深度学习在生物医药领域中的应用

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
801	2025-09-15	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Sep-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	提出一种基于区域注意力增强视觉变换器（RAE-ViT）的新框架，用于sMRI数据的阿尔茨海默病精确分类	引入区域注意力机制优先关注疾病关键脑区，并整合分层自注意力和多尺度特征提取以建模局部和全局结构模式	未来需优化边缘设备部署、整合多模态数据并探索自监督和联邦学习以提升泛化性和隐私保护	开发高精度AI模型用于阿尔茨海默病的早期诊断和干预	阿尔茨海默病患者、轻度认知障碍患者和正常对照的脑部sMRI数据	计算机视觉	阿尔茨海默病	sMRI脑成像	Vision Transformer (ViT) with regional attention	医学图像	1152例sMRI扫描（255例AD，521例MCI，376例NC）
802	2025-09-15	Advancements in breast cancer therapy: Integrating AI tools for drug discovery and clinical trials 2025-Sep-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111067 PMID:40945222	综述	本文探讨了人工智能在乳腺癌治疗中整合计算机辅助药物设计（CADD）的进展，特别是在药物发现和临床试验中的应用	将深度学习和AI技术集成到CADD中，以克服传统方法的高资源需求和时间低效问题，提升药物疗效和安全性预测的准确性	NA	加速乳腺癌药物开发，降低成本，并改善治疗结果和早期诊断	乳腺癌治疗相关的药物发现和临床决策过程	machine learning	breast cancer	CADD, deep learning, machine learning	DNN	分子结构数据、临床数据	NA
803	2025-09-15	Ultrasound-Based Deep Learning Radiomics to Predict Cervical Lymph Node Metastasis in Major Salivary Gland Carcinomas 2025-Sep-12, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.103895 PMID:40945314	研究论文	开发并验证基于超声的深度学习影像组学模型，用于无创预测大唾液腺癌的颈部淋巴结转移	整合临床、超声、影像组学和深度学习特征构建复合预测模型，实现术前无创预测	样本量相对有限（214例），且来自多中心但需进一步外部验证	预测大唾液腺癌患者的颈部淋巴结转移情况	大唾液腺癌患者	医学影像分析	唾液腺癌	超声成像、影像组学特征提取、深度学习	逻辑回归（LR）及多种机器学习算法	超声图像	214例患者（训练集144例，验证集70例）
804	2025-09-15	Enhancing Oral Health Diagnostics With Hyperspectral Imaging and Computer Vision: Clinical Dataset Study 2025-Sep-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/76148 PMID:40935589	研究论文	本研究通过结合内窥镜高光谱成像和深度学习模型，开发了一个大规模口腔组织数据集，用于自动分割和分类健康口腔组织	提出了首个大规模体内口腔高光谱成像数据集，并验证了深度学习模型在该数据上的优异分割性能	样本年龄和性别分布可能存在偏差（女性占比73.5%），且仅针对健康组织进行分析	开发自动、可靠的口腔内组织结构区分方法，推动口腔疾病的无创诊断	226名参与者（24-87岁）的口腔组织	计算机视觉	口腔鳞状细胞癌	内窥镜高光谱成像（HSI），波长范围500-1000 nm	DeepLabv3（ResNet-50/ResNet-101）, U-Net（EfficientNet-B0/ResNet-50）	高光谱图像	226名参与者（166名女性，60名男性）
805	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathological images 2025-Sep-11, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
806	2025-09-15	The Combined Use of Cervical Ultrasound and Deep Learning Improves the Detection of Patients at Risk for Spontaneous Preterm Delivery 2025-Sep-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于通过宫颈超声图像预测自发性早产，其性能优于传统的宫颈长度测量方法	首次大规模多中心研究证明AI在预测自发性早产方面比宫颈长度测量更敏感，且能识别更多解剖特征	超声检查的适应症未系统记录，扫描可能基于早产风险因素或症状进行	开发并验证AI模型以改进自发性早产的预测	接受宫颈超声扫描的孕妇及其妊娠数据	医学影像分析	产科疾病	超声成像，深度学习	深度学习模型	图像	4224例妊娠，7862张宫颈超声图像
807	2025-09-15	Biological Age Estimation From the Age Gap Using Deep Learning Integrating Morbidity and Mortality: Model Development and Validation Study 2025-Sep-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/71592 PMID:40930058	研究论文	开发并验证一种基于Transformer的生物年龄估计模型，整合发病率和死亡率数据以提升预测准确性	提出首个整合发病率和死亡率信息的Transformer架构，同时学习多目标任务（特征重建、年龄对齐、健康状态区分和死亡率预测）	需在多样化人群中进行外部验证以进一步确认泛化性，女性死亡率预测趋势未达统计学显著性	通过深度学习改进生物年龄估计，实现更精准的健康状态评估和年龄相关疾病风险早期识别	151,281名18岁及以上接受常规健康检查的成年人	机器学习	老年性疾病	深度学习，Transformer架构	Transformer	临床健康检查数据	151,281名成年人
808	2025-09-15	Deep learning enhanced quantitative debonding evaluation in tile panels using Lamb waves 2025-Sep-10, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107821 PMID:40945330	研究论文	提出一种基于Lamb波和深度学习的陶瓷砖面板脱粘定量评估新方法	首次将二维卷积神经网络与Lamb波时频分析结合，创建混合数据集训练模型生成二维损伤指数图	NA	开发可靠的无损检测技术用于建筑外墙陶瓷砖面板脱粘缺陷的定量评估	陶瓷砖面板的脱粘缺陷	计算机视觉	NA	连续小波变换(CWT), Lamb波检测	2D-CNN	时频图像	模拟数据与实验数据结合的混合数据集
809	2025-09-15	Nondestructive detection of biogenic amines in muscle of Chinese mitten crab (Eriocheir sinensis): A basis for quality assessment using infrared spectroscopy and deep learning 2025-Sep-09, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146354 PMID:40945266	研究论文	本研究结合近红外光谱和深度学习技术，开发了一种用于中华绒螯蟹肌肉中生物胺无损检测和品质分级的方法	首次将混合CNN-LSTM-SE深度学习模型应用于蟹类生物胺的无损检测，实现了对腐败蟹100%的准确识别	研究仅在8±1°C冷藏条件下进行，未验证其他温度或储存条件的效果	开发水产品品质无损评估技术	中华绒螯蟹肌肉组织	机器学习	NA	近红外光谱技术	CNN-LSTM-SE混合模型	光谱数据	冷藏过程中采集的蟹肌肉样本（具体数量未明确说明）
810	2025-09-15	Molecular networking and deep learning synergy for bioactive metabolite discovery in L. plantarum-Fermented Sea buckthorn milk 2025-Sep-09, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146361 PMID:40945267	研究论文	本研究结合分子网络与深度学习分析植物乳杆菌发酵沙棘乳的代谢组变化，发现新型生物活性化合物并改善其营养与感官特性	首次开发基于特征分子网络（FBMN）与深度学习的非靶向代谢组学工作流，突破传统数据库注释限制，成功鉴定两种未报道的异戊酰黄酮苷和四氢哈尔满-3-羧酸	NA	加速功能性化合物发现并指导新一代健康发酵饮料的配方开发	植物乳杆菌发酵的沙棘乳	代谢组学	NA	非靶向代谢组学、特征分子网络（FBMN）、深度学习	深度学习	代谢组数据	NA
811	2025-09-15	Motif field combined with two-stream feature fusion network and double detection head for identification and prediction of microalgae in seawater 2025-Sep-08, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124574 PMID:40945058	研究论文	提出一种结合荧光和吸收双模式光谱、序列模场与深度学习的微藻定量分析新方法	首次提出模场（MF）将光谱数据编码为二维图像，设计双流特征融合网络（TSFF）和双检测头（DDH）实现同步种类识别与浓度回归	NA	实现水体中微藻种类和浓度的准确快速检测	海水中的微藻	计算机视觉	NA	荧光和吸收双模式光谱	CNN结合注意力机制的双流特征融合网络	光谱数据（编码为图像）	NA
812	2025-09-15	YOLOv5-aided paper-based microfluidic intelligent sensing platform for multiplex sweat biomarker analysis 2025-Sep-08, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117978 PMID:40945114	研究论文	开发了一种基于YOLOv5的纸基微流控智能传感平台，用于汗液中多种生物标志物的比色检测	整合了易于制造的纸基微流控芯片、智能手机成像和深度学习框架，实现了99.5%的平均精度，提供了一种成本效益高、便携且可重复的方法	未明确提及具体局限性，但可能受限于智能手机成像质量和环境条件	解决汗液分析中主观解释和环境干扰导致的检测不准确问题，提高在资源有限环境中的可扩展性和实用性	汗液中的铁离子、氯离子和葡萄糖等多种生物标志物	计算机视觉	NA	比色检测、智能手机成像	YOLOv5	图像	未明确提及具体样本数量，但成功验证了铁离子、氯离子和葡萄糖的检测
813	2025-09-15	EZ-FRCNN: A Fast, Accessible and Robust Deep Learning Package for Object Detection Applications from Ethology to Cell Biology 2025-Sep-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.19.660198 PMID:40667197	研究论文	介绍EZ-FRCNN，一个本地化、用户友好的深度学习包，用于生物图像中的目标检测应用	提供完全离线的图形化和可脚本化界面，首次实现自由移动线虫的无标记摄食运动追踪	NA	开发易于使用的目标检测工具以促进生物图像分析	细胞表型、线虫摄食行为、自然环境中的动物	计算机视觉	NA	深度学习	Faster R-CNN	图像	NA
814	2025-09-15	Residual motion artifact removal enables dynamic μMRI of a behaving Pachnoda marginata 2025-Sep-04, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2025.107954 PMID:40945107	研究论文	本研究开发了一种结合回顾性门控和深度学习的方法，用于减少活体昆虫微观磁共振成像中的运动伪影	提出了一种完全回顾性门控策略，并首次将U-Net深度学习网络应用于μMRI运动伪影的补偿	方法依赖于模拟数据训练，可能无法完全覆盖真实场景中的所有运动模式	开发一种有效去除活体昆虫微观MRI中运动伪影的技术，实现动态成像	行为中的Pachnoda marginata昆虫（一种甲虫）	医学影像处理	NA	微观磁共振成像（μMRI），计算机视觉系统，深度学习	U-Net CNN	图像	NA
815	2025-09-15	Efficient T staging in nasopharyngeal carcinoma via deep Learning-Based Multi-Modal classification 2025-Sep-04, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112407 PMID:40945208	研究论文	本研究开发了一种基于深度学习的多模态分类系统，用于鼻咽癌的T分期	采用多模态学习框架整合MRI图像和报告，使用Q-Former进行视觉和文本信息融合，无需手动肿瘤勾画	NA	开发高效的自动化T分期系统以支持个性化治疗并优化临床工作流程	鼻咽癌患者	数字病理	鼻咽癌	多模态学习，深度学习	Vision Transformer (ViT), BERT, Q-Former, DeepTree	图像，文本	609名鼻咽癌患者（训练队列487人，验证队列122人）
816	2025-09-15	Wearable monitoring for rehabilitation: Deep learning-driven vertical ground reaction force estimation for anterior cruciate ligament reconstruction 2025-Sep-04, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106663 PMID:40945379	研究论文	本研究开发了一种基于可穿戴传感器和深度学习模型的垂直地面反作用力估计方法，用于前交叉韧带重建患者的康复监测	提出CNN-BiGRU-Attention混合深度学习框架，首次实现复杂日常活动中vGRF的准确估计，并针对患者特异性进行优化	研究样本量较小（25名患者），仅针对三种特定日常活动进行验证	通过可穿戴监测技术改善前交叉韧带重建患者的康复效果	25名前交叉韧带重建患者	数字病理	运动损伤	可穿戴传感器技术，深度学习建模	CNN-BiGRU-Attention混合模型	运动学数据，力学数据	25名ACLR患者
817	2025-09-15	Research Progress in Artificial Intelligence for Central Serous Chorioretinopathy: A Systematic Review 2025-Sep, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-025-01209-9 PMID:40694226	综述	本文系统回顾了人工智能在中心性浆液性脉络膜视网膜病变（CSCR）中的应用进展，分析挑战并展望未来研究方向	从疾病分类扩展到动态预后预测，整合多模态数据融合（如OCT、OCTA和FFA）并引入可解释AI（XAI）提升模型透明度	依赖单中心数据、标注者间存在差异、静态框架无法捕捉动态病变进展	指导个性化诊断和治疗策略的AI应用研究	中心性浆液性脉络膜视网膜病变（CSCR）相关医学影像数据	数字病理	视网膜疾病	多模态数据融合（OCT、OCTA、FFA）、可解释AI（XAI）、联邦学习	深度学习、神经网络	医学影像（视网膜图像）	73项原始研究（基于698篇文献筛选）
818	2025-09-15	Network and pharmacophore guided and BCL2 and HSP90AA1 targeted drug repurposable approaches against rheumatoid arthritis mediated diffuse large B-cell lymphoma 2025-Sep, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.146985 PMID:40889653	研究论文	本研究开发了一种基于GCNConv深度学习的流程，用于预测类风湿关节炎介导的弥漫大B细胞淋巴瘤的关键分子枢纽，并通过药物重定向策略筛选潜在治疗药物	首次结合网络药理学和深度学习（GCNConv模型）识别RA与DLBCL共享基因中的关键靶点（BCL2和HSP90AA1），并发现现有药物拉帕替尼和伊曲康唑等具有优于已批准药物的结合潜力	研究依赖于计算预测和文献挖掘，尚未进行体外或体内实验验证	揭示RA介导DLBCL进展的分子机制并探索治疗干预策略	类风湿关节炎（RA）和弥漫大B细胞淋巴瘤（DLBCL）的共享基因及FDA批准药物	生物信息学	淋巴瘤	GCNConv深度学习、网络药理学、虚拟筛选、文献挖掘	GCNConv	基因表达数据、分子结构数据	基于804种FDA批准药物的筛选和86个共享基因的分析
819	2025-09-15	The detection of algebraic auditory structures emerges with self-supervised learning 2025-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013271 PMID:40911653	研究论文	本研究通过自监督学习训练深度学习模型，探索人类自发检测听觉代数结构能力的形成机制	首次使用自监督深度学习模型模拟人类听觉代数结构检测能力，并系统比较自然声音与文化声音（语音/音乐）对能力形成的影响	模型与人类认知机制仍存在差异，实验结果需结合神经科学验证	阐明人类自发检测听觉代数结构能力的形成机制（先天机制 vs 经验学习）	深度学习模型在听觉代数结构检测任务中的表现	机器学习	NA	自监督学习	深度学习模型	听觉信号（环境声音、语音、音乐）	多组模型分别使用不同比例的自然声音和文化声音进行训练
820	2025-09-15	Automatic quantitative analysis of atherosclerotic aortic plaques in patients with embolic cerebral infarction using deep learning 2025-Sep, The Korean journal of internal medicine DOI:10.3904/kjim.2024.360 PMID:40859808	研究论文	本研究基于U-net开发自动斑块分割模型，用于分析栓塞性脑梗死患者的动脉粥样硬化主动脉斑块	首次将U-net深度学习模型应用于经食管超声心动图（TEE）图像，实现主动脉斑块的自动定量分析和分类	模型估计的斑块面积和比例未能显示对主要不良心脑血管事件的预测价值	开发自动斑块分割模型并评估其在栓塞性卒中不明来源（ESUS）患者中的临床应用价值	栓塞性卒中不明来源（ESUS）患者及因各种原因就诊心血管中心的患者	数字病理	心血管疾病	深度学习，图像分割	U-net	医学图像（TEE主动脉图像）	711名患者（来自两个心血管中心）加上来自三个心血管中心的ESUS患者临床数据集