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
1061	2025-12-06	Low-dose CBCT image reconstruction: a review 2025-Dec-05, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-025-02492-y PMID:41348234	综述	本文深入分析了低剂量锥束计算机断层扫描（CBCT）图像重建领域的最新研究进展	系统性地综述了低剂量CBCT图像重建中解析重建算法、迭代重建算法和深度学习方法的进展、特点与应用，并指出了当前技术的挑战与未来方向	作为一篇综述，其本身不包含原创性实验或新模型验证，主要基于现有文献进行分析	旨在通过综述低剂量CBCT图像重建技术，推动该领域发展，在降低患者辐射风险的同时保持图像质量	低剂量CBCT图像重建的相关算法与方法	医学影像处理	NA	锥束计算机断层扫描（CBCT）	NA	CBCT图像	NA	NA	NA	NA	NA
1062	2025-12-06	Radiological Image and Text-Based Medical Concept Detection in Social Networks Using Hybrid Deep Learning 2025-Dec-05, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02311-y PMID:41348245	研究论文	本研究利用混合深度学习模型，从社交媒体中的放射学图像及其相关评论中自动检测和分类医学概念	首次将深度学习模型应用于从社交媒体收集的放射学数据，进行多标签医学概念分类	未提及具体的数据偏差或模型泛化能力限制	通过自动分配相关医学概念，对社交媒体上的放射学图像进行多标签分类	社交媒体上的放射学图像及其相关评论	计算机视觉	NA	深度学习	CNN, 前馈神经网络	图像, 文本	使用ImageCLEF 2019数据集和自定义数据集Rdpd_Test_Ds	NA	VGG-19, DenseNet-121, ResNet-101, Xception, Efficient-B7	精确率, 召回率, F1分数	NA
1063	2025-12-06	Bioinformatics and artificial intelligence in genomic data analysis: current advances and future directions 2025-Dec-05, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-025-02314-x PMID:41348251	综述	本文全面综述了人工智能（特别是机器学习和深度学习）在基因组数据分析中的应用、当前进展与未来方向	系统整合了AI在基因组分析全流程（从变异检测到多组学整合和个性化医疗）的应用，并批判性评估了可解释AI和联邦学习等新兴技术	面临数据标准化、计算成本高、算法可解释性不足以及隐私和算法偏见等伦理挑战	探讨人工智能如何变革基因组数据分析，并解决传统生物信息学方法的关键局限	2010年至2024年间发表的同行评审研究，涵盖PubMed、Scopus和Google Scholar数据库	生物信息学, 机器学习	NA	下一代测序	机器学习, 深度学习	基因组数据	NA	NA	NA	准确性	NA
1064	2025-12-06	Photon-Counting Detector CT of the Brain Reduces Variability of Hounsfield Units and Has a Mean Offset Compared with Energy-Integrating Detector CT 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8910 PMID:40592542	研究论文	本研究比较了光子计数探测器CT与能量积分探测器CT在脑部成像中Hounsfield单位的变异性、灰质与白质对比及图像噪声	首次使用基于深度学习的自动化脑部分割技术，系统比较了新型光子计数探测器CT与传统能量积分探测器CT在脑组织衰减测量精度和图像质量方面的差异	研究为回顾性设计，未包含脑部病理患者，且未探讨窗口预设调整的临床影响	评估光子计数探测器CT技术在脑部成像中对组织衰减值测量精度和图像质量的改进效果	接受脑部CT扫描的无脑部病理患者	医学影像分析	NA	CT成像，深度学习分割	深度学习模型	CT图像	总计509名患者（EID-CT组329名，PCD-CT组180名），年龄匹配子集157名	NA	NA	Hounsfield单位，灰白质比率，对比噪声比	NA
1065	2025-12-06	Artificial Intelligence-Driven Detection of Large Vessel Occlusions on NCCT: A Multi-Institutional Study 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8923 PMID:41067911	研究论文	本研究评估了深度学习算法“Triage Stroke”在非增强CT上检测前循环大血管闭塞的能力，通过多机构数据验证其性能	首次在多机构研究中验证了深度学习算法在非增强CT上自动检测大血管闭塞的性能，并证明其优于放射科医生，尤其在结合NIHSS评分时优化了预测价值	研究仅针对前循环大血管闭塞，样本量相对有限（612例），且未涵盖所有卒中类型或后循环病变	评估深度学习算法在非增强CT影像中识别急性缺血性卒中患者前循环大血管闭塞的预测能力	疑似急性缺血性卒中的患者，包括有和无前循环大血管闭塞的平衡队列	数字病理学	心血管疾病	非增强CT成像	深度学习算法	医学影像	612名患者，来自3个美国综合卒中中心	NA	Triage Stroke	灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC	NA
1066	2025-12-06	An automated classification of brain white matter inherited disorders (Leukodystrophy) using MRI image features 2025-Dec-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2336 PMID:41285048	研究论文	本研究提出了一种基于MRI图像特征的自动化分类方法，用于诊断脑白质遗传性疾病（脑白质营养不良症）	首次将深度学习CNN模型（特别是InceptionV3）应用于3D脑MRI图像，对五种主要脑白质营养不良亚型进行自动化分类，并系统比较了传统机器学习与深度学习方法的表现	研究样本量相对较小（115例患者），仅包含五种主要亚型，可能无法涵盖所有脑白质营养不良变异类型	开发可靠的自动化工具，辅助神经科医生进行脑白质营养不良症的鉴别诊断	115名确诊脑白质营养不良症患者的脑部MRI图像，涵盖五种主要亚型	医学影像分析	脑白质营养不良症	脑部MRI成像	传统机器学习算法, CNN	3D MRI图像	115例患者	NA	InceptionV3	准确率, 精确率, 召回率, 特异性, F1分数, AUC	NA
1067	2025-12-06	Semantic Correspondence: Unified Benchmarking and a Strong Baseline 2025-Dec-04, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3640429 PMID:41343305	综述	本文首次对语义对应方法进行了全面综述，提出了一种分类法，汇总了各方法在多个基准测试上的结果，并提出了一个简单有效的基线模型	提出了首个语义对应方法的广泛综述，创建了统一的分类法和性能比较表，并通过控制实验深入分析了不同方法的组件有效性，同时提出了一个在多个基准测试上达到最先进性能的简单基线模型	NA	对语义对应任务进行全面综述、分析和基准测试，为该领域提供统一的评估框架和强基线	语义对应方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
1068	2025-12-06	Better Image Filter for Pansharpening 2025-Dec-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637675 PMID:41343325	研究论文	本文提出了一种基于深度学习的对称框架，用于寻找比传统调制传递函数定制滤波器更优的图像滤波器，以提升全色锐化的性能与泛化能力	提出了基于深度学习的对称框架，通过嵌入可学习的各向异性高斯滤波器与任意图像滤波器来模拟最优图像滤波器，并能捕捉图像间的细微偏移并保持全局变形场的平滑性	未明确说明模型在极端成像条件或噪声环境下的鲁棒性，也未讨论计算复杂度与实时处理能力的权衡	寻找比传统MTF-TIF更优的图像滤波器，以提升全色锐化方法的性能与泛化一致性	全色图像与多光谱图像	计算机视觉	NA	全色锐化	深度学习框架	卫星图像	多个卫星数据集（未指定具体数量）	NA	对称深度学习框架	泛化能力、全色锐化性能	NA
1069	2025-12-06	InfoARD: Enhancing Adversarial Robustness Distillation with Attack-Strength Adaptation and Mutual-Information Maximization 2025-Dec-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3637689 PMID:41343323	研究论文	本文提出了一种名为InfoARD的对抗性鲁棒性蒸馏方法，通过攻击强度自适应和互信息最大化增强紧凑模型的对抗鲁棒性	引入了攻击强度自适应机制以动态调整攻击强度，并采用互信息最大化策略确保学生模型从多层次特征表示和注意力模式中有效学习	未明确说明方法在极端攻击场景下的性能或计算开销	提高深度神经网络对抗对抗攻击的鲁棒性，通过教师-学生交互保护紧凑模型	深度神经网络模型，特别是教师和学生模型在对抗性环境中的交互	机器学习	NA	对抗性蒸馏，对抗性训练	深度神经网络	图像数据（基于数据集推断）	NA	NA	NA	对抗鲁棒性评估指标（未具体说明）	NA
1070	2025-12-06	BayesOpGAN: A Bayesian-Optimized GAN Framework with Fourier-Based Evaluation for Quality-Controlled Raman Spectral Data Augmentation 2025-Dec-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04540 PMID:41344223	研究论文	本文提出了一种名为BayesOpGAN的生成对抗网络框架，用于从小样本（少于30个）中生成高质量的拉曼光谱数据，以解决深度学习模型在小数据集上过拟合和泛化能力差的问题	引入了贝叶斯优化的损失函数（BayesOpLoss）和平滑上采样模块，并采用傅里叶距离作为一维信号的频域度量来定量评估生成光谱的质量	生成数据量超过一定范围会降低分类器性能，存在最佳增强范围，且研究主要基于RRUFF拉曼数据库的混合质量数据集	开发一种可靠且可扩展的小样本光谱数据增强方法，以提升拉曼光谱分类模型的性能	拉曼光谱数据	机器学习	NA	拉曼光谱	GAN	光谱数据（一维信号）	少于30个样本	NA	GAN, ResNet-50	准确率, 傅里叶距离	NA
1071	2025-12-06	Application of Deep Learning-Based Multimodal Data Fusion for the Diagnosis of Skin Neglected Tropical Diseases: Systematic Review 2025-Dec-04, JMIR AI DOI:10.2196/67584 PMID:41344666	综述	本文对基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关疾病诊断中的应用进行了系统性回顾	首次系统性地回顾了深度学习多模态数据融合方法在皮肤被忽视热带病诊断中的应用，并分析了伦理风险和潜在偏倚风险	目前相关研究数量较少（仅14篇），数据稀缺，且算法选择、融合策略及在资源有限地区的应用仍需进一步探索	评估深度学习多模态数据融合方法在皮肤被忽视热带病及相关非热带皮肤疾病诊断中的有效性、应用现状及未来方向	皮肤被忽视热带病及相关非热带皮肤疾病	计算机视觉	皮肤被忽视热带病	NA	CNN, Transformer, RNN, 生成模型	多模态数据（如图像、文本等）	NA	NA	基于CNN的模型, Transformer, RNN, 生成模型	NA	NA
1072	2025-12-06	Sleep-wakeup based secure multipath routing in wsn using fennec fox optimized deep learning framework 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30622-0 PMID:41345208	研究论文	提出一种基于睡眠唤醒的安全多路径路由框架，用于降低无线传感器网络的能耗并延长其寿命	结合Fennec Fox优化算法与深度学习模型（TCN-BiGRU）进行簇头选择和路径预测，并引入动态睡眠唤醒调度机制	未提及框架在异构网络或大规模部署中的性能表现	提高无线传感器网络的能量效率和安全性	无线传感器网络中的传感器节点	机器学习	NA	NA	深度学习, 优化算法	网络路由数据	NA	NA	TCN-BiGRU	能耗降低百分比, 延迟降低百分比	NA
1073	2025-12-06	Comparative performance of deep learning models and non-dermatologists in diagnosing psoriasis, dermatophytosis, and eczema 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29562-6 PMID:41345213	研究论文	本研究开发并评估了基于宏观临床图像的深度学习模型，用于分类银屑病、湿疹和皮肤癣菌病，并与非专科医生的诊断性能进行比较	首次使用Swin模型在皮肤科图像分类任务中展示最佳性能，并通过Grad-CAM可视化验证模型关注临床相关病变特征，同时与非专科医生进行初步比较	样本量有限（仅30张图像和30名评估者），结果应视为探索性，需要更大数据集和多样化的临床医生队列来验证	开发深度学习模型以准确区分银屑病、湿疹和皮肤癣菌病，并评估其与非专科医生的诊断性能差异	宏观临床图像，涵盖银屑病、湿疹和皮肤癣菌病三种皮肤疾病	计算机视觉	皮肤疾病	宏观临床图像采集	深度学习模型	图像	2940张图像（来自公共数据集、Siriraj皮肤病数据库和泰国参与者新收集图像），以及30张图像用于与非专科医生比较	NA	Swin	诊断准确性	NA
1074	2025-12-06	Digital twin-driven deep learning prediction and adaptive control for coal mine ventilation systems 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30513-4 PMID:41345224	研究论文	本研究提出了一种结合数字孪生技术、深度学习预测模型和自适应控制策略的集成框架，用于实现煤矿通风系统的智能管理	开发了LSTM-Attention混合神经网络来预测通风参数，并设计了自适应模型预测控制策略以动态优化风机操作和调节器位置	NA	实现煤矿通风系统的智能管理，提升安全性、效率和可持续性	煤矿通风系统	机器学习	NA	数字孪生技术，深度学习	LSTM, Attention	时间序列数据	在一个运营煤矿进行了为期八个月的现场验证	NA	LSTM-Attention混合神经网络	平均绝对百分比误差，决定系数，控制准确率	NA
1075	2025-12-06	Artificial intelligence-assisted prediction of Demodex mite density in facial erythema 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29791-9 PMID:41345235	研究论文	本研究开发并评估了用于预测面部红斑中蠕形螨密度的深度学习模型DemodexNet，并评估了其对皮肤科医生诊断性能的影响	开发了首个基于深度学习的非侵入性、自动化预测面部红斑中蠕形螨密度的模型，并证明了AI辅助能显著提升皮肤科医生的诊断准确性，特别是对经验较少的医生	概念验证研究仅限于韩国患者（Fitzpatrick皮肤类型III-IV），需要在更广泛人群中验证后才能进行更广泛的临床应用	预测面部红斑中的蠕形螨密度并提升皮肤科医生的诊断准确性	面部红斑患者	数字病理学	皮肤疾病	深度学习	CNN	图像	1,124名患者	NA	DemodexNet	AUC	NA
1076	2025-12-06	An efficient dimensionality reduction framework using metaheuristic optimization with deep learning models for amyotrophic lateral sclerosis disease progression prediction 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30913-6 PMID:41345272	研究论文	本文提出了一种结合元启发式优化和深度学习模型的降维框架，用于预测肌萎缩侧索硬化疾病的进展	提出了一种新的降维框架DRMODL-ALSDP，整合了二元剑鱼移动优化算法进行特征选择，以及结合时间卷积网络、长短期记忆网络和注意力机制的混合模型进行分类，并使用海洋捕食者算法进行超参数优化	NA	为肌萎缩侧索硬化疾病的进展预测提供有效的模型	肌萎缩侧索硬化疾病患者数据	机器学习	肌萎缩侧索硬化	深度学习，机器学习，人工智能	TCN, LSTM	NA	NA	NA	时间卷积网络，长短期记忆网络	准确率	NA
1077	2025-12-06	SATrans-Net: Sparse Attention Transformer for EEG-based motor imagery decoding 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30806-8 PMID:41345285	研究论文	本文提出了一种名为SATrans-Net的端到端框架，用于基于EEG的运动想象解码，通过建模长序列依赖关系来提升解码性能	将Top-K稀疏注意力机制融入Transformer架构，以改进长程建模并降低计算成本，同时融合局部和全局特征	未在摘要中明确提及	提升基于脑电图信号的运动想象解码的准确性和可解释性	脑电图信号	机器学习	运动障碍	脑电图	Transformer	信号	使用了三个公开数据集：BCI IV-2a、BCI IV-2b和High-Gamma数据集	未在摘要中明确提及	SATrans-Net	准确率	未在摘要中明确提及
1078	2025-12-06	Comparison of imaging-based bone marrow dosimetry methodologies and their dose-effect relationships in [177Lu]Lu-PSMA-617 RLT including a novel method with active marrow localization 2025-Dec-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-025-00816-6 PMID:41345337	研究论文	本研究比较了四种基于图像的骨髓剂量学方法在[177Lu]Lu-PSMA-617放射性配体治疗中的应用，并评估了它们与血液计数变化之间的剂量效应关系	提出了一种结合[68Ga]Ga-PSMA-11 PET/CT和[99mTc]Tc-硫胶体SPECT/CT进行肿瘤和骨髓定位的新型剂量学方法，并首次在蒙特卡洛剂量计算中考虑了肿瘤对海绵骨的浸润	样本量较小，特别是新型方法仅适用于12名患者，且研究仅基于治疗第一周期的数据，未评估多周期累积效应	建立准确的骨髓剂量学方法，以指导患者特异性治疗并预测血液学毒性	接受[177Lu]Lu-PSMA-617放射性配体治疗的转移性前列腺癌患者	数字病理	前列腺癌	SPECT/CT, PET/CT, 深度学习分割, 蒙特卡洛模拟	深度学习模型	医学影像（CT, SPECT, PET）	20名患者用于方法1-3，12名患者用于方法4	NA	NA	斯皮尔曼等级相关系数	NA
1079	2025-12-06	Benchmarking all-atom biomolecular structure prediction with FoldBench 2025-Dec-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67127-3 PMID:41345395	研究论文	本文介绍了FoldBench，一个用于评估全原子生物分子结构预测模型的综合性基准数据集，并分析了当前模型在多种生物分子相互作用任务上的性能与局限性	提出了一个覆盖九种不同预测任务、包含1522个生物组装的广泛基准数据集FoldBench，首次系统评估了全原子结构预测模型在多种生物分子实体（如蛋白质、核酸、配体、离子）上的性能	基准数据集可能未覆盖所有生物分子类型或相互作用，且当前模型在抗体-抗原预测等任务上失败率仍超过50%，表明领域存在持续挑战	为生物分子复合物结构预测领域提供公平、严谨的模型性能评估基准，推动未来模型开发与改进	生物分子复合物，包括蛋白质、核酸、配体、离子及其相互作用	机器学习	NA	深度学习	全原子结构预测模型	生物分子结构数据	1522个生物组装	NA	AlphaFold 3	配体对接准确性、失败率	NA
1080	2025-12-06	ReHA-Net: a ReVIN-hybrid attention network with multiscale convolution for robust EEG artifact removal in brain-computer interfaces 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28855-0 PMID:41345432	研究论文	本文提出了一种名为ReHA-Net的深度学习框架，用于脑电信号中伪影的鲁棒去除	结合了U-Net编码器-解码器结构、混合注意力机制（时空频）、多尺度可分离卷积块以及可逆实例归一化，以增强跨被试泛化能力	未明确提及	开发一种鲁棒的脑电信号去噪方法，以提升脑机接口中信号质量	脑电信号	机器学习	NA	脑电图	深度学习	时间序列信号	基于增强的EEGdenoiseNet数据集	NA	U-Net	峰值信噪比, 信噪比, 相关系数, 相对均方根误差	NA