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
4241	2025-12-25	Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction 2025-Dec-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647429 PMID:41433179	研究论文	提出一种新颖的再可见双域自监督深度展开网络，用于仅使用欠采样数据集进行MRI重建	通过引入再可见双域损失，利用所有欠采样k空间数据进行训练，减轻输入分布偏移；并设计基于Chambolle和Pock近端点算法的深度展开网络，结合空间-频率特征提取块，有效整合成像物理与图像先验	未明确说明计算资源需求或模型在极端欠采样条件下的性能限制	加速磁共振成像采集，提高重建性能	单线圈和多线圈磁共振成像数据集	医学影像重建	NA	磁共振成像	深度展开网络	k空间数据	NA	NA	DUN-CP-PPA, Spatial-Frequency Feature Extraction block	重建性能，泛化能力	NA
4242	2025-12-25	DePerio: Innovative Deep Learning-based Framework for Periodontal Disease Diagnosis and Severity Evaluation Using Saliva Samples 2025-Dec-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647413 PMID:41433182	研究论文	提出了一种名为DePerio的深度学习框架，用于利用唾液样本进行牙周病的诊断和严重程度评估	开发了一个集成了新型口腔多形核中性粒细胞（oPMNs）分离方案与深度神经网络架构的人工智能诊断流程，并针对oPMNs的独特形态创建了新的图像数据集和模型	未在摘要中明确提及	为牙周病的早期诊断和纵向监测提供一个可扩展且实用的解决方案	人类唾液样本中的口腔多形核中性粒细胞（oPMNs）	数字病理学	牙周病	唾液样本分析，oPMNs分离协议	DNN	图像	111份人类唾液样本，涵盖从健康到重度牙周炎的不同个体	NA	NA	检测错误率，口腔炎症负荷（OIL）分类	NA
4243	2025-12-25	A Systematic Review on Applications of Artificial Intelligence for Obesity Prevention 2025-Dec-23, Obesity reviews : an official journal of the International Association for the Study of Obesity IF:8.0Q1 DOI:10.1111/obr.70062 PMID:41436079	系统综述	本文系统综述了人工智能在肥胖预防中的应用，总结了2008年至2024年间46项相关研究	首次系统性地回顾和总结了人工智能在肥胖预防领域的应用现状、趋势和研究缺口	文献中缺乏将AI整合到真实世界环境的综合框架，且针对预防策略的针对性研究不足	探讨人工智能技术在肥胖预防领域的应用潜力与研究现状	2008年至2024年间发表的46项关于人工智能应用于肥胖预防的研究	机器学习	肥胖症	NA	支持向量机, 长短期记忆网络	NA	NA	NA	NA	准确率, 灵敏度	NA
4244	2025-12-25	Colorimetric Sensors for Halal Food Authentication: Detecting Non-Halal Meat and Alcohol 2025-Dec-23, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2603480 PMID:41436850	研究论文	本文综述了比色传感器在清真食品认证中的应用，特别是用于检测非清真肉类和酒精	介绍了结合抗体或DNA格式、纸基设备、智能手机集成以及AI驱动的平台，实现快速、低成本、现场检测的创新方法	存在选择性、可重复性和数据标准化方面的挑战	开发用于清真食品认证的快速、低成本、现场检测技术	非清真肉类掺杂物（如猪源性成分）和乙醇	NA	NA	比色传感器、PCR、HPLC、GC‑MS	深度学习	颜色模式	NA	NA	NA	检测限（ppb-ppm范围）、检测时间（小于一小时）	NA
4245	2025-12-25	Deep Learning Improves the MAGGIC Risk Score in Predicting Contrast-Induced Nephropathy in ST Elevation Myocardial Infraction Patients 2025-Dec-23, Angiology IF:2.6Q2 DOI:10.1177/00033197251399866 PMID:41437710	研究论文	本研究探讨了结合MAGGIC风险评分与深度学习模型（包括KAN、多层感知机、TabNet和TabTransformer）来预测ST段抬高型心肌梗死患者对比剂肾病的发生，显著提升了预测性能	首次将MAGGIC风险评分与深度学习模型（特别是Kolmogorov-Arnold Networks）结合用于预测对比剂肾病，并开发了基于网络的临床决策辅助工具	研究为回顾性设计，样本量有限（1403例），可能存在选择偏倚，且模型在外部验证中的泛化能力未评估	提高ST段抬高型心肌梗死患者对比剂肾病的早期预测准确性，以改善临床结局和降低死亡率	接受直接经皮冠状动脉介入治疗的ST段抬高型心肌梗死患者	机器学习	心血管疾病	NA	深度学习, 机器学习	临床参数	1403例ST段抬高型心肌梗死患者	NA	多层感知机, TabNet, TabTransformer, Kolmogorov-Arnold Networks (KAN), 逻辑回归	AUC	NA
4246	2025-12-25	Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications 2025-Dec-22, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.002 PMID:41436320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4247	2025-12-25	Ratio Quantification of Geranium and Rose Essential Oil Mixtures via Deep Learning Analysis of Complex Raman Spectra 2025-Dec-17, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.5c00088 PMID:41425308	研究论文	本研究开发了一种基于深度学习的通道注意力残差特征提取网络（CARFENet），用于通过拉曼光谱分析天竺葵和玫瑰精油混合物的比例定量	提出了CARFENet模型，该模型采用光谱捕获和光谱分离模块，能够将混合精油光谱解构为其纯组分，实现了对混合拉曼光谱中纯精油成分的有效定量分析	研究仅针对天竺葵和玫瑰精油两种特定精油混合物，未验证模型在其他精油种类或更复杂混合物中的泛化能力	开发一种基于深度学习的方法，用于精油混合物的比例定量和质量控制，以应对精油掺假问题	天竺葵精油、玫瑰精油及其混合物	机器学习	NA	拉曼光谱	CNN, 通道注意力残差特征提取网络	光谱数据	2700个拉曼光谱（包括900个玫瑰精油、900个天竺葵精油和900个混合物）	NA	CARFENet	相似性指数	NA
4248	2025-12-25	Adversarial incomplete multi-view clustering with adaptive contrastive learning 2025-Dec-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108484 PMID:41435732	研究论文	本文提出了一种结合自适应对比学习和对抗学习网络的不完整多视图聚类方法ACLN，以解决多视图数据中视图缺失和特征质量依赖问题	通过自适应对比学习模块动态调整参数以提取共享信息并保留互补特征，同时结合生成对抗网络提升潜在特征表示质量	未明确说明方法在极端数据缺失情况下的鲁棒性，也未讨论计算复杂度或对大规模数据集的扩展性	解决不完整多视图数据的聚类问题，优化不同视图间的贡献平衡并减少对特定视图特征质量的依赖	不完整多视图数据	机器学习	NA	自适应对比学习，对抗学习	GAN	多视图数据	六个多视图数据集	NA	生成对抗网络	聚类性能指标	NA
4249	2025-12-25	Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement 2025-Dec, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04924-7 PMID:40425886	研究论文	本研究通过引入量子弹性与阻力梯度模型，结合人工智能模拟，揭示了额肌收缩是单向的，皮肤褶皱源于弹性阻力而非双向力	提出了量子弹性与阻力梯度模型来解释额肌收缩时的皮肤动力学，并使用AI驱动的生物力学模型进行验证，挑战了传统的双向收缩理论	研究证据等级为III级，样本量虽多样但可能仍存在局限性，模型基于特定人群数据，普适性需进一步验证	探究额肌收缩的生物力学机制及其与皮肤的相互作用，特别是验证收缩的单向性	额肌收缩过程中的皮肤变形与肌肉力量	生物力学与人工智能交叉领域	NA	3D面部扫描、有限元分析	随机森林、深度神经网络	3D面部扫描图像	600名不同种族、性别和年龄的受试者	TensorFlow, PyTorch	深度神经网络	R2	NA
4250	2025-12-25	Supervised versus unsupervised GAN for pseudo-CT synthesis in brain MR-guided radiotherapy 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01606-1 PMID:40694229	研究论文	本研究比较了监督式（Pix2Pix）与无监督式（CycleGAN）深度学习模型在从T1和T2加权MR序列生成伪CT图像方面的性能	首次系统比较监督式Pix2Pix与无监督式CycleGAN在脑部MR引导放疗中伪CT合成的效果，并进行了剂量学评估验证临床可行性	研究仅基于3270个配对图像，未涉及更大规模或多中心数据验证；未探讨其他先进生成模型如扩散模型的表现	评估不同深度学习模型在MR-to-CT图像合成中的性能，为MR-only放疗计划提供技术支持	脑肿瘤患者的T1和T2加权MRI图像及对应CT图像	医学影像分析	脑肿瘤	MRI, CT	GAN	图像	3270个配对的T1和T2加权MRI与CT图像	TensorFlow, PyTorch	Pix2Pix, CycleGAN	SSIM, PSNR, MAE	NA
4251	2025-12-25	Impact of artificial intelligence assistance on bone scintigraphy diagnosis 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01621-2 PMID:40760395	研究论文	本研究旨在评估和改进深度学习模型MaligNet在辅助核医学医师解读骨扫描图像中的诊断性能	通过重新训练MaligNet模型，显著提升了其在骨病变检测中的性能，并首次系统评估了AI辅助对核医学医师诊断效率和准确性的影响，特别是使初级医师达到与高级医师相当的诊断水平	研究样本量相对有限（553例患者），且未涉及外部验证集来评估模型的泛化能力	提高骨闪烁扫描中骨病变的检测和分类准确性，并评估AI辅助对临床诊断的影响	553例患者的骨闪烁扫描图像，包括训练、验证和测试集	数字病理学	骨病变	骨闪烁扫描	深度学习模型	图像	553例患者，分为训练集353例、验证集100例和测试集100例	NA	MaligNet	精度-召回曲线下面积, 受试者工作特征曲线下面积, 准确率, 灵敏度, 特异性, 精确率	NA
4252	2025-12-25	Enhanced detection of ovarian cancer using AI-optimized 3D CNNs for PET/CT scan analysis 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01615-0 PMID:40760396	研究论文	本研究探讨了深度学习如何通过优化3D CNN模型（OCDA-Net）来增强卵巢癌的诊断和分期，利用PET/CT扫描图像数据集进行性能比较	提出了一种基于ResNet架构增强的OCDA-Net模型，专门针对[F]FDG PET图像分析设计，在卵巢癌诊断和分期任务中超越了六种传统CNN架构	数据集规模有限，未来需要扩展数据集、增强模型可解释性，并在临床环境中进一步验证	提升卵巢癌的诊断准确性和分期效果	卵巢癌患者	计算机视觉	卵巢癌	PET/CT扫描	CNN	图像	未明确指定具体样本数量，但数据集按80%训练、10%验证、10%测试随机分割	未明确指定	ResNet, DenseNet, GoogLeNet, U-Net, VGG, AlexNet, OCDA-Net	准确率, 精确率, 召回率, F-measure	未明确指定
4253	2025-12-25	Clinical evaluation of motion robust reconstruction using deep learning in lung CT 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01633-y PMID:40928606	研究论文	本研究旨在定量评估一种基于深度学习的运动校正重建方法CLEAR Motion在肺部CT成像中的临床实用性	开发并评估了首个结合深度学习与运动校正技术的重建方法CLEAR Motion，用于减少肺部CT中的运动伪影	研究样本量相对较小（129例），且未详细探讨方法对不同病理状况的适用性	定量评估深度学习运动校正重建方法在肺部CT中的临床效果	肺部CT图像	医学影像分析	肺部疾病	CT成像	深度学习	医学图像	129例肺部CT扫描	NA	NA	拉普拉斯方差, 峰值信噪比	NA
4254	2025-12-25	3D CoAt U SegNet-enhanced deep learning framework for accurate segmentation of acute ischemic stroke lesions from non-contrast CT scans 2025-Dec, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01626-x PMID:40986248	研究论文	本文提出了一种名为CoAt U SegNet的新型深度学习模型，用于从非对比CT扫描中准确分割急性缺血性卒中病灶	提出了一种先进的3D深度学习模型CoAt U SegNet，通过引入扩张率为1、3、5的编码器卷积块来有效捕获多尺度特征，并采用增强相似性指数来优化病灶分割，以区分半暗带与核心梗死区域	训练数据量相对较小（仅50个NCCT扫描用于训练），且未与其他最先进的3D分割模型进行广泛的性能比较	开发一种计算机辅助检测和分割工具，以支持临床医生进行卒中诊断	急性缺血性卒中病灶	数字病理学	心血管疾病	非对比CT扫描	深度学习	3D医学图像	训练集50个NCCT扫描，验证集10个，测试集500个	NA	CoAt U SegNet	Dice相似系数, Jaccard指数	NA
4255	2025-12-25	Intelligent multimodal sensor fusion for early knee disorder detection and injury prevention using prosthetic gait control 2025-Dec, International journal of injury control and safety promotion IF:2.3Q2 DOI:10.1080/17457300.2025.2572095 PMID:41175030	研究论文	本研究提出了一种结合非侵入式筛查与自适应假肢控制的两阶段集成框架，用于膝关节疾病的早期检测和损伤预防	提出了新颖的时频特征（增强平均绝对值/增强波长）用于异常检测，并利用多模态传感器融合实现实时健康自适应假肢控制，动态调整相位转换时间、肌电阈值和电机增益	研究在基于LabVIEW的控制环境中进行验证，尚未在真实临床环境中大规模应用	开发一种用于膝关节疾病早期检测和自适应假肢控制的智能多模态传感器融合系统	膝关节疾病患者和假肢使用者	机器学习	肌肉骨骼疾病	多模态传感器融合（EMG, FSR, IMU）	Extra Trees, XGBoost	传感器信号（肌电信号、力敏电阻信号、惯性测量单元数据）	未明确说明样本数量，但使用了10折交叉验证	未明确说明	Extra Trees, XGBoost	准确率, SHAP分析, 95%置信区间, Friedman/Nemenyi统计检验	未明确说明
4256	2025-12-25	Skin Lesion Classification Using Focal Modulation Networks 2025-Dec, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70139 PMID:41178745	研究论文	本研究提出了一种基于焦点调制网络（FMNs）的框架，用于皮肤病变分类，并在多个公开数据集上验证了其性能	首次将焦点调制网络应用于皮肤病变分类，该网络能高效捕获局部和全局特征，解决了基于Transformer的模型在处理高分辨率医学图像时的局限性，同时通过调制器可视化提供模型可解释性	未提及	开发一种准确、高效且透明的自动皮肤病变分类方法，以辅助皮肤癌的早期诊断和治疗	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	NA	焦点调制网络	图像	三个公开数据集：ISIC 2017、ISIC 2018和ISIC 2019	NA	焦点调制网络（Tiny, Small, Base, Large 变体）	准确率	NA
4257	2025-12-25	Privacy-hardened and hallucination-resistant synthetic data generation with logic-solvers 2025-Dec-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf600 PMID:41191651	研究论文	本文介绍了一种名为Genomator的逻辑求解方法，用于生成隐私强化且抗幻觉的合成数据，特别应用于基因组数据	采用逻辑求解方法（SAT求解）高效生成隐私且真实的合成数据，相比现有方法在准确性、隐私保护和效率方面有显著提升，并能扩展到全基因组规模	未明确提及具体局限性，但可能涉及方法在非基因组数据上的泛化能力或计算资源需求	开发一种能平衡隐私与准确性的合成数据生成方法，以支持医疗研究和全球数据交换	基因组数据，作为最复杂和私密的信息类型	机器学习	NA	逻辑求解（SAT求解）	NA	基因组数据	NA	NA	NA	准确性, 隐私度	NA
4258	2025-12-25	Chick embryo development assessment and fertility detection using pixel-wise hyperspectral image analysis and deep learning 2025-Dec, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2025.106064 PMID:41205430	研究论文	本研究利用线扫高光谱成像系统和深度学习技术，对白壳鸡蛋的受精情况和胚胎发育进行非破坏性实时评估	结合像素级高光谱图像分析和深度学习模型，实现了对鸡蛋受精和胚胎发育阶段的高精度分类与空间可视化	研究仅针对白壳鸡蛋，且仅覆盖了孵化前四天，未涉及更长孵化周期或其他蛋壳颜色的鸡蛋	提高家禽孵化过程中的受精检测准确性和胚胎发育评估效率	白壳鸡蛋（包括受精蛋和未受精蛋）	计算机视觉	NA	线扫高光谱成像	人工神经网络, 随机森林, 深度神经网络, 卷积神经网络	高光谱图像	未明确具体数量，但涉及受精和未受精鸡蛋在孵化前四天的数据	NA	NA	F1分数	NA
4259	2025-12-25	Periodicity-aware deep learning for polymers 2025-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00903-9 PMID:41266677	研究论文	本文提出了一种名为PerioGT的周期性感知深度学习框架，用于聚合物化学研究，通过整合周期性先验知识提升模型性能	首次构建了化学知识驱动的周期性先验，并通过对比学习和微调中的周期性提示将其融入深度学习框架，同时采用虚拟节点图增强策略建模复杂化学相互作用	未明确说明模型在处理非周期性或高度不规则聚合物结构时的适用性限制	为聚合物化学开发统一的深度学习框架，以解决现有方法忽略结构周期性导致的泛化能力不足问题	聚合物化学系统	机器学习	NA	深度学习，对比学习，图增强	图神经网络	化学结构数据	NA	NA	PerioGT	在16个下游任务中达到最先进性能	NA
4260	2025-12-25	Immunological risk factors for recurrent implantation failure using a deep learning model: a multicenter retrospective cohort study 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27561-1 PMID:41326470	研究论文	本研究利用深度学习模型（TabNet）分析复发性种植失败患者的免疫学风险因素，以预测活产结局	首次将TabNet深度学习模型应用于复发性种植失败患者的活产预测，并识别出关键的免疫学风险因素组合	研究为回顾性队列设计，可能存在选择偏倚；样本仅来自特定医疗中心，外部验证尚需进行	预测复发性种植失败患者的活产结局，并识别相关的免疫学风险因素	2463名无妇科及解剖异常的复发性种植失败患者	机器学习	生殖系统疾病	临床免疫学检测	深度学习	临床数据	2463名患者	TabNet	TabNet	准确率, AUROC, 混淆矩阵, ROC曲线, 校准图	NA