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
7601	2025-11-24	Enhanced Brain Tumor Classification with Convolutional Neural Networks 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_48 PMID:41273590	研究论文	提出一种基于卷积神经网络的脑肿瘤图像分类方法，用于区分不同类型的脑肿瘤	通过综合数据增强和严格超参数调优显著提升分类准确率，实现脑肿瘤类型的自动精准分类	NA	提高脑肿瘤诊断精度并优化治疗策略	脑肿瘤图像，包括胶质瘤、脑膜瘤和转移性肿瘤	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	NA	NA	包含多个卷积层、池化层和全连接层的CNN架构	分类准确率	NA
7602	2025-11-24	Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4976-3_27 PMID:41273702	综述	本章重点介绍遗传毒性预测领域，系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用	系统总结了AI模型在遗传毒性预测中的三大分类（QSAR、机器学习和深度学习），并提供了专门针对遗传毒性预测的详细数据表	作为章节综述，未涉及具体实验验证，主要基于现有文献总结	探讨人工智能和机器学习方法在遗传损伤预测中的应用	遗传毒性检测方法和AI预测模型	机器学习	NA	Ames测试等遗传毒性检测方法	QSAR, 机器学习, 深度学习	分子描述符和指纹数据（拓扑、静电、量子描述符）	NA	NA	NA	预测分数和不同评估指标	NA
7603	2025-11-24	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	研究论文	本研究采用基于深度学习的CT定量方法预测进行性纤维化性间质性肺疾病及其预后	首次将深度学习CT定量技术应用于PF-ILD的预测和预后评估，证明了其在传统肺功能指标基础上的附加价值	单中心回顾性研究，样本量有限（465例患者）	探索基于深度学习的定量CT在预测进行性纤维化性间质性肺疾病和评估预后方面的价值	间质性肺疾病患者	医学影像分析	间质性肺疾病	CT扫描，深度学习定量分析	深度学习模型	CT影像	465例ILD患者（中位年龄65岁，男性238例），其中148例发展为PF-ILD	NA	NA	C-index, OR值, HR值	NA
7604	2025-11-24	ProMUS-NET: Artificial intelligence detects more prostate cancer than urologists on micro-ultrasonography 2025-Dec, BJU international IF:3.7Q1 DOI:10.1111/bju.16892 PMID:40859774	研究论文	开发用于前列腺微超声图像自动癌症分割的深度学习模型ProMUS-NET，并与泌尿科专家性能进行比较	首次开发专门用于微超声图像的前列腺癌检测AI模型，在检测灵敏度方面超越泌尿科专家	需要改进边缘重叠精度，减少假阳性，并进行外部验证	提高前列腺癌在微超声图像上的定位灵敏度和读者间一致性	接受MRI-超声融合引导活检的前列腺癌患者	数字病理	前列腺癌	微超声成像，MRI-超声融合引导活检	深度学习	医学图像	单机构前瞻性收集的微超声图像数据集	NA	U-Net	AUC, 灵敏度, 特异性	NA
7605	2025-11-24	Artificial intelligence-driven intelligent nanocarriers for cancer theranostics: A paradigm shift with focus on brain tumors 2025-Dec, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152429 PMID:41218468	综述	探讨人工智能驱动智能纳米载体在脑癌诊疗一体化中的革命性应用	提出AI与纳米技术融合的智能纳米载体新范式，实现肿瘤微环境响应和个性化治疗	存在批次变异性和工业规模化生产的挑战，以及伦理与成本问题	开发人工智能增强的智能纳米载体用于脑癌诊疗一体化	胶质母细胞瘤和其他中枢神经系统转移性肿瘤	数字病理	脑肿瘤	多组学数据整合，MRI，PET	机器学习，深度学习	医学影像，多组学数据	NA	NA	NA	NA	NA
7606	2025-11-24	Street-view greenspace distribution across racial/ethnic, neighborhood income, and individual education subgroups 2025-Dec, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000441 PMID:41268185	研究论文	本研究使用深度学习分析街景图像，探讨不同种族/民族、教育水平和社区社会经济地位亚组之间绿化空间分布的差异	首次结合深度学习与多层次分析方法，量化不同类型绿化空间在种族/民族、教育水平和社区社会经济地位交叉分层中的分布不平等	研究样本仅来自动脉粥样硬化多种族研究参与者，可能无法完全代表更广泛人群	探究种族/民族、教育水平和社区社会经济地位的交互作用如何影响绿化空间类型分布	5,858名动脉粥样硬化多种族研究参与者（2000-2002年）	计算机视觉	动脉粥样硬化	街景图像分析	深度学习算法	图像	5,858名参与者	NA	NA	NA	NA
7607	2025-11-24	Development and validation of a video-based deep learning model for distinguishing epileptic seizures from non-epileptic events in a pediatric cohort 2025-Dec, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110785 PMID:41110273	研究论文	开发并验证基于视频的深度学习系统，用于区分儿科队列中的癫痫发作与非癫痫事件	提出增强型多尺度视觉Transformer模型，首次在儿科癫痫诊断中进行前瞻性验证并与不同级别临床医生进行对比	对非运动性事件的诊断准确性相对有限，样本量相对较小	开发AI辅助诊断工具以区分儿科癫痫发作与非癫痫事件	儿科患者的癫痫发作和非癫痫事件视频数据	计算机视觉	癫痫	视频分析	Transformer	视频	438个回顾性收集视频用于训练，130个连续视频用于前瞻性验证	PyTorch	增强型多尺度视觉Transformer, MViTv2, SlowFast	准确率, 灵敏度, 特异性	NA
7608	2025-11-24	Deep learning approaches for pathological image classification 2025-Dec, Journal of oral biosciences IF:2.6Q1 DOI:10.1016/j.job.2025.100696 PMID:41274680	综述	本文综述了基于深度学习的病理图像分类方法及其在精准医疗中的应用	介绍了使用模拟器生成合成数据和公式驱动方法等新兴技术来克服传统训练数据集的局限性	高质量标注数据集有限，特别是罕见癌症数据缺乏，阻碍了传统数据驱动方法的广泛应用	探讨深度学习在病理图像分类中的应用及其在精准医疗中的发展前景	病理全切片图像	数字病理学	癌症	全切片成像	CNN, RNN	图像	NA	NA	NA	NA	NA
7609	2025-11-24	YOLO-APLD: A lightweight apple leaf disease detection model based on multi-scale feature fusion 2025-Nov-23, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量级苹果叶片病害检测模型YOLO-APLD	引入EP-C2f增强模块强化局部特征表示，提出Focal-SIoU损失函数优化检测稳定性，采用BiFPN实现多尺度特征融合，使用Slim-neck结构简化网络架构	NA	实现果园环境中苹果叶片病害的精准实时检测	苹果叶片病害（锈病、花叶病、褐斑病、白粉病、黑星病、轮斑病、灰斑病）	计算机视觉	植物病害	深度学习	YOLO	图像	NA	PyTorch	YOLOv8n, EP-C2f, BiFPN, Slim-neck	精确率, 召回率, 平均精度均值, F1分数, FLOPs, 参数量, 模型大小, 帧率	边缘计算设备
7610	2025-11-24	PhyloCNN: Improving tree representation and neural network architecture for deep learning from trees in phylodynamics and diversification studies 2025-Nov-22, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf082 PMID:41273351	研究论文	提出一种基于深度学习的新方法PhyloCNN，用于系统发育动力学和多样化研究中的模型选择和参数估计	开发了专门针对系统发育树的卷积神经网络架构，通过编码所有节点和叶子的邻域信息来改进树表示	方法性能在较小训练集时受邻域数量影响较大，需要进一步验证在更广泛真实数据集上的适用性	改进系统发育动力学和多样化研究中的模型选择和参数估计方法	系统发育树，HIV超级传播者数据集，灵长类种子传播者数据集	机器学习	HIV/艾滋病	深度学习，模拟训练	CNN	系统发育树数据	10,000到100,000个模拟训练树	NA	PhyloCNN	准确率	NA
7611	2025-11-24	Deep-learning reconstruction enables about one minute 3D T1-weighted MRI: quantitative evaluation of Acceleration-quality Trade-offs and motion reduction 2025-Nov-22, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03846-0 PMID:41273361	研究论文	评估深度学习重建方法DL-Speed在加速3D T1加权MRI成像中的效用，包括图像质量保持和运动减少效果	系统验证深度学习重建方法在临床环境中的实用性，首次揭示图像质量与形态计量学参数随加速因子的不同变化模式	样本量有限（6名健康志愿者和40名患者），缺乏多中心验证	评估深度学习重建方法在显著加速图像采集的同时保持定量图像质量和形态计量学准确性的能力	健康志愿者和临床患者群体的3D T1加权MRI图像	医学影像分析	神经系统疾病	3D MPRAGE MRI序列，深度学习重建	深度学习	3D MRI图像	6名健康志愿者，40名患者	NA	DL-Speed	CAT12图像质量评级，全局皮质厚度，总灰质体积，总向量变化，Bland-Altman分析，相关系数	NA
7612	2025-11-24	Clinically oriented deep learning framework for automated vessel wall segmentation in black-blood MRI: a multi-center study 2025-Nov-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12161-4 PMID:41273425	研究论文	开发并验证用于黑血磁共振血管壁成像中颅内和颈动脉血管壁自动分割的临床适用深度学习框架	提出三项关键创新：极坐标映射、特征共享填充策略和极坐标Dice损失函数	回顾性研究设计，样本量相对有限（193例患者）	开发临床适用的血管壁自动分割方法以支持脑血管风险评估	颅内和颈动脉血管壁	医学影像分析	脑血管疾病	黑血磁共振血管壁成像	深度学习分割框架	磁共振影像	193例来自五家医院的患者，平均年龄60.2±4.3岁	NA	NA	Dice相似系数, Hausdorff距离, 面积差异	NA
7613	2025-11-24	AI-Driven Discovery and Design of Antimicrobial Peptides: Progress, Challenges, and Opportunities 2025-Nov-22, Probiotics and antimicrobial proteins IF:4.4Q2 DOI:10.1007/s12602-025-10856-0 PMID:41273666	综述	系统总结人工智能技术在抗菌肽发现与设计领域的最新进展、挑战和未来机遇	首次系统梳理AI技术在抗菌肽研究中从判别模型到生成模型的全流程应用，并提出多模态优化等创新设计策略	面临数据质量限制、模型可解释性不足和实验验证瓶颈等挑战	加速基于抗菌肽的药物研发进程	抗菌肽（AMPs）	机器学习	抗菌耐药性感染疾病	机器学习（ML）、深度学习（DL）	判别模型、回归模型、生成模型	多模态生物数据	NA	NA	NA	NA	NA
7614	2025-11-24	Deep learning-based approach for differential diagnosis of odontogenic cysts from histopathological images 2025-Nov-22, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27697 PMID:41273753	研究论文	本研究开发基于深度学习的AI方法，利用组织病理学图像对不同类型的牙源性囊肿进行鉴别诊断	首次将多种深度学习架构应用于牙源性囊肿的自动鉴别诊断，比较了不同模型在牙科病理图像上的性能表现	数据集规模相对较小，仅包含348张图像；Xception和Inception V3模型收敛速度较慢，训练效率有待提升	开发基于深度学习的牙源性囊肿自动诊断系统	三种牙源性囊肿：含牙囊肿(87例)、根尖囊肿(198例)、牙源性角化囊肿(63例)	数字病理学	牙源性囊肿	苏木精-伊红(H&E)染色	CNN	图像	348张组织病理学图像（87张含牙囊肿，198张根尖囊肿，63张牙源性角化囊肿）	NA	Inception V3,VGG16,VGG19,Xception,经典CNN	准确率,精确率,灵敏度(召回率),F1分数	NA
7615	2025-11-24	Deep Learning-Assisted Differentiation of Four Peripheral Neuropathies Using Corneal Confocal Microscopy 2025-Nov-22, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70255 PMID:41274779	研究论文	开发基于深度学习的外周神经病变自动诊断系统NeuropathAI，通过角膜共聚焦显微镜图像区分四种外周神经病变	首次开发可解释的多类别深度学习系统，用于快速自动诊断和区分四种常见外周神经病变	样本量相对较小（88名患者），需更大规模验证	解决外周神经病变诊断延迟和漏诊问题，开发快速自动化诊断方法	88名患有四种外周神经病变的患者：糖尿病外周神经病变、化疗诱导外周神经病变、慢性炎性脱髓鞘性多发性神经病、HIV相关感觉神经病变	数字病理学	外周神经病变	角膜共聚焦显微镜	深度学习	图像	88名患者	NA	NA	准确率,F1分数,AUC,敏感性,特异性,精确度	NA
7616	2025-11-24	AI-driven multi-omics integration in precision oncology: bridging the data deluge to clinical decisions 2025-Nov-21, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-01965-9 PMID:41266662	综述	探讨人工智能如何整合多组学数据推动精准肿瘤学从群体化治疗向个体化医疗转型	系统阐述AI技术在多组学整合中的创新应用，包括图神经网络建模生物网络、Transformer实现跨模态融合、可解释AI提供临床决策透明度	模型泛化能力不足、伦理公平性挑战、监管标准尚未统一	通过AI驱动的多组学整合提升肿瘤精准医疗水平	多组学数据（基因组学、转录组学、蛋白质组学、代谢组学、影像组学）	机器学习	癌症	多组学整合分析	深度学习, 机器学习, 图神经网络, Transformer	多组学数据	NA	NA	图神经网络, Transformer	AUC	量子计算, 联邦学习
7617	2025-11-24	Pixel-level detection and classification of marine oil spills in aerial imagery with annotation uncertainty handling 2025-Nov-21, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118975 PMID:41273820	研究论文	本研究提出了一种基于深度学习的框架，用于在航空图像中进行像素级海洋溢油检测和分类，并处理标注不确定性	开发了两个互补的像素级标注RGB图像数据集，并利用U-Net架构进行语义分割，同时通过消融研究优化了网络骨干、预训练、数据增强和视觉模糊区域处理，以提升性能和泛化能力	未明确说明模型在极端天气或低光照条件下的性能，以及数据集可能存在的标注偏差未详细讨论	开发快速准确的自动溢油检测和分类方法，以支持环境缓解工作	海洋溢油，基于外观特征（如银色、彩虹色、乳化状）分类不同油类	计算机视觉	NA	航空影像采集	CNN	RGB图像	两个互补的像素级标注数据集（真实监测数据和在线来源数据）	NA	U-Net	mIoU, 准确率	NA
7618	2025-11-24	Role of artificial intelligence in medical image analysis 2025-Nov-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003824 PMID:41131954	综述	概述人工智能在医学影像分析领域的最新进展、方法特点及未来趋势	系统梳理了基于卷积神经网络和大型语言模型的AI技术在医学影像分析中的新兴应用与发展轨迹	缺乏对AI技术解决关键临床挑战性能的深入分析	探讨人工智能在医学影像分析中的作用与发展趋势	医学影像分析技术	计算机视觉	NA	深度学习	CNN, LLM	医学影像	NA	NA	卷积神经网络, 大型语言模型	NA	NA
7619	2025-11-24	Deep learning and whole-brain networks for biomarker discovery: modeling the dynamics of brain fluctuations in resting-state and cognitive tasks 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24702-4 PMID:41266387	研究论文	本研究利用深度学习模型从全脑网络模型中预测分岔参数，并评估其作为区分静息态和任务态脑状态的生物标志物的有效性	首次将全脑网络模型的分岔参数作为生物标志物，结合深度学习进行脑状态区分	仅使用合成BOLD信号进行训练，真实数据验证有限	探索分岔参数作为脑状态特征生物标志物的潜力	人脑连接组项目中的静息态和任务态脑功能数据	计算神经科学	神经系统疾病	BOLD信号分析，脑网络建模	深度学习，机器学习	fMRI数据，合成BOLD信号	人脑连接组项目数据，包含静息态和任务态条件	NA	超临界Hopf脑网络模型	分类准确率	NA
7620	2025-11-24	Real time road scene classification and enhancement for driver assistance under adverse weather 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23171-z PMID:41266398	研究论文	提出一种基于机器学习的实时道路场景分类与图像增强系统，用于恶劣天气下的驾驶辅助	在低成本硬件(Raspberry Pi 5)上实现高精度道路场景分类，并针对不同场景应用特定图像增强技术	在有限硬件上运行，可能无法处理更复杂的深度学习增强技术	开发适用于恶劣天气条件的驾驶辅助视觉系统	道路场景图像（白天、夜晚、雾天、雨天）	计算机视觉	NA	图像增强技术	Random Committee, CNN, YOLO	图像	NA	NA	ResNet-101, CNN, YOLO	准确率	Raspberry Pi 5, USB摄像头, 7英寸显示器