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
741	2025-12-26	Refined query network (RQNet) for precise MRI segmentation and robust TED activity assessment 2025-Dec-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3101 PMID:41442780	研究论文	本文提出了一种名为RQNet的高效深度学习框架，用于精确分割多序列MRI中的复杂眼眶结构并稳健评估甲状腺眼病活动性	引入了新颖的Refined Query Transformer Block（RQT Block）和Refined Attention Query Multi-Head Self-Attention（RAQ-MSA），将注意力复杂度从O(N²)降低到O(N·M)，并通过多序列MRI特征融合提升甲状腺眼病活动性评估性能	未明确提及研究的局限性	开发一个高效的深度学习框架，用于精确分割3D眼眶MRI结构并稳健评估甲状腺眼病活动性，以支持临床决策	多序列MRI（T1WI、T2WI、T1CE）中的复杂眼眶结构	计算机视觉	甲状腺眼病	MRI成像	CNN, Transformer	3D MRI图像	NA	PyTorch	U-Net, RQNet, RQT Block	Dice相似系数, AUC	NA
742	2025-12-26	Deep Learning Model for Classification of Premature Ventricular Contractions　- Could Artificial Intelligence Models Become the New Criteria? 2025-Dec-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-25-1002 PMID:41443894	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
743	2025-12-26	Optimized federated learning framework with RegNetZ and Swin-Transformer for multimodal pancreatic cancer detection1 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31967-2 PMID:41444372	研究论文	本文提出了一种结合RegNetZ和Swin-Transformer的联邦学习框架，用于多模态胰腺癌的自动检测、亚型分类和预后预测	创新点包括整合RegNetZ和Swin-Transformer进行多模态特征提取，引入混合Aquila-灰狼优化器进行超参数调优，以及采用联邦学习框架在保护隐私的同时提升诊断准确性	研究在模拟的5-7个客户端机构中进行评估，未在真实世界大规模多中心数据上验证，且框架的泛化能力有待进一步测试	研究旨在通过联邦学习框架提高胰腺癌的早期检测、亚型分类和预后预测的准确性和效率，同时解决医疗数据隐私和共享问题	研究对象包括胰腺癌的CT、MRI、组织学、基因组和临床记录等多模态数据	数字病理学	胰腺癌	CT、MRI、组织学、基因组测序、临床记录分析	CNN, Transformer	图像、文本、基因组数据、临床记录	在5-7个模拟客户端机构中进行评估，具体样本数量未明确说明	PyTorch, TensorFlow	RegNetZ, Swin-Transformer	准确率、灵敏度、精确率、AUC	未明确指定GPU类型或云平台，但提到框架具有较低的计算成本
744	2025-12-26	Application of deep learning for transformation of Chinese traditional cultural narrative patterns and enhancement of cultural identity empowered by AIGC 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32302-5 PMID:41444384	研究论文	本研究旨在通过构建基于Stable Diffusion v2.1和CLIP模型的三模态生成框架，实现中国传统文化叙事内容的可控生成，并增强文化认同	提出了基于Stable Diffusion v2.1和CLIP的文本-图像-风格三模态生成框架，实现了传统文化语义与视觉意象的联合建模；引入LoRA机制轻量化嵌入传统文化风格特征，提升了小样本条件下的风格适应性；构建了“生成质量-语义一致性-文化认同”三级评价系统，系统验证模型性能	未明确说明模型在更大规模或更复杂传统文化内容生成中的泛化能力，也未讨论计算资源消耗或潜在偏见问题	实现中国传统文化叙事内容的可控生成，并增强文化认同	中国传统文化叙事内容	自然语言处理,计算机视觉	NA	深度学习,可控生成	扩散模型,对比学习模型	文本,图像	未明确说明具体样本数量，但提及小样本条件	Stable Diffusion,CLIP	Stable Diffusion v2.1,CLIP	FID,LPIPS,风格识别准确率,BLEU,CLIP文本-图像相似度,叙事风格匹配度,用户叙事共鸣,意象准确度得分,问答任务通过率	未明确说明具体计算资源
745	2025-12-26	Conjugate gradient and deep learning reconstructions: reduced time without affecting image quality and nodule detection 2025-Dec-24, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12153-4 PMID:41444395	研究论文	本研究评估了共轭梯度重建和深度学习重建在超短回波时间肺部MRI中减少扫描时间的同时保持图像质量和结节检测能力的效用	结合共轭梯度重建和深度学习重建技术，在超短回波时间肺部MRI中实现扫描时间减少而不影响图像质量和结节检测能力	研究样本量相对较小（35名患者），且仅针对肺部结节进行评估，未涉及其他肺部病变	评估共轭梯度重建和深度学习重建在超短回波时间肺部MRI中减少扫描时间的潜力	NEMA体模和35名肺部结节患者	医学影像分析	肺癌	超短回波时间MRI	深度学习重建	MRI图像	35名肺部结节患者和NEMA体模	NA	NA	信噪比, 图像质量评分, 结节检测能力, ROC曲线下面积	NA
746	2025-12-26	Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases 2025-Dec-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67578-8 PMID:41444482	研究论文	本研究利用深度学习模型分析英国生物库中的全身双能X射线吸收测定图像，生成头身比表型，并通过全基因组关联分析揭示了其遗传基础及其与多种常见疾病的关联	首次大规模应用深度学习分割全身影像生成头身比表型，并系统探索其遗传基础、疾病关联及进化背景	研究样本主要来自英国生物库，可能存在人群代表性限制；影像数据为双能X射线吸收测定图像，未涵盖其他影像模态	探究头身比的遗传基础及其与人类常见疾病的关联	英国生物库中的38,202例全身双能X射线吸收测定图像	计算机视觉	心血管疾病, 代谢疾病, 肌肉骨骼疾病, 神经精神疾病	双能X射线吸收测定	深度学习模型	图像	38,202例全身影像	NA	NA	NA	NA
747	2025-12-26	A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules 2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00976-9 PMID:41444688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
748	2025-12-26	SentXFormer: a transformer-enhanced hybrid deep learning framework for cross-domain sentiment analysis of customer reviews 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33526-1 PMID:41444756	研究论文	提出了一种名为SentXFormer的深度学习模型，用于跨领域客户评论的情感分析	结合了CNN、GRU层与BERT、RoBERTa、DABERT的上下文嵌入，并引入了基于对抗训练和梯度反转层的领域适应模块，以学习领域不变表示	未明确提及具体限制，如模型在更广泛或更复杂领域中的泛化能力	提升跨领域情感分析的准确性和可迁移性	客户评论数据	自然语言处理	NA	NA	CNN, GRU, Transformer	文本	23,440条情感标注评论，来自Amazon（7,550条）、Yelp（8,450条）和IMDB（7,440条）数据集	NA	SentiConGRU-Net, BERT, RoBERTa, Domain-Adaptive BERT (DABERT)	准确率	NA
749	2025-12-26	An efficient hybrid artificial intelligence framework for lung cancer classification using CT images 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31432-0 PMID:41444763	研究论文	本文提出了一种基于混合人工智能框架的肺癌分类方法，利用CT图像进行正常、良性和恶性分类	提出了一种结合传统特征提取方法（GLCM和SIFT）与深度学习模型（VGG-16和MobileNet）的混合AI框架，并通过特征融合提升分类性能	未提及模型在外部验证集上的泛化能力或计算效率的具体分析	开发一种自动化的肺癌早期预测系统，以提高诊断准确性和生存率	肺癌CT图像	计算机视觉	肺癌	CT成像	CNN	图像	使用IQ-OTH/NCCD数据集中的图像，具体样本数量未明确说明	未明确说明，可能涉及TensorFlow或PyTorch	VGG-16, MobileNet	准确率, 精确率, 召回率, F1分数, 特异性	未明确说明
750	2025-12-26	Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection 2025-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02244-3 PMID:41444826	研究论文	本研究在真实世界中对一款商业深度学习模型（Aidoc Medical Briefcase ICH Triage）用于颅内出血检测的性能进行了大规模回顾性评估	首次在包含超过10万次CT检查的大规模真实世界数据集中，全面评估了FDA批准的商业AI模型在颅内出血检测中的性能，并利用GPT-4o结合零样本提示优化策略自动提取放射学报告标签进行验证	模型对亚急性、慢性、小出血灶（≤10 mm）及单腔室出血的敏感性较低，在门诊环境中性能下降，且研究为回顾性设计，可能存在选择偏倚	评估商业深度学习模型在真实临床环境中检测颅内出血的准确性和可靠性	74,142名患者的101,944次非增强头部CT检查	医学影像分析	颅内出血	深度学习, CT影像分析	深度学习模型	CT图像	101,944次非增强头部CT检查（来自74,142名患者）	NA	Aidoc Medical Briefcase ICH Triage（商业模型，具体架构未公开）	敏感性, 特异性, 准确率	NA
751	2025-12-26	Comprehensive comparative analysis of explainable deep learning model for differentiation of brucellar spondylitis and tuberculous spondylitis through MRI sequences 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03731-9 PMID:41444906	研究论文	本研究通过系统比较四种不同的深度学习架构，旨在寻找整合多序列MRI信息以区分布鲁氏菌性脊柱炎和结核性脊柱炎的有效策略	首次系统比较了单序列、单分支融合、异质多分支和同质多分支四种深度学习架构在整合多序列MRI数据用于脊柱炎鉴别诊断中的性能，明确了朴素通道融合策略的无效性	回顾性、单中心研究，样本量相对有限（235例患者），仅使用了内部测试集，缺乏外部验证	寻找并验证整合多序列MRI信息以区分布鲁氏菌性脊柱炎和结核性脊柱炎的最优深度学习架构策略	经手术和病理证实的布鲁氏菌性脊柱炎（82例）和结核性脊柱炎（153例）患者的MRI图像	数字病理学	脊柱炎	磁共振成像	深度学习模型	图像	235例患者（BS 82例，TS 153例）	NA	单分支融合模型、异质多分支模型、同质多分支模型	AUC	NA
752	2025-12-26	Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution 2025-Dec-23, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01554-25 PMID:41222234	综述	本文回顾了计算病毒学从传统方法到AI及混合框架的演变，探讨了AI在病毒发现和进化研究中的整合应用	提出了一个结合AI模式识别与经典生物信息学的集成工作流程，以同时提升病毒发现的可扩展性和结果可解释性	AI驱动的方法面临计算负担重、数据集偏差、可解释性有限以及假阳性发现率较高等挑战	加速病毒发现、增强对病毒进化的理解，并加强全球对新发传染病的防范准备	病毒基因组、病毒蛋白质及其与宿主的相互作用	生物信息学	传染病	宏基因组测序	CNN, RNN, Transformer, GNN	序列数据，结构数据	NA	NA	AlphaFold, ESMFold, Foldseek	灵敏度，可扩展性，假发现率	NA
753	2025-12-26	U-Net-based deep learning architecture for automated CBCT segmentation of the mandibular canal in dental implant treatment planning: A systematic review and meta-analysis 2025-Dec-23, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.12.003 PMID:41444033	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U-Net的深度学习架构在CBCT影像中自动分割下颌管用于牙科种植治疗规划的准确性和临床相关性	首次对基于U-Net的深度学习模型在CBCT下颌管自动分割中的应用进行系统综述和定量荟萃分析，综合评估其分割精度和临床潜力	纳入研究数量有限（8项），存在高度异质性，且外部验证和模型可解释性分析报告不足，可能影响结果的普遍适用性	评估深度学习（主要是U-Net架构）在CBCT影像中自动分割下颌管用于牙科种植规划的准确性和临床价值	锥形束计算机断层扫描（CBCT）影像中的下颌管结构	数字病理	NA	锥形束计算机断层扫描（CBCT）	深度学习	医学影像（CBCT扫描）	NA	NA	U-Net, 注意力机制U-Net, 残差U-Net	Dice相似系数（DSC）, 95%豪斯多夫距离（HD）, 交并比（IoU）	NA
754	2025-12-26	MRI-based habitat radiomics and deep learning for predicting vessels encapsulating tumor clusters and survival in hepatocellular carcinoma 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02167-3 PMID:41428280	研究论文	本研究开发并验证了一种基于MRI的深度学习放射组学列线图模型，用于术前预测肝细胞癌中的血管包绕肿瘤簇和无复发生存期	首次结合栖息地放射组学和深度学习特征构建了多模态预测模型，并利用SHAP方法增强了模型的可解释性	回顾性研究设计可能存在选择偏倚，且外部验证集规模相对有限	开发术前预测肝细胞癌血管包绕肿瘤簇状态和无复发生存期的预测模型	肝细胞癌患者	数字病理	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习,机器学习分类器	MRI图像	625例肝细胞癌患者（训练集296例，内部测试集126例，外部测试集203例）	NA	NA	AUC,F1-score,C-index	NA
755	2025-12-26	Deep Learning Approaches for Classifying Children With and Without Autism Spectrum Disorder Using Inertial Measurement Unit Hand Tracking Data: Comparative Study 2025-Dec-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73440 PMID:41428363	研究论文	本研究评估了多种深度学习模型，利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类	结合卷积自编码器和长短期记忆层处理IMU手部追踪数据，在自闭症分类任务中实现了高准确率和F1分数，并验证了小规模模型在医疗数据分类中的有效性和泛化能力	样本量相对较小（41名学龄儿童），且仅基于单一任务（伸手清理任务）的IMU数据，可能限制了模型的广泛适用性	评估深度学习模型在利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类中的效果	自闭症谱系障碍儿童和正常发育儿童的惯性测量单元手部追踪数据	机器学习	自闭症谱系障碍	惯性测量单元手部追踪	卷积自编码器, 长短期记忆	时间序列数据	41名学龄儿童（包括自闭症谱系障碍儿童和正常发育儿童）	NA	卷积自编码器+长短期记忆	准确率, F1分数	NA
756	2025-12-26	Quantitative multi-metabolite imaging of Parkinson's disease using AI boosted molecular MRI 2025-Dec-22, Npj imaging DOI:10.1038/s44303-025-00130-x PMID:41429895	研究论文	本研究结合快速分子MRI采集与深度学习重建，对急性MPTP小鼠模型中的多种代谢物进行定量成像，以探索帕金森病的生物标志物	首次将快速分子MRI采集范式与深度学习重建相结合，实现多代谢物（谷氨酸、可移动蛋白质、半固体及可移动大分子）的定量成像，并识别出半固体磁化转移、酰胺及脂肪族接力核奥弗豪斯效应质子体积分数作为潜在的帕金森病生物标志物	研究基于急性MPTP小鼠模型，结果可能无法完全反映人类帕金森病的异质性或早期阶段特征	开发一种基于人工智能增强的分子MRI技术，用于帕金森病的定量多代谢物成像，以改善诊断和生物标志物发现	急性MPTP诱导的帕金森病小鼠模型	数字病理学	帕金森病	分子MRI, 磁共振波谱	深度学习	MRI图像	NA	NA	NA	NA	NA
757	2025-12-24	Author Correction: Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Dec-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02204-x PMID:41429919	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
758	2025-12-26	A fault classification scheme based on protective agents for microgrid with parameters impact analysis 2025-Dec-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28178-0 PMID:41430064	研究论文	本文提出了一种基于保护代理的微电网故障分类方法，结合智能电子设备和混合深度神经网络，并分析了多种参数对方案性能的影响	创新点在于结合保护代理和混合深度神经网络进行故障分类，并全面分析微电网参数对深度学习故障检测与定位方案的影响	未明确说明方法在更复杂或大规模微电网系统中的适用性，且参数分析可能受限于模拟环境	提高微电网故障分类的准确性，并评估不同参数对基于深度学习的故障检测与定位方案的影响	微电网的故障检测、类型识别、相位检测和定位	机器学习	NA	深度学习故障检测与定位	DNN	模拟数据	NA	TensorFlow, Keras	混合深度神经网络（包含单层和混合层类型）	准确率, 故障定位误差	使用DIgSILENT Power Factory、MATLAB和Python软件进行模拟
759	2025-12-26	Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma 2025-Dec-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02045-w PMID:41430161	研究论文	本研究开发了一种基于MRI的深度学习模型，用于预测P53突变的肝细胞癌	首次利用EfficientNetV2架构，结合多序列MRI图像（动脉期、门静脉期、T2加权成像、肝胆期）构建深度学习模型来预测P53突变状态，并发现多序列组合模型显著优于单序列模型	研究为回顾性设计，样本量相对有限（312例），且未进一步验证模型在其他独立队列或前瞻性研究中的表现	开发一个基于MRI的深度学习模型，以无创方式预测肝细胞癌中的P53突变状态	312例经病理证实的肝细胞癌患者	计算机视觉	肝细胞癌	钆增强MRI	CNN	图像	312例患者（训练集249例，测试集63例）	NA	EfficientNetV2	AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数	NA
760	2025-12-26	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2025-Dec-22, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR（TetR）蛋白抑制剂，并通过分子对接和动力学模拟验证其潜力	首次结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型，对天然化合物库进行大规模虚拟筛选，并辅以全面的分子动力学模拟（500 ns）和结合自由能分析来评估候选化合物	研究主要基于计算模拟，所选化合物尚未进行体外或体内实验验证	开发针对多重耐药Acinetobacter baumannii的新型抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR	机器学习	细菌感染	定量构效关系（QSAR）、虚拟筛选、分子对接、分子动力学模拟	RF, SVM, KNN, XGBoost, CNN	化学化合物结构数据、MIC评分	初始筛选库包含10,860种天然化学化合物	NA	NA	准确率	NA