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
1781	2025-12-04	Deep Learning in Scaphoid Fracture Detection and Healing Prediction: A Systematic Review of Artificial Intelligence Applications in Hand Surgery 2025-Nov, Cureus DOI:10.7759/cureus.97900 PMID:41323004	综述	本文系统综述了深度学习在舟骨骨折检测和愈合预测中的应用	系统评估了深度学习模型在舟骨骨折诊断和预后预测中的性能，并识别了有前景的技术方法，如分割增强、迁移学习和多视图融合	纳入研究数量有限（14项），且缺乏大规模多中心验证和可解释性框架	评估人工智能（特别是深度学习）在手外科舟骨骨折诊断和愈合预测中的应用效果与潜力	舟骨骨折的检测、分类以及愈合（骨愈合、骨不连或骨坏死）的预测	数字病理学	手部损伤	深度学习，特别是卷积神经网络	CNN	影像	NA	NA	DenseNet, ResNet, EfficientNet, YOLOv5-ResNet-50, 自定义CNN	准确率, AUC, 灵敏度, 特异性, 召回率	NA
1782	2025-12-04	Risk-stratified classification of pulmonary nodule malignancy via a machine learning model integrating imaging and cell-free DNA: a model development and validation study (DECIPHER-NODL) 2025-Nov, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101730 PMID:41323119	研究论文	本研究开发并验证了一种整合低剂量CT影像组学和血浆游离DNA片段组学的机器学习模型，用于肺结节恶性风险分层和侵袭性预测	首次将深度学习影像模型与基于cfDNA全基因组片段组学特征（包括拷贝数变异、片段大小比、片段甲基化和突变特征）的模型通过堆叠集成算法相结合，构建了多模态风险分层模型	研究为回顾性多中心设计，未来需要前瞻性研究进一步验证模型的临床效用	提高肺结节的恶性分类准确性和侵袭性预测能力，以促进肺癌早期检测	肺结节患者	数字病理学	肺癌	低剂量计算机断层扫描（LDCT），血浆游离DNA（cfDNA）全基因组测序	深度学习，集成学习	医学影像（CT扫描），基因组数据（cfDNA片段组学）	1356名参与者（发现队列1147人，外部验证队列209人）	NA	NA	AUC，敏感性，特异性	NA
1783	2025-12-04	Weakly supervised deep learning-based detection of serous tubal intraepithelial carcinoma in fallopian tubes 2025-Nov, Journal of pathology informatics DOI:10.1016/j.jpi.2025.100522 PMID:41323209	研究论文	本研究开发了一种基于弱监督深度学习的模型，用于在输卵管全切片图像中检测浆液性输卵管上皮内癌（STIC）和浆液性输卵管上皮内病变（STIL）	提出了一种基于注意力机制的多实例学习弱监督模型，用于在无需像素级标注的情况下检测输卵管中的罕见癌前病变，并验证了其在平衡与非平衡数据集上的高性能	研究数据来源于单一学术医疗中心，外部验证有限；模型在极少数病例（如仅有1例STIC）的验证集上表现虽好，但样本量不足可能影响泛化能力	开发一种可扩展的弱监督计算方法，以辅助病理学家检测输卵管中的浆液性输卵管上皮内癌（STIC）及其相关病变	输卵管标本，包括诊断为STIC、STIL和良性的组织切片	数字病理学	卵巢癌（输卵管癌前病变）	全切片图像分析	弱监督多实例学习模型	图像（全切片数字病理图像）	训练集：STIC 49例，STIL 48例，良性83例；独立验证集：额外非平衡数据集（良性40例，STIL 2例，STIC 1例）和良性反应性不典型增生53例	NA	基于注意力的多实例学习模型	AUROC（受试者工作特征曲线下面积），灵敏度，特异性	NA
1784	2025-12-04	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2025-Oct-17, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究提出了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未涉及心血管疾病患者	开发低延迟的实时相位对比心血管MRI技术	心血管系统，特别是升主动脉的血流测量	医学影像处理	心血管疾病	相位对比MRI, 金角径向序列	CNN	MRI图像	15名正常受试者	Gadgetron平台	DLCNet	图像重建质量, 血流测量准确性, 成像速度, 图像显示延迟	MRI扫描仪上的Gadgetron平台
1785	2025-12-04	Prediction of intraductal cancer microinfiltration based on the hierarchical fusion of peri-tumor imaging histology and dual view deep learning 2025-Oct-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-15054-3 PMID:41088081	研究论文	本研究开发了一种基于多模态融合的深度学习模型，用于准确预测导管原位癌的微浸润风险	通过整合深度学习、影像组学和临床特征，构建了层次化融合模型，有效克服了单模态模型的过拟合问题，并实现了高准确性和可解释性	样本量相对有限（共232例患者），且未提及模型在其他独立队列中的泛化能力验证	开发用于导管原位癌微浸润风险预测和临床决策支持的多模态融合模型	导管原位癌患者	数字病理学	乳腺癌	影像组学, 深度学习	深度学习模型	图像, 临床数据	232例患者（训练集103例，验证集43例，外部测试集86例）	NA	DenseNet201	AUC, DeLong检验, 校准曲线, 决策曲线分析, Cohen's κ	NA
1786	2025-12-04	Computational pathology approach for assessment of prognosis and immunotherapy response in pan-gastrointestinal cancer 2025-Oct-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06181-3 PMID:41088294	研究论文	本研究提出了一种基于深度学习病理组学特征（DLPS）的计算病理学方法，用于评估泛胃肠道癌症的预后、化疗和免疫治疗反应	整合了全切片图像中细胞核、微环境和单细胞空间分布三个尺度的病理组学特征，构建了DLPS，并在多中心队列中验证了其在预后和治疗反应预测中的独立价值	研究主要基于回顾性数据，未来需要前瞻性验证；DLPS的生物学解释仍需进一步探索	开发一种计算病理学方法以改善癌症患者的预后评估和治疗反应预测	泛胃肠道癌症患者，特别是胃癌患者	数字病理学	胃癌, 泛胃肠道癌症	H&E染色全切片图像分析	深度学习	图像	2463名患者来自12个队列，其中1653名为胃癌患者	NA	NA	AUC, 多变量Cox回归分析, 客观缓解率	NA
1787	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
1788	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
1789	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
1790	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
1791	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
1792	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
1793	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
1794	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
1795	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
1796	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
1797	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
1798	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
1799	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
1800	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