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
4461	2025-12-24	Enhancing breast ultrasound segmentation through fine-tuning and optimization techniques: Sharp attention UNet 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0289195 PMID:38091358	研究论文	本文通过比较图像预处理、优化技术和微调不同UNet分割模型的效果，提出了一种结合Sharp UNet和Attention UNet的新型模型Sharp Attention UNet，以提升乳腺超声图像分割性能	设计了一种新型模型Sharp Attention UNet，结合了Sharp UNet和Attention UNet的优点，并在乳腺超声图像分割中取得了优于其他模型的性能	NA	提升乳腺超声图像分割的准确性，特别是在良恶性肿块分割和无肿块区域识别方面	乳腺超声图像	计算机视觉	乳腺癌	深度学习	CNN	图像	NA	NA	UNet, Sharp UNet, Attention UNet, Sharp Attention UNet	Dice系数, 特异性, 敏感性, F1分数	NA
4462	2025-12-24	A comprehensive framework for advanced protein classification and function prediction using synergistic approaches: Integrating bispectral analysis, machine learning, and deep learning 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0295805 PMID:38096313	研究论文	提出了一种结合双谱分析、机器学习和深度学习的新型框架，用于蛋白质分类和功能预测	首次将双谱特征与深度学习技术结合用于蛋白质序列分析，并采用多种CNN拓扑结构进行特征提取和选择	未具体说明所使用蛋白质数据集的详细规模和多样性，也未讨论方法在计算资源消耗方面的表现	开发更高效准确的蛋白质家族识别方法，以改进蛋白质功能预测和分类	蛋白质序列	机器学习	NA	双谱分析	CNN, 机器学习算法	序列数据	多个蛋白质数据集（未指定具体数量）	NA	多种拓扑结构的卷积神经网络	分类质量指标（未具体说明）	NA
4463	2025-12-24	Diagnosis of COVID-19 with simultaneous accurate prediction of cardiac abnormalities from chest computed tomographic images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290494 PMID:38096254	研究论文	本研究开发了一种基于胸部CT图像的深度学习模型，用于同时诊断COVID-19并预测相关心血管异常	首次将迁移学习与CNN结合，实现从同一CT图像中区分COVID-19与其他肺炎，并自动预测COVID-19患者的心血管疾病风险，准确率分别达到99.2%和97.97%	未明确说明样本来源的多样性或模型在外部验证集上的泛化能力	开发一种双重筛查诊断工具，通过胸部CT图像诊断COVID-19并预测其相关心血管并发症	COVID-19患者、其他肺炎患者及健康个体的胸部CT图像	计算机视觉	COVID-19	胸部计算机断层扫描（CT）成像	CNN	图像	NA	NA	NA	准确率	NA
4464	2025-12-24	A study of deep active learning methods to reduce labelling efforts in biomedical relation extraction 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292356 PMID:38100453	研究论文	本研究探讨了深度主动学习方法在减少生物医学关系提取任务中标注工作量的应用	首次系统性地在七个生物医学关系提取数据集上对六种主动学习策略进行基准测试，并评估其学习曲线下面积及中间结果	研究仅基于PubMedBERT模型进行实验，未扩展到其他基础模型；且主动学习策略的泛化能力在不同数据集间可能存在差异	通过主动学习策略减少生物医学关系提取任务中的标注需求，提高数据标注效率	生物医学关系提取任务中的标注数据	自然语言处理	NA	主动学习	BERT	文本	七个生物医学关系提取数据集	PyTorch, Transformers	PubMedBERT	F1分数, 准确率, 精确率, 召回率, 学习曲线下面积	NA
4465	2025-12-24	Positional relationship between ball and fingers for accurate baseball pitching 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0290042 PMID:38113282	研究论文	本研究探讨了棒球投球中球与手指位置关系对释放角变异性的影响	首次详细研究了手指位置与释放角变异性之间的关系，并采用基于深度学习的自动图像识别技术精确获取手指位置	NA	研究棒球投球准确性，特别是减少释放角变异性以提高投球位置一致性	棒球投手的手指与球的位置关系	计算机视觉	NA	深度学习自动图像识别技术	NA	图像	NA	NA	NA	NA	NA
4466	2025-12-23	Multimodal-based deep learning detected disrupted precuneus connectivity and its related genetic profiles for predicting adults with ADHD 2026-Mar-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120821 PMID:41354103	研究论文	本研究采用基于多模态数据的图卷积网络模型预测成人ADHD，并通过下游分析揭示相关病理生理机制	首次将多模态神经影像遗传学数据与图卷积网络结合，用于成人ADHD的预测和机制解释，并识别了关键脑区功能连接及其相关遗传特征	样本量相对有限，模型准确率有待进一步提升，且结果需在独立队列中验证	通过整合神经影像和遗传数据，提高成人注意缺陷多动障碍的诊断准确性和病理生理理解	成人注意缺陷多动障碍患者和健康对照者	神经影像遗传学	注意缺陷多动障碍	功能磁共振成像，基因组学	图卷积网络	功能磁共振成像数据，基因组数据	258名成人ADHD患者和243名对照者	NA	Edge-Variational Graph Convolution Network	准确率	NA
4467	2025-12-23	From wastewater to epidemiological insights: A systematic review of modeling strategies for infectious disease surveillance 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124977 PMID:41260128	综述	本文系统综述了利用废水监测数据进行传染病指标估计与预测的现有建模策略	提供了基于废水监测数据的建模方法的全面分类与批判性评估，强调了跨流行病学和地理背景的模型可迁移性这一关键问题	模型本身存在局限，废水数据存在固有问题，分析流程中临床结果与解释变量的选择、时间对齐、数据预处理、性能评估及结果可解释性等方面存在挑战	支持开发一个稳健且可推广的利用废水数据进行流行病学监测的系统	废水监测数据及其在传染病指标估计与预测中的应用	机器学习	传染病	废水监测	区室模型, 回归模型, 机器学习, 深度学习	废水数据	NA	NA	NA	NA	NA
4468	2025-12-23	Feasibility of Dose Reduction in the Context of Preoperative Diagnostics in Cochlear Implant Surgery With a Photon-Counting Detector CT and Deep Learning-Supported Denoising 2026-Jan-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000004647 PMID:41151028	研究论文	本研究探讨了光子计数探测器CT结合深度学习去噪在降低人工耳蜗植入术前诊断辐射剂量方面的可行性	首次将光子计数探测器CT与深度学习去噪算法结合，评估在人工耳蜗植入规划中实现显著辐射剂量降低的可能性	研究样本量较小（仅4具遗体捐赠者），且深度学习去噪在低于50%剂量水平时效果有限	评估在人工耳蜗植入手术规划中，通过光子计数探测器CT和深度学习去噪降低辐射剂量的可行性	人工耳蜗解剖结构，特别是耳蜗导管长度测量	数字病理学	听力障碍	光子计数探测器CT扫描，深度学习去噪	深度学习算法	CT图像	4具无内耳畸形的遗体捐赠者	NA	ClariAce	Bland-Altman图，耳蜗导管长度测量准确性	NA
4469	2025-12-23	Computer Vision-based Extraction of Structured Data From Scanned Audiograms in the Electronic Health Record 2026-Jan-01, Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology IF:1.9Q2 DOI:10.1097/MAO.0000000000004679 PMID:41191411	研究论文	开发并评估了一种基于计算机视觉的方法，用于从电子健康记录中存储的扫描听力图测试表中提取结构化听力阈值数据	提出了一种不依赖深度学习或手动预处理的轮廓分析计算机视觉流程，用于从扫描听力图中自动提取纯音阈值数据，为大规模听力研究提供了可扩展的解决方案	研究仅基于907份手填听力图测试表，且测试集规模较小（30份听力图），可能限制了方法的泛化能力评估	开发一种计算机视觉方法，以从电子健康记录中的扫描听力图测试表中自动提取结构化听力阈值数据	907份手填听力图测试表，涵盖正常听力、双侧感音神经性、不对称感音神经性、传导性和混合性听力损失配置	计算机视觉	听力损失	轮廓分析、光学字符识别	NA	图像	907份手填听力图测试表（训练集877份，测试集30份）	OpenCV	NA	平均绝对误差, 准确率	NA
4470	2025-12-23	Sequential and ensemble hybrid approaches for left ventricle segmentation in cardiac MR: A systematic mapping 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111337 PMID:41317598	综述	本文系统回顾了心脏磁共振图像中左心室分割的混合方法，提出了一种新的分类体系	提出将混合方法分为顺序型和集成型的新分类，并分析了不同组合的优势与挑战	当前评估方法存在不足，缺乏充分的评估指标、泛化性分析和统计显著性检验	系统回顾和分类心脏磁共振图像中左心室分割的混合方法，以改善现有方法的局限性	心脏磁共振图像中的左心室分割	医学图像分析	心血管疾病	心脏磁共振成像	深度学习网络	图像	NA	NA	NA	NA	NA
4471	2025-12-23	AI-driven transfer learning and classical molecular dynamics for strategic therapeutic repurposing and rational design of antiviral peptides targeting monkeypox virus DNA polymerase 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111372 PMID:41360016	研究论文	本研究结合AI驱动的迁移学习与经典分子动力学，筛选FDA批准药物并设计新型抗病毒多肽，以靶向猴痘病毒DNA聚合酶进行药物重定位和理性设计	开发了集成深度学习药效团模型与自动化多肽生成AI流程的新方法，首次将活性位点残基与知识引导的氨基酸选择相结合用于抗病毒多肽设计	CFC多肽的ADMET预测显示其渗透性和口服生物利用度存在局限性，且研究尚未进行体外或体内实验验证	快速识别针对猴痘病毒DNA聚合酶的新型抗病毒治疗药物和设计抗病毒多肽	猴痘病毒DNA聚合酶	计算生物学	猴痘病毒感染	深度学习药效团模型、分子动力学模拟、MMGBSA分析、ADMET预测	深度学习药效团模型、AI多肽生成流程	分子结构数据、蛋白质序列数据	1974种FDA批准药物库	NA	NA	结合亲和力(kcal/mol)、结合能(kcal/mol)、分子动力学稳定性	NA
4472	2025-12-23	Unraveling blood pressure estimation with a deep learning approach using multiple embeddings 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111377 PMID:41365110	研究论文	本文提出了一种无需校准的深度学习框架，利用脉搏波传导时间及相似性特征，通过注意力引导的卷积神经网络进行血压估计	引入了基于欧几里得和曼哈顿距离矩阵的相似性特征，以增强模式识别并揭示数据中的隐藏模式，结合注意力引导的卷积神经网络进行处理	NA	开发一种无需校准、具有强泛化能力和实时兼容性的血压估计方法	血压（收缩压和舒张压）	机器学习	心血管疾病	脉搏波传导时间计算	CNN	生理信号数据（心电图、光电容积脉搏波）	三个数据集：Cabrini Hospital, PTT PPG, MIMIC-II	NA	注意力引导的卷积神经网络	相关系数R, 平均绝对误差, 符合医疗器械促进协会标准, 英国高血压学会等级	NA
4473	2025-12-23	A novel ensemble transfer learning approach for lung cancer classification using advance VGGNet16 with wavelet transform equalization & CL-PSO 2026-Jan-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111338 PMID:41370952	研究论文	本文提出了一种基于改进VGG-16模型和综合学习粒子群优化的集成迁移学习方法，用于肺癌CT图像的早期分类诊断	提出结合小波变换均衡化预处理、类别加权训练和CL-PSO优化的VGG-16集成迁移学习框架，显著提升了对良性病例的检测灵敏度	研究仅使用单一公开数据集（IQ-OTH/NCCD）进行验证，未在更多临床数据集上进行外部验证	开发高精度、易部署的肺癌早期诊断深度学习模型	肺癌CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, 集成学习	医学图像	IQ-OTH/NCCD数据集	TensorFlow/Keras	VGG-16	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确指定
4474	2025-12-23	Multi-class cancer diagnosis on histopathological images with deep ensemble learning model 2026-Jan-01, 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架构作为元学习器，实现多类癌症诊断	未明确提及模型在不同癌症类型间的泛化能力限制或数据不平衡问题	开发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	大型数据集，包含肺癌、结肠癌、口腔癌和乳腺癌数据，具体样本数量未明确	NA	DenseNet 201, EfficientNet B7, 两层CNN	准确率	NA
4475	2025-12-23	Deep Learning vs Classical Methods in Potency and ADME Prediction: Insights from a Computational Blind Challenge 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01982 PMID:41325513	研究论文	本文通过回顾性分析2025年ASAP-Polaris-OpenADMET抗病毒挑战赛的建模策略，比较了深度学习和经典方法在化合物效力和ADME预测中的性能	通过大规模盲法挑战赛的统计基准测试，首次系统性地证明深度学习在ADME预测上显著优于传统机器学习，而经典方法在效力预测中仍具竞争力	当前研究尚未整合结构引导建模，未来需要进一步探索多模态数据的融合	评估深度学习和经典方法在药物发现中化合物效力和ADME预测的性能差异	化合物效力和ADME（吸收、分布、代谢、排泄）特性	机器学习	NA	NA	深度学习, 传统机器学习	化学化合物数据	来自全球65个以上团队的挑战赛数据集	NA	NA	Pearson相关系数, pIC预测排名, ADME聚合排名	NA
4476	2025-12-23	ProSECFPs: A Novel Fingerprint-Based Protein Representation Method for Missense Mutation Pathogenicity Prediction 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02437 PMID:41340413	研究论文	本文提出了一种基于指纹的蛋白质表示方法ProSECFPs，用于预测错义突变的致病性	提出了一种受化学信息学中扩展连接指纹启发的蛋白质序列表示新方法，能有效捕捉蛋白质的复杂理化特性和序列细节	NA	开发一种高效、可扩展且信息丰富的蛋白质序列表示方法，以预测错义突变的致病性	蛋白质序列及其错义突变	生物信息学	NA	蛋白质序列表示方法	机器学习, 深度学习	蛋白质序列数据	NA	NA	NA	准确率	NA
4477	2025-12-23	BioFusionDTI: Assimilating Graph and Sequence Modalities for Generalizable Drug-Target Interaction Prediction 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02283 PMID:41364795	研究论文	本文提出了一种名为BioFusionDTI的多模态深度学习框架，用于预测药物-靶点相互作用，该框架融合了图结构和序列信息以提高预测的泛化能力和可解释性	提出了一种结合图卷积网络和卷积神经网络的多模态融合框架，并引入双线性注意力网络来捕获细粒度的跨模态交互，从而在冷启动场景下实现更好的泛化性能和可解释性	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算效率方面的具体分析	开发一个能够准确预测药物-靶点相互作用的深度学习模型，以支持药物发现和重定位	药物分子和蛋白质靶点	机器学习	NA	深度学习	GCN, CNN, BAN	图数据, 序列嵌入	三个基准数据集（SNAP、DRH、Kinase）	PyTorch	图卷积网络, 卷积神经网络, 双线性注意力网络	准确性	NA
4478	2025-12-23	Towards trustworthy AI in radiotherapy: a comprehensive review of uncertainty-aware techniques 2025-Dec-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2a9f PMID:41365073	综述	本文对2020年至2025年间应用于放射治疗（RT）领域的不确定性量化（UQ）技术进行了全面的回顾与分析	提出了UQ技术的结构化分类，评估了其对临床工作流程的影响，并强调了新兴趋势，旨在弥合技术进步与临床部署之间的差距	需要进一步努力来标准化评估协议、提高计算效率，并为临床集成开发用户友好的界面	回顾和评估不确定性量化技术在放射治疗AI模型中的应用，以提高其可靠性、可解释性和临床适用性	应用于放射治疗任务（如分割、图像配准、合成图像生成、剂量预测和剂量累积）的AI模型	医学图像分析	NA	不确定性量化	贝叶斯神经网络, Monte Carlo Dropout, 集成学习	医学图像	NA	NA	NA	NA	NA
4479	2025-12-23	Development and Validation of an Artificial Intelligence Surgical Video Analysis Model for Predicting Visceral Pleural Invasion in Lung Cancer Surgery: A Multicenter Study 2025-Dec-22, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18863-9 PMID:41428020	研究论文	本研究开发并验证了一种基于深度学习的模型（VPI-Net），用于在胸腔镜手术中预测肺癌的脏层胸膜侵犯，以提高诊断准确性并指导手术决策	首次开发了基于空间丢弃的残差卷积神经网络（VPI-Net），用于从胸腔镜视频中预测脏层胸膜侵犯状态和风险评分，并在多中心数据上验证其优于外科医生和放射科医生的表现	研究样本量相对有限（总计399名患者），且外部验证集仅包含两家医院的53名患者，可能影响模型的泛化能力	提高肺癌手术中脏层胸膜侵犯的术中诊断准确性，以优化手术决策和改善患者预后	接受胸腔镜手术的肺癌患者	数字病理	肺癌	胸腔镜视频分析	CNN	图像（来自胸腔镜视频）	总计399名患者（内部训练/验证/测试集：346名患者，3367张图像；外部测试集：53名患者，1274张图像）	NA	Residual Convolutional Neural Network (VPI-Net)	AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
4480	2025-12-23	Using deep vision-language models improves multi-task performance in assistance applications for endoscopic ENT surgery 2025-Dec-22, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03512-z PMID:41428176	研究论文	本文开发了一种用于内窥镜耳鼻喉手术辅助的视觉语言模型，通过多任务学习提升图像分类和报告生成性能	采用针对内窥镜领域优化的视觉语言模型架构，首次将图像与文本数据整合用于耳鼻喉手术的多任务辅助应用	在处理不平衡类别分布和结构化模板文本任务时性能提升有限	提升内窥镜耳鼻喉手术辅助应用中多任务学习的性能	内窥镜耳鼻喉手术的图像、解剖描述和手术报告	计算机视觉	耳鼻喉疾病	内窥镜成像	视觉语言模型	图像, 文本	30个标注内窥镜手术过程，包含130,000张多标签图像	NA	视觉语言模型（VLM）	精确率, 召回率, F1分数, BLEU-2, ROUGE-L, 余弦相似度	NA