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
10321	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
10322	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
10323	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
10324	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
10325	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
10326	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
10327	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
10328	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
10329	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
10330	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
10331	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
10332	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
10333	2025-12-02	A novel deep neural model for efficient and scalable historical place image classification 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26897-y PMID:41315472	研究论文	本文提出了一种名为HistoNet的新型混合深度学习框架，用于高效且可扩展的历史地点图像分类	提出了一种结合CNN、Transformer和Mamba状态空间模型的混合架构，具有线性时间复杂度，计算效率显著高于传统Transformer；集成了Squeeze-and-Exitation注意力模块和基于SHAP的可解释性方法，提供像素级归因图	未明确说明模型在更广泛地理区域或更古老建筑风格上的泛化能力，也未讨论模型对极低质量或严重损坏图像的鲁棒性	开发一个高效、可扩展且可解释的深度学习系统，用于历史地点图像分类，以促进文化遗产的数字保护	历史地点和建筑的图像	计算机视觉	NA	NA	CNN, Transformer, Mamba	图像	NA	NA	VGG16, ResNet50, HistoNet（自定义混合架构）	准确率	NA
10334	2025-12-02	Computed tomography-based nnU-Net for region-specific brain structural changes across the alzheimer's continuum and frontotemporal dementia subtypes 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26604-x PMID:41315482	研究论文	本研究开发了一种基于nnU-Net的深度学习框架，利用计算机断层扫描（CT）进行脑部分割，以评估脑脊液体积变化作为组织损失的间接标志物，并在阿尔茨海默病（AD）阶段和额颞叶痴呆（FTD）亚型中评估其效用	首次使用CT图像结合nnU-Net进行脑部分割，以脑脊液体积变化作为间接标志物，评估神经退行性疾病的结构变化，并应用于AD连续体和FTD亚型的鉴别诊断	研究依赖于CT图像，其分辨率可能低于MRI，且脑脊液体积变化仅为组织损失的间接标志物，可能无法直接反映所有结构变化	开发一种基于CT的深度学习框架，用于评估神经退行性疾病中的脑结构变化，以支持早期检测和鉴别诊断	2357名参与者，包括认知未受损者、轻度认知障碍者、阿尔茨海默型痴呆患者以及额颞叶痴呆亚型患者	数字病理学	阿尔茨海默病, 额颞叶痴呆	计算机断层扫描（CT）, 3D T1加权磁共振成像（MRI）	CNN	图像	2357名参与者	nnU-Net	nnU-Net	Dice相似系数（DSC）, 相关性分析, Bland-Altman分析	NA
10335	2025-12-02	Demand forecasting of smart tourism integrating spatial metrology and deep learning 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26830-3 PMID:41315535	研究论文	本文提出了一种融合空间计量经济学模型与深度学习的智能旅游需求预测框架，旨在提升预测的动态感知能力和准确性	提出了一种将空间计量模型（用于构建地理依赖结构）与LSTM网络（用于时间序列建模）相融合的联合预测框架，在时间序列建模与空间结构识别之间取得了平衡	NA	提升智能旅游场景下旅游需求预测的动态感知能力和准确性	旅游需求	机器学习	NA	NA	LSTM	游客流量数据，在线旅游行为数据，GPS轨迹数据	使用了三类数据集：北京景区游客流量数据、携程在线旅游行为数据和GeoLife GPS轨迹数据	NA	LSTM	MAE, RMSE, MAPE, R, 残差Moran's I, 空间R	NA
10336	2025-12-02	FlameGuard: an AI-driven smart map for early detection and management of agricultural fires in Saudi Arabia 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28814-9 PMID:41315554	研究论文	本研究提出了一个名为FlameGuard的地理空间AI框架，用于利用热卫星图像数据对农业火灾置信度进行分类和早期检测	开发了一个集成了基于光谱规则的模型（SAFD）、机器学习、深度学习以及基于Transformer的大语言模型（LLM）的多模型预测架构，实现了高精度（最高100%）和亚小时级延迟的火灾检测，超越了现有系统	未明确说明模型在极端天气条件或不同地理环境下的泛化能力，也未详细讨论系统部署的长期维护和更新成本	开发一个先进的、可扩展的AI驱动系统，用于沙特阿拉伯农业火灾的早期检测和管理	沙特阿拉伯干旱和半干旱地区的农业火灾	计算机视觉, 机器学习	NA	热卫星遥感成像	Random Forest, XGBoost, 神经网络, Transformer-based LLM	热卫星图像	NA	Keras, TensorFlow/PyTorch (推断)	自定义神经网络, Minos, ViRanker	准确率, F1分数, 期望校准误差 (ECE), 训练时间, 推理延迟	NA
10337	2025-12-02	CIRCA: comprehensible online system in support of chest X-rays-based screening by COVID-19 example 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26895-0 PMID:41315612	研究论文	本文提出了一个名为CIRCA的在线系统，用于支持基于胸部X光片的筛查，并以COVID-19为例进行验证	开发了一个综合管道，包括肺部分割、数据异质性定量评估以及使用卷积网络和放射组学特征的分层三分类决策系统，并识别了每个类别的放射组学亚型	系统在特定亚型（如N3、C3和P3）的阳性预测值较低，且可能受数据集特定亚型比例影响泛化能力	开发一个可理解的在线系统，以支持基于胸部X光片的疾病筛查，特别是针对COVID-19	胸部X光片图像	数字病理学	COVID-19	胸部X光成像	CNN	图像	使用6个不同数据集	未指定	未指定	准确率, NPV, PPV	NA
10338	2025-12-02	Assessing the performance of a Trombe wall enhanced with phase change material using deep learning 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26886-1 PMID:41315635	研究论文	本文开发了一种结合CNN和LSTM的深度学习模型，用于预测相变材料增强型特朗伯墙的热效率	提出了一种结合CNN和LSTM的深度学习模型来预测相变材料增强型特朗伯墙的热效率，该模型在热行为预测中考虑了相变材料的热存储能力，并展示了良好的泛化能力	NA	开发可靠的深度学习预测模型以确定相变材料增强型特朗伯墙的热效率	相变材料增强型特朗伯墙的热效率	机器学习	NA	NA	CNN, LSTM	时间序列数据（包括温度、湿度、风速、太阳辐射强度等）	NA	NA	CNN+LSTM	决定系数, 平均绝对误差, 均方根误差	NA
10339	2025-12-02	Deep learning-based classification of benign and malignant breast microcalcifications in mammography 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27149-9 PMID:41315645	研究论文	本研究评估了ResNet和EfficientNet模型在乳腺X线摄影中良恶性微钙化分类的性能	首次系统比较了ResNet和EfficientNet模型在乳腺微钙化分类任务中的表现，并发现EfficientNet模型显著优于ResNet变体	研究仅基于单一数据集，且未考虑其他深度学习架构或更广泛的临床变量	评估不同深度学习模型在乳腺X线摄影中良恶性微钙化分类的性能	乳腺X线摄影图像中的微钙化区域	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	3,674张乳腺X线摄影切片	NA	ResNet-50, ResNet-101, EfficientNet-B0, EfficientNet-B1, EfficientNet-B2, EfficientNet-B3, EfficientNet-B4	准确率, AUC, 加权F1分数	NA
10340	2025-12-02	A deep learning-based intelligent curriculum system for enhancing public music education: a case study across three universities in Southwest China 2025-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27153-z PMID:41315653	研究论文	本研究介绍了一个基于深度学习的智能课程系统，用于提升中国西南地区高校的公共音乐教育质量	利用LSTM和Transformer模型分析实时学习数据，预测掌握趋势，并通过云端界面提供个性化反馈，为艺术教育在文化多样、数据稀缺环境中的AI整合提供了可扩展解决方案	研究仅在中国西南地区三所大学进行，样本范围有限，且未详细讨论长期效果或系统在不同文化背景下的普适性	通过AI技术增强公共音乐教育，响应国家美育改革，并探索在艺术教育中集成先进计算的方法	中国西南地区三所大学（贵州民族大学、贵州大学、西昌大学）的学生	自然语言处理	NA	深度学习	LSTM, Transformer	学习行为数据	三所大学的学生群体，具体数量未明确	未明确指定，但提及云端界面	LSTM, Transformer	后测掌握分数提升百分比（32%更高），预测模型准确度（RMSE < 0.15）	云端平台