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
4181	2025-11-09	Accelerating myelin defect detection in neurodegenerative disorders: a human-in-the-loop deep learning approach with birefringence microscopy 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045007 PMID:41195092	研究论文	开发了一种人机协同深度学习方法，用于加速神经退行性疾病中髓鞘缺陷的检测	首次将人机协同循环与YOLOv8模型结合应用于双折射显微镜图像中的髓鞘缺陷检测	样本量相对较小（15名受试者），需要进一步验证在更大样本和更多疾病类型中的适用性	加速神经退行性疾病中髓鞘缺陷的检测和分析	人脑背外侧前额叶皮质组织样本	数字病理学	神经退行性疾病	RGB圆形交叉偏振双折射显微镜	YOLOv8	3D体积显微镜图像	15名受试者（5名对照，5名阿尔茨海默病，5名慢性创伤性脑病）的脑组织样本，包含5600个手动标注的髓鞘缺陷	NA	YOLOv8	mAP@50	能够处理高达300GB的完整3D体积图像
4182	2025-11-09	Advancing deep learning-based segmentation for multiple lung cancer lesions in real-world multicenter CT scans 2025-Aug-18, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00617-7 PMID:40826204	研究论文	提出一种基于深度学习的自动化多实例肺癌症病灶分割方法，在真实世界多中心CT扫描中实现准确分割	开发了包含胸腔边界框提取、多实例病灶分割和新型多尺度级联分类器的三步流程，专门针对多病灶分割问题	研究基于回顾性数据，需要在前瞻性研究中进一步验证	开发能够准确分割肺癌症多病灶的自动化方法	肺癌症患者的CT扫描图像	计算机视觉	肺癌症	CT扫描	深度学习	医学图像	1,081例CT扫描，包含5,322个标注病灶（训练集868例，测试集213例），外部验证集188例	NA	多尺度级联分类器	Dice相似系数, 病灶检测灵敏度	NA
4183	2025-11-09	Integrating computational pathology and multi-transcriptomics to characterize lung adenocarcinoma heterogeneity and prognostic modeling 2025-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002639 PMID:40474806	研究论文	本研究通过整合计算病理学和单细胞多组学分析，构建了一个多维框架来表征肺腺癌异质性并开发预后模型	首次将计算病理学特征与单细胞多组学数据系统整合，识别出与拷贝数变异相关的影像学特征和关键分子调控因子	主要基于回顾性生物信息学分析，缺乏前瞻性队列和实验研究验证，临床实用性需进一步确认	探索肺腺癌病理组织学特征与基因组不稳定性之间的关系，并开发预后预测模型	TCGA-LUAD数据集中的全切片图像和单细胞多组学数据	计算病理学	肺腺癌	单细胞多组学分析, 拷贝数变异分析, 基因共表达网络分析	CNN, 机器学习	全切片图像, 基因表达数据	TCGA-LUAD数据集	CellProfiler, inferCNV, hdWGCNA, CellChat, Monocle2	ResNet-50	生存预测准确性	NA
4184	2025-11-09	Cross-level Cross-Scale Inference and Imputation of Single-cell Spatial Proteomics 2025-Jul-28, Research square DOI:10.21203/rs.3.rs-7108570/v1 PMID:40766228	研究论文	提出scProSpatial深度学习框架，从单细胞RNA测序数据推断和填补高保真单细胞空间蛋白质组学数据	开发首个统一的多模态多尺度深度学习框架，能够在缺乏共享转录组特征的情况下准确预测蛋白质空间丰度，将蛋白质覆盖度提升50倍	未明确说明模型在更广泛生物系统中的泛化能力限制	解决跨生物层级和尺度的分子驱动因子识别及其相互作用分析的挑战	单细胞空间蛋白质组学数据	计算生物学	转移性乳腺癌	scRNA-seq, 空间蛋白质组学	深度学习	单细胞RNA测序数据, 空间蛋白质组数据	NA	NA	NA	蛋白质空间丰度预测准确度, 分布外泛化能力	NA
4185	2025-11-09	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Jun-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.20.25329926 PMID:40585085	研究论文	本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难	首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中，相比传统NTCP模型能更全面捕捉吞咽困难的复杂性	研究样本量相对有限（1484例），且为多中心回顾性研究	提高头颈癌患者放疗后晚期吞咽困难的预测准确性	头颈癌放疗患者	数字病理学	头颈癌	放射治疗，CT扫描	CNN	3D剂量分布，器官分割，CT图像，患者临床数据	1484例头颈癌患者（多中心队列）	NA	Residual Network (ResNet)	AUC，校准曲线	NA
4186	2025-11-09	Health Misinformation Detection: Approaches, Challenges and Opportunities 2025 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580251384784 PMID:41189452	文献综述	本文对健康虚假信息检测领域的研究进展、挑战与机遇进行了系统性综述	首次系统梳理了2016-2025年间健康虚假信息检测的研究现状，分析了检测方法的优势局限，并提出了跨学科合作、以人为本设计和伦理考量等未来发展路径	仅纳入英文全文研究，存在类别不平衡和标注标准不一致等数据质量问题	通过系统综述健康虚假信息检测方法，为开发有效的临床相关检测系统提供指导	100项关于健康虚假信息检测的研究文献	自然语言处理	NA	文献系统检索	机器学习,深度学习	文本数据	100项研究	NA	集成方法,基于嵌入的表示方法	准确率,可解释性	高计算成本
4187	2025-11-09	Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	研究论文	基于多源地理大数据和深度神经网络优化房价评估模型	提出融合注意力机制与空间特征提取的混合深度学习网络，并采用蝙蝠优化算法提升模型可解释性和准确性	未明确说明模型在其他房地产市场或经济环境下的泛化能力	优化房价预测模型的准确性、计算效率和可解释性	房地产价格数据	机器学习	NA	多源地理大数据分析	深度神经网络, 注意力机制	多源地理数据, 房价数据	NA	NA	混合深度学习网络, 空间特征提取网络	特征稳定性, 平均绝对误差(MAE), 收敛速度, 训练时间	NA
4188	2025-11-09	Football sports automatic judgment model based on improved YOLOv7 and RNN 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334158 PMID:41191562	研究论文	提出基于改进YOLOv7和RNN的足球运动自动判罚模型，用于运动视频场景的识别与分析	引入聚类算法和注意力机制改进YOLOv7目标检测，采用麻雀搜索算法优化RNN参数搜索	NA	提高运动视频场景识别的准确性和公平性，推动足球运动自动化发展	足球运动视频场景	计算机视觉	NA	深度学习	YOLOv7, RNN	视频	NA	NA	改进YOLOv7, 循环神经网络	准确率, F1分数, 交并比, 召回率, AUC, R平方值	NA
4189	2025-11-09	Interpretable weakly-supervised learning through kernel density matrices: A digital pathology use case 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335826 PMID:41191610	研究论文	提出一种基于核密度矩阵的可解释弱监督学习框架WiSDoM，应用于数字病理图像分类	首次将核密度矩阵用于统一全监督和弱监督学习模式，提供可量化的解释性指标	NA	开发一种同时支持全监督和弱监督学习的可解释分类框架	数字病理图像中的组织切片	数字病理	前列腺癌	核密度矩阵，注意力机制，原型生成	深度学习	图像	NA	NA	局部-全局注意力机制，核空间采样	AUC	NA
4190	2025-11-09	Deep learning-based automated detection of supernumerary teeth in pediatric panoramic radiographs 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335845 PMID:41191613	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在儿童全景X光片中自动检测和定位多生牙	首次将YOLOv8模型应用于儿童全景X光片中多生牙的自动检测和定位	验证样本量有限，分割模型的召回率较低，存在漏检情况	评估基于卷积神经网络的深度学习模型在儿童全景X光片中自动定位和分类多生牙的诊断准确性和临床适用性	儿童患者的多生牙	计算机视觉	口腔疾病	全景X光摄影	CNN	医学影像	2000张儿童全景X光片，其中140张用于标注（71张阳性，69张阴性），20张用于独立验证	YOLOv8	YOLOv8	精确率, 召回率, F1分数, McNemar检验	NA
4191	2025-11-08	FastKAN-DDD: A novel fast Kolmogorov-Arnold network-based approach for driver drowsiness detection optimized for TinyML deployment 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332577 PMID:41191636	研究论文	提出一种基于快速Kolmogorov-Arnold网络的轻量级驾驶员疲劳检测模型FastKAN-DDD，专为TinyML部署优化	首次将FastKAN架构应用于驾驶员疲劳检测，采用基于径向基函数的可学习非线性激活函数，并通过后训练量化技术实现极致轻量化	仅使用单一数据集UTA-RLDD进行验证，未在其他数据集上测试泛化能力	开发适用于资源受限环境的实时驾驶员疲劳检测系统	驾驶员疲劳状态	机器学习	NA	TinyML, 后训练量化	FastKAN	图像	UTA-RLDD数据集	TensorFlow Lite Micro	FastKAN with RBF激活函数	准确率, 推理延迟, 内存占用	微控制器
4192	2025-11-09	Deep-learning-based automatic liver segmentation using computed tomography images in dogs 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681820 PMID:41195076	研究论文	开发基于3D U-Net的深度学习模型用于犬类腹部CT图像的肝脏自动分割	首次将深度学习应用于犬类肝脏CT图像分割，填补了兽医领域自动化分割的技术空白	样本量相对有限（221例），未明确说明模型在更广泛犬种和病理条件下的泛化能力	开发并验证用于犬类肝脏自动分割的深度学习模型	犬类腹部CT扫描图像	计算机视觉	肝脏疾病	计算机断层扫描（CT）	3D U-Net	医学影像（CT图像）	221例犬类腹部CT扫描（159例无肝脏肿块，62例有肝脏肿块）	NA	3D U-Net	Dice相似系数	NA
4193	2025-11-09	Deep learning-based automated quantification system for abdominal aortic calcification: multicenter cohort study for algorithm development and clinical validation 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1647882 PMID:41195129	研究论文	开发基于深度学习的腹主动脉钙化自动量化系统，并通过多中心研究进行算法开发和临床验证	首次建立结合nnUnet分割和ResNet回归的自动化腹主动脉钙化评分系统，实现多中心标准化定量分析	研究样本仅来自浙江省五个医疗中心，可能存在地域局限性	建立自动化腹主动脉钙化评分系统以支持动脉粥样硬化管理的临床决策	2,941名个体的腹主动脉X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	2,941例（训练集1,737例，内部验证471例，外部验证733例）	PyTorch	nnUnet, ResNet	平均绝对误差, Spearman相关系数, 组内相关系数, 敏感性, 特异性	NA
4194	2025-11-09	A hybrid AI approach for predicting academic performance in RBE students 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1651100 PMID:41195199	研究论文	本研究提出一种混合人工智能方法，用于预测RBE学生的学业表现	首次在私立宗教性质的EBR机构中应用机器学习预测学业表现，并采用结合深度学习和机器学习的集成模型	研究局限于特定类型的私立教育机构，未提及其他潜在限制因素	开发预测学业表现的决策支持工具	常规基础教育学生	机器学习	NA	机器学习，深度学习	Logistic Regression, Support Vector Machine, Random Forest, GRU, BiGRU, AlexNet, 集成模型	教育数据	NA	NA	AlexNet, Gated Recurrent Unit, Bidirectional Gated Recurrent Unit	准确率，精确率，灵敏度	NA
4195	2025-11-09	Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias 2025, NPJ dementia DOI:10.1038/s44400-025-00040-0 PMID:41195302	研究论文	利用人工智能分析数字语音录音，实现认知障碍的早期检测和阿尔茨海默病亚型区分	首次结合特征工程机器学习和端到端深度学习（包含大语言模型）分析语音特征，实现早期认知障碍的高精度检测	样本量相对有限（188名参与者），需要在更大群体中验证	通过语音分析实现阿尔茨海默病及相关痴呆症的早期检测和亚型区分	LEADS研究中的早期发病AD患者、早期发病非AD认知障碍患者和认知正常对照组	自然语言处理	阿尔茨海默病	数字语音录音分析	机器学习,深度学习,大语言模型	语音	120名患者和68名认知正常对照	NA	NA	AUC	NA
4196	2025-11-09	Enhancing drug-target interaction prediction with graph representation learning and knowledge-based regularization 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1649337 PMID:41195325	研究论文	提出结合图表示学习和知识正则化的新框架，用于提升药物-靶点相互作用预测性能	开发了结合图神经网络与知识整合的新方法，通过定制化图消息传递机制和知识正则化策略将生物医学知识融入表示学习	未明确说明模型在更大规模数据集上的泛化能力及计算效率分析	提高药物-靶点相互作用预测的准确性和可解释性，加速药物发现和重定位	药物分子结构和蛋白质序列	机器学习	NA	图表示学习，知识整合	图神经网络	分子结构图，蛋白质序列	多个基准数据集（具体数量未明确说明）	NA	图神经网络，消息传递网络	AUC, AUPR	NA
4197	2025-11-09	Enhancing deep learning models for predicting smoking Status using clinical data in patients with chronic obstructive pulmonary disease 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251393380 PMID:41195375	研究论文	本研究开发并评估了深度学习模型，通过整合行为和心理社会变量与临床数据来改善COPD患者持续吸烟状态的预测	将行为和心理社会变量与临床数据整合到深度学习模型中，提高了COPD患者吸烟状态预测的准确性，同时通过SHAP分析保持模型可解释性	研究样本相对有限（350名患者），缺乏大型外部数据集中常见的行为变量，需要在更多样化人群中验证模型性能	开发改进的深度学习模型来预测慢性阻塞性肺疾病患者的持续吸烟状态	350名COPD患者，其中包括51名当前吸烟者	机器学习	慢性阻塞性肺疾病	临床数据分析，行为和心理社会变量整合	深度学习，机器学习	临床数据，行为数据，心理社会数据	350名COPD患者（51名当前吸烟者）	Optuna	Residual Neural Network	macro F1 score, 95%置信区间	NA
4198	2025-11-09	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	研究论文	使用深度学习预测激酶Lck与免疫相关蛋白的关键相互作用，揭示T细胞调控新机制	首次系统预测Lck激酶的蛋白质相互作用网络，发现其与棕榈酰转移酶的特异性靶向机制、与CD45磷酸酶的构象激活机制以及与LAG3免疫检查点的抑制机制	预测结果需要实验验证，筛选范围仅限于约1000个免疫相关蛋白	揭示激酶Lck在T细胞信号转导中的蛋白质相互作用网络	激酶Lck及其相互作用的蛋白质（包括棕榈酰转移酶、CD45磷酸酶、LAG3免疫检查点等）	计算生物学	免疫相关疾病	深度学习结构预测	深度学习	蛋白质序列和结构数据	约1000个免疫相关蛋白质	AF2Complex	AlphaFold2架构	结构建模质量评估	NA
4199	2025-11-09	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-Nov, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	综述	本文综述了基于多模态MRI和机器学习方法预测婴幼儿早期神经发育结局的研究进展	整合多模态MRI技术（sMRI、dMRI、fMRI、pMRI）与机器学习方法，探索早期脑发育预测生物标志物	NA	通过多模态MRI和机器学习预测婴幼儿神经发育结局，实现早期异常发育的检测和个性化干预	婴幼儿早期脑发育过程	机器学习	精神神经疾病	多模态MRI（结构MRI、扩散MRI、功能MRI、灌注MRI）	机器学习、深度学习	多模态磁共振图像	NA	NA	NA	NA	NA
4200	2025-11-08	CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning 2026-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.108896 PMID:41189712	研究论文	提出一种结合CNN和Autoformer的混合深度学习框架，用于自动检测和定位癫痫发作	首次将CNN的空间特征提取能力与Autoformer的时间建模能力相结合，通过自相关机制提取周期性依赖并将信号分解为趋势和季节成分	未提及模型在更广泛数据集上的泛化能力及计算效率分析	开发自动癫痫检测和定位方法以辅助临床诊断	多通道脑电图信号	数字病理	癫痫	脑电图	CNN, Autoformer	时序信号	CHB-MIT公共数据集和SH-SDU专有数据集	NA	CNN-Autoformer混合架构	准确率, 灵敏度, 特异性, 精确率, F1分数, 假阳性检测率	NA