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
9081	2025-12-11	A priority control list for LCMs in freshwater food chain by deep learning 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140362 PMID:41207232	研究论文	本研究利用深度学习方法，针对淡水食物链中液晶单体的持久性、生物累积性和毒性效应，构建并优化了优先控制清单	首次针对影响淡水食物链的商业液晶单体PBT效应构建了优先控制清单，并应用ResNet深度学习模型进行优化和预测	研究仅针对1431种商业液晶单体在特定淡水食物链模型中的效应，可能未涵盖所有环境场景或新型化合物	评估液晶单体在淡水食物链中的环境风险，并建立高精度优先控制清单	1431种商业液晶单体在淡水食物链（水蚤-斑马鱼-卷羽鹈鹕）中的PBT效应	机器学习	NA	分子对接, 机器学习, 深度学习	ResNet	分子对接数值矩阵	1431种液晶单体 × 3个营养级 × 3种PBT效应，共12879个数据点	NA	ResNet	准确率	NA
9082	2025-12-11	SpectraNet: A unified deep learning framework for infrared spectroscopy-based prediction of plastic recyclability, type classification, and microplastic identification 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140434 PMID:41232191	研究论文	本文提出了一个名为SpectraNet的统一深度学习框架，利用中红外光谱数据实现塑料可回收性预测、类型分类和微塑料识别	提出了首个将中红外光谱与先进算法相结合的统一深度学习框架，用于同时支持塑料可回收性评估、塑料类型识别和微塑料类型识别三项关键分析任务，并建立了开放的塑料和微塑料红外光谱数据库	NA	开发一个高效的深度学习框架，以应对全球塑料污染和微塑料污染问题，支持塑料回收、材料识别和微塑料监测	塑料和微塑料	机器学习	NA	中红外光谱	深度学习	光谱数据	NA	NA	SpectraNet	准确率	NA
9083	2025-12-11	Integrating RNA sequencing with deep learning-based metabolic toxicity prediction: A new perspective on screening prioritized liquid crystal monomers 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140465 PMID:41237628	研究论文	本研究提出了一种结合RNA测序与深度学习模型LCMsT-MTP的新方法，用于快速、高通量筛选自然水体中具有代谢毒性风险的液晶单体	首次将RNA测序数据与深度学习模型相结合，用于预测液晶单体的代谢毒性，克服了传统方法仅针对单一靶点或机制的局限，实现了对21种代谢毒性的同时识别	模型最初基于6种氟化液晶单体的RNA测序数据开发，对于非氟化液晶单体的预测需满足适用域测试，且无法覆盖所有857种潜在代谢毒性液晶单体的快速识别	开发一种快速、高通量的方法，用于筛选自然水体中具有代谢毒性风险的优先液晶单体	液晶单体，特别是对水生生物具有潜在代谢毒性的氟化和非氟化液晶单体	机器学习	NA	RNA测序，深度学习	深度学习模型	基因表达序列数据，化学结构数据	6种氟化液晶单体在斑马鱼中的RNA测序数据，以及857种潜在代谢毒性液晶单体的预测应用	NA	LCMsT-MTP	NA	NA
9084	2025-12-11	Deep learning-integrated SERS platform for accurate identification of diverse phthalate ester subtypes 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140584 PMID:41297261	研究论文	本研究开发了一种集成深度学习的表面增强拉曼光谱（SERS）平台，用于快速准确识别和分类七种代表性邻苯二甲酸酯（PAEs）亚型	将等离子体金纳米柱（AuNP）基底形成的垂直和水平纳米间隙结构与深度学习算法相结合，构建了一个高灵敏度、可解释的现场部署检测平台	研究仅针对七种代表性PAEs，未涵盖所有可能的亚型；平台在接近监管阈值（0.1% w/w）浓度下的实际应用性能需进一步验证	开发一种快速、准确、可现场部署的邻苯二甲酸酯检测方法，用于环境监测和消费品安全评估	七种代表性邻苯二甲酸酯（PAEs）亚型	机器学习	NA	表面增强拉曼光谱（SERS）	深度神经网络（DNN）	光谱数据	NA	NA	深度神经网络（DNN）	准确率	NA
9085	2025-12-11	Mulaqua: An interpretable multimodal deep learning framework for identifying PMT/vPvM substances in drinking water 2025-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140573 PMID:41297258	研究论文	提出了一种名为Mulaqua的可解释多模态深度学习框架，用于识别饮用水中的持久性、移动性和毒性物质（PMT/vPvM）	首个专门用于识别PMT/vPvM物质的深度学习方法，采用结合分子字符串表示和分子图像的新型多模态方法，并公开了代码	训练数据集中存在数据不平衡问题	开发高效的计算方法，以快速、经济地检测饮用水中的PMT/vPvM物质	饮用水中的持久性、移动性和毒性物质（PMT）以及非常持久和非常移动的物质（vPvM）	机器学习	NA	深度学习，SMILES枚举数据增强	深度学习模型	分子字符串表示，分子图像	NA	NA	NA	准确率，F1分数，马修斯相关系数	NA
9086	2025-12-11	The effects of physical activity on diabetic retinopathy in type 2 diabetes using automated vascular analysis: a cohort study 2025-Dec-05, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.15.04319 PMID:41343177	研究论文	本研究利用计算机视觉和深度学习技术，探讨了2型糖尿病患者体力活动与糖尿病视网膜病变及视网膜血管直径之间的关系	首次在大型队列研究中结合计算机视觉和深度学习技术，系统评估体力活动对2型糖尿病患者视网膜血管直径和糖尿病视网膜病变发病的纵向影响	研究依赖自我报告的体力活动数据，可能存在回忆偏倚；仅针对中国上海地区人群，结果外推需谨慎	探究体力活动与2型糖尿病患者糖尿病视网膜病变及视网膜血管直径的关联，探索潜在机制并识别保护性运动方案	2型糖尿病患者	计算机视觉	糖尿病视网膜病变	计算机视觉, 深度学习	NA	视网膜图像, 临床数据	横断面分析42,992人，纵向队列3,669人	NA	NA	风险比, 置信区间	NA
9087	2025-12-11	A machine learning based framework for identifying consumer product injuries from social media data 2025-Dec-04, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112927 PMID:41365280	研究论文	提出一个基于机器学习的框架，用于从社交媒体数据中识别消费者产品伤害，以改进伤害监测	利用实时社交媒体帖子提取产品伤害细节，快速识别新兴伤害趋势，相比传统医院数据收集方法，处理时间更短，能促进及时干预	研究仅针对滑板相关伤害进行了评估，未涵盖其他产品类型，且模型性能（如F1分数）有提升空间	改进消费者产品伤害监测，通过社交媒体数据分析识别新兴伤害模式，以支持预防性干预如产品召回	社交媒体帖子（来自Reddit平台），涉及消费者产品伤害信息	自然语言处理	NA	社交媒体数据抓取，机器学习模型训练	LSTM, GRU, SGD	文本	非伤害相关数据来自亚马逊产品评论，伤害相关数据来自国家电子伤害监测系统（NEISS）数据库，具体样本数量未明确	NA	LSTM, GRU	F1分数	NA
9088	2025-12-11	Long-Tailed Continual Learning For Visual Food Recognition 2025-Dec-03, IEEE transactions on multimedia IF:8.4Q1 DOI:10.1109/tmm.2025.3632640 PMID:41358265	研究论文	本文提出了一种用于视觉食物识别的长尾持续学习方法，以解决新类别学习和长尾分布问题	引入了基于知识蒸馏的预测器以避免持续学习中的表示错位，并结合了类激活图与CutMix的增强技术来提升对实例稀有食物类别的泛化能力	NA	开发一种能够持续学习新食物类别并处理长尾分布的食物识别方法	美国食物图像，包括健康人群、胰岛素使用者以及未使用胰岛素的2型糖尿病个体的消费数据	计算机视觉	NA	深度学习	NA	图像	包含186种美国食物及其全面标注的数据集，以及三个新基准数据集（VFN186-LT、VFN186-INSULIN、VFN186-T2D）	NA	NA	NA	NA
9089	2025-12-11	Cartesian equivariant representations for learning and understanding molecular orbitals 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510235122 PMID:41269783	研究论文	本文提出了一种名为CEONET的笛卡尔等变网络，用于基于分子轨道系数预测轨道能量和特性，如键合/反键合特征	首次将先进的等变深度学习架构应用于分子轨道的全局标签分配，特别是轨道能量和熵的预测，并开发了CEONET作为等变节点特征的表示方法	未明确说明模型在复杂分子系统或不同电子结构方法下的泛化能力限制	开发深度学习模型以自动化和解释电子结构理论中的轨道特性，如能量和键合特征	分子轨道系数，来自Hartree-Fock或密度泛函理论计算	机器学习	NA	深度学习，电子结构理论（Hartree-Fock，密度泛函理论）	等变神经网络	分子轨道系数数据	NA	NA	Cartesian Equivariant Orbital Network (CEONET)	轨道能量预测精度，轨道熵预测性能	NA
9090	2025-12-11	The value of machine and deep learning in management of critically ill patients: An umbrella review 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106081 PMID:40795609	综述	本文通过伞状系统综述探讨了机器学习和深度学习在重症监护病房（ICU）危重患者管理中的应用潜力	首次以伞状系统综述的形式全面评估了机器学习和深度学习在ICU多疾病领域（如脓毒症、呼吸、心血管、肾脏和神经系统疾病）管理中的应用现状与潜力	临床转化应用仍受限，主要由于外部验证不足、方法学不一致以及未解决的伦理问题	探索机器学习和深度学习在危重患者管理中的应用可能性，以改善临床决策和患者结局	重症监护病房（ICU）中的危重患者，特别是涉及脓毒症、呼吸、心血管、肾脏和神经系统疾病的患者	机器学习	危重病（涵盖脓毒症、呼吸系统疾病、心血管疾病、肾脏疾病、神经系统疾病）	NA	机器学习, 深度学习	NA	42项符合分析标准的研究（源自2148条初始记录）	NA	NA	NA	NA
9091	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
9092	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
9093	2025-12-11	Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches 2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.07.009 PMID:40897576	系统综述	本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能	首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能	纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性	系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能	利用深度学习架构进行口腔扁平苔藓诊断的研究	计算机视觉	口腔扁平苔藓	临床摄影	CNN, Vision Transformer	图像	NA	NA	InceptionResNetV2, Xception	准确率, 灵敏度, 特异性, AUC	NA
9094	2025-12-11	Deep Learning Predicts EGFR Mutation Status from Histology Images in Non-Small Cell Lung Cancer 2025-Dec-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-25-0155 PMID:41211715	研究论文	本研究开发并验证了一种深度学习模型Lunit SCOPE Genotype Predictor，用于从非小细胞肺癌的常规H&E组织学图像中预测EGFR突变状态	首次利用超过12,000张全切片图像训练深度学习模型，实现从常规组织学图像中预测EGFR突变状态，并在多样化的临床数据集中验证了其稳健性能	未明确提及模型在特定亚型或罕见突变中的性能限制，也未讨论模型的可解释性	通过深度学习模型补充分子EGFR突变筛查，提高非小细胞肺癌的生物标志物检测率	非小细胞肺癌患者的组织学图像	数字病理学	肺癌	深度学习	深度学习模型	图像	训练集超过12,000张全切片图像，验证集1,461例，独立测试集599例，多扫描仪测试集2,261例	未明确提及	未明确提及	AUROC	未明确提及
9095	2025-12-11	Weed mapping using UAV imagery and AI techniques: current trends and challenges 2025-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.70151 PMID:40836577	综述	本文综述了利用无人机图像和人工智能技术进行杂草识别与制图的最新研究进展、方法和挑战	系统性地分析和比较了基于无人机图像的杂草识别中传统机器学习与深度学习方法，并特别关注了非可见光谱通道的应用趋势	本文是一篇综述，不包含原创实验数据，主要基于现有文献进行分析	分析机器学习/深度学习技术在无人机图像杂草识别中的应用现状、方法及挑战	无人机捕获的农田杂草图像	计算机视觉	NA	无人机成像	机器学习, 深度学习	图像	NA	NA	NA	准确率	NA
9096	2025-12-11	Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm 2025-Dec-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00265.2025 PMID:41134685	研究论文	本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类	首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物	研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证	开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估	人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者	数字病理学	慢性肾脏病	空间多重免疫染色信号标记技术	图神经网络	空间蛋白质表达数据	未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本	未明确指定	图神经网络分类器	未明确指定	NA
9097	2025-12-11	Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70356 PMID:41253687	研究论文	本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群	结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群	研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计	评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果	局部晚期宫颈癌患者	数字病理	宫颈癌	锥形束CT引导的自适应放疗，深度学习分割	深度学习模型	CT图像，锥形束CT图像	49例宫颈癌患者	NA	NA	D95%靶区剂量，几何覆盖率，剂量学覆盖率	NA
9098	2025-12-11	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了深度学习模型ScreenDx，用于在CT扫描中自动识别早期或未诊断的ILD，特别是在原本排除ILD患者的队列中检测出漏诊病例	研究基于特定队列（COPDGene试验），ILD患病率较低（约1-2%），可能影响结果的普适性；且依赖回顾性数据，未进行前瞻性验证	评估人工智能工具在CT扫描中自动检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括最初未诊断的ILD患者（阳性样本）以及COPD患者和对照者（阴性样本）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	CT图像	从COPDGene数据集中选取的ILD患者、COPD患者和对照者，目标ILD患病率为约1-2%	NA	ScreenDx	灵敏度, 特异性	NA
9099	2025-12-11	Machine learning for modelling the health impacts of extreme heat: A comprehensive literature review 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109965 PMID:41319442	综述	本文对当前用于模拟极端高温对人类健康影响的机器学习应用进行了全面的文献综述	系统性地梳理和评估了机器学习在高温健康研究领域的应用现状、优势与局限，并提出了未来发展的具体建议	纳入的25篇研究主要来自高收入国家，可能无法全面代表全球情况；研究多关注单一健康结局和一般人群，对个体层面和脆弱群体的研究不足	综述机器学习在模拟极端高温健康影响中的应用，以指导未来研究并减轻全球高温相关的健康负担	已发表的关于使用机器学习建模极端高温对人类健康影响的科学文献	机器学习	NA	NA	Random Forest, 深度学习	环境数据（如气温、湿度）、时间数据、社会人口学数据	NA	NA	NA	NA	NA
9100	2025-12-11	Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012326 PMID:41337156	研究论文	本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于直接从表观基因组数据预测染色质亚区室注释	开发了首个基于Transformer的模型TECSAS，用于从表观基因组数据解码染色质三维结构亚区室，并揭示了远程表观基因组背景对染色质组织的影响	未明确提及模型的具体局限性，如数据依赖性、泛化能力或计算成本	研究表观基因组特征与三维基因组组织之间的复杂相互作用，以更好地理解基因组结构和功能	染色质三维结构、表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据）	机器学习	NA	组蛋白修饰分析、转录因子结合谱分析、RNA-Seq	Transformer	表观基因组数据（组蛋白修饰、转录因子结合、RNA-Seq）	NA	NA	Transformer	高准确性（未指定具体指标）	NA