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
921	2025-12-08	Applications of artificial intelligence in rehabilitation: technological innovation and transformation of clinical practice 2025-Dec, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2025.100360 PMID:41161419	综述	本文综述了人工智能在康复科学中的多样化应用，包括机器学习、深度学习、计算机视觉、自然语言处理和机器人技术，并提出了AI赋能的康复模型	提出了AI赋能的康复模型，将碎片化流程转变为具有实时评估的交互式自适应系统，推动康复从经验驱动转向数据模型驱动	面临数据限制、伦理问题、监管要求和临床整合障碍等挑战	探索人工智能在康复领域的应用，以提升康复服务的精准性、效率和可及性	康复科学中的技术应用和临床实践	机器学习	NA	机器学习, 深度学习, 计算机视觉, 自然语言处理, 机器人技术	NA	NA	NA	NA	NA	NA	NA
922	2025-12-08	Plasma secretory protein genes in hepatocellular carcinoma and heart failure: Comorbidity and biological function exploration 2025-Dec, Molecular immunology IF:3.2Q3 DOI:10.1016/j.molimm.2025.10.009 PMID:41192015	研究论文	本研究旨在阐明血浆分泌蛋白基因在肝细胞癌和心力衰竭共病效应中的介导作用	通过整合WGCNA、差异表达分析和深度学习技术，首次识别出FCN3、FAP和HMGB2三个血浆分泌蛋白基因作为HCC与HF共病的关键参与者，并发现地塞米松和儿茶素作为潜在药物干预候选物	NA	探索肝细胞癌与心力衰竭共病的分子机制及生物标志物	血浆分泌蛋白基因	生物信息学	肝细胞癌, 心力衰竭	加权基因共表达网络分析, 差异表达分析, 深度学习	NA	基因表达数据	NA	NA	NA	NA	NA
923	2025-12-08	Glasses-free 3D display with ultrawide viewing range using deep learning 2025-Dec, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09752-y PMID:41299166	研究论文	本文介绍了一种名为EyeReal的无眼镜3D显示技术，通过深度学习实时优化实现超宽视角和大尺寸显示	结合双目视觉精确建模与深度学习实时优化，突破了传统空间带宽积限制，实现了大规模全视差3D显示	未明确提及设备成本、能耗或长期稳定性等实际应用限制	开发一种具有超宽视角和大尺寸的无眼镜3D显示系统	3D显示设备的光场生成与优化	计算机视觉	NA	深度学习	深度学习模型	光场数据	NA	NA	NA	分辨率（1920×1080）、刷新率（50Hz）、视角（>100°）	低成本光场传输装置
924	2025-12-08	Automated registration and clustering for enhanced localization atomic force microscopy of flexible membrane proteins 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013277 PMID:41325488	研究论文	本文提出了一种无监督深度学习算法，用于同时注册和聚类原子力显微镜图像，以增强对柔性膜蛋白的定位原子力显微镜成像	引入无监督深度学习算法，首次实现同时注册和聚类AFM图像，使LAFM技术适用于具有多种构象的柔性蛋白质	研究基于模拟AFM图像进行验证，尚未在真实实验数据上全面测试	提高原子力显微镜对柔性膜蛋白的成像分辨率	SecYEG转位子膜蛋白系统	计算机视觉	NA	原子力显微镜, 分子动力学模拟	深度学习	图像	模拟AFM图像数据集	NA	无监督深度学习算法	分辨率提升	NA
925	2025-12-08	Integrative deep learning analysis of 2D and 3D body composition features for predicting postoperative pancreatic fistula after distal pancreatectomy 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2597067 PMID:41340556	研究论文	本研究开发并验证了一个基于深度学习的2D和3D身体成分分析框架，用于预测胰腺癌患者远端胰腺切除术后胰瘘的发生	首次整合了基于深度学习的2D和3D身体成分分析（腹部肌肉和脂肪分割）与临床数据，构建了用于预测术后胰瘘的预测模型	需要更大规模、多中心的前瞻性队列研究来验证其普适性	开发并验证一个深度学习框架，用于通过术前CT图像分析身体成分，以预测胰腺癌患者远端胰腺切除术后胰瘘的发生	接受根治性远端胰腺切除术的胰腺癌患者	数字病理学	胰腺癌	术前计算机断层扫描（CT）成像	深度学习分割模型, GBDT	医学图像（CT）	230名胰腺癌患者	NA	NA	Dice相似系数, AUC, 灵敏度, 特异性, 决策曲线分析	NA
926	2025-12-08	Quantitative analysis of chest CT with deep learning to assess the efficacy of tofacitinib in the treatment of anti-MDA5+ dermatomyositis 2025-Dec, Medicina clinica IF:2.6Q1 DOI:10.1016/j.medcli.2025.107206 PMID:41075323	研究论文	本研究利用深度学习定量分析胸部CT，评估托法替尼治疗抗MDA5+皮肌炎相关间质性肺病的疗效	首次将深度学习定量高分辨率CT分析应用于评估托法替尼治疗抗MDA5+皮肌炎相关间质性肺病的疗效，并量化肺部病变体积变化	回顾性研究设计，样本量较小（70例患者），可能存在选择偏倚，且未详细说明深度学习模型的具体架构和验证过程	评估托法替尼治疗抗MDA5+皮肌炎相关间质性肺病的疗效和安全性	抗MDA5+皮肌炎相关间质性肺病患者	数字病理学	皮肌炎	高分辨率CT, 深度学习	深度学习模型	CT图像	70例患者（托法替尼组39例，非托法替尼组31例）	NA	NA	生存率, 糖皮质激素使用时长, 肺部受累百分比, 病变体积减少量	NA
927	2025-12-08	Virtual inertia regulation based high-order observer for weak microgrids using deep sequential learning 2025-Dec, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.10.005 PMID:41077490	研究论文	本文提出了一种基于深度序列学习的高阶观测器虚拟惯性调节方法，用于弱微电网系统	该方法包含三个主要创新点：实现高阶扩展扰动观测器进行实时估计和补偿、应用深度序列动作值学习算法无监督调整控制器参数、在初级和次级控制回路中包含虚拟转子动力学仿真以增强响应性	NA	提高高渗透可持续能源资源下弱微电网系统的惯性和阻尼特性	混合微电网系统中的能源存储系统	机器学习	NA	深度序列动作值学习算法	深度神经网络	NA	NA	NA	NA	波动抑制程度、响应速度	NA
928	2025-12-08	BAEN-SKCNN: A novel framework for scoliosis early screening and severity diagnosis using unclothed back images 2025-Dec, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104429 PMID:41352846	研究论文	提出了一种基于BAEN-SKCNN框架的新方法，利用背部图像进行脊柱侧弯的早期筛查和严重程度诊断	构建了BAEN模块用于提取背部区域以提高诊断准确性和模型通用性，并结合空间金字塔池化和选择性核网络构建SKCNN模型	未在公开数据集上进行验证，模型性能可能受自制数据集规模和多样性的限制	开发一种快速、便捷的脊柱侧弯早期筛查和严重程度诊断方法	脊柱侧弯患者	计算机视觉	脊柱侧弯	深度学习	CNN	图像	自制脊柱侧弯数据集（具体数量未说明）	NA	BAEN, SKCNN	准确率	NA
929	2025-12-08	Refining cell classification for cervical cancer detection using an improved high dimensional feature fusion approach 2025-Dec, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104445 PMID:41352861	研究论文	本文提出了一种改进的高维特征融合方法，用于宫颈细胞图像分类以检测宫颈癌	引入改进的高维特征融合框架，整合七个预训练CNN架构的特征，通过全连接分类器增强泛化能力并减少冗余	未提及模型在外部验证或临床部署中的具体限制	提高宫颈细胞图像分类的准确性和泛化能力，以早期检测宫颈癌	宫颈细胞图像	计算机视觉	宫颈癌	深度学习	CNN	图像	四个基准数据集：Herlev、SIPaKMeD、Mendeley LBC和Malhari	NA	VGG16, VGG19, ResNet50, XceptionNet, InceptionV3, DenseNet121, Lightweight Feature extractor	准确率, 精确率, 召回率, F1分数, 特异性, AUC	NA
930	2025-12-08	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2025-Nov-29, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在区分产毒与非产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于快速、低成本地识别艰难梭菌的产毒特性	样本量相对有限（389株菌株），且研究仅基于单一机构的临床样本，可能影响模型的泛化能力	开发一种基于MALDI-TOF质谱和机器学习的准确、经济且易于使用的替代方法，用于检测产毒艰难梭菌菌株	从315名患者粪便中分离出的389株艰难梭菌菌株（包括产毒与非产毒类型）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389株艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
931	2025-12-08	Personalized adrenal gland volume reference ranges and development of a fully automated deep learning screening tool 2025-Nov-29, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112591 PMID:41352231	研究论文	本研究开发了一种基于低剂量CT的全自动深度学习工具，用于筛查肾上腺体积异常并建立个性化参考范围，以辅助诊断肾上腺疾病	首次结合nnU-Net深度学习模型与高斯混合模型异常检测系统，为肾上腺体积建立了考虑年龄、性别、体表面积和血液标志物等多因素的个性化参考范围	研究仅基于低剂量非增强胸部CT数据，未包含其他影像模态；异常筛查在高血压/糖尿病和肾上腺增生验证集中的检测率分别为62.31%和77.09%，仍有提升空间	开发自动化肾上腺体积筛查工具并建立个性化参考范围，以辅助肾上腺疾病的诊断	接受低剂量非增强胸部CT检查的成年人（≥18岁），包括健康参考组、高血压/糖尿病验证组和肾上腺异常验证组	数字病理	肾上腺疾病	低剂量非增强胸部CT	深度学习	CT图像	总样本18,538名成年人，其中健康参考组7,907人；训练使用400张CT图像，验证使用550张图像；高血压/糖尿病验证集3,266例，肾上腺增生验证集240例	nnU-Net	nnU-Net	Dice相似系数, ICC	NA
932	2025-12-08	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Nov-28, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	提出了一种基于fODF的无监督深度学习框架ODDRnet，用于扩散磁共振图像的非线性配准	直接对齐高维fODF数据，利用方向信息进行更精确的白质结构配准，提高了配准的解剖学准确性	未明确说明计算资源需求或模型在极端病例上的表现	开发一种用于扩散磁共振图像非线性配准的深度学习框架	扩散磁共振图像数据，特别是白质结构	医学图像处理	NA	扩散磁共振成像	深度学习网络	扩散磁共振图像	多个公共和私人数据集，具体数量未明确	NA	ODDRnet	tract dice, tract distance	NA
933	2025-12-08	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2025-Nov-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	提出基于WGAN-GP的对抗非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练，解决了传统方法因光谱严重重叠导致的精度限制问题	实验测试范围有限（CS₂: 3.81-179.2 ppb, SO₂: 44.43-942.73 ppb），未在更宽浓度范围或更多气体种类中进行验证	开发一种高精度的CS₂/SO₂混合气体检测方法，以评估气体绝缘开关设备的绝缘状态	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	NA	NA	对抗非配对解缠网络	平均绝对百分比误差, 检测限	NA
934	2025-12-08	Intelligent Condition Monitoring of High-Formwork Support Systems: A Hybrid FEM-Deep Learning Approach with Large Language Model Integration 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251393791 PMID:41334721	研究论文	本研究提出了一种结合数值模拟、深度学习和检索增强生成系统的高支模支撑系统智能监测框架	采用遗传算法-粒子群优化混合算法优化有限元模型，并集成RNN-LSTM与基于GPT技术的RAG系统实现自动化监测报告生成	未明确说明实际工程验证的规模与长期稳定性数据	开发高支模支撑系统的智能健康监测与自动化报告生成方法	高支模支撑系统的结构响应数据与监测报告	机器学习	NA	有限元模拟、遗传算法-粒子群优化混合算法	RNN-LSTM, CNN	数值模拟生成的结构响应数据	基于有限元模型生成的三种工况数据集（正常操作、局部失稳、整体失稳）	NA	RNN-LSTM, CNN	多种评估指标（具体名称未说明）	NA
935	2025-12-08	Traditional Chinese medicine-based pattern differentiation system of deficiency and excess using traditional Chinese medicine-based inspection characteristics 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251386320 PMID:41166218	研究论文	本研究开发了一个基于卷积神经网络的中医望诊特征提取模型，并结合中医理论和临床经验，构建了一个完整的中医虚实辨证系统	将深度学习技术应用于中医望诊特征（如舌色、苔色、苔厚、唇色）的自动提取，并首次将这些特征与中医虚实辨证理论相结合，构建了一个端到端的辨证系统	未明确说明数据集的规模、多样性及临床验证的广泛性，系统准确率（81.67%）仍有提升空间，且可能未涵盖所有中医辨证要素	开发一个准确的中医虚实辨证系统，以辅助中医师进行临床诊断和治疗，并支持在线诊疗及健康平台应用	中医望诊特征（面部、唇部、舌部等区域）及基于这些特征的虚实辨证模式	计算机视觉	NA	深度学习，中医望诊	CNN	图像	NA	NA	卷积神经网络	准确率	NA
936	2025-12-08	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2025-Sep-30, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	本研究开发了一个名为Nephrocast-V的深度学习模型，用于提前两天预测危重患者的万古霉素谷浓度，并提供剂量调整建议	结合长短期记忆网络和多头注意力层，并引入跳跃连接以整合历史剂量信息，用于预测万古霉素浓度	研究数据来自单一医疗中心，可能限制模型的泛化能力	预测危重患者的万古霉素谷浓度并优化给药方案	入住重症监护室的成年患者	机器学习	细菌感染	电子健康记录数据分析	LSTM, 多头注意力机制	电子健康记录数据	2205次住院记录	NA	LSTM, 多头注意力层	平均绝对误差, 均方根误差	NA
937	2025-12-08	Lung Cancer Diagnosis From Computed Tomography Images Using Deep Learning Algorithms With Random Pixel Swap Data Augmentation: Algorithm Development and Validation Study 2025-Sep-03, JMIR bioinformatics and biotechnology DOI:10.2196/68848 PMID:41342173	研究论文	本研究提出了一种名为随机像素交换的新型数据增强技术，用于提升深度学习模型在CT图像上诊断肺癌的性能	提出随机像素交换数据增强方法，该方法在卷积神经网络和Transformer架构上均能有效提升肺癌诊断性能，优于现有数据增强技术	NA	开发并验证一种新的数据增强技术，以提高深度学习模型从CT图像中自动诊断肺癌的准确性	肺癌的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Transformer	图像	两个公开CT数据集（IQ-OTH/NCCD数据集和胸部CT扫描图像数据集）	NA	ResNet, MobileNet, Vision Transformer, Swin Transformer	准确率, AUROC	NA
938	2025-12-08	Stacked Deep Learning Ensemble for Multiomics Cancer Type Classification: Development and Validation Study 2025-Aug-12, JMIR bioinformatics and biotechnology DOI:10.2196/70709 PMID:41342170	研究论文	本研究开发并验证了一个基于堆叠深度学习集成的模型，用于整合RNA测序、体细胞突变和DNA甲基化数据，以分类五种常见癌症类型	采用堆叠集成学习方法整合五种成熟算法，通过多组学数据融合显著提升了癌症分类准确率	仅针对沙特阿拉伯的五种癌症类型，样本多样性和泛化能力有待进一步验证	评估多组学数据整合在癌症类型分类中的效果，提升诊断准确性	乳腺癌、结直肠癌、甲状腺癌、非霍奇金淋巴瘤和子宫体癌	机器学习	癌症	RNA测序, 体细胞突变分析, DNA甲基化分析	支持向量机, k近邻, 人工神经网络, 卷积神经网络, 随机森林	多组学数据	NA	NA	堆叠集成模型	准确率	NA
939	2025-12-08	Modeling CAPRI Targets of Round 55 by Combining AlphaFold and Docking 2025-Jun-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26853 PMID:40476317	研究论文	本文详细介绍了通过结合AlphaFold2深度学习预测与传统对接技术，对CAPRI第55轮中的寡聚体目标进行结构建模的混合方法	提出了一种结合AlphaFold2多聚体管道与传统对接技术的混合方法，用于蛋白质-蛋白质对接，并分析了AlphaFold模型聚类、残基接触预测置信度及预测稳定性与模型质量的相关性	NA	改进蛋白质-蛋白质对接的结构建模方法，特别是在寡聚体目标中的应用	CAPRI第55轮中的寡聚体蛋白质目标	结构生物学	NA	深度学习预测、蛋白质对接	深度学习模型	蛋白质结构数据	NA	AlphaFold2	AlphaFold2多聚体管道	模型质量评估、残基接触预测置信度、预测稳定性	NA
940	2025-12-08	Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound 2025, Digestion IF:3.0Q2 DOI:10.1159/000545098 PMID:40049151	研究论文	本研究评估了一种弱监督深度学习模型在对比增强超声（CEUS）中区分恶性与良性肝脏局灶性病变（FLLs）的性能	采用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签即可分类肝脏病变，并开发了可解释性方法以洞察模型决策	研究为回顾性可行性研究，样本来自单一三级医院，可能限制模型的泛化能力	评估弱监督深度学习模型在CEUS中自动分类肝脏局灶性病变恶性与良性的能力	肝脏局灶性病变（FLLs）患者	计算机视觉	肝脏疾病	对比增强超声（CEUS）	深度学习	图像	370名患者，共955,938张图像（来自CEUS视频或手动捕获）	NA	注意力机制的多实例学习算法	AUC, 准确率, 灵敏度, 特异性, F1分数	NA