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
641	2025-12-11	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2025-Dec-08, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成对抗网络的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间指标与车辆交互关系结合，并利用带自注意力层的生成对抗网络处理数据不平衡，同时引入超图注意力网络结合Shapley可解释性分析来提升模型性能	未明确说明模型在更广泛或不同交通环境中的泛化能力，以及计算资源需求的具体细节	预测多模式交通冲突，并克服现有模型在处理少数类样本和捕获动态交互方面的局限性	交通冲突事件，包括冲突和非冲突事件，涉及车辆速度、车辆数量、交通流速度统计、道路标记距离及高峰时段指标等特征	机器学习	NA	NA	生成对抗网络, 超图注意力网络	交通冲突数据	NA	NA	S-HGAT（超图注意力网络结合Shapley可解释性分析）	F1分数, 准确率	NA
642	2025-12-11	A priority control list for LCMs in freshwater food chain by deep learning 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用深度学习方法，针对淡水食物链中液晶单体的持久性、生物累积性和毒性效应，构建并优化了优先控制清单	首次针对影响淡水食物链的商业液晶单体PBT效应构建了优先控制清单，并应用ResNet深度学习模型进行优化和预测	研究仅针对1431种商业液晶单体在特定淡水食物链模型中的效应，可能未涵盖所有环境场景或新型化合物	评估液晶单体在淡水食物链中的环境风险，并建立高精度优先控制清单	1431种商业液晶单体在淡水食物链（水蚤-斑马鱼-卷羽鹈鹕）中的PBT效应	机器学习	NA	分子对接, 机器学习, 深度学习	ResNet	分子对接数值矩阵	1431种液晶单体 × 3个营养级 × 3种PBT效应，共12879个数据点	NA	ResNet	准确率	NA
643	2025-12-11	SpectraNet: A unified deep learning framework for infrared spectroscopy-based prediction of plastic recyclability, type classification, and microplastic identification 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140434 PMID:41232191	研究论文	本文提出了一个名为SpectraNet的统一深度学习框架，利用中红外光谱数据实现塑料可回收性预测、类型分类和微塑料识别	提出了首个将中红外光谱与先进算法相结合的统一深度学习框架，用于同时支持塑料可回收性评估、塑料类型识别和微塑料类型识别三项关键分析任务，并建立了开放的塑料和微塑料红外光谱数据库	NA	开发一个高效的深度学习框架，以应对全球塑料污染和微塑料污染问题，支持塑料回收、材料识别和微塑料监测	塑料和微塑料	机器学习	NA	中红外光谱	深度学习	光谱数据	NA	NA	SpectraNet	准确率	NA
644	2025-12-11	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种结合RNA测序与深度学习模型LCMsT-MTP的新方法，用于快速、高通量筛选自然水体中具有代谢毒性风险的液晶单体	首次将RNA测序数据与深度学习模型相结合，用于预测液晶单体的代谢毒性，克服了传统方法仅针对单一靶点或机制的局限，实现了对21种代谢毒性的同时识别	模型最初基于6种氟化液晶单体的RNA测序数据开发，对于非氟化液晶单体的预测需满足适用域测试，且无法覆盖所有857种潜在代谢毒性液晶单体的快速识别	开发一种快速、高通量的方法，用于筛选自然水体中具有代谢毒性风险的优先液晶单体	液晶单体，特别是对水生生物具有潜在代谢毒性的氟化和非氟化液晶单体	机器学习	NA	RNA测序，深度学习	深度学习模型	基因表达序列数据，化学结构数据	6种氟化液晶单体在斑马鱼中的RNA测序数据，以及857种潜在代谢毒性液晶单体的预测应用	NA	LCMsT-MTP	NA	NA
645	2025-12-11	Deep learning-integrated SERS platform for accurate identification of diverse phthalate ester subtypes 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140584 PMID:41297261	研究论文	本研究开发了一种集成深度学习的表面增强拉曼光谱（SERS）平台，用于快速准确识别和分类七种代表性邻苯二甲酸酯（PAEs）亚型	将等离子体金纳米柱（AuNP）基底形成的垂直和水平纳米间隙结构与深度学习算法相结合，构建了一个高灵敏度、可解释的现场部署检测平台	研究仅针对七种代表性PAEs，未涵盖所有可能的亚型；平台在接近监管阈值（0.1% w/w）浓度下的实际应用性能需进一步验证	开发一种快速、准确、可现场部署的邻苯二甲酸酯检测方法，用于环境监测和消费品安全评估	七种代表性邻苯二甲酸酯（PAEs）亚型	机器学习	NA	表面增强拉曼光谱（SERS）	深度神经网络（DNN）	光谱数据	NA	NA	深度神经网络（DNN）	准确率	NA
646	2025-12-11	Mulaqua: An interpretable multimodal deep learning framework for identifying PMT/vPvM substances in drinking water 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140573 PMID:41297258	研究论文	提出了一种名为Mulaqua的可解释多模态深度学习框架，用于识别饮用水中的持久性、移动性和毒性物质（PMT/vPvM）	首个专门用于识别PMT/vPvM物质的深度学习方法，采用结合分子字符串表示和分子图像的新型多模态方法，并公开了代码	训练数据集中存在数据不平衡问题	开发高效的计算方法，以快速、经济地检测饮用水中的PMT/vPvM物质	饮用水中的持久性、移动性和毒性物质（PMT）以及非常持久和非常移动的物质（vPvM）	机器学习	NA	深度学习，SMILES枚举数据增强	深度学习模型	分子字符串表示，分子图像	NA	NA	NA	准确率，F1分数，马修斯相关系数	NA
647	2025-12-11	The effects of physical activity on diabetic retinopathy in type 2 diabetes using automated vascular analysis: a cohort study 2025-Dec-05, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.15.04319 PMID:41343177	研究论文	本研究利用计算机视觉和深度学习技术，探讨了2型糖尿病患者体力活动与糖尿病视网膜病变及视网膜血管直径之间的关系	首次在大型队列研究中结合计算机视觉和深度学习技术，系统评估体力活动对2型糖尿病患者视网膜血管直径和糖尿病视网膜病变发病的纵向影响	研究依赖自我报告的体力活动数据，可能存在回忆偏倚；仅针对中国上海地区人群，结果外推需谨慎	探究体力活动与2型糖尿病患者糖尿病视网膜病变及视网膜血管直径的关联，探索潜在机制并识别保护性运动方案	2型糖尿病患者	计算机视觉	糖尿病视网膜病变	计算机视觉, 深度学习	NA	视网膜图像, 临床数据	横断面分析42,992人，纵向队列3,669人	NA	NA	风险比, 置信区间	NA
648	2025-12-11	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2025-Dec-04, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息来提高预测准确性	提出了一种增强的基于Transformer的模型，结合了Molr和ProtTrans网络进行特征提取，并引入了转置注意力机制与三重损失自监督学习方法	未在摘要中明确说明	改进药物-靶点相互作用预测，以推进虚拟药物筛选和药物发现	小分子与蛋白质之间的结合亲和力	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	未在摘要中明确说明	未在摘要中明确说明	MolrProtTrans, Transformer	AUC	未在摘要中明确说明
649	2025-12-11	Perivascular space identification nnUNet for generalised usage (PINGU) 2025-Dec-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本文开发了一种名为PINGU的通用血管周围空间分割工具，基于nnUNet算法，在异质MRI数据集上进行训练，以提升在不同图像质量和分辨率下的适用性	首次在异质多数据集（来自7个不同数据集、6台扫描仪）上训练nnUNet用于血管周围空间分割，增强了模型在临床和研究环境中广泛图像质量下的泛化能力	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一种适用于广泛图像质量和分辨率的自动化血管周围空间分割工具	大脑MRI图像中的血管周围空间	数字病理	血管疾病	MRI扫描	CNN	3D MRI图像	来自7个不同数据集、6台扫描仪的异质MRI样本	nnUNet	nnUNet	Dice系数（体素和簇级别）	NA
650	2025-12-11	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2025-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（特别是机器学习和深度学习）如何通过整合视觉、嗅觉和味觉感知技术来革新食品检测领域	系统阐述了AI在食品检测中实现自动特征学习和高维信号表征的机制，并展望了多模态数据融合及大语言模型的潜在应用	未提及具体的实验验证或性能对比数据，主要基于理论分析和文献综述	阐明人工智能在食品检测领域的理论框架和技术范式变革，并分析其未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	多模态数据（视觉、嗅觉、味觉信号）	NA	NA	NA	检测准确率、鲁棒性	NA
651	2025-12-11	A machine learning based framework for identifying consumer product injuries from social media data 2025-Dec-04, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112927 PMID:41365280	研究论文	提出一个基于机器学习的框架，用于从社交媒体数据中识别消费者产品伤害，以改进伤害监测	利用实时社交媒体帖子提取产品伤害细节，快速识别新兴伤害趋势，相比传统医院数据收集方法，处理时间更短，能促进及时干预	研究仅针对滑板相关伤害进行了评估，未涵盖其他产品类型，且模型性能（如F1分数）有提升空间	改进消费者产品伤害监测，通过社交媒体数据分析识别新兴伤害模式，以支持预防性干预如产品召回	社交媒体帖子（来自Reddit平台），涉及消费者产品伤害信息	自然语言处理	NA	社交媒体数据抓取，机器学习模型训练	LSTM, GRU, SGD	文本	非伤害相关数据来自亚马逊产品评论，伤害相关数据来自国家电子伤害监测系统（NEISS）数据库，具体样本数量未明确	NA	LSTM, GRU	F1分数	NA
652	2025-12-11	Long-Tailed Continual Learning For Visual Food Recognition 2025-Dec-03, IEEE transactions on multimedia IF:8.4Q1 DOI:10.1109/tmm.2025.3632640 PMID:41358265	研究论文	本文提出了一种用于视觉食物识别的长尾持续学习方法，以解决新类别学习和长尾分布问题	引入了基于知识蒸馏的预测器以避免持续学习中的表示错位，并结合了类激活图与CutMix的增强技术来提升对实例稀有食物类别的泛化能力	NA	开发一种能够持续学习新食物类别并处理长尾分布的食物识别方法	美国食物图像，包括健康人群、胰岛素使用者以及未使用胰岛素的2型糖尿病个体的消费数据	计算机视觉	NA	深度学习	NA	图像	包含186种美国食物及其全面标注的数据集，以及三个新基准数据集（VFN186-LT、VFN186-INSULIN、VFN186-T2D）	NA	NA	NA	NA
653	2025-12-11	Cartesian equivariant representations for learning and understanding molecular orbitals 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510235122 PMID:41269783	研究论文	本文提出了一种名为CEONET的笛卡尔等变网络，用于基于分子轨道系数预测轨道能量和特性，如键合/反键合特征	首次将先进的等变深度学习架构应用于分子轨道的全局标签分配，特别是轨道能量和熵的预测，并开发了CEONET作为等变节点特征的表示方法	未明确说明模型在复杂分子系统或不同电子结构方法下的泛化能力限制	开发深度学习模型以自动化和解释电子结构理论中的轨道特性，如能量和键合特征	分子轨道系数，来自Hartree-Fock或密度泛函理论计算	机器学习	NA	深度学习，电子结构理论（Hartree-Fock，密度泛函理论）	等变神经网络	分子轨道系数数据	NA	NA	Cartesian Equivariant Orbital Network (CEONET)	轨道能量预测精度，轨道熵预测性能	NA
654	2025-12-11	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	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放射组学模型在检测肌层浸润性膀胱癌方面的诊断性能，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驱动与传统放射组学模型在预测膀胱癌肌层浸润方面的诊断效能，并深入探讨了多种异质性来源	纳入研究存在显著的异质性，且需要多国、多中心的前瞻性队列研究来验证外部有效性	系统评估AI驱动和传统放射组学模型在检测肌层浸润性膀胱癌中的诊断性能，并评估其临床转化前景	肌层浸润性膀胱癌患者	医学影像分析	膀胱癌	多参数成像，包括计算机断层扫描和磁共振成像	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
655	2025-12-11	The value of machine and deep learning in management of critically ill patients: An umbrella review 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106081 PMID:40795609	综述	本文通过伞状系统综述探讨了机器学习和深度学习在重症监护病房（ICU）危重患者管理中的应用潜力	首次以伞状系统综述的形式全面评估了机器学习和深度学习在ICU多疾病领域（如脓毒症、呼吸、心血管、肾脏和神经系统疾病）管理中的应用现状与潜力	临床转化应用仍受限，主要由于外部验证不足、方法学不一致以及未解决的伦理问题	探索机器学习和深度学习在危重患者管理中的应用可能性，以改善临床决策和患者结局	重症监护病房（ICU）中的危重患者，特别是涉及脓毒症、呼吸、心血管、肾脏和神经系统疾病的患者	机器学习	危重病（涵盖脓毒症、呼吸系统疾病、心血管疾病、肾脏疾病、神经系统疾病）	NA	机器学习, 深度学习	NA	42项符合分析标准的研究（源自2148条初始记录）	NA	NA	NA	NA
656	2025-12-11	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	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基于深度学习的网络在利用CT图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在脑出血血肿扩张预测中的应用进行系统性综述和荟萃分析，比较了纯深度学习模型与结合其他方法的混合模型的诊断性能	纳入研究存在异质性，部分研究质量可能影响结果，且可能存在发表偏倚	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者的CT扫描图像	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异性, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
657	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
658	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
659	2025-12-11	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文提出了一种基于可解释机器学习的模型，用于定量分析结肠隐窝分支的对称和不对称模式，以改善炎症性肠病的组织学表征	通过手工设计的形态特征和深度学习模型，首次实现了对结肠隐窝分支模式的自动分类，并强调了模型的可解释性	模型性能仍有提升空间（平衡准确率约0.80），且依赖专家标注数据，可能受限于样本多样性和标注一致性	开发一种机器学习模型，以准确分类结肠隐窝的对称和不对称分支模式，从而辅助炎症性肠病的定量描述和组织学亚型分析	结肠隐窝的分支形态	数字病理学	炎症性肠病	形态特征提取，图像分割	集成学习模型，深度学习模型	图像	NA	NA	NA	平衡准确率	NA
660	2025-12-11	Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches 2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.07.009 PMID:40897576	系统综述	本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能	首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能	纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性	系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能	利用深度学习架构进行口腔扁平苔藓诊断的研究	计算机视觉	口腔扁平苔藓	临床摄影	CNN, Vision Transformer	图像	NA	NA	InceptionResNetV2, Xception	准确率, 灵敏度, 特异性, AUC	NA