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
701	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_099932 PMID:41442228	研究论文	本研究通过计算机视觉和基于图的深度学习架构分析多模态神经影像数据，结合非线性广义加性模型，探索全球不同人群的加速脑老化及其与社会经济和环境因素的关联	首次结合DenseNet分类器、基于图的深度学习架构及非线性广义加性模型，在全球范围内分析脑老化差异，并揭示社会经济不平等、污染和健康差异对脑老化的显著影响	研究依赖于现有神经影像数据，可能未完全覆盖所有全球区域或人口亚群，且模型性能在不同数据质量下可能存在差异	探索地理、社会经济和人口因素如何影响全球人群的加速脑老化，特别是在服务不足地区	行为变异型额颞叶痴呆、阿尔茨海默病患者及健康对照者	计算机视觉, 深度学习	阿尔茨海默病, 额颞叶痴呆	结构MRI, fMRI, EEG	CNN, 图神经网络	图像, 时间序列	DenseNet分类器涉及3,000名参与者；基于图的深度学习涉及5,306名参与者，覆盖15个国家	NA	DenseNet, 图神经网络	统计显著性(p值)	NA
702	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_097276 PMID:41442546	研究论文	本文提出了一种掩码多模态多任务深度学习框架，通过合成PET扫描来改进阿尔茨海默病淀粉样蛋白负荷的预测	提出了一种结合潜在扩散模型生成合成PET图像和掩码嵌入注意力机制处理缺失数据的深度学习框架，以降低对昂贵PET扫描的依赖	研究基于特定队列（ADNI-2和ADNI-3），未来需要在更大、更多样化的队列中测试，并评估其在实际临床管理中的影响	改进阿尔茨海默病淀粉样蛋白负荷的预测，以促进早期筛查在临床环境中的更广泛应用	阿尔茨海默病神经影像学倡议（ADNI-2和ADNI-3）的参与者	数字病理学	阿尔茨海默病	PET成像, MRI	深度学习, 潜在扩散模型	图像, 临床数据	968名参与者的2,043次纵向观察	NA	潜在扩散模型, 掩码嵌入注意力机制	平均绝对误差, 曲线下面积	NA
703	2025-12-27	[Research on Demand Prediction for Coronary Stents Based on Deep Learning] 2025-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250318 PMID:41448929	研究论文	本研究基于深度学习模型预测冠状动脉支架需求，以优化供应计划并提高使用效率	首次将Transformer模型应用于冠状动脉支架需求预测任务，并验证其在特征提取和模式识别方面的优越性	研究仅基于单家大型三甲医院的数据，可能缺乏普适性；数据时间范围有限（2022年1月至2024年8月）	预测冠状动脉支架需求，优化医院库存管理，确保支架供应与使用效率	冠状动脉支架的集中采购数据	机器学习	心血管疾病	NA	Transformer, 其他深度学习模型	时间序列数据	一家大型三甲医院2022年1月至2024年8月的冠状动脉支架集中采购数据	NA	Transformer	MSE, 预测需求评估指标体系	NA
704	2025-12-27	Explainable OptiCNN-SLSTM hybrid model for enhanced lithium-ion battery state of health prediction 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28091-6 PMID:41318802	研究论文	本文提出了一种名为OptiCNN-SLSTM的混合深度学习框架，用于准确预测锂离子电池的健康状态	结合了1D CNN进行时序特征压缩和状态保持的LSTM以捕获样本内和样本间的依赖关系，并采用两步超参数优化过程	未明确说明模型在更广泛电池类型或极端工况下的泛化能力	提高锂离子电池健康状态预测的准确性，以改善电动汽车性能和充电策略	锂离子电池	机器学习	NA	NA	CNN, LSTM	时序数据	NASA数据集、牛津数据集和真实世界电动汽车E-kart电池数据集	NA	1D CNN, Stacked LSTM	RMSE, MSE, MAE	NA
705	2025-12-27	Capturing atomic wetting dynamics in real time 2025-Nov-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66416-1 PMID:41315237	研究论文	本文通过原位原子分辨率透射电子显微镜结合深度学习卷积神经网络，实时捕捉了碳纳米管内金属纳米线生长的原子级润湿动力学过程	揭示了纳米线生长的两阶段机制：曲率驱动成核和毛细作用驱动伸长，并建立了预测性框架，将纳米级润湿动力学与先进纳米材料制备联系起来	研究仅限于多壁碳纳米管内的SnO纳米线生长，未涵盖其他材料或更广泛的润湿条件	研究纳米尺度下原子级润湿动力学，特别是在受限环境中的金属纳米线生长机制	多壁碳纳米管内的金属纳米线生长过程	材料科学	NA	原位原子分辨率透射电子显微镜，深度学习卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
706	2025-12-27	AdaptPest-Net: A Task-Adaptive Network with Graph-Mamba Fusion for Multi-Scale Agricultural Pest Recognition 2025-Nov-28, Entropy (Basel, Switzerland) DOI:10.3390/e27121211 PMID:41440414	研究论文	本文提出了一种名为AdaptPest-Net的任务自适应网络，用于多尺度农业害虫识别	提出了三个关键创新：基于样本难度的动态路由、图卷积与Mamba状态空间模型的融合、以及双向跨模态注意力机制，以实现计算效率与特征关系建模的平衡	NA	提高农业害虫分类的准确性和计算效率	农业害虫图像	计算机视觉	NA	深度学习	CNN, GCN, Mamba	图像	IP102和D0数据集	NA	AdaptPest-Net	准确率	NA
707	2025-12-27	Lightweight 3D CNN for MRI Analysis in Alzheimer's Disease: Balancing Accuracy and Efficiency 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120426 PMID:41440565	研究论文	本文提出了一种用于阿尔茨海默病MRI分析的轻量级3D CNN框架，旨在平衡诊断准确性与计算效率	提出了一种集成自适应多尺度特征提取、结构剪枝和参数优化的轻量级MRI分类框架，显著降低了模型复杂度和资源消耗	仅使用了ADNI数据集进行评估，未在其他独立数据集上验证模型的泛化能力	开发一种计算效率高且诊断性能优异的深度学习模型，用于阿尔茨海默病的早期检测	阿尔茨海默病患者的大脑MRI扫描图像	数字病理学	阿尔茨海默病	MRI扫描	CNN	图像	阿尔茨海默病神经影像学倡议数据集	NA	3D CNN	准确率, 性能密度	NA
708	2025-12-27	SegClarity: An Attribution-Based XAI Workflow for Evaluating Historical Document Layout Models 2025-Nov-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120424 PMID:41440566	研究论文	本文提出了一种名为SegClarity的基于归因的可解释人工智能工作流，用于评估历史文档布局模型的解释性	提出了一种结合视觉和定量评估的新型工作流，并引入了归因一致性分数作为新的可解释性度量指标	未明确说明工作流在其他类型文档或更复杂场景下的适用性限制	提高历史文档语义分割模型的可解释性和可靠性	历史文档图像	计算机视觉	NA	语义分割，可解释人工智能	U-Net	图像	两个历史文档图像数据集	未明确说明	U-Net	归因一致性分数，其他五种XAI评估指标	NA
709	2025-12-27	Transformer and Pre-Transformer Model-Based Sentiment Prediction with Various Embeddings: A Case Study on Amazon Reviews 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121202 PMID:41440405	研究论文	本研究对亚马逊评论数据集进行了全面的情感分类模型比较评估，涵盖传统机器学习、Transformer前深度学习及Transformer模型，并分析了不同嵌入方法的性能	提出了一个可扩展的、考虑熵感知的评估框架，结合了定量比较和系统性的误分类样本定性分析，以揭示模型特定的不确定性模式，并采用资源感知方法模拟真实硬件限制	研究主要基于亚马逊特定产品类别（杂志订阅和礼品卡）的评论，可能无法完全推广到其他领域或更广泛的语言变体	比较不同范式的情感分类模型及嵌入方法的性能，为实际应用提供基于上下文感知的模型选择指导	亚马逊评论数据（Magazine Subscriptions 2023数据集和Gift Card Reviews数据集）	自然语言处理	NA	情感分析	传统机器学习模型, LSTM, Transformer	文本	初始25K条评论，后缩减至20K条以模拟资源限制	NA	BERT, DistilBERT, LSTM	准确率, 精确率, 召回率, F1分数, 分类交叉熵	NA
710	2025-12-27	A Masi-Entropy Image Thresholding Based on Long-Range Correlation 2025-Nov-27, Entropy (Basel, Switzerland) DOI:10.3390/e27121203 PMID:41440406	研究论文	本文提出了一种基于Masi熵和长程相关性的图像阈值分割方法，改进了现有Tsallis和Shannon熵技术	使用Masi熵替代Tsallis熵来捕捉长程相互作用，并结合模拟退火算法进行参数优化，提升了分割性能	方法依赖于熵参数，需通过优化算法调整，可能增加计算复杂度	改进图像阈值分割技术，提高在多种图像类型上的分割准确性	红外图像、无损检测图像以及BSDS500数据集的RGB图像	计算机视觉	NA	图像阈值分割	支持向量机	图像	BSDS500数据集中的图像	NA	核支持向量机	分割准确性	NA
711	2025-12-27	The Influence of Hobby Engagement on Cognitive Function Among Older Adults: A Population-Based Cohort Study Using Statistical Analysis and Machine Learning Predictions 2025-Nov-27, Neurology international IF:3.2Q2 DOI:10.3390/neurolint17120192 PMID:41441211	研究论文	本研究探讨了兴趣爱好参与对老年人认知功能的影响，通过统计分析和机器学习预测方法，发现兴趣爱好参与与较低的持续低认知功能轨迹风险相关	采用多方法分析策略，结合传统统计模型（如线性回归、混合效应模型）与机器学习算法（包括梯度提升回归器），并应用基于组的轨迹建模识别异质性认知亚组，以全面评估兴趣爱好与认知功能的关联及预测性能	研究为观察性设计，无法确立因果关系；认知功能测量可能受自我报告偏差影响；样本主要来自英国社区居住的老年人，可能限制结果的普遍性	评估兴趣爱好参与与老年人认知功能之间的关联，并探索其作为保护性因素对认知健康轨迹的影响	50岁及以上的社区居住老年人	机器学习	老年疾病	NA	梯度提升回归器	纵向队列数据	6854名参与者	Scikit-learn	NA	RMSE, R2	NA
712	2025-12-27	A Lightweight Cross-Gated Dual-Branch Attention Network for Colon and Lung Cancer Diagnosis from Histopathological Images 2025-Nov-26, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040286 PMID:41440518	研究论文	本文提出了一种轻量级交叉门控双分支注意力网络，用于从组织病理学图像中诊断结肠癌和肺癌	通过交叉门控融合机制集成EfficientNetV2-B0和MobileNetV3-Small骨干网络，自适应平衡全局上下文和精细结构细节，无需外部特征提取或优化阶段	未提及具体局限性	开发一种端到端的双分支注意力网络，以实现高精度、计算效率和透明度的组织病理学分类	结肠和肺癌的组织病理学图像	数字病理学	肺癌, 结肠癌	NA	CNN	图像	NA	NA	EfficientNetV2-B0, MobileNetV3-Small	准确率, 精确率, 召回率, F1分数, MCC	NA
713	2025-12-27	A Deep Learning Approach for Microplastic Segmentation in Microscopic Images 2025-Nov-25, Toxics IF:3.9Q1 DOI:10.3390/toxics13121018 PMID:41441239	研究论文	本文提出了一种用于显微图像中微塑料分割和形态学表征的深度学习模型	开发了MNv4-Conv-M-fpn模型，结合迁移学习、特征金字塔网络和特征融合模块，实现了高精度、高效率的微塑料多类别分割	未明确说明模型在极端环境样本或不同成像条件下的泛化能力	解决微塑料形态学表征的测量瓶颈，为环境风险评估提供高精度工具	显微图像中的微塑料颗粒	计算机视觉	NA	显微成像	深度学习	图像	未明确说明具体样本数量，但提及使用了多样化数据集	未明确说明	MNv4-Conv-M-fpn, Feature Pyramid Network, Feature Fusion Module	准确性, 计算效率, 推理速度	未明确说明
714	2025-12-27	Artificial Intelligence for Risk Stratification in Diffuse Large B-Cell Lymphoma: A Systematic Review of Classification Models and Predictive Performances 2025-Nov-24, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci13040280 PMID:41440512	综述	本文系统回顾了人工智能/机器学习在弥漫性大B细胞淋巴瘤预后预测和风险分层中的应用，并总结了不同数据模态和计算方法的趋势与潜力	首次系统性地对AI/ML在DLBCL风险分层中的应用进行了范围综述，并基于数据模态（如临床特征、PET/CT影像、多组学等）对研究进行了分类，识别了关键趋势和知识缺口	作为一篇综述，其局限性在于依赖现有研究的质量和报告，且未进行新的实验验证；未来研究需关注模型的外部验证和可解释性	系统梳理当前关于使用人工智能/机器学习技术进行DLBCL结局预测和风险分层的文献，识别趋势、知识缺口及临床转化机会	涉及DLBCL预后预测和风险分层的原始研究，包括临床数据、PET/CT影像、组织病理学、转录组学、基因组学、ctDNA及多组学数据	机器学习	弥漫性大B细胞淋巴瘤	机器学习，深度学习，基因表达谱，循环肿瘤DNA分析，多组学整合	集成学习，CNN，LASSO-Cox模型	临床数据，PET/CT影像，CT影像，数字病理图像，组织病理学图像，基因表达数据，突变特征数据，ctDNA数据，microRNA数据，多组学数据	共筛选了215项记录，其中91项研究符合纳入标准	NA	NA	AUC	NA
715	2025-12-27	Deep learning enabled rapid detection of live bacteria in the presence of food debris 2025-Nov-21, NPJ science of food IF:6.3Q1 DOI:10.1038/s41538-025-00636-z PMID:41271775	研究论文	本研究开发了一种基于深度学习的策略，利用白光显微镜图像快速检测和分类活细菌，即使在存在形态相似食物残渣的情况下也能实现	结合ResNet50与区域提议网络，首次实现在复杂食物基质中快速（3小时内）且高精度地检测活细菌，同时有效区分细菌与食物残渣	研究仅针对三种特定细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）和三种食物残渣（鸡肉、菠菜、奶酪）进行验证，可能无法泛化到其他细菌或食物类型	开发一种快速、准确且成本效益高的活细菌检测方法，以应对食品安全中的病原体污染问题	活细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）及食物残渣（鸡肉、菠菜、奶酪）	计算机视觉	NA	白光显微镜成像	CNN	图像	涉及三种细菌和三种食物残渣的微菌落图像数据集	NA	ResNet50, Region Proposal Network	精确度, 召回率, 假阳性率	NA
716	2025-12-27	Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments 2025-Nov-20, Communications engineering DOI:10.1038/s44172-025-00548-6 PMID:41266785	研究论文	本文介绍了一种结合深度学习与保形预测的框架，用于在极端环境中进行非侵入性核心体温预测，并提供校准的不确定性估计	首次将保形预测与深度学习结合，为实时非侵入性核心体温预测提供统计校准的不确定性估计，显著提升了概率准确性	研究主要针对热应激环境，在其他极端环境或疾病条件下的适用性尚需进一步验证	开发一种具有校准不确定性的实时非侵入性核心体温预测方法，以支持安全关键的生理监测	核心体温预测，特别是在高风险热应激环境下的应用	机器学习	NA	深度学习, 保形预测	深度学习模型	生理测量数据, 人口统计学数据, 环境数据	超过140,000个生理测量数据，涵盖六个操作领域	NA	NA	测试误差, 校准概率准确性, 预测区间	NA
717	2025-12-27	Deep Learning in Otolaryngology: A Narrative Review 2025-Nov-13, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文是一篇关于深度学习在耳鼻喉科领域应用的叙事性综述，总结了2020年至2025年的研究进展	提出了一个将深度学习整合到耳鼻喉科临床实践中的框架，并强调了联邦学习和可解释性等新兴框架在隐私保护和增强临床信任方面的潜力	作为叙事性综述，可能存在主观选择偏差，且未进行定量荟萃分析；深度学习模型在临床广泛采用仍需解决多机构数据集、标准化采集协议和模型可解释性等挑战	综述深度学习在耳鼻喉科的最新应用，并为其临床整合提出框架	耳鼻喉科领域的医学图像（如动态喉镜）和生理信号（如人工耳蜗优化）	机器学习	耳鼻喉科疾病（如鼻咽癌、喉部恶性肿瘤、耳科病理、慢性鼻窦炎）	深度学习	NA	图像、生理信号	基于327项原始研究（共筛选1422篇文章）	NA	NA	诊断性能（如92%识别鼻咽癌、86%识别喉部恶性肿瘤、>95%识别耳科病理）	NA
718	2025-12-27	Evaluating the quality of multiple automatically produced segmentation variants of the prostate on Magnetic Resonance Imaging scans for brachytherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100852 PMID:41439244	研究论文	评估一种基于深度学习的（半）自动医学图像分割方法在MRI前列腺分割中的质量，并与传统DL方法进行比较	提出了一种能生成多个分割变体（反映手动分割的变异）的新型DL方法，而非仅单一分割结果，旨在提高临床医生偏好自动分割的可能性	研究为回顾性设计，样本量较小（仅13名前列腺癌患者），可能限制结果的普遍性	评估新型DL分割方法在前列腺MRI分割中的质量，并探讨其临床应用的潜力	前列腺癌患者的MRI扫描图像	数字病理	前列腺癌	MRI扫描	深度学习（DL）	图像	13名前列腺癌患者	NA	NA	手动校正需求等级（无校正、不可接受等），偏好排名	NA
719	2025-12-27	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	本研究开发并验证了名为CerviPro的多模态深度学习模型，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	通过融合治疗前后CT影像、手工放射组学特征和临床变量，构建了首个针对局部晚期宫颈癌的多模态预后预测模型，并证明了多模态特征融合优于单一数据源模型	研究样本量相对有限（1018例），且外部验证队列的C-index（0.70和0.66）低于内部验证队列（0.81），表明模型泛化能力有待进一步提升	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	接受根治性放疗的局部晚期宫颈癌患者	数字病理学	宫颈癌	CT成像	深度学习模型	CT影像、放射组学特征、临床变量	1018例局部晚期宫颈癌患者	NA	CerviPro	C-index	NA
720	2025-12-27	Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction 2025-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.05.25326794 PMID:40385437	研究论文	本研究比较了深度学习模型Genome-Local-Net与线性模型bigstatsr在预测五种精神疾病方面的性能，并探讨了结合个体和GWAS来源的多基因评分及家族遗传风险评分的预测效果	首次系统评估深度学习模型在精神疾病多基因评分预测中的泛化能力，并探索了多种评分整合策略的增效作用	深度学习整合策略未显示一致优势，研究仅针对五种精神疾病，样本代表性可能受限	提升精神疾病遗传风险预测的准确性和泛化能力	注意力缺陷多动障碍、自闭症谱系障碍、双相情感障碍、重度抑郁症和精神分裂症	机器学习	精神疾病	全基因组关联研究	深度学习, 线性模型	基因型数据	未明确	未明确	Genome-Local-Net	AUROC	未明确