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
7901	2025-12-27	Basic Science and Pathogenesis 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70855_103323 PMID:41439280	研究论文	本文开发了脑细胞类型特异性非编码变异预测评分和一种新颖的罕见变异测试方法，应用于阿尔茨海默病全基因组测序数据，以识别新的疾病相关基因和调控元件	开发了脑细胞类型特异性非编码变异预测评分，结合剪接和增强子/启动子效应，并引入了一种贝叶斯概率模型来改进罕见变异发现	NA	研究罕见遗传变异在阿尔茨海默病中的作用，提高全基因组罕见变异关联测试的识别能力	阿尔茨海默病病例和对照的全基因组测序数据	机器学习	阿尔茨海默病	全基因组测序, RNA-seq, MPRA	深度学习模型	基因组测序数据, RNA-seq数据	7,966例阿尔茨海默病病例和13,412例对照	NA	NA	PR-AUC, ROC-AUC	NA
7902	2025-12-27	Basic Science and Pathogenesis 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70855_104990 PMID:41439656	研究论文	本研究评估了APOE基因型对海马体体积与记忆表现关联的调节作用，并考虑了性别、种族和临床诊断的影响	首次在多队列大样本中系统评估APOE基因型（包括ε2和ε4等位基因）与海马体体积对记忆表现的交互作用，并纳入性别、种族和临床诊断的三维交互分析	研究样本以非西班牙裔白人为主（81%），可能限制结果对其他种族群体的普适性；采用横断面设计，因果推断能力有限	探究APOE基因型如何调节海马体体积与记忆表现的关联，并分析性别、种族和临床诊断的修饰效应	6,895名老年人（平均年龄75.2岁），包括阿尔茨海默病患者、轻度认知障碍者和认知正常者	神经科学	阿尔茨海默病	MRI脑成像、深度学习海马分割、潜在变量建模	线性回归模型、混合效应回归模型	神经影像数据（海马体积）、认知评估数据（记忆综合分数）、遗传数据（APOE基因型）、人口学数据	6,895名参与者，来自ADNI、NACC、ROS/MAP/MARS、WRAP四个老龄化与AD研究队列	深度学习MUSE（用于MRI处理）	NA	p值、R²（解释方差）、R²c（条件R²）、R²m（边际R²）	NA
7903	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_096538 PMID:41440370	研究论文	本研究提出了一种基于自然语言处理技术的序列框架，利用结构磁共振成像数据对轻度认知障碍转化者与非转化者进行分类	提出了一种受自然语言处理启发的序列框架，采用基于层自适应正弦激活函数的双向循环神经网络，以捕获MRI切片间的时空关系，解决了传统2D和3D CNN在空间相关性检测和计算效率上的不足	研究样本量相对较小（187名受试者），且仅基于ADNI数据库，可能限制模型的泛化能力	早期诊断轻度认知障碍，以延缓痴呆症进展	轻度认知障碍转化者与非转化者	数字病理学	老年疾病	结构磁共振成像	BiRNN	图像	187名受试者（75名MCI转化者，112名MCI非转化者）	NA	基于层自适应正弦激活函数的双向循环神经网络	准确率	NA
7904	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_096669 PMID:41440996	研究论文	本研究开发了一种基于YOLOv8架构的自动化内侧颞叶萎缩分级工具，用于阿尔茨海默病的早期诊断和疾病进展评估	结合EfficientViT骨干网络和自定义自适应滑动损失函数，提升了内侧颞叶萎缩分级的准确性和泛化能力	研究主要基于ADNI数据库和本地记忆诊所数据，可能未涵盖所有临床场景或人群多样性	通过人工智能算法消除内侧颞叶萎缩分级中的评估者间变异性，实现自动化分级	阿尔茨海默病患者的内侧颞叶结构	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	1524例（来自ADNI数据库和本地记忆诊所）	PyTorch	YOLOv8, EfficientViT, Faster R-CNN, Mask R-CNN, U-Net	组内相关系数, 准确率	NA
7905	2025-12-27	AgentMol: Multi-Model AI System for Automatic Drug-Target Identification and Molecule Development 2025-Dec-01, Methods and protocols IF:2.3Q3 DOI:10.3390/mps8060143 PMID:41441186	研究论文	介绍了一个名为AgentMol的多模型AI系统，用于自动识别药物靶点并开发分子	整合了大型语言模型、化学语言建模和基于深度学习的亲和力预测，实现了从疾病查询到候选药物生成与评估的端到端自动化流程	未明确提及系统在真实世界药物发现中的验证或临床前测试结果	加速早期药物发现中的靶点识别和化合物开发过程	药物靶点（蛋白质）和小分子候选药物	机器学习	NA	NA	大型语言模型, GPT-2, 卷积神经网络	文本（疾病查询、蛋白质序列）, 化学结构（SMILES格式）	470,560个配体-蛋白质对（来自BindingDB数据库）	LangGraph	GPT-2, RCNN（回归卷积神经网络）	有效性, 独特性, 多样性, R值, 皮尔逊相关系数	NA
7906	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_099645 PMID:41442165	研究论文	本研究开发了一种基于深度学习的模型，用于在数据不平衡的情况下自动分割脑腔隙（推测为血管源性），并有效区分其与类似腔隙的特征	采用基于监督对比学习的预训练编码器的Attention U-Net架构，处理高度不平衡的数据集	研究仅使用单一中心的427例T2-FLAIR MRI图像，缺乏多中心外部验证	开发自动分割脑腔隙的深度学习模型，以评估其与认知衰退和淀粉样蛋白相关成像异常（ARIA）风险的关系	来自Asan Medical Center的427例T2-FLAIR MRI图像中的脑腔隙	数字病理学	脑血管疾病	T2-FLAIR MRI	深度学习	图像	427例T2-FLAIR MRI图像（训练、验证、测试集按3:1:1划分）	NA	Attention U-Net	AFROC分析，FOM，AUC，敏感性	NA
7907	2025-12-27	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_097891 PMID:41442195	研究论文	本文开发了一种基于深度学习的扫描仪不变性脑年龄模型，用于衰老和痴呆研究，通过结合直方图匹配和扫描仪类型作为输入，减少扫描仪差异对脑年龄预测的影响	创新点包括将直方图匹配和扫描仪类型作为DenseNet模型的输入，以降低扫描仪间的预测差异，实现扫描仪不变的纵向脑年龄估计	研究样本主要来自单一机构（梅奥诊所），且测试集限于MCI参与者，可能限制模型的泛化能力	开发深度学习为基础的扫描仪不变性脑年龄模型，以支持衰老和痴呆研究中的纵向跟踪，克服扫描仪变化带来的障碍	研究对象包括认知未受损参与者、轻度认知障碍参与者和痴呆参与者，使用T1扫描图像进行脑年龄预测	数字病理学	老年疾病	T1扫描，PiB-PET	深度学习	图像	3374名认知未受损参与者，其中863名为CU-noVAβ子集，453名MCI参与者作为测试集，113名参与者用于跨厂商测试	NA	DenseNet	平均绝对误差，脑年龄差距	NA
7908	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
7909	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
7910	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
7911	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
7912	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
7913	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
7914	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
7915	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
7916	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
7917	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
7918	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
7919	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
7920	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