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
7841	2025-12-27	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2025-Dec-26, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	本研究开发并评估了一种基于深度学习的厚脉络膜指数（HUPI），用于从增强深度成像光学相干断层扫描（EDI-OCT）图像中量化厚脉络膜谱系疾病的特征	首次提出基于深度学习的厚脉络膜指数（HUPI），通过修改的LeNet模型从脉络膜图像模式中自动提取特征，作为厚脉络膜谱系疾病的代表性指标	单中心、回顾性、观察性研究，样本量相对较小（37只CSC眼和40只正常眼用于训练和验证），可能限制结果的泛化性	开发并评估一种基于深度学习的定量指标，用于区分厚脉络膜谱系疾病（如中心性浆液性脉络膜视网膜病变）与正常眼睛	中心性浆液性脉络膜视网膜病变（CSC）患者和正常对照者的眼睛	数字病理学	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描（EDI-OCT）	CNN	图像	训练和验证使用37只CSC眼和40只正常眼；评估使用69只急性CSC眼、35只恢复期CSC眼、86只CSC对侧眼和100只正常眼	NA	修改的LeNet	AUC, 敏感性, 特异性	NA
7842	2025-12-27	TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support 2025-Dec-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3648379 PMID:41447494	研究论文	本文提出了一种名为TTG-U-Net的新型、可解释且高效的多模态脑肿瘤分割框架，旨在弥合模型性能与临床可解释性及效率之间的差距	该框架通过三个协同组件提供集成解决方案：1) 显式建模模态间依赖关系的跨模态Transformer，生成可作为模型推理透明视觉审计轨迹的注意力图；2) 自适应正则化模型并减少计算占用的动态低秩张量分解；3) 学习透明信息路由策略的模态自适应门控机制，模仿既定的放射学原理	NA	解决医疗可解释人工智能（XAI）领域的关键空白，开发一种能够透明且高效融合多模态MRI异质信息的集成方法，以促进人工智能在临床工作流程中的整合	多模态MRI图像中的脑肿瘤	数字病理学	脑肿瘤	多模态MRI	深度学习	图像	NA	NA	TTG-U-Net, U-Net, Transformer	Dice系数	NA
7843	2025-12-27	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2025-Dec-25, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发并验证了一种结合术前CT图像和病理分级的深度学习模型，用于精确预测病理IA期肺腺癌患者的术后复发风险	提出了新颖的ResNet 3D-Pathology Fusion模型，通过三维ResNet骨干网络与图像-病理融合模块的集成，实现了对传统TNM分期和IASLC分级的性能超越	研究为单中心回顾性分析，样本量相对有限，且模型性能需在外部多中心队列中进一步验证	开发精确的深度学习模型以改善病理IA期肺腺癌患者的术后复发预测和风险分层	病理IA期肺腺癌患者	数字病理	肺癌	深度学习，计算机断层扫描，病理分级	CNN	图像	551名患者（训练集368例，验证集183例）	NA	ResNet	AUC	NA
7844	2025-12-27	ALyzer3D.AI: a more generalizable deep learning predictor of light chain amyloidogenicity powered by structural and evolutionary Artificial Intelligence 2025-Dec-25, Amyloid : the international journal of experimental and clinical investigation : the official journal of the International Society of Amyloidosis IF:5.2Q1 DOI:10.1080/13506129.2025.2605534 PMID:41449923	研究论文	开发了一个名为ALyzer3D.AI的多模态深度学习架构，用于预测免疫球蛋白轻链的淀粉样变性风险	整合了来自ESM-2蛋白质语言模型的进化特征、ColabFold的结构指标以及工程化的生物物理特征，提高了对新患者数据的泛化能力	NA	预测淀粉样轻链（AL）淀粉样变性中免疫球蛋白轻链的淀粉样变性风险	免疫球蛋白轻链序列	自然语言处理	淀粉样轻链（AL）淀粉样变性	蛋白质语言模型（ESM-2）、结构预测（ColabFold）	深度学习	蛋白质序列	5261个序列	NA	多模态深度学习架构	准确率, AUC	NA
7845	2025-12-27	Preliminary Exploration of Discriminative Correlation Filter Network for Real-time Tracking of Inconspicuous Focal Liver Lesions on Conventional Ultrasound 2025-Dec-24, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.663 PMID:41448980	研究论文	本研究探索了基于判别相关滤波网络（DCFNet）的算法在常规超声中通过跟踪周围解剖标志来定位不明显局灶性肝病变的可行性	利用DCFNet框架同时跟踪多个周围解剖标志，实现实时超声下不明显局灶性肝病变的定位，并指导穿刺或消融	研究为初步探索，需要进一步大规模验证临床可行性	探索DCFNet算法在常规超声中实时跟踪不明显局灶性肝病变的可行性	超声可见和超声不可见的肝脏肿瘤模型，以及初步临床病例	计算机视觉	肝脏病变	超声成像	DCFNet	超声图像	20个超声可见模型、20个超声不可见模型及初步临床病例	DCFNet	DCFNet	匹配准确率、精度、位置误差、穿刺成功率、指导时间	NA
7846	2025-12-27	PlantscRNAdb 4.0: Improved marker identification and annotation under a cell type uniformity for plants 2025-Dec-24, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2025.12.026 PMID:41449796	研究论文	介绍了植物单细胞RNA测序数据库PlantscRNAdb 4.0的更新，包括新的植物细胞类型本体、扩展的物种和数据集覆盖，以及用于标记基因识别和细胞类型注释的新计算工具	引入了新的植物细胞类型本体（POCT）和一种名为HCMarker的新型计算工具，该工具采用多指标评分系统，用于在多种植物细胞类型中稳健、准确地识别标记基因；还开发了基于深度学习的工具PCmaster_anno，以改进植物细胞类型的自动注释	未明确提及具体的研究局限性	构建和更新一个全面的植物单细胞RNA测序数据库，以标准化和精确地解释植物细胞类型及其标记基因	33种植物物种的107个scRNA-seq数据集	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习	单细胞RNA测序数据	来自107个scRNA-seq数据集	NA	NA	NA	NA
7847	2025-12-27	Pattern and structural detection in grayscale images through the application of quantile graphs in higher-dimensional spaces 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27825-w PMID:41436507	研究论文	本研究将分位数图框架从一维时间序列扩展到二维图像，提出了一种基于图的可扩展图像分类方法，并在计算机视觉领域应用于特征提取	将分位数图从时间序列分析扩展到图像识别，引入了一种可扩展的基于图的图像分类方法，并提供了开源实现	未明确说明计算资源需求或模型在大规模数据集上的泛化能力	开发一种计算效率高、对训练数据需求较低的图像特征提取和分类方法，以应对深度学习模型在数据有限时的挑战	灰度图像，包括手写数字数据集（MNIST）、时尚物品数据集（Fashion MNIST）以及医学影像数据集	计算机视觉	阿尔茨海默病	分位数图	NA	图像	使用了MNIST和Fashion MNIST两个基准数据集，并应用于一个医学影像数据集，具体样本数量未明确说明	NA	NA	准确性	NA
7848	2025-12-27	The mediating role of brand equity in corporate social responsibility and customer purchase intention based on text-CNN model 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28118-y PMID:41436517	研究论文	本研究结合深度学习与社会认同理论，探讨企业社会责任如何通过品牌资产影响顾客购买意愿	引入优化的Text-CNN模型进行情感分析，并结合结构方程模型，构建了多源数据融合的跨学科研究框架	研究主要基于公开的Yelp数据集和问卷调查，样本范围和行业覆盖可能存在局限性	探究企业社会责任对顾客购买意愿的影响机制，并验证品牌资产的中介作用	消费者评论数据（Yelp数据集）及问卷调查对象	自然语言处理	NA	情感分析，问卷调查	CNN	文本，问卷数据	Yelp公开数据集（涵盖餐饮、酒店、美容等行业）及问卷调查样本	NA	Text-CNN	NA	NA
7849	2025-12-27	Deep learning-based detection of murine congenital heart defects from µCT scans 2025-Dec-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09023-6 PMID:41436776	研究论文	本文提出了一种基于深度学习的自动化方法，用于从小鼠的μCT扫描中分割和筛查先天性心脏缺陷	开发了一种深度学习模型，能够自动从小鼠μCT扫描中检测先天性心脏缺陷，并展示了模型在技术及生物学差异数据上的鲁棒性和适应性，同时提供了用户友好的Napari插件	模型在包含新基因型的'发散'队列上初始性能中等（AUC: 81%），需通过微调提升性能	加速小鼠心脏异常的诊断并促进先天性心脏缺陷的机制研究	小鼠（包括对照组和突变体）的μCT扫描图像	计算机视觉	先天性心脏缺陷	μCT（微计算机断层扫描）	深度学习模型	3D图像	139个μCT扫描（训练队列），外加两个验证队列	NA	NA	AUC（曲线下面积）	NA
7850	2025-12-27	HiSTaR: identifying spatial domains with hierarchical spatial transcriptomics variational autoencoder 2025-Dec-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07404-3 PMID:41437257	研究论文	本文提出了一种名为HiSTaR的分层空间转录组学变分自编码器，用于从空间转录组学数据中捕获多级潜在特征，以识别空间域并校正批次效应	HiSTaR通过多个分层块捕获多级潜在特征，在空间域识别方面表现优于现有方法，并支持轨迹分析和差异基因表达分析，无需外部工具即可整合多个组织切片以处理批次效应	未在摘要中明确提及	开发一种计算工具，以改进空间转录组学数据中的空间域识别和组织异质性理解	空间转录组学数据中的spots（点）	机器学习	NA	空间转录组学	变分自编码器	空间转录组学数据	多个数据集（来自不同平台）	NA	HiSTaR	NA	NA
7851	2025-12-27	Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks 2025-Dec-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02014 PMID:41368857	研究论文	本研究利用指纹特征，通过机器学习模型预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习与贝叶斯神经网络的表现	在低数据量场景下，首次应用贝叶斯神经网络进行SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂效力预测，并证明其优于传统机器学习模型	研究基于有限的数据集进行，可能无法完全代表所有抑制剂类型，且模型在更大数据集上的泛化能力未经验证	开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力	SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂	机器学习	COVID-19, MERS	指纹特征提取	随机森林, 梯度提升, 贝叶斯神经网络	化学指纹数据	未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集	NA	NA	NA	NA
7852	2025-12-27	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-22, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了人工智能在围手术期护理各阶段（包括术前、术中、术后及重症监护）的最新应用进展，并系统性地指出了该领域在方法学、伦理和实践方面的挑战	本文是一篇综述性文章，未提出新的原创性AI模型或进行实证研究，主要基于现有文献进行归纳总结	总结人工智能在麻醉学中的当前应用，分析其整合过程中面临的方法学、伦理和实践挑战，并探讨未来在围手术期护理中安全有效应用的发展方向	人工智能技术在麻醉学领域的各类应用场景、相关算法模型及其临床实践	机器学习	NA	机器学习、深度学习、大语言模型	NA	多模态数据（包括生理信号、医学影像、文本数据等）	NA	NA	NA	NA	NA
7853	2025-12-27	Skull-stripping induces shortcut learning in MRI-based Alzheimer's disease classification 2025-Dec-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02158-4 PMID:41428317	研究论文	本研究探讨了在基于结构MRI的阿尔茨海默病分类中，颅骨剥离预处理如何诱导捷径学习现象	首次系统评估了颅骨剥离在MRI图像分类中引入的偏差，揭示了深度学习模型依赖预处理产生的轮廓特征而非灰白质纹理的捷径学习现象	研究仅基于ADNI数据库的990个样本，可能无法推广到其他数据集或疾病类型	评估T1加权MRI图像中纹理、体积信息及预处理（特别是颅骨剥离）对阿尔茨海默病分类的贡献	阿尔茨海默病患者和认知正常对照的T1加权MRI图像	医学影像分析	阿尔茨海默病	T1加权MRI成像	3D CNN	3D MRI图像	990个匹配的T1加权MRI图像（来自ADNI数据库）	NA	3D卷积神经网络	准确率, 敏感性, 特异性	NA
7854	2025-12-27	[ResLSTM-TemporalSE: an automated classification model for multi-lead ECG signals] 2025-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.12.18 PMID:41429624	研究论文	提出了一种名为ResLSTM-TemporalSE的高效深度学习模型，用于提升12导联心电图信号的自动分类准确率	设计了一种结合多层残差长短期记忆网络和时序注意力机制的新网络架构，通过残差连接和增强的通道特征表示来有效提取心电信号的时空特征	未明确提及模型在更广泛或多样化临床数据集上的泛化能力限制，以及计算复杂度分析	提高12导联心电图信号的自动分类准确性	12导联心电图信号	机器学习	心血管疾病	NA	LSTM, 注意力机制	信号数据	公共CPSC2018数据集和来自南方医科大学第七附属医院的私有临床数据集	NA	ResLSTM-TemporalSE	准确率, 精确率, 召回率, F1分数	NA
7855	2025-12-27	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	系统综述	本文系统综述了深度学习模型在磁共振成像中用于肝细胞癌分割的研究，重点关注模型架构、性能指标和实施挑战	系统性地评估了基于深度学习的肝细胞癌MRI分割模型，特别关注了U-Net变体、Transformer和混合模型的性能及适应性，并指出了多中心数据集和标准化协议的重要性	纳入研究数量有限（仅13项），存在患者选择偏倚风险（8项研究为高风险），且数据集规模小、病变异质性和MRI协议变异性限制了结果的普适性	评估深度学习模型在磁共振成像中自动分割肝细胞癌的性能、架构及面临的挑战	使用深度学习进行肝细胞癌MRI分割的同行评议研究	计算机视觉	肝细胞癌	磁共振成像	CNN, Transformer	图像	19至602名患者	NA	U-Net, nnU-Net, UNet++, Transformer, 混合模型	Dice相似系数	NA
7856	2025-12-27	Artificial intelligence in multidisciplinary tumor boards enhancing decision making and clinical outcomes in oncology 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114082 PMID:41438031	综述	本文综述了人工智能（AI）如何支持多学科肿瘤委员会（MDT）的决策过程，以提升肿瘤学中的临床决策和患者结局	综合分析了包括机器学习、自然语言处理、深度学习和大型语言模型在内的多种AI技术如何增强MDT的信息整合、指南一致性和文档清晰度	存在数据偏见、泛化能力不均、隐私与治理问题以及前瞻性验证有限等关键限制	探讨AI在肿瘤学多学科团队决策中的支持作用，以优化临床决策和个性化治疗	多学科肿瘤委员会（MDT）在肿瘤学中的决策过程	自然语言处理, 机器学习	肿瘤学（多种癌症）	机器学习, 自然语言处理, 深度学习, 大型语言模型	NA	影像学, 病理学, 基因组学, 患者因素数据	NA	NA	NA	AI建议与MDT决策的一致性（70%至90%）, 诊断性能	NA
7857	2025-12-27	Explainable-enhanced AI for diagnosing coronary microvascular dysfunction with multimodal imaging 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114101 PMID:41438088	研究论文	本研究开发了一种临床适用的、可解释性增强的AI模型CMVD_MDAS，通过整合深度学习和多模态机器学习来改善冠状动脉微血管功能障碍（CMVD）的诊断	结合了深度学习与多模态机器学习，并利用基于SHAP的特征排序增强模型的可解释性，显著提升了CMVD诊断的准确性和效率	NA	提高冠状动脉微血管功能障碍（CMVD）的诊断准确性和效率	心肌段（592个用于训练和内部验证，352个用于外部验证）	数字病理学	心血管疾病	多模态成像	CNN	图像	592个心肌段（训练和内部验证），352个临床患者心肌段（外部验证）	NA	卷积神经网络	AUC	NA
7858	2025-12-27	Automated Particle Size Analysis of Supported Nanoparticle TEM Images Using a Pre-Trained SAM Model 2025-Dec-16, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano15241886 PMID:41441496	研究论文	本研究提出了一种基于预训练SAM模型的自动化方法，用于分析负载型纳米颗粒的TEM图像，实现颗粒分割与尺寸测量	首次将预训练的Segment Anything Model (SAM)用于负载型纳米颗粒的零样本分割，并结合定制图像处理流程实现高精度粒径分析	方法在极低信噪比或极端复杂背景下的性能未充分验证，且仅以Ru/TiO等材料作为代表系统进行测试	开发自动化图像分析方法以克服负载型纳米颗粒TEM分析中的技术挑战	负载型纳米颗粒（以Ru/TiO及相关材料为代表）的TEM图像	计算机视觉	NA	透射电子显微镜 (TEM)	深度学习模型	图像	未明确说明具体图像数量，以Ru/TiO及相关材料作为代表系统	未明确说明	Segment Anything Model (SAM)	尺寸估计误差 (3%-5%)，单图像处理时间 (<1分钟)	NA
7859	2025-12-27	Application of Generative Adversarial Networks to Improve COVID-19 Classification on Ultrasound Images 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120451 PMID:41440591	研究论文	本研究提出了一种利用生成对抗网络（GAN）生成合成肺部超声图像以解决COVID-19分类中数据稀缺问题的方法	通过使用Wasserstein GAN（WGAN）和Pix2Pix生成合成肺部超声图像，有效缓解了公共医学数据库有限的问题，并显著提升了分类模型的性能	未详细说明合成数据与原始数据分布的接近程度的具体量化指标，且可能依赖于特定工具进行验证	改善COVID-19在超声图像上的分类准确性，以支持早期诊断和治疗	肺部超声图像	计算机视觉	COVID-19	超声成像	GAN, CNN	图像	NA	TensorFlow, PyTorch	WGAN, Pix2Pix	准确率	NA
7860	2025-12-27	Sensory Representation of Neural Networks Using Sound and Color for Medical Imaging Segmentation 2025-Dec-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11120449 PMID:41440589	研究论文	本文提出了一种结合深度学习分割与多模态视听输出的脑成像数据感官表示新框架	将MRI预测结果转化为彩色编码图和立体声/MIDI声音化表示，引入“听觉生物标志物”概念用于病理识别	数据集规模有限、缺乏临床验证、基于启发式的声音化方法	增强复杂神经成像数据的可解释性，支持临床决策、认知研究和创意应用	脑结构磁共振成像数据	医学影像	NA	结构磁共振成像	U-Net	图像	NA	NA	U-Net	NA	NA