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	2025-12-12	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
622	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
623	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
624	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
625	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
626	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
627	2025-12-12	Phytochemical-based discovery of a potent antimalarial candidate targeting PfPI4K: A hybrid structure-based and deep learning approach 2025-Dec, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.109064 PMID:41270854	研究论文	本研究通过结合基于结构的同源建模与深度学习筛选方法，从天然蒽醌类化合物中识别出靶向PfPI4K的强效抗疟候选药物AD37	首次采用混合结构建模与深度学习策略筛选天然蒽醌类化合物，发现具有高结合亲和力的新型PfPI4K抑制剂AD37	研究仅基于计算模拟和体外数据，缺乏体内实验验证；样本量较小（58个化合物）	发现新型抗疟药物靶点PfPI4K的抑制剂以应对青蒿素部分耐药问题	恶性疟原虫磷脂酰肌醇4-激酶（PfPI4K）及58种具有抗疟活性的天然蒽醌类化合物	计算药物发现	疟疾	同源建模、分子对接、ADMET分析、分子动力学模拟	深度学习模型（未具体说明类型）	化合物结构数据、蛋白质序列数据	58个天然蒽醌类化合物	Modeller 10.5, GLIDE, GROMACS	NA	结合亲和力（-5.983 kcal/mol）、Lipinski规则符合性、ADMET参数、分子动力学稳定性	NA
628	2025-12-12	BAGEL: Protein engineering via exploration of an energy landscape 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013774 PMID:41337470	研究论文	本文介绍了BAGEL，一个用于可编程蛋白质工程的模块化开源框架，通过模型无关和无梯度的能量景观探索，实现序列空间的灵活探索	提出了一种模块化、开源且模型无关的蛋白质工程框架，支持多状态优化和高级蒙特卡洛技术，突破了现有计算流程的刚性和特定性限制	未明确提及框架在特定蛋白质设计任务中的性能上限或计算效率的具体限制	开发一个灵活、可编程的蛋白质工程框架，以加速新蛋白质的设计并降低技术门槛	蛋白质序列与结构设计	机器学习	NA	能量函数采样、蒙特卡洛技术	深度学习蛋白质模型	蛋白质序列与结构数据	NA	开源自定义框架（BAGEL）	模型无关架构，支持集成多种公开深度学习蛋白质模型	NA	NA
629	2025-12-12	CPSMI2025: A curated dataset of conventional Pap smear microscopy images for deep learning-based cervical cancer screening 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112272 PMID:41362340	研究论文	本文介绍了一个名为CPSMI2025的宫颈癌筛查数据集，包含2169张高分辨率巴氏涂片显微图像，用于支持深度学习自动化筛查工具的开发	提供了一个基于低成本开源显微平台采集的、包含九个临床相关细胞学类别的巴氏涂片图像数据集，专门针对资源有限地区设计	数据集仅来源于墨西哥两家医疗机构，可能无法完全代表全球不同人群的细胞学特征	开发自动化宫颈癌筛查工具，以解决资源有限地区专科医生不足的诊断瓶颈	巴氏涂片显微图像	数字病理学	宫颈癌	显微成像	NA	图像	2169张高分辨率图像，源自超过350张手动筛查的玻片	NA	NA	NA	NA
630	2025-12-12	Artificial inteligence and datasets for leukemia diagnosis: A scoping review of machine lerning and deep learning approaches 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103722 PMID:41362667	综述	本文对用于白血病诊断的机器学习和深度学习方法进行了范围性综述，重点关注基于公开数据集的图像技术	系统回顾了基于公开数据集（如ALL-IDB、C-NMC等）的ML和DL方法，并讨论了研究空白和未来方向，如可解释AI和符合WHO 2022标准的分类框架	存在数据集不平衡、染色变异性、缺乏标准注释和临床验证有限等问题	综述机器学习和深度学习方法在白血病诊断中的应用	白血病诊断	数字病理学	白血病	外周血涂片检查、骨髓活检	CNN, ResNet, DenseNet, MobileNet, 集成模型	图像	基于公开数据集（如ALL-IDB、C-NMC、AML_Cytomorphology_LMU、SN-AM、CPTAC-AML）	NA	卷积神经网络, ResNet, DenseNet, MobileNet	NA	NA
631	2025-12-12	Classification of periapical dental X-ray using the YOLOv8 deep learning model 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103721 PMID:41362668	研究论文	本研究提出了一种结合ESRGAN和YOLOv8的两阶段管道，用于牙科X射线图像的增强和多类牙科异常检测	首次将ESRGAN与YOLOv8结合，用于牙科X射线图像的增强和分类，提高了图像细节和分辨率，并实现了六种牙科状况的自动检测	龋齿和严重腐烂牙齿的检测灵敏度较低，分别为0.174和0.355，且不同类别的特异性差异较大，表明假阳性率可变	提高牙科X射线图像的诊断准确性，通过图像增强和深度学习模型实现自动牙科评估	牙科X射线图像	计算机视觉	牙科疾病	深度学习，图像增强	GAN, CNN	图像	100张测试图像	PyTorch	ESRGAN, YOLOv8	PSNR, SSIM, mAP@0.5, mAP@0.5:0.95, 灵敏度, 特异性	NA
632	2025-12-12	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自动评估葡萄膜炎的介质混浊和血管渗漏，并评估其性能	首次结合EfficientNetV2-L、InceptionV3、MobileNetV3和LadderNet模型，自动化评估葡萄膜炎的介质混浊和血管渗漏，并通过K-means聚类识别渗漏模式	样本量相对有限（213名患者），且依赖眼科医生的标注，可能存在主观偏差	开发自动化评估葡萄膜炎介质混浊和血管渗漏的深度学习模型，以改进诊断准确性和疾病活动性指标	葡萄膜炎患者的彩色眼底照相（CFP）和荧光素眼底血管造影（FFA）图像	计算机视觉	葡萄膜炎	CFP, FFA	CNN	图像	213名患者的756张CFP图像和740张FFA图像	NA	EfficientNetV2-L, InceptionV3, MobileNetV3, LadderNet	Micro-AUC, Dice相似系数（DSC）	NA
633	2025-12-12	Stretchable Polymorphic Electrochromic Textile Electronics for Deep Learning-Assisted Self-Adaptive Camouflage 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510137 PMID:41123949	研究论文	本文开发了一种基于无液体聚氨酯-脲弹性离子导体的可拉伸全固态多态电致变色纺织电子系统，并利用MobileNetV2深度学习模型实现动态环境下的自适应伪装	开发了具有超分子-共价双交联网络的弹性离子导体，实现了快速响应、高色彩对比度、长期运行及大变形与低温下优异着色稳定性的电致变色纺织电子系统，并首次集成了深度学习模型以实现环境驱动的自适应伪装	未明确说明系统在极端环境（如高温、高湿）下的长期稳定性，也未讨论大规模生产的经济可行性与纺织品的洗涤耐久性	开发具有优异变色性能、机械可靠性和环境稳定性的智能纺织电子系统，实现基于深度学习的环境自适应伪装	可拉伸电致变色纺织电子系统及其在人体伪装中的应用	机器学习	NA	电致变色技术，弹性离子导体制备	CNN	环境信息数据（推测为图像或传感器数据）	NA	NA	MobileNetV2	响应时间（≈3秒），色彩对比度（≈58.1%），运行时长（>12000秒）	NA
634	2025-12-12	Deep geometric framework to predict antibody-antigen binding affinity 2025-Dec, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2025.108257 PMID:41138893	研究论文	本文提出了一种新颖的深度几何神经网络框架，用于预测抗体-抗原结合亲和力，通过结合结构模型和序列模型，并利用交叉注意力块共享信息	构建了最大且最通用的抗体-抗原结合亲和力预测数据集，并设计了一种结合结构特征和序列进化信息的深度几何神经网络，通过多尺度分层注意力块模拟相互作用空间	模型高度依赖于抗体-抗原结构的质量，且现有数据集可能仍存在局限性，尽管已扩展至多种抗原变体	开发一种高效且准确的抗体-抗原结合亲和力预测方法，以支持药物开发	抗体-抗原序列对和结构对，以及对应的连续结合亲和力值	机器学习	NA	深度几何神经网络	几何神经网络, 注意力机制	序列数据, 结构数据	超过100K序列对和8K结构对	PyTorch, TensorFlow (未明确指定，但基于深度学习框架)	交叉注意力块, 多尺度分层注意力块	平均绝对误差, 相关系数	NA
635	2025-12-12	Long Short-Term Memory-Driven Modeling of Dynamic Hepatocellular Carcinoma Microenvironments: A Deep Learning Framework for Precision Treatment Prediction 2025-Dec, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-25-00315 PMID:41370726	研究论文	本研究评估了深度学习方法，特别是长短期记忆网络，用于分析肝细胞癌肿瘤微环境的动态变化，以改善疾病理解和治疗预测	首次将LSTM网络与CNN结合，集成多模态数据，用于动态建模肝细胞癌肿瘤微环境的时空演化，并通过GAN进行数据增强	由于缺乏详细的病因学信息，未对不同病因（如乙型肝炎病毒、丙型肝炎病毒和非酒精性脂肪性肝炎）进行分层验证	通过深度学习框架分析肝细胞癌肿瘤微环境的动态变化，以改进疾病理解和精准治疗预测	肝细胞癌肿瘤微环境的多模态数据，包括高通量测序、蛋白质表达和时间序列成像数据	数字病理学	肝细胞癌	高通量测序, 蛋白质表达分析, 时间序列成像	LSTM, CNN, GAN	多模态数据（测序、蛋白质表达、时间序列图像）	NA	NA	LSTM, CNN, GAN	准确率	NA
636	2025-12-12	Assessing the generalizability of artificial intelligence in radiology: a systematic review of performance across different clinical settings 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004166 PMID:41377327	系统综述	本文通过系统综述评估了人工智能在放射学诊断模型中的外部泛化性能	系统性地评估了AI模型在不同临床环境下的泛化性能，并识别了可能增强泛化性的方法	纳入的研究数量有限（仅6项），且部分研究存在患者选择偏倚或采样不明确的问题	评估人工智能在放射学诊断中的外部泛化性能，以促进其临床部署	应用于计算机断层扫描、磁共振成像或X射线的AI诊断模型	计算机视觉	NA	NA	CNN, GAN	图像	NA	NA	3D Convolutional Neural Networks, Generative Adversarial Networks-augmented models, no-new-U-Net ensembles	AUC, 灵敏度, 特异度	NA
637	2025-12-12	Artificial Intelligence in IPMN diagnosis: bridging promise and clinical reality 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004170 PMID:41377378	综述	本文综述了人工智能（AI）在胰腺导管内乳头状黏液性肿瘤（IPMN）诊断中的应用、潜力及面临的挑战	系统性地总结了AI（尤其是机器学习和深度学习模型）在利用CT、MRI和内镜超声区分IPMN良恶性病变方面的高性能表现（准确率高达94-99.6%），并指出其超越传统临床评估的潜力	AI的广泛应用受到缺乏标准化成像协议、方法学透明度不足以及缺乏前瞻性多中心验证的限制	评估人工智能在IPMN风险分层和精准诊断中的应用前景，并探讨其融入临床实践与国际指南的路径	胰腺导管内乳头状黏液性肿瘤（IPMN）	数字病理学	胰腺癌	CT, MRI, 内镜超声	机器学习, 深度学习	医学影像	NA	NA	NA	准确率	NA
638	2025-12-12	Interpretable Thermodynamic Score-based Classification of Relaxation Excursions 2025-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690838 PMID:41377511	研究论文	提出一种名为Keeping SCORE的物理启发式方法，将扩散模型转化为分类和回归的概率引擎，通过测量不同类别假设下的噪声轨迹耗散来计算精确的类别似然和预测置信度	将扩散模型应用于分类和回归任务，通过非平衡统计力学原理提供不确定性估计和特征归因，实现无需修改现有训练模型的可解释性	NA	开发一种可解释且具有不确定性感知的分类与回归框架，应用于计算生物学和科学领域	图像识别任务（手写数字、自然照片）、单细胞基因组学（细胞身份区分、基因扰动效应映射）和分子生物物理学（突变对蛋白质折叠能量的影响预测）	机器学习	NA	扩散模型	扩散模型	图像、单细胞基因组数据、分子生物物理数据	NA	NA	扩散模型	准确率、概率估计	NA
639	2025-12-12	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的计算机辅助诊断系统，用于从X射线图像中检测并分级膝关节骨关节炎的严重程度	将YOLOv5的目标检测与分割能力与随机森林分类器的序数分级能力相结合，构建了一种可扩展、可解释且临床相关的混合模型	研究未明确说明模型在不同医疗机构或设备采集的X射线图像上的泛化能力，也未讨论计算资源需求对资源受限环境的实际适用性	开发一种计算机辅助诊断系统，以支持放射科医生进行膝关节骨关节炎的早期诊断和严重程度分级	膝关节骨关节炎的X射线图像	计算机视觉	膝关节骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感性, 特异性	NA
640	2025-12-12	Evaluation on the Feasibility of the Pulse Oximetry-triggered Coronary CT Angiography 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240495 PMID:41379007	研究论文	本研究评估了基于脉搏血氧计触发的冠状动脉CT血管成像（CCTA）在无法或难以连接心电图设备的心脏受试者中应用的可行性	提出并验证了一种基于脉搏血氧计监测心率生成模拟虚拟ECG信号来触发CCTA的新方案，替代传统的ECG触发方式	研究为单中心前瞻性研究，样本量相对有限（300名参与者），且仅使用了16-cm z轴覆盖范围的CT设备	评估脉搏血氧计触发CCTA在临床诊断成像中的可行性，特别是针对无法使用ECG设备的患者	计划接受冠状动脉CT血管成像（CCTA）的连续参与者	数字病理学	心血管疾病	冠状动脉CT血管成像（CCTA）、脉搏血氧计心率监测、运动校正算法、深度学习图像重建	NA	医学影像（CT图像）	300名参与者（平均年龄57岁±12；161名男性），分为脉搏血氧计触发组（n=150）和传统ECG触发组（n=150）	NA	NA	辐射剂量、对比剂剂量、检查时间、CT衰减值、图像噪声、信噪比、对比噪声比、整体图像质量主观评估	16-cm z轴覆盖范围的CT设备，具体计算资源未说明