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
9561	2025-12-09	DeepPartitioning: Deep Learning of Graph Partitioning for Neuron Segmentation From Electron Microscopy Volume via Graph Neural Network 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3581433 PMID:40536855	研究论文	本文提出了一种基于深度学习的图划分方法DeepPartitioning，用于电子显微镜体积中的神经元分割，通过图神经网络实现端到端的超像素聚合	通过引入线图神经网络（LGNN）来捕获区域邻接图中的高阶关系结构，将图划分任务隐式转化为二阶多割问题，避免了传统方法因模型容量不足导致的建模误差	未在摘要中明确提及	开发一种端到端的超像素聚合方法，以改进电子显微镜体积中的神经元分割	电子显微镜体积中的神经元分割任务	计算机视觉	NA	电子显微镜成像	图神经网络	图像体积	三个公共电子显微镜数据集	NA	线图神经网络	NA	NA
9562	2025-12-09	Artificial Intelligence in Action: A Comprehensive Review on Machine and Deep Learning Methods in Sjögren's Syndrome Diagnosis 2025-Dec, International journal of rheumatic diseases IF:2.4Q2 DOI:10.1111/1756-185x.70495 PMID:41355043	综述	本文全面回顾了人工智能，特别是机器学习和深度学习方法，在提高干燥综合征诊断准确性方面的应用	系统性地整合了AI在干燥综合征多种诊断模式（包括组织病理学、影像学、光谱学、基因组学、代谢组学和电子健康记录）中的应用，并强调了其统一多源数据、实现快速、客观和个性化诊断的潜力	本文为综述性文章，未报告原始研究的具体局限性，但文中提及的AI方法在资源有限环境中的应用潜力仍需进一步验证	探讨人工智能技术在干燥综合征诊断领域的应用现状、进展和潜力	干燥综合征的诊断方法及相关数据	机器学习	干燥综合征	组织病理学分析、唾液腺超声、计算机断层扫描、拉曼光谱、舌成像、基因组学分析、代谢组学分析、电子健康记录分析	机器学习分类器, 深度学习模型	组织病理学图像、医学影像、光谱数据、舌图像、基因组数据、代谢组数据、电子健康记录文本	NA	NA	NA	NA	NA
9563	2025-12-09	Novel antimicrobial peptides against Pseudomonas aeruginosa: in silico design and experimental validation 2025-Nov-28, Journal of applied microbiology IF:3.2Q2 DOI:10.1093/jambio/lxaf287 PMID:41258863	研究论文	本研究通过深度学习和分子对接技术设计并验证了针对铜绿假单胞菌的新型抗菌肽	利用基于Transformer的深度学习模型TACaPe生成抗菌肽序列，并结合分子对接分析靶向群体感应受体，实验验证了其抗菌和抗生物膜活性以及与美罗培南的协同作用	研究仅针对铜绿假单胞菌ATCC® 27853菌株进行体外测试，未涉及体内实验或更广泛的临床菌株验证	设计和评估具有抗菌和抗生物膜活性的新型抗菌肽，以对抗铜绿假单胞菌感染	铜绿假单胞菌及其群体感应受体（LasR、RhlR、PqsR）	机器学习	细菌感染	深度学习、分子对接、体外抗菌测试、溶血和细胞毒性实验	Transformer	肽序列数据	5种合成抗菌肽，针对铜绿假单胞菌ATCC® 27853菌株进行测试	NA	TACaPe（基于Transformer的深度学习模型）	结合亲和力、最小抑菌浓度（MIC）、生物膜抑制效果、溶血和细胞毒性	NA
9564	2025-12-09	Can artificial intelligence accurately predict the risk of hematoma expansion in intracerebral hemorrhage? A systematic review and Meta-analysis of 7,665 patients 2025-Nov-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03901-7 PMID:41276709	系统综述与Meta分析	本研究通过系统综述和Meta分析评估了人工智能模型在预测脑出血患者血肿扩大风险中的有效性	首次对人工智能模型（特别是机器学习和深度学习）在预测脑出血血肿扩大方面的性能进行了全面的系统综述和Meta分析，并比较了自发性脑出血与创伤性脑损伤相关脑出血的预测效果	研究间存在高度异质性，限制了结果的稳健性，且需要标准化的影像协议和严格的外部验证才能进行临床实施	评估人工智能模型在预测脑出血患者血肿扩大风险中的有效性	脑出血患者	机器学习	脑出血	NA	机器学习, 深度学习	NA	7,665名患者	NA	NA	灵敏度, 特异度, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
9565	2025-12-09	Transforming Surgical Training With AI Techniques for Training, Assessment, and Evaluation: Scoping Review 2025-Nov-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58966 PMID:41252719	综述	本文是一篇范围综述，探讨了人工智能（AI）在外科培训、评估和评价中的应用现状与潜力	系统性地梳理了2020年至2024年间AI在外科培训领域的最新应用，识别了主要技术、手术类型和培训设置，并指出了自动化技能评估、个性化反馈和自适应学习路径等创新机会	研究设计异质性大，结果指标缺乏可比性；算法透明度不足；样本量普遍较小；缺乏标准化的评估指标和充分的外部验证	旨在确定AI技术如何通过数据驱动的洞察和预测分析来增强学员的学习路径和表现，并审视该领域AI算法的现状与应用，识别未来研究方向	聚焦于外科培训、评估和评价中应用AI的研究	机器学习	NA	机器学习，聚类分析，深度学习，卷积神经网络，支持向量机	机器学习，深度学习，CNN，支持向量机	NA	共分析了56项符合纳入标准的研究	NA	卷积神经网络	NA	NA
9566	2025-12-09	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究开发了一种基于数字病理图像的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	利用自监督学习在超过130万个图像块上训练基础模型，并在多国队列中验证其预测生存结果和辅助化疗获益的能力	需要前瞻性验证以确认其临床适用性	开发并验证一种基于数字病理图像的AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	胃肠道癌症患者，包括胃癌、食管癌和结直肠癌	数字病理	胃肠道癌症	苏木精和伊红染色组织病理学	深度学习	图像	104,876张全切片图像，涉及1,619名胃癌和食管癌患者及2,594名结直肠癌患者	NA	NA	一致性指数，5年生存率	NA
9567	2025-12-09	Analyzing Information Disparities across Modalities in Mortality Prediction 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.30.25339162 PMID:41282941	研究论文	本研究比较了原始胸部X光片与放射学报告在ICU患者30天出院后死亡率预测中的效用，发现结合原始X光片与出院记录能获得最佳性能	系统比较了原始胸部X光图像与放射学报告在死亡率预测中的影响，揭示了图像比文本报告包含更丰富的预后信号	研究基于MIMIC-IV数据集的过滤子集（n=1,360），样本量有限，可能影响结果的泛化性	评估不同数据模态（原始图像与文本报告）在临床预测中的比较效用，以优化模态选择	重症监护室（ICU）患者	自然语言处理,计算机视觉	NA	深度学习	Vision-Language Model (VLM)	图像,文本	1,360名患者（来自MIMIC-IV数据集的过滤子集）	NA	Vision-Language Model	AUROC	NA
9568	2025-12-09	[Formula: see text] Artificial intelligence as a support to diagnose ADHD: an insight of unorthodox approaches: a scoping review 2025-Nov, Child neuropsychology : a journal on normal and abnormal development in childhood and adolescence IF:1.6Q3 DOI:10.1080/09297049.2025.2468411 PMID:41071049	综述	本文是一篇范围综述，系统分析了人工智能在注意力缺陷多动障碍诊断中的应用，涵盖脑成像、脑活动监测、行为评估等多种方法	系统梳理了过去二十年人工智能在ADHD诊断中的非传统方法应用，强调了机器学习与深度学习算法的高诊断准确率，并倡导AI工具与传统临床评估相结合的混合方法	存在算法偏见、数据质量不一致以及需要更广泛多样化数据集等挑战，AI在治疗监测和个性化干预中的应用仍需未来研究	评估人工智能在ADHD检测和评估中的作用，探索其诊断潜力	ADHD患者，涉及脑成像、脑活动、行为及认知数据	自然语言处理, 机器学习	注意力缺陷多动障碍	脑成像（MRI）、脑活动监测（EEG和ECG）、行为评估、虚拟现实测试、运动追踪传感器	CNN, SVM, NLP模型	图像, 信号, 文本	NA	NA	卷积神经网络, 支持向量机	诊断准确率（70%至95%）	NA
9569	2025-12-09	ResNet50 and Single-Cell Multi-Omics analysis identify key cellular and molecular features in pediatric acute lymphoblastic leukemia 2025-Nov, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-025-06675-6 PMID:41125957	研究论文	本研究通过整合基于深度学习的图像分析与单细胞转录组学和T细胞受体测序，探索了儿童急性淋巴细胞白血病的细胞和分子特征	首次将ResNet50深度学习模型用于白血病单细胞图像分类，并结合单细胞多组学数据揭示疾病机制和潜在生物标志物	未提及样本量是否足够大以覆盖所有亚型，且模型性能仍有提升空间	旨在改善儿童急性淋巴细胞白血病的早期诊断、复发预测和个体化治疗	儿童急性淋巴细胞白血病患者的单细胞图像和分子数据	数字病理学	急性淋巴细胞白血病	单细胞转录组测序, T细胞受体测序	CNN	图像, 单细胞RNA测序数据	NA	NA	ResNet50	准确率, AUC	NA
9570	2025-12-09	Cross-RNA transferable sequence representation learning for lncRNA m6A site detection via novel deep domain separation networks 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf651 PMID:41348602	研究论文	本文提出了一种名为DSNm6A的深度学习框架，用于通过跨RNA可转移序列表示学习来检测lncRNA中的m6A位点	提出了一种新颖的深度领域分离网络，能够从mRNA和lncRNA中解耦出领域不变特征，从而学习跨RNA类型的可转移m6A相关特征	由于注释位点数量有限，开发有效的计算预测器仍具挑战性	开发一种能够有效检测lncRNA中m6A位点的计算预测方法	长非编码RNA（lncRNA）和信使RNA（mRNA）中的m6A位点	自然语言处理	NA	One-Hot编码、核苷酸理化性质、累积频率、位置特异性倾向性	CNN, Bi-LSTM, BERT	序列数据	NA	NA	深度领域分离网络	交叉验证和独立测试结果中使用的性能指标	NA
9571	2025-12-09	Deep learning for tear film stability assessment and breakup pattern classification in dry eye diagnosis 2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.70008 PMID:40847635	研究论文	本文开发了一种基于深度学习的人工智能系统，用于自动评估泪膜稳定性和分类泪膜破裂模式，以支持精确的干眼症诊断和个性化治疗	结合掩膜区域卷积神经网络和时间段网络，实现泪膜分割和时序特征提取，自动化评估干眼症并分类四种代表性破裂模式，减少观察者间差异	样本量相对较小（143只眼睛），可能限制模型的泛化能力，且仅基于特定设备（Keratograph 5M）进行评估	开发一个自动化系统，用于支持干眼症的精确诊断和个性化治疗，基于泪膜导向诊断框架	干眼症患者和健康对照者的眼睛，共143只眼睛（98只干眼，45只健康）	计算机视觉	干眼症	荧光素泪膜破裂视频记录，Keratograph 5M评估（泪河高度、非侵入性泪膜破裂时间、脂质层厚度等级和睑板腺评分），Schirmer I测试	CNN, 时间网络	视频	143只眼睛（98只干眼，45只健康）	NA	掩膜区域卷积神经网络, 时间段网络	准确率, 精确率, 召回率, F1分数	NA
9572	2025-12-09	Benchmarking of deep learning methods for generic MRI multi-organ abdominal segmentation 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.6.064503 PMID:41357685	研究论文	本文对四种开源深度学习模型在腹部MRI多器官分割任务上进行了全面的基准测试	首次系统性地评估了包括基于合成数据训练的ABDSynth在内的多种腹部MRI分割模型，并使用了涵盖不同制造商、序列和条件的公开数据集进行泛化性测试	评估仅限于四种开源模型，可能未覆盖所有最新方法；合成数据训练模型的性能略低于真实数据训练模型	评估和比较深度学习模型在腹部MRI多器官分割任务上的准确性和泛化能力	腹部MRI图像中的多器官分割	医学影像分析	NA	MRI成像	深度学习模型	MRI图像	三个公开数据集，涵盖所有主要制造商、五种MRI序列以及多种受试者条件、体素分辨率和视野	NA	MRSegmentator, MRISegmentator-Abdomen, TotalSegmentator MRI, ABDSynth (基于SynthSeg)	准确性, 泛化性	NA
9573	2025-12-09	Investigating the capability of deep learning models to predict age and biological sex from anterior segment ophthalmic imaging: a multi-centre retrospective study 2025-Oct-29, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-107196 PMID:41161843	研究论文	本研究评估了基于迁移学习的卷积神经网络利用前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片预测年龄和生物性别的能力	首次在多中心回顾性研究中，利用深度学习模型从前段眼科图像中提取年龄和性别信息，并通过显著性图可视化模型的决策过程	研究为回顾性设计，数据来源于单一公共健康信托机构，可能限制了模型的泛化能力	评估深度学习模型从前段眼科图像中预测年龄和生物性别的能力	前段光学相干断层扫描图像、Placido盘角膜地形图图像和外部照片	计算机视觉	NA	光学相干断层扫描，角膜地形图成像	CNN	图像	来自20,542名患者的40,592只眼睛的557,468次扫描	NA	NA	准确率，精确率，召回率，F1分数，ROC-AUC，Pearson相关系数，决定系数，平均绝对误差	NA
9574	2025-12-09	Comparing radiomics, deep learning, and fusion models for predicting occult pleural dissemination in patients with non-small cell lung cancer: a retrospective multicenter study 2025-Oct-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15121-9 PMID:41163134	研究论文	本研究开发并比较了基于放射组学的机器学习、深度学习和融合模型，用于术前预测非小细胞肺癌患者的隐匿性胸膜播散	首次在多个中心回顾性研究中，系统比较了放射组学机器学习、深度学习及融合模型（特别是后融合模型）在预测非小细胞肺癌隐匿性胸膜播散方面的性能	研究为回顾性设计，样本量相对有限（326例患者），且仅使用了CT图像的最大横截面切片，可能未充分利用三维空间信息	开发并比较不同模型以术前识别非小细胞肺癌患者的隐匿性胸膜播散，辅助临床决策	非小细胞肺癌患者	计算机视觉	肺癌	CT扫描	机器学习, 深度学习	图像	326例非小细胞肺癌患者（来自三个中国大型医疗中心，2016-2023年），分为训练集（216例）、内部测试集（54例）和外部测试集（56例）	NA	DenseNet121	AUC, 敏感性	NA
9575	2025-12-09	PlasmoFP: leveraging deep learning to predict protein function of uncharacterized proteins across the malaria parasite genus 2025-Oct-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.12.675843 PMID:41279499	研究论文	本文介绍了PlasmoFP，一种利用深度学习预测疟原虫属中未表征蛋白质功能的模型	PlasmoFP创新性地基于系统发育相关的SAR超群蛋白质的结构-功能关系进行训练，解决了疟原虫蛋白质因序列相似性低而难以注释的挑战	NA	预测疟原虫属中未表征蛋白质的功能，以推进疟疾基础研究	疟原虫属中的蛋白质，特别是未注释或功能未知的蛋白质	机器学习	疟疾	深度学习	深度学习模型	蛋白质序列和结构数据	涉及19种疟原虫物种的蛋白质	NA	NA	通过减少未注释蛋白质比例和增加完全注释蛋白质比例进行评估	NA
9576	2025-12-09	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-Oct-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文对机器学习在医学微波成像中的应用进行了范围综述，重点关注图像重建和分类两个关键领域	系统性地梳理了机器学习在微波成像中从重建到分类的最新研究进展，并强调了其在临床转化中的潜力	作为范围综述，未进行定量荟萃分析，且可能未涵盖所有新兴方法	探讨机器学习在医学微波成像中的角色，特别是在图像重建和分类任务中的应用	医学微波成像技术及其在乳腺和脑部成像等医疗应用中的研究	机器学习	乳腺癌, 神经系统疾病	微波成像	卷积神经网络, 支持向量机	微波成像数据	NA	NA	NA	NA	NA
9577	2025-12-09	Multi-label diagnosis of dental conditions from panoramic x-rays using attention-enhanced deep learning 2025-Oct-07, Oral and maxillofacial surgery DOI:10.1007/s10006-025-01463-y PMID:41055759	研究论文	本研究开发并评估了用于全景X射线图像中多类别牙科疾病自动分类的深度学习模型，比较了自定义CNN架构、注意力机制、预训练模型和混合方法的有效性	结合注意力机制的自定义CNN架构、预训练模型与注意力机制的集成，以及CNN与机器学习（如随机森林）的混合方法，用于牙科疾病的多标签诊断	数据集缺乏正常/健康病例，且需在不同临床人群中进行前瞻性验证研究以确立真实世界的有效性和安全性	开发并评估用于全景X射线图像中牙科疾病多类别自动分类的深度学习模型	全景牙科X射线图像	计算机视觉	牙科疾病	数据增强、CLAHE增强、归一化	CNN, SVM, Random Forest, Decision Tree	图像	1,512张全景牙科X射线图像，预处理后生成4,764张类别平衡图像	TensorFlow, PyTorch, Scikit-learn	自定义CNN, VGG16, ResNet50, Xception	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
9578	2025-12-09	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2025-Oct, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	本文开发并验证了一种模态不变的3D Swin U-Net Transformer深度学习模型，用于在来自多个机构的儿童和成人患者的腹部T1加权或T2加权MR图像上进行肝脏和脾脏分割	提出了一种模态不变的3D Swin UNETR模型，采用模态不变训练策略，将每位患者的T1w和T2w MR图像作为独立训练样本处理，从而实现对不同模态（T1w和T2w）图像的鲁棒分割	研究为回顾性设计，可能受限于数据集的多样性和规模；模型性能在不同模态间存在差异（如脾脏分割在T1w图像上DSC较低）	开发并验证一种能够处理多机构、多模态临床腹部MR图像的深度学习模型，用于肝脏和脾脏的自动分割	儿童和成人患者（已知或疑似慢性肝病）的腹部T1加权和T2加权MR图像	数字病理学	慢性肝病	MR成像（T1加权和T2加权）	Transformer, CNN	3D MR图像	304名患者（年龄31.8±20.3岁，43%女性），共241个T1w和339个T2w MR序列	NA	Swin UNETR, U-Net	Dice相似系数	NA
9579	2025-12-09	Artificial Intelligence in Surgical Training and Applications to Otolaryngology: A Scoping Review 2025-Oct, The Laryngoscope DOI:10.1002/lary.32246 PMID:40371996	综述	本文对人工智能在手术技能评估中的应用进行了范围综述，特别关注其在耳鼻喉科教育中的潜力	系统性地综述了AI在手术技能评估中的最新进展，并特别聚焦于耳鼻喉科领域，强调了自动化反馈和客观评估的潜力	作为一篇范围综述，主要基于现有文献进行分析，未进行新的原始数据收集或模型验证	探讨人工智能在手术技能评估中的应用进展，并评估其提升耳鼻喉科教育水平的潜力	涉及手术技能评估的研究，包括基础手术任务（如打结、缝合）和特定外科手术（如乳突切除术、鼻中隔成形术）	计算机视觉	耳鼻喉科疾病	深度学习，机器学习，计算机视觉	NA	运动学数据，运动数据，力数据，视频	34项符合纳入标准的研究	NA	NA	分类准确率	NA
9580	2025-12-09	Reproducible meningioma grading across multi-center MRI protocols via hybrid radiomic and deep learning features 2025-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03725-8 PMID:40824403	研究论文	本研究提出了一种结合影像组学特征和基于3D自动编码器的深度学习特征的方法，用于脑膜瘤术前分级，旨在提高跨多中心MRI协议的准确性和可重复性	创新性地将手工影像组学特征与基于3D自动编码器（集成注意力机制）的深度学习特征相结合，并利用ComBat方法进行批次效应校正，以提升跨协议性能	未来需要在真实临床环境中进一步验证，并考虑整合临床参数以增强预后价值	开发一种可靠、非侵入性的脑膜瘤术前分级方法	经组织学确认的脑膜瘤患者	数字病理	脑膜瘤	MRI（T1增强和T2加权成像）	3D自动编码器, XGBoost, CatBoost, 堆叠集成	图像	3523名患者（1900例低级别，1623例高级别）	NA	3D自动编码器	准确率, 灵敏度, AUC	NA