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
861	2025-12-09	Explainable multimodal fusion for breast carcinoma diagnosis: A systematic review, open problems, and future directions 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109152 PMID:41232399	系统综述	本文系统综述了2015年至2025年间发表的49项关于可解释多模态融合在乳腺癌诊断与预后中的应用研究	首次系统性地梳理了乳腺癌诊断中多模态学习与可解释人工智能（XAI）的研究现状、融合策略及开放性问题	纳入研究存在数据集可用性有限、基准测试不一致、真实世界可解释模型稀缺等普遍问题	分析多模态融合与可解释人工智能在乳腺癌诊断和预后中的应用现状、挑战及未来方向	乳腺癌（BC）	数字病理学	乳腺癌	多模态数据融合（影像、临床记录、组织病理学、基因组数据）	Transformer, GNN, Autoencoder, 集成学习	影像、文本、基因组数据	NA	NA	注意力机制、门控架构、混合架构	NA	NA
862	2025-12-09	Automatic segmentation and CT-based deep learning radiomics nomogram for predicting overall survival in patients with small cell lung cancer: A multicenter cohort study 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109161 PMID:41252869	研究论文	本研究开发了一种基于CT图像的3D自动分割模型用于小细胞肺癌病灶识别，并构建了深度学习放射组学列线图以预测患者总生存期	首次结合nnU-Net自动分割与多中心CT数据，构建了整合放射组学特征和深度学习特征的预测模型，并在多个外部验证队列中验证了其性能	临床因素的加入未显著提升模型预测效能，且研究为回顾性设计，可能存在选择偏倚	预测小细胞肺癌患者的总生存期，以支持个性化治疗决策	小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习	CT图像	1061例来自中国四家医院的患者	nnU-Net	nnU-Net	Dice相似系数, 一致性指数, 净重分类改善指数, 综合判别改善指数	NA
863	2025-12-09	MRomicsNet: A morphomics-radiomics-driven adaptive topological model for AD diagnosis on clinically routine T1-weighted images 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109160 PMID:41260107	研究论文	本研究提出了一种基于形态组学和影像组学的自适应拓扑模型（MRomicsNet），用于在临床常规T1加权图像上进行阿尔茨海默病诊断	首次将形态组学和影像组学特征整合到一个自适应拓扑模型中，通过深度学习框架强化重要脑区间连接并抑制无关连接，以优化脑网络构建	研究主要依赖于特定数据集（ADNI和EDSD），未在更广泛或多样化临床数据上进行验证，且模型复杂度可能较高	开发一种结合形态组学和影像组学优势的自适应拓扑模型，以提升基于T1加权图像的阿尔茨海默病诊断准确性	阿尔茨海默病患者及健康对照者的脑部T1加权图像	数字病理学	阿尔茨海默病	T1加权磁共振成像	图卷积网络	图像	ADNI和EDSD数据集，具体样本数量未在摘要中明确说明	深度学习框架（具体未指定，可能为PyTorch或TensorFlow）	MRomicsNet（包含morphGCN通道和mrGCN通道）	诊断准确率	NA
864	2025-12-09	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-Feb, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	系统综述	本文系统评估了人工智能在结肠癌研究中的应用现状，重点关注其对诊断准确性、治疗规划和患者结局的影响	通过系统综述和元分析评估AI在结肠癌应用的最新进展，并特别关注可解释AI和生成AI技术的使用	临床整合仍面临数据和验证缺口，现有研究质量参差不齐	评估人工智能在结肠癌检测、分类、预测和分割中的应用可靠性及其临床影响	2020年至2024年间发表的关于AI在结肠癌中应用的学术文章	数字病理学	结肠癌	NA	深度学习, 机器学习	NA	80篇文章	NA	GAN	诊断准确性	NA
865	2025-12-09	GICAF-Net: A cross-attentional graph-image fusion network for hyperspectral pathological diagnosis of FNH and HCC 2026-Feb-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109171 PMID:41289808	研究论文	本研究提出了一种名为GICAF-Net的图-图像交叉注意力融合网络，用于肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的高光谱病理诊断	提出了一种新颖的双分支网络架构，结合了残差卷积和残差图卷积，并引入了拓扑感知交叉注意力融合模块（TACA）以及结合交叉熵、预测置信度和跨模态注意力一致性的多约束融合损失函数，以增强跨模态信息融合和分类稳定性	研究样本量相对较小（共120例），且未在更广泛的外部数据集上进行验证	提高肝肿瘤（FNH与HCC）术中高光谱病理诊断的准确性和效率	肝局灶性结节性增生（FNH）和肝细胞癌（HCC）的病理样本	数字病理	肝癌	高光谱成像	CNN, GCN	高光谱图像	包含60例HCC和60例FNH的平衡高光谱肝肿瘤数据集，共120例	NA	GICAF-Net, 残差卷积, 残差图卷积	AUC, 准确率, F1分数	NA
866	2025-12-09	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2026-Jan, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	本研究利用基于深度学习的M2M模型，从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模人群中评估其与年龄、性别、种族及自我报告青光眼等因素的关联	首次在基于人群的大规模队列（CLSA）中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性	研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断，可能存在误报或漏报	评估在大型人群队列中使用深度学习模型从眼底照片估计RNFL厚度的可行性，并分析其与人口学因素及青光眼状态的关联	加拿大老龄化纵向研究（CLSA）基线综合队列中45至85岁的参与者	数字病理学	青光眼	眼底摄影，光学相干断层扫描（OCT）	深度学习模型	图像	28,114名参与者	NA	M2M（Machine-to-Machine）模型	Pearson相关系数，回归系数（β），p值	NA
867	2025-12-09	Quantitative analysis of corn adulteration in sweet potato starch using a CNN-LSTM hybrid model 2026-Jan-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147041 PMID:41274049	研究论文	本文利用太赫兹时域光谱技术结合CNN-LSTM混合模型，实现了对红薯淀粉中玉米掺假的快速定量分析	首次将CNN-LSTM混合深度学习模型应用于太赫兹光谱数据，用于淀粉掺假的定量检测，相比传统回归方法具有更高精度	未提及模型在其他淀粉类型或更复杂掺假场景中的泛化能力，且样本规模和多样性可能有限	开发一种快速、准确、非破坏性的淀粉掺假定量检测方法	掺假的红薯淀粉样品（含有玉米淀粉）	机器学习	NA	太赫兹时域光谱技术	CNN, LSTM	光谱数据（时域光谱）	一系列掺假样品（具体数量未明确说明）	NA	CNN-LSTM混合模型	Rp（预测相关系数）, RMSEP（预测均方根误差）	NA
868	2025-12-09	Exploring environmental sustainability of artificial intelligence in radiology: A scoping review 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112558 PMID:41275851	综述	本文通过范围综述，综合分析了放射学中人工智能的环境可持续性相关文献，并总结了减轻其环境影响的关键策略	首次系统性地综述了放射学AI领域的环境可持续性研究，识别了关键的环境影响指标（如能耗、碳足迹）并提出了具体的缓解策略	纳入的研究数量有限（仅13篇），且该领域的研究仍处于早期阶段，缺乏统一的标准和长期数据	旨在综合现有关于放射学中人工智能环境可持续性的文献，并强调减轻其影响的策略	放射学中的人工智能应用	数字病理	NA	NA	CNN, Vision Transformer, 大型语言模型	医学影像（如CT、MRI）	NA	NA	轻量级模型架构	二氧化碳当量排放、训练时间、电力使用效率、等效汽车行驶距离、能耗、耗水量	GPU, TPU, 云计算
869	2025-12-09	Deep Learning HASTE for Upper Abdominal MRI: Improved Image Quality, Speed, and Energy Efficiency in a Prospective Study 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70183 PMID:41346174	研究论文	本研究前瞻性地比较了深度学习重建的快速T2加权HASTE序列与传统HASTE序列在上腹部3T MRI中的图像质量、扫描时间和能效	首次将深度学习重建技术应用于上腹部MRI的HASTE序列，在保证图像质量的同时实现了62.5%的扫描时间缩减和显著的能耗降低	研究为单中心前瞻性研究，样本量相对有限（166例），且仅针对上腹部MRI，未评估其他解剖区域	评估深度学习重建的快速HASTE序列在上腹部MRI中的图像质量、诊断性能和能效优势	166名计划接受上腹部MRI检查的患者（平均年龄60±14岁）	医学影像分析	上腹部疾病	3T MRI, T2加权HASTE序列	深度学习模型	MRI图像	166例患者	未明确说明	未明确说明	图像质量评分, SNR, CNR, 放射组学特征, 扫描时间, 能耗	未明确说明
870	2025-12-09	Association of deep learning-derived optic nerve morphology with Parkinson's disease and drug-induced Parkinsonism: Findings from the LIFE Study 2025-Dec-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123751 PMID:41223743	研究论文	本研究通过深度学习分析眼底照片中的视盘杯盘比，探讨其与帕金森病及药物诱导性帕金森综合征的关联	首次在大规模人群研究中，利用深度学习从眼底照片中提取视盘杯盘比，并评估其与帕金森病及药物诱导性帕金森综合征的关联	研究为横断面设计，无法确定因果关系；仅基于ICD-10编码和处方记录诊断疾病，可能存在误分类；未详细说明深度学习模型的具体架构和性能	探究视盘杯盘比作为神经退行性病变标志物，与帕金森病及药物诱导性帕金森综合征的关联	来自日本LIFE研究的14,280名40-64岁社区参与者	数字病理学	帕金森病	眼底摄影	深度学习	图像	14,280名参与者	NA	NA	NA	NA
871	2025-12-09	Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning 2025-Dec-08, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202513086 PMID:41147785	研究论文	本研究开发了一个基于机器学习的高效平台，利用“反应活性比指纹”来测定二元和三元共聚中的反应活性比，实现序列调控	提出了“反应活性比指纹”的新设计，并利用深度学习模型在稀疏实验数据下实现毫秒级的高效测定，扩展至三元共聚体系	未明确说明模型在极端反应条件或非常规单体组合下的泛化能力	开发高效测定共聚反应活性比的方法，实现聚合物序列的按需调控	二元和三元共聚反应体系	机器学习	NA	共聚反应动力学分析，玻璃化转变表征	深度学习模型	反应活性比指纹，实验数据	数百万个反应活性比指纹	NA	NA	测定效率（毫秒级），预测准确性（通过动力学实验验证）	NA
872	2025-12-09	SleepPPG-Net2: deep learning generalization for sleep staging from photoplethysmography 2025-Dec-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae1a34 PMID:41172609	研究论文	本研究提出SleepPPG-Net2模型，通过多源域训练提升基于光电容积脉搏波（PPG）的四阶段睡眠分期在外部数据集上的泛化性能	采用多源域训练策略解决PPG数据漂移问题，显著提升模型在分布外数据上的泛化能力（Cohen's kappa提升达21%）	模型性能仍受年龄、性别和阻塞性睡眠呼吸暂停严重程度等人口统计学和临床因素影响	改善基于PPG信号的自动睡眠分期模型的跨数据集泛化能力	原始PPG时间序列数据	机器学习	睡眠障碍	光电容积脉搏波（PPG）	深度学习模型	时间序列数据	NA	NA	SleepPPG-Net2	Cohen's kappa	NA
873	2025-12-09	From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01768 PMID:41247925	研究论文	本研究探索了将蛋白质氨基酸序列转换为二维声谱图作为蛋白质功能预测任务的数据表示方法	提出蛋白质声谱化方法，将一维序列转换为二维声谱图，并证明这种表示结构本身是模型预测性能的关键来源	未明确说明模型在更广泛蛋白质类别或更大规模数据集上的泛化能力限制	探索蛋白质序列的最佳表示方法以提高功能预测性能	蛋白质氨基酸序列	计算生物学	NA	蛋白质声谱化	融合模型, 扩散模型	序列, 图像	18,000个序列，涵盖12个功能多样的蛋白质类别	NA	Transformer, ESM-2, ProtBERT	准确率	NA
874	2025-12-09	MGCL-CAP: Masked Graph Contrastive Learning with Gated Cross-Attention for Chemical Allergenicity Prediction 2025-Dec-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02222 PMID:41251678	研究论文	本文提出了一种名为MGCL-CAP的深度学习框架，用于化学致敏性预测，该框架结合了掩码图对比学习和门控交叉注意力融合技术	提出了一种结合掩码图对比学习和门控交叉注意力融合的深度学习框架，用于学习结构不变的图嵌入并整合一维分子指纹，从而提升对分子拓扑和跨模态依赖关系的捕捉能力	未明确提及具体的数据集规模限制或模型在极端噪声条件下的鲁棒性	开发一种计算工具，用于高效预测化学物质的致敏性，以支持化学安全评估和更安全的配方设计	化学致敏物（存在于消费品和工业产品中）	机器学习	过敏性疾病	深度学习	图神经网络, 注意力机制	图数据（分子结构）, 一维分子指纹	NA	NA	图同构网络, 多头门控交叉注意力	NA	NA
875	2025-12-09	A multi-task deep learning approach for landslide displacement prediction with applications in early warning systems 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29084-1 PMID:41354745	研究论文	本文提出一种多任务深度学习方法用于滑坡位移预测，以提升滑坡早期预警系统的效率	提出多任务训练方法，通过辅助目标优化模型在预警阈值附近的预测性能，而不仅关注整体预测残差	方法仅在斯洛文尼亚Urbas滑坡的单一案例中验证，未在多区域或不同类型滑坡中测试	提升滑坡早期预警系统中基于阈值的预警预测效率	斯洛文尼亚西北部深层Urbas滑坡的位移数据	机器学习	NA	GNSS监测	CNN	滑坡活动数据、水文气象测量数据、地震数据	自2019年起持续监测的滑坡位移时间序列数据	NA	卷积神经网络	R²分数, 平均绝对误差	NA
876	2025-12-09	Machine learning pipelines for the design of solid-state electrolytes 2025-Dec-08, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01525a PMID:41358912	综述	本文系统综述了机器学习管道在固态电解质设计中的应用，为AI加速固态电池材料发现提供了战略路线图	首次系统性地将固态电解质发现的五个相互关联的挑战映射到新兴AI解决方案，并特别关注多价导体系统的数据缺口，提出了通过迁移学习和主动学习框架的具体策略	NA	为固态电解质的设计与发现提供AI驱动的战略路线图，加速更安全、高能量密度电池的开发	固态电解质，特别是无机固态电解质，包括多价导体系统（如镁、钙、锌、铝）	机器学习	NA	机器学习，深度学习，生成模型，分子动力学模拟，密度泛函理论	经典模型，深度学习架构，生成模型，Transformer，图神经网络	化学数据，模拟数据，实验数据	NA	NA	Transformer，图神经网络，扩散模型	NA	NA
877	2025-12-09	Automatic detection of urinary stones from non-contrast enhanced computed tomography images 2025-Dec-08, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01902-1 PMID:41359136	研究论文	本研究利用深度学习技术，开发了名为UROAID的集成模型，用于从非增强CT图像中自动检测尿路结石	提出了UROAID集成模型，结合了基于分割的结石检测模块和结石分类模块，模拟放射科医生诊断尿路结石的流程，并针对不同位置的结石实现了高检测率	未明确提及模型在外部验证集上的泛化能力，也未讨论计算效率或实时性方面的限制	实现尿路结石的自动检测，以辅助急诊诊断	成年患者的非增强腹部盆腔CT图像	数字病理学	尿路结石	非增强计算机断层扫描（CT）	深度学习，集成模型	3D CT图像	6659名患者的CT扫描	NA	Uro-UNETR（改进版），UROAID	准确率，F1分数，检测率	NA
878	2025-12-09	Establishment of CT diagnostic reference levels (DRLs) in Tokyo 2025-Dec-08, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12194-9 PMID:41359161	研究论文	本研究旨在调查东京地区医疗设施特征和CT扫描仪性能如何影响诊断参考水平，以优化CT检查中的辐射剂量	首次在东京地区建立基于设施特征和扫描仪性能的详细诊断参考水平，并系统评估了多种影响因素，如放射科医生、认证技师、医院规模、扫描仪规格和图像重建方法	双能CT的数据有限，仅针对对比增强肺动脉扫描建立了诊断参考水平，且样本仅来自东京地区，可能无法代表其他地区	优化CT检查中的辐射剂量，提高患者安全性，同时不损害诊断质量	东京地区的医疗设施、CT扫描仪以及接受常见CT检查方案的成年患者（50-70公斤）	医学影像	NA	CT扫描、剂量调查、统计分析	NA	剂量数据（CTDIvol、DLP）、设施特征数据	100个医疗设施、176台CT扫描仪	NA	NA	75th百分位数（定义为东京诊断参考水平）	NA
879	2025-12-09	Artificial intelligence based quantification of T lymphocyte infiltrate predicts prognosis in high grade breast cancer using deep learning and statistical validation 2025-Dec-07, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-04185-5 PMID:41353687	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
880	2025-12-09	A Clinically Inspired Deep Learning Framework for Laryngeal Cancer Detection and Malignancy Transformation Risk Assessment 2025-Dec-07, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70075 PMID:41353738	研究论文	本研究开发了一种名为TransCL的深度学习模型，用于喉癌检测和恶性转化风险评估，旨在提升喉镜图像解释的准确性和一致性	提出了一种临床启发的深度学习框架TransCL，不仅能够检测喉部病变，还能预测良性病变的恶性转化风险，并在多中心数据上验证了其泛化能力	研究为回顾性设计，可能受到数据选择和标注偏差的影响，且模型在未见病变类型上的性能虽强但仍有提升空间	开发深度学习模型以增强喉部病变检测、指导活检并简化诊断流程	喉镜图像，涵盖10种不同的喉部病变类型	计算机视觉	喉癌	喉镜成像	深度学习分类网络	图像	来自2585名患者的16,587张喉镜图像	NA	TransCL	AUC, 准确率, F1分数, 马修斯相关系数	NA