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
421	2025-12-12	Enhanced pedestrian walkway object detection using deep learning and pelican optimization algorithm for assisting disabled persons 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32129-0 PMID:41372505	研究论文	本文提出了一种结合深度学习与鹈鹕优化算法的增强型行人步道物体检测方法，旨在辅助视障人士导航	提出EPWOD-POAADP方法，首次将Faster R-CNN、CapsNet、小波神经网络与鹈鹕优化算法相结合，用于行人步道物体检测与分类	仅在UCSD异常检测数据集上进行评估，未在实际复杂行人步道场景中验证，且未说明模型对实时性要求的满足程度	通过物体检测技术增强行人步道环境感知能力，辅助视障人士独立导航	行人步道中的物体（如人工或自然引导标识）	计算机视觉	视力障碍	深度学习，机器学习	Faster R-CNN, CapsNet, WNN	图像	使用UCSD异常检测数据集（具体样本数量未说明）	未明确说明（可能为TensorFlow或PyTorch）	Faster R-CNN, CapsNet, 小波神经网络	未明确说明具体指标（仅提及性能提升）	未明确说明
422	2025-12-12	A multi-dimensional lightweight attention-enhanced model for medical image segmentation 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32147-y PMID:41372542	研究论文	提出一种多维轻量级注意力增强模型用于医学图像分割，以解决传统CNN全局依赖建模不足和计算复杂度高的问题	集成全维度动态卷积和掩码注意力机制，在空间、通道和核数量维度进行自适应建模，以较低计算成本扩大有效感受野并聚焦关键边界	未明确说明模型在更复杂或罕见病变类型上的泛化能力，以及在实际临床部署中的具体资源需求	开发一种高效且准确的医学图像分割方法，适用于资源受限的医疗场景	医学图像中的病变或解剖结构	计算机视觉	NA	深度学习	CNN, 注意力机制	图像	基于三个公共基准数据集	NA	多维轻量级注意力增强模型	分割精度, 推理效率	NA
423	2025-12-12	Changes of bone, adipose, and muscle-related body compositions in gastric cancers after gastrectomy using deep learning based automatic segmentation 2025-Dec-10, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04530-6 PMID:41372761	研究论文	本研究利用基于深度学习的自动分割工具，分析了胃癌患者胃切除术后12个月内骨骼、脂肪和肌肉相关身体成分的变化，并基于临床病理特征进行了亚组分析	首次应用基于人工智能的自动分割工具来量化胃癌患者胃切除术后身体成分的长期变化，并系统评估了不同临床病理特征对变化的影响	研究为回顾性设计，样本量相对较小（146例），且仅评估了术后12个月的变化，缺乏更长期的随访数据	探究胃癌患者胃切除术后身体成分的变化规律及其与临床病理特征的关系	146例接受胃切除术的胃癌患者	数字病理学	胃癌	基于深度学习的自动分割	深度学习模型	医学影像数据	146例胃癌患者	NA	NA	p值, FDR校正	NA
424	2025-12-12	Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study 2025-Dec-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02109-x PMID:41372855	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
425	2025-12-12	A personalized automated system of 3D facial soft tissue landmarks annotation based on deep learning and computer vision 2025-Dec-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07448-3 PMID:41372865	研究论文	本研究开发了一种基于深度学习和计算机视觉的个性化自动化系统，用于标注三维面部软组织标志点	通过标准化面部模板构建、三维面部非线性配准和个性化关键点转移，实现了一次性个性化标注标准模板并自动批量映射到多个面部扫描模型，针对严重错颌畸形构建了畸形特异性个性化模板	样本量相对较小（55名患者），且仅针对中国正畸患者，可能限制了系统的泛化能力	开发并评估一个自动化系统，用于高效精确地标注三维面部软组织标志点，以支持面部形态学研究	55名中国正畸患者（包括40名正常面部形态和15名严重颅面畸形患者）	计算机视觉	错颌畸形	三维面部扫描	深度学习	三维图像	55名患者	NA	NA	平均欧几里得距离, 比例分析, 线性测量误差, 角度测量误差	NA
426	2025-12-12	Sepsis mortality prediction using machine learning and deep learning - a systematic review 2025-Dec-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03286-z PMID:41372900	系统综述	本文系统综述了利用机器学习和深度学习技术基于电子健康记录预测脓毒症死亡率的研究现状	首次对基于电子健康记录的脓毒症预测ML/DL研究进行系统性梳理，揭示了该领域在数据、模型和评估标准方面的异质性	纳入研究多为回顾性，存在数据异质性、定义不一致、质量评估不统一等问题，缺乏标准化评估指标	评估机器学习和深度学习在脓毒症预测中的应用效果与发展现状	脓毒症患者	机器学习	脓毒症	电子健康记录分析	机器学习,深度学习	电子健康记录	39项研究（北美19项、亚洲13项、欧洲6项、澳大利亚1项）	NA	NA	NA	NA
427	2025-12-12	Machine learning to predict food effects during drug development: a comprehensive review 2025-Dec-10, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01131-z PMID:41372958	综述	本文全面回顾了机器学习在药物开发过程中预测食物效应方面的应用、能力、挑战及未来前景	系统性地评估了机器学习相较于传统方法在预测食物-药物相互作用方面的预测能力和准确性，并探讨了将机器学习与PBPK建模等新兴技术结合的前景	面临数据质量、模型泛化能力以及如何整合到药物开发流程中的挑战	评估机器学习在预测食物效应以辅助药物制剂和剂量设计方面的应用	食物效应预测及其对药物生物利用度的影响	机器学习	NA	NA	监督学习, 无监督学习, 强化学习	食物数据集信息	NA	NA	NA	预测准确性	NA
428	2025-12-12	CRLM-GAN: a feature-constrained GAN-based deep learning framework for multi-parametric MRI-based segmentation of colorectal liver metastases before and after chemotherapy 2025-Dec-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00964-z PMID:41372955	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
429	2025-12-12	An uncertainty-driven gated feature selection network (UGFS-Net) for TG level prediction: linking high-altitude exposure to lipid metabolism disorder via elevated TG 2025-Dec-10, Lipids in health and disease IF:3.9Q2 DOI:10.1186/s12944-025-02826-w PMID:41372990	研究论文	本研究提出了一种名为UGFS-Net的可解释深度学习模型，用于预测高海拔移民的甘油三酯水平，并揭示了高海拔暴露通过关键生物标志物网络影响脂质代谢紊乱的机制	开发了不确定性驱动的门控特征选择网络，结合了不确定性驱动的样本重加权和困难样本挖掘策略，提升了模型预测性能与可解释性	样本量相对有限（低海拔居民96人，高海拔移民388人），且研究人群特定，可能限制模型的泛化能力	预测高海拔移民的甘油三酯水平，并探索高海拔缺氧与脂质代谢紊乱之间的关联	低海拔居民和高海拔移民的临床指标数据	机器学习	心血管疾病	临床指标测量	深度学习模型	临床指标数据	低海拔居民96人，高海拔移民388人	NA	UGFS-Net	R², 校准指标, 皮尔逊相关系数	NA
430	2025-12-12	Deep learning-based identification of periodontal infrabony defects with regenerative potential: A multicenter retrospective study 2025-Dec-10, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70039 PMID:41373085	研究论文	本研究开发了一种结合YOLO V8和nnU-Net V2的双模型深度学习框架，用于在口腔平行投照X线片上自动识别、量化牙周骨下缺损并提供手术指导	首次提出了一种结合目标检测（YOLO V8）和语义分割（nnU-Net V2）的双模型AI框架，用于牙周骨下缺损的自动化分析，并引入了基于颜色编码的临床指南对齐手术推荐系统	研究为回顾性多中心研究，未来需要前瞻性研究进一步验证；模型在外部数据集上进行了测试，但样本量（n=93）相对有限	开发一个自动化、客观的AI系统，以改进牙周骨下缺损的影像学评估和再生手术规划	牙周骨下缺损	数字病理学	牙周病	口腔平行投照X线摄影	CNN	图像	580张口腔平行投照X线片（内部数据集387张，外部数据集93张），来自三家医疗机构	PyTorch	YOLO V8, nnU-Net V2	Dice系数, 平均绝对误差, 灵敏度, 特异度, F1分数, 准确率	NA
431	2025-12-12	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2025-Dec-10, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	通过交叉注意力融合模块整合局部与全局特征，并利用知识蒸馏实现轻量级网络，在保持高精度的同时提升临床部署效率	模型计算复杂度较高，对计算资源要求较大	利用人工智能加速前列腺癌的早期检测与诊断	前列腺癌病理图像	数字病理学	前列腺癌	组织病理学图像分析	CNN, Transformer	图像	使用公开的PANDA数据集进行训练和测试	PyTorch, TensorFlow	VGG-16, DenseNet-121, AlexNet, Vision Transformer (ViT)	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU（具体型号未提及）, 评估了参数量、FLOPs、GPU内存和推理时间
432	2025-12-12	An interdisciplinary approach in teaching RNA secondary structure prediction to first-year undergraduate students using an automated deep learning RNA 3D model prediction tool 2025-Dec-09, Journal of microbiology & biology education IF:1.6Q2 DOI:10.1128/jmbe.00139-25 PMID:40844273	研究论文	本文介绍了一种面向大一本科生的跨学科教学方法，利用自动化深度学习工具trRosettaRNA预测siRNA的二级结构，以整合人工智能与RNA科学概念	首次将自动化深度学习RNA 3D结构预测工具trRosettaRNA引入本科教学，设计无湿实验室的探究式研讨会，简化AI与RNA科学的跨学科整合	活动仅针对大一健康科学本科生设计，可能未覆盖高级或专业内容；且依赖于特定工具trRosettaRNA，未涉及其他AI方法比较	开发一种跨学科教学方法，将人工智能工具应用于RNA二级结构预测教学，以培养下一代科学家在生物技术领域使用AI平台的能力	大一健康科学本科生	机器学习	NA	RNA二级结构预测，siRNA设计	深度学习	RNA序列数据	NA	NA	trRosettaRNA	NA	NA
433	2025-12-12	A novel ensemble transfer learning approach for lung cancer classification using advance VGGNet16 with wavelet transform equalization & CL-PSO 2025-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111338 PMID:41370952	研究论文	本研究提出了一种基于改进VGG-16模型和综合学习粒子群优化算法的深度学习框架，用于早期肺癌的CT图像分类	结合小波变换均衡化预处理、类别加权训练和CL-PSO优化算法，显著提升了模型对良性病例的检测敏感性和整体分类性能	研究仅使用单一数据集（IQ-OTH/NCCD）进行验证，未在更多外部数据集上测试泛化能力	开发高精度、可实时部署的肺癌早期诊断系统	肺部CT扫描图像	计算机视觉	肺癌	CT成像	CNN	图像	IQ-OTH/NCCD数据集（具体样本数未明确说明）	TensorFlow, PyTorch（未明确指定）	VGG-16	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确说明
434	2025-12-12	Multi-class cancer diagnosis on histopathological images with deep ensemble learning model 2025-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111381 PMID:41370953	研究论文	本研究提出了一种基于深度集成学习的计算机辅助癌症诊断方法，用于在组织病理学图像上检测多种癌症类型	采用基于堆叠的集成学习模型，结合迁移学习，使用DenseNet 201和EfficientNet B7作为基础学习器，以及两层CNN作为元学习器，实现对多种癌症的高精度分类	未明确提及模型在不同数据集上的泛化能力或外部验证结果	开发一种计算机辅助癌症诊断方法，以帮助医疗专业人员进行诊断决策	组织病理学图像中的肺癌、结肠癌、口腔癌和乳腺癌	数字病理学	肺癌, 结肠癌, 口腔癌, 乳腺癌	图像处理, 深度学习	CNN, 集成学习	图像	使用包含肺癌、结肠癌、口腔癌和乳腺癌数据的大型数据集进行训练和测试	NA	DenseNet 201, EfficientNet B7, 两层CNN	准确率	NA
435	2025-12-12	Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization 2025-Dec-09, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.128051 PMID:41371096	综述	本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发及表征中的应用	系统性地阐述了AI技术（特别是ML和DL）如何成为理性疫苗设计的关键基础，并详细说明了其在疫苗开发各关键步骤（如表位预测、抗原性评分、免疫原结构设计等）中的具体应用	数据可用性存在限制	描述ML和DL如何辅助理性疫苗设计，并阐明其在疫苗靶点选择、设计、开发及表征中的作用	疫苗开发过程	机器学习	传染病	NA	ML, DL	NA	NA	NA	NA	NA	NA
436	2025-12-12	panHiTE: a comprehensive and accurate pipeline for TE detection in large-scale population genomes 2025-Dec-09, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101669 PMID:41376169	研究论文	本文介绍了一种用于大规模群体基因组中检测转座元件（TE）的综合且准确的工具panHiTE	提出动态更新的全局TE库以提高计算效率并适用于超大基因组；通过重新比对候选元件至群体基因组来准确重建全长TE；集成新型深度学习检测算法以提升LTR-RT检测的敏感性和精确度；采用容错冗余去除算法高效分组不同家族成员	未明确说明	开发一种用于大规模群体基因组中准确检测和注释转座元件（TE）的工具	植物基因组（如小麦、玉米、拟南芥）中的转座元件（TE）	生物信息学	NA	高通量测序	深度学习	基因组序列数据	26个玉米基因组和32个拟南芥种质	NA	NA	敏感性，精确度	NA
437	2025-12-12	Intelligent retinal disease detection using deep learning 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28376-w PMID:41354757	研究论文	本研究提出了一种基于深度学习的自动化方法，用于使用眼底图像对多种视网膜疾病进行分类	结合了人工神经网络、MobileNetV2和DenseNet121架构，并采用主成分分析和离散小波变换进行特征提取和降维，实现了多类别视网膜疾病的高精度分类	未明确提及模型在外部验证集或临床实际应用中的泛化能力，也未讨论数据集的潜在偏差或模型的可解释性	开发一种自动化系统，以辅助眼科医生通过眼底图像准确、高效地检测和分类视网膜疾病	眼底图像，用于区分健康眼睛与患有糖尿病视网膜病变、白内障或青光眼的眼睛	计算机视觉	视网膜疾病	眼底成像	ANN, 深度学习	图像	NA	NA	MobileNetV2, DenseNet121	准确率	NA
438	2025-12-12	Integrating CT-based radiomics and deep learning for invasive prediction of ground-glass nodules in lung adenocarcinoma: a multicohort study 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02156-6 PMID:41359094	研究论文	本研究旨在探索一种结合放射组学特征和深度学习表示的多实例学习框架，用于预测肺腺癌中磨玻璃结节的侵袭性	提出了一种新颖的多实例学习框架，整合了放射组学特征和深度学习表示，以预测磨玻璃结节的侵袭性，为特征融合提供了新视角	研究为回顾性分析，可能存在选择偏倚；模型性能在不同数据集上略有波动	预测肺腺癌中磨玻璃结节的侵袭性，以辅助术前临床决策	肺腺癌患者的磨玻璃结节	计算机视觉	肺癌	CT成像	多实例学习, 深度学习	CT图像	来自1182名肺腺癌患者的1247个磨玻璃结节，涵盖六家医院	NA	ExtraTrees, 3D深度学习模型, 2.5D深度学习模型	AUC, 校准曲线, 决策曲线分析	NA
439	2025-12-12	Deep learning-enhanced super-resolution diffusion-weighted liver MRI: improved image quality, diagnostic performance, and acceleration 2025-Dec-08, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02150-y PMID:41359109	研究论文	本研究探讨了深度学习重建对肝脏扩散加权成像图像质量的影响及其在区分良恶性肝脏局灶性病变方面的能力	首次将深度学习重建应用于加速采集的肝脏扩散加权成像，在将采集时间减半的同时，显著提升了图像质量和诊断性能	研究为单中心设计，且未详细说明深度学习模型的具体架构和训练细节	评估深度学习重建技术对肝脏扩散加权成像图像质量及良恶性病变鉴别诊断性能的提升效果	疑似肝脏疾病并接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	扩散加权成像，深度学习重建	深度学习模型	MRI图像	193名患者（128名男性，65名女性，年龄23-81岁）	NA	NA	AUC, 信噪比, 对比噪声比, 边缘上升距离, 定性Likert评分	NA
440	2025-12-12	Mammo-AGE: deep learning estimation of breast age from mammograms 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65923-5 PMID:41360762	研究论文	本文提出了一种基于深度学习的方法，利用健康乳腺X光片估计乳腺的生物年龄	首次开发了基于乳腺X光片的深度学习模型来估计乳腺生物年龄，并探索其与乳腺癌风险的关系	NA	开发一种从乳腺X光片中估计乳腺生物年龄的深度学习模型，并评估其在乳腺癌风险分层和诊断中的潜力	乳腺X光片	数字病理学	乳腺癌	深度学习	CNN	图像	95,826张乳腺X光片，来自44,497名年龄在18至98岁的女性	NA	NA	平均绝对误差, 风险比	NA