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
8081	2025-12-24	GPMassSimulator: A Graphormer-Based Method for Glycopeptide MS/MS Spectra Prediction 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c02375 PMID:41364107	研究论文	本文提出了一种基于Graphormer的深度学习方法GPMassSimulator，用于准确预测完整N-糖肽的串联质谱（MS/MS）谱图和保留时间	利用GpepFormer模块有效表示和整合肽序列与聚糖结构，捕捉其复杂依赖关系，从而提升对相似糖肽（具有类似聚糖/肽骨架的糖肽）的区分能力	NA	开发一种深度学习方法，用于糖蛋白组学中糖肽的准确鉴定，特别是针对结构复杂和异质性的糖肽	糖肽（特别是N-糖肽）及其串联质谱（MS/MS）谱图和保留时间	机器学习	NA	串联质谱（MS/MS）	Graphormer	质谱数据	NA	NA	Graphormer, GpepFormer	鉴定准确率, Top-1鉴定准确率, 灵敏度	NA
8082	2025-12-24	A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05514 PMID:41368808	研究论文	本文提出了一种用于台式核磁共振设备进行新型精神活性物质非靶向筛查的深度学习模型	提出了一种结合通道注意力增强架构、化学信息预处理以及将NMR谱图与SMILES表示对齐的对比预训练方法的深度学习模型，显著增强了低信噪比条件下的谱图特征提取能力	模型目前仅针对九种NPS类别进行分类，未明确提及对其他物质或更广泛类别的泛化能力	开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法	新型精神活性物质	机器学习	NA	核磁共振	深度学习模型	核磁共振谱图数据	NA	NA	通道注意力增强架构	准确率	NA
8083	2025-12-24	DeepMIR: A Hybrid Convolutional Neural Network-Transformer Framework for Accurate Identification of Target Components from Mid-Infrared Spectra of Mixtures 2025-Dec-23, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04545 PMID:41384937	研究论文	提出了一种名为DeepMIR的深度学习框架，用于从混合物的中红外光谱中准确识别目标成分	首次将卷积神经网络与Transformer编码器结合，构建了一种混合架构，用于从混合物的中红外光谱中识别目标成分，该框架能有效处理参考光谱与混合物光谱采集技术不同带来的挑战	NA	解决分析化学中因严重光谱重叠和仪器变异性导致的混合物中红外光谱成分准确识别难题	复杂混合物（包括液体溶剂、固体颜料混合物和商业混纺织物）的中红外光谱	机器学习	NA	中红外光谱	CNN, Transformer	光谱数据	超过67,000个合成增强的光谱对	NA	混合卷积神经网络-Transformer架构	准确率, 统计显著性检验	NA
8084	2025-12-24	Investigating cis-regulatory elements and gene expression in multiple tomato varieties using interpretable deep learning 2025-Dec-23, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-025-05109-1 PMID:41429964	研究论文	本研究开发了一种名为L-CRE的可解释深度学习模型，用于分析番茄基因侧翼区域并预测基因表达水平	改进了先前模型，开发了可解释的深度学习模型L-CRE，能够识别影响基因表达的关键基因组区域，并成功验证了已知调控元件	仅分析了四种番茄品种，模型泛化能力未在其他物种或更广泛品种中验证	阐明顺式调控元件如何影响基因表达，为作物遗传改良和功能基因组学研究提供新方法	四种不同番茄品种的基因侧翼区域	机器学习	NA	深度学习	深度学习模型	基因组序列数据	四种番茄品种的基因数据	NA	L-CRE	准确率	NA
8085	2025-12-24	Quantitative measurement of Iris melanin concentration by polarization-sensitive anterior segment optical coherence tomography 2025-Dec-23, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721251407025 PMID:41432634	研究论文	本研究利用偏振敏感前段光学相干断层扫描（PS-AS-OCT）评估虹膜黑色素浓度，并探讨其与棕色虹膜个体虹膜颜色的相关性	首次采用PS-AS-OCT结合深度学习自动分割虹膜亚结构层，并通过熵基图像推导黑色素浓度比（MCR）来量化虹膜层内黑色素，为非侵入性评估虹膜色素沉着提供了新方法	研究仅纳入棕色虹膜个体，样本量相对较小（88人），且未涵盖其他虹膜颜色类型，可能限制结果的普适性	评估虹膜黑色素浓度与虹膜颜色的相关性，并开发基于MCR的虹膜颜色分类方法	人类虹膜	医学影像分析	NA	偏振敏感前段光学相干断层扫描（PS-AS-OCT），高分辨率摄影	深度学习模型，K-近邻（KNN）	图像（虹膜横截面图像，高分辨率照片）	88名参与者（平均年龄39岁）	NA	NA	分类准确率	NA
8086	2025-12-24	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2025-Dec-23, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	本研究利用基于YOLO的深度学习模型在口腔全景X光片上检测开根尖牙齿，并比较了不同模型的性能	首次将YOLO系列深度学习模型应用于口腔全景X光片中开根尖牙齿的自动检测，并系统比较了YOLOv3、YOLOv4和YOLOv5的性能	研究仅使用了966张全景X光片，样本量相对有限，且未在更广泛的数据集或临床环境中进行外部验证	开发一种基于深度学习的自动检测系统，用于识别口腔全景X光片中的开根尖牙齿，以减少患者额外拍摄X光片的需求并辅助牙医诊断	口腔全景X光片中的开根尖牙齿	计算机视觉	NA	全景X光成像	CNN	图像	966张口腔全景X光片	NA	YOLOv3, YOLOv4, YOLOv5	精确度, 召回率, 平均精度, F1分数	NA
8087	2025-12-24	Association Between CT-Based AI-Derived Body Composition and Survival in Patients With Pancreatic Ductal Adenocarcinoma 2025-Dec-22, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003896 PMID:41428798	研究论文	本研究探讨了基于CT的AI衍生身体成分参数与胰腺导管腺癌患者总生存期之间的独立关联	利用经过验证的深度学习分割算法从诊断CT扫描中自动评估身体成分，并分析其与不同治疗亚组患者生存率的关联	回顾性研究设计可能引入选择偏倚，且仅基于单次CT扫描评估身体成分	优化胰腺导管腺癌患者的治疗策略，通过身体成分评估改善临床决策	胰腺导管腺癌患者	数字病理学	胰腺癌	CT扫描，深度学习分割算法	深度学习	CT图像	1666名胰腺导管腺癌患者	NA	NA	风险比，置信区间，P值	NA
8088	2025-12-24	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2025-Dec-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	本文提出了一种名为WaveFHR-VNet的多尺度、多基小波投票网络，用于在联合时频域中自动分析胎儿心率信号，以准确检测基线和瞬态加速/减速事件	提出了一种U-Net风格的多尺度、多基小波投票网络，首次在编码器块中嵌入离散小波变换，通过交互系数选择模块抑制噪声并增强诊断显著性瞬态，并采用五种互补小波基并行操作与投票融合，无需手动调参	未明确提及模型的计算复杂度或实时性能限制，也未讨论在更广泛临床环境中的验证情况	开发一种能够准确检测胎儿心率信号中基线和瞬态加速/减速事件的计算机辅助解释方法，以改善产时监测	胎儿心率信号	数字病理学	心血管疾病	离散小波变换	U-Net	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB公共基准）	NA	U-Net	Dice系数, IoU, 准确率	NA
8089	2025-12-24	Topological Feature Extraction from Multi-color Channels for Pattern Recognition: An Application to Fundus Image Analysis 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01791-1 PMID:41429947	研究论文	本研究利用多颜色通道的拓扑特征结合深度学习进行模式识别，应用于眼底图像分析	首次将颜色通道变化与拓扑特征提取相结合，用于眼底图像疾病诊断，探索了拓扑足迹在不同颜色模型中的变化	研究仅基于三个公开数据集，未涉及更大规模或更广泛的数据验证	通过拓扑特征与深度学习结合，实现眼底图像的自动化疾病分类	眼底图像	计算机视觉	老年性疾病	NA	深度学习模型, 机器学习模型	图像	三个公开数据集：APTOS 2019, ORIGA, ICHALLENGE-AMD	NA	NA	NA	NA
8090	2025-12-24	A Hybrid YOLOv8s+Swin-T Transformer Approach for Automated Caries Detection on Periapical Radiographs 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01763-5 PMID:41429949	研究论文	本研究提出了一种结合YOLOv8s与Swin-T Transformer的混合目标检测器，用于在根尖周X光片上自动检测龋齿	提出了一种新颖的混合目标检测架构，将YOLOv8s骨干网络与Swin-T Transformer集成，通过其分层注意力机制改进了特征提取，在空间理解和上下文感知方面优于基于CNN的模型	模型仅在单一机构（Sibar牙科学院）收集的1887张X光片上进行训练和评估，其在不同数据集上的泛化能力和鲁棒性尚未得到广泛验证	自动化检测根尖周X光片中的龋齿，为AI辅助诊断提供可靠工具	根尖周X光片中的龋齿病变	计算机视觉	龋齿	深度学习，目标检测	CNN, Transformer	图像（X光片）	1887张来自Sibar牙科学院（Guntur）的根尖周X光片	PyTorch	YOLOv8s, Swin-T, Faster R-CNN, ResNet-50-FPNv2	精确率，召回率，F1分数，mAP@0.5	NA
8091	2025-12-24	Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01786-y PMID:41429948	研究论文	本研究评估了基于深度学习的计算机辅助检测（AI-CAD）软件在自动乳腺超声（ABUS）中用于乳腺癌检测的诊断性能和临床实用性	首次在ABUS中评估AI-CAD对不同经验水平放射科医生的诊断性能提升效果，特别是发现AI-CAD对经验较少的医生提升最显著	回顾性研究，样本量较小（114名女性），仅评估了三位放射科医生，可能无法推广到所有临床环境	评估AI-CAD软件在自动乳腺超声中辅助乳腺癌检测的有效性	接受自动乳腺超声检查的114名女性（228个乳房），其中28名被诊断为乳腺癌	计算机视觉	乳腺癌	自动乳腺超声（ABUS）	深度学习	超声图像	114名女性（228个乳房），其中28例乳腺癌	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC, 阅读时间, 观察者间一致性	NA
8092	2025-12-24	Improving Chronological Age Estimation in Children Using the Demirjian Method Enhanced with Transformer and Regression Models 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01769-z PMID:41429946	研究论文	本研究提出了一种基于全景牙科图像和深度学习特征提取的两阶段方法，用于估计儿童的实足年龄	结合了Swin V2 Base等Transformer架构进行特征提取，并使用多种机器学习回归模型进行年龄预测，通过SHAP分析识别了最具影响力的牙齿特征	数据集规模有限（626张全景X光片），年龄范围较窄（6.0至13.8岁），未来需要扩展数据集并探索多模态整合	提高儿童实足年龄估计的准确性，为临床和法医牙科年龄估计提供可靠工具	儿童的全景牙科X光图像	计算机视觉	NA	全景X光成像	CNN, Transformer	图像	626张全景X光片（来自320名男性和306名女性儿童）	PyTorch, Scikit-learn	ResNet-18, EfficientNetV2-M, Swin V2 Base	RMSE, MAE	NA
8093	2025-12-24	Fusion of machine learning models using fuzzy comprehensive evaluation for thymoma risk prediction: a multicenter analysis 2025-Dec-22, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02493-7 PMID:41430016	研究论文	本研究提出了一种基于模糊综合评价的融合模型（FCE-FM），用于预测胸腺瘤的风险	提出了一种融合五种基础分类模型（逻辑回归、支持向量机、XGBoost、LightGBM、GBDT）的模糊综合评价融合模型（FCE-FM），并整合了模糊综合评价（FCE）、层次分析法（AHP）和三角隶属函数技术，用于胸腺瘤风险预测	NA	开发一个用于胸腺瘤早期风险评估的可靠工具，以改善患者预后	胸腺瘤患者	机器学习	胸腺瘤	放射组学特征提取，深度学习特征提取	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, GBDT	人口统计学数据，放射组学特征，深度学习特征（横断面、矢状面、冠状面）	286名来自两个中心的胸腺瘤患者（训练集196例，内部测试集50例，外部测试集40例）	NA	FCE-FM（模糊综合评价融合模型）	AUC, 准确率	NA
8094	2025-12-24	Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets 2025-Dec-22, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70264 PMID:41431151	研究论文	本研究开发了一个标准化的注释流程，用于整合多个公共睡眠研究数据集中的睡眠呼吸障碍标注，以符合美国睡眠医学学会的指南	提出了一种整合睡眠分期、氧减饱和度和觉醒事件的标准化注释流程，显著提高了跨队列数据的一致性	研究为回顾性分析，依赖于现有数据集的可用性，可能无法完全覆盖所有临床场景	改进睡眠呼吸障碍的标注方法，以支持临床研究和基于人工智能的分析	来自SHHS、MrOS、MESA和KISS等多个公共睡眠研究数据集的受试者	数字病理学	睡眠呼吸障碍	多导睡眠图	深度学习模型	多导睡眠图数据	SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745)	NA	NA	平均绝对误差, F1分数	NA
8095	2025-12-24	Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004584 PMID:41417975	研究论文	本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层	提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，显著提升了生化复发预测和风险分层的性能	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（T2WI, ADC, DWI, CE-T1WI）	深度学习模型	医学图像	923名前列腺癌患者（来自5个三级医疗中心，共10153张图像）	PyTorch	Transformer, ResNet18	AUC, 时间依赖性AUC, 决策曲线分析, 校准曲线	NA
8096	2025-12-24	Auxiliary diagnosis of periprosthesis joint infection by leukocyte esterase strips test using a deep learning model 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004576 PMID:41417979	研究论文	本研究验证了基于深度卷积神经网络模型自动检测白细胞酯酶试纸条在诊断假体周围关节感染中的效能	开发了一个基于AlexNet的自动检测系统，用于自动捕获和分析白细胞酯酶试纸条图像，以提高诊断的客观性和减少外部因素影响	本研究为单中心研究，样本量相对较小，未来需要进行大规模、多中心临床研究以进一步提升模型性能	验证深度卷积神经网络模型在自动检测白细胞酯酶试纸条诊断假体周围关节感染中的有效性和可靠性	假体周围关节感染患者	计算机视觉	假体周围关节感染	白细胞酯酶试纸条测试	CNN	图像	78名患者（来自96名前瞻性入组患者，排除18名后）	NA	AlexNet	灵敏度, 特异度, 阳性预测值, 阴性预测值, ROC曲线, AUC, Kappa值	NA
8097	2025-12-24	Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7899 PMID:41410332	研究论文	本文提出了一种基于人工智能的自动化技术，用于在组织学切片中分类HER2过表达细胞	利用深度学习技术和视觉Transformer模型通过迁移学习，实现了对HER2表达的自动分类，减少了诊断变异性和提高了客观性	需要进一步优化处理效率以扩大应用范围	开发一种自动化技术来分类乳腺癌组织中的HER2过表达细胞	来自89名患者的乳腺癌组织学切片样本，覆盖所有四种HER2表达水平	数字病理学	乳腺癌	组织学分析	深度学习, 神经网络, 视觉Transformer	图像	89名患者的样本	NA	ViT-B/16	准确率	NA
8098	2025-12-24	[Deep learning-based endoscopic diagnosis of nasopharyngeal carcinoma: model development and cloud deployment] 2025-Dec-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20250627-00336 PMID:41372061	研究论文	本研究开发了一种基于白光成像和窄带成像内镜图像的深度学习辅助诊断模型，用于鼻咽癌诊断，并探索了其在远程诊断系统中的临床应用潜力	首次将深度学习与鼻内镜图像分析相结合，开发了针对鼻咽癌的AI辅助诊断模型，并构建了原型云诊断平台，为资源有限地区提供了早期筛查解决方案	研究为回顾性设计，样本主要来自单一医疗中心，未来需要多中心前瞻性研究进一步验证模型的泛化能力和临床实用性	开发基于内镜图像的鼻咽癌AI辅助诊断模型，并探索其在远程医疗系统中的应用	鼻咽癌患者的白光成像和窄带成像内镜图像	计算机视觉	鼻咽癌	白光成像, 窄带成像	CNN	图像	1262名受试者，包含9370张WLI图像和5558张NBI图像	未明确说明	InceptionResNetV2	准确率, AUC	NA
8099	2025-12-24	A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics 2025-Dec-05, Journal of visualized experiments : JoVE DOI:10.3791/69355 PMID:41428661	研究论文	本文提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态	创新性地将GARCH模型、双向LSTM网络和KAN网络集成到一个混合框架中，以同时量化时变波动性、建模双向时间关系并精炼非线性模式	NA	开发一个稳健的预测工具，以准确预测原油价格，应对其复杂的动态特性	西德克萨斯中质原油的每日价格	机器学习	NA	NA	GARCH, BiLSTM, KAN	时间序列数据	39年的每日西德克萨斯中质原油价格数据（1986-2025年）	NA	GARCH, BiLSTM, KAN	均方根误差, 平均绝对误差, 决定系数	NA
8100	2025-12-24	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-Dec-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	本研究利用深度学习算法在双能计算机断层扫描中区分痛风晶体沉积与伪影，以提高痛风诊断准确性	首次将深度学习应用于双能计算机断层扫描中绿色编码区域（指示痛风石）与块状伪影的自动区分，实现了高精度的病灶分类	研究为回顾性分析，样本量相对有限（74名患者），且未在外部验证集上进行测试	评估深度学习在双能计算机断层扫描中区分痛风晶体沉积与伪影的诊断准确性	从47名痛风患者和27名无痛风对照者的双能计算机断层扫描中提取的18,704个感兴趣区域	计算机视觉	痛风	双能计算机断层扫描	CNN, SVM	图像	74名患者（47名痛风患者，27名对照者）的18,704个感兴趣区域	NA	卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 准确率	NA