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
10101	2025-12-03	A deep learning system for predicting time to progression of diabetic retinopathy 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02702-z PMID:38177850	研究论文	本文开发并验证了一个深度学习系统（DeepDR Plus），用于仅基于眼底图像预测糖尿病视网膜病变在5年内的进展时间	开发了首个基于深度学习预测糖尿病视网膜病变进展时间的系统，仅使用眼底图像，无需额外临床数据，并展示了在真实世界队列中的验证和个性化筛查间隔的潜力	未明确提及模型的可解释性、跨不同医疗中心的泛化能力或长期随访数据的局限性	预测糖尿病视网膜病变的进展时间，以实现个性化筛查间隔	糖尿病患者及其眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习系统	图像	预训练使用179,327名参与者的717,308张眼底图像；训练和验证使用29,868名参与者的118,868张眼底图像	NA	NA	一致性指数, 集成Brier分数	NA
10102	2025-12-03	Deep learning-aided decision support for diagnosis of skin disease across skin tones 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02728-3 PMID:38317019	研究论文	本研究通过大规模数字实验评估了医生与深度学习系统合作在皮肤疾病诊断中的效果，特别关注了不同肤色间的诊断准确性差异	首次在大规模实验中量化了医生与深度学习系统合作对皮肤疾病诊断准确性的影响，并揭示了系统支持可能加剧不同肤色间诊断差距的现象	实验基于存储转发式远程皮肤病学模拟，可能无法完全反映实际临床环境；仅使用图像数据，缺乏临床病史等信息	评估医生与深度学习系统合作在皮肤疾病诊断中的准确性，并分析不同肤色对诊断效果的影响	皮肤疾病图像及参与诊断的皮肤科医生和初级保健医生	计算机视觉	皮肤疾病	深度学习辅助诊断	深度学习系统	图像	364张图像，涵盖46种皮肤疾病；389名皮肤科医生和459名初级保健医生参与	NA	NA	诊断准确性	NA
10103	2025-12-03	Exploring Global Land Coarse-Mode Aerosol Changes from 2001-2021 Using a New Spatiotemporal Coaction Deep-Learning Model 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c07982 PMID:37962866	研究论文	本文提出了一种新的时空协同深度学习模型（SCAM），用于反演2001-2021年全球陆地粗模态气溶胶光学厚度（cAOD），以更好地理解粗颗粒（特别是沙尘气溶胶）对气候的影响	提出的SCAM模型考虑了时空特征交互的影响，能同时描述反演中的线性和非线性关系，相比传统深度学习模型显著提高了全球每日cAOD的精度和覆盖率	未明确提及，但可能包括模型对特定区域或极端天气条件的适用性限制，以及依赖于输入卫星数据的质量	开发一种改进的深度学习模型，以更准确、长期地反演全球陆地粗模态气溶胶光学厚度，减少气候研究中相关的不确定性	全球陆地粗模态气溶胶（特别是沙尘气溶胶）	机器学习	NA	卫星遥感（MISR, MODIS, POLDER）	深度学习	卫星遥感数据	2001-2021年全球陆地每日数据	NA	时空协同深度学习模型（SCAM）	相关系数（R），均方根误差（RMSE）	NA
10104	2025-12-03	Modeling Indirect Greenhouse Gas Emissions Sources from Urban Wastewater Treatment Plants: Integrating Machine Learning Models to Compensate for Sparse Parameters with Abundant Observations 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06482 PMID:37976424	研究论文	本文提出整合梯度提升树和深度学习模型，以精确建模中国污水处理厂的电力消耗强度和污泥产量，作为间接温室气体排放源	通过整合机器学习模型（GBT和DL）来补偿稀疏参数，利用大量观测数据，分别关注运行条件和设计参数，实现全面建模	NA	预测污水处理厂的电力消耗和污泥产量，以支持技术相关政策决策，并管理间接温室气体排放	中国污水处理厂的电力消耗强度和污泥产量	机器学习	NA	NA	梯度提升树, 深度学习	观测数据	NA	NA	NA	NA	NA
10105	2025-12-03	Large-scale pancreatic cancer detection via non-contrast CT and deep learning 2023-12, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02640-w PMID:37985692	研究论文	本研究开发了一种名为PANDA的深度学习模型，能够通过非增强CT高精度检测和分类胰腺病变	首次证明利用常规非增强CT进行大规模胰腺癌筛查的可行性，打破了长期以来认为非增强CT无法识别胰腺癌的传统认知	模型训练数据主要来自单一中心，尽管在多中心验证中表现良好，但泛化能力仍需在更广泛人群中进一步验证	开发一种基于非增强CT和深度学习的大规模胰腺癌筛查工具	胰腺导管腺癌（PDAC）及其他胰腺病变	数字病理学	胰腺癌	非增强计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）	训练集：3,208名患者（单中心）；多中心验证：6,239名患者（10个中心）；真实世界验证：20,530名连续患者	NA	PANDA（具体架构未在摘要中说明）	AUC（曲线下面积），敏感性，特异性	NA
10106	2025-12-03	A Graph Neural Network Model with a Transparent Decision-Making Process Defines the Applicability Domain for Environmental Estrogen Screening 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c04571 PMID:37749748	研究论文	本研究开发了一种基于图神经网络的模型，用于筛选环境雌激素，并提出了透明的决策过程描述和有效的适用域表征方法	通过基于模型特征的网络状相似图探索GNN模型的决策过程，并提出了能排除模型预测范围外预测的适用域表征方法，从而提高了预测可靠性	未明确说明模型在更广泛化学物质数据集上的泛化能力，以及适用域方法可能排除部分有效预测	开发具有透明决策过程和有效适用域表征的深度学习模型，用于环境雌激素的筛选	环境雌激素化合物	机器学习	NA	图神经网络	GNN	化学结构图数据	未明确说明具体样本数量，但涉及中国现有化学物质名录中的800种潜在环境雌激素	NA	图神经网络	准确率, F1分数	NA
10107	2025-12-03	Protein Language Models Uncover Carbohydrate-Active Enzyme Function in Metagenomics 2023-Oct-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563620 PMID:37961379	研究论文	本研究开发了首个利用蛋白质语言模型嵌入构建深度学习框架的工具CAZyLingua，用于注释宏基因组数据集中的碳水化合物活性酶	首次将蛋白质语言模型嵌入应用于构建深度学习框架，以注释宏基因组中的CAZymes，相比传统基于序列同源性的方法（如dbCAN2）具有更高的F1分数，并在疾病相关数据集中发现先前被忽略的注释	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种深度学习工具，以改进宏基因组中碳水化合物活性酶的功能注释	宏基因组数据集中的碳水化合物活性酶	自然语言处理	克罗恩病, IgG4相关疾病	蛋白质语言模型嵌入, 深度学习	深度学习框架	蛋白质序列数据	涉及配对母婴纵向数据集以及克罗恩病和IgG4相关疾病患者的宏基因组数据集，具体样本数量未明确说明	NA	CAZyLingua	F1分数, 精确度, 召回率	NA
10108	2025-12-03	A population-level computational histologic signature for invasive breast cancer prognosis 2023-May-26, Research square DOI:10.21203/rs.3.rs-2947001/v1 PMID:37293118	研究论文	本研究提出了一种基于深度学习的组织学预后签名（HiPS），用于评估乳腺癌肿瘤微环境的形态学特征并预测生存风险	HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫和空间交互特征，超越了传统病理学家基于诺丁汉标准的定性评估	研究未明确讨论模型在不同种族或地域人群中的泛化能力，且依赖于历史队列数据	开发一种计算组织学特征来改善浸润性乳腺癌的预后预测	乳腺癌患者的组织切片图像	数字病理学	乳腺癌	深度学习，组织图像分析	深度学习模型	组织病理学图像	基于癌症预防研究（CPS）-II的群体级队列开发，并在PLCO试验、CPS-3和癌症基因组图谱三个独立队列中验证	NA	NA	生存预测准确性	NA
10109	2025-05-08	Response to Letter: "Skin Cancer Detection Using Deep Learning Approaches" by Haque et al 2025-Dec, Cancer biotherapy & radiopharmaceuticals DOI:10.1089/cbr.2025.0122 PMID:40329831	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10110	2025-12-02	Integrating pathology genomics and single-cell genomics to identify lactate metabolism-related prognostic features and therapeutic strategies for melanoma 2025-Dec, Apoptosis : an international journal on programmed cell death IF:6.1Q1 DOI:10.1007/s10495-025-02190-1 PMID:41006685	研究论文	本研究整合病理基因组学和单细胞基因组学，构建了基于乳酸代谢的预后模型，并探索了黑色素瘤的治疗策略	首次整合多组学数据（包括病理影像特征、单细胞RNA测序、空间转录组学等）系统表征黑色素瘤乳酸代谢的分子特征，并构建了结合病理特征和基因特征的预后模型	研究主要基于回顾性数据，需要前瞻性临床验证；模型在外部队列中的泛化能力有待进一步评估	系统表征黑色素瘤中乳酸代谢的分子特征，构建有效的预后模型，并探索潜在的治疗策略	皮肤黑色素瘤（SKCM）	数字病理学	黑色素瘤	单细胞RNA测序, 空间转录组学, 基因集变异分析（GSVA）	CNN, 机器学习算法	图像, 基因组数据, 转录组数据	TCGA训练和验证队列（具体样本数未明确说明），涉及443个病理影像特征	CellProfiler, 预训练的ResNet50（基于PyTorch或TensorFlow框架）	ResNet50	预后性能（如生存分析），未明确具体指标如AUC、准确率等	NA
10111	2025-12-02	Advances in artificial intelligence-based radiogenomics for lung cancer precision medicine 2025-Dec-01, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae224a PMID:41265027	综述	本文综述了基于人工智能的放射基因组学在肺癌精准医疗中的应用进展	整合医学影像、基因组学和临床数据，利用机器学习和深度学习技术非侵入性地预测关键致癌驱动突变，探索影像特征与基因表达之间的关联，并开发肺癌预后模型	在标准化、全面验证、模型可解释性、种族多样性以及多组学数据库构建方面仍面临挑战	提升肺癌精准医疗中放射基因组学模型的临床价值和普适性	肺癌患者	计算机视觉	肺癌	医学影像、基因组学	机器学习, 深度学习	图像, 基因组数据, 临床数据	NA	NA	NA	NA	NA
10112	2025-12-02	Development and evaluation of deep learning models for estimating the organ at-risk dose constraint from two-dimensional cine magnetic resonance imaging scans during irradiation 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70403 PMID:41310917	研究论文	本研究开发并评估了一种深度学习模型，用于从二维电影磁共振成像扫描中估计放射治疗期间危及器官的剂量约束	利用深度学习从二维电影MRI中预测危及器官剂量约束，实现了实时剂量监测的创新方法	结果仅显示有限改进，且受多种限制约束	开发能够从二维电影MRI中估计危及器官剂量约束的深度学习模型	前列腺癌患者	数字病理学	前列腺癌	二维电影磁共振成像，MR-linear accelerator	深度学习模型	图像	91名前列腺癌患者，381个治疗分次	NA	NA	相关系数，平均绝对误差，曲线下面积，灵敏度，特异度	NA
10113	2025-12-02	Paired PET-MRI Deep Learning Model for Translating [11C]PiB to [18F]Florbetaben Amyloid Images 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70168 PMID:41310910	研究论文	本文提出了一种基于可变形卷积网络的U-Net模型，用于将[11C]PiB PET图像转换为[18F]Florbetaben淀粉样蛋白图像，以增强数据集并解决视觉评估与Centiloid量表不一致的问题	结合可变形卷积网络（DCNv3）与U-Net架构，实现长距离依赖捕捉和高效计算，用于PET图像间的跨示踪剂翻译	未明确提及模型在更广泛数据集或不同临床环境中的泛化能力限制	开发一种深度学习模型，用于标准化不同淀粉样蛋白PET示踪剂图像，以支持长期临床试验和多中心比较	阿尔茨海默病患者的淀粉样蛋白PET图像，具体为[11C]PiB和[18F]Florbetaben示踪剂图像	医学影像分析	阿尔茨海默病	PET-MRI成像	U-Net	图像	NA	NA	基于DCNv3的U-Net	NA	NA
10114	2025-12-02	A 25-year journey with protein blocks: Unveiling the versatility of a structural alphabet 2025-Dec, Biochimie IF:3.3Q2 DOI:10.1016/j.biochi.2025.08.007 PMID:40789363	综述	本文回顾了蛋白质块作为一种结构字母表在25年发展历程中的广泛应用，包括其在蛋白质结构、动力学和功能分析中的关键作用	通过引入基于熵的指数（N）来区分蛋白质的刚性、柔性和无序区域，并结合深度学习显著提升了预测性能	NA	总结蛋白质块作为一种结构字母表在结构生物信息学中的多功能性和应用进展	蛋白质结构、动力学和功能	结构生物信息学	NA	蛋白质块分析、分子动力学分析、深度学习	NA	蛋白质结构数据	NA	NA	NA	NA	NA
10115	2025-12-02	Clinical applications of artificial intelligence in the histopathology of lymphoma: diagnosis, treatment and prognosis 2025-Nov-28, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03970-6 PMID:41313419	综述	本文综述了人工智能在淋巴瘤组织病理学中的临床应用，涵盖诊断、治疗和预后评估	创新性地总结了人工智能在淋巴瘤三维病理学中的前沿应用，并系统分析了其在诊断、治疗和预后方面的临床价值	NA	概述人工智能在淋巴瘤各领域的应用，促进淋巴瘤的精准诊断和治疗	淋巴瘤的HE病理切片和PET/CT图像	数字病理学	淋巴瘤	NA	深度学习, 决策树, 回归模型	图像	NA	NA	NA	NA	NA
10116	2025-12-02	Preserving and enhancing cultural heritage through art design using feature pyramid network optimized by modified builder optimization algorithm 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26564-2 PMID:41315302	研究论文	本文提出了一种结合特征金字塔网络和改进型建造者优化算法的深度学习框架，用于文化遗产艺术品的分类、修复与合成	首次将特征金字塔网络与改进型建造者优化算法相结合，并引入创新的仿生搜索策略优化超参数，提升了模型收敛性、性能与训练效率	研究仅基于WikiArt数据集，未涵盖所有文化遗产艺术形式；优化算法在更复杂场景下的泛化能力有待验证	通过数字技术保护和增强文化遗产，开发艺术品分类、修复与生成的新方法	文化遗产艺术品（绘画等视觉艺术作品）	计算机视觉	NA	深度学习，神经风格迁移	CNN, 生成模型	图像	WikiArt数据集（具体数量未说明）	未明确说明	Feature Pyramid Network (FPN)	准确率, PSNR, SSIM, FID	NA
10117	2025-12-02	The usage of artificial Intelligence-empowered text analysis model with convolutional neural network in english reading 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26720-8 PMID:41315338	研究论文	本研究首次在真实课堂环境中系统应用Text CNN模型，开发了一个集动态内容推荐与实时反馈于一体的教学辅助框架，以解决高中英语阅读教学中个性化不足的核心问题	首次在真实课堂环境中系统应用Text CNN模型，并开发了结合动态内容推荐与实时反馈的教学辅助框架	研究仅在2000篇文本的有限数据集上验证，模型在非结构化文本（如社交媒体帖子或法律文件）上的性能仍有待探索	解决高中英语阅读教学中个性化不足的问题，开发智能教学辅助工具	高中英语阅读教学与学生	自然语言处理	NA	深度学习，多尺度特征提取，注意力机制	CNN	文本	60名学生（分为实验组和对照组），2000篇文本数据集	NA	Text CNN	分类准确率，阅读理解平均分	NA
10118	2025-12-02	AI meets endodontics a deep learning approach to precision diagnosis 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26768-6 PMID:41315402	研究论文	本文提出了一种基于改进Swin Transformer的深度学习模型，用于牙髓病的精确诊断	采用改进的Swin Transformer架构，结合非重叠局部窗口和交替层中的移位窗口，实现分层注意力机制，并引入混沌粒子群优化与序列二次规划的混合方法进行超参数优化	未明确提及模型在临床实际应用中的泛化能力或外部验证结果	提高牙髓病的自动分类准确性，以辅助治疗规划和临床决策	牙髓病影像数据	计算机视觉	牙髓病	放射影像分析	Transformer	图像	基于公开的根管数据集，包含七类牙髓疾病，具体样本数量未明确	未明确指定，可能为PyTorch或TensorFlow	改进的Swin Transformer（MSViT）	分类准确率, 平均适应度值, 精确率, 均方误差, 计算时间	未明确指定，学习率为0.0001
10119	2025-12-02	Exploring the predictive performance of deep learning for fracturing fluid flowback and shale gas production 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26761-z PMID:41315455	研究论文	本文开发了一种结合CNN和Transformer网络的深度学习系统，用于预测页岩气产量和压裂液返排量	首次将CNN与Transformer网络结合，构建CNN-Transformer模型，以处理页岩气生产中的复杂两相流和噪声干扰问题	未明确提及模型的具体泛化能力或在不同地质条件下的适用性	预测页岩气产量和压裂液返排量，并分析两者之间的关系	页岩气生产数据和压裂液返排数据	机器学习	NA	深度学习	CNN, Transformer, LSTM, GRU	时间序列数据	NA	NA	CNN-Transformer, CNN-LSTM, CNN-GRU-AM	R², RMSE, R	NA
10120	2025-12-02	Comparative study of single and hybrid deep learning models for daily rainfall prediction in selected African cities 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26739-x PMID:41315470	研究论文	本研究比较了单一和混合深度学习模型在非洲选定城市日降雨量预测中的性能	首次在非洲多个城市中系统比较了单一深度学习模型（CNN、LSTM、ANN、RNN）与三种混合架构（RNN+ANN、LSTM+ANN、LSTM+RNN）的预测效果，并揭示了不同城市降雨动态的空间变异性	研究仅基于NASA MERRA-2再分析数据，未结合地面观测数据；模型性能评估限于四个误差指标，可能未全面反映预测质量；研究城市数量有限，结论的普适性有待进一步验证	评估和比较不同深度学习模型在日降雨量预测中的准确性和可靠性，以支持农业规划和粮食安全	非洲选定城市（如阿布贾、利伯维尔、拉巴特、比勒陀利亚等）的日降雨量及相关气象变量	机器学习	NA	深度学习建模	CNN, LSTM, ANN, RNN	时间序列气象数据	1980年1月1日至2024年12月31日的日尺度数据，按80/20比例划分训练验证集	NA	CNN, LSTM, ANN, RNN, RNN+ANN, LSTM+ANN, LSTM+RNN	MSE, RMSE, MAE, Huber loss	NA