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
9301	2025-12-11	Deep learning habitat radiomics based on ultrasound for predicting preoperative locally progression and postoperative recurrence risk of thyroid cancer: a multicenter study 2025-Dec-10, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004415 PMID:41363706	研究论文	本研究开发了一种基于超声的深度学习栖息地放射组学模型，用于预测甲状腺癌的术前局部进展和术后复发风险	首次将深度学习栖息地放射组学应用于甲状腺癌超声图像，通过瘤内亚区分割和瘤周区域分析捕捉肿瘤空间异质性，并结合临床变量构建预测模型	研究为回顾性设计，需要更多样化临床环境和更长随访时间的前瞻性验证	开发预测甲状腺癌局部进展和复发风险的超声影像模型	甲状腺癌患者	数字病理学	甲状腺癌	超声成像	深度学习	超声图像	回顾性队列1881例（来自9个医疗中心），前瞻性验证队列130例	未明确说明	深度学习栖息地放射组学模型	AUC, Kaplan-Meier分析, Cox回归	未明确说明
9302	2025-12-11	Exploring the pathogenic mechanism of RNH1 in colorectal cancer based on eQTL, Multi-omics and deep learning 2025-Dec-10, Journal of applied genetics IF:2.0Q3 DOI:10.1007/s13353-025-01029-4 PMID:41366589	研究论文	本研究基于eQTL、多组学和深度学习探索RNH1在结直肠癌中的致病机制	首次将RNH1与双硫死亡和结直肠癌风险联系起来，并利用单细胞RNA测序、空间转录组测序和深度学习生存神经网络构建预后模型	研究主要基于生物信息学分析和体外验证，缺乏体内实验验证RNH1的具体功能机制	探索RNH1在结直肠癌中的致病机制及其作为生物标志物和治疗靶点的潜力	结直肠癌患者组织和细胞	机器学习	结直肠癌	eQTL, 单细胞RNA测序, 空间转录组测序, RNA测序, qPCR	深度学习生存神经网络	基因表达数据, 转录组数据, 单细胞数据, 空间转录组数据	结直肠癌患者癌组织和正常组织样本	NA	DeepSurv	生存分析	NA
9303	2025-12-11	EEG motor imagery classification through a two-dimensional CNN-LSTM deep architecture and fuzzy decision-making 2025-Dec-10, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2554256 PMID:41368697	研究论文	本文提出了一种基于二维CNN-LSTM深度架构和模糊决策的EEG运动想象分类方法	结合了二维CNN-LSTM模型和Choquet模糊积分进行决策融合，以提升在噪声EEG条件下的分类可靠性	NA	开发一种鲁棒的深度学习框架，用于从原始EEG信号中自动检测运动想象	原始EEG信号	机器学习	NA	STFT	CNN, LSTM	EEG信号	NA	NA	二维CNN-LSTM	准确率	NA
9304	2025-12-11	A deep learning system on monolithic implant-supported crown design: Evaluating AI-generated models against conventional software outputs 2025-Dec-10, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.70067 PMID:41368738	研究论文	本研究评估了一种基于Transformer的深度学习模型在生成单颗种植体支持冠（ISC）方面的有效性，并与传统软件生成的冠进行比较	首次将基于Transformer的深度学习模型（PoinTr架构）应用于种植体支持冠的自动化设计，相比传统软件，在轮廓、咬合形态和穿龈轮廓方面更接近技师设计	概念验证研究，样本量有限（311例），近中接触适应性在所有自动化组中仍不如技师设计冠	评估AI生成种植体支持冠的有效性，并与传统软件输出进行比较	单颗后牙第一磨牙区种植体支持冠的设计	计算机视觉	NA	深度学习	Transformer	数字印模图像	311例患者（291例用于训练，20例用于验证）	NA	PoinTr	整体轮廓偏差, 咬合形态差异, 近中接触, 穿龈轮廓	NA
9305	2025-12-11	Deep learning-derived orthogonal minimum joint space width improves radiographic assessment of knee osteoarthritis severity and progression 2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70227 PMID:41368950	研究论文	本研究评估了一种基于深度学习自动测量的正交最小关节间隙宽度在检测和监测膝骨关节炎进展中的性能	提出了一种新的正交最小关节间隙宽度度量，该度量通过深度学习自动测量，相比传统的固定位置测量方法，在区分关节间隙狭窄严重程度和纵向响应性方面表现更优	研究为回顾性队列研究，数据来源于单一数据库（OAI），未来需要在其他人群或前瞻性研究中验证	评估一种人工智能衍生的影像学生物标志物（正交最小关节间隙宽度）在膝骨关节炎严重程度评估和进展监测中的性能	膝骨关节炎患者的膝关节X光片	数字病理学	骨关节炎	深度学习	深度学习模型	图像（X光片）	15313张膝关节X光片，来自骨关节炎倡议（OAI）数据库，时间跨度为基线至72个月随访	NA	NA	受试者工作特征曲线下面积，标准化响应均值，相对标准化响应均值	NA
9306	2025-12-11	Synthetic computed tomography from magnetic resonance imaging: An editorial on deep learning approaches for hip and knee image translation 2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70229 PMID:41368970	评论	本文概述了从磁共振成像生成合成计算机断层扫描在肌肉骨骼护理中的应用，特别是髋关节和膝关节领域	总结了深度学习在MRI到CT图像转换中的创新方法，包括条件生成对抗网络和扩散模型，以提高解剖保真度和临床实用性	NA	探讨合成CT在减少辐射暴露、整合成像和术前规划中的潜力，以促进临床协作研究	髋关节和膝关节的肌肉骨骼成像数据	计算机视觉	肌肉骨骼疾病	磁共振成像，计算机断层扫描	条件生成对抗网络，扩散模型	图像	NA	NA	NA	NA	NA
9307	2025-12-11	Dynamic reward-augmented ensemble learning for EEG signal classification in major depressive disorder 2025-Dec-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2333 PMID:41369644	研究论文	本文提出了一种用于重度抑郁症EEG信号分类的动态奖励增强集成学习框架AABEL	提出了基于强化学习的自适应权重分配机制、多尺度神经动力学特征融合方法以及端到端的奖励传播优化流程	未明确说明模型在跨数据集或临床环境中的泛化能力验证	开发自适应EEG信号分类框架以改进重度抑郁症的诊断	重度抑郁症患者的EEG信号	机器学习	重度抑郁症	脑电图	CNN, GRU, Transformer	EEG信号	使用OpenNeuro ds003478数据集（具体样本数未明确说明）	NA	CNN, GRU, Transformer	准确率, F1分数	NA
9308	2025-12-11	Deep Learning-Powered Electrical Brain Signals Analysis: Advancing Neurological Diagnostics 2025-Dec-09, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3625973 PMID:41364564	综述	本文系统回顾了深度学习在基于脑电图（EEG）和颅内脑电图（iEEG）的神经疾病诊断中的最新进展	整合了46个数据集和7种神经疾病的应用，强调预训练多任务模型在实现可扩展、泛化解决方案中的作用，并提出了标准化基准以评估模型	数据集异质性和任务变异性可能阻碍稳健深度学习解决方案的开发	推动神经疾病诊断向智能、适应性强的医疗系统发展	脑电图（EEG）和颅内脑电图（iEEG）信号	机器学习	神经疾病	脑电图（EEG），颅内脑电图（iEEG）	深度学习模型	脑电信号	涉及46个数据集	NA	NA	NA	NA
9309	2025-12-11	Deep Learning-based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae 2025-Dec-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642160 PMID:41364580	研究论文	本研究提出了一种基于深度学习/机器学习的代理模型，用于高效预测椎体应力分布	开发了一种集成椎体形状编码并采用表面节点与内部节点分离解码分支的新型深度学习代理模型，建立了端到端自动化处理流程	在椎体前下缘和椎弓根区域观察到局部预测差异	开发高效预测椎体应力分布的替代模型，以加速个性化生物力学评估	L1椎体	数字病理学	老年疾病	CT扫描	深度学习/机器学习	图像	基于42个真实CT扫描通过数据增强生成的3,960个合成L1椎体	NA	NA	平均绝对误差,R值	NA
9310	2025-12-11	A Similarity-Constrained Multi-way Gated Attention Network for Focused Ultrasound-induced Blood-brain Barrier Opening Evaluation 2025-Dec-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642073 PMID:41364579	研究论文	本研究提出了一种基于门控注意力的新模型，用于利用时域声学信号片段预测聚焦超声诱导的血脑屏障开放结果	提出了一种结合声学编码器、多路门控注意力机制和包含相似性约束的任务特定损失函数的新型门控注意力模型，以增强类间区分能力并减少注意力模式的冗余	研究样本量相对有限（174次FUS治疗），且未明确提及模型在更广泛或不同患者群体中的泛化能力验证	开发一种高时间分辨率、高预测可靠性且可解释的方法，用于评估聚焦超声诱导的血脑屏障开放的有效性和安全性	聚焦超声治疗过程中的时域声学信号片段	机器学习	中枢神经系统疾病	聚焦超声	深度学习	时域声学信号	174次FUS治疗	NA	门控注意力模型	准确率, 召回率, AUC, F1分数	NA
9311	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
9312	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
9313	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
9314	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
9315	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
9316	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
9317	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
9318	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
9319	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
9320	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