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
4881	2025-12-18	ClusterNet: Classifying Single-Molecule Localization Microscopy Datasets with Graph-Based Deep Learning of Supracluster Structure 2025-Dec, Small science IF:11.1Q1 DOI:10.1002/smsc.202500255 PMID:41395524	研究论文	本文提出了一种基于图深度学习的管道，用于分类单分子定位显微镜点云数据，通过结合单个簇特征和簇间结构，实现了高精度分类	首次将图深度学习应用于SMLM点云数据的分类，并引入了超簇结构特征，显著提升了分类性能	方法主要针对SMLM数据，可能不适用于其他类型的显微成像数据，且在新数据集上的泛化能力需进一步验证	开发一种能够分类SMLM点云数据中大于单个簇结构的自动化方法，以识别和分组不同样本类型	单分子定位显微镜点云数据集，包括开源DNA-PAINT模型数据集和结直肠癌组织的新SMLM数据集	计算机视觉	结直肠癌	单分子定位显微镜，DNA-PAINT	图神经网络	点云数据	NA	NA	ClusterNet	准确率	NA
4882	2025-12-18	Integrating machine learning models to assess the combined risk of diabetes and tuberculosis in populations 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.014 PMID:41402001	研究论文	本研究提出了一种整合机器学习模型的方法，用于评估人群中糖尿病和结核病的联合风险	采用多任务学习框架同时建模糖尿病和结核病的风险因素，并整合了多种机器学习模型及集成学习策略，以处理临床、人口统计学、实验室、影像学和社会经济等多源数据	面临数据异质性、人群层面信息不足以及AI驱动医疗评估可解释性需求等挑战	评估人群中糖尿病和结核病的联合风险，以支持早期诊断和预防性筛查	糖尿病和结核病共存的患者群体	机器学习	糖尿病, 结核病	NA	逻辑回归, 随机森林, XGBoost, 深度学习	临床数据, 人口统计学数据, 实验室数据, 影像学数据, 社会经济数据	NA	NA	NA	召回率, F1分数, 准确率, AUC-ROC	NA
4883	2025-12-18	Machine learning-based early detection of tuberculosis in asymptomatic high-risk populations 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.10.005 PMID:41402014	研究论文	本文提出了一种结合对比预训练与微调视觉Transformer的机器学习框架，用于在无症状高风险人群中早期检测结核病	提出CPT-TB框架，结合对比预训练与视觉Transformer，通过自注意力机制捕获全肺野的细微病理模式，相比传统CNN在准确率上有显著提升	研究依赖于公开数据集，样本量有限（4200张图像），且未在更广泛或多样化的临床环境中进行外部验证	开发一种可扩展、非侵入性的筛查方法，用于在资源有限环境中早期检测结核病，促进主动病例发现	无症状高风险人群（如家庭接触者、免疫功能低下者、拥挤环境居住者）的胸部X光图像	计算机视觉	结核病	胸部X光成像	Transformer	图像	4200张胸部X光图像（3500张正常，700张来自结核病患者）	PyTorch	Vision Transformer	AUC, 准确率, 灵敏度, 特异性	NA
4884	2025-12-18	Deep learning on genomic sequences for rapid identification of drug-resistant tuberculosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.020 PMID:41402010	研究论文	本研究开发并测试了基于深度学习的方法，用于从结核分枝杆菌的原始基因组序列中快速准确地预测耐药性	利用Transformer模型处理原始基因组序列，自动学习特征以预测耐药性，避免了传统方法中耗时的手动特征工程	研究主要基于公开可用的全基因组测序数据，未来需要整合更多类型的数据集以提高临床适用性	开发一种快速、准确的深度学习模型，用于识别结核分枝杆菌的耐药性，以应对全球公共卫生挑战	结核分枝杆菌（Mycobacterium tuberculosis）的基因组序列	机器学习	结核病	下一代测序（NGS）	Transformer, CNN, RNN	基因组序列	大规模公开可用的全基因组测序文件，具体数量未明确说明	未明确说明，可能包括TensorFlow, PyTorch等	Transformer, CNN, RNN	准确率, 精确率, 召回率, F1分数, AUC-ROC	未明确说明
4885	2025-12-18	Hybrid deep learning system combining radiological and clinical data for improved tuberculosis diagnosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.006 PMID:41402017	研究论文	本文提出了一种结合放射学和临床数据的混合深度学习系统，用于提高结核病的诊断准确性	提出了一种跨模态注意力模块，使图像标记能够关注临床标记，并通过对比预训练目标对齐来自同一患者的放射学和临床表示	未明确提及具体限制，但可能包括数据集的多样性和模型在资源有限环境中的泛化能力	提高结核病的诊断准确性和可解释性	结核病患者	计算机视觉	结核病	胸部X射线和计算机断层扫描	Transformer	图像, 表格数据	两个开放访问队列（TB Portals 和 Integrated Mycobacterial CT）	NA	Vision Transformer, Tabular Transformer	AUC, 准确率	NA
4886	2025-12-18	Deep learning for automated sputum smear microscopy in tuberculosis diagnosis 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2025.11.004 PMID:41402013	研究论文	本研究利用深度学习技术自动化结核病诊断中的痰涂片显微镜检查，通过训练卷积神经网络模型检测抗酸杆菌，旨在提高诊断效率和准确性	提出了一种基于深度学习的自动化痰涂片显微镜分析方法，使用自定义CNN、ResNet50和EfficientNetB0架构，并通过数据增强和类别不平衡处理优化模型性能，展示了EfficientNetB0在结核病诊断中的优越表现	模型尚未在临床工作流程中广泛验证，且数据主要来自特定实验室环境，可能受染色和光照变化影响，未来需在多样化地理区域进行测试	开发自动化结核病诊断方法，以替代传统手动显微镜检查，提高诊断速度和准确性，特别是在资源有限的环境中	痰涂片显微镜图像中的抗酸杆菌	计算机视觉	结核病	Ziehl-Neelsen染色显微镜检查	CNN	图像	8000张数字化显微镜图像	NA	自定义CNN, ResNet50, EfficientNetB0	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
4887	2025-12-18	PLMABFW: A deep learning framework for predicting Antibody-Antigen interactions using protein language model 2025-Dec, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720025500209 PMID:41403223	研究论文	本文提出了一种名为PLMABFW的深度学习框架，用于预测抗体-抗原相互作用，特别针对SARS-CoV-2中和抗体的识别	通过编码技术和网络架构设计区分同源抗原，结合预训练蛋白质语言模型ESM-2和AntiBERTy编码序列，并引入抗原特征及其转置版本以增强信息捕获	未明确说明框架在其他病毒或疾病类型中的泛化能力，且依赖于特定数据集进行验证	开发计算方法来预测抗体-抗原相互作用，以识别中和抗体，应对SARS-CoV-2变种挑战	SARS-CoV-2病毒的中和抗体及其与抗原的相互作用	机器学习	COVID-19	蛋白质语言模型，深度学习	深度学习框架	蛋白质序列数据	收集了SARS-CoV-2中和数据集，具体样本数量未明确说明	未明确指定，但代码在GitHub上可用	未指定具体架构，但基于预训练模型ESM-2和AntiBERTy	未明确列出，但通过对比现有工具（如AbAgIntPre、DeepAAI、HDOCK、LSTM-PHV）进行评估	NA
4888	2025-12-18	Angle-distance decomposition based on deep learning for active sonar detection 2025-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0041861 PMID:41405226	研究论文	本文提出了一种基于深度学习的主动声纳目标检测方法，通过将检测过程分解为角度和距离估计任务来提高性能	采用角度-距离分解的深度学习框架，结合迁移学习和仿真数据来解决水下声学数据有限的问题	未明确说明实验数据的具体规模或在实际复杂环境中的泛化能力	提高复杂水下环境中主动声纳目标检测的准确性和鲁棒性	水下目标	机器学习	NA	主动声纳	深度学习模型	声纳信号数据	NA	NA	NA	NA	NA
4889	2025-12-18	Advances of semiconductor gas sensor on multi-parameter sensing and features extraction methods 2025-Dec-01, The Review of scientific instruments DOI:10.1063/5.0275499 PMID:41405400	综述	本文系统回顾了半导体气体传感器在多参数传感、漂移补偿和特征提取方法方面的最新进展	全面梳理了多参数数据采集、漂移补偿策略及特征提取方法的最新进展，并指出了未来混合传感平台、自适应漂移校正框架和可解释算法模型等研究方向	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行总结和展望	回顾半导体气体传感器在多参数传感、漂移补偿和特征提取方面的技术进展，以提升复杂环境下的气体检测精度和可靠性	半导体气体传感器及其相关技术方法	传感器技术	NA	传感器阵列、温度调制、光学调制	深度学习	多参数传感器数据	NA	NA	NA	识别准确率、分类准确率	NA
4890	2025-12-18	Artificial intelligence-driven longitudinal quantification of technetium pyrophosphate uptake in cardiac amyloidosis: Correlation with multimodality imaging and outcomes 2025-Nov-27, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102573 PMID:41314377	研究论文	本研究利用深度学习技术纵向量化转甲状腺素蛋白心脏淀粉样变性患者中锝-99m焦磷酸盐的摄取，并探讨其与多模态影像参数变化及临床结局的相关性	首次应用深度学习方法对ATTR-CM患者的连续99mTc-PYP影像进行自动化定量分析，并验证其作为治疗反应监测生物标志物的临床价值	单中心回顾性研究，样本量有限（85例），随访时间相对较短，缺乏外部验证队列	评估深度学习量化99mTc-PYP摄取在ATTR-CM治疗监测中的临床应用价值	诊断为转甲状腺素蛋白心脏淀粉样变性的患者	数字病理学	心血管疾病	99m-锝焦磷酸盐核素显像，超声心动图，心血管磁共振	深度学习	医学影像	85例ATTR-CM患者（中位年龄79岁，89%为男性）	未明确说明	未明确说明	相关系数（ρ），风险比，P值	NA
4891	2025-12-18	Artificial intelligence tools for the assessment and management of dysphagia: protocol for a scoping review 2025-Nov-26, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-108726 PMID:41298263	综述	本文是关于人工智能工具在吞咽困难评估与管理中应用的范围综述研究方案	首次系统性地规划对人工智能（包括机器学习和深度学习）在吞咽困难领域应用文献的范围综述，旨在填补现有文献综合的空白	排除仅涉及儿科人群的研究，且不涉及患者个体数据的收集	系统梳理和综合人工智能工具在吞咽困难评估与管理方面的现有文献，为临床实施提供更清晰的指南	关注人工智能工具（如机器学习、深度学习和计算机视觉）用于评估和管理吞咽困难的研究	自然语言处理, 计算机视觉, 机器学习	吞咽困难	NA	NA	文本	NA	NA	NA	NA	NA
4892	2025-12-18	MedNet: a lightweight attention-augmented CNN for medical image classification 2025-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25857-w PMID:41290816	研究论文	提出一种名为MedNet的轻量级注意力增强CNN模型，用于医学图像分类任务	结合深度可分离卷积与CBAM注意力机制，高效提取并精炼空间和上下文相关特征，在保持高精度的同时显著减少参数和计算成本	仅在公开的MedMNIST和Fitzpatrick17k数据集上进行了验证，未在更多样化或更大规模的临床数据集上进行测试	开发一种高效、轻量化的深度学习架构，以提升医学图像分类的准确性和泛化能力	医学图像分类任务	计算机视觉	皮肤病	NA	CNN	图像	DermaMNIST、BloodMNIST、OCTMNIST（来自MedMNIST）和Fitzpatrick17k数据集	NA	ResidualDSCBAMBlock, CBAM	准确率	NA
4893	2025-12-18	Development and validation of a machine learning-based prognostic model for gastric cancer: a multicenter retrospective study 2025-Nov-21, Langenbeck's archives of surgery DOI:10.1007/s00423-025-03883-6 PMID:41269322	研究论文	本研究开发并验证了一种基于机器学习的胃癌预后预测模型，并在多中心真实世界数据中进行了评估	首次将多种特征选择方法与四种建模算法（包括Cox、RSF、CoxBoost和Deepsurv_Cox）结合，构建了用于胃癌总体生存期和癌症特异性生存期预测的集成模型，并在独立测试中超越了传统的TNM分期系统	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的表现仍需在更多样化的患者群体中进一步确认	开发并验证一种基于机器学习的胃癌预后预测模型，以提高生存预测的准确性	胃癌患者	机器学习	胃癌	NA	Cox, RSF, CoxBoost, Deepsurv_Cox	临床数据	SEER数据库21,559名患者，两个中国医疗中心3,805名患者	NA	集成模型（堆叠模型）	C-index, 综合Brier评分, 平均AUC, 时间依赖性ROC曲线, 决策曲线分析	NA
4894	2025-12-18	Application of MobileNet and Xception neural networks to identify Sillago sihama populations in Vietnam's coastal waters based on otolith morphology 2025-Nov, Journal of fish biology IF:1.7Q2 DOI:10.1111/jfb.70130 PMID:40731378	研究论文	本研究应用MobileNet和Xception深度学习模型，基于耳石形态对越南沿海水域的印度-太平洋鳕鱼种群进行识别	首次将MobileNet和Xception深度学习模型应用于耳石形态分析，显著提升了鱼类种群分类的准确性	研究仅基于越南三个沿海区域的样本，可能无法代表更广泛地理范围内的种群多样性	通过耳石形态分析识别越南沿海印度-太平洋鳕鱼的种群结构	越南沿海三个区域（包括Son Cha和Cat Ba）的印度-太平洋鳕鱼耳石样本	计算机视觉	NA	耳石形态分析	CNN	图像	来自越南三个沿海区域的印度-太平洋鳕鱼耳石样本	NA	MobileNet, Xception	准确率	NA
4895	2025-12-18	Effectiveness of AI-Based Tools in Detecting Diabetic Retinopathy in Low- and Middle-Income Countries: A Systematic Review of Diagnostic Performance and Implementation Feasibility 2025-Nov, Cureus DOI:10.7759/cureus.96554 PMID:41393614	系统综述	本文系统综述了在低收入和中等收入国家中，基于AI的工具在检测糖尿病视网膜病变方面的诊断性能和实施可行性	聚焦于低收入和中等收入国家，系统评估AI工具在糖尿病视网膜病变筛查中的诊断准确性和实施可行性，填补了该领域证据分散的空白	符合条件的原始研究数量较少，且对基础设施需求、监管考虑和长期可持续性的报告有限	评估AI工具在低收入和中等收入国家中检测糖尿病视网膜病变的有效性和实施可行性	基于视网膜成像的AI、机器学习或深度学习工具	数字病理学	糖尿病视网膜病变	视网膜成像	深度学习, 机器学习	图像	NA	NA	NA	诊断准确性	NA
4896	2025-12-18	Artificial Intelligence in Radiology: Transforming Cancer Detection and Diagnosis 2025-Nov, Cureus DOI:10.7759/cureus.96518 PMID:41393619	综述	本文综述了人工智能在放射肿瘤学中的应用，涵盖多种癌症类型和成像技术，探讨了其在癌症检测和诊断中的最新进展与挑战	综合了深度学习、放射组学和放射基因组学框架在多种癌症类型中的最新应用，并强调了AI作为放射科医生协作伙伴的角色，而非替代	模型在不同人群和机构间的泛化能力有限，存在数据孤岛、监管不确定性，以及临床环境中可解释AI输出的需求	评估人工智能在放射肿瘤学中的当前应用，并为其安全、公平和有效的实施提供战略方向	乳腺癌、肺癌、前列腺癌、脑癌、胃肠道癌和转移性疾病等主要癌症类型	数字病理学	肺癌, 前列腺癌, 乳腺癌, 脑癌, 胃肠道癌	CT, MRI, PET/CT, 数字乳腺X线摄影	深度学习	图像	NA	NA	NA	准确性, 分割精度, 风险预测, 分子表型推断	NA
4897	2025-12-18	Efficiency of Artificial Intelligence in Three-Dimensional Reconstruction of Medical Imaging 2025-Nov, Cureus DOI:10.7759/cureus.96580 PMID:41393720	综述	本文综述了人工智能在医学影像三维重建中的效率，探讨了其如何提升准确性、速度及临床效用	系统性地回顾了近10年AI驱动的三维重建技术，重点评估了深度学习模型在提升重建自动化、精度及临床应用方面的突破	研究仅纳入成人影像数据，排除了儿科及临床前研究，且存在高计算需求、标准化数据集缺乏、真实世界验证不足等挑战	评估人工智能在医学影像三维重建中的效率、临床应用及现存挑战	近10年发表的、针对成人人类影像的、基于AI的三维重建研究	计算机视觉	NA	医学影像三维重建	深度学习	医学影像	NA	NA	U-Net, V-Net, DenseVNet, GAN	Dice系数	NA
4898	2025-12-18	Benchmarking robustness of automated CT pancreas segmentation: achieving human-level reliability through human-in-the-loop optimization 2025-Nov, Radiology advances DOI:10.1093/radadv/umaf040 PMID:41394428	研究论文	本研究系统评估了深度学习模型在CT胰腺分割中的鲁棒性，并通过人机协同优化策略提升其可靠性，以达到人类水平的性能	引入分数阈值指标量化模型达到人类最小性能的比例，并采用主动学习策略识别高不确定性预测进行人工修订，显著提升模型鲁棒性	研究主要基于健康人群的CT数据，未充分验证在异常病例或不同扫描仪间的泛化能力	评估深度学习模型在CT胰腺分割中的鲁棒性，并探索提升其可靠性的方法	CT扫描图像中的胰腺分割	数字病理学	胰腺疾病	CT扫描	深度学习模型	CT图像	903例静脉期CT扫描，其中803例用于训练/验证，100例健康测试病例	NA	3D U-Net	Dice相似系数, 归一化表面Dice, 分数阈值	NA
4899	2025-12-18	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2025-Sep-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	本研究评估了卷积神经网络和Transformer模型在识别儿童Still's杂音方面的效能，使用StethAid多中心心音数据库	首次收集并利用专门针对儿科人群的StethAid数据集，结合多种深度学习模型（包括SQ-NET、ResNet18、AST、DeiT、Swin Transformer、DINO）进行Still's杂音识别，填补了现有方法主要关注成人病理性杂音或杂音检测的空白	研究依赖于特定设备（StethAid数字听诊平台）采集的数据，可能限制了模型的泛化能力；数据集规模相对有限（527个PCG），且未详细讨论模型在真实临床环境中的部署挑战	开发并评估深度学习模型，以辅助初级保健提供者准确识别儿童Still's杂音，减少不必要的专科转诊和超声心动图使用	儿科患者的心音图数据，包括Still's杂音、其他良性杂音和病理性杂音	机器学习	心血管疾病	数字听诊技术	CNN, Transformer	心音图数据	527个心音图记录（来自StethAid数据集），加上先前Littmann 4100数据集的1450个记录	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确度	NA
4900	2025-12-18	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	本文提出了一种基于多阶段训练和深度监督的分割方法，用于三维腹部多器官分割	整合了多阶段训练、伪标签技术和带有注意力机制的深度监督模型（DLAU-Net），以解决腹部器官分布复杂、标记数据稀缺和结构多样性的挑战	NA	提高三维CT图像腹部多器官分割的准确性和效率	腹部器官（如肝脏、脾脏和肾脏）	计算机视觉	腹部疾病	X射线计算机断层扫描（CT）	CNN	三维CT图像	NA	NA	DLAU-Net	平均器官准确率（AVG）, Dice相似系数（DSC）	NA