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
621	2025-12-10	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2025-Dec-08, Microbiome IF:13.8Q1 DOI:10.1186/s40168-025-02270-z PMID:41361854	研究论文	本研究开发了一个名为MMETHANE的可解释深度学习模型，用于根据配对微生物测序和代谢组学数据预测宿主状态	该模型结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英文规则集	NA	开发一种计算工具，将微生物组组成和代谢物数据与宿主状态联系起来	宿主-微生物组相互作用，特别是与宿主健康和疾病相关的代谢物产生、消耗和交换	机器学习	炎症性肠病	微生物测序，代谢组学测量	深度学习	微生物组成数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA
622	2025-12-10	Diagnostic performance of machine learning and deep learning algorithms for thyroid cancer metastasis: a systematic review and meta-analysis 2025-Dec-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03307-x PMID:41361881	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习和深度学习算法在甲状腺癌转移诊断中的性能	首次对机器学习和深度学习模型在甲状腺癌转移检测中的诊断性能进行了全面的系统综述和荟萃分析，并比较了不同模型类型、转移类型和数据源的性能差异	纳入研究存在异质性，且可能存在发表偏倚，部分研究样本量较小，模型性能可能受限于原始研究的质量和数据多样性	评估机器学习和深度学习算法在检测甲状腺癌转移中的诊断性能	针对甲状腺癌（尤其是甲状腺乳头状癌）成年患者的转移检测	机器学习	甲状腺癌	NA	机器学习, 深度学习	NA	基于35项研究，共包含162个估计值	NA	NA	AUC-ROC, 敏感性, 特异性, 诊断比值比	NA
623	2025-12-10	Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology 2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70045 PMID:41361911	研究论文	本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能	首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务	研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证	评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能	甲状腺细针穿刺细胞学涂片图像	数字病理学	甲状腺癌	细针穿刺细胞学	CNN	图像	94例甲状腺FNAC病例，共949张代表性图像	TensorFlow, Keras	Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3	灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC	NA
624	2025-12-10	A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004153 PMID:41363102	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
625	2025-12-10	Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004288 PMID:41363136	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
626	2025-12-10	AI-driven transfer learning and classical molecular dynamics for strategic therapeutic repurposing and rational design of antiviral peptides targeting monkeypox virus DNA polymerase 2025-Dec-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111372 PMID:41360016	研究论文	本研究利用AI驱动的迁移学习和经典分子动力学，针对猴痘病毒DNA聚合酶进行药物重定位和抗病毒肽的理性设计	结合深度学习药效团模型筛选FDA批准药物库，并开发新型自动化肽生成AI流程，整合活性位点残基与知识引导的氨基酸选择	CFC肽在渗透性和口服生物利用度方面存在局限性	快速识别针对猴痘病毒的新型抗病毒疗法	猴痘病毒DNA聚合酶	机器学习	猴痘	分子动力学模拟, 深度学习药效团模型, ADMET预测	深度学习	分子结构数据	1974种FDA批准药物	NA	NA	结合亲和力(kcal/mol), 结合能(kcal/mol)	NA
627	2025-12-10	Quantitative CT in Progressive Pulmonary Fibrosis: Clinical Utility and Meaningful Threshold Definition 2025-Dec-06, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.11.031 PMID:41360185	研究论文	本研究通过深度学习定量CT算法，确定了非特发性肺纤维化纤维化间质性肺病患者中，基于纤维化评分变化的1年和6个月最小临床重要差异阈值，并验证了这些阈值在预测预后和增强风险分层中的临床效用	首次定义了非特发性肺纤维化纤维化间质性肺病中，基于定量CT纤维化评分变化的1年和6个月最小临床重要差异阈值，并证明其能独立预测移植无生存期，且在视觉评估不一致的患者中提供额外的风险分层	研究为回顾性设计，可能受选择偏倚影响；仅基于单一中心的患者数据；未考虑所有潜在的混杂因素	确定定量CT纤维化评分变化的最小临床重要差异阈值，并评估其在定义进行性肺纤维化和预测患者预后中的临床价值	非特发性肺纤维化纤维化间质性肺病患者	数字病理学	肺纤维化	定量CT，深度学习算法	深度学习	CT图像	476名患者	NA	NA	风险比，置信区间，P值	NA
628	2025-12-10	Deep Learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2025-Dec-06, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的CBCT牙齿实例分割方法，用于增强牙科异常和病理的可视化检测	提出了一种加速标注流程，通过专家标注部分图像辅助模型自动标注剩余图像，实现了高精度的全自动实例级牙齿分割	研究样本量有限（470个扫描用于训练，60个用于验证），且仅针对特定牙科异常类型，可能未涵盖所有临床场景	开发深度学习模型以提升CBCT中牙齿分割的效率和准确性，辅助牙科异常检测	CBCT扫描图像中的牙齿实例，包括正常牙齿及存在龋齿、缺失牙、骨岛、根尖周炎等异常或治疗史的牙齿	计算机视觉	牙科疾病	CBCT成像	深度学习模型	医学图像（CBCT扫描）	470个CBCT扫描用于训练，60个用于验证	NA	NA	Jaccard指数，平均相对体积差异	NA
629	2025-12-10	Sensitive detection of structural dynamics using a statistical framework for comparative crystallography 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2921 PMID:41337576	研究论文	本文提出了一种基于统计框架和深度学习的方法Careless，用于提高X射线晶体学中结构动态变化的检测灵敏度	通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力	方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限，且未明确讨论计算资源需求或模型泛化能力	开发一种更敏感的方法来检测蛋白质结构动态变化，以支持药物发现和功能研究	蛋白质晶体学数据，包括结构因子和尺度误差	机器学习	NA	X射线晶体学	深度学习	晶体学数据集（结构因子）	NA	Careless（变分深度学习框架）	NA	NA	NA
630	2025-12-10	Rapid detection of common scab, powdery scab, and enlarged lenticels in potato tubers using deep learning 2025-Dec-05, Pest management science IF:3.8Q1 DOI:10.1002/ps.70424 PMID:41351272	研究论文	本文提出了一种基于深度学习的YOLOv8-ST模型，用于快速准确检测马铃薯块茎上的常见疮痂病、粉状疮痂病和生理性膨大皮孔	在YOLOv8模型中集成了Swin Transformer和Triplet Attention模块，显著提升了在视觉相似病害区分上的检测精度和性能	未在摘要中明确说明	开发一种能够快速、准确区分马铃薯块茎上常见疮痂病、粉状疮痂病和膨大皮孔的自动检测方法	马铃薯块茎上的病害和生理性缺陷	计算机视觉	马铃薯病害	深度学习	CNN, Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	YOLOv8-ST, YOLOv3, YOLOv5, YOLOv6, YOLOv8, Swin Transformer	精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	未在摘要中明确说明
631	2025-12-10	Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3425434 PMID:38980777	研究论文	本文提出了一种基于Transformer的弱监督学习框架SSRViT，用于全切片肺癌图像分类	提出了一种两阶段的Transformer弱监督学习框架SSRViT，包括SRViT用于提取局部判别性特征和SViT用于切片级预测，无需像素级标注	未明确说明模型在更大规模或更多亚型数据集上的泛化能力，以及计算资源需求	开发一种弱监督学习方法，以降低对昂贵像素级标注的依赖，提高全切片肺癌图像分类性能	肺癌全切片图像，包括腺癌、肺硬化性肺炎细胞瘤和正常肺组织	数字病理学	肺癌	全切片图像分析	Transformer	图像	未明确说明具体样本数量，但涉及腺癌、肺硬化性肺炎细胞瘤和正常肺组织三类	未明确说明，可能为PyTorch或TensorFlow	Shuffle-Remix Vision Transformer (SRViT), Simple transformer-based classifier (SViT)	准确率, AUC	NA
632	2025-12-10	Few-Shot Class-Incremental Learning for Retinal Disease Recognition 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3457915 PMID:39292587	研究论文	本文提出了一种用于视网膜疾病识别的少样本类增量学习新框架Re-FSCIL，并构建了新的基准数据集	提出了首个专门针对视网膜疾病识别的少样本类增量学习框架Re-FSCIL，整合了RETFound模型与细粒度模块，采用前向兼容训练策略、监督对比学习和特征融合技术	未在论文摘要中明确说明	开发能够持续学习新类别且仅需少量样本的深度学习模型，用于视网膜疾病诊断	视网膜疾病图像	计算机视觉	视网膜疾病	深度学习	深度学习模型	图像	基于RFMiD38和JSIEC39两个基准数据集（具体样本数量未在摘要中说明）	未在摘要中明确说明	RETFound	未在摘要中明确说明	未在摘要中明确说明
633	2025-12-10	A Region and Category Confidence-Based Multi-Task Network for Carotid Ultrasound Image Segmentation and Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3529483 PMID:40031080	研究论文	本文提出了一种基于区域和类别置信度的多任务网络（RCCM-Net），用于颈动脉超声图像的斑块分割和分类	通过区域置信模块（RCM）和样本类别置信模块（CCM）利用分割与分类任务之间的相关性，提高了整体性能	NA	改进颈动脉斑块的超声图像分割与分类，以辅助动脉粥样硬化治疗和中风风险评估	颈动脉斑块的超声图像	计算机视觉	心血管疾病	超声成像	多任务学习网络	图像	1270张2D颈动脉斑块超声图像	NA	RCCM-Net	准确率, Dice相似系数	NA
634	2025-12-10	Application of deep learning with fractal images to sparse-view CT 2025-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03378-1 PMID:40372595	研究论文	本研究探讨了使用分形图像进行预训练以提升稀疏视图CT图像重建质量，并减少所需医学图像数量的方法	首次将分形图像用于稀疏视图CT的深度学习预训练，显著减少了所需医学图像数量	研究仅基于CHAOS数据集和特定投影数量，未在其他数据集或不同投影配置下验证	开发在有限医学图像数据下仍能有效减少稀疏视图CT伪影的深度学习方法	稀疏视图CT图像重建	计算机视觉	NA	迭代函数系统生成分形图像，稀疏视图CT投影	CNN	图像	医学图像从5000减少到1000（减少80%），分形图像数量未明确说明	NA	FBPConvNet, WNet	结构相似性, 峰值信噪比	NA
635	2025-12-10	Mutualistic Multi-Network Noisy Label Learning (MMNNLL) Method and Its Application to Transdiagnostic Classification of Bipolar Disorder and Schizophrenia 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3585880 PMID:40614156	研究论文	本文提出了一种互惠多网络噪声标签学习方法，用于提高双相情感障碍和精神分裂症的跨诊断分类准确性	通过最大化多个深度神经网络在识别和利用干净与噪声标签样本时的一致性，有效处理临床诊断中可能存在的标签噪声	未明确说明方法在更广泛精神疾病或不同神经影像数据上的泛化能力	提高精神障碍的诊断准确性，特别是针对双相情感障碍和精神分裂症的跨诊断分类	双相情感障碍和精神分裂症患者的脑功能连接数据	机器学习	精神障碍	神经影像学	DNN	图像	未明确说明具体样本数量，涉及公共数据集CIFAR-10、PathMNIST及患者数据	未明确指定，但提及传统机器学习和深度学习技术	未明确指定具体架构，但基于多网络协作	分类准确率	NA
636	2025-12-10	Deep Learning for Detecting Dental Plaque and Gingivitis From Oral Photographs: A Systematic Review 2025-Dec, Community dentistry and oral epidemiology IF:1.8Q3 DOI:10.1111/cdoe.70001 PMID:40571994	系统综述	本文系统综述了深度学习模型在利用口腔内RGB照片检测牙菌斑和牙龈炎方面的性能表现	首次对深度学习在牙菌斑和牙龈炎检测中的应用进行了系统性评估，并比较了模型与牙医在未使用显色剂情况下的性能差异	证据确定性中等（牙菌斑）至低（牙龈炎），缺乏外部测试、多中心研究和一致的报告标准	评估深度学习模型从口腔内RGB照片中检测牙菌斑和牙龈炎的性能	牙菌斑和牙龈炎	计算机视觉	牙周病	RGB口腔内摄影	深度学习模型	图像	来自23项研究的数据	NA	NA	交并比	NA
637	2025-12-10	EGA-Ploc: An Efficient Global-Local Attention Model for Multi-Label Protein Subcellular Localization Prediction on the Immunohistochemistry Images 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3613205 PMID:40982491	研究论文	本文提出了一种用于免疫组化图像多标签蛋白质亚细胞定位预测的高效全局-局部注意力模型	提出线性注意力机制以实现高分辨率图像的高效全局和局部特征建模，并设计自适应多标签损失函数以缓解数据集不平衡问题	未明确说明模型在极端长尾分布或罕见类别上的具体性能表现	解决高分辨率免疫组化图像中蛋白质亚细胞定位预测的挑战	免疫组化图像中的蛋白质亚细胞定位	计算机视觉	NA	免疫组化成像	注意力机制模型	图像	NA	NA	线性注意力机制	NA	NA
638	2025-12-10	Spatiotemporal assessment and background climate drivers of atmospheric urban heat island in Guangdong province, China 2025-Dec, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-025-03022-2 PMID:40999209	研究论文	本研究评估了广东省大气城市热岛强度的时空变化，并分析了降水、相对湿度和风速等关键气候变量对其的长期影响	结合计量经济学技术（FMOLS和DOLS）与机器学习及深度学习方法，并采用CNN-LSTM框架提升预测精度，以探究背景气候因素与大气城市热岛效应的关联	研究主要关注广东省，结果可能不直接适用于其他气候或地理区域，且模型性能可能受数据质量和时空分辨率限制	探究大气城市热岛强度的时空变化及其与背景气候驱动因素的关系，为城市规划和政策制定提供科学依据	广东省的大气城市热岛强度及其与降水、相对湿度、风速等气候变量的相互作用	机器学习	NA	计量经济学分析，机器学习建模	Random Forest, CNN-LSTM	气候时间序列数据	NA	Scikit-learn, TensorFlow或PyTorch	Random Forest, CNN-LSTM	R²	NA
639	2025-12-10	Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations 2025-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111169 PMID:41033356	研究论文	本研究开发了一种基于深度学习（DL）的正常组织并发症概率（NTCP）模型，用于预测头颈癌（HNC）患者放疗后晚期吞咽困难，通过整合3D剂量分布、器官分割和CT扫描数据，相比传统NTCP模型显著提升了预测性能	创新点在于首次将3D剂量数据、器官风险分割和CT扫描结合到深度学习NTCP模型中，以全面捕捉吞咽困难这一副作用的复杂性，并通过注意力图可视化关键解剖区域	研究基于多机构队列，但样本量相对有限（1484例患者），且未详细讨论模型在不同亚组或临床环境中的泛化能力	研究目的是通过开发3D深度学习NTCP模型，改进头颈癌患者放疗后晚期吞咽困难的预测，以提升患者健康和生活质量	研究对象为1484名头颈癌患者，涉及放疗后的晚期吞咽困难（CTCAEv4分级≥2级）	数字病理学	头颈癌	放疗剂量分析、CT扫描、器官分割	深度学习模型	3D剂量分布、器官分割图像、CT扫描图像、患者或治疗相关数据	1484名头颈癌患者	NA	残差网络（Residual Network）	曲线下面积（AUC）、校准曲线	NA
640	2025-12-10	Deep Learning-Based Stride Segmentation With Wearable Sensors: Effects of Data Quantity, Sensor Location, and Task 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600227 PMID:41171649	研究论文	本研究开发并评估了基于时间卷积网络的步态分割模型，探讨了数据量、传感器位置和任务复杂性对性能的影响	首次系统评估了深度学习步态分割在不同移动任务中的性能，并量化了传感器位置和任务复杂性对模型泛化能力的影响	研究主要针对老年人群，可能不适用于其他年龄段；复杂运动如转弯时的性能仍有下降	开发用于数字步态评估的准确步态分割方法，并评估其在不同条件下的鲁棒性	121名老年参与者（包括帕金森病患者和非患者）	机器学习	帕金森病	可穿戴传感器数据采集	TCN	传感器时序数据	121名参与者，其中40人作为固定测试集	NA	时间卷积网络	F1分数	NA