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
541	2025-12-19	Procymidone residue detection in Allium tuberosum using feature-level data fusion of colorimetric sensor arrays and electronic nose sensor arrays: Comparison of heterogeneous data fusion methods 2025-Dec-13, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147544 PMID:41406745	研究论文	本研究结合电子鼻和比色传感器阵列，用于韭花中腐霉利残留的定性和定量检测	提出了一种基于卷积神经网络和长短期记忆网络注意力融合网络的多源数据融合方法，在特征层融合中实现了对腐霉利残留浓度的更精确检测	NA	检测韭花中的腐霉利残留浓度，保障食品安全	韭花样本	机器学习	NA	电子鼻传感器阵列、比色传感器阵列	CNN, LSTM, FCN	传感器数据	NA	NA	CLAFNet	准确率	NA
542	2025-12-19	Automated skin cancer detection using MedFusionNet with attention-based fusion of ConvNeXt and vision transformer 2025-Dec-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31816-2 PMID:41387901	研究论文	本研究提出了一种名为MedFusionNet的新型深度卷积神经网络，通过自适应注意力机制融合ConvNeXt和Vision Transformer架构，用于皮肤癌的自动多分类检测	提出了一种结合ConvNeXt和Vision Transformer架构的自适应注意力融合方法，用于高级特征融合，以提升皮肤癌分类性能	未声称提供完全因果可解释性，且研究基于存在类别不平衡问题的公开数据集	开发一种高效的深度学习模型，用于皮肤癌的早期和准确诊断，以辅助临床治疗	皮肤癌样本，特别是黑色素瘤等皮肤病变	计算机视觉	皮肤癌	皮肤镜检查	CNN, Transformer	图像	两个公开皮肤镜检查基准数据集：ISIC-2019和HAM10000	NA	ConvNeXt, Vision Transformer (ViT), MedFusionNet	准确率, 精确率, 召回率, AUC	NA
543	2025-12-19	DLS-SUC: A precision prediction framework for lysine succinylation sites integrating the protein language model (ESM-2) and dual imbalance strategies 2025-Dec-12, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108842 PMID:41406781	研究论文	本文提出了一种名为DLS-SUC的深度学习框架，用于精确预测赖氨酸琥珀酰化位点，整合了蛋白质语言模型和双重不平衡策略	整合了One-hot编码与ESM-2预训练蛋白质语言模型特征，结合DenseNet和BiLSTM架构捕获局部序列模式和长程依赖，并引入SENet注意力机制自适应重新校准特征通道重要性，同时采用双重“算法-系统”策略缓解类别不平衡问题	未明确提及	开发一个高精度预测赖氨酸琥珀酰化位点的计算工具，以阐明其分子机制并指导新型诊断和治疗开发	赖氨酸琥珀酰化位点	机器学习	癌症, 神经退行性疾病, 代谢综合征	深度学习	DenseNet, BiLSTM, SENet	蛋白质序列数据	未明确提及	未明确提及	DenseNet, BiLSTM, SENet	Sn, Sp, BAcc, MCC, AUC	未明确提及
544	2025-12-19	Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability 2025-Dec-10, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202521349 PMID:41369251	研究论文	本文介绍了一种名为ACSD-GAT的深度学习框架，用于准确预测轴手性分子的旋转能垒，从而评估其构象稳定性	提出了一个物理化学信息化的轴手性结构描述符（ACSD），该描述符能明确量化旋转过程中的静态和动态空间排斥效应，并结合图注意力网络（GAT）构建预测模型	NA	解决轴手性分子构象稳定性预测的挑战，以支持不对称合成、药物发现和功能材料开发	轴手性分子（atropisomers）	机器学习	NA	深度学习	GAT	分子结构数据	1015个实验测量的旋转能垒数据	NA	图注意力网络	R, RMSE	NA
545	2025-12-19	Graph-spa: A Spatiotemporal Graph Neural Network based framework for ARDS prediction and interpretability 2025-Dec-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104969 PMID:41386531	研究论文	本文提出了一种基于动态时空图神经网络的框架Graph-spa，用于急性呼吸窘迫综合征的早期预测和可解释性分析	Graph-spa通过动态更新邻接结构，捕捉临床变量间的演化交互，并采用模型无关的特征归因方法增强可解释性	未明确提及	提高急性呼吸窘迫综合征的早期预测准确性，并增强模型的可解释性	临床多变量时间序列数据	机器学习	急性呼吸窘迫综合征	NA	时空图神经网络	时间序列数据	三个数据集（HiRID、MIMIC-IV和eICU）	NA	STGNN	AUC, F1, MCC	NA
546	2025-12-19	Physics-guided deep learning surrogate model with graph attention for long-term radionuclide transport prediction in deep geological repositories 2025-Dec-09, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140767 PMID:41406534	研究论文	本文提出了一种基于图注意力机制的物理引导深度学习代理模型，用于预测深地质处置库中长期放射性核素迁移	开发了结合图注意力网络与物理方程（衰变-扩散-吸附）的深度学习代理模型，实现了快速且物理可靠的长期迁移预测	模型在材料属性改变或释放时间提前等场景下的泛化能力仍需进一步验证，且依赖于模拟数据训练	为深地质处置库的安全评估提供快速、准确的长期放射性核素迁移预测工具	深地质处置库中U-238和Th-230的迁移过程	机器学习	NA	物理模拟（PFLOTRAN），深度学习代理模型	图注意力网络（GAT），深度学习	模拟数据（放射性核素迁移时间序列）	10个监测节点，模拟5000年迁移过程	PyTorch（推断，因涉及GAT和深度学习训练）	图注意力网络（GAT）	R², NSE, 95%预测区间	单节点工作站
547	2025-12-19	Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM 2025-Dec-09, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112606 PMID:41406589	研究论文	本研究评估了三种重建方法（FBP、AR50和DL-M）结合SMAR技术在周围动静脉畸形栓塞术后CT血管造影中的图像质量	首次比较了FBP、AR50和DL-M三种重建方法结合SMAR技术在AVM栓塞术后CT血管造影中的表现，并引入深度学习重建技术	单中心研究，样本量较小（30例患者），新伪影在少数病例中出现	评估不同重建方法结合金属伪影减少技术对周围动静脉畸形栓塞术后CT血管造影图像质量的改善效果	接受线圈栓塞治疗的周围动静脉畸形患者	医学影像	心血管疾病	双能CT血管造影，虚拟单能成像	深度学习重建	CT图像	30例患者	NA	NA	标准偏差，伪影指数，对比噪声比，主观评分	NA
548	2025-12-19	CMMDL: Cross-modal multi-domain learning method for image fusion 2025-Dec-08, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108450 PMID:41406644	研究论文	提出了一种用于图像融合的跨模态多域学习方法，以同时利用空间域和频域信息	提出了空间-频域级联注意力机制、双域并行学习策略以及异构域特征融合块，首次在图像融合中结合了空间域和频域学习	未在摘要中明确说明	解决多模态图像融合问题，提升融合图像的质量	多模态图像	计算机视觉	NA	NA	深度学习	图像	在多个数据集上进行了广泛实验	NA	Restormer, 双分支可逆神经网络	NA	NA
549	2025-12-19	Fully Automated Deep Learning-Based Pipeline for Evans Index Measurement from Raw 3D MRI 2025-Dec-02, medRxiv : the preprint server for health sciences DOI:10.64898/2025.11.30.25341302 PMID:41409679	研究论文	本文提出了一种基于深度学习的全自动流水线，用于从原始3D MRI数据中测量Evans指数	开发了一个全自动、无需手动干预的深度学习方法，整合了地标检测、AC-PC对齐和分割模型，直接处理原始MRI扫描以提高Evans指数测量的可重复性和可扩展性	未提及具体局限性，但可能依赖于训练数据的质量和多样性	开发一种自动化工具，用于准确、可重复地测量Evans指数，以支持大规模神经影像研究和临床评估	脑室扩大（如正常压力脑积水）患者的MRI扫描	数字病理学	脑积水	T1加权MPRAGE MRI扫描	CNN	3D MRI图像	内部验证使用多个队列数据（包括Baltimore Longitudinal Study of Aging, BIOCARD, Johns Hopkins），外部验证使用PENS试验数据（包括分流前后的NPH扫描），其中自定义脑室网络训练了1,300个标注扫描	NA	BrainSignsNet, nnU-Net	Dice系数, 平均偏差, 平均绝对误差, 相关系数r	NA
550	2025-12-19	Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy 2025-Dec, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70306 PMID:40542591	研究论文	本研究利用人工智能和深度学习模型对超声胎盘图像进行纹理分析，以预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合用于超声胎盘图像分析，以预测妊娠期高血压疾病，并展示了较高的准确性	研究为前瞻性观察性研究，可能存在选择偏倚，且未详细讨论模型在其他人群中的泛化能力	预测妊娠期高血压疾病	孕妇的超声胎盘图像	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Vision Transformer	图像	1008名孕妇（其中600名正常结局，143名患有妊娠期高血压疾病，265名有其他不良结局）	NA	EfficientNet B0, Vision Transformer	准确率, Cohen kappa分数, AUC, 灵敏度, 特异性	NA
551	2025-12-19	Hot Topics: Exploring Artificial Intelligence and Inflammatory Memory in the Management of Psoriatic Diseases 2025-Dec-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0241 PMID:40763946	综述	本文总结了GRAPPA 2024年会中关于人工智能在银屑病疾病管理中的应用以及炎症记忆机制在疾病复发中的作用的热点话题讨论	探讨了人工智能技术与炎症记忆生物学机制在银屑病疾病管理中的交叉融合，强调了技术应用与基础生物学理解的结合	文章基于会议讨论内容，未报告具体实验数据或模型验证结果，属于观点性综述	探索人工智能在银屑病疾病管理中的应用潜力，并阐明炎症记忆在银屑病和银屑病关节炎复发中的机制	银屑病疾病（包括银屑病和银屑病关节炎）	数字病理学	银屑病	NA	卷积神经网络	NA	NA	NA	NA	NA	NA
552	2025-12-19	AI-driven and Traditional Radiomic Model for Predicting Muscle Invasion in Bladder Cancer via Multi-parametric Imaging: A Systematic Review and Meta-analysis 2025-Dec, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.035 PMID:40914722	系统综述与荟萃分析	本研究通过荟萃分析方法，系统评估了人工智能驱动和传统影像组学模型在检测肌层浸润性膀胱癌中的诊断性能，并探讨了其与膀胱影像报告和数据系统的潜在协同价值	首次通过系统综述和荟萃分析，全面比较了AI驱动与传统影像组学模型在膀胱癌肌层浸润诊断中的效能，并系统分析了异质性来源	纳入研究存在显著的异质性，且多为回顾性研究，需要多国、多中心的前瞻性队列研究来验证外部有效性	评估AI驱动和传统影像组学模型在诊断肌层浸润性膀胱癌中的性能，并分析其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	影像组学，多参数成像	深度学习，机器学习	医学影像	43项研究，共9624名患者	NA	NA	AUC, 敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA
553	2025-12-19	Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment 2025-Dec, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03206-y PMID:40993310	综述	本文综述了人工智能在癌症组织学评估中的转型作用，从辅助诊断工具发展为临床决策的核心组成部分	AI不仅复制并增强了病理学家的决策，还通过组织形态学表型聚类和空间转录组学等创新技术，优化了癌症分层和个性化治疗	AI预测的验证仍面临挑战，特别是在预后应用方面，且资源有限环境下的可及性有待解决	探讨AI在癌症诊断和个性化治疗中如何变革组织学评估	癌症患者的组织学图像、基因组数据和临床信息	数字病理学	癌症	全切片成像（WSI）、空间转录组学	深度学习	图像、文本、临床数据	NA	NA	NA	NA	NA
554	2025-12-19	Diagnosis of superficial ailments using infrared thermal imaging and CapsNet 2025-Dec, Journal of thermal biology IF:2.9Q1 DOI:10.1016/j.jtherbio.2025.104325 PMID:41223630	研究论文	本研究探索了使用红外热成像与胶囊网络（CapsNet）结合来诊断浅表疾病，如乳腺癌、压力性溃疡和鼻窦炎	首次将CapsNet应用于红外热成像的疾病分类，相比传统模型在多种浅表疾病诊断中均表现出更高的准确性	外部因素可能影响区域温度，从而引入诊断误差，且研究未详细讨论这些因素的具体影响或校正方法	通过结合计算机视觉分类算法与热成像技术，提升浅表疾病的分类和诊断准确性	乳腺癌、压力性溃疡和鼻窦炎等具有皮肤表现症状的疾病	计算机视觉	乳腺癌, 压力性溃疡, 鼻窦炎	红外热成像	CapsNet	图像	未提供具体样本数量	未指定	CapsNet	准确率	未提供
555	2025-12-19	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2025-Dec-01, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文是一篇关于深度学习在牙科合成成像中应用与技术的叙述性综述	聚焦于合成数据作为解决牙科成像中数据隐私、类别不平衡和数据稀缺挑战的潜在方案，并综合了技术、临床及伦理/监管多方面的讨论	牙科图像合成的研究仍然稀缺，缺乏关于使用合成图像进行数据增强影响的全面证据，关键挑战包括确保解剖保真度和最小化伪影	探讨合成数据在牙科人工智能中克服数据稀缺和类别不平衡的潜力，以开发更稳健和可泛化的AI模型	牙科成像领域，特别是完全合成图像生成的研究	计算机视觉	NA	生成对抗网络、变分自编码器、去噪扩散概率模型	GAN, VAE, DDPM	图像	NA	NA	NA	NA	NA
556	2025-12-19	Deep Learning-Based Assessment for Media Haze and Retinal Vascular Leakage of Uveitis 2025-Dec, Ocular immunology and inflammation IF:2.6Q2 DOI:10.1080/09273948.2025.2567520 PMID:41123627	研究论文	本研究应用深度学习技术，基于彩色眼底照相和荧光素眼底血管造影图像，自动化评估葡萄膜炎的玻璃体混浊和血管渗漏	首次将深度学习模型（如EfficientNetV2-L和LadderNet）应用于葡萄膜炎的玻璃体混浊分级和血管渗漏分割，并揭示了玻璃体混浊、炎症因子与血管渗漏之间的关联，为疾病活动性和治疗结果提供了新的量化指标	研究样本量相对有限（213名患者），且模型性能可能依赖于标注质量，未在外部独立数据集上进行广泛验证	开发自动化评估葡萄膜炎玻璃体混浊和血管渗漏的深度学习方法，以辅助诊断和疗效评估	葡萄膜炎患者的彩色眼底照相和荧光素眼底血管造影图像	计算机视觉	葡萄膜炎	彩色眼底照相, 荧光素眼底血管造影	CNN	图像	213名患者的756张彩色眼底照相图像和740张荧光素眼底血管造影图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数	NA
557	2025-12-19	Pomegranate disease detection and classification dataset for deep learning applications: A case study from Halabja city 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112298 PMID:41399438	研究论文	本研究介绍了Halabja石榴果实病害图像数据集，用于支持基于深度学习的植物病害检测应用	创建了一个包含自然户外环境图像的系统性数据集，涵盖四种特定病害类别，并提供了大量增强图像以提高模型鲁棒性	数据集仅来自伊拉克Halabja地区，可能限制了其地理普适性	开发适用于精准农业的植物病害检测和分类工具	石榴果实及其病害（ectomyelois ceratoniae, colletotrichum spp., 日灼病和健康果实）	计算机视觉	植物病害	图像采集与增强	深度学习模型	图像	2178张原始图像和28314张增强图像	NA	NA	NA	NA
558	2025-12-19	Dataset for classification of forming tool types for aircraft parts based on neural network models using CAD 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112302 PMID:41399442	研究论文	本研究提出了一种基于CAD图像的深度学习和机器学习模型数据集，用于对飞机零件的成形工具类型进行分类	利用CAD图像中的视觉信息（特别是法兰几何形状）对工具类型进行分类，无需物理原型或专用传感器，为小批量、多品种制造环境提供了一种可扩展、经济高效且易于应用的解决方案	数据集主要基于公开可用的CAD模型和CATIA生成的模型，可能无法涵盖所有实际制造场景中的工具类型变化	开发一种基于CAD图像的深度学习和机器学习模型，用于飞机零件成形工具类型的自动分类	飞机钣金零件（特别是通过流体单元液压成形生产的零件）的成形工具	计算机视觉	NA	CAD图像处理	CNN, 机器学习模型	图像	12,432张图像，涵盖三种可视化模式（正常视图、隐藏线视图和线框视图）和多个方向	NA	ResNeXt	准确率, F1分数	NA
559	2025-12-19	Detection, localisation, and quantification of neutrophils to assess disease activity and early response to therapy in ulcerative colitis: a novel AI-driven model 2025-Dec, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103658 PMID:41399473	研究论文	开发了一种基于AI的流程，用于自动检测、定位和量化中性粒细胞，以评估溃疡性结肠炎的组织学缓解和治疗反应	整合了两个深度学习模型，实现了对全玻片图像的区域分割和中性粒细胞的检测与量化，并确定了评估疾病活动性和治疗响应的最佳中性粒细胞密度阈值	研究基于特定临床试验和队列数据，可能需要在更广泛的人群中进行验证	开发AI驱动的流程，以自动化评估溃疡性结肠炎的组织学活动性和治疗响应	溃疡性结肠炎患者的全玻片图像	数字病理学	溃疡性结肠炎	全玻片图像分析	深度学习模型	图像	303张来自多中心临床试验的溃疡性结肠炎患者全玻片图像	NA	NA	DICE Sørensen系数, 精确度, 准确率, 灵敏度, 特异性	NA
560	2025-12-19	Deep Learning-Based Quality Control and Diagnosis of Bronchial Images 2025-Nov-27, Respiration; international review of thoracic diseases DOI:10.1159/000548342 PMID:41308068	综述	本文系统分析了深度学习技术在医学内窥镜领域的应用潜力，特别是人工智能在支气管镜图像质量控制与诊断分析中的应用前景	探讨了人工智能在支气管镜图像分析中的创新潜力，旨在通过深度学习技术解决传统方法的局限性	当前研究存在模型泛化能力不足的问题，需要多中心临床验证来优化模型鲁棒性	研究人工智能在支气管镜图像质量控制与诊断分析中的应用，以提升医疗质量与诊断效率	支气管镜图像	计算机视觉	肺癌	NA	深度学习	图像	NA	NA	NA	NA	NA