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
1101	2025-12-11	Unifying proteomic technologies with ProteinProjector 2025, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf266 PMID:41357305	研究论文	本文开发了一个名为ProteinProjector的自监督深度学习框架，用于整合多种蛋白质组学数据模态，以统一映射蛋白质的亚细胞定位	提出了一种灵活的自监督深度学习框架，能够整合任意数量的蛋白质组学数据模态，生成统一的蛋白质位置图谱，显著提高了图谱覆盖范围和准确性	NA	整合多种蛋白质组学技术，以更全面地理解蛋白质的亚细胞组织	HEK293人胚胎肾细胞中的蛋白质	机器学习	NA	蛋白质亲和纯化、邻近连接、尺寸排阻色谱质谱（AP-MS, PL-MS, SEC-MS）以及蛋白质荧光成像	自监督深度学习	质谱数据、图像数据	NA	NA	NA	已知复合物的恢复率、正交功能和物理关联的恢复率	NA
1102	2025-12-11	Classifying abnormalities in chest radiographs from Vietnam using deep learning for early detection of cardiopulmonary diseases 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1703927 PMID:41357464	研究论文	本研究旨在开发一个基于越南胸部X光片数据的AI模型，用于早期检测心肺疾病的异常分类	首次使用越南胸部X光片数据进行AI模型开发，针对越南高负担的感染性和非传染性疾病进行早期检测	未提及模型在其他地区或人群中的泛化能力，以及数据集的潜在偏差	开发一个AI模型，用于分类越南胸部X光片中的正常和异常图像，以早期检测心肺疾病	越南两个机构的胸部X光片数据，包括正常和异常病例	计算机视觉	心肺疾病	胸部X光成像	Vision Transformer, EfficientNetV2, Light Gradient Boosting Machine	图像	17,471例（12,827例正常，4,644例异常）	未明确指定，可能涉及PyTorch或TensorFlow	Vision Transformer, EfficientNetV2	F1分数, 灵敏度, 特异性, 准确率, AUC	未提及
1103	2025-12-11	Integration of intratumoral/peritumoral radiomics and deep learning for predicting overall survival in non-small cell lung cancer patients: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1669200 PMID:41357593	研究论文	本研究开发了一个结合瘤内/瘤周影像组学特征和3D深度学习特征的多中心模型，用于预测非小细胞肺癌患者的总生存期	提出了一种结合瘤内/瘤周影像组学特征和3D深度学习特征的集成模型，并引入了3D-SE-ResNet网络来提取深度学习特征，通过多维特征整合提高了生存预测的准确性	研究为回顾性设计，样本量相对有限（303例），且仅基于CT影像数据，未考虑其他临床或分子生物学因素	改善接受放疗的非小细胞肺癌患者的总生存期预测，为个性化放疗策略提供新工具	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	深度学习	图像	303例来自三个中心的非小细胞肺癌患者	NA	3D-SE-ResNet	C-index, AUC	NA
1104	2025-12-11	Automated predictive framework using AI and deep learning approaches for early detection and classification of liver cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1650800 PMID:41357578	研究论文	本研究提出了一种名为LiverCompactNet的深度学习框架，用于肝病的早期检测和分类	开发了LiverCompactNet这一先进的深度学习框架，实现了对肝脏图像的高精度分类，并在早期检测肝病方面表现出色	未直接对原始成像数据或CNN训练输入应用PCA，可能限制了特征提取的全面性	旨在通过AI和深度学习技术实现肝病的早期检测和分类，以提升医疗图像分析和临床决策	肝脏图像，包括良性、恶性和正常三类	计算机视觉	肝癌	深度学习，主成分分析（PCA）	CNN	图像	5000张肝脏图像（1500张良性，1500张恶性，2000张正常），分为训练集（3500）、验证集（750）和测试集（750）	NA	LiverCompactNet	准确率，敏感性，特异性，精确率，AUC-ROC分数	NA
1105	2025-12-11	Transfer Learning Strategies for Cardiovascular Disease Detection in ECG Imagery 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251397812 PMID:41358268	研究论文	本研究提出了一种名为HeProbAtt BiGRU Net的新型AI驱动模型，用于从心电图图像中自动分类和预测冠状动脉钙化评分，旨在提高心血管疾病检测的准确性和效率	提出了一种结合注意力机制和概率权重的改进型BiGRU网络架构（HeProbAtt BiGRU Net），用于同时执行分类和回归任务，增强了学习效率和决策精度	研究基于单一中心的数据集，未来需要在更大规模、多中心数据集上进行验证，并缺乏临床可解释性特征的整合	开发一种深度学习模型，用于自动分类和预测冠状动脉钙化评分，以改进当前自动评分系统，减少误差和偏差，并辅助临床决策	来自大不里士医科大学的14,127个非对比计算机断层扫描切片数据集，用于心血管疾病检测	计算机视觉	心血管疾病	非对比计算机断层扫描	CNN, BiGRU	图像	14,127个NCCT切片	NA	DenseNet201, InceptionV3, HeProbAtt BiGRU Net	准确率, 精确率, 召回率, F1分数, ROC-AUC, 平均绝对误差, 均方根误差	NA
1106	2025-12-11	CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1664242 PMID:41358337	研究论文	本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花病害检测	开发了结合多头注意力机制的深度学习框架，以增强特征学习并突出病害区域，提高了检测准确性和可解释性	未明确说明模型在多样化环境条件下的泛化能力或数据集的规模限制	构建深度学习模型以自动检测棉花作物中的病害，确保健康作物生长和提高产量	棉花叶片中的病理症状	计算机视觉	棉花病害	NA	深度学习模型，多头注意力机制	图像	NA	TensorFlow, PyTorch, Keras	VGG16, VGG19, InceptionV3, Xception, MobileNet	准确率，效率	NA
1107	2025-12-11	Integrating meteorological and breeding data to predict maize yields using machine learning algorithms 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1722068 PMID:41358345	研究论文	本研究开发了一种机器学习模型，通过整合气象数据和育种值来预测玉米杂交种产量	将气象数据与基于BLUP方法估计的育种值相结合，利用机器学习算法进行玉米产量预测，提供了一种成本效益高且高效的预测框架	模型性能仍有提升空间（R²为0.64），且可能受限于数据集规模和计算资源需求	预测玉米杂交种产量，以支持全球粮食安全和精准农业决策	玉米杂交种	机器学习	NA	BLUP（最佳线性无偏预测）方法	Random Forest, XGBoost, Support Vector Regression, Gaussian Process Regression	气象数据、育种数据	NA	Scikit-learn（推断，因使用常见ML算法）	Random Forest, XGBoost, SVR, GPR	R², RMSE, MAE, RRMSE, MAPE	NA
1108	2025-12-11	Correction: Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1744006 PMID:41368236	correction	本文是对一篇关于深度学习算法在非对比脑部CT报告分类中诊断精度的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1109	2025-12-10	Attention-guided deep learning-machine learning and statistical feature fusion for interpretable mental workload classification from EEG 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10392-1 PMID:41362309	研究论文	本文提出了一种新颖的混合深度学习与XGBoost堆叠集成框架，用于从脑电图信号中进行可靠且可解释的心理负荷分类	提出了一种结合CNN-BiLSTM-Attention深度学习分支与XGBoost机器学习分支的双分支混合堆叠集成框架，并利用逻辑回归进行预测融合，以同时提升分类性能和模型可解释性	未明确提及模型的计算复杂度、实时性评估或在更广泛数据集上的泛化能力限制	开发一种可靠且可解释的心理负荷分类方法，用于实时认知监测	脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM, XGBoost	时间序列信号	STEW和EEGMAT两个公开数据集	NA	CNN-BiLSTM-Attention	分类准确率	NA
1110	2025-12-10	Tremor estimation and filtering in robotic-assisted surgery 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10387-y PMID:41362307	研究论文	本文提出了一种基于深度学习的预测方法，用于估计和过滤机器人辅助手术中的手部震颤信号	提出了一种结合双向LSTM和时序卷积网络以提取震颤信号长短期特征的集成方法，并引入遗传算法优化时间步长和末端数据补偿策略	方法仅在虚拟手术环境中通过缝合实验进行评估，缺乏真实临床场景的验证	通过测量和建模震颤信号来抑制手术机器人操作中的手部震颤，提高手术精度	外科医生在手术过程中产生的自发手部震颤信号	机器学习	NA	传感器信号测量与建模	LSTM, TCN	时序信号数据	NA	NA	双向LSTM网络, 时序卷积网络	震颤信号估计误差	NA
1111	2025-12-10	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2026-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题	采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建	方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力	开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法	3D时间飞行磁共振血管成像数据	医学影像重建	NA	磁共振成像，时间飞行血管成像	深度学习，变分网络	k空间数据，图像数据	5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据	NA	3D变分网络	重建质量，伪影减少，血管细节保留	NA
1112	2025-12-10	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-Jan, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文综述了如何利用新生儿重症监护室中的床边摄像头，结合深度学习技术，辅助临床医生对扭动期婴儿进行无创、可扩展的全身运动评估	提出将新生儿监护室中已广泛用于亲子连接的床边RGB摄像头，与深度学习技术结合，为自动化全身运动评估提供了一种新颖、可扩展的非接触式解决方案	本文为文献综述，未进行具体的模型开发或临床验证，其提出的技术路径的有效性和实用性有待后续实证研究确认	探索利用床边摄像头视频数据结合深度学习技术，实现计算机辅助的全身运动评估，以改进早期神经发育筛查	新生儿（扭动期婴儿）的全身运动视频数据	计算机视觉	新生儿神经发育障碍	视频采集（RGB摄像头）	深度学习模型（具体模型未指定）	视频	NA	NA	NA	NA	NA
1113	2025-12-10	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-Jan, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	本文全面回顾了妇科细胞学筛查中商业AI软件的现状、性能及其与临床工作流的整合	系统性地评估了商业AI解决方案在妇科细胞学（尤其是宫颈癌筛查）中的应用潜力、临床影响及整合挑战，为AI在该领域的实际部署提供了全面视角	本文为综述性文章，未涉及原始实验数据或新模型开发，主要基于现有商业产品和文献进行分析	探讨人工智能（AI）在妇科细胞学筛查中的应用现状、临床价值及实践整合路径	商业可用的AI软件及其在妇科细胞学（以宫颈涂片筛查为主）筛查中的应用	数字病理学	宫颈癌	NA	机器学习，深度学习	细胞学图像（如巴氏涂片）	NA	NA	NA	准确性，一致性，效率	NA
1114	2025-12-10	Deep learning super-resolution for dental CBCT using micro-CT reference and edge loss function 2026-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106209 PMID:41187827	研究论文	本研究利用深度学习超分辨率技术，以微CT图像为参考，提升牙科CBCT图像的空间分辨率，以更好地显示精细根管结构	引入了结合高斯滤波、中值滤波和Sobel边缘检测的边缘损失函数，以改善超分辨率模型对结构细节的保留能力	牙冠区域仍存在伪影，需要进一步改进	通过基于深度学习的超分辨率技术提升牙科CBCT图像的分辨率	48颗拔除的人类牙齿的CBCT和微CT图像	计算机视觉	NA	锥形束计算机断层扫描（CBCT），微计算机断层扫描（微CT）	GAN, Transformer	图像	48颗人类牙齿	NA	Enhanced Super-Resolution Generative Adversarial Network (ESRGAN), Hybrid Attention Transformer (HAT)	峰值信噪比（PSNR），结构相似性指数（SSIM），专家视觉评估，三维重建	NA
1115	2025-12-10	Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach 2026-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106257 PMID:41270953	研究论文	本研究开发并验证了一个基于二维面部照片和元数据的多模态深度学习框架，用于自动诊断和分类骨骼性错颌畸形	提出了一个两阶段深度学习模型（FaceDSM-Net），首次结合面部照片与元数据（性别和年龄）进行骨骼性错颌畸形的自动分类，并展示了良好的可解释性和泛化能力	模型在外部测试集上表现出中等泛化能力，且主要基于二维照片，可能受限于照片质量和拍摄条件	建立并验证一个可靠且成本效益高的深度学习框架，用于基于二维面部照片识别矢状向和垂直向骨骼性错颌畸形	1427名患者的2854张面部照片、对应的侧位头影测量片及元数据（性别和年龄）	计算机视觉	骨骼性错颌畸形	深度学习	CNN	图像, 元数据	2854张照片（来自1427名患者）	NA	MobileNetV3-Large	准确率, 精确率, AUC, 召回率, F1分数	NA
1116	2025-12-10	60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience 2025-Dec-10, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000869 PMID:41363201	研究论文	本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性	首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量	60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低	评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性	156名无症状但至少有一个冠状动脉疾病风险因素的患者	数字病理学	心血管疾病	冠状动脉CT血管造影	深度学习	医学影像	156名患者	NA	NA	灵敏度, 特异性, 准确率, 阴性预测值	NA
1117	2025-12-10	Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03188 PMID:41271228	研究论文	本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数	创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力	模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性	开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法	生物层干涉测量（BLI）传感器图谱	机器学习	NA	生物层干涉测量	CNN, GAN	传感器图谱（曲线数据）	5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据）	NA	YOLOv5, 卷积神经网络（含SE和CBA模块）	准确率	NA
1118	2025-12-10	Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction 2025-Dec-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01429 PMID:41283762	研究论文	提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统	利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量	NA	加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程	代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统	机器学习	NA	量子化学计算，构型相互作用	Transformer	量子化学构型数据	NA	NA	Transformer	收敛速度，能量（关联能、结合能、基态能量），化学精度	NA
1119	2025-12-10	Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing 2025-Dec-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04676 PMID:41283773	研究论文	本文开发了一种结合结构光照明显微镜成像和深度学习的快速表型抗菌药物敏感性测试平台，用于评估抗生素处理后细菌的亚细胞表型	整合结构光照明显微镜与深度学习，实现亚细胞水平的快速表型AST，无需培养，能在20分钟至15小时内提供结果，并揭示单细胞异质性	未明确提及具体局限性，但可能包括模型泛化能力、样本多样性或计算资源需求	开发快速、准确的表型抗菌药物敏感性测试方法，以减少培养时间并提高检测分辨率	细菌（包括大肠杆菌、金黄色葡萄球菌和BCG）在抗生素处理下的亚细胞表型	计算机视觉	NA	结构光照明显微镜成像	CNN	图像	NA	NA	C3D, DenseNet-121, MobileNet-V2, MobileNet-V3 Large, ResNet-50, ResNet-101, MobileNet-V3 Small	准确率	NA
1120	2025-12-10	Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping 2025-Dec-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2380 PMID:41285110	研究论文	提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪	开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化	未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力	解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量	数值模拟大脑、水模体及人脑实验数据	医学影像分析	NA	超快速多重叠回波分离成像技术	深度学习	三维时空磁共振成像数据	NA	NA	NA	准确性	NA