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
101	2025-12-31	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2025-Dec-18, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	本研究提出了两种基于多头注意力机制的深度学习模型BGC-MAC和BGC-MAP，用于生物合成基因簇的分类和产物匹配	首次利用实验验证的BGC-天然产物对训练深度学习模型，并通过交叉注意力机制实现可解释AI，无需先验注释即可识别关键蛋白结构域和BGC-亚结构关系	模型性能依赖于训练数据的质量和覆盖范围，可能无法完全捕捉所有BGC类型的多样性	提高生物合成基因簇注释的准确性，加速新天然产物的发现	生物合成基因簇及其对应的天然产物	机器学习	NA	深度学习	多头注意力模型	基因序列数据	实验验证的BGC-天然产物对	NA	多头注意力架构	分类性能优于antiSMASH和DeepBGC	NA
102	2025-12-31	A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway 2025-Dec-18, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121751 PMID:41463404	研究论文	本研究利用深度学习模型预测蝎子肽的抗癌活性，并验证了Lpep3肽能通过破坏细胞膜和激活Bax/Bcl-2相关凋亡通路，选择性抑制白血病细胞生长	结合AI驱动的肽活性预测与实验验证，发现了一种具有高选择性和效力的新型抗白血病蝎子肽Lpep3，并阐明了其通过双重机制（膜破坏和凋亡诱导）发挥作用	研究主要集中于MV-4-11白血病细胞系和小鼠模型，尚未在其他白血病亚型或更广泛的癌症类型中进行验证；体内实验的样本规模和长期安全性评估可能有限	从动物毒液中筛选和开发具有抗癌活性的天然肽类药物，特别是针对白血病	七种预测的肽（重点关注Lpep3）、白血病细胞系（MV-4-11）、小鼠肿瘤模型	机器学习	白血病	深度学习模型预测、电子显微镜、台盼蓝染色、Calcein-AM/PI双染色、LDH/ATP释放检测、Western blotting、RT-qPCR、体内肿瘤实验	深度学习模型	肽序列数据、细胞实验数据、分子表达数据、体内成像数据	七种预测肽，其中Lpep3在细胞系（MV-4-11）和小鼠模型中进行重点验证	NA	NA	细胞生长抑制率、LDH/ATP释放浓度、Bax/Bcl-2蛋白与mRNA表达变化、体内肿瘤生长抑制	NA
103	2025-12-31	Integrating AI with PCR for Tuberculosis Diagnosis: Evaluating a Deep Learning Model for Chest X-Rays 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121377 PMID:41463673	研究论文	本研究评估了一种基于CheXzero视觉Transformer的深度学习模型在胸部X光片上诊断肺结核的性能，并将其预测准确性与PCR结果进行了比较	将基于视觉Transformer的深度学习模型（CheXzero）与PCR检测相结合，在低负担地区评估AI辅助胸部X光筛查肺结核的诊断性能	模型在仅限PCR确诊病例中的性能有所下降，且在老年人及患有慢性肾病、慢性阻塞性肺病或心力衰竭的患者中准确性较低	评估深度学习模型在胸部X光片上检测肺结核的诊断性能，并与PCR结果进行比较	来自两家医院的胸部X光图像及对应的PCR检测结果	计算机视觉	肺结核	聚合酶链式反应（PCR），胸部X光摄影	深度学习模型（DLM）	图像	来自两家医院的回顾性数据集，包含胸部X光图像及对应的PCR结果	NA	CheXzero vision transformer	AUC, 灵敏度, 特异性, 预测值	NA
104	2025-12-31	Deep Learning-Based Fatigue Monitoring in Natural Environments: Multi-Level Fatigue State Classification 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121374 PMID:41463671	研究论文	本文介绍了一种基于深度学习的日常疲劳监测系统，利用可穿戴设备采集ECG信号，通过机器学习与深度学习模型对疲劳状态进行三级分类	提出了一种在自然环境下进行日常疲劳监测的系统，并开发了名为C-BL的端到端深度学习模型，相比传统方法在真实场景中表现更优	研究样本量较小（12名受试者），且实验周期为14天，可能无法完全代表广泛人群的疲劳模式	开发一种在自然环境中监测日常疲劳水平的系统，以提高健康、安全与生产力	日常生活中的个体疲劳状态	机器学习	NA	ECG信号采集	深度学习, 机器学习	ECG信号	12名受试者参与14天实验	NA	C-BL	准确率	NA
105	2025-12-31	Transfer Learning Approach with Features Block Selection via Genetic Algorithm for High-Imbalance and Multi-Label Classification of HPA Confocal Microscopy Images 2025-Dec-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121379 PMID:41463675	研究论文	本文提出了一种基于特征块选择和遗传算法的两阶段迁移学习方法，用于解决HPA共聚焦显微镜图像的高不平衡多标签分类问题	提出了一种结合特征块提取、遗传算法选择和多标签分类策略的两阶段迁移学习方法，并首次在HPA数据集中引入了细胞核和核膜环的细胞级特征分析	未明确说明计算资源的具体配置，且方法依赖于预训练的CNN模型，可能受限于ImageNet数据集的领域差异	解决高类别不平衡和多标签分类的医学图像分析问题	人类蛋白质图谱（HPA）共聚焦显微镜图像	计算机视觉	NA	共聚焦显微镜成像	CNN, SVM	图像	NA	NA	12种ImageNet预训练的CNN架构（未具体说明型号）	F1分数	NA
106	2025-12-31	A Pre-Trained Model Customization Framework for Accelerated PET/MR Segmentation of Abdominal Fat in Obstructive Sleep Apnea 2025-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243243 PMID:41464242	研究论文	本研究验证了一个基于预训练网络的定制化框架，用于开发自动化内脏和皮下脂肪组织分割模型，利用阻塞性睡眠呼吸暂停患者的PET/MRI混合数据	提出了一个可扩展的定制化框架，结合预训练的UNet-ResNet50模型和闭环系统，实现了高效的腹部脂肪分割，支持多模态成像整合	在轮廓/边界描绘方面的分割性能较低（Dice系数为0.43和0.54），可能影响精细结构分析	开发自动化腹部脂肪分割模型，以加速PET/MRI数据中内脏和皮下脂肪组织的量化，用于肥胖、阻塞性睡眠呼吸暂停和心脏代谢疾病研究	阻塞性睡眠呼吸暂停患者的腹部PET/MRI扫描图像	数字病理学	阻塞性睡眠呼吸暂停	混合正电子发射断层扫描/磁共振成像	CNN	图像	59、157和328个带标注的扫描用于迭代训练，10个独立测试案例（每个扫描80-100个MR切片）	Discovery Viewer平台	UNet-ResNet50	Dice相似系数, 分割时间, 组内相关系数, Bland-Altman分析	NA
107	2025-12-31	Artificial Intelligence and Innovation in Oral Health Care Sciences: A Conceptual Review 2025-Dec-18, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243327 PMID:41464395	综述	本文对2020年至2025年间人工智能在口腔医疗保健领域的应用进行了全面的文献计量和概念性综述	通过文献计量网络可视化识别了以“人工智能”、“机器学习”和“深度学习”为核心的最大且最互联的关键词集群，并分析了主题演变趋势，如对生成式和多模态AI模型、可解释性和临床部署公平性的兴趣日益增长	综述基于有限的文献（共50篇符合纳入标准），且主要关注2020年至2025年间的出版物，可能未涵盖更早或最新的所有发展	提供人工智能在牙科护理中应用的全面综述，突出研究趋势、主题集群以及实现公平和负责任AI技术整合的未来方向	2020年1月至2025年10月期间在PubMed、Scopus和Embase数据库中发表的与牙科AI相关的文献	机器学习	口腔疾病	文献计量分析，关键词共现网络分析	NA	文本（科学文献）	50篇文献	VOSviewer	NA	NA	NA
108	2025-12-31	Automated Classification of Enamel Caries from Intraoral Images Using Deep Learning Models: A Diagnostic Study 2025-Dec-18, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248959 PMID:41464861	研究论文	本研究开发并评估了两种可解释的深度学习模型，用于从口内图像自动分类牙釉质龋	提出了两种结合Grad-CAM的可解释深度学习模型（轻量级CNN和微调ResNet50-SE），用于牙釉质龋的自动分类，提高了诊断的客观性和可解释性	研究结果需要未来在多中心数据集上进行外部验证以支持临床应用	开发并评估用于牙釉质龋自动分类的可解释深度学习模型	口内图像中显示的早期牙釉质龋、晚期牙釉质龋和无龋齿情况	计算机视觉	龋齿	NA	CNN	图像	2000张口内图像	NA	ExplainableDentalNet, ResNet50-SE	准确率, Matthews相关系数	NA
109	2025-12-31	Reliable wrist PPG monitoring by mitigating poor skin sensor contact 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31883-5 PMID:41407831	研究论文	提出一种基于深度学习的框架CP-PPG，用于将接触压力失真的PPG信号转换为具有理想形态的信号，以提高生理监测的准确性	首次系统性地解决了静态条件下皮肤-传感器接触不良对PPG信号形态的扭曲问题，并提出了包含对抗训练生成模型和定制PPG感知损失函数的完整框架	未明确说明模型在极端接触压力条件下的泛化能力，以及在不同肤色或皮肤类型人群中的验证情况	提高PPG信号在皮肤-传感器接触不良条件下的可靠性，以提升下游生理参数监测的准确性	光电容积描记（PPG）信号及其在心率、心率变异性、呼吸率和血压估计中的应用	生物医学信号处理	心血管疾病	光电容积描记（PPG）	生成对抗网络（GAN）	PPG信号（时间序列数据）	未在摘要中明确说明具体样本数量，但提及使用了公共数据集和真实环境测试	未在摘要中明确说明，但提供了GitHub代码仓库	未指定具体架构名称，但描述为“对抗训练的深度生成模型”	平均绝对误差（MAE）、心率（HR）、心率变异性（HRV）、呼吸率（RR）、血压（BP）估计的改进百分比	NA
110	2025-12-31	LivSCP: Improving Liver Fibrosis Classification Through Supervised Contrastive Pretraining 2025-Dec-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243226 PMID:41464225	研究论文	本研究提出了一种名为LivSCP的监督对比预训练方法，用于提升基于肝脏超声扫描的肝纤维化分类模型的性能	提出了一种无需改变网络架构或优化器的训练方法，在有限标注数据和计算资源的场景下，通过监督对比预训练显著提升肝纤维化分类的准确率	未在论文摘要中明确说明	开发一种在低数据和低计算资源设置下，能有效提升肝纤维化分类模型性能的训练方法	肝脏超声扫描图像	计算机视觉	肝纤维化	超声扫描	Vision Transformer	图像	NA	NA	Vision Transformer	准确率, 精确率, 召回率, F1分数, AUROC	低计算资源设置
111	2025-12-31	Integrating Multi-Source Directed Gene Networks and Multi-Omics Data to Identify Cancer Driver Genes Based on Graph Neural Networks 2025-Dec-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262412132 PMID:41465557	研究论文	本文提出了一种名为MDIGNN的新型深度学习模型，通过整合有向基因网络和多组学数据来识别癌症驱动基因	首次开发了基于磁拉普拉斯算子的图神经网络，以编码有向图的边方向性，并结合通道注意力和空间注意力机制增强特征表示能力	未在摘要中明确说明	精确识别癌症驱动基因，以理解癌症的分子机制并为早期诊断提供关键靶点	癌症驱动基因	机器学习	癌症	多组学数据整合	图神经网络	基因网络数据、多组学数据	NA	NA	基于磁拉普拉斯算子的图神经网络	NA	NA
112	2025-12-31	Functional, Structural, and AI-Based MRI Analysis: A Comprehensive Review of Recent Advances 2025-Dec-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243212 PMID:41464212	综述	本文对功能、结构和基于人工智能的MRI分析技术的最新进展进行了全面回顾	系统总结了2012年至2025年间MRI影像组学的研究，并对不同神经网络架构在基于影像组学的分割任务中进行了比较和讨论	在标准化、验证和临床转化方面仍存在挑战，这些先进分析技术完全融入常规医疗实践前仍需持续努力	回顾MRI数据分析方法的最新进展，特别是功能MRI、结构MRI和人工智能技术的应用	MRI数据，包括功能MRI、结构MRI和影像组学数据	医学影像分析	NA	功能MRI、定量MRI（如T1和T2弛豫时间映射、质子密度成像）、扩散成像、灌注成像、Dixon方法、影像组学	深度学习、神经网络	MRI图像	NA	NA	NA	NA	NA
113	2025-12-31	A Lightweight Hybrid Deep Learning Model for Tuberculosis Detection from Chest X-Rays 2025-Dec-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243216 PMID:41464216	研究论文	提出一种结合GhostNet和MobileViT的轻量级混合深度学习模型，用于从胸部X光片中检测肺结核	通过特征融合将轻量级卷积神经网络（GhostNet）与基于Transformer的模型（MobileViT）相结合，在保持高精度的同时实现了低计算开销	仅在两个公开数据集上进行了评估，未在更广泛或更具挑战性的临床环境中验证	开发一种适用于资源受限环境的准确且高效的肺结核自动检测方法	胸部X光图像	计算机视觉	肺结核	胸部X光成像	CNN, Transformer	图像	两个公开胸部X光数据集	NA	GhostNet, MobileViT	准确率	NA
114	2025-12-31	Deep-learning-based non-contrast CT for detecting acute ischemic stroke: a systematic review and HSROC meta-analysis of patient-level diagnostic accuracy 2025-Dec-15, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04528-3 PMID:41398240	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性	首次对基于深度学习的非增强CT在患者层面检测急性缺血性脑卒中进行系统综述和荟萃分析，并探讨了研究间异质性的来源	研究间存在患者选择和指标测试领域的偏倚风险，AI报告质量多为中等，明确的外部验证仍不常见	评估深度学习应用于非增强CT在患者层面检测急性缺血性脑卒中的诊断准确性，并探讨研究间异质性的来源	急性缺血性脑卒中患者	医学影像分析	急性缺血性脑卒中	深度学习	深度学习模型	非增强CT图像	来自16项研究的患者数据，其中13项贡献了患者层面的荟萃分析数据	NA	NA	敏感性, 特异性	NA
115	2025-12-31	Ethical Use of Artificial Intelligence for Processing Medical Images 2025-Dec-15, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2025.40.e341 PMID:41399268	综述	本文探讨了人工智能在医学影像处理中的伦理应用与挑战	系统性地总结了AI在医学影像处理中的技术应用（如深度学习架构和生成式AI）及其带来的伦理问题，并提出了伦理部署的框架	未提供具体的实证研究或案例来量化伦理问题的影响，也未提出解决这些伦理挑战的新技术方法	探讨人工智能在医学影像处理中的伦理使用、挑战及部署要求	人工智能工具在医学影像处理中的应用及其伦理影响	计算机视觉	NA	NA	CNN, RNN, U-Net, Transformer	图像	NA	NA	U-Net, MedGAN, StyleGAN, CycleGAN, SinGAN-Seg	准确率	NA
116	2025-12-31	Demodicosis Mite Detection in Eyes with Blepharitis and Meibomian Gland Dysfunction Based on Deep Learning Model 2025-Dec-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243204 PMID:41464204	研究论文	本研究开发了一种基于深度学习的系统，用于从睫毛显微图像中自动检测和量化蠕形螨，以辅助诊断眼表疾病	首次将YOLOv11和RT-DETR深度学习模型应用于蠕形螨的自动检测与计数，并利用Grad-CAM可视化验证模型关注区域	研究仅基于665张标注图像，样本量相对有限；模型性能在重叠区域检测的置信度范围（0.4-0.8）仍有优化空间	开发自动化系统以改进蠕形螨相关眼表疾病（如睑缘炎和睑板腺功能障碍）的诊断效率	临床疑似眼部蠕形螨病患者的睫毛显微图像	计算机视觉	眼部疾病（睑缘炎、睑板腺功能障碍）	显微成像	CNN, Transformer	图像	1610张显微图像（经筛选后665张标注图像）	PyTorch	YOLOv11, RT-DETR	平均精度, 灵敏度, F1分数	NA
117	2025-12-31	Dementia Detection via Retinal Hyperspectral Imaging and Deep Learning: Clinical Dataset Analysis and Comparative Evaluation of Multiple Architectures 2025-Dec-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121362 PMID:41463659	研究论文	本研究通过视网膜高光谱成像和深度学习技术，探索了痴呆症的早期无创检测方法	首次将高光谱成像技术应用于视网膜图像分析以检测痴呆症，并比较了多种CNN架构在原始图像与高光谱图像上的性能差异	样本量相对有限（137名参与者），未说明模型在外部验证集上的泛化能力	开发基于视网膜高光谱成像的痴呆症早期检测方法	视网膜组织的高光谱图像特征	计算机视觉	老年疾病	高光谱成像	CNN	图像	137名参与者的3256张眼底图像	NA	ResNet50, Inception_v3, GoogLeNet, EfficientNet	准确率	NA
118	2025-12-31	Harnessing Machine Learning Approaches for the Identification, Characterization, and Optimization of Novel Antimicrobial Peptides 2025-Dec-14, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics14121263 PMID:41463765	综述	本文综述了利用机器学习方法识别、表征和优化新型抗菌肽的研究进展	提出了整合多模态范式策略，将识别、预测、表征与设计框架相结合，并链接主动学习实验循环、机制可解释性、精选数据资源和不确定性估计	NA	加速人工智能驱动的新型抗菌肽发现，以对抗多重耐药革兰氏阴性病原体	抗菌肽	机器学习	抗菌素耐药性	NA	经典机器学习, 深度学习, Transformer, 图神经网络, 几何编码器, 大语言模型	序列数据, 结构数据	NA	NA	NA	NA	NA
119	2025-12-31	Deep Learning-Assisted Detection and Classification of Thymoma Tumors in CT Scans 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243191 PMID:41464191	研究论文	本研究提出了一种基于深度学习的模型，用于在CT扫描中检测和分类胸腺瘤，旨在提高诊断准确性	结合预训练的VGG16网络进行特征提取和基于MLP-Mixer的特征增强模块，有效建模局部和全局特征依赖，无需传统卷积机制	NA	提高胸腺瘤在CT图像中的检测和亚型分类（良性 vs 恶性）的诊断准确性	胸腺瘤CT扫描图像	计算机视觉	胸腺瘤	CT扫描	CNN, MLP-Mixer	图像	NA	NA	VGG16, MLP-Mixer	F1分数, 准确率, 召回率, 精确率	NA
120	2025-12-31	DCL-A: An Unsupervised Ultrasound Beamforming Framework with Adaptive Deep Coherence Loss for Single Plane Wave Imaging 2025-Dec-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243193 PMID:41464197	研究论文	本文提出了一种基于自适应深度相干性损失的无监督超声波束形成框架，用于提升单平面波成像的图像质量	引入了自适应深度相干性损失函数，通过线性或非线性加权机制，根据输入与目标平面波帧之间的角度距离动态调整权重，从而更有效地抑制旁瓣和栅瓣干扰	未明确提及方法在极端噪声环境或复杂组织中的泛化能力，且依赖于公开数据集进行训练和验证	开发一种无监督深度学习框架，以改善单平面波成像中的波束形成质量，减少伪影并提高图像分辨率	超声单平面波成像中的波束形成过程	计算机视觉	NA	单平面波成像	深度学习	图像	使用公开数据集，包括模拟、体模和体内图像	未明确指定，但基于深度学习框架	未明确指定具体架构	峰值范围旁瓣水平, 半高全宽, 广义对比度噪声比	NA