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
4281	2025-12-07	Chemistry-informed deep learning model for predicting stereoselectivity and absolute configuration in asymmetric hydrogenation 2025-Dec-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00920-8 PMID:41350458	研究论文	本文提出了一种基于反应机制的深度学习模型ChemAHNet，用于预测烯烃不对称氢化反应中的立体选择性和绝对构型	开发了首个能够同时预测双前手性位点烯烃不对称氢化反应的立体选择性和绝对构型的深度学习模型，无需预定义描述符，仅需SMILES输入即可捕捉原子级空间和电子相互作用	未明确说明模型在特定催化剂或底物类型上的性能边界，也未提及计算效率或可解释性方面的潜在限制	开发能够准确预测不对称氢化反应立体选择性和绝对构型的化学信息深度学习模型	烯烃不对称氢化反应（特别是具有双前手性位点的体系）	机器学习	NA	不对称氢化反应	深度学习	分子结构（SMILES格式）	NA	NA	Chemistry-Informed Asymmetric Hydrogenation Network (ChemAHNet)	NA	NA
4282	2025-12-07	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	研究论文	本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学和临床数据来改善结直肠癌的诊断和预后预测	开发了一种新颖的多模态深度学习框架，首次将组织病理学、放射学和临床数据深度融合用于结直肠癌的生存预测和微卫星不稳定性状态识别，其性能显著优于单一数据类型的模型	在外部数据集上性能有所下降（由于“域偏移”），且在形态学模糊病例中存在分类错误，需要前瞻性试验验证其临床效用	改善结直肠癌的诊断和预后预测，提供更精细的风险分层以指导个性化治疗	结直肠癌患者	数字病理学	结直肠癌	深度学习	深度学习多模态融合模型	组织病理学图像, 放射学图像, 临床数据	未明确说明	未明确说明	PRISM-CRC	一致性指数, AUC	未明确说明
4283	2025-12-07	From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics 2025-Dec-05, Surgical endoscopy DOI:10.1007/s00464-025-12369-x PMID:41350780	研究论文	本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，自动检测兴趣区域并提取相关指标，用于区分和预测腹腔镜训练中新手的技能水平	整合计算机视觉-深度学习与眼动追踪数据，自动提取兴趣区域依赖指标和运动指标，以在动态训练环境中实现新手技能水平的分类和预测	研究主要关注新手，可能未涵盖专家级表现；模拟器环境（成人及儿科解剖）可能无法完全代表真实手术场景	开发基于眼动追踪和运动指标的客观评估方法，以个性化腹腔镜训练并实时反馈	医学生和住院医师在成人和儿科箱式训练器上执行peg转移任务	计算机视觉	NA	眼动追踪, 运动分析	随机森林, 支持向量机, 人工神经网络, 决策树	眼动追踪数据, 视频数据	医学生和住院医师（具体数量未在摘要中提供）	NA	NA	准确率, Gini重要性	NA
4284	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
4285	2025-12-07	The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison 2025-Dec-04, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106051 PMID:41349269	研究论文	本研究通过分析在线健康社区中抑郁症患者的发帖行为，比较了治疗前与治疗后用户在参与度及治疗障碍方面的差异	结合关键词过滤与深度学习分类方法，首次在中文抑郁症在线社区中识别并比较了治疗前与治疗后用户群体的行为模式及治疗障碍	数据仅来源于单一在线社区，且时间跨度有限，可能无法完全代表所有抑郁症患者群体	探究抑郁症患者在在线健康社区中的参与行为差异及治疗障碍，以优化心理健康支持策略	中国某抑郁症主题在线健康社区中的用户，包括治疗前用户（4,891人）与治疗后用户（25,743人）	自然语言处理	抑郁症	深度学习分类	NA	文本	1,585,429条帖子，涉及30,634名用户（25,743名治疗后用户，4,891名治疗前用户）	NA	NA	NA	NA
4286	2025-12-07	The Nuclear Nephrology Artificial Intelligence Ecosystem 2025-Dec-04, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.002 PMID:41350144	综述	本文综述了人工智能在核医学肾脏学领域的应用历史、当前工具及新兴机遇	探讨了从专家系统到生成式AI（如LLMs、扩散模型、GANs）的演变，并展望了多模态模型在核医学肾脏学中的潜力	AI工具在广泛临床应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题	探索人工智能在核医学肾脏学生态系统中的应用与机遇	核医学肾脏学技术，包括非成像技术、动态肾闪烁显像、SPECT、PET肾图及治疗诊断学	数字病理学	NA	动态肾闪烁显像、SPECT、PET肾图	专家系统、统计机器学习、FFNN、CNN、DL、LLMs、扩散模型、GANs、VLMs	图像	NA	NA	NA	NA	NA
4287	2025-12-07	Deep learning approach for crop-weed segmentation in peanut cultivation using PSPEdgeWeedNet 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24174-6 PMID:41339372	研究论文	本文提出了一种名为PSPEdgeWeedNet的新型边缘感知深度学习架构，用于花生种植中作物与杂草的精确语义分割	PSPEdgeWeedNet引入了专门的边缘检测分支，以增强边界定位并改善相邻植被类别之间的划分，与传统的PSPNet及其边界感知变体相比具有创新性	未明确提及研究的局限性	提高花生种植中作物与杂草的精确语义分割，以增强自动化杂草检测系统的鲁棒性和准确性	花生种植田中的作物和杂草	计算机视觉	NA	多光谱成像	CNN	图像	未明确提及样本数量，但使用了精心策划的花生田数据集	未明确提及	PSPEdgeWeedNet, PSPNet, SegNet, UNet, DeepLabv3, Swin-Unet, ViT	IoU, 精确率, 召回率, F1分数	未明确提及
4288	2025-12-07	Multi-stage deep learning framework for robust recognition of overlapping and faded handwritten text in bank cheques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28764-2 PMID:41339665	研究论文	本文提出了一种多阶段深度学习框架，用于准确识别银行支票上重叠和褪色的手写文本	采用混合方法结合伪字母与基于高度的分割来识别重叠文本，并使用基于Sigmoid增长余弦互映射池化的卷积神经网络进行真伪分类，实现了高准确率	未明确说明框架在极端褪色或复杂重叠情况下的泛化能力，且可能依赖于特定预处理步骤	开发一个鲁棒的自动识别系统，以解决银行支票上手写文本的重叠和褪色问题	银行支票上的手写文本，包括日期、签名、姓名和金额等关键字段	计算机视觉	NA	边缘检测、轮廓构建、纹理修复	CNN	图像	NA	NA	Nanonet, Sigmoidal Growing Cosine Intermap Pooling-based CNN	分类准确率	NA
4289	2025-12-07	Multi-branch low-light image iterative enhancement network 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26962-6 PMID:41339675	研究论文	本文提出了一种多分支低光照图像迭代增强网络（MBLLIE-Net），用于解决低光照条件下图像亮度不足、分辨率低和细节丢失的问题	采用多分支架构处理不同深度和尺度的特征，引入空间循环单元（SRU）捕获长距离空间关系，并提出自适应感受野通道注意力（ARFCA）模块动态调整感受野以增强特征选择	未明确提及模型在极端低光照或噪声极高场景下的性能限制	提升低光照图像的质量，包括亮度、细节和色彩保真度的恢复	低光照条件下捕获的图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及具体框架	多分支编码器-解码器架构	定量指标和人类感知评估	未明确提及具体计算资源
4290	2025-12-07	ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction 2025-Dec-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03278-z PMID:41339870	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于慢性肾脏病（CKD）的检测和心血管风险预测	首次利用深度学习模型从心电图中识别慢性肾脏病风险，即使在实验室异常出现前也能预测CKD及其并发症，相比仅依赖eGFR分类，能更有效地预测不良心血管结局	研究为回顾性设计，可能存在选择偏倚；外部验证仅来自一家社区医院，需更多样化人群验证；模型性能虽好，但临床实际应用效果需进一步前瞻性研究确认	开发并验证基于心电图的深度学习模型，用于早期慢性肾脏病检测和心血管风险分层	门诊患者的心电图数据和估计肾小球滤过率（eGFR）数据	机器学习	慢性肾脏病	心电图（ECG）分析	深度学习模型（DLM）	心电图（ECG）信号	开发集：49,632名患者的72,618份ECG；内部验证：16,955名非重叠患者；外部验证：10,476名社区医院患者	NA	NA	AUC	NA
4291	2025-12-07	Lightweight malicious URL detection using deep learning and large language models 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26653-2 PMID:41330959	研究论文	本文提出了一种基于深度学习和大型语言模型的轻量级恶意URL检测框架	利用大型语言模型自动生成高质量的URL嵌入，无需手工特征工程，并结合定制化的深度学习模型进行分类，提高了检测准确性和适应性	未提及模型在新型或未知攻击模式下的泛化能力，以及在实际部署中可能面临的计算资源限制	开发一个自动化、高效的恶意URL检测系统以应对网络安全威胁	恶意URL，包括篡改、恶意软件、钓鱼和良性四种类别	自然语言处理	NA	深度学习，大型语言模型	LSTM, GRU	文本	NA	NA	BERT, LSTM, GRU	准确率	NA
4292	2025-12-07	Accelerating promoter identification and design by deep learning 2025-Dec, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.05.008 PMID:40473557	综述	本文综述了深度学习技术在启动子识别、强度预测和从头设计中的应用	利用生成模型进行启动子的从头设计，并探讨了数据库质量、特征提取和模型架构对预测准确性的影响	NA	加速启动子的识别和设计，以促进重组蛋白表达和天然产物生物合成的代谢途径调控	启动子DNA序列	自然语言处理	NA	深度学习	生成模型	DNA序列数据	NA	NA	NA	预测准确性	NA
4293	2025-12-07	Single-View Echocardiographic Analysis for Left Ventricular Outflow Tract Obstruction Prediction in Hypertrophic Cardiomyopathy: A Deep Learning Approach 2025-Dec, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.08.008 PMID:40825382	研究论文	本研究开发并验证了一种深度学习模型，仅使用经胸超声心动图的胸骨旁长轴视图来预测肥厚型心肌病患者的严重左心室流出道梗阻	该研究首次提出仅基于单一视图（胸骨旁长轴视图）的深度学习模型来预测左心室流出道梗阻，无需传统方法所需的多视图、多普勒或激发测试，特别适用于资源有限的环境	研究未明确提及模型在更广泛人群或不同设备间的泛化能力，且依赖于特定视图的视频数据，可能受限于视图获取质量	开发一种仅使用胸骨旁长轴视图的深度学习模型，以准确预测肥厚型心肌病患者的严重左心室流出道梗阻，作为传统多普勒评估的补充工具	肥厚型心肌病患者	数字病理学	心血管疾病	经胸超声心动图	深度学习模型	视频	开发数据集 n=1,007，内部测试数据集 n=87，外部验证数据集 n=1,334，治疗响应数据集 n=156	NA	NA	AUC, 特异性, 阴性预测值	NA
4294	2025-12-07	Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models 2025-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109063 PMID:40946520	研究论文	本研究提出NACHOS框架，通过集成嵌套交叉验证、自动化超参数优化和高性能计算，以减少和量化深度学习模型在医学影像中测试性能估计的方差	提出NACHOS和DACHOS框架，首次将嵌套交叉验证、自动化超参数优化与高性能计算并行化结合，用于量化并减少深度学习模型性能估计的方差，并提升部署性能	未明确说明具体模型性能提升的量化幅度或在不同医学影像任务中的泛化能力限制	开发一个可扩展、可重复且可信赖的深度学习模型评估与部署框架，以减少医学影像中模型性能估计的方差	胸部X光库和光学相干断层扫描（OCT）数据集	医学影像	NA	光学相干断层扫描（OCT）	深度学习模型	图像	NA	NA	NA	NA	高性能计算（HPC）框架
4295	2025-12-07	Deep learning approach for classifying grazing behavior in yearling horses using triaxial accelerometer data: A pilot study 2025-Dec, Journal of equine veterinary science IF:1.3Q2 DOI:10.1016/j.jevs.2025.105706 PMID:41043567	研究论文	本研究开发并验证了一种基于深度学习的方法，利用颌部安装的三轴加速度计数据对一岁马的放牧行为进行分类	首次将CNN与LSTM结合的深度学习模型应用于马匹放牧行为的自动分类，实现了高精度（测试准确率98.0%）和非侵入式监测	研究样本量较小（仅4匹马），属于初步研究，需要在更大规模和不同品种马匹中进一步验证	开发一种自动分类马匹放牧与非放牧行为的方法，以改进牧场管理和动物福利评估	一岁纯种马	机器学习	NA	三轴加速度计数据采集	CNN, LSTM, CNN+LSTM	加速度计时间序列数据	4匹一岁纯种马，共230,286个数据点	NA	一维CNN, LSTM, 组合CNN+LSTM	准确率, F1分数, 精确率, 召回率, AUC	NA
4296	2025-12-07	Neural representation of trustworthiness encoding and inference in crowds 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121575 PMID:41213443	研究论文	本研究利用脑电图解码和基于深度学习的可解释性方法，探讨了人群可信度感知的神经动力学机制	首次结合EEG解码和深度学习可解释性方法研究人群情境下的可信度感知神经机制，揭示了整体编码加速社会印象形成的过程，并发现人群与个体可信度共享高级神经表征	未明确说明样本的具体人口学特征，实验环境可能未完全模拟真实社交场景，深度学习模型的可解释性方法仍有局限	探究人群可信度感知的认知与神经机制	人群与个体的面部可信度感知	机器学习	NA	脑电图（EEG），深度学习	深度学习模型	脑电图信号，行为数据	未明确说明	未明确说明	未明确说明	解码准确率	未明确说明
4297	2025-12-07	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	本文提出了一种名为TripleFusionNet的新型端到端深度学习框架，用于从组织病理学和内窥镜图像中增强结直肠疾病的分类诊断	提出了一种独特的三流架构，结合了EfficientNetB3、ResNet50和DenseNet121的优势，并集成了多尺度注意力模块、Squeeze-Excite细化块和渐进门控融合机制，以动态学习上下文感知权重进行最优特征集成	未明确说明模型在更广泛、更多样化数据集上的泛化能力，也未详细讨论在真实临床环境中的部署挑战	开发一种稳健的早期结直肠癌诊断方法，提升计算机辅助诊断工作流的性能	结直肠疾病	计算机视觉	结直肠癌	深度学习	CNN	图像	两个结直肠基准数据集：CRCCD_V1（14类）和LC25000（二分类）	未明确指定，可能为TensorFlow或PyTorch	EfficientNetB3, ResNet50, DenseNet121	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	未明确指定
4298	2025-12-07	AveragedLIME for general explanations in EEG domain 2025-Dec-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121588 PMID:41240887	研究论文	本文提出了一种名为averagedLIME的方法，通过平均LIME生成的局部解释来实现CNN决策的全局解释，特别适用于具有相对稳定空间分布的系统，如基于事件相关电位（ERP）的系统	开发了averagedLIME方法，通过平均局部解释来揭示CNN在EEG数据中的一般模式，相比SHAP和Grad-CAM等现有技术，能产生更一致和可泛化的激活模式	方法主要适用于具有相对稳定空间分布的系统，可能不适用于空间分布变化较大的场景	旨在提高基于深度学习的神经信息学和诊断应用系统的透明度，通过全局解释CNN决策	脑电图（EEG）数据，特别是事件相关电位（ERP）系统	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	CNN	EEG数据	NA	NA	CNN	一致性，可泛化性	NA
4299	2025-12-07	Anatomy-informed deep learning and radiomics for neurofibroma segmentation in whole-body MRI 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102667 PMID:41241992	研究论文	本研究提出了一种结合解剖学信息深度学习和影像组学的流程，用于在全身磁共振成像中分割神经纤维瘤	提出了一种三阶段流程，整合了基于解剖学的高风险区域细化、3D各向异性解剖信息感知U-Net集成以及基于影像组学的假阳性过滤，以提高分割的准确性和特异性	在低肿瘤负荷情况下的分割性能显著下降；专家间的标注一致性有限，反映了任务本身的复杂性	开发一个用于神经纤维瘤病1型患者全身MRI中神经纤维瘤自动分割的流程，以量化肿瘤负荷并辅助临床决策	神经纤维瘤病1型患者的全身磁共振成像	数字病理	神经纤维瘤病	全身磁共振成像	深度学习	医学影像	来自74名NF1患者的109次全身MRI扫描	NA	3D anisotropic anatomy-informed U-Net, 2D nnU-Net, 3D full-resolution nnU-Net	Dice Similarity Coefficient, Volume Overlap Error, Absolute Relative Volume Difference, F1 score	NA
4300	2025-12-07	Deep learning-based dual-energy subtraction synthesis from single-energy kV x-ray fluoroscopy for markerless tumor tracking 2025-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03432-9 PMID:40864422	研究论文	本研究提出了一种基于深度学习的双能量减影合成方法，用于从单能量X射线透视图像中合成双能量减影图像，以增强无标记肿瘤跟踪的准确性	通过深度学习模型从单能量X射线透视图像合成双能量减影图像，避免了依赖特殊硬件的双能量成像限制，提高了肿瘤跟踪的准确性	研究使用了数字体模模拟数据集进行训练，可能未完全覆盖临床实际中的复杂情况，且样本量有限（仅十名肺癌患者）	开发一种无需特殊硬件的双能量减影合成方法，以改善移动肺肿瘤在放射治疗中的无标记跟踪精度	移动肺肿瘤在X射线透视图像中的跟踪，涉及数字体模和临床肺癌患者的透视图像	计算机视觉	肺癌	X射线透视成像	CNN	图像	数字体模模拟数据集和十名肺癌患者的临床单能量X射线透视图像	NA	Residual U-Net	平均跟踪误差（毫米），跟踪成功率（百分比）	NA