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
1341	2025-12-11	Artificial intelligence revolutionize food detection? Vision, olfaction and taste integrated with machine learning/deep learning in food detection 2025-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.147377 PMID:41365156	综述	本文综述了人工智能（特别是机器学习和深度学习）如何通过整合视觉、嗅觉和味觉感知技术来革新食品检测领域	系统阐述了AI在食品检测中实现自动特征学习和高维信号表征的机制，并展望了多模态数据融合及大语言模型的潜在应用	未提及具体的实验验证或性能对比数据，主要基于理论分析和文献综述	阐明人工智能在食品检测领域的理论框架和技术范式变革，并分析其未来发展方向	食品检测技术	机器学习	NA	计算机视觉、电子鼻、电子舌	机器学习、深度学习	多模态数据（视觉、嗅觉、味觉信号）	NA	NA	NA	检测准确率、鲁棒性	NA
1342	2025-12-11	A machine learning based framework for identifying consumer product injuries from social media data 2025-Dec-04, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112927 PMID:41365280	研究论文	提出一个基于机器学习的框架，用于从社交媒体数据中识别消费者产品伤害，以改进伤害监测	利用实时社交媒体帖子提取产品伤害细节，快速识别新兴伤害趋势，相比传统医院数据收集方法，处理时间更短，能促进及时干预	研究仅针对滑板相关伤害进行了评估，未涵盖其他产品类型，且模型性能（如F1分数）有提升空间	改进消费者产品伤害监测，通过社交媒体数据分析识别新兴伤害模式，以支持预防性干预如产品召回	社交媒体帖子（来自Reddit平台），涉及消费者产品伤害信息	自然语言处理	NA	社交媒体数据抓取，机器学习模型训练	LSTM, GRU, SGD	文本	非伤害相关数据来自亚马逊产品评论，伤害相关数据来自国家电子伤害监测系统（NEISS）数据库，具体样本数量未明确	NA	LSTM, GRU	F1分数	NA
1343	2025-12-11	Long-Tailed Continual Learning For Visual Food Recognition 2025-Dec-03, IEEE transactions on multimedia IF:8.4Q1 DOI:10.1109/tmm.2025.3632640 PMID:41358265	研究论文	本文提出了一种用于视觉食物识别的长尾持续学习方法，以解决新类别学习和长尾分布问题	引入了基于知识蒸馏的预测器以避免持续学习中的表示错位，并结合了类激活图与CutMix的增强技术来提升对实例稀有食物类别的泛化能力	NA	开发一种能够持续学习新食物类别并处理长尾分布的食物识别方法	美国食物图像，包括健康人群、胰岛素使用者以及未使用胰岛素的2型糖尿病个体的消费数据	计算机视觉	NA	深度学习	NA	图像	包含186种美国食物及其全面标注的数据集，以及三个新基准数据集（VFN186-LT、VFN186-INSULIN、VFN186-T2D）	NA	NA	NA	NA
1344	2025-12-11	Cartesian equivariant representations for learning and understanding molecular orbitals 2025-Dec-02, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2510235122 PMID:41269783	研究论文	本文提出了一种名为CEONET的笛卡尔等变网络，用于基于分子轨道系数预测轨道能量和特性，如键合/反键合特征	首次将先进的等变深度学习架构应用于分子轨道的全局标签分配，特别是轨道能量和熵的预测，并开发了CEONET作为等变节点特征的表示方法	未明确说明模型在复杂分子系统或不同电子结构方法下的泛化能力限制	开发深度学习模型以自动化和解释电子结构理论中的轨道特性，如能量和键合特征	分子轨道系数，来自Hartree-Fock或密度泛函理论计算	机器学习	NA	深度学习，电子结构理论（Hartree-Fock，密度泛函理论）	等变神经网络	分子轨道系数数据	NA	NA	Cartesian Equivariant Orbital Network (CEONET)	轨道能量预测精度，轨道熵预测性能	NA
1345	2025-12-11	The value of machine and deep learning in management of critically ill patients: An umbrella review 2025-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106081 PMID:40795609	综述	本文通过伞状系统综述探讨了机器学习和深度学习在重症监护病房（ICU）危重患者管理中的应用潜力	首次以伞状系统综述的形式全面评估了机器学习和深度学习在ICU多疾病领域（如脓毒症、呼吸、心血管、肾脏和神经系统疾病）管理中的应用现状与潜力	临床转化应用仍受限，主要由于外部验证不足、方法学不一致以及未解决的伦理问题	探索机器学习和深度学习在危重患者管理中的应用可能性，以改善临床决策和患者结局	重症监护病房（ICU）中的危重患者，特别是涉及脓毒症、呼吸、心血管、肾脏和神经系统疾病的患者	机器学习	危重病（涵盖脓毒症、呼吸系统疾病、心血管疾病、肾脏疾病、神经系统疾病）	NA	机器学习, 深度学习	NA	42项符合分析标准的研究（源自2148条初始记录）	NA	NA	NA	NA
1346	2025-12-11	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	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网络在利用CT图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在脑出血血肿扩张预测中的应用进行系统性综述和荟萃分析，比较了纯深度学习模型与结合其他方法的混合模型的诊断性能	纳入研究存在异质性，部分研究质量可能影响结果，且可能存在发表偏倚	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者的CT扫描图像	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异性, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
1347	2025-12-11	Machine learning and deep learning approaches in MRI for quantifying and staging fatty liver disease: A systematic review 2025-Dec, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102112 PMID:40976110	系统综述	本文系统综述了机器学习和深度学习在MRI中用于量化和分期脂肪肝疾病的诊断准确性、可重复性和临床实用性	首次系统性地评估了ML和DL技术在MRI脂肪肝定量和分期中的应用，并比较了不同方法（如CNN、GAN、影像组学）的性能	纳入研究样本量较小（n=25-1038），多为单中心设计，存在厂商协议变异性，限制了结果的普遍性	系统评估机器学习和深度学习技术在MRI中用于脂肪肝疾病量化和分期的诊断准确性、可重复性及临床效用	疑似或确诊的非酒精性脂肪肝病（NAFLD）、非酒精性脂肪性肝炎（NASH）或酒精相关性肝病（ALD）的人类参与者	医学影像分析	脂肪肝病	MRI，包括质子密度脂肪分数（PDFF）、化学位移编码MRI、Dixon MRI	CNN, GAN	MRI图像	15项研究，样本量范围25至1038例	NA	卷积神经网络，生成对抗网络	AUC，敏感性，特异性，组内相关系数（ICC），Dice系数	NA
1348	2025-12-11	AI radiomics predicts spatial glioma recurrence on preoperative MRI: a systematic review 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112412 PMID:40987214	系统综述	本文系统综述了基于AI的影像组学模型在利用术前MRI预测胶质瘤空间复发方面的性能	首次系统性地评估了AI模型在预测胶质瘤局部和远处复发方面的能力，并使用了专门的PROBAST + AI工具进行方法学质量评估	证据主要来自小型、单中心、回顾性队列研究，需要更大规模的前瞻性多中心研究来支持临床转化	评估AI模型在预测胶质瘤患者肿瘤空间复发（局部或远处）方面的性能	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	MRI（包括常规序列如T1CE、FLAIR以及高级成像如扩散加权成像）	机器学习, 深度学习	图像	1004名高级别胶质瘤患者	NA	随机森林分类器, 支持向量机, 自定义卷积神经网络	敏感性, 特异性, 比值比	NA
1349	2025-12-11	Quantitative Analysis of Distinct Colon Crypt Branching Modes Using Interpretable Machine Learning 2025-Dec-01, Inflammatory bowel diseases IF:4.5Q1 DOI:10.1093/ibd/izaf230 PMID:41157897	研究论文	本文提出了一种基于可解释机器学习的模型，用于定量分析结肠隐窝分支的对称和不对称模式，以改善炎症性肠病的组织学表征	通过手工设计的形态特征和深度学习模型，首次实现了对结肠隐窝分支模式的自动分类，并强调了模型的可解释性	模型性能仍有提升空间（平衡准确率约0.80），且依赖专家标注数据，可能受限于样本多样性和标注一致性	开发一种机器学习模型，以准确分类结肠隐窝的对称和不对称分支模式，从而辅助炎症性肠病的定量描述和组织学亚型分析	结肠隐窝的分支形态	数字病理学	炎症性肠病	形态特征提取，图像分割	集成学习模型，深度学习模型	图像	NA	NA	NA	平衡准确率	NA
1350	2025-12-11	Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches 2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.07.009 PMID:40897576	系统综述	本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能	首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能	纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性	系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能	利用深度学习架构进行口腔扁平苔藓诊断的研究	计算机视觉	口腔扁平苔藓	临床摄影	CNN, Vision Transformer	图像	NA	NA	InceptionResNetV2, Xception	准确率, 灵敏度, 特异性, AUC	NA
1351	2025-12-11	Deep Learning Predicts EGFR Mutation Status from Histology Images in Non-Small Cell Lung Cancer 2025-Dec-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-25-0155 PMID:41211715	研究论文	本研究开发并验证了一种深度学习模型Lunit SCOPE Genotype Predictor，用于从非小细胞肺癌的常规H&E组织学图像中预测EGFR突变状态	首次利用超过12,000张全切片图像训练深度学习模型，实现从常规组织学图像中预测EGFR突变状态，并在多样化的临床数据集中验证了其稳健性能	未明确提及模型在特定亚型或罕见突变中的性能限制，也未讨论模型的可解释性	通过深度学习模型补充分子EGFR突变筛查，提高非小细胞肺癌的生物标志物检测率	非小细胞肺癌患者的组织学图像	数字病理学	肺癌	深度学习	深度学习模型	图像	训练集超过12,000张全切片图像，验证集1,461例，独立测试集599例，多扫描仪测试集2,261例	未明确提及	未明确提及	AUROC	未明确提及
1352	2025-12-11	Weed mapping using UAV imagery and AI techniques: current trends and challenges 2025-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.70151 PMID:40836577	综述	本文综述了利用无人机图像和人工智能技术进行杂草识别与制图的最新研究进展、方法和挑战	系统性地分析和比较了基于无人机图像的杂草识别中传统机器学习与深度学习方法，并特别关注了非可见光谱通道的应用趋势	本文是一篇综述，不包含原创实验数据，主要基于现有文献进行分析	分析机器学习/深度学习技术在无人机图像杂草识别中的应用现状、方法及挑战	无人机捕获的农田杂草图像	计算机视觉	NA	无人机成像	机器学习, 深度学习	图像	NA	NA	NA	准确率	NA
1353	2025-12-11	Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm 2025-Dec-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00265.2025 PMID:41134685	研究论文	本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类	首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物	研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证	开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估	人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者	数字病理学	慢性肾脏病	空间多重免疫染色信号标记技术	图神经网络	空间蛋白质表达数据	未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本	未明确指定	图神经网络分类器	未明确指定	NA
1354	2025-12-11	Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70356 PMID:41253687	研究论文	本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群	结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群	研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计	评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果	局部晚期宫颈癌患者	数字病理	宫颈癌	锥形束CT引导的自适应放疗，深度学习分割	深度学习模型	CT图像，锥形束CT图像	49例宫颈癌患者	NA	NA	D95%靶区剂量，几何覆盖率，剂量学覆盖率	NA
1355	2025-12-11	Knowledge-informed deep learning to mitigate bias in joint air pollutant prediction 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109915 PMID:41260014	研究论文	提出一种新颖的物理信息深度学习框架，通过将平流扩散方程和流体动力学约束直接集成到神经网络架构中，以减轻联合空气污染物预测中的偏差	首次将平流扩散方程和流体动力学约束直接集成到神经网络架构中，用于多污染物预测，并生成物理可解释参数，同时通过集成技术提供明确的不确定性量化	研究在两个地理上不同的领域（加利福尼亚和中国大陆）进行验证，可能需要在更广泛区域进行测试以证明普适性	通过结合物理约束的深度学习方法来提高空气污染物预测的准确性并减少系统偏差，以改进流行病学研究中的暴露评估	空气污染物对（加利福尼亚的NO/NO₂和中国大陆的PM₂.₅/PM₁₀）	机器学习	NA	深度学习，物理信息神经网络	神经网络	空气污染物数据	NA	NA	物理信息深度学习框架	偏差减少百分比，泛化误差	NA
1356	2025-12-11	Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction 2025-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111324 PMID:41265065	系统文献综述	本文对2018年至2024年间基于可解释人工智能（XAI）的深度学习模型在心电图（ECG）心脏病分类中的应用进行了系统性文献综述	首次系统性地梳理和分析了XAI在ECG心脏病分类深度学习模型中的应用现状、方法选择及其对模型可解释性的影响，并指出了该领域的关键挑战和未来研究方向	综述基于已有文献，未进行新的实验验证；识别出的挑战（如数据标准化、可解释性不一致、缺乏XAI基准测试和标准化指标等）仍需后续研究解决	提高对基于ECG的心脏病分类深度学习模型可解释性的理解，总结方法学选择、分析其对模型可解释性的影响，并指出该领域的重要挑战与未来机会	2018年1月至2024年9月期间发表的、关于使用XAI的深度学习进行ECG心脏病分类的学术文章	机器学习	心血管疾病	心电图（ECG）	深度学习模型	ECG信号数据	从6448项初步研究中筛选出51项使用XAI深度学习架构的研究，涉及25个不同数据集	NA	共识别出16种不同的深度学习架构	NA	NA
1357	2025-12-11	Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial 2025-Dec, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2025.108545 PMID:41314436	研究论文	本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力	开发并验证了深度学习模型ScreenDx，用于在CT扫描中自动识别早期或未诊断的ILD，特别是在原本排除ILD患者的队列中检测出漏诊病例	研究基于特定队列（COPDGene试验），ILD患病率较低（约1-2%），可能影响结果的普适性；且依赖回顾性数据，未进行前瞻性验证	评估人工智能工具在CT扫描中自动检测早期或未诊断的间质性肺疾病的性能	COPDGene试验中的患者，包括最初未诊断的ILD患者（阳性样本）以及COPD患者和对照者（阴性样本）	数字病理学	间质性肺疾病	计算机断层扫描（CT）	深度学习模型	CT图像	从COPDGene数据集中选取的ILD患者、COPD患者和对照者，目标ILD患病率为约1-2%	NA	ScreenDx	灵敏度, 特异性	NA
1358	2025-12-11	Machine learning for modelling the health impacts of extreme heat: A comprehensive literature review 2025-Dec, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2025.109965 PMID:41319442	综述	本文对当前用于模拟极端高温对人类健康影响的机器学习应用进行了全面的文献综述	系统性地梳理和评估了机器学习在高温健康研究领域的应用现状、优势与局限，并提出了未来发展的具体建议	纳入的25篇研究主要来自高收入国家，可能无法全面代表全球情况；研究多关注单一健康结局和一般人群，对个体层面和脆弱群体的研究不足	综述机器学习在模拟极端高温健康影响中的应用，以指导未来研究并减轻全球高温相关的健康负担	已发表的关于使用机器学习建模极端高温对人类健康影响的科学文献	机器学习	NA	NA	Random Forest, 深度学习	环境数据（如气温、湿度）、时间数据、社会人口学数据	NA	NA	NA	NA	NA
1359	2025-12-11	Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome 2025-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012326 PMID:41337156	研究论文	本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于直接从表观基因组数据预测染色质亚区室注释	开发了首个基于Transformer的模型TECSAS，用于从表观基因组数据解码染色质三维结构亚区室，并揭示了远程表观基因组背景对染色质组织的影响	未明确提及模型的具体局限性，如数据依赖性、泛化能力或计算成本	研究表观基因组特征与三维基因组组织之间的复杂相互作用，以更好地理解基因组结构和功能	染色质三维结构、表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据）	机器学习	NA	组蛋白修饰分析、转录因子结合谱分析、RNA-Seq	Transformer	表观基因组数据（组蛋白修饰、转录因子结合、RNA-Seq）	NA	NA	Transformer	高准确性（未指定具体指标）	NA
1360	2025-12-11	Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71303 PMID:41356232	综述	本文综述了光谱和成像技术在肉类质量与安全无损检测中的最新进展，包括其原理、应用场景、优缺点及未来展望	探讨了多种先进光谱和成像技术的集成应用，并提出了结合深度学习算法以提高检测全面性和准确性的未来研究方向	这些技术在工业应用中仍面临成本高昂和数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢	总结光谱和成像技术在肉类质量与安全检测中的最新发展，以促进高质量食品的交付	肉类（作为人类饮食中重要的动物蛋白来源）	机器视觉	NA	近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像	NA	光谱数据、图像数据	NA	NA	NA	NA	NA