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
1261	2025-12-21	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2025-Dec-19, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量	首次将深度学习去噪技术应用于标准神经血管线圈采集的颈动脉血管壁MRI，无需额外硬件即可达到专用颈部表面线圈的图像质量	研究样本量相对有限（55次扫描），且为多中心研究，可能存在设备差异	提升标准头颈线圈采集的颈动脉血管壁MRI图像质量，使其接近专用线圈水平	颈动脉血管壁MRI图像	医学影像处理	心血管疾病	MRI（包括2D T1/T2加权TSE、3D TOF-MRA、MPRAGE序列）	深度学习	医学影像（MRI图像）	55次扫描（来自多中心研究）	未明确说明	Residual UNet	PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, 放射科医生Likert评分	NA
1262	2025-12-21	Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections 2025-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02223-8 PMID:41420101	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界性能	首次对监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素	研究依赖于已发表文献，可能存在选择偏倚；不同研究间的诊断标准和参考标准存在异质性	评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的准确性和适用性	糖尿病视网膜病变筛查的深度学习系统	医学影像分析	糖尿病视网膜病变	深度学习	深度学习算法	眼底图像	82项研究，覆盖887,244次检查，涉及25种设备，28个国家	NA	NA	灵敏度，特异性	NA
1263	2025-12-21	phyddle: Software for Exploring Phylogenetic Models with Deep Learning 2025-Dec-18, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf036 PMID:40366771	研究论文	介绍用于通过深度学习进行系统发育建模的软件phyddle	开发了一个基于流水线的软件，利用无似然深度学习方法来处理缺乏可处理似然函数的系统发育模型	NA	开发一个软件工具，使研究人员能够使用深度学习方法来拟合系统发育模型，特别是那些缺乏可处理似然函数的模型	系统发育树和相关的进化模型	机器学习	NA	深度学习	深度学习模型	系统发育树数据	NA	NA	NA	准确性, 覆盖率测试	NA
1264	2025-12-21	AI-powered pathobiology transformers predict prognosis and targeted therapy benefits in patients with colorectal cancer ovarian metastases: a multicohort study 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004397 PMID:41417976	研究论文	本研究开发了一种基于Transformer的可解释迁移学习模型，通过整合数字病理学和RNA数据，预测结直肠癌卵巢转移患者的预后、靶向治疗获益及分子突变	首次将Transformer架构与迁移学习结合，整合多模态数据（数字病理和RNA）来预测结直肠癌卵巢转移的预后和靶向治疗反应，并增强了模型的生物学可解释性	研究为回顾性和前瞻性多队列设计，可能存在选择偏倚；模型在部分外部测试队列中的AUC较低（0.64），表明泛化能力有待进一步验证	开发精准医学工具，以个体化预测结直肠癌卵巢转移患者的术后预后、靶向治疗获益和分子突变	结直肠癌卵巢转移患者	数字病理学	结直肠癌	数字病理学, RNA测序	Transformer	图像, 文本	多队列患者样本（具体数量未在摘要中提供）	NA	Transformer	AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 风险比	NA
1265	2025-12-21	Ablation versus sublobar resection for stage IA non-small cell lung cancer: a multicenter retrospective cohort study using a deep learning model in the ablation group 2025-Dec-18, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004580 PMID:41418024	研究论文	本研究通过多中心回顾性队列分析，比较了图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发了基于深度学习的模型来预测消融后的无病生存期	首次使用深度学习模型（Vision Transformer）基于治疗前CT图像预测IA期非小细胞肺癌患者接受图像引导热消融后的生存结局，并比较了消融与亚肺叶切除术的长期疗效	研究为回顾性设计，可能存在选择偏倚；深度学习模型的外部验证队列规模未明确说明	比较图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发预测模型以识别适合消融治疗的患者	IA期非小细胞肺癌患者	数字病理学	肺癌	图像引导热消融，亚肺叶切除术，计算机断层扫描	深度学习模型	图像	2145名患者（2012年至2023年接受图像引导热消融或亚肺叶切除术）	NA	Vision Transformer, Multimodal XGBoost	曲线下面积, 风险比, 置信区间, P值	NA
1266	2025-12-21	Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation 2025-Dec-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79748 PMID:41406414	研究论文	本文提出了一种基于大可分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分级诊断	首次提出结合大可分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分级表征能力	未明确说明模型在外部数据集上的泛化性能或计算效率的具体限制	提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值	膝关节软骨损伤	计算机视觉	膝关节软骨损伤	磁共振成像	CNN	图像	首个基于医院的多维磁共振成像真实数据集（具体样本数未提供）	NA	YOLOv8	准确率, Kappa统计量, F-measure, 灵敏度, 特异度	NA
1267	2025-12-21	Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27744-w PMID:41408124	研究论文	本研究建立了一个整合转录组学、蛋白质组学和深度学习的高通量多组学平台，用于筛选187种药用植物，以发现具有抗肝细胞癌潜力的中药候选物	开发了一个结合多组学数据和深度学习（自编码器和多核学习）的系统药理学平台，用于高通量筛选中药，并揭示了候选中药通过调控枢纽基因和关键通路发挥抗肝癌作用的机制	研究主要基于体外细胞实验，缺乏体内动物模型或临床验证，且筛选的植物种类有限，可能未涵盖所有潜在有效中药	发现和验证具有抗肝细胞癌潜力的中药候选物，并阐明其作用机制	187种药用植物及其在肝细胞癌细胞中的效应	机器学习	肝细胞癌	转录组学, 蛋白质组学, 深度学习	自编码器, 多核学习	多组学数据（转录组和蛋白质组）	187种药用植物	NA	自编码器, 多核学习	NA	NA
1268	2025-12-21	Foundation Models in Dermatology: Advances in Artificial Intelligence. A Narrative Review 2025-Dec-17, Actas dermo-sifiliograficas IF:3.8Q1 DOI:10.1016/j.ad.2025.104560 PMID:41418903	综述	本文是一篇关于基础模型在皮肤病学中应用的叙述性综述，概述了生成式AI的主要里程碑、当前发展状况、潜在风险及未来方向	系统性地梳理了皮肤病学领域基础模型（包括LLMs、VLMs和LMMs）的发展历程、分类及其在疾病分类、监测、风险分层和治疗规划等多任务中的应用潜力	该领域仍处于活跃研究阶段，具体模型的临床有效性和广泛适用性尚需进一步验证	综述基础模型在皮肤病学中的进展，分析其在临床辅助诊断、治疗规划及改善患者预后方面的潜力	皮肤病学领域的基础模型，包括大型语言模型、视觉中心模型、视觉语言模型和大型多模态模型	数字病理学	皮肤病	深度学习	基础模型, 大型语言模型, 视觉语言模型, 大型多模态模型	文本, 图像, 音频, 视频, 基因组学, 患者元数据	NA	NA	NA	NA	NA
1269	2025-12-21	Noise-Resilient Bioacoustics Feature Extraction Methods and Their Implications on Audio Classification Performance: Systematic Review 2025-Dec-16, JMIR biomedical engineering DOI:10.2196/80089 PMID:41401437	系统综述	本文系统评估了生物声学分类中抗噪声特征提取与去噪技术的最新进展，重点关注方法趋势、模型类型、跨领域可迁移性及实际部署证据	首次系统综述了生物声学分类中的抗噪声技术，并分析了临床与生态应用间的跨领域可迁移性	实际部署研究有限，数据集异质性大，报告不一致，且多依赖合成噪声	评估抗噪声特征提取与去噪技术对生物声学分类性能的影响	生物声学音频数据，涵盖新生儿哭声和生态声学	机器学习	NA	音频特征提取与去噪技术	深度学习, 混合方法	音频	132项研究	NA	NA	NA	NA
1270	2025-12-21	AI-powered epidemic control: Deepseek's role in global health resilience 2025-Dec-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07082-1 PMID:41402882	研究论文	本文介绍了DeepSeek这一AI驱动平台如何通过早期预警系统、趋势预测、治疗优化和公众咨询来革新流行病管理	通过集成多源实时数据（流行病学、社交媒体、移动性数据）与深度学习模型（LSTM、Transformers）及可解释决策框架，提升公共卫生响应能力	面临数据隐私和模型准确性的挑战	利用AI技术增强全球公共卫生韧性，改进流行病控制	流行病管理、公共卫生响应系统	自然语言处理, 机器学习	流行病	深度学习	LSTM, Transformer	流行病学数据、社交媒体数据、移动性数据	NA	NA	LSTM, Transformer	NA	NA
1271	2025-12-21	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2025-Dec-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	首次将临床、放射组学和深度学习特征在超分辨率MRI上进行融合，构建了可解释的预测模型，并验证了其在预后分层和辅助治疗指导中的增量价值	研究为回顾性设计，样本量有限，且外部验证集仅来自三个中心，可能存在选择偏倚	开发并验证一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，以指导个性化治疗	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名用于外部验证）	NA	融合临床-放射组学-深度迁移学习	AUC	NA
1272	2025-12-21	From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies 2025-Dec-15, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108852 PMID:41418718	综述	本文综述了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序到整合多组学数据的先进计算框架	强调了从描述性分类学向功能、预测和机制洞察的转变，以及AI驱动的生物信息学如何将微生物组研究从观察性学科转变为预测性和转化性科学	面临数据异质性、AI模型可解释性有限以及数据共享伦理问题等挑战，阻碍临床转化	回顾人类微生物组研究中计算方法的演进，并探讨未来发展方向	人类微生物组	机器学习	NA	16S rRNA测序, 多组学数据集整合	深度学习	基因组, 蛋白质组, 代谢组数据	NA	NA	NA	NA	NA
1273	2025-12-21	A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning 2025-Dec-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.12.032 PMID:41401894	综述	本文综述了基于深度学习，特别是迁移学习技术，利用MRI和PET模态对阿尔茨海默病阶段进行分类的研究，并涵盖了数据预处理工具、模型性能挑战及泛化问题	专注于迁移学习在阿尔茨海默病早期识别中的应用，以解决数据标注不足和类别不平衡问题，并系统回顾了相关数据预处理工具	未提出新的实验模型或算法，主要基于现有文献进行综述，可能未涵盖所有最新研究进展	回顾深度学习技术，特别是迁移学习，在阿尔茨海默病阶段分类中的应用，并探讨数据工具和模型挑战	阿尔茨海默病的早期阶段分类	机器学习	阿尔茨海默病	MRI, PET	深度学习模型	医学影像（MRI, PET）	NA	NA	NA	NA	NA
1274	2025-12-21	Artificial intelligence in spine surgery: a scoping review 2025-Dec-13, Neuro-Chirurgie DOI:10.1016/j.neuchi.2025.101764 PMID:41397525	综述	本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口	首次全面绘制了AI在脊柱外科中的应用版图，并强调了外部验证和模型可及性的不足	综述基于截至2024年1月的文献，可能未涵盖最新进展；且资源分享（如数据、代码）普遍有限	旨在描绘人工智能在脊柱外科中的应用全景，确定当前前沿并识别文献中的空白	涉及脊柱外科中AI模型或已验证AI应用的研究	机器学习	脊柱疾病	NA	深度学习模型, 非深度学习模型	NA	NA	NA	NA	NA	NA
1275	2025-12-21	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2025-Dec-13, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验进行高度加速的动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，并通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，同时采用阶段间特征传输而非仅单阶段输出，以改善多阶段协作	未明确说明计算资源需求或模型在极端加速因子下的泛化能力	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据集	计算机视觉	NA	动态磁共振成像	深度学习，循环神经网络	图像	NA	NA	密集循环展开网络	重建准确性，时间保真度	NA
1276	2025-12-21	Quantification differences between supine and prone CT in interstitial lung disease 2025-Dec-13, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位变异性的关键因素	回顾性研究设计，样本仅来自单一机构，未评估不同扫描参数对结果的影响	评估俯卧位CT在间质性肺病定量评估中的可靠性和临床应用价值	间质性肺病患者	数字病理学	间质性肺病	定量CT扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
1277	2025-12-21	Interpretable multi-model deep learning framework for automated four-class diagnosis of ocular toxoplasmosis using fundus imaging 2025-Dec-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29768-8 PMID:41381695	研究论文	本文提出了一种可解释的多模型深度学习框架，用于使用眼底图像对眼弓形虫病进行四分类自动诊断	首次提出了一个用于眼弓形虫病四分类（活动性、非活动性、混合性、健康）的综合性、可解释的多模型深度学习框架，集成了多种先进架构，并通过SHAP和EigenCAM确保模型透明度和临床一致性	未明确提及研究的具体局限性	开发一个准确、透明且可泛化的AI框架，用于从眼底图像中自动诊断眼弓形虫病的四种不同状态	眼弓形虫病患者的视网膜眼底图像	计算机视觉	眼弓形虫病	眼底成像	CNN, Vision Transformer, YOLO, 集成模型	图像	NA	NA	CNN, Vision Transformer, YOLOv8, YOLOv11, 集成模型	准确率, Matthews相关系数	GPU, CPU
1278	2025-12-21	Factors associated with rapid spinal radiographic progression in patients with axial spondyloarthritis: A hospital-based retrospective cohort study with mSASSS scoring using deep learning model 2025-Dec-11, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2025.152888 PMID:41418417	研究论文	本研究利用深度学习模型辅助mSASSS评分，通过回顾性队列分析，识别了中轴型脊柱关节炎患者脊柱影像快速进展的相关因素和保护因素	首次将深度学习模型应用于mSASSS评分，以识别脊柱影像快速进展的因素，并发现年龄和NSAIDs累积剂量是关键影响因素	研究为单中心回顾性队列设计，可能存在选择偏倚，且样本量相对有限	识别中轴型脊柱关节炎患者脊柱影像快速进展的相关和保护因素	242名中轴型脊柱关节炎患者及其379个观察间隔的脊柱侧位X光片	数字病理学	中轴型脊柱关节炎	脊柱X光成像	深度学习模型	图像	242名患者，共379个观察间隔	NA	NA	调整后比值比，95%置信区间	NA
1279	2025-12-21	Artificial Intelligence-Enabled Imaging for Predicting Preoperative Extraprostatic Extension in Prostate Cancer: Systematic Review and Meta-Analysis 2025-Dec-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/80981 PMID:41364797	meta-analysis	本文通过系统综述和荟萃分析，比较了基于人工智能的影像技术与放射科医生在预测前列腺癌术前前列腺外侵犯方面的诊断性能	首次通过荟萃分析系统比较了基于多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描的人工智能模型与放射科医生在预测前列腺癌前列腺外侵犯方面的诊断效能	研究设计多为回顾性，存在较高的异质性，可能引入偏倚并影响结果的普适性	比较人工智能影像技术与放射科医生在术前预测前列腺癌前列腺外侵犯的诊断性能	前列腺癌患者	digital pathology	prostate cancer	multiparametric magnetic resonance imaging, prostate-specific membrane antigen positron emission tomography	machine learning, deep learning	image	NA	NA	NA	sensitivity, specificity, area under the curve	NA
1280	2025-12-21	Model-Free Learning of Probability Flows: Elucidating the Nonequilibrium Dynamics of Flocking 2025-Dec-05, Physical review letters IF:8.1Q1 DOI:10.1103/1zqs-nbt7 PMID:41418186	研究论文	本文提出了一种新颖的深度学习方法来估计概率流，以研究活性系统中的非平衡动力学，特别是鸟群模型中的熵产生率	开发了一种直接从随机系统轨迹估计概率流的深度学习新方法，并推导了概率流与惯性系统熵产生率之间的新物理联系	未明确说明方法在高维相空间中的计算复杂度或泛化能力限制	理解活性系统中的非平衡动力学，特别是熵产生率在鸟群行为中的作用	活性系统，特别是鸟群模型的非平衡动力学	机器学习	NA	深度学习	NA	随机系统轨迹数据	NA	NA	NA	NA	NA