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
1041	2025-12-08	Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering of frequency domain information : Of frequency domain information 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27332-y PMID:41345479	研究论文	本文提出了一种结合地质约束和频域信息滤波的卷积深度学习算法，用于识别多元素地球化学异常	开发了一种新颖的地质约束卷积深度学习算法，通过频域数据训练和Butterworth滤波增强特征提取能力，解决了传统2D CNN在多元素地球化学异常映射中的局限性	算法在特定区域（伊朗Robat Sefid地区）进行验证，可能在其他地质环境中的泛化能力未充分评估	高效检测与矿床相关的多元素地球化学异常	多元素地球化学数据表	机器学习	NA	地球化学分析	CNN	表格数据	NA	NA	一维卷积神经网络	成功率曲线	NA
1042	2025-12-08	Foundation model based prediction of lung cancer survival using temporal changes in dual time point CT scans 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26365-7 PMID:41339367	研究论文	本研究利用双时间点CT扫描和基础模型提取的特征来预测非小细胞肺癌患者的生存期	结合双时间点CT扫描的时间变化特征与基础模型，相比单时间点特征和临床数据，提高了生存预测的准确性	样本量较小（仅102名患者），且仅限于接受放射治疗的NSCLC患者，可能限制模型的泛化能力	预测非小细胞肺癌患者的生存期	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	随机森林, 梯度提升生存模型	图像	102名接受放射治疗的非小细胞肺癌患者，每人包含治疗前和治疗后CT扫描	NA	基础模型（具体架构未指定）	NA	NA
1043	2025-12-08	The reliability of remote photoplethysmography under low illumination and elevated heart rates 2025-Dec-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02192-y PMID:41339699	研究论文	本研究系统评估了远程光电容积描记术（rPPG）在低光照和心率升高条件下的可靠性，并引入了新的CHILL数据集	引入了首个专门针对低光照和运动诱发高心率条件的rPPG基准数据集CHILL，并首次系统揭示了现有rPPG算法对高心率的敏感性缺陷	研究样本量相对有限（45名参与者），且仅评估了八种算法，可能未涵盖所有rPPG方法	评估远程光电容积描记术在具有挑战性的现实环境条件下的可靠性和鲁棒性	远程光电容积描记术算法及其在心率估计中的应用	计算机视觉	心血管疾病	远程光电容积描记术，视频信号处理	深度学习模型，信号处理算法	视频，光电容积描记信号	45名参与者在两种光照条件（明亮和黑暗）下采集的数据，心率范围54-141次/分钟	NA	NA	心率估计准确性	NA
1044	2025-12-08	AI-based neoadjuvant immunotherapy response prediction across pan-cancer: a comprehensive review 2025-Dec-03, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-025-04063-8 PMID:41339875	综述	本文系统总结了基于人工智能（AI）的跨癌种新辅助免疫治疗（NIT）反应预测模型，包括间接和直接预测范式，并基于数据模态（如影像组学、病理组学、基因组学、多组学）对现有模型进行了分类	首次对跨癌种的AI驱动NIT反应预测方法进行了全面、系统的回顾，并提出了间接与直接预测范式的分类框架，以及基于多模态数据的模型分类	现有预测模型仍面临基于生物标志物和AI技术本身的重大挑战，如肿瘤异质性、数据可解释性、模型泛化能力等	总结和评估现有AI方法在预测新辅助免疫治疗反应方面的应用，以指导未来研究并推动AI在精准免疫治疗中的整合	跨多种癌症类型的新辅助免疫治疗（NIT）反应预测	机器学习	泛癌种	NA	机器学习（ML）, 深度学习（DL）	高维多模态肿瘤数据（如影像、病理、基因组学、多组学数据）	NA	NA	NA	NA	NA
1045	2025-12-08	Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27296-z PMID:41330999	研究论文	本研究提出了一种基于单细胞RNA测序数据识别泛癌基因集的方法，并通过深度学习模型验证其在多种下游任务中的优越性	首次提出利用单细胞RNA测序数据而非传统批量RNA测序数据来识别泛癌基因集，并结合高维加权基因共表达网络分析和XGBoost特征选择方法，显著提升了基因集在多种癌症下游任务中的预测性能	研究仅分析了13种癌症类型的181个肿瘤活检样本，样本量和癌症类型覆盖范围有限，且未在独立外部数据集上进行充分验证	开发一种基于单细胞RNA测序数据的特征选择方法，以优化泛癌研究中的下游任务预测性能	13种癌症类型的181个肿瘤活检样本的单细胞RNA测序数据，以及TCGA泛癌RNA测序数据	机器学习	泛癌研究	单细胞RNA测序, 批量RNA测序, 高维加权基因共表达网络分析	多层感知机, 图神经网络	基因表达数据	181个肿瘤活检样本（单细胞数据）及TCGA泛癌数据集	XGBoost, 深度学习框架（未指定具体名称）	多层感知机, 图神经网络	未明确指定具体指标，但涉及肿瘤突变负荷评估、微卫星不稳定性分类、突变预测、癌症亚型分型和分级等任务的性能比较	NA
1046	2025-12-08	A deep learning-based approach to enhance accuracy and feasibility of long-term high-resolution manometry examinations 2025-Dec-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01255-1 PMID:41331076	研究论文	本文提出了一种基于深度学习的自动分析方法，用于长期高分辨率测压检查，以提高诊断食管动力障碍的准确性和临床可行性	开发了一种深度学习管道，能够自动检测吞咽事件和非吞咽性动力障碍，并通过聚类将事件分类为代表性组，减少临床医生的分析负担	研究仅基于25个LTHRM样本，样本量相对较小，可能限制模型的泛化能力	提高长期高分辨率测压检查的准确性和临床可行性	食管动力障碍患者	数字病理学	食管动力障碍	高分辨率测压	深度学习	测压数据	25个长期高分辨率测压检查，包含超过23,000个专家标注事件	NA	NA	检测率	NA
1047	2025-12-08	A novel liver image classification network for accurate diagnosis of liver diseases 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17581-2 PMID:41331299	研究论文	本文提出了一种名为CMT-Net的新型混合网络，用于CT肝脏图像分类，以准确诊断正常肝脏、脂肪肝和肝硬化	提出CMT-Net混合网络，统一了CNN的局部感知、MLP的高维映射和Transformer的全局依赖，显著提升了分类准确性	未提及模型在外部数据集上的泛化能力或计算效率的具体评估	提高CT肝脏图像分类的准确性，以辅助肝脏疾病的精确诊断	CT肝脏图像，包括正常肝脏、脂肪肝和肝硬化三类	计算机视觉	肝脏疾病	CT成像	混合网络（CNN, MLP, Transformer）	图像	来自乌鲁木齐市人民医院影像科的三类肝脏疾病数据集，具体样本数量未明确	NA	CMT-Net（包含高效Transformer模块和混合MLP模块）	准确性	NA
1048	2025-12-08	Forensic gender and stature identification from footprint images using machine learning 2025-Dec-02, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112760 PMID:41352210	研究论文	本研究提出了一种基于图像分析和传统机器学习方法的自动化端到端方法，用于从脚印图像中进行性别分类和身高估计	采用图像预处理技术提取感兴趣区域，通过凸性和缺陷点识别脚趾和脚跟外部点，并系统比较了多种传统机器学习模型在法医脚印分析中的性能	训练数据集规模有限（396个脚印），样本多样性不足，未来需要纳入更多不同质量和人群的脚印示例以提高模型的泛化能力	开发自动化方法从脚印图像中推断性别和身高，以辅助法医调查	33名参与者（18名男性，15名女性，年龄18-48岁，身高148-182厘米）的396个脚印图像	机器学习	NA	图像分析	Logistic Regression, Gaussian Naive Bayes, K-Nearest Neighbor, Decision Tree Classifier, Support Vector Machine, XGBoost	图像	396个脚印图像，来自33名参与者	Scikit-learn	NA	准确率, MAE, RMSE	NA
1049	2025-12-08	Application of MR images in radiotherapy planning for brain tumor based on deep learning 2025-Dec, The International journal of neuroscience DOI:10.1080/00207454.2024.2352784 PMID:38712669	研究论文	本研究基于深度学习探索了MRI图像在脑肿瘤放疗计划中的功能与剂量计算准确性	采用U-NET深度学习模型建立MRI到CT图像的转换模型，用于放疗剂量计算，验证了其可行性与高精度	样本量相对较小（训练集105例，测试集8例），且仅针对脑肿瘤患者，未涉及其他肿瘤类型	探索MRI图像通过深度学习转换后用于放疗剂量计算的准确性与可行性	脑肿瘤患者	数字病理	脑肿瘤	MRI, CT	CNN	图像	131例脑肿瘤患者（训练集105例，调优集26例，测试集8例）	NA	U-NET	剂量参数差异（D98, D95, D2, Dmean），伽马通过率	NA
1050	2025-12-08	Explainable artificial intelligence predicts inflammatory and spatial heterogeneity from nasal polyp histology 2025-Dec, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2025.08.016 PMID:40902945	研究论文	本研究开发了一种基于组织学的可解释深度学习模型HE2Signature，用于从鼻息肉组织学图像中预测炎症基因特征和空间分子异质性	首次提出基于组织学的可解释深度学习模型，能够从H&E染色全切片图像预测炎症基因特征和空间分子异质性，为慢性鼻窦炎伴鼻息肉的内型导向精准医学提供临床适用框架	模型在外部验证队列中识别T2内型的性能（ROC值0.716）有待进一步提高，且研究样本主要来自4个医疗中心	开发基于组织学图像的深度学习模型，用于预测慢性鼻窦炎伴鼻息肉的炎症基因特征和空间模式	慢性鼻窦炎伴鼻息肉患者的鼻息肉组织样本	数字病理学	慢性鼻窦炎伴鼻息肉	转录组学分析，免疫组织化学	深度学习模型	图像，基因表达谱	训练集70例，内部验证队列30例，外部验证队列224例（来自4个医疗中心）	NA	HE2Signature	相关性分析，混淆矩阵分析，受试者工作特征曲线，AUC值	NA
1051	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
1052	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
1053	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
1054	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
1055	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
1056	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
1057	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
1058	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
1059	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
1060	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