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
61	2025-12-13	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次对基于AI的影像技术（特别是mpMRI和PSMA PET）在预测前列腺癌术前EPE方面的诊断性能进行了全面的荟萃分析，并与放射科医生的诊断水平进行了直接比较	纳入研究多为回顾性设计，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断准确性	前列腺癌患者	数字病理学	前列腺癌	多参数磁共振成像, 前列腺特异性膜抗原正电子发射断层扫描	机器学习, 深度学习	影像	21项研究（具体患者总数未在摘要中明确给出）	NA	NA	灵敏度, 特异度, 曲线下面积	NA
62	2025-12-13	PatternFusion: a hybrid model for pattern recognition in time-series data using ensemble learning 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28649-4 PMID:41365945	研究论文	提出了一种名为PatternFusion的新型集成框架，用于时间序列数据的模式识别	通过动态注意力驱动融合机制，无缝集成BiLSTM、CNN和LightGBM，实现了统计模型与深度学习结构的协同；引入了自适应注意力融合、多尺度时间特征编码、显式置信度量化和时间后处理等关键创新	NA	克服经典时间序列分析的缺点，实现高性能、可解释且能进行多尺度时间检测的模式识别	时间序列数据	机器学习	NA	NA	BiLSTM, CNN, LightGBM	时间序列数据	NA	NA	BiLSTM, CNN	F1-score, AUC, EER	NA
63	2025-12-13	Gaussian mixture model for enhancing the quality of transmission estimation in optical networks: a machine learning approach 2025-Dec-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27355-5 PMID:41365970	研究论文	本文提出了一种基于高斯混合模型的机器学习方法，用于提升光网络中传输质量估计的准确性	采用高斯混合模型算法来预测未知光路径的误码率和信噪比，结合阈值、流量和调制格式等参数，实现了高精度的传输质量估计	模型仅在韩国网络拓扑特征上进行训练和测试，未在其他网络拓扑或实际环境中验证其泛化能力	开发一种基于机器学习的光网络传输质量估计方法，以优化光纤通信系统	光网络中的传输路径，特别是未知光路径的质量参数	机器学习	NA	高斯混合模型	GMM	网络拓扑特征数据	NA	NA	高斯混合模型	AUC, 准确率, F1分数, Brier分数, 期望校准误差	NA
64	2025-12-13	AI learning for pediatric right ventricular assessment: development and validation across multiple centers 2025-Dec-09, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02123-x PMID:41366000	研究论文	本研究开发并验证了一种基于视频的深度学习框架，用于自动评估儿科患者的右心室功能	开发了首个跨多中心、大规模儿科超声心动图数据的视频深度学习框架，实现了实时、专家级的右心室功能自动量化，并在左心室射血分数预测上超越了先前方法	研究数据来自四个三级医疗中心，可能无法完全代表所有医疗环境或患者群体；模型在资源极度有限环境下的实际部署效果仍需进一步验证	开发并验证一个自动化深度学习框架，以改善儿科患者右心室功能的评估	患有先天性或获得性心脏病的儿科患者，重点关注右心室功能障碍	计算机视觉	心血管疾病	超声心动图	深度学习	视频	来自3993名儿童的24,984份超声心动图	NA	U²-Net	Dice系数, AUC	NA
65	2025-12-13	Multi-View Deep Learning for Mandibular Landmark Localization 2025-Dec-09, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106295 PMID:41380797	研究论文	本研究开发并验证了一种新颖的多视图深度学习框架，用于提高CBCT衍生的3D下颌骨表面模型上解剖标志点定位的准确性和效率	提出了一种多视图堆叠沙漏卷积神经网络（MVSH-CNN），直接在基于STL的下颌骨模型上进行半自动3D标志点定位，显著优于传统的基于配准的方法	研究样本仅来自成年汉族个体，样本量相对较小（140例），可能限制模型的泛化能力	开发并验证一种新颖的多视图深度学习框架，以增强下颌骨解剖标志点定位的准确性和效率	从锥形束计算机断层扫描（CBCT）重建的3D下颌骨表面模型	计算机视觉	颌面部疾病	锥形束计算机断层扫描（CBCT）	CNN	3D表面模型（STL格式）	140例成年汉族个体的下颌骨扫描（100例用于训练/验证，40例用于独立测试，其中20例正常，20例不对称）	NA	多视图堆叠沙漏卷积神经网络（MVSH-CNN）	欧几里得距离误差，计算时间	NA
66	2025-12-13	Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy 2025-Dec-09, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105313 PMID:41381021	研究论文	本研究开发了一个轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后发生术后玻璃体腔出血的风险	整合超广角荧光素血管造影图像与临床数据，构建了一个轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性、良好的校准性、优异的临床实用性和可解释性，且资源需求低	本研究为回顾性研究，可能存在选择偏倚；模型在外部测试集上表现良好，但需进一步前瞻性验证	开发一个预测模型，用于评估增殖性糖尿病视网膜病变患者接受玻璃体切除联合眼内药物治疗后发生术后玻璃体腔出血的风险	增殖性糖尿病视网膜病变患者	数字病理学	糖尿病视网膜病变	超广角荧光素血管造影	深度学习	图像, 临床数据	1,318只眼（来自968名患者）用于训练和验证，264只眼用于外部测试	NA	EfficientNet-V2, 多层感知机	AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距	NA
67	2025-12-13	A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02266 PMID:41235667	综述	本文全面回顾了拓扑数据分析（TDA）和拓扑深度学习（TDL）在分子科学中的发展、方法和应用	综述了从早期定性工具到先进定量和预测模型的TDA演变，重点介绍了持久同调、持久拉普拉斯算子及拓扑机器学习等创新点	讨论了当前TDA方法的局限性，并概述了未来方向，如与先进AI模型的整合及新拓扑不变量的开发	旨在为研究人员利用拓扑学在分子科学中的力量提供基础性参考	分子科学中的复杂分子数据，包括生物分子稳定性、蛋白质-配体相互作用、药物发现、材料科学、拓扑序列分析和病毒进化等领域	机器学习	NA	拓扑数据分析（TDA），拓扑深度学习（TDL）	NA	复杂分子数据	NA	NA	NA	NA	NA
68	2025-12-13	eRMSF: A Python Package for Ensemble-Based RMSF Analysis of Biomolecular Systems 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02413 PMID:41254899	研究论文	介绍了一个名为eRMSF的Python软件包，用于对生物分子系统进行基于集合的均方根涨落分析	eRMSF扩展了传统的分子动力学轨迹分析，能够处理由不同方法生成的集合，如MD模拟、BioEmu深度学习工具、子采样AlphaFold2等，提供了统一的框架来评估模拟和预测结构中的残基或原子涨落	NA	开发一个快速且用户友好的工具，用于分析生物分子系统的分子灵活性和动力学	生物分子系统	计算生物学	NA	均方根涨落分析	NA	结构集合数据	NA	Python, MDAnalysis	NA	NA	NA
69	2025-12-13	Benchmarking Sequence-Based Compound-Protein Interaction Prediction through Constructing a Debiased Data Set CDPN 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02040 PMID:41264813	研究论文	本文提出了一种名为CDPN的去偏数据构建协议，用于基准测试基于序列的化合物-蛋白质相互作用预测模型	通过化合物聚类降采样和从未探索化学空间生成推定负样本，构建去偏CPI基准数据集，解决了现有数据集中分子支架过代表和标签分布不平衡导致的模型泛化问题	在PDBbind上的系统评估揭示了注意力可解释性存在关键局限性	准确预测化合物-蛋白质相互作用以促进药物发现	化合物-蛋白质相互作用	机器学习	NA	NA	深度学习模型	序列数据	NA	NA	KPGT-Ankh	NA	NA
70	2025-12-13	Deep learning reveals endogenous sterols as allosteric modulators of the GPCR-Gα interface 2025-Dec-08, eLife IF:6.4Q1 DOI:10.7554/eLife.106397 PMID:41359750	研究论文	本研究开发了AI驱动的计算工具包Gcoupler，用于识别和验证GPCR-Gα界面的内源性变构调节剂，特别是固醇类代谢物	开发了首个整合从头配体设计、图神经网络和生物活性优先排序的AI工具包，用于无偏地识别GPCR内源性变构调节剂	方法主要基于计算预测，实验验证虽已进行但可能仍需更多体内模型确认	探索GPCR-Gα界面的内源性变构调节机制及其在细胞信号传导中的作用	酵母Ste2p-Gpa1p界面、人及新生大鼠心脏肥大模型	机器学习	心血管疾病	遗传筛选、多组学分析、定点诱变、生化检测	图神经网络	分子结构数据、生物活性数据	NA	NA	NA	NA	NA
71	2025-12-13	Volumetric localization microscopy with deep learning 2025-Dec-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65941-3 PMID:41360790	研究论文	本文提出了一种结合深度学习与波前优化光场配置的体积极位显微技术，用于高保真三维单分子成像	VLM方法首次将仪器优化与深度学习算法结合，仅使用系统感知的内在点扩散函数进行训练，无需依赖外部成像模式或样本特定数据	NA	开发一种超分辨率显微技术，以克服荧光显微镜在光学复杂性、计算需求和用户可访问性方面的限制	生物样本中的单分子成像	计算机视觉	NA	超分辨率显微技术，波前优化光场配置	深度学习，神经网络	图像数据	多种生物样本（未指定具体数量）	NA	级联神经网络	横向定位精度10纳米，轴向定位精度25纳米，有效成像深度超过4微米	NA
72	2025-12-13	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络中提取的复杂网络特征来增强基于文本的深度学习模型，以提高疫苗立场分类的准确性	首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中表现优于文本特征，反映了社交网络变化的稳定性	研究主要基于意大利语推文数据，可能无法直接推广到其他语言或社交平台；手动标注样本数量相对有限（约7000条）	提高疫苗立场分类的准确性，特别是在高度极化类别中	意大利语推文（约2000万条帖子）	自然语言处理	NA	自然语言处理，复杂网络分析	深度学习模型	文本，网络数据	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
73	2025-12-13	Artificial intelligence in pulmonary hypertension: a systematic review 2025-Dec-08, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03557-5 PMID:41361272	系统综述	本文系统评估了机器学习和深度学习方法在肺动脉高压（PH）和肺动脉高压（PAH）非侵入性诊断、分类和预后预测中的应用	首次对人工智能在肺动脉高压领域的应用进行全面系统综述，并采用PROBAST+AI工具评估偏倚风险，强调方法学质量和临床适用性	研究存在显著异质性，缺乏外部验证，多数为回顾性单中心研究，无随机对照试验，部分研究未明确报告右心导管检查情况	评估人工智能（特别是机器学习和深度学习）在肺动脉高压诊断和预后预测中的临床应用潜力	肺动脉高压（PH）和肺动脉高压（PAH）患者	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	卷积神经网络（CNN）	临床数据、影像数据（如超声心动图）、生物标志物数据、组学数据、实验室参数	53项研究（其中9项为多中心研究，4项前瞻性研究，1项结合回顾性与前瞻性队列，其余为回顾性单中心研究）	NA	卷积神经网络	AUC（曲线下面积，范围0.71-1.00）	NA
74	2025-12-13	Predictive modeling approaches for Alzheimer's disease diagnosis through neuroimaging techniques 2025-Dec-08, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102989 PMID:41371350	综述	本文详细讨论了利用机器学习和深度学习预测建模方法，通过神经影像技术自动诊断阿尔茨海默病的过程和主要组成部分	整合人工智能与AD诊断，通过预测建模自动处理神经影像和生物标志物，避免了传统手动操作，提高了诊断的准确性和效率	NA	探讨和详细分析预测建模在阿尔茨海默病诊断中的应用，以解决传统诊断方法在时间、成本和准确性方面的挑战	阿尔茨海默病的诊断过程，包括神经影像技术和生物标志物	机器学习	阿尔茨海默病	神经影像技术（如计算机断层扫描、磁共振成像、正电子发射断层扫描）和脑脊液生物标志物（如淀粉样蛋白-β₄₂、总tau蛋白、磷酸化tau蛋白）	机器学习算法, 深度学习算法	神经影像图像	NA	NA	NA	准确率, 验证指标	NA
75	2025-12-13	Attention-Fused Dual-Stream learning for defect classification in thick aerospace CFRPs with complex microstructures using Multi-Angle ultrasonic scattering signatures 2025-Dec-08, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107921 PMID:41380499	研究论文	提出一种融合注意力机制的双流深度学习框架，用于复杂微结构厚碳纤维增强聚合物中缺陷的分类	提出了一种高效且可解释的注意力融合模块，能协同整合B扫描图像的空间形态信息和原始全矩阵捕获数据的多角度超声散射特征	未明确说明模型在更广泛材料类型或更大规模数据集上的泛化能力	提高厚碳纤维增强聚合物中关键缺陷（特别是分层）的可靠检测精度	厚碳纤维增强聚合物中的缺陷，尤其是分层缺陷	计算机视觉	NA	超声测试，全矩阵捕获	深度学习，注意力机制	图像（B扫描图像），原始超声数据	2776个样本	NA	YOLOv8	mAP50	NA
76	2025-12-13	Real-time deep learning-based image guiding and automated left ventricular measurements to reduce test-retest variability 2025-Dec-07, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2025-003783 PMID:41360622	研究论文	本研究评估了结合实时深度学习引导与自动化测量对降低左心室容积和应变测量重复变异性的效果	首次将实时深度学习引导工具与自动化测量相结合应用于超声心动图，并比较了其对减少测量变异性的贡献	样本量较小（n=47），且仅涉及混合性心脏疾病患者，结果可能无法推广到所有人群	评估AI辅助超声心动图在减少左心室测量重复变异性方面的效果	混合性心脏疾病患者	医学影像分析	心血管疾病	超声心动图	深度学习	超声图像	47名患者	NA	NA	变异系数	NA
77	2025-12-13	An investigation of race bias in deep learning-based segmentation of prostate MRI images 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26189-5 PMID:41353223	研究论文	本研究调查了基于深度学习的MRI前列腺分割模型中存在的种族偏见问题	首次系统性地探讨了前列腺MRI分割任务中训练数据种族不平衡对模型性能的影响，并揭示了种族偏见的存在	研究仅针对白人和黑人群体，未涵盖其他种族；样本量相对有限；仅使用T2加权MRI数据	探究深度学习模型在前列腺MRI分割任务中是否存在基于种族的性能偏见	前列腺MRI图像	数字病理学	前列腺癌	磁共振成像（MRI）	深度学习模型	图像	五个临床T2加权MRI数据集（种族比例不同）加一个公共数据集，测试集包含32名种族匹配的临床受试者	NA	NA	Dice相似系数（DSC）	NA
78	2025-12-13	A comparative study of computer vision models for oral cancer detection from oral photographs 2025-Dec-05, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109198 PMID:41380612	研究论文	本研究通过比较现代深度学习目标检测模型，评估了计算机视觉模型在口腔照片中识别口腔癌病变的潜力	开发了包含微调、超参数优化和性能评估的综合工作流程，系统测量和分析影响模型的各种参数，提供了该领域检测方法的新颖且全面的评估	在双类别检测（区分恶性和良性病变）中表现不佳，小病变检测存在困难	评估计算机视觉模型作为诊断工具识别口腔癌病变的潜力	口腔病变照片	计算机视觉	口腔癌	NA	深度学习目标检测模型	图像	基于活检证实的口腔病变摄影数据集	NA	NA	精确度, 灵敏度, 特异性	NA
79	2025-12-13	Validation of a deep learning-based AI model for breast cancer risk stratification in postmenopausal ER+/HER2-breast cancer patients 2025-Dec-04, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2025.104671 PMID:41380230	研究论文	本研究验证了基于深度学习的Stratipath AI模型在绝经后ER+/HER2-乳腺癌患者风险分层中的预后价值，并与传统的诺丁汉组织学分级系统进行了比较	首次在绝经后ER+/HER2-乳腺癌患者中验证了深度学习模型Stratipath的风险分层能力，特别是在NHG 2中间风险亚组中展示了额外的预后区分价值	研究为回顾性分析，需要进一步的前瞻性验证来确认不同风险组在治疗策略中的临床获益	验证和比较深度学习AI模型与传统组织学分级系统在乳腺癌预后分层中的性能	2466名绝经后、ER阳性、HER2阴性且未接受化疗的乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	临床数据	2466名患者	NA	Stratipath	一致性指数, 风险比	NA
80	2025-12-13	Deep-DPC: Deep learning-assisted label-free temporal imaging discovery of anti-fibrotic compounds by controlling cell morphology 2025-Dec, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.02.028 PMID:40010605	研究论文	本文提出了一种名为deep-DPC的新方法，结合无标记时间序列数字相位对比成像、细胞形态分析和无监督机器学习，用于动态控制和监测细胞形态，以发现抗纤维化先导化合物	将无标记时间序列DPC成像与细胞形态分析及深度学习相结合，动态监测纤维化过程中的细胞形态变化，克服了传统方法仅关注最终生物指标的局限	NA	开发一种基于深度学习和细胞形态动态分析的新策略，用于评估纤维化并发现抗纤维化先导化合物	纤维细胞（包括静息和活化状态）	数字病理学	纤维化疾病	无标记时间序列数字相位对比成像	神经网络	图像	12,000张图像用于训练，超过100,000张图像来自1,400种化合物	NA	NA	NA	NA