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
121	2025-12-31	Semi-inductive dataset construction and framework optimization for practical drug target interaction prediction with ScopeDTI 2025-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66311-9 PMID:41390462	研究论文	本文提出了SCOPE-DTI框架，结合大规模半归纳人类药物-靶点相互作用数据集和深度学习模型，以提升药物-靶点相互作用预测的实用性和性能	构建了大规模、平衡的半归纳人类DTI数据集，并整合三维蛋白质和化合物表示、图神经网络及双线性注意力机制，以有效捕捉跨域相互作用模式	未明确提及具体局限性，但可能受限于数据来源的多样性和模型复杂性	提升药物-靶点相互作用预测的实用性和准确性，加速药物发现研究	药物-靶点相互作用数据，包括人类蛋白质和化合物	机器学习	癌症	深度学习，图神经网络	图神经网络，注意力机制	三维蛋白质和化合物表示，药物-靶点相互作用数据	从13个公共存储库构建的大规模数据集，数据量比常见基准（如Human数据集）扩展高达100倍	未明确指定，可能基于PyTorch或TensorFlow	图神经网络，双线性注意力机制	未明确指定，但提及在多种DTI预测任务中优于最先进方法	未明确指定
122	2025-12-15	A novel deep learning framework with temporal attention convolutional networks for intrusion detection in IoT and IIoT networks 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32697-1 PMID:41390854	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
123	2025-12-31	Artificial Intelligence and the Future of Cardiac Implantable Electronic Devices: Diagnostics, Monitoring, and Therapy 2025-Dec-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248824 PMID:41464726	综述	本文综述了人工智能在心脏植入式电子设备（CIEDs）领域，包括诊断、远程监测和治疗优化方面的主要应用	总结了AI在CIEDs中诊断心律失常、预测临床事件、优化治疗及探索自然语言处理和强化学习等新方法的最新进展	面临数据标准化、临床试验验证和监管考虑等挑战，需进一步研究以转化为常规临床护理	探讨人工智能如何提升心脏植入式电子设备的管理和患者治疗效果	心脏植入式电子设备（如起搏器、植入式心律转复除颤器、心脏再同步治疗设备）及其生成的数据	机器学习	心血管疾病	机器学习、深度学习、自然语言处理、强化学习	神经网络	时间序列数据、文本数据	NA	NA	NA	NA	NA
124	2025-12-31	Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization 2025-Dec-12, Journal of visualized experiments : JoVE DOI:10.3791/69287 PMID:41460740	研究论文	本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要，以提高摘要的准确性和效率	创新点在于将案例推理与多阶段Transformer架构结合，用于法律文本摘要，在词汇重叠和领域特定推理指标上超越现有基线方法	NA	研究目的是开发一种混合法律文本摘要框架，以快速识别和提取法律文档中的相关信息	研究对象是法律文档，具体为来自Kaggle的4,968个法律案例	自然语言处理	NA	案例推理，深度学习	Transformer	文本	4,968个法律案例	NA	多阶段Transformer架构	准确率，ROUGE分数，法律实体保留，推理保真度，事实准确性，连贯性	NA
125	2025-12-31	Artificial Intelligence in Obesity Prevention 2025-Dec-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243262 PMID:41464330	综述	本文全面分析了人工智能在肥胖预防领域的研究影响，通过范围综述评估了AI在肥胖评估与预测中的应用	系统梳理了2009年至2025年间AI在肥胖研究中的应用趋势，并整合了多种机器学习方法以发现数据中的新规律	需要更多研究来验证AI在肥胖预测中的实际效果，现有分析可能受限于文献检索范围和模型泛化能力	探讨人工智能在肥胖早期识别、预测及预防策略开发中的应用潜力	肥胖相关研究文献（来自PubMed、Scopus、Web of Science、Google Scholar数据库）及其中涉及的AI预测模型	机器学习	肥胖症	文献范围综述方法（scoping study）	逻辑回归, 决策树, 人工神经网络	文本数据（文献资料）	NA	NA	NA	NA	NA
126	2025-12-31	Generalizable morphological profiling of cells by interpretable unsupervised learning 2025-Dec-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66267-w PMID:41381503	研究论文	本文提出了一种名为MorphoGenie的无监督深度学习框架，用于单细胞形态学分析，通过解耦表示学习和高保真图像重建，在无需标注的情况下捕捉生物学有意义的特征	结合解耦表示学习与高保真图像重建，创建紧凑且可解释的潜在空间，系统地将潜在表示与层次化形态属性关联，支持组合泛化，适用于多种成像模态和实验条件	未明确提及具体局限性，但可能涉及模型在极端或未见过条件下的泛化能力验证	开发一种通用、无偏的单细胞形态学分析策略，以量化细胞生物学特征	单细胞	计算机视觉	NA	高级显微镜成像，如荧光成像、定量相位成像	深度学习	图像	NA	NA	NA	NA	NA
127	2025-12-31	Artificial Intelligence Applications in Chronic Obstructive Pulmonary Disease: A Global Scoping Review of Diagnostic, Symptom-Based, and Outcome Prediction Approaches 2025-Dec-11, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13123053 PMID:41463064	综述	本文通过范围综述，系统梳理了人工智能在慢性阻塞性肺疾病诊断、症状分析和结局预测三个关键领域的应用现状	首次通过全球范围综述，系统地将AI在COPD中的应用归纳为诊断、临床症状和临床结局三大领域，并识别出当前研究的主要趋势和关键空白	纳入研究主要为回顾性分析，缺乏前瞻性验证和临床实施研究，且数据来源存在地域不平衡（南美洲和非洲数据稀缺）	系统梳理和总结人工智能在慢性阻塞性肺疾病领域的应用研究现状	针对慢性阻塞性肺疾病患者的诊断、症状和临床结局相关研究	机器学习	慢性阻塞性肺疾病	NA	深度学习, 基于树的机器学习模型	电子健康记录, 胸部CT扫描, 音频记录	共纳入120项全球分布的研究	NA	卷积神经网络, CatBoost	准确率	NA
128	2025-12-31	Implementation of a Stress Biomarker and Development of a Deep Neural Network-Based Multi-Mental State Classification Model 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121352 PMID:41463649	研究论文	本研究开发了一个基于大规模真实生活生物信号数据的深度学习模型，用于预测压力水平并解释其背后的生理模式	整合了静态机器学习模型（如随机森林和LightGBM）与时间序列深度学习模型（如LSTM和Transformer），并利用SHAP和Transformer注意力权重可视化增强模型可解释性，以大规模纵向数据验证基于Transformer的模型在近似设备衍生生理压力水平方面的有效性	使用的真实标签是基于K-FDA批准的穿戴设备中现有心率变异性算法的输出，而非经过临床验证的评估（如唾液皮质醇或心理量表），因此研究重点在于模型能否有效近似设备衍生的压力水平，而非识别独立的临床压力标志物	评估深度学习模型能否准确学习并复现现有基于心率变异性算法生成的压力指数，为未来使用临床验证压力标签的应用提供方法论基础	世宗特别自治市居民在两年期间自愿收集的大规模纵向生物信号数据	机器学习	NA	心率变异性分析	随机森林, LightGBM, LSTM, Transformer	生物信号序列	约137,000个纵向测量值	NA	LSTM, Transformer	分类准确率	NA
129	2025-12-31	A Review on Registration Techniques for Cardiac Computed Tomography and Ultrasound Images 2025-Dec-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121351 PMID:41463648	综述	本文综述了心脏CT与超声图像配准技术的研究进展，分析了现有方法及其优缺点，并展望了未来发展方向	系统总结了心脏CT与超声图像配准的传统与深度学习方法，并探讨了多模态配准技术在心脏成像中的最新进展及深度学习潜力	未提及具体实验数据或性能比较，主要基于文献综述，缺乏原创性方法验证	研究心脏CT与超声图像的有效配准技术，以提升心脏疾病诊断和治疗的影像支持	心脏CT图像和超声图像	医学影像	心血管疾病	CT成像、超声成像	NA	图像	NA	NA	NA	NA	NA
130	2025-12-31	AI-Based Quantitative HRCT for In-Hospital Adverse Outcomes and Exploratory Assessment of Reinfection in COVID-19 2025-Dec-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243156 PMID:41464157	研究论文	本研究评估了基于AI的定量高分辨率CT指标在预测COVID-19患者院内复合不良结局及探索长期再感染风险中的增量预后价值	首次将深度学习衍生的定量HRCT特征与临床因素结合，用于预测COVID-19患者的院内不良结局，并探索性地评估了这些影像学指标与长期SARS-CoV-2再感染的关联	再感染分析受限于事件数量极少（仅18例）和宽置信区间，统计不确定性较大，需要外部队列验证	评估结合AI定量HRCT特征和临床因素是否能改善COVID-19肺炎患者院内复合不良事件的预测，并探索其与长期再感染的关联	236例经RT-PCR确诊的COVID-19患者，均接受了基线HRCT检查	数字病理学	COVID-19	高分辨率CT（HRCT），反向转录聚合酶链反应（RT-PCR）	深度学习	CT图像	236名患者（院内结局分析），193名患者（长期再感染分析）	NA	预训练自适应AI原型模型（西门子Healthineers）	AUC, C-index	NA
131	2025-12-31	Visual Food Ingredient Prediction Using Deep Learning with Direct F-Score Optimization 2025-Dec-11, Foods (Basel, Switzerland) DOI:10.3390/foods14244269 PMID:41464974	研究论文	本文提出了一种基于深度学习的视觉食物成分预测方法，通过直接优化F分数来解决类别不平衡问题	将F分数优化问题重新表述为成本敏感分类器优化，并提出了一种计算高效的算法来估计最优相对成本参数	未明确说明计算资源需求或模型训练时间，也未讨论在更广泛数据集上的泛化能力	解决食物图像中多标签分类任务的类别不平衡问题，以提升食物成分预测的准确性	食物图像及其对应的成分标签	计算机视觉	NA	深度学习	人工神经网络	图像	Recipe1M数据集	NA	NA	micro F1分数	NA
132	2025-12-31	A Mycelium Dataset with Edge-Precise Annotation for Semantic Segmentation 2025-Dec-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06265-1 PMID:41372240	研究论文	本文介绍了MyceliumSeg数据集，这是首个用于语义分割的大规模真菌菌丝体图像基准数据集，旨在解决菌丝体边缘精确分割的挑战	创建了首个大规模、高质量的真菌菌丝体图像数据集，包含多物种、全生长周期的图像，并提出了一个包含多盲精炼标注指南和新颖分歧解决方案的标注框架	数据集仅涵盖四种真菌物种，可能无法代表所有真菌类型的菌丝体特征；标注过程耗时较长（37人日），限制了数据集的快速扩展	推动计算机视觉在真菌学研究中的应用，特别是菌丝体及其边缘的精确语义分割任务	真菌菌丝体在培养皿图像中的分割	计算机视觉	NA	图像采集与标注	深度学习模型	图像	20,176张高质量多样图像，包含567个像素级标注样本	NA	主流深度学习模型	经典分割指标, 边界感知分割指标	NA
133	2025-12-31	A Graph-Based Deep Learning Framework with Gating and Omics-Linked Attention for Multi-Omics Integration and Biomarker Discovery 2025-Dec-10, Biology DOI:10.3390/biology14121764 PMID:41463537	研究论文	提出了一种名为MOGOLA的新型深度学习框架，用于多组学数据整合与生物标志物发现	提出了结合图卷积网络、图注意力网络、门控置信度机制和跨组学注意力融合的创新框架，实现了自适应特征加权和可解释的多组学整合	未在摘要中明确说明	实现有效且可解释的多组学数据整合，以促进疾病分类和生物标志物发现	多组学数据（基因组学、转录组学、蛋白质组学等）	机器学习	乳腺癌, 肾癌, 神经退行性疾病, 脑胶质瘤	多组学测序技术	GCN, GAT	多组学数据	四个基准数据集（BRCA, KIPAN, ROSMAP, LGG）	PyTorch, TensorFlow	Graph Convolutional Networks, Graph Attention Networks	准确性, 精确度, 召回率, F1分数, AUC	未在摘要中明确说明
134	2025-12-31	Artificial Intelligence in Tetralogy of Fallot: From Prenatal Diagnosis to Lifelong Management: A Narrative Review 2025-Dec-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121349 PMID:41463646	综述	本文综述了人工智能在法洛四联症从产前诊断到终身管理全过程中的应用现状与前景	系统性地整合了AI在法洛四联症全生命周期护理中的多领域应用，并展望了多模态数据融合支持精准医疗的未来方向	面临数据集限制、模型可解释性、监管标准及伦理问题等挑战	探讨人工智能在先天性心脏病，特别是法洛四联症的诊断、治疗及长期管理中的应用	法洛四联症患者及其医疗数据	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	影像数据, 电子健康记录, 基因组信息, 连续监测数据	NA	NA	NA	诊断准确性, 风险分层	NA
135	2025-12-31	Explainable Deep Learning for Breast Lesion Classification in Digital and Contrast-Enhanced Mammography 2025-Dec-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243143 PMID:41464144	研究论文	本研究评估了三种卷积神经网络架构在数字乳腺X线摄影和对比增强光谱乳腺X线摄影图像上对乳腺病变进行二元分类的性能，并利用可解释性方法分析模型决策模式	首次在相同预处理、训练和评估条件下，使用可解释深度学习模型直接比较DM和CESM两种乳腺成像模态	研究仅使用公开CDD-CESM数据集，样本量相对有限（2006张图像），且未涵盖所有临床场景	评估深度学习模型在不同乳腺成像模态中的分类性能与决策一致性，促进人工智能在乳腺癌筛查中的公平临床整合	乳腺病变图像（包括正常、良性和恶性类别）	数字病理学	乳腺癌	对比增强光谱乳腺X线摄影	CNN	图像	2006张乳腺X线图像（来自CDD-CESM公开数据集）	未明确说明	ResNet-18, DenseNet-121, EfficientNet-B0	AUC, 准确率	未明确说明
136	2025-12-31	Molecular Remodeling of Milk Fat Globules Induced by Centrifugation: Insights from Deep Learning-Based Detection of Milk Adulteration 2025-Dec-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411919 PMID:41465343	研究论文	本研究应用深度学习方法检测牛奶离心掺假引起的微观结构变化	首次将深度学习模型应用于检测牛奶离心处理导致的分子水平重组，而非传统形态学变化，揭示了模型关注高频纳米尺度变化而非脂肪球边界	研究仅基于光学显微镜图像，未结合其他分子分析技术进行验证；样本量相对有限（128对样本）	开发基于人工智能的精确工具，用于检测牛奶掺假并提升食品完整性诊断	生牛奶样本及其离心处理后的配对样本	计算机视觉	NA	光学显微镜成像	CNN, 混合注意力架构	图像	128对生牛奶样本，约25,000张明场显微图像	NA	ResNet-18, ResNet-50, Inception-v3, Xception, NasNet-Mobile, MaxViT, CoAtNet	准确率, HAR（每样本五张图像召回率的调和平均值）	NA
137	2025-12-31	INTERPRETING CONVOLUTIONAL NEURAL NETWORKS IN POPULATION GENETICS 2025-Dec-09, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.04.692404 PMID:41415368	研究论文	本文通过分析卷积神经网络在群体遗传学中的应用，探讨其学习特征与传统汇总统计量之间的关系，以提升深度学习方法的可解释性	首次系统比较CNN学习特征与传统群体遗传学汇总统计量的关联，并利用SHAP值、降维技术和可解释模型（如决策树和随机森林）构建“模型之模型”，揭示CNN如何隐式计算如配对杂合度等统计量	研究主要关注特定CNN架构和选择性清除检测任务，可能未覆盖所有深度学习模型或群体遗传学应用场景，且可解释性方法（如SHAP）本身存在计算复杂性和近似误差	提升卷积神经网络在群体遗传学中的可解释性，阐明其学习机制与传统方法的联系	卷积神经网络在群体遗传学任务（如自然选择推断、重组率估计）中的学习特征	机器学习	NA	NA	CNN	遗传数据	NA	NA	NA	NA	NA
138	2025-12-31	A Weakly Supervised Approach for HPV Status Prediction in Oropharyngeal Carcinoma from H&E-Stained Slides 2025-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers17243938 PMID:41463189	研究论文	本研究采用弱监督深度学习框架CLAM，直接从口咽鳞状细胞癌的H&E染色全切片图像中预测HPV状态	首次应用CLAM框架于HPV状态预测，通过注意力热图可视化模型关注区域，并在细胞层面验证形态学特征与HPV状态的一致性	错误主要出现在p16/ISH状态冲突或切片质量不佳的样本中，样本量相对有限（123张WSI）	开发基于深度学习的HPV状态预测方法，以替代或补充现有临床标志物	口咽鳞状细胞癌患者的H&E染色全切片图像	数字病理学	口咽癌	H&E染色，全切片成像，p16免疫组化，原位杂交	弱监督深度学习，注意力多实例学习	图像	123张全切片图像，来自TCGA和OPSCC-UNINA两个队列	CLAM	CLAM	准确率	NA
139	2025-12-31	PSO-BiLSTM-Attention: An Interpretable Deep Learning Model Optimized by Particle Swarm Optimization for Accurate Ischemic Heart Disease Incidence Forecasting 2025-Dec-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121343 PMID:41463640	研究论文	本研究提出了一种结合粒子群优化、双向长短期记忆网络和多尺度注意力机制的可解释深度学习模型，用于准确预测缺血性心脏病的发病率	提出了一个结合PSO、BiLSTM和新型多尺度注意力机制的可解释预测框架，并利用SHAP进行三级可解释性分析，将不透明的算法转化为透明系统	模型依赖于全球疾病负担数据库的历史数据，未来发病率预测可能受未纳入的社会经济、环境等新因素影响	开发一个高精度且可解释的缺血性心脏病发病率预测模型，为公共卫生政策、资源分配和针对性干预策略提供依据	全球疾病负担数据库2021中1990-2021年间的年龄标准化发病率数据，按24个性别-年龄亚组分层	机器学习	心血管疾病	NA	BiLSTM, Attention	时间序列数据	1990-2021年全球疾病负担数据库的年龄标准化发病率数据，按24个性别-年龄亚组分层处理	NA	BiLSTM-Attention, PSO-BiLSTM-Attention	平均绝对误差, 均方根误差, R平方	NA
140	2025-12-31	Artificial Intelligence in Diabetic Retinopathy and Diabetic Macular Edema: A Narrative Review 2025-Dec-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121342 PMID:41463639	综述	本文回顾了2010年至2025年间人工智能在糖尿病视网膜病变和糖尿病性黄斑水肿中的应用研究	系统梳理了AI在DR和DME领域近15年的应用进展，涵盖检测、分类、预后和治疗监测等多个方面，并指出自主AI工具已获得监管批准并应用于临床实践	AI性能可能因图像质量、设备差异和患者群体不同而变化，且需要更广泛的验证和系统级整合	评估人工智能在糖尿病视网膜病变和糖尿病性黄斑水肿中的诊断、预后和治疗监测应用	糖尿病视网膜病变和糖尿病性黄斑水肿相关的医学影像数据	医学影像分析	糖尿病视网膜病变, 糖尿病性黄斑水肿	深度学习	NA	眼底照片, 光学相干断层扫描数据	NA	NA	NA	灵敏度, 特异度, AUC	NA