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
881	2025-12-10	Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction 2025-Dec-08, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-025-04234-6 PMID:41361121	研究论文	本研究提出了一种基于投影的分子特征映射方法，用于通过CNN预测肾毒性，通过将3D分子结构转换为2D映射来增强特征表示和模型性能	采用Mollweide和Equirectangular投影将3D分子几何结构转换为优化的2D表示，结合原子位置、静电和范德华投影，创建了新型分子特征映射，提高了肾毒性预测的准确性	未明确提及样本量大小或数据集的详细组成，可能限制模型泛化能力的评估	开发可靠的肾毒性预测模型，以支持药物开发中的安全性评估	化学结构（分子）	机器学习	肾毒性	3D空间转换、分子投影	CNN	图像（2D分子映射）	NA	NA	CNN	准确率, AUC	NA
882	2025-12-10	Diagnostic performance of real-time artificial intelligence using deep learning analysis of endoscopic ultrasound videos for gallbladder polypoid lesions 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29179-9 PMID:41361233	研究论文	本研究评估了人工智能模型在分析内镜超声视频以诊断胆囊息肉样病变中的诊断性能	首次将人工智能应用于内镜超声视频（而非静态图像）进行胆囊息肉分析，利用视频提供的更丰富诊断数据	样本量相对较小，需要进一步的前瞻性验证	评估人工智能模型在内镜超声视频中诊断胆囊息肉样病变的性能	经组织学确认的胆囊息肉患者的内镜超声视频	计算机视觉	胆囊疾病	内镜超声	CNN, Transformer	视频	训练队列：96个视频（50名患者）；验证队列：36个视频（17名患者）	NA	Attention U-Net, Residual U-Net, DUCK Net, EfficientNet-B2, ResNet101, Vision Transformer	准确率, 召回率, F1分数, AUC	NA
883	2025-12-10	Deep learning for head and neck radiation dose prediction: a systematic review and meta-analysis 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28442-3 PMID:41361342	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了卷积神经网络（CNN）及相关架构在头颈部放疗剂量分布预测中的有效性	首次对头颈部放疗剂量预测的深度学习模型进行系统综述和荟萃分析，比较了经典CNN与先进CNN在不同靶区和危及器官上的预测性能，并识别了影响模型性能的关键因素（如放疗技术、网络设计和癌症类型）	研究存在显著的异质性（I² > 99%），限制了结果的可解释性；对其他危及器官（除脊髓外）的泛化能力有限；部分训练参数需从补充材料中获取，可能影响分析的完整性	评估深度学习模型（特别是CNN）在头颈部放疗剂量分布预测中的准确性和一致性，为临床任务特异性模型定制提供依据	头颈部放疗患者的剂量分布数据，重点关注计划靶区（PTV）的D95和脊髓（作为危及器官代表）的Dmax	数字病理学	头颈部癌症	放疗剂量预测	CNN	医学影像数据（剂量分布图）	NA	NA	经典CNN, 先进CNN（含密集块等设计）	平均绝对误差（MAE）, 95%置信区间（CI）	NA
884	2025-12-10	STD-Net: a spatio-temporal decoupling network for multiphasic liver lesion segmentation and characterization 2025-Dec-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02181-1 PMID:41361359	研究论文	本文提出了一种时空解耦网络STD-Net，用于多期相肝脏病变分割与表征，通过分离空间特征提取与时间动态建模来提升性能	引入时空解耦设计，显式分离空间特征提取与时间动态建模，使用共享权重的3D编码器学习解剖表示，并采用基于Transformer的时间模块捕获对比增强序列模式	未明确提及具体局限性，但可能包括对数据集规模和多样性的依赖，以及计算资源需求	提升多期相CT和MRI中肝脏病变（特别是肝细胞癌）的准确分割与表征能力	肝细胞癌（HCC）病变	数字病理学	肝癌	多期相CT和MRI成像	CNN, Transformer	医学图像（多期相CT和MRI）	基于TCGA-LIHC、LiTS和MSD数据集，具体样本数量未明确说明	未明确提及，可能为PyTorch或TensorFlow	STD-Net（自定义时空解耦网络），包含共享权重的3D编码器和基于Transformer的时间模块	Dice系数, HD95, 分类准确率	未明确提及具体计算资源
885	2025-12-10	Assessment of a VoIP steganalysis method based on statistical analysis and deep neural network 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31478-0 PMID:41361363	研究论文	本文提出了一种结合语音信号处理与人工智能的混合方法，用于VoIP隐写分析，以提高检测准确性和计算效率	结合语音信号处理与深度学习网络，针对G.729编码的音频信号提取帧内特征和帧间相关性，实现对QIM、PMS和HPS等隐写技术的高效实时检测	仅针对G.729编码的音频信号进行评估，未涉及其他编码格式或更广泛的隐写技术	开发一种高效的VoIP隐写分析方法，以应对通过隐写术进行的隐蔽通信安全威胁	使用G.729编码的VoIP音频信号，特别是包含QIM、PMS和HPS隐写技术的音频文件	机器学习	NA	语音信号处理，深度学习	深度学习网络	音频信号	1000 ms音频文件	NA	NA	准确率	NA
886	2025-12-10	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出了一种基于混合特征提取的深度学习框架CerviHFENet，用于X射线图像中上颈椎多异常的多标签分类	提出了结合自适应ROI检测和混合特征提取（HFE）机制的CerviHFENet框架，能够同时提取上颈椎的解剖特征和不同颈部位置间的动态结构变化，并采用改进的焦点损失函数学习六种异常间的互斥或条件依赖关系	研究样本量相对有限（249名患者），且仅针对六种特定上颈椎异常	开发一个深度学习模型，辅助从上颈椎三视图X射线图像中准确诊断多种异常	上颈椎X射线图像（伸展位、中立位、屈曲位）	计算机视觉	颈椎疾病	X射线成像	深度学习	图像	249名患者，共747张X射线图像	NA	CerviHFENet	AUC, mAP	NA
887	2025-12-10	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-Dec-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	本研究开发并验证了一种整合放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴血管间隙侵犯	首次整合了2D和3D放射组学特征与多种预训练深度学习架构（VGG11、ResNet101、DenseNet121）的特征，构建了多序列MRI的多模态预测模型	回顾性研究设计可能存在选择偏倚，手动勾画感兴趣区域可能引入主观误差	开发非侵入性预测子宫内膜癌淋巴血管间隙侵犯的术前评估工具	892名经术后病理确诊的子宫内膜癌患者	数字病理	子宫内膜癌	多序列磁共振成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN	医学影像（MRI）	892名患者（训练队列378人，内部验证160人，外部验证354人）	PyRadiomics	VGG11, ResNet101, DenseNet121	AUC（受试者工作特征曲线下面积）	NA
888	2025-12-10	Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study 2025-Dec-08, Prostate cancer and prostatic diseases IF:5.1Q1 DOI:10.1038/s41391-025-01063-7 PMID:41361534	研究论文	本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型	开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化	模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性	预测前列腺癌的包膜外侵犯	接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	多参数MRI, [18F]PSMA-1007 PET/CT	深度学习模型	医学影像（MRI, PET/CT）	388名患者，来自三个中心	NA	NA	AUC, 灵敏度, 特异性	NA
889	2025-12-10	Simulation-assisted multimodal deep learning (Sim-MDL) fusion models for the evaluation of thermal barrier coatings using infrared thermography and Terahertz imaging 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31783-8 PMID:41361561	研究论文	本文提出了一种名为模拟辅助多模态深度学习（Sim-MDL）的新框架，结合红外热成像和太赫兹成像数据，用于全面评估热障涂层的性能	提出模拟辅助多模态深度学习框架，结合仿真和实验数据，使用基于注意力的LSTM和1D CNN进行多模态特征融合，以同时预测热障涂层的多个关键属性	研究仅在四个新涂层样品上进行，涂层厚度范围有限（24至120微米），可能未涵盖所有实际工业场景中的涂层变异性	开发一种准确、鲁棒的方法来评估热障涂层的热物理和结构属性，以优化维护策略并延长组件寿命	热障涂层（TBCs），特别是其面涂层的热导率、热容、厚度和折射率	机器学习和多模态数据融合	NA	红外热成像（IRT）、太赫兹（THz）成像、仿真数据生成	CNN, LSTM	多模态数据（红外热成像和太赫兹成像数据）、仿真数据	四个新涂层样品，面涂层厚度范围为24至120微米	NA	1D CNN, 基于注意力的LSTM	MAPE（平均绝对百分比误差）	NA
890	2025-12-10	Multi-stage classification of abnormal traffic events using a multi-head + LSTM 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31470-8 PMID:41361558	研究论文	本文提出了一种基于多头+LSTM的多阶段分类框架，用于检测和分类交通异常事件，包括异常检测、拥堵分类和事故识别	结合了孤立森林、K-means聚类和空间阈值方法的多阶段分类框架，并集成LSTM以捕获时间依赖性，同时整合天气信息以提高预测准确性	仅使用了15天的PeMS交通数据，可能无法涵盖所有交通模式；空间阈值方法（1.5公里）可能在不同城市或区域中需要调整	提高交通异常事件的检测和分类准确性，以支持智能交通系统和城市交通管理	交通拥堵、异常和事故事件	机器学习	NA	孤立森林、K-means聚类、空间阈值方法	LSTM	交通数据、天气信息	15天的PeMS交通数据	NA	多头+LSTM	精确率、召回率、F1分数、ROC-AUC	NA
891	2025-12-10	Diagnostic performance of machine learning and deep learning algorithms for thyroid cancer metastasis: a systematic review and meta-analysis 2025-Dec-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03307-x PMID:41361881	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了机器学习和深度学习算法在甲状腺癌转移诊断中的性能	首次对机器学习和深度学习模型在甲状腺癌转移检测中的诊断性能进行了全面的系统综述和荟萃分析，并比较了不同模型类型、转移类型和数据源的性能差异	纳入研究存在异质性，且可能存在发表偏倚，部分研究样本量较小，模型性能可能受限于原始研究的质量和数据多样性	评估机器学习和深度学习算法在检测甲状腺癌转移中的诊断性能	针对甲状腺癌（尤其是甲状腺乳头状癌）成年患者的转移检测	机器学习	甲状腺癌	NA	机器学习, 深度学习	NA	基于35项研究，共包含162个估计值	NA	NA	AUC-ROC, 敏感性, 特异性, 诊断比值比	NA
892	2025-12-10	Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology 2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70045 PMID:41361911	研究论文	本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能	首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务	研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证	评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能	甲状腺细针穿刺细胞学涂片图像	数字病理学	甲状腺癌	细针穿刺细胞学	CNN	图像	94例甲状腺FNAC病例，共949张代表性图像	TensorFlow, Keras	Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3	灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC	NA
893	2025-12-10	A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004153 PMID:41363102	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
894	2025-12-10	Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer" 2025-Dec-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004288 PMID:41363136	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
895	2025-12-10	AI-driven transfer learning and classical molecular dynamics for strategic therapeutic repurposing and rational design of antiviral peptides targeting monkeypox virus DNA polymerase 2025-Dec-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111372 PMID:41360016	研究论文	本研究利用AI驱动的迁移学习和经典分子动力学，针对猴痘病毒DNA聚合酶进行药物重定位和抗病毒肽的理性设计	结合深度学习药效团模型筛选FDA批准药物库，并开发新型自动化肽生成AI流程，整合活性位点残基与知识引导的氨基酸选择	CFC肽在渗透性和口服生物利用度方面存在局限性	快速识别针对猴痘病毒的新型抗病毒疗法	猴痘病毒DNA聚合酶	机器学习	猴痘	分子动力学模拟, 深度学习药效团模型, ADMET预测	深度学习	分子结构数据	1974种FDA批准药物	NA	NA	结合亲和力(kcal/mol), 结合能(kcal/mol)	NA
896	2025-12-10	Quantitative CT in Progressive Pulmonary Fibrosis: Clinical Utility and Meaningful Threshold Definition 2025-Dec-06, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.11.031 PMID:41360185	研究论文	本研究通过深度学习定量CT算法，确定了非特发性肺纤维化纤维化间质性肺病患者中，基于纤维化评分变化的1年和6个月最小临床重要差异阈值，并验证了这些阈值在预测预后和增强风险分层中的临床效用	首次定义了非特发性肺纤维化纤维化间质性肺病中，基于定量CT纤维化评分变化的1年和6个月最小临床重要差异阈值，并证明其能独立预测移植无生存期，且在视觉评估不一致的患者中提供额外的风险分层	研究为回顾性设计，可能受选择偏倚影响；仅基于单一中心的患者数据；未考虑所有潜在的混杂因素	确定定量CT纤维化评分变化的最小临床重要差异阈值，并评估其在定义进行性肺纤维化和预测患者预后中的临床价值	非特发性肺纤维化纤维化间质性肺病患者	数字病理学	肺纤维化	定量CT，深度学习算法	深度学习	CT图像	476名患者	NA	NA	风险比，置信区间，P值	NA
897	2025-12-10	Deep Learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2025-Dec-06, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的CBCT牙齿实例分割方法，用于增强牙科异常和病理的可视化检测	提出了一种加速标注流程，通过专家标注部分图像辅助模型自动标注剩余图像，实现了高精度的全自动实例级牙齿分割	研究样本量有限（470个扫描用于训练，60个用于验证），且仅针对特定牙科异常类型，可能未涵盖所有临床场景	开发深度学习模型以提升CBCT中牙齿分割的效率和准确性，辅助牙科异常检测	CBCT扫描图像中的牙齿实例，包括正常牙齿及存在龋齿、缺失牙、骨岛、根尖周炎等异常或治疗史的牙齿	计算机视觉	牙科疾病	CBCT成像	深度学习模型	医学图像（CBCT扫描）	470个CBCT扫描用于训练，60个用于验证	NA	NA	Jaccard指数，平均相对体积差异	NA
898	2025-12-10	Sensitive detection of structural dynamics using a statistical framework for comparative crystallography 2025-Dec-05, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2921 PMID:41337576	研究论文	本文提出了一种基于统计框架和深度学习的方法Careless，用于提高X射线晶体学中结构动态变化的检测灵敏度	通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力	方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限，且未明确讨论计算资源需求或模型泛化能力	开发一种更敏感的方法来检测蛋白质结构动态变化，以支持药物发现和功能研究	蛋白质晶体学数据，包括结构因子和尺度误差	机器学习	NA	X射线晶体学	深度学习	晶体学数据集（结构因子）	NA	Careless（变分深度学习框架）	NA	NA	NA
899	2025-12-10	Rapid detection of common scab, powdery scab, and enlarged lenticels in potato tubers using deep learning 2025-Dec-05, Pest management science IF:3.8Q1 DOI:10.1002/ps.70424 PMID:41351272	研究论文	本文提出了一种基于深度学习的YOLOv8-ST模型，用于快速准确检测马铃薯块茎上的常见疮痂病、粉状疮痂病和生理性膨大皮孔	在YOLOv8模型中集成了Swin Transformer和Triplet Attention模块，显著提升了在视觉相似病害区分上的检测精度和性能	未在摘要中明确说明	开发一种能够快速、准确区分马铃薯块茎上常见疮痂病、粉状疮痂病和膨大皮孔的自动检测方法	马铃薯块茎上的病害和生理性缺陷	计算机视觉	马铃薯病害	深度学习	CNN, Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	YOLOv8-ST, YOLOv3, YOLOv5, YOLOv6, YOLOv8, Swin Transformer	精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	未在摘要中明确说明
900	2025-12-10	Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3425434 PMID:38980777	研究论文	本文提出了一种基于Transformer的弱监督学习框架SSRViT，用于全切片肺癌图像分类	提出了一种两阶段的Transformer弱监督学习框架SSRViT，包括SRViT用于提取局部判别性特征和SViT用于切片级预测，无需像素级标注	未明确说明模型在更大规模或更多亚型数据集上的泛化能力，以及计算资源需求	开发一种弱监督学习方法，以降低对昂贵像素级标注的依赖，提高全切片肺癌图像分类性能	肺癌全切片图像，包括腺癌、肺硬化性肺炎细胞瘤和正常肺组织	数字病理学	肺癌	全切片图像分析	Transformer	图像	未明确说明具体样本数量，但涉及腺癌、肺硬化性肺炎细胞瘤和正常肺组织三类	未明确说明，可能为PyTorch或TensorFlow	Shuffle-Remix Vision Transformer (SRViT), Simple transformer-based classifier (SViT)	准确率, AUC	NA