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	2025-10-06	A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110579 PMID:40803139	研究论文	开发基于多模态深度学习的AI算法，利用MRI和临床数据预测前列腺癌根治术后生化复发	首次将自动化多模态深度学习模型应用于前列腺癌术后生化复发预测，在中等风险患者中表现优于传统CAPRA-S评分标准	研究样本量有限（n=311），回顾性研究设计可能引入选择偏倚	预测前列腺癌患者根治性前列腺切除术后生化复发风险	前列腺癌患者	数字病理学	前列腺癌	MRI成像，临床数据分析	深度学习	医学影像，临床数据	311名前列腺癌患者	NA	多模态深度学习模型	AUROC，敏感性，log-rank检验	NA
7902	2025-10-06	Explainable deep learning framework for brain tumor detection: Integrating LIME, Grad-CAM, and SHAP for enhanced accuracy 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104405 PMID:40925692	研究论文	提出一种集成LIME、Grad-CAM和SHAP的可解释深度学习框架，用于脑肿瘤检测并提升模型性能	首次将三种可解释AI技术(LIME、Grad-CAM、SHAP)集成到两阶段训练框架中，通过解释结果增强数据集	仅在两个公开数据集(BRATS2019和BR35H)上验证，需要更多临床数据验证泛化能力	提升深度学习模型在脑肿瘤检测中的可解释性和训练性能	脑肿瘤医学影像数据	计算机视觉	脑肿瘤	深度学习，可解释人工智能(XAI)	CNN	医学影像	BRATS2019数据集和BR35H数据集	NA	卷积神经网络	准确率，灵敏度，特异性，精确率，ROC-AUC	NA
7903	2025-10-06	TPC-GCN: Deep learning for pulse pattern classification in traditional Chinese medicine 2025-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104401 PMID:40925696	研究论文	提出一种用于中医脉象分类的深度学习方法TPC-GCN，通过增强SMOTE数据增强和多域特征提取提升分类性能	提出增强SMOTE方法进行数据增强，构建多配置图数据结构，设计多通道轻量图卷积网络，通过并行分支提取多层次信息并采用注意力加权融合	NA	提高中医脉象分类准确性，推进中医客观化诊断	中医脉象信号	机器学习	NA	脉象信号分析	GCN	脉象信号数据	NA	NA	多通道轻量图卷积网络	准确率,F1分数,召回率,精确率	NA
7904	2025-10-06	Research on error classification in gamma analysis on the basis of dosimetric feature engineering and deep learning 2025-Sep-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae0131 PMID:40889516	研究论文	本研究结合剂量学特征工程和深度学习技术，开发了一种具有误差分类能力的伽马通过率预测方法	通过剂量学特征工程将静态射野划分为五个不同区域，并集成GAN模型实现伽马通过率预测与误差分类的联合分析	样本量相对较小（26个临床病例），部分区域分类性能有待提升（AUC值0.50-0.69）	改进放射治疗中的伽马分析误差分类能力，提升临床质量保证水平	放射治疗计划中的静态射野剂量分布	医学影像分析	肿瘤放射治疗	剂量测量技术，伽马分析	GAN	剂量分布数据	26个临床病例（6个用于训练，20个用于测试），包含1,515个VMAT静态射野和415个步进式射野	NA	GAN	AUC, 伽马通过率, 统计显著性检验	NA
7905	2025-10-06	How Will AI Shape the Future of Pandemic Response? Early Clues From Data Analytics 2025-Sep-10, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70103 PMID:40926588	综述	探讨人工智能和数据分析在10个关键领域如何增强大流行病的防范、应对和恢复能力	系统分析AI在疫情应对中的潜力，包括基于机器学习的监测、深度学习改进流行病学模型和AI驱动的非药物干预优化	实施AI在疫情应对中面临重大的伦理和治理挑战，特别是关于隐私、公平性和问责制	研究人工智能如何塑造未来疫情应对，支持快速演变危机中基于证据的决策	系统性风险管理和复杂互联系统中的疫情应对	机器学习	COVID-19	数据分析和人工智能技术	机器学习,深度学习	实时数据,流行病学数据	NA	NA	NA	NA	NA
7906	2025-10-06	A robust deep learning-driven framework for detecting Parkinson's disease using EEG 2025-Sep-10, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2556310 PMID:40927820	研究论文	提出一种基于深度学习的框架，利用EEG信号检测帕金森病	结合通道注意力模块、小波散射变换和GAN数据增强的CNN-Transformer混合模型	NA	开发帕金森病的准确早期诊断方法	帕金森病患者和健康对照受试者的EEG信号	机器学习	帕金森病	EEG信号处理	CNN, Transformer, GAN	EEG信号，时频图图像	NA	NA	CNN-Transformer混合架构	准确率	NA
7907	2025-10-06	Metagenomic research on the structural difference of plaque microbiome from different caries stages and the construction of a caries diagnostic model 2025-Sep-10, mSystems IF:5.0Q1 DOI:10.1128/msystems.00044-25 PMID:40928220	研究论文	通过宏基因组学研究不同龋齿阶段牙菌斑微生物组的结构差异，并构建龋齿诊断模型	首次在更高分辨率下研究不同龋齿阶段的微生物差异，并开发基于深度学习的龋齿诊断模型	样本量较小（30名儿童），RH、EC和DC组间物种丰富度无显著差异	研究不同龋齿阶段微生物组结构差异并构建诊断模型	儿童牙菌斑样本（包括健康个体和龋齿活跃患者）	宏基因组学	龋齿	2bRAD测序	神经网络	宏基因组测序数据	30名儿童（15名龋齿活跃患者，15名无龋齿个体），共60个牙菌斑样本	NA	NA	AUC	NA
7908	2025-10-06	Clinical evaluation of motion robust reconstruction using deep learning in lung CT 2025-Sep-10, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01633-y PMID:40928606	研究论文	本研究通过定量和视觉评估方法，评估基于深度学习的CLEAR Motion重建技术在肺部CT中对运动伪影的校正效果	首次对新型深度学习运动校正重建技术CLEAR Motion在肺部CT中的临床实用性进行系统性定量评估	样本量相对有限（129例），未包含所有可能的临床场景	评估深度学习运动校正重建技术在肺部CT成像中的临床效果	肺部CT图像和患者临床特征（心率、身高、体重、BMI）	医学影像分析	肺部疾病	CT成像，深度学习重建	深度学习	CT图像	129例肺部CT扫描	NA	CLEAR Motion	拉普拉斯方差(VL)，峰值信噪比(PSNR)，视觉评估得分	NA
7909	2025-10-06	Oral bioavailability property prediction based on task similarity transfer learning 2025-Sep-10, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	提出基于任务相似性迁移学习的框架TS-GTL，用于预测人类口服生物利用度	结合物理化学性质与图深度学习，引入任务相似性度量MoTSE指导迁移学习	在数据稀缺场景下的应用可能受限于预训练数据的质量	优化药物候选物并提高临床成功率	药物分子	机器学习	NA	图深度学习	GNN, Transformer	分子图数据	NA	NA	PGnT, Transformer	NA	NA
7910	2025-10-06	Incorporating respiratory signals for machine learning-based multimodal sleep stage classification: a large-scale benchmark study with actigraphy and heart rate variability 2025-Sep-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf091 PMID:40219765	研究论文	本研究通过结合活动记录、心率变异性和呼吸信号，开发了一种基于机器学习的多模态睡眠阶段分类方法	首次在大规模研究中系统评估呼吸信号对睡眠阶段分类的增强作用，并比较心电图衍生呼吸特征与传统呼吸带数据的性能	研究基于公开数据集，可能无法完全代表所有人群的睡眠模式	开发更准确的家庭睡眠监测系统，改善睡眠检测算法	睡眠阶段分类，包括清醒期和快速眼动睡眠期	机器学习	睡眠障碍	活动记录监测，心率变异性分析，呼吸信号分析	LSTM	生理信号数据，包括活动记录、心电信号和呼吸信号	超过1000条睡眠记录	NA	LSTM	马修斯相关系数，四分位距	NA
7911	2025-10-06	Artificial intelligence in traumatic brain injury: Brain imaging analysis and outcome prediction: A mini review 2025-Sep-09, World journal of critical care medicine DOI:10.5492/wjccm.v14.i3.107611 PMID:40880570	综述	本文回顾了人工智能在创伤性脑损伤影像分析和预后预测中的应用	重点探讨机器学习和深度学习方法在创伤性脑损伤领域的具体特征和应用潜力	NA	评估人工智能在创伤性脑损伤医疗实践中的改进潜力	创伤性脑损伤患者	医学影像分析	创伤性脑损伤	NA	机器学习,深度学习	医学影像	NA	NA	NA	NA	NA
7912	2025-10-06	Lesion Asymmetry Screening Assisted Global Awareness Multi-view Network for Mammogram Classification 2025-Sep-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3607877 PMID:40924534	研究论文	提出一种用于乳腺X线摄影分类的病变不对称筛查辅助全局感知多视图网络	首次将病变不对称筛查与全局感知相结合，模拟放射科医生诊断流程，实现患者级别的乳腺癌诊断	仅使用患者级别标签训练，可能忽略细粒度病变特征	开发基于深度学习的计算机辅助乳腺癌诊断系统	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	CNN	医学图像	DDSM公共数据集和内部数据集	NA	多视图网络	AUC	NA
7913	2025-10-06	Spherical Harmonics Representation Learning for High-Fidelity and Generalizable Super-Resolution in Diffusion MRI 2025-Sep-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3607105 PMID:40924535	研究论文	提出基于球谐函数表示学习的SHRL-dMRI框架，用于扩散磁共振成像的高保真和可泛化超分辨率重建	首次将隐式神经表示与球谐函数相结合，同时提升空间和角度分辨率，并引入数据保真模块和基于小波的频率损失函数	未明确说明训练数据的具体规模和多样性限制	开发能够同时提升扩散磁共振成像空间和角度分辨率的超分辨率方法	扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像	隐式神经表示	医学影像数据	NA	NA	SHRL-dMRI	分辨率提升效果，微结构参数估计精度，泛化能力	NA
7914	2025-10-06	Two-Step Semi-Automated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2025-Sep-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	提出一种用于MRI图像脉络膜转移瘤检测的两步半自动分类方法	采用分层深度学习框架，结合YOLOv5定位网络和进化策略训练的分类网络，有效解决小数据集下的脉络膜转移瘤检测问题	模型无法区分左右眼眶，且数据集规模较小	开发人工智能方法改进脑部MRI中脉络膜转移瘤的检测	脑部MRI图像中的脉络膜转移瘤	计算机视觉	脉络膜转移瘤	MRI成像	CNN, YOLO	医学图像	第一步：386张T2加权脑部MRI轴位切片（来自97名患者）；第二步：33张正常和33张含脉络膜转移瘤的脑部MRI	PyTorch	YOLOv5, 卷积神经网络	准确率, mAP(0.5:0.95), AUC, 灵敏度, 特异性	NA
7915	2025-10-06	Multimodal machine learning for staging laparoscopy: a combined image analysis and morphologic tool for the discrimination of peritoneal metastasis 2025-Sep-09, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000003448 PMID:40928288	研究论文	开发了一种结合图像分析和形态学特征的多模态机器学习模型，用于在分期腹腔镜手术中区分腹膜转移灶与良性病变	首次将腹腔镜图像分析与病变形态学特征相结合，创建多模态机器学习模型用于腹膜转移的术中识别	研究样本量相对有限（67名患者），仅进行了内部验证，需要外部验证确认泛化能力	开发一种术中决策支持工具，提高腹膜转移的识别准确性并减少不必要的活检	接受分期腹腔镜检查的疑似腹膜转移患者的腹腔镜视频帧和病变形态特征	计算机视觉	腹膜转移	腹腔镜成像，形态学评估	深度学习，传统机器学习	视频帧图像，形态学特征数据	67名患者的453个连续活检病变（良性197个，恶性256个）	NA	NA	AUC	NA
7916	2025-10-06	DeepPhosPPI: a deep learning framework with attention-CNN and transformer for predicting phosphorylation effects on protein-protein interactions 2025-Sep-06, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf462 PMID:40914970	研究论文	提出首个基于序列的深度学习框架DeepPhosPPI，用于预测磷酸化对蛋白质-蛋白质相互作用的影响	首个结合注意力CNN和Transformer的序列深度学习框架，使用预训练蛋白质语言模型进行特征嵌入	NA	开发计算模型预测磷酸化对蛋白质-蛋白质相互作用的调控效应	蛋白质磷酸化位点及其对蛋白质相互作用的影响	生物信息学	神经退行性疾病,癌症	深度学习	CNN,Transformer	蛋白质序列数据	NA	NA	注意力CNN,Transformer,ProtBERT,ESM-2	NA	NA
7917	2025-10-06	Detecting, Characterizing, and Mitigating Implicit and Explicit Racial Biases in Health Care Datasets With Subgroup Learnability: Algorithm Development and Validation Study 2025-Sep-04, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71757 PMID:40905712	研究论文	开发并验证了一种名为AEquity的简单指标，用于检测和减轻医疗数据集中的种族偏见	提出了一种基于学习曲线近似的数据中心化偏见缓解方法，可在算法生成的数据层面解决偏见问题	研究中使用的数据集和算法类型有限，需要进一步验证在更广泛场景下的适用性	开发能够检测和减轻医疗数据集中隐性和显性种族偏见的算法	医疗数据集中的种族偏见问题	机器学习	NA	学习曲线近似方法	全连接网络,CNN,Transformer,LightGBM	胸部X光图像,医疗成本利用数据,健康调查数据	NA	NA	ResNet-50,VIT-B-16	AUC,假阴性率,精确率,假发现率	NA
7918	2025-10-06	Multimodal Deep Learning for Generating Potential Anti-Dengue Peptides 2025-Sep-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c03510 PMID:40918327	研究论文	提出一种多模态深度学习框架，用于预测和生成潜在的抗登革热病毒多肽	首次将高性能预测建模与生成学习相结合的多模态框架，用于抗登革热多肽的发现	抗登革热多肽数据在现有数据集中仍然有限	开发有效的抗病毒治疗方法，特别是针对登革热病毒的治疗性多肽	抗登革热多肽（ADPs）	机器学习	登革热	多肽序列分析	BiLSTM, GAN, 随机森林, CNN, Transformer	多肽序列数据	NA	TensorFlow, PyTorch, Scikit-learn	双向长短期记忆网络, 堆叠集成神经网络, Wasserstein生成对抗网络, 卷积神经网络, Transformer	平衡准确率, AUC-ROC, AUC-PR, 马修斯相关系数	NA
7919	2025-10-06	Development and validation of a user-friendly prediction tool for preoperative T-Staging in gallbladder Cancer: A multicenter study using contrast-enhanced CT-Based fusion models 2025-Sep, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110117 PMID:40412011	研究论文	开发并验证基于对比增强CT的融合模型，用于胆囊癌术前T分期预测	首次结合放射组学、深度学习和临床数据构建加权融合模型，并开发用户友好的预测工具	回顾性研究，样本量相对有限（189例），仅来自两个机构	提高胆囊癌术前T分期的准确性和手术规划效果	胆囊癌患者	医学影像分析	胆囊癌	对比增强CT，放射组学，深度学习	融合模型	医学影像（CT动脉期和门静脉期序列），临床数据	189例胆囊癌患者（训练集111例，内部验证集48例，时间验证集30例）	NA	加权融合模型	AUC，准确率，敏感性，F1分数，校准曲线，决策曲线分析	NA
7920	2025-10-06	Deep learning reveals the complex genetic architecture of male guppy colouration 2025-Sep, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-025-02781-w PMID:40596731	研究论文	本研究使用深度学习技术揭示雄性孔雀鱼颜色变异的复杂遗传结构	首次结合卷积神经网络高分辨率表型分析、选择实验和全基因组关联研究，系统解析孔雀鱼颜色模式的遗传机制，发现常染色体向Y染色体基因复制是性连锁颜色变异的主要机制	研究主要聚焦于雄性孔雀鱼，对雌性颜色变异的遗传机制探讨较少	解析雄性孔雀鱼颜色变异的遗传架构和维持机制	雄性孔雀鱼(Poecilia reticulata)	计算生物学	NA	全基因组重测序, 基因组关联分析	CNN	图像, 基因组数据	包含选择实验、受控谱系和全基因组重测序的孔雀鱼样本	NA	卷积神经网络	NA	NA