用37只CSC眼和40只正常眼；评估使用69只急性CSC眼、35只恢复期CSC眼、86只CSC对侧眼和100只正常眼	NA	修改的LeNet	AUC, 敏感性, 特异性	NA
4064	2025-12-27	TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support 2025-Dec-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3648379 PMID:41447494	研究论文	本文提出了一种名为TTG-U-Net的新型、可解释且高效的多模态脑肿瘤分割框架，旨在弥合模型性能与临床可解释性及效率之间的差距	该框架通过三个协同组件提供集成解决方案：1) 显式建模模态间依赖关系的跨模态Transformer，生成可作为模型推理透明视觉审计轨迹的注意力图；2) 自适应正则化模型并减少计算占用的动态低秩张量分解；3) 学习透明信息路由策略的模态自适应门控机制，模仿既定的放射学原理	NA	解决医疗可解释人工智能（XAI）领域的关键空白，开发一种能够透明且高效融合多模态MRI异质信息的集成方法，以促进人工智能在临床工作流程中的整合	多模态MRI图像中的脑肿瘤	数字病理学	脑肿瘤	多模态MRI	深度学习	图像	NA	NA	TTG-U-Net, U-Net, Transformer	Dice系数	NA
4065	2025-12-27	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2025-Dec-25, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发并验证了一种结合术前CT图像和病理分级的深度学习模型，用于精确预测病理IA期肺腺癌患者的术后复发风险	提出了新颖的ResNet 3D-Pathology Fusion模型，通过三维ResNet骨干网络与图像-病理融合模块的集成，实现了对传统TNM分期和IASLC分级的性能超越	研究为单中心回顾性分析，样本量相对有限，且模型性能需在外部多中心队列中进一步验证	开发精确的深度学习模型以改善病理IA期肺腺癌患者的术后复发预测和风险分层	病理IA期肺腺癌患者	数字病理	肺癌	深度学习，计算机断层扫描，病理分级	CNN	图像	551名患者（训练集368例，验证集183例）	NA	ResNet	AUC	NA
4066	2025-12-27	Unpaired Learning-Enabled Nanotube Identification from AFM Images 2025-Dec-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512504 PMID:41449757	研究论文	提出一种基于深度学习的图像到图像转换方法，用于从原子力显微镜图像中准确提取纳米管形态	采用基于cycleGAN的无配对学习框架，结合专门设计的损失函数，能够将包含纳米管的AFM图像转换为纯基底图像，从而有效分离纳米管形态，即使在基底粗糙度超过纳米管直径的情况下也能工作	模型的泛化能力有待进一步扩展，未来需要与实时AFM成像集成	开发一种从原子力显微镜图像中准确表征纳米管网络形态的方法	单壁碳纳米管及其他纳米材料	计算机视觉	NA	原子力显微镜成像	GAN	图像	NA	NA	cycleGAN	灵敏度, 准确度	NA
4067	2025-12-27	DAUS-Net: Toward Ultrasound Scanner-Agnostic Domain Generalized Robust and Accurate Segmentation 2025-Dec-25, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251388454 PMID:41449845	研究论文	提出一种超声扫描仪无关的领域泛化分割网络DAUS-Net，用于实现稳健且准确的乳腺肿瘤分割	将深度频率滤波模块集成到U-Net中，在编码器潜在空间进行自适应频率分量选择，并采用实例归一化替代批归一化以移除设备相关风格特征	仅在三个公共超声数据集上进行验证，未涵盖所有超声设备类型	开发独立于超声设备的通用分割模型以降低临床部署成本	超声图像中的乳腺肿瘤	医学图像分析	乳腺癌	超声成像	CNN	超声图像	三个公共数据集（来自不同扫描仪）	未明确说明	U-Net（集成深度频率滤波模块）	Dice系数	未明确说明
4068	2025-12-27	ALyzer3D.AI: a more generalizable deep learning predictor of light chain amyloidogenicity powered by structural and evolutionary Artificial Intelligence 2025-Dec-25, Amyloid : the international journal of experimental and clinical investigation : the official journal of the International Society of Amyloidosis IF:5.2Q1 DOI:10.1080/13506129.2025.2605534 PMID:41449923	研究论文	开发了一个名为ALyzer3D.AI的多模态深度学习架构，用于预测免疫球蛋白轻链的淀粉样变性风险	整合了来自ESM-2蛋白质语言模型的进化特征、ColabFold的结构指标以及工程化的生物物理特征，提高了对新患者数据的泛化能力	NA	预测淀粉样轻链（AL）淀粉样变性中免疫球蛋白轻链的淀粉样变性风险	免疫球蛋白轻链序列	自然语言处理	淀粉样轻链（AL）淀粉样变性	蛋白质语言模型（ESM-2）、结构预测（ColabFold）	深度学习	蛋白质序列	5261个序列	NA	多模态深度学习架构	准确率, AUC	NA
4069	2025-12-27	Preliminary Exploration of Discriminative Correlation Filter Network for Real-time Tracking of Inconspicuous Focal Liver Lesions on Conventional Ultrasound 2025-Dec-24, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.663 PMID:41448980	研究论文	本研究探索了基于判别相关滤波网络（DCFNet）的算法在常规超声中通过跟踪周围解剖标志来定位不明显局灶性肝病变的可行性	利用DCFNet框架同时跟踪多个周围解剖标志，实现实时超声下不明显局灶性肝病变的定位，并指导穿刺或消融	研究为初步探索，需要进一步大规模验证临床可行性	探索DCFNet算法在常规超声中实时跟踪不明显局灶性肝病变的可行性	超声可见和超声不可见的肝脏肿瘤模型，以及初步临床病例	计算机视觉	肝脏病变	超声成像	DCFNet	超声图像	20个超声可见模型、20个超声不可见模型及初步临床病例	DCFNet	DCFNet	匹配准确率、精度、位置误差、穿刺成功率、指导时间	NA
4070	2025-12-27	PlantscRNAdb 4.0: Improved marker identification and annotation under a cell type uniformity for plants 2025-Dec-24, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2025.12.026 PMID:41449796	研究论文	介绍了植物单细胞RNA测序数据库PlantscRNAdb 4.0的更新，包括新的植物细胞类型本体、扩展的物种和数据集覆盖，以及用于标记基因识别和细胞类型注释的新计算工具	引入了新的植物细胞类型本体（POCT）和一种名为HCMarker的新型计算工具，该工具采用多指标评分系统，用于在多种植物细胞类型中稳健、准确地识别标记基因；还开发了基于深度学习的工具PCmaster_anno，以改进植物细胞类型的自动注释	未明确提及具体的研究局限性	构建和更新一个全面的植物单细胞RNA测序数据库，以标准化和精确地解释植物细胞类型及其标记基因	33种植物物种的107个scRNA-seq数据集	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习	单细胞RNA测序数据	来自107个scRNA-seq数据集	NA	NA	NA	NA
4071	2025-12-27	Pattern and structural detection in grayscale images through the application of quantile graphs in higher-dimensional spaces 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27825-w PMID:41436507	研究论文	本研究将分位数图框架从一维时间序列扩展到二维图像，提出了一种基于图的可扩展图像分类方法，并在计算机视觉领域应用于特征提取	将分位数图从时间序列分析扩展到图像识别，引入了一种可扩展的基于图的图像分类方法，并提供了开源实现	未明确说明计算资源需求或模型在大规模数据集上的泛化能力	开发一种计算效率高、对训练数据需求较低的图像特征提取和分类方法，以应对深度学习模型在数据有限时的挑战	灰度图像，包括手写数字数据集（MNIST）、时尚物品数据集（Fashion MNIST）以及医学影像数据集	计算机视觉	阿尔茨海默病	分位数图	NA	图像	使用了MNIST和Fashion MNIST两个基准数据集，并应用于一个医学影像数据集，具体样本数量未明确说明	NA	NA	准确性	NA
4072	2025-12-27	The mediating role of brand equity in corporate social responsibility and customer purchase intention based on text-CNN model 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28118-y PMID:41436517	研究论文	本研究结合深度学习与社会认同理论，探讨企业社会责任如何通过品牌资产影响顾客购买意愿	引入优化的Text-CNN模型进行情感分析，并结合结构方程模型，构建了多源数据融合的跨学科研究框架	研究主要基于公开的Yelp数据集和问卷调查，样本范围和行业覆盖可能存在局限性	探究企业社会责任对顾客购买意愿的影响机制，并验证品牌资产的中介作用	消费者评论数据（Yelp数据集）及问卷调查对象	自然语言处理	NA	情感分析，问卷调查	CNN	文本，问卷数据	Yelp公开数据集（涵盖餐饮、酒店、美容等行业）及问卷调查样本	NA	Text-CNN	NA	NA
4073	2025-12-27	Deep learning-based detection of murine congenital heart defects from µCT scans 2025-Dec-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09023-6 PMID:41436776	研究论文	本文提出了一种基于深度学习的自动化方法，用于从小鼠的μCT扫描中分割和筛查先天性心脏缺陷	开发了一种深度学习模型，能够自动从小鼠μCT扫描中检测先天性心脏缺陷，并展示了模型在技术及生物学差异数据上的鲁棒性和适应性，同时提供了用户友好的Napari插件	模型在包含新基因型的'发散'队列上初始性能中等（AUC: 81%），需通过微调提升性能	加速小鼠心脏异常的诊断并促进先天性心脏缺陷的机制研究	小鼠（包括对照组和突变体）的μCT扫描图像	计算机视觉	先天性心脏缺陷	μCT（微计算机断层扫描）	深度学习模型	3D图像	139个μCT扫描（训练队列），外加两个验证队列	NA	NA	AUC（曲线下面积）	NA
4074	2025-12-27	HiSTaR: identifying spatial domains with hierarchical spatial transcriptomics variational autoencoder 2025-Dec-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07404-3 PMID:41437257	研究论文	本文提出了一种名为HiSTaR的分层空间转录组学变分自编码器，用于从空间转录组学数据中捕获多级潜在特征，以识别空间域并校正批次效应	HiSTaR通过多个分层块捕获多级潜在特征，在空间域识别方面表现优于现有方法，并支持轨迹分析和差异基因表达分析，无需外部工具即可整合多个组织切片以处理批次效应	未在摘要中明确提及	开发一种计算工具，以改进空间转录组学数据中的空间域识别和组织异质性理解	空间转录组学数据中的spots（点）	机器学习	NA	空间转录组学	变分自编码器	空间转录组学数据	多个数据集（来自不同平台）	NA	HiSTaR	NA	NA
4075	2025-12-27	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	本研究利用指纹特征，通过机器学习模型预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习与贝叶斯神经网络的表现	在低数据量场景下，首次应用贝叶斯神经网络进行SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂效力预测，并证明其优于传统机器学习模型	研究基于有限的数据集进行，可能无法完全代表所有抑制剂类型，且模型在更大数据集上的泛化能力未经验证	开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力	SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂	机器学习	COVID-19, MERS	指纹特征提取	随机森林, 梯度提升, 贝叶斯神经网络	化学指纹数据	未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集	NA	NA	NA	NA
4076	2025-12-27	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-22, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了人工智能在围手术期护理各阶段（包括术前、术中、术后及重症监护）的最新应用进展，并系统性地指出了该领域在方法学、伦理和实践方面的挑战	本文是一篇综述性文章，未提出新的原创性AI模型或进行实证研究，主要基于现有文献进行归纳总结	总结人工智能在麻醉学中的当前应用，分析其整合过程中面临的方法学、伦理和实践挑战，并探讨未来在围手术期护理中安全有效应用的发展方向	人工智能技术在麻醉学领域的各类应用场景、相关算法模型及其临床实践	机器学习	NA	机器学习、深度学习、大语言模型	NA	多模态数据（包括生理信号、医学影像、文本数据等）	NA	NA	NA	NA	NA
4077	2025-12-27	Skull-stripping induces shortcut learning in MRI-based Alzheimer's disease classification 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02158-4 PMID:41428317	研究论文	本研究探讨了在基于结构MRI的阿尔茨海默病分类中，颅骨剥离预处理如何诱导捷径学习现象	首次系统评估了颅骨剥离在MRI图像分类中引入的偏差，揭示了深度学习模型依赖预处理产生的轮廓特征而非灰白质纹理的捷径学习现象	研究仅基于ADNI数据库的990个样本，可能无法推广到其他数据集或疾病类型	评估T1加权MRI图像中纹理、体积信息及预处理（特别是颅骨剥离）对阿尔茨海默病分类的贡献	阿尔茨海默病患者和认知正常对照的T1加权MRI图像	医学影像分析	阿尔茨海默病	T1加权MRI成像	3D CNN	3D MRI图像	990个匹配的T1加权MRI图像（来自ADNI数据库）	NA	3D卷积神经网络	准确率, 敏感性, 特异性	NA
4078	2025-12-27	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2025-Dec-22, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	本文采用深度学习方法来分析大脑结构特征是否能够预测年轻人群的空间导航能力	使用数据驱动方法，首次比较图卷积神经网络和3D卷积神经网络来映射大脑宏观结构与空间导航行为个体差异的关联	研究样本量较小，仅使用单一行为测量指标，可能限制了预测能力	探究大脑结构特征与个体空间导航行为差异之间的关联	年轻健康成年人的大脑结构和空间导航能力	机器学习	NA	T1 MRI	GCNN, 3DCNN	图像	90名参与者	NA	图卷积神经网络, 3D卷积神经网络	预测值	NA
4079	2025-12-27	[ResLSTM-TemporalSE: an automated classification model for multi-lead ECG signals] 2025-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.12.18 PMID:41429624	研究论文	提出了一种名为ResLSTM-TemporalSE的高效深度学习模型，用于提升12导联心电图信号的自动分类准确率	设计了一种结合多层残差长短期记忆网络和时序注意力机制的新网络架构，通过残差连接和增强的通道特征表示来有效提取心电信号的时空特征	未明确提及模型在更广泛或多样化临床数据集上的泛化能力限制，以及计算复杂度分析	提高12导联心电图信号的自动分类准确性	12导联心电图信号	机器学习	心血管疾病	NA	LSTM, 注意力机制	信号数据	公共CPSC2018数据集和来自南方医科大学第七附属医院的私有临床数据集	NA	ResLSTM-TemporalSE	准确率, 精确率, 召回率, F1分数	NA
4080	2025-12-27	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	系统综述	本文系统综述了深度学习模型在磁共振成像中用于肝细胞癌分割的研究，重点关注模型架构、性能指标和实施挑战	系统性地评估了基于深度学习的肝细胞癌MRI分割模型，特别关注了U-Net变体、Transformer和混合模型的性能及适应性，并指出了多中心数据集和标准化协议的重要性	纳入研究数量有限（仅13项），存在患者选择偏倚风险（8项研究为高风险），且数据集规模小、病变异质性和MRI协议变异性限制了结果的普适性	评估深度学习模型在磁共振成像中自动分割肝细胞癌的性能、架构及面临的挑战	使用深度学习进行肝细胞癌MRI分割的同行评议研究	计算机视觉	肝细胞癌	磁共振成像	CNN, Transformer	图像	19至602名患者	NA	U-Net, nnU-Net, UNet++, Transformer, 混合模型	Dice相似系数	NA