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
1741	2025-12-04	Identification of Camellia Oil Adulteration With Excitation-Emission Matrix Fluorescence Spectra and Deep Learning 2025-Oct, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-025-04229-7 PMID:40063235	研究论文	本研究提出了一种结合激发-发射矩阵荧光光谱和深度学习模型ResTransformer的快速、无损方法，用于识别山茶油的掺假类型和浓度	提出了一种名为ResTransformer的新型深度学习模型，该模型将残差模块与Transformer结合，能够从局部和全局视角同时进行掺假类型的定性检测和掺假浓度的定量检测	研究模拟了潜在的掺假场景，但实际市场中的掺假情况可能更为复杂多样	开发一种准确且无损的方法来识别山茶油掺假，以保障公众健康	山茶油及其掺假样品	机器学习	NA	激发-发射矩阵荧光光谱	深度学习	光谱数据	NA	NA	ResTransformer（结合残差模块与Transformer）	准确率, 决定系数, 均方根误差, 性能偏差比	NA
1742	2025-12-04	The Operative Role of Artificial Intelligence in Vascular Surgery: A Systematic Review of Literature 2025-Oct, Cureus DOI:10.7759/cureus.95515 PMID:41322735	综述	本文系统回顾了人工智能在血管外科手术工作流程和安全性方面影响的现有文献	首次系统性地综述了人工智能在血管外科围手术期（术前、术中、术后）的应用现状，并评估了其对工作流程和安全性的影响	证据有限，主要基于小样本、回顾性和异质性研究，存在潜在偏倚，需要大规模前瞻性验证	评估人工智能在血管外科手术工作流程和安全性方面的作用与潜力	血管外科手术（包括血管内修复术、颈动脉内膜切除术、动静脉瘘、搭桥术等）	机器学习和数字病理学	心血管疾病	NA	机器学习，深度学习，神经网络	医学影像（如术前CT），临床数据	8项相关研究（6项回顾性研究，1项前瞻性研究，1项混合队列研究）	NA	NA	预测准确性，工作流程效率，安全性	NA
1743	2025-12-04	Workflow to detect exceeded dose constraints in pancreatic stereotactic body irradiation after intrafraction motion during magnetic resonance-guided adaptive radiotherapy using a deep learning-refined contour propagation tool 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100866 PMID:41323214	研究论文	本文提出了一种工作流程，用于自动检测胰腺立体定向体部放疗中因分次内运动导致的胃肠道结构剂量约束超标	引入深度学习精炼的轮廓传播工具，自动检测分次内运动引起的剂量约束超标，提高放疗计划验证的自动化水平	研究样本量较小（11名患者，48个分次），且依赖于手动绘制的参考轮廓进行验证	开发一种自动化工作流程，以检测磁共振引导自适应放疗中胰腺癌治疗因分次内运动导致的剂量约束超标	胰腺癌患者的胃肠道结构（如十二指肠）在磁共振引导自适应放疗中的分次内运动	数字病理学	胰腺癌	磁共振引导自适应放疗，立体定向体部放疗	深度学习	磁共振图像	11名胰腺癌患者的48个每日自适应分次，使用79张图像进行模型训练	NA	NA	Dice相似系数，平均距离一致性，特异性，敏感性，准确性	NA
1744	2025-12-04	Deep Learning-Based 30-Day Mortality Prediction in Critically Ill Bone and Bone Marrow Metastasis Patients: A Multicenter Retrospective Cohort Study 2025-Sep-24, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32100533 PMID:41149453	研究论文	本研究开发并验证了基于深度学习的模型，用于预测危重骨及骨髓转移患者的30天死亡率	首次针对危重骨及骨髓转移患者开发了基于深度学习的30天死亡率预测模型，并部署了在线计算器	研究为回顾性队列研究，可能存在选择偏倚，且外部验证仅涉及两个区域	开发并验证用于预测危重骨及骨髓转移患者30天死亡率的深度学习模型	危重骨及骨髓转移患者	机器学习	骨及骨髓转移	ICU数据	深度学习	临床数据	来自MIMIC-IV、eICU-CRD和新疆医科大学第一附属医院的多中心ICU数据	NA	TabNet	AUC, 平均精度, 校准曲线, 决策曲线, 准确率	NA
1745	2025-12-04	From genomics to clinic: the transformative impact of AI in pharmacogenomics and personalized medicine 2025 Sep-Oct, Pharmacogenomics IF:1.9Q3 DOI:10.1080/14622416.2025.2591596 PMID:41277106	综述	本文综述了人工智能在药物基因组学和个性化医疗中的变革性作用，探讨了其在发现生物标志物、预测药物反应及促进精准医疗方面的应用与挑战	系统阐述了AI（特别是机器学习和深度学习）如何通过工具如DeepVariant和AlphaFold提升遗传变异识别精度和药物反应预测，并探讨了多组学整合、联邦学习和可解释AI等新兴方法以应对数据多样性和伦理问题	数据多样性不足、模型解释性有限以及数据隐私和遗传歧视等伦理问题仍是主要障碍	探讨人工智能在药物基因组学中的应用，以推动个性化医疗和精准医疗的发展	遗传变异（如单核苷酸多态性）、药物代谢和反应、生物标志物	机器学习	NA	基因组学、多组学整合	机器学习, 深度学习	基因组数据	NA	NA	DeepVariant, AlphaFold	NA	NA
1746	2025-12-04	Improved CTA imaging for stroke evaluation - deep learning and iterative reconstruction comparative study 2025-Sep, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03733-8 PMID:40794135	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在急性缺血性卒中患者CTA成像中的效果，强调DLIR在提高诊断准确性和大血管闭塞可视化方面的潜力	首次将DLIR与ASIR-V在急性缺血性卒中CTA成像中进行对比，展示了DLIR在信噪比、对比噪声比和动脉均匀性方面的显著改进	DLIR在脑中部窝（MCF）区域的可视化方面仍面临挑战	比较DLIR和ASIR-V重建算法在急性缺血性卒中CTA成像中的图像质量，以评估DLIR在提高诊断准确性方面的潜力	108名疑似急性缺血性卒中的急诊科患者	医学影像分析	急性缺血性卒中	CTA（计算机断层扫描血管造影）	深度学习	医学影像	108名患者	NA	NA	信噪比（SNR）、对比噪声比（CNR）、动脉均匀性	NA
1747	2025-12-04	Deep learning-based prognosis of major adverse cardiac events in patients with acute myocardial infarction: a retrospective observational study in the Republic of Korea 2025-Aug, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2025.0120 PMID:40701813	研究论文	本研究开发了基于深度神经网络的模型，用于准确预测急性心肌梗死患者出院后1、6和12个月的主要不良心脏事件	首次针对急性心肌梗死患者出院后不同随访时间点（1、6、12个月）开发了深度神经网络模型，并在预测主要不良心脏事件方面超越了传统机器学习方法	研究为回顾性观察性研究，可能存在选择偏倚；仅在韩国单一地区进行，外部泛化性有待验证	开发能够准确预测急性心肌梗死患者出院后主要不良心脏事件的深度学习模型	急性心肌梗死患者	机器学习	心血管疾病	NA	DNN	临床数据	NA	NA	深度神经网络	准确率	NA
1748	2025-12-04	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2025-Jun-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，该系统通过整合AlphaFold2、AlphaFold3及多种内部技术，提升了蛋白质复合体结构预测的准确性，并在CASP16评估中取得了优异表现	开发了MULTICOM4系统，首次将基于Transformer的AlphaFold2、基于扩散模型的AlphaFold3与蛋白质复合体化学计量比预测、多样化的多序列比对生成、建模异常处理及深度学习模型质量评估等内部技术相结合	未明确说明系统在特定类型蛋白质复合体或极端条件下的预测局限性	提升多链蛋白质复合体（多聚体）的结构预测准确性	蛋白质复合体结构	计算生物学	NA	多序列比对生成、蛋白质模型质量评估、化学计量比预测	Transformer, 扩散模型	蛋白质序列与结构数据	CASP16评估数据集（具体数量未提及）	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
1749	2025-12-04	Depth Perception Based on the Interaction of Binocular Disparity and Motion Parallax Cues in Three-Dimensional Space 2025-05-17, Sensors (Basel, Switzerland) DOI:10.3390/s25103171 PMID:40431963	综述	本文系统总结了基于双眼视差和运动视差线索的三维空间深度感知研究	从单一线索研究转向两种线索交互的定量研究，并总结和比较了多种深度感知模型	未提出新的实验数据或模型，主要基于现有文献的总结和分析	总结双眼视差和运动视差线索在三维空间深度感知中的研究进展	人类视觉系统的深度感知机制	计算机视觉	NA	NA	NA	NA	NA	NA	NA	NA	NA
1750	2025-12-04	An explainable deep learning platform for molecular discovery 2025-04, Nature protocols IF:13.1Q1 DOI:10.1038/s41596-024-01084-x PMID:39653800	研究论文	介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素结构类别的识别	结合Chemprop软件包中的图神经网络，提供可解释的深度学习平台，能识别预测活性的化学亚结构，并高效搜索大型化学空间	未提及具体性能限制或数据偏差问题	开发一个可解释的深度学习平台，用于分子发现，以识别具有所需活性的结构类别	小分子化合物，包括抗生素、抗癌、抗病毒和衰老相关药物，以及无机分子	机器学习	NA	图神经网络	图神经网络	化学结构数据	NA	Chemprop	图神经网络	NA	无需专用硬件
1751	2025-12-04	Polyhedra Encoding Transformers: Enhancing Diffusion MRI Analysis Beyond Voxel and Volumetric Embedding 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047244 PMID:41322092	研究论文	本文提出了一种名为多面体编码变换器（PE-Transformer）的新方法，用于处理扩散磁共振成像（dMRI）中的球形信号，通过将二十面体多边形投影到单位球面上进行重采样，并利用变换器编码器处理嵌入信号，以提升多室模型和纤维方向分布（FOD）的估计精度	该方法首次针对dMRI的球形信号特性设计，通过二十面体投影和重采样技术，结合变换器编码器处理方向信息，克服了传统深度学习模型在像素或体积块级嵌入中的局限性，并考虑了梯度编码的独特分布	NA	增强扩散磁共振成像（dMRI）数据分析的准确性，特别是在估计多室模型和纤维方向分布（FOD）方面	扩散磁共振成像（dMRI）数据，特别是球形信号和梯度编码协议	神经影像学	NA	扩散加权磁共振成像（dMRI），球形信号重采样	变换器（Transformer）	图像（扩散磁共振成像数据）	NA	NA	变换器编码器（Transformer encoder）	准确性	NA
1752	2025-12-04	Brain-inspired learning rules for spiking neural network-based control: a tutorial 2025-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00436-6 PMID:39781065	综述	本文回顾了受大脑启发的学习规则及其在基于脉冲神经网络的机器人控制任务中的应用	系统性地总结了脉冲神经网络在控制任务中的应用，并探讨了将全局第三因子与脉冲时序依赖可塑性结合的方法及其改进	NA	探讨脉冲神经网络在机器人控制任务中的应用，以解决深度神经网络在实时处理中的能耗和延迟问题	脉冲神经网络、生物启发学习规则、机器人控制系统	机器学习	NA	脉冲神经网络、脉冲时序依赖可塑性	脉冲神经网络	时空信息	NA	NA	NA	NA	神经形态硬件
1753	2025-12-04	High-Resolution Underwater Creature Segmentation 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633990 PMID:41284419	研究论文	本文提出了首个用于水下生物分割的高分辨率数据集UCS4K，并设计了一种名为RADAR的双分支网络来解决高分辨率水下图像分割中的效率与精度权衡问题	首次构建了大规模高分辨率水下生物分割数据集UCS4K，并提出了一种分辨率非对称的双分支对齐与精炼网络RADAR，通过CNN分支保持高分辨率空间细节，Transformer分支建模全局语义，并引入全局语义对齐和双向协作精炼模块解决分支间的语义错位问题	未明确提及，但可能包括数据集的物种覆盖范围、在极端水下环境下的泛化能力等	解决高分辨率水下生物图像分割的挑战，提升分割精度	水下生物图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	4,096张带有像素级标注的高分辨率图像	PyTorch	RADAR（基于CNN和Transformer的双分支架构）	准确率, 精度, 召回率, F1分数, AUC, Dice系数	NA
1754	2025-12-04	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统仅使用CNN的方法，在寄生虫分类任务中实现了更高的准确率	数据集规模较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中分类土壤传播性蠕虫病和血吸虫病	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病、阴性样本等五类	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
1755	2025-12-04	Automated Technique for Brain Tumor Detection From Magnetic Resonance Imaging Based on Local Features, Ensemble Classification, and YOLOv3 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5531209 PMID:41321695	研究论文	本文探索了一种基于局部特征、集成分类和YOLOv3的自动化方法，用于从脑部MRI扫描中检测脑肿瘤	提出了两种新颖技术：一种使用SVM和KNN的集成分类方法，另一种采用YOLOv3深度学习模型进行肿瘤检测和定位	未明确说明研究的具体局限性，如数据集规模、模型泛化能力或临床验证的不足	开发一种新颖的自动化脑肿瘤检测技术，以解决传统方法识别缓慢和人为错误的问题	脑部MRI扫描图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	集成分类器, YOLOv3	图像	开源数据集和从巴基斯坦拉合尔医院收集的数据，具体样本数量未明确	NA	YOLOv3	准确率, 精确率, 召回率, 平均交并比	NA
1756	2025-12-04	Differences in abundance and functional intensity of characteristic microorganisms of tea plant rhizosphere soils contribute to the differentiation of tea quality in different rocky zones 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1704146 PMID:41321831	研究论文	本研究通过分析武夷岩茶不同岩区（正岩、半岩、洲茶）茶树根际土壤和叶片样本，揭示了根际微生物群落差异对茶叶品质形成的影响机制	首次结合机器学习深度学习识别出关键特征微生物属（如Aspergillus和Penicillium），并揭示其丰度与茶叶品质指标、土壤理化性质及功能强度的显著正相关关系	研究主要基于相关性分析，未通过实验验证微生物功能对茶叶品质的直接因果作用，且样本范围限于武夷岩茶特定岩区	探究不同岩区茶树根际微生物群落差异如何影响武夷岩茶“岩韵”品质的形成	武夷岩茶茶树根际土壤微生物群落及茶叶品质指标（儿茶素、茶氨酸、咖啡因含量）	微生物生态学	NA	土壤理化分析、微生物群落分析、功能预测分析	机器学习深度学习	土壤样本、叶片样本、微生物群落数据	来自正岩、半岩、洲茶三个岩区的茶树根际土壤和叶片样本	NA	NA	NA	NA
1757	2025-12-04	An integrative structural biology approach to identify the binding mode of a nanobody towards the pea ascorbate peroxidase 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.024 PMID:41321999	研究论文	本研究通过整合交联质谱、氢氘交换质谱与建模技术，预测了纳米抗体与豌豆抗坏血酸过氧化物酶的结合模式	提出了一种结合实验数据与建模的混合方法，以较低实验成本获得准确的生物分子结合模式预测，并设计了验证性突变体	深度学习模型对新靶标及难建模生物分子类别（如纳米抗体）的无约束预测仍不够可靠	优化生物传感器等诊断设备，需理解捕获与靶标生物分子相互作用的分子细节	纳米抗体与豌豆抗坏血酸过氧化物酶（植物氧化应激生物标志物）的复合物	结构生物学	NA	交联质谱、氢氘交换质谱、建模	深度学习模型	质谱数据、结构模型	NA	NA	NA	NA	NA
1758	2025-12-04	AI driven network pharmacology: Multi-scale mechanisms of traditional Chinese medicine from molecular to patient analysis 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.11.016 PMID:41322006	综述	本文系统回顾了人工智能驱动的网络药理学方法在揭示中药从分子到患者的多尺度作用机制方面的最新进展	将人工智能（特别是机器学习、深度学习和图神经网络）与网络药理学结合，以系统、准确地分析中药从分子相互作用到患者疗效的跨尺度机制	传统网络药理学方法存在噪声大、维度高、难以捕捉动态和时间序列、跨尺度整合不足等局限性，限制了其在精确机制分析和临床转化中的应用	探索人工智能驱动的网络药理学方法，以克服传统方法的局限，揭示中药“多成分-多靶点-多通路”的整体作用机制	传统中药（TCM）	网络药理学	NA	网络药理学，整合化学信息、组学数据和临床疗效证据	机器学习（ML），深度学习（DL），图神经网络（GNN）	化学信息，组学数据，临床疗效证据	NA	NA	NA	NA	NA
1759	2025-12-04	Using deep learning to detect upper limb compensation in individuals post-stroke using consumer-grade webcams-A feasibility study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1645369 PMID:41322226	研究论文	本研究探讨了使用消费级网络摄像头结合人体姿态估计和深度学习算法，自动检测中风患者在执行饮水任务时的代偿性运动的可行性	首次将消费级网络摄像头与MediaPipe人体姿态估计及深度学习模型结合，用于中风患者上肢代偿运动的自动检测，为家庭康复评估提供了新方法	模型泛化能力受限，主要受限于人体姿态估计的测量不确定性、代偿策略数据不足以及准确标签的缺乏	开发一种基于消费级摄像头的自动检测系统，用于评估中风患者的上肢代偿运动，以支持家庭康复	20名轻度至中度上肢功能障碍的中风患者	计算机视觉	中风	人体姿态估计，光学运动捕捉系统	CNN, LSTM	视频	20名参与者，多次重复饮水任务	MediaPipe	卷积神经网络，长短期记忆网络	准确率	NA
1760	2025-12-04	Review of deep learning models with Spiking Neural Networks for modeling and analysis of multimodal neuroimaging data 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1623497 PMID:41322350	综述	本文综述了利用脉冲神经网络（SNNs）建模和分析多模态神经影像数据的最新进展	系统回顾了SNNs在处理复杂时空脑数据方面的优势，特别是在多模态融合任务中超越传统深度学习方法的表现	面临多模态数据融合、计算需求高以及大规模数据集有限的挑战	评估SNNs在神经影像分析中的应用趋势、研究主题和地理贡献	21篇选定的出版物	机器学习和数字病理学	神经系统疾病	多模态神经影像分析	SNNs	多模态神经影像数据	NA	NA	NA	分类、特征提取和预测任务的性能评估	NA