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
441	2025-12-12	Classifying human vs. AI text with machine learning and explainable transformer models 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27377-z PMID:41360832	研究论文	本研究提出一个综合框架，结合机器学习、序列深度学习和基于Transformer的模型，用于区分人类撰写与GPT生成的文本	采用多种Transformer模型（如BERT、RoBERTa）进行对比，并结合后处理温度缩放和阈值调优以提升校准和精度，同时利用LIME和SHAP进行可解释性分析	NA	区分人类撰写与AI生成的文本，以验证内容真实性和确保语言技术的伦理使用	人类撰写和GPT生成的文本样本	自然语言处理	NA	NA	LSTM, GRU, BiLSTM, BiGRU, BERT, DistilBERT, ALBERT, RoBERTa	文本	20,000个样本	NA	BERT, DistilBERT, ALBERT, RoBERTa	准确率	NA
442	2025-12-12	Deep learning model of post-translational modification regulating liquid-liquid phase separation 2025-Dec-08, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-025-01773-y PMID:41360972	研究论文	本文构建了一个关于翻译后修饰调控液-液相分离的数据库，并开发了基于图神经网络的深度学习模型来预测调控LLPS的功能性磷酸化位点	首次构建了专门针对PTM调控LLPS的数据库PTMPhaSe，并开发了基于图神经网络的预测模型PhosLLPS，其性能优于现有基线模型和FuncPhos-SEQ方法	NA	研究翻译后修饰对液-液相分离的调控机制，并开发预测工具	蛋白质翻译后修饰（特别是磷酸化）及其对液-液相分离的调控	机器学习	NA	NA	图神经网络	生物序列数据	NA	NA	NA	AUC	NA
443	2025-12-12	Context-Aware Deep Learning based Indian Footpath Damage Segmentation Dataset for Risk Assessment 2025-Dec-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06207-x PMID:41361192	研究论文	本文介绍了一个用于印度人行道损伤分割的高分辨率图像数据集，并基于该数据集训练了深度学习模型进行损伤分割和风险评估	提出了首个针对印度城市人行道损伤的像素级分割数据集，包含基于裂缝宽度的严重程度标注，并采用了结合EfficientNet-B3编码器和注意力解码器的U-Net模型以及集成方法进行分割	数据集仅包含单一损伤类别，且采集地点局限于印度浦那市，模型性能仍有提升空间（Dice分数0.6899）	通过自动化基础设施监测来降低行人跌倒风险	人行道损伤（裂缝和表面不平整）	计算机视觉	NA	图像采集与标注	深度学习分割模型	图像	未明确说明具体数量，但为高分辨率图像数据集，采集于印度浦那市不同光照和天气条件下	未明确说明	U-Net, EfficientNet-B3, ResNeXt50_32x4d	Dice分数, IoU, 准确率, 精确率, 召回率, F1分数	NA
444	2025-12-12	Integrating quantile regression with ARIMA and ANN for interpretable and accurate PM2.5 forecasting in Hat Yai, Thailand 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27294-1 PMID:41361220	研究论文	本研究提出了一种结合ARIMA、ANN和分位数回归的新型混合模型，用于提高泰国合艾市PM2.5浓度预测的准确性和鲁棒性	提出了一种集成线性（ARIMA）、非线性（ANN）和分布建模（分位数回归）的新型混合模型，在保持计算效率和高可解释性的同时，显著提升了预测性能，尤其是在极端PM2.5条件下的表现	研究仅使用了泰国合艾市单个监测站（44T站）的数据，模型在其他地理区域或不同污染特征城市的普适性有待验证	开发一种准确、鲁棒且可解释的PM2.5浓度预测模型，以支持有效的空气质量管理和公共健康保护	泰国合艾市（Hat Yai, Songkhla）的每日PM2.5浓度数据	机器学习	NA	时间序列预测，分位数回归	ARIMA, ANN, 混合模型	时间序列数据	1809个每日观测值（2020年1月1日至2024年12月31日），其中训练集1447天，测试集362天	NA	ARIMA(1,1,2), ANN, ARIMA-ANN混合模型, ARIMA-ANN-QREG	MAE, MAPE, MFB	NA
445	2025-12-12	Deep learning-based brain age predicts stroke recurrence in acute ischemic cerebrovascular disease 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02161-5 PMID:41361520	研究论文	本研究开发了一种基于深度学习的脑龄预测模型，用于预测急性缺血性脑血管病患者的卒中复发风险	提出了Mask-based Brain Age estimation Network (MBA Net)，通过掩蔽急性梗死区域来预测非梗死区的上下文脑龄，从而减少急性期神经影像中动态梗死的混淆效应	未明确说明模型在外部验证或不同人群中的泛化能力，以及可能存在的样本选择偏差	开发一种新型生物标志物，用于急性缺血性脑血管病的卒中复发风险分层	急性缺血性脑血管病患者	医学影像分析	脑血管疾病	MRI T2-FLAIR成像	深度学习	医学图像	训练集：5353名健康个体；测试集：10890名急性缺血性脑血管病患者（多中心队列）	NA	Mask-based Brain Age estimation Network (MBA Net)	卒中复发预测的判别性能	NA
446	2025-12-12	Artificial Intelligence-Driven 3D Simulation System for Enhanced Preoperative Planning in Gastric Cancer Surgery: A Retrospective Validation Study 2025-Dec-08, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract IF:2.2Q2 DOI:10.1016/j.gassur.2025.102295 PMID:41371602	研究论文	本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管	结合人工智能模型实现胃部解剖结构的自动识别和三维可视化，以辅助动态器官（胃）的手术规划	研究为回顾性验证，样本量较小（51例），且仅针对胃癌患者，未涉及其他疾病或前瞻性临床试验	开发并验证人工智能驱动的3D模拟系统，以增强胃癌手术的术前规划能力	胃癌患者的术前增强CT图像，包括胃、胰腺、动脉等腹部器官和血管结构	计算机视觉	胃癌	对比增强CT成像	深度学习模型	医学图像（CT图像）	51例胃癌患者的术前CT图像	NA	NA	结构检测置信度评分（五点量表），可靠性评分	NA
447	2025-12-12	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2025-Dec-08, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文回顾了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的诊断应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新型Kolmogorov-Arnold Networks在职业性肺病影像分析中的创新应用	研究普遍依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态与发展前景	职业性肺病的胸部影像（胸片和CT扫描）	计算机视觉	尘肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN	图像	NA	NA	卷积神经网络, CycleGAN, 基于Transformer的因子化编码器, Kolmogorov-Arnold Networks	NA	NA
448	2025-12-12	Multimodal-based deep learning detected disrupted precuneus connectivity and its related genetic profiles for predicting adults with ADHD 2025-Dec-05, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.120821 PMID:41354103	研究论文	本研究利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的病理生理机制	首次采用基于多模态数据的群体图卷积网络模型预测成人ADHD，并结合功能连接与遗传变异进行可解释性分析	样本量相对有限，仅包含501名参与者，且模型准确率为73.55%，仍有提升空间	通过整合神经影像与遗传数据，提升成人注意缺陷多动障碍的诊断与病理机制理解	成人ADHD患者与健康对照者	机器学习	注意缺陷多动障碍	功能磁共振成像，基因组学	图卷积网络	图像，遗传数据	501名参与者（258名ADHD成人，243名对照）	NA	Edge-Variational Graph Convolution Network	准确率	NA
449	2025-12-12	Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient? 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8885 PMID:40533350	研究论文	本研究评估了一种基于CTA的机器学习方法，用于预测大血管闭塞急性缺血性卒中患者在接受成功血管内治疗后，即使最终梗死体积较小，仍可能出现不良功能结局的情况	首次利用预处理CTA图像，通过深度学习模型（DeepsymNet-v3）预测成功血管内治疗后患者的90天功能结局，相比仅使用临床变量的模型，表现出显著更好的预测性能	研究样本量较小（仅48例用于微调和交叉验证），且为多中心前瞻性注册队列，可能存在选择偏倚	评估基于CTA的机器学习模型在预测大血管闭塞急性缺血性卒中患者成功血管内治疗后功能结局方面的性能	大血管闭塞急性缺血性卒中患者，接受成功血管内治疗且最终梗死体积小于30毫升	数字病理学	心血管疾病	CTA（计算机断层扫描血管成像）	深度学习	图像	预训练1542例，微调和交叉验证48例	NA	DeepsymNet-v3, DSN-CTA	AUROC（受试者工作特征曲线下面积）	NA
450	2025-12-12	Both Infarcted and Noninfarcted Brain Regions Contribute to Deep Learning-Based MRI Prediction of Acute Stroke Outcome 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8896 PMID:41198223	研究论文	本研究利用深度学习模型，基于急性缺血性卒中后早期MRI DWI扫描，预测90天卒中结局，并探讨了梗死区和非梗死区对预测准确性的贡献	首次系统性地比较了仅使用梗死体积、全脑图像、梗死掩膜、强度保留梗死掩膜以及病灶中和图像等多种输入对卒中结局预测的影响，并强调了非梗死区域在预测中的重要作用	研究样本量相对有限（449例患者），且仅使用了卒中后1-7天的MRI DWI扫描，未考虑其他时间点或影像模态	预测急性缺血性卒中患者的长期临床结局，并评估不同脑区（包括梗死和非梗死区域）对预测准确性的贡献	急性缺血性卒中患者	数字病理学	心血管疾病	MRI DWI扫描	深度学习模型	图像	449例急性缺血性卒中患者	NA	NA	准确率, 平均绝对误差, AUC	NA
451	2025-12-12	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	本研究开发了一种基于多对比MRI的深度学习模型，用于预测PET淀粉样蛋白状态，以替代传统的PET或CSF检测	首次将T1加权和T2 FLAIR多对比MRI结合使用于深度学习模型，显著提高了预测PET淀粉样蛋白状态的准确性	模型性能仍有提升空间（AUC最高0.71），且样本主要来自公开数据集，可能存在选择偏倚	开发一种非侵入性的MRI-based方法，用于预测阿尔茨海默病患者的淀粉样蛋白沉积状态	阿尔茨海默病患者及轻度认知障碍患者的MRI和PET影像数据	医学影像分析	阿尔茨海默病	MRI（T1加权和T2 FLAIR）、PET	深度学习	医学影像（MRI和PET）	4056例用于模型开发，149例用于外部验证	NA	EfficientNet	AUC, 准确率, 敏感性, 特异性	NA
452	2025-12-12	Dimeric gold nanoparticles enable multiplexed labeling in cryoelectron tomography 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2524034122 PMID:41284882	研究论文	本文介绍了功能化二聚体金纳米粒子在冷冻电子断层扫描中实现多重标记的应用	开发了具有精确尺寸范围和结构均匀性的二聚体金纳米粒子，结合深度学习分类器，实现了在冷冻电子断层扫描中对单体和二聚体金纳米粒子的可靠区分，从而支持在同一冷冻断层图中识别不同的分子靶标	NA	开发一种适用于冷冻电子断层扫描的多重标记方法，以研究生物分子在细胞内的空间组织	金纳米粒子、N-甲基-D-天冬氨酸受体（NMDAR）、脑组织中的谷氨酸能突触间隙	生物成像	NA	冷冻电子断层扫描（cryo-ET）、小角X射线散射（SAXS）、电子显微镜	深度学习分类器	断层图、图像	NA	NA	NA	NA	NA
453	2025-12-12	Light-field deep learning enables high-throughput, scattering-mitigated calcium imaging 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510337122 PMID:41289378	研究论文	本研究提出了一种基于物理的深度神经网络2PiLnet，用于从散射的单光子光场数据中重建具有双光子对比度的体积图像，以实现高通量、抗散射的钙成像	开发了2PiLnet网络，利用双光子体积图像和单光子光场数据进行训练，能够从散射模糊的单光子光场中重建出具有双光子对比度和源限制的体积图像，无需提供目标视场的双光子图像	未明确说明模型在更复杂生物组织或活体动物中的泛化能力，以及训练数据规模和多样性可能存在的限制	实现高通量、抗散射的神经回路活动监测	表达jGCaMP8f的神经元（在新皮质脑切片中）	计算成像	NA	光场显微镜，双光子成像，钙成像	深度神经网络	图像，视频	NA	NA	2PiLnet	信噪比，光学串扰	NA
454	2025-12-12	Connectome of a human foveal retina 2025-Dec-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.05.647403 PMID:40799563	研究论文	本研究利用基于深度学习的细胞和突触连接分割技术，分析了人类中央凹视网膜的完整连接组，揭示了其独特的神经通路和结构特征	首次通过深度学习分割技术获得人类中央凹视网膜的完整连接组，发现了非人类灵长类动物中不存在的突触通路，并提出了基于电突触的锥体光感受器生物物理模型	研究仅基于单个视网膜样本，可能无法完全代表人类中央凹视网膜的多样性；深度学习分割方法可能存在误差，且分类结果仅为临时性	获取人类中枢神经系统结构的完整连接组，以理解人类视觉系统的独特特征	人类中央凹视网膜的细胞和突触连接	计算机视觉	NA	基于深度学习的细胞和突触连接分割技术	深度学习	图像	单个人类中央凹视网膜样本	NA	NA	NA	NA
455	2025-12-12	Deep Learning Detection of Retinitis Pigmentosa Inheritance Forms through Synthetic Data Expansion of a Rare Disease Dataset 2025-Dec-02, Research square DOI:10.21203/rs.3.rs-8002154/v1 PMID:41377980	研究论文	本研究提出了一种基于Vision Transformer的深度学习模型，通过合成数据扩展策略，利用彩色眼底照片自动区分视网膜色素变性的常染色体与X连锁遗传模式	首次将Vision Transformer模型应用于视网膜色素变性遗传模式的分类，并创新性地采用变分自编码器进行数据扩展以解决罕见病数据稀缺问题	研究聚焦于视网膜色素变性，可能无法直接推广到其他遗传性视网膜疾病；数据量虽经扩展但仍相对有限	开发一种自动化方法，通过眼底图像准确分类遗传性视网膜疾病的遗传模式，以辅助诊断和遗传咨询	视网膜色素变性患者的彩色眼底照片	计算机视觉	视网膜色素变性	彩色眼底摄影	Vision Transformer	图像	NA	NA	Vision Transformer	AUC	NA
456	2025-12-12	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本研究提出了一种基于改进去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET图像中动力学参数的后验分布，以量化噪声带来的不确定性	首次将改进的去噪扩散概率模型（iDDPM）应用于动态PET动力学参数的后验分布估计，相比传统MCMC方法计算效率大幅提升（超过230倍），且精度优于现有的CVAE-DD和WGAN-GP方法	研究仅在[18F]MK6240示踪剂研究中进行了验证，未在其他示踪剂或更广泛的疾病类型中测试	开发一种高效、准确的深度学习方法，用于量化动态PET图像中噪声引起的动力学参数估计不确定性	动态脑PET图像中的超磷酸化tau蛋白（p-tau）聚集物动力学参数	医学影像分析	阿尔茨海默病	正电子发射断层扫描（PET），示踪动力学建模	生成对抗网络（GAN），变分自编码器（VAE），扩散模型	动态PET图像	NA	NA	改进去噪扩散概率模型（iDDPM），条件变分自编码器-双解码器（CVAE-DD），带梯度惩罚的Wasserstein GAN（WGAN-GP）	平均误差，标准差误差	NA
457	2025-12-12	A Benchmark Framework for the Right Atrium Cavity Segmentation From LGE-MRIs 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3590694 PMID:40694459	研究论文	本文提出了一个用于从LGE-MRI中分割右心房腔的基准框架，采用两阶段策略和新型3D深度学习网络RASnet	提出了一个基准框架，结合两阶段策略和新型3D深度学习网络RASnet，通过多路径输入、多尺度特征融合模块、Vision Transformers、上下文交互机制和深度监督来解决类别不平衡和解剖变异性的挑战	NA	为右心房腔分割建立一个基准框架，以支持心脏成像应用的准确高效分析	右心房腔	计算机视觉	心血管疾病	LGE-MRI	CNN, Transformer	图像	354个LGE-MRI	NA	RASnet	Dice系数	NA
458	2025-12-12	From images to understanding: Advances in deep learning for cellular dynamics analysis 2025-Dec, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2025.102585 PMID:41037869	综述	本文综述了深度学习在从2D显微图像分析细胞动力学方面的最新进展，涵盖分割、追踪和轨迹提取等关键步骤	强调了深度学习如何补充传统算法，并讨论了确保分析科学可靠和可访问性的新兴趋势	NA	为计算专家和生物学家提供桥梁，指导他们在这个快速发展的领域中选择适合特定研究问题的方法	细胞动力学分析	数字病理学	NA	2D显微成像	深度学习模型	图像	NA	NA	NA	NA	NA
459	2025-12-12	Membrane and vesicle structure detection in cryo-electron tomography based on deep learning 2025-Dec, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108258 PMID:41176036	研究论文	本文提出了一种结合多种深度学习架构的卷积神经网络，用于在冷冻电子断层扫描图像中自动检测膜和囊泡结构	提出了一种混合架构，结合了U-Net、DeepLab、SegNet、Gated-SCNN、LSTM、RNN和GAN的特征，以有效学习识别不同类型的膜并模拟熟练人工标注者的行为	未明确提及具体限制，如数据集规模、模型泛化能力或计算资源需求	开发自动算法以处理冷冻电子断层扫描数据中的语义分割任务，减少人工标注的主观性和时间消耗	生物样本中的细胞膜和囊泡结构	计算机视觉	NA	冷冻电子断层扫描	CNN, LSTM, RNN, GAN	图像	NA	NA	U-Net, DeepLab, SegNet, Gated-SCNN	NA	NA
460	2025-12-12	MultiEpilepsyNet: An EEG and MRI data based multimodal seizure detection model using hybrid deep learning model 2025-Dec, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111645 PMID:41265493	研究论文	本文提出了一种名为MultiEpilepsyNet的新型多模态癫痫发作检测框架，该框架结合了联邦学习和混合深度学习模型，利用EEG和MRI数据进行协作学习	提出了一种结合联邦学习与混合深度学习模型的多模态癫痫发作检测框架，引入了SeizureFed-Net联邦架构、融合BBIDNet与FD-TMS的SeizureShieldNet混合模型、用于特征选择的JWHO优化器以及用于MRI预处理的改进版3D UNet++架构EpiSkullNet++	未在摘要中明确说明	开发一种准确、隐私保护且具有强泛化能力的癫痫发作检测解决方案，以解决现有方法在数据集中化、模态泛化性差、特征提取次优及抗噪性弱等方面的挑战	癫痫患者	数字病理学	癫痫	EEG, MRI	混合深度学习模型, LSTM, DQN	EEG信号, MRI图像	使用了CHB-MIT EEG数据集和一个癫痫MRI数据集两个基准数据集，具体样本数量未在摘要中说明	NA	BBIDNet, FD-TMS, 3D UNet++	准确率	NA