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
1141	2025-12-07	CDANet: A context-detail aware network for marine oil spill detection in SAR imagery 2025-Dec-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.140683 PMID:41349300	研究论文	本研究提出了一种用于SAR图像海洋溢油检测的上下文-细节感知网络（CDANet），并构建了一个综合性的SAR溢油数据集	提出了CDANet网络，通过整合Mamba状态空间模型、多尺度交叉注意力机制和扩张正交特征融合策略，同时捕获全局语义和局部细节	未明确说明模型在极端天气条件或极高海况下的检测性能	开发准确高效的海洋溢油检测技术	合成孔径雷达（SAR）图像中的海洋溢油	计算机视觉	NA	合成孔径雷达（SAR）成像	深度学习模型	SAR图像	基于Sentinel-1和GF-3数据构建的综合数据集，包含多年份、多地理区域、多溢油形态和多极化模式	NA	CDANet（整合Mamba状态空间模型、多尺度交叉注意力机制、扩张正交特征融合）	精确率，F1分数	NA
1142	2025-12-07	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2025-Dec-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一个多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于肝细胞癌术前微血管侵犯预测和生存分析	提出CGAResNet18双分支模型，首次将小网膜脂肪CT特征与动脉期和静脉期肿瘤CT通道级联融合，并利用多标签临床数据辅助训练，显著提升MVI预测性能	研究基于回顾性数据，样本量有限，且仅来自两个中心，需要更大规模的前瞻性验证	开发深度学习框架以术前预测肝细胞癌的微血管侵犯和生存风险，指导个性化治疗	肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	深度学习	CT图像	来自两个中心的回顾性数据，具体样本数未明确说明	NA	CGAResNet18	AUC, 95%置信区间, 假阳性率, 假阴性率	NA
1143	2025-12-07	Novel deep learning solutions with layered recurrent neural networks for nonlinear stiff Dahl hysteresis model in piezoelectric actuator 2025-Nov-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108378 PMID:41349175	研究论文	本文提出了一种基于分层循环神经网络的新深度学习方法，用于建模压电执行器中的非线性刚性Dahl迟滞模型	采用结合Levenberg-Marquardt优化技术的反向传播循环神经网络来近似Dahl迟滞模型的解，提高了对驱动幅度和频率变化的响应能力	依赖于合成生成的数据，可能未完全反映真实世界的复杂性；训练稳定性和可解释性仍需进一步改进	开发一种深度学习方法以更准确地建模压电执行器的非线性迟滞行为，提升其在高性能精密定位应用中的潜力	压电执行器及其相关的Dahl迟滞模型	机器学习	NA	数值积分（Adams时间积分方案）	RNN, BP-RNN	时间序列数据（位移时间序列）	通过四种不同激励输入（单位幅度正弦波、带直流偏移的正弦波、阻尼瞬态、阻尼谐波）系统变化参数生成的合成数据	NA	分层循环神经网络	均方误差, 直方图分析, 回归分析	NA
1144	2025-12-07	[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students] 2025-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2025.11.23 PMID:41311092	研究论文	本研究提出了一种整合社交媒体文本和图像数据的多模态模型，用于自动评估大学生的心理压力水平	通过结合文本情感建模（使用Bi-LSTM）和图像情感建模（使用U-Net）的多模态融合预测模块，实现了跨模态语义协作，以自动识别轻度、中度和重度三种心理压力水平	样本量相对较小（仅252个样本用于训练和测试），且数据来源于广东省多所大学，可能限制了模型的泛化能力	开发智能心理健康服务，支持高等教育机构中大学生心理压力的自动化评估	大学生	自然语言处理,计算机视觉	心理健康问题	深度学习	Bi-LSTM, U-Net	文本,图像	252个样本（来自1577名学生的社交媒体数据，经过清洗后随机选取）	NA	Bi-LSTM, U-Net	准确率, F1分数	NA
1145	2025-12-07	A deep learning framework for finger motion recognition using forearm ultrasound imaging 2025-Nov-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23348-6 PMID:41224842	研究论文	本文提出了一种基于深度学习的前臂超声成像手指运动分类方法	采用B模式超声成像替代传统的表面肌电图或A模式超声，以捕获更广泛的解剖特征并降低对传感器放置的敏感性	NA	实现手指运动的精确分类，以支持手势识别、机器人手控制和医疗康复等应用	前臂肌肉在九种预定义手指运动（包括五种单指运动和四种多指运动）中的实时超声图像	计算机视觉	NA	B模式超声成像	深度学习	图像	NA	NA	NA	准确率, F1分数	NA
1146	2025-12-07	Automatic detection of simulated artifacts on T1w magnetic resonance images: comparing performance of different QC strategies 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.31.25339144 PMID:41282830	研究论文	本文系统比较了基于规则、经典机器学习和深度学习在检测T1加权磁共振图像模拟伪影上的性能	首次在统一框架下对比三种QC策略，并利用合成伪影数据评估其对不同伪影类型和严重程度的检测能力	研究使用模拟伪影而非真实临床数据，可能无法完全反映实际应用中的复杂性	评估不同质量控制在神经影像数据中的性能，为大规模研究提供方法学指导	T1加权磁共振图像及其模拟的模糊、重影、运动和噪声伪影	医学影像分析	NA	磁共振成像	深度学习, 经典机器学习, 基于规则的方法	图像	1000个高质量T1w扫描，通过合成生成40000个退化图像	TorchIO, MRIQC	NA	Youden's Index, Krippendorff's α, Spearman's ρ	NA
1147	2025-12-07	An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study 2025 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001764 PMID:40338065	研究论文	本研究开发并验证了一个结合深度学习影像组学和传统影像组学特征的模型（DLRR），用于预测肝细胞癌根治性消融后的早期复发	首次将深度学习影像组学与传统影像组学特征整合到一个模型中，用于预测肝细胞癌消融后的早期复发，并采用多中心队列进行验证	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于CT影像	开发一个非侵入性模型，以准确预测肝细胞癌患者根治性消融后的早期复发，从而辅助制定精准治疗计划	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描	CNN, 机器学习模型	医学影像	288名患者（来自3家医院）	PyTorch, Scikit-learn	ResNet-18	AUC, NRI, IDI	NA
1148	2025-12-07	A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea 2025-Nov, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2025.111104 PMID:40930433	研究论文	本研究开发了一个模块化、可扩展的基因组注释流程，整合了短读长和长读长测序技术，用于非经典模式生物如Schmidtea mediterranea的基因组注释	开发了一个灵活、可扩展的基因组注释流程，整合了短读长（Illumina）和长读长（PacBio）测序技术，结合参考基因组和从头组装方法，并利用DeepSplice深度学习预测提高剪接位点检测准确性	未明确说明流程在更广泛物种或更大数据集上的性能验证或计算资源需求	开发一个适用于非经典模式生物、能处理基因组变异和选择性剪接事件的基因组注释流程	Schmidtea mediterranea（地中海涡虫）的无性繁殖品系	基因组学	NA	短读长测序（Illumina），长读长测序（PacBio）	深度学习	基因组序列数据	NA	NA	DeepSplice	剪接位点检测准确性	NA
1149	2025-12-07	International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm 2025-Nov, JACC. Advances DOI:10.1016/j.jacadv.2025.102067 PMID:40965401	研究论文	本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能	开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于心脏淀粉样变性的检测，该算法在多个国际中心、不同种族、性别、年龄等群体中表现一致，且针对这种罕见病优化了高特异性以最大化下游确认性检测的阳性预测值	研究为回顾性病例对照设计，可能存在选择偏倚；算法性能虽在多个中心验证，但未来仍需在前瞻性临床环境中进一步评估其实际应用效果	验证一种基于人工智能的计算机视觉算法在国际多中心数据中识别心脏淀粉样变性的性能	574名心脏淀粉样变性患者和979名对照者的超声心动图研究	计算机视觉	心脏淀粉样变性	经胸超声心动图	深度学习	视频	1553个超声心动图研究（574例病例，979例对照）	NA	EchoNet-LVH	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1150	2025-12-07	MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction 2025-Nov, Chinese journal of natural medicines IF:4.0Q1 DOI:10.1016/S1875-5364(25)60945-9 PMID:41260779	研究论文	本文提出了一种名为MolP-PC的多视图融合与多任务学习框架，用于精确预测药物的ADMET性质	整合了1D分子指纹、2D分子图和3D几何表示，采用注意力门控融合机制和多任务自适应学习策略，以克服数据稀疏性和信息丢失问题	模型在预测分布容积（VD）时存在低估倾向，对高组织分布化合物的分析有改进空间	开发一个高效且可解释的框架，用于药物ADMET性质预测，以支持早期药物开发中的分子优化和风险评估	药物分子及其ADMET性质	机器学习	NA	多视图融合、多任务学习	深度学习框架	1D分子指纹、2D分子图、3D几何表示	NA	NA	MolP-PC	NA	NA
1151	2025-12-07	Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100524 PMID:41340634	综述	本文综述了基于AI模型直接从H&E染色切片预测PD-L1表达的研究进展与应用潜力	提出利用AI直接从H&E染色切片预测PD-L1表达，避免了传统免疫组化的主观性和资源消耗，并探讨了多模态数据融合的增强策略	需要大规模验证、AI模型标准化以及临床实施的监管批准	探索人工智能在病理学中用于预测PD-L1生物标志物表达，以改进免疫治疗患者选择	癌症患者的H&E染色组织切片	数字病理学	癌症	H&E染色，免疫组化	深度学习算法	图像	NA	NA	NA	准确性	NA
1152	2025-12-07	Artificial intelligence to automatically identify reverse shoulder arthroplasty implant brands on postoperative radiographs including uncertainty quantification 2025-Oct-31, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.10.011 PMID:41177294	研究论文	本研究开发了一种基于深度学习的人工智能算法，用于在术后X光片上自动识别8种常用的反向肩关节置换术植入物品牌，并包含不确定性量化	首次应用深度学习算法结合保形预测进行不确定性量化，以自动识别反向肩关节置换术植入物品牌，提高了识别准确性和效率	研究仅针对8种特定植入物品牌，可能未涵盖所有市售型号，且样本来源可能有限	开发一种计算机视觉AI算法，辅助外科医生准确高效地识别X光片中的假体品牌，以改善临床工作流程	反向肩关节置换术术后患者的肩部X光片	计算机视觉	骨科疾病	深度学习，保形预测	CNN	图像	5,256张肩部X光片（对应1,368个肩部）	NA	EfficientNet	准确率，F1分数，效率，覆盖率	NA
1153	2025-12-07	Three-dimensional distensibility of the aorta derived from four-dimensional cardiovascular magnetic resonance in young and middle-aged adults with Marfan syndrome 2025-Oct-29, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101975 PMID:41173273	研究论文	本研究使用四维心血管磁共振成像技术，评估了马凡综合征患者与健康志愿者之间主动脉三维扩张性和位移的差异	首次利用深度学习算法从四维心血管磁共振成像中提取主动脉三维扩张性和位移，作为马凡综合征患者主动脉功能的新影像学生物标志物	研究样本量有限，且为横断面研究，需要纵向数据来验证这些生物标志物在预测主动脉事件中的价值	比较马凡综合征患者与健康志愿者的主动脉三维扩张性和位移，探索新的影像学生物标志物	马凡综合征患者（包括有或无主动脉根部手术史）和健康志愿者	数字病理学	马凡综合征	心血管磁共振成像	深度学习	图像	131名参与者（47名健康志愿者，51名未手术马凡综合征患者，33名术后马凡综合征患者）	NA	NA	NA	NA
1154	2025-12-07	A Self-Explainable Dynamic Risk Monitoring Framework for Predicting Alzheimer's Disease and Related Dementias 2025-Oct-28, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.20.25338232 PMID:41282689	研究论文	本文提出了一种名为GRU-D-RETAIN的自解释动态风险监测框架，用于预测阿尔茨海默病及相关痴呆症，利用电子健康记录数据解决临床就诊不规则、数据稀疏和可解释性需求等挑战	结合GRU-D的参数化缺失值插补能力和RETAIN的可解释注意力机制，实现任意临床就诊时间点的实时风险监测并提供有意义的解释	ADRD诊断前10年以上的EHR记录稀缺，限制了有效预测模型的开发时间范围；不同训练折叠可能产生不一致的解释	开发一种动态、可解释的风险监测框架，用于早期预测阿尔茨海默病及相关痴呆症	来自德克萨斯大学医师EHR系统的15,172名ADRD病例（年龄≥50岁）和145,443名性别及出生日期匹配的对照患者	机器学习	阿尔茨海默病及相关痴呆症	电子健康记录数据分析	GRU-D, LSTM, RETAIN	电子健康记录	160,615名患者（15,172例ADRD病例和145,443名对照）	TensorFlow, PyTorch	GRU-D-RETAIN	AUROC, 平均精确率	NA
1155	2025-12-07	Impact of Imaging Protocols on Convolutional Neural Network-Based Pressure Injury Detection 2025-Oct-21, Research square DOI:10.21203/rs.3.rs-7263214/v1 PMID:41282160	研究论文	本研究评估了成像协议变化对基于卷积神经网络的压疮检测性能的影响	系统性地评估了光照、相机距离、患者体位和相机类型等多种成像协议因素对深度学习模型在压疮早期检测中性能的影响，并比较了光学与热成像的差异	研究在健康成人中使用局部冷却模拟温度变化，而非真实压疮患者，且静态标注方法可能不适用于动态热成像应用	探究成像协议变化对深度学习模型在压疮早期检测中性能的影响	35名健康成人，涵盖多种肤色	计算机视觉	压疮	热成像, 光学成像	CNN	图像	1680张图像，来自35名健康成人	NA	MobileNetV2, InceptionNetV3, ResNet50	准确率	NA
1156	2025-12-07	Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study 2025-Oct, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.013734 PMID:41025252	研究论文	本研究开发并验证了一种基于心电图的深度学习模型，用于预测心房颤动的风险，并在多个国际队列中评估其性能	首次在跨国社区队列中验证了仅使用单次心电图输入的深度学习模型预测心房颤动及其他心血管结局的能力，并与传统临床风险评分进行了比较	研究基于回顾性队列数据，可能存在选择偏倚，且模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	通过深度学习模型从心电图中预测心房颤动的风险，并评估其与心血管结局的关联	来自Framingham心脏研究、英国生物银行和ELSA-Brasil研究的社区参与者	数字病理学	心血管疾病	心电图	深度神经网络	心电图信号	总计71,661名参与者（FHS: 10,097人，UK Biobank: 49,280人，ELSA-Brasil: 12,284人）	NA	深度神经网络	受试者工作特征曲线下面积	NA
1157	2025-12-07	A Critical Review of Deep Learning Technique and Its Applications in Clinical Cytology 2025 Oct-Dec, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_136_25 PMID:41341475	综述	本文对深度学习技术在临床细胞学中的应用进行了批判性回顾	系统性地总结了深度学习在细胞学领域的潜力与挑战，强调了其在癌症筛查、疾病分类、生物标志物预测等多方面的应用前景	未提供具体实验数据或模型性能比较，主要基于文献综述，缺乏原创性研究验证	探讨深度学习技术在临床细胞学中的应用潜力与实施障碍	深度学习技术在细胞学领域的应用	数字病理学	癌症	NA	NA	图像	NA	NA	NA	NA	NA
1158	2025-12-07	Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy 2025-Aug-01, AIDS (London, England) DOI:10.1097/QAD.0000000000004220 PMID:40643081	评论	本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡	提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐	未提供具体实证数据或案例研究，主要基于理论分析和愿景展望	探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果	美国CDC的HIV干预策略及相关公共卫生系统	机器学习	HIV	机器学习（ML）、深度学习（DL）、生成式AI（Gen AI）	NA	复杂HIV相关数据集	NA	NA	NA	NA	NA
1159	2025-12-07	Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications 2025-Jul-30, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X353595250303064846 PMID:40754866	综述	本文综述了利用AI增强的MRI技术（特别是深度学习模型）在阿尔茨海默病诊断中的研究进展、挑战与临床意义	系统性地总结和分类了基于MRI的深度学习研究，并批判性地评估了其方法学、优势、局限性及临床转化潜力	作为一篇综述，其本身不包含原始研究数据或新模型验证，主要依赖现有文献的归纳与分析	总结和评估基于MRI的深度学习模型在神经系统疾病（尤其是阿尔茨海默病）诊断中的应用	阿尔茨海默病及其他神经系统疾病相关的脑部结构MRI数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, NC-ANN	图像	NA	NA	NA	NA	NA
1160	2025-12-07	Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography 2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101932 PMID:40602666	研究论文	本文开发了一种基于深度卷积神经网络的深度学习算法，用于在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄	首次提出将深度学习算法应用于全心脏冠状动脉磁共振血管成像，以辅助检测冠状动脉狭窄，特别是针对经验不足的观察者	研究样本量相对较小（75名患者），且仅基于单一机构的回顾性数据，可能限制算法的泛化能力	开发并验证一种深度学习算法，用于辅助在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄	75名患者的951个冠状动脉节段，这些患者同时接受了全心脏冠状动脉磁共振血管成像和侵入性冠状动脉造影检查	计算机视觉	心血管疾病	全心脏冠状动脉磁共振血管成像，侵入性冠状动脉造影	CNN	图像	75名患者的951个冠状动脉节段	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 准确率	NA