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
1801	2026-01-30	Brain Age as a Biomarker in Alzheimer's Disease: Narrative Perspectives on Imaging, Biomarkers, Machine Learning, and Intervention Potential 2025-Dec-25, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16010033 PMID:41594754	综述	本文综述了脑年龄及其与阿尔茨海默病的关联，探讨了其在早期检测、风险分层和干预监测中的潜在临床效用	提出了脑年龄差距作为一个动态、可整合且可修改的补充生物标志物，用于评估神经生物学弹性、疾病分期和个性化干预监测，并强调了多模态和深度学习方法在增强其敏感性方面的作用	需要进一步的标准化和大规模验证以支持临床转化	探讨脑年龄作为阿尔茨海默病生物标志物的潜力，包括其在早期检测、风险分层和干预监测中的应用	阿尔茨海默病连续体中的个体，包括轻度认知障碍和早期阿尔茨海默病患者	医学影像分析	阿尔茨海默病	结构磁共振成像, 功能磁共振成像, 正电子发射断层扫描, 扩散张量成像	深度学习	神经影像数据	NA	NA	NA	NA	NA
1802	2026-01-30	ACmix-Swin Deep Learning of 4-Day-Old Apis mellifera Larval Transcriptomes Reveals Early Caste-Biased Regulatory Hubs 2025-Dec-25, Genes IF:2.8Q2 DOI:10.3390/genes17010017 PMID:41595437	研究论文	本研究通过整合基因组引导的RNA-seq、差异表达基因分析、加权基因共表达网络分析和可变剪接分析，开发了ACmix-Swin深度学习模型，用于分类蜜蜂幼虫并识别早期级联偏向的调控枢纽基因	引入了结合卷积与注意力机制的ACmix-Swin混合模型，并结合WGAN-GP数据增强技术，用于高维转录组数据的解释和枢纽基因的稳健识别	研究仅针对4日龄的蜜蜂幼虫，可能未覆盖整个发育阶段的分子变化；深度学习模型的泛化能力需在更多样本或物种中验证	探究蜜蜂早期幼虫发育中的分子差异，并开发深度学习模型以发现级联偏向的调控枢纽基因	4日龄的西方蜜蜂（Apis mellifera）幼虫	自然语言处理	NA	RNA-seq, qPCR	CNN, Transformer	转录组数据	未明确指定样本数量，但涉及4日龄蜜蜂幼虫的转录组分析	NA	ACmix-Swin, WGAN-GP	准确率	NA
1803	2026-01-30	Machine Learning Prediction of Therapeutic Outcome After Transforaminal Epidural Steroid Injection for Radiculopathy from Herniated Lumbar Disc 2025-Dec-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010018 PMID:41595950	研究论文	本研究开发了一种基于机器学习的模型，用于预测腰椎间盘突出症相关神经根病患者在接受经椎间孔硬膜外类固醇注射后的治疗效果	首次开发了整合常规临床变量与MRI影像特征的机器学习模型，用于预测经椎间孔硬膜外类固醇注射在腰椎间盘突出症相关神经根病中的治疗效果	研究为单中心回顾性设计，缺乏外部验证，且MRI评估仅由单一评估者完成	预测腰椎间盘突出症相关神经根病患者接受经椎间孔硬膜外类固醇注射后的治疗效果	242名接受单节段腰椎经椎间孔硬膜外类固醇注射的腰椎间盘突出症相关神经根病患者	机器学习	腰椎间盘突出症	MRI	DNN, RF, XGBoost	临床变量, 影像特征	242名患者（训练集193名，验证集49名）	NA	深度神经网络, 随机森林, XGBoost	AUC	NA
1804	2026-01-30	Novel noninvasive assessment of upper urinary tract urine flow dynamics: a deep learning-driven reconstruction model combined with CFD simulation 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03730-w PMID:41437298	研究论文	本研究提出了一种结合深度学习模型重建与计算流体动力学模拟的无创方法，用于评估儿童肾盂积水患者上尿路尿液流动动力学，并比较了三种机器人辅助肾盂成形术的临床效果	首次将深度学习网络应用于儿童肾盂积水病灶的网格重建，并结合CFD模拟进行尿液流动动力学参数的无创测量	样本量较小（仅36例患者），且为单中心研究	评估三种不同机器人辅助肾盂成形术对儿童上尿路尿液流动动力学的影响，并确定最优手术方案	接受机器人辅助肾盂成形术的儿童肾盂积水患者	数字病理学	肾盂积水	磁共振尿路造影，计算流体动力学模拟	深度学习网络	医学影像	36例患者	NA	NA	NA	NA
1805	2026-01-30	Comprehensive comparative analysis of explainable deep learning model for differentiation of brucellar spondylitis and tuberculous spondylitis through MRI sequences 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03731-9 PMID:41444906	研究论文	本研究通过系统比较不同的深度学习架构，旨在寻找一种有效整合多序列MRI信息以鉴别布鲁氏菌性脊柱炎和结核性脊柱炎的策略	首次系统比较了四种不同的深度学习架构策略（单序列基线模型、单分支融合模型、异构多分支模型和同构多分支模型）在处理多序列MRI数据用于脊柱炎鉴别诊断中的有效性，并明确指出简单的通道融合策略无效	本研究为回顾性、单中心研究，样本量相对有限（235例患者），且仅使用了内部测试集进行验证，缺乏外部验证	寻找并验证一种有效的深度学习架构策略，以整合多序列MRI信息，实现布鲁氏菌性脊柱炎与结核性脊柱炎的准确鉴别诊断	经手术和病理证实的布鲁氏菌性脊柱炎（82例）和结核性脊柱炎（153例）患者的MRI图像	计算机视觉	脊柱炎（布鲁氏菌性与结核性）	磁共振成像	深度学习模型	图像（MRI序列：矢状位T1加权、T2加权、脂肪抑制序列）	235例患者（BS 82例，TS 153例），按患者级别划分训练集（70%）、验证集（15%）和内部测试集（15%）	NA	NA（研究比较了四种架构策略，未指定具体使用的CNN骨干网络）	AUC	NA
1806	2026-01-30	Integrated Biomarker-Volumetric Profiling Defines Neurodegenerative Subtypes and Predicts Neuroaxonal Injury in Multiple Sclerosis Based on Bayesian and Machine Learning Analyses 2025-Dec-24, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14010042 PMID:41595578	研究论文	本研究通过整合血清神经丝轻链与脑部体积MRI数据，利用贝叶斯推断和机器学习方法，定义了多发性硬化症的神经退行性亚型并预测神经轴索损伤	首次结合sNfL生物标志物与全面脑区体积数据，采用贝叶斯相关性和无监督聚类方法识别临床相关的神经退行性内表型，并利用监督机器学习模型从体积特征预测神经轴索损伤	研究样本量较小（57名患者），且为横断面设计，限制了因果推断和泛化能力	建立一个多模态生物标志物框架，以更好地反映多发性硬化症的神经退行性病理，用于患者分层和神经轴索损伤预测	多发性硬化症患者	机器学习	多发性硬化症	单分子阵列技术，自动化深度学习分割	K-means, Elastic Net, Random Forest	血清生物标志物数据，MRI体积数据	57名多发性硬化症患者	NA	NA	贝叶斯因子，相关系数，间接效应置信区间，预测准确度R值	NA
1807	2026-01-30	DME-RWKV: An Interpretable Multimodal Deep Learning Framework for Predicting Anti-VEGF Response in Diabetic Macular Edema 2025-Dec-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010012 PMID:41595944	研究论文	本研究开发了一个名为DME-RWKV的可解释多模态深度学习框架，用于预测糖尿病性黄斑水肿患者对抗VEGF治疗的反应	提出了结合Causal Attention Learning、课程学习和全局完成损失的DME-RWKV模型，通过多模态整合模拟临床推理，增强了微病变检测和结构一致性	研究为回顾性分析，样本量相对有限（402只眼），未提及外部验证结果	预测糖尿病性黄斑水肿患者对抗VEGF治疗的反应并进行生物标志物分析	糖尿病性黄斑水肿患者	数字病理学	糖尿病性黄斑水肿	光学相干断层扫描，超广角成像	深度学习	图像	371名患者的402只眼	NA	RWKV	Dice系数，AUC	NA
1808	2026-01-30	Acoustic-based fault diagnosis of electric motors using Mel spectrograms and convolutional neural networks 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33269-z PMID:41436569	研究论文	本研究提出了一种基于梅尔频谱图和轻量级卷积神经网络的深度学习框架，用于诊断电动机的声学故障	采用文件级分割、会话分离和5折交叉验证来防止数据泄露，并利用梅尔频谱图和轻量级CNN实现高精度故障分类，同时通过特征重要性图揭示低频区域与物理故障机制的关键关联	主要仅在一种电动机类型上进行了验证，尽管外部领域测试显示了强适应性，但泛化能力仍需进一步研究	开发一种高精度、可解释且高效的实时电动机故障诊断和预测性维护解决方案	电动机的声学故障，包括发动机良好、发动机损坏和发动机重载三种状态	机器学习	NA	声学信号分析，梅尔频谱图转换	CNN	音频	基于IDMT-ISA-ELECTRIC-ENGINE数据集的音频记录	NA	轻量级CNN，包含卷积层、池化层、归一化层和丢弃层	测试准确率，THD，频谱熵，SNR	嵌入式硬件，具有低延迟和适中的参数数量
1809	2026-01-30	Consistency evaluation and performance optimization of deep learning-based auto-contouring for nasopharyngeal carcinoma 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33567-6 PMID:41436593	研究论文	本研究评估了四种深度学习模型在鼻咽癌放疗轮廓勾画中的一致性和准确性，并提出了两种创新模型框架以优化轮廓勾画的保真度和可靠性	提出了两种创新的模型框架，用于提高患者轮廓勾画的保真度和可靠性，并首次对多种深度学习模型在鼻咽癌放疗轮廓勾画中的一致性和准确性进行了系统评估	研究样本量较小（仅30例患者），且仅针对鼻咽癌，未涵盖其他癌症类型	评估深度学习模型在鼻咽癌放疗轮廓勾画中的一致性和准确性，并优化自动轮廓勾画的性能	鼻咽癌患者的22个解剖结构和肿瘤体积（GTV）的轮廓	数字病理	鼻咽癌	深度学习辅助轮廓勾画	深度学习模型	医学影像数据	30例鼻咽癌患者	NA	AccuContour, RT-Viewer-contour, RT-Mind, PVmed Contouring	Dice相似系数, 相对体积差异, 95百分位Hausdorff距离, 平均对称表面距离, 总体kappa值, 广义一致性指数	NA
1810	2026-01-30	Advancing skin cancer diagnosis with deep learning and attention mechanisms 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33597-0 PMID:41436610	研究论文	本研究提出了一种结合缩放点注意力机制与改进UNet架构的AI驱动框架，以提升皮肤病变检测的准确性	引入了缩放点注意力机制（SDAM）并将其集成到UNet的编码器与解码器之间，使模型能优先关注相关病变区域并提取关键特征，同时减少噪声干扰	未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力测试，以及计算资源需求的具体分析	提高皮肤癌（特别是黑色素瘤）的早期检测与诊断准确性	皮肤病变图像，包括黑色素瘤和良性皮肤病变	计算机视觉	皮肤癌	深度学习	CNN	图像	使用HAM10000数据集（多样化的皮肤病变图像集合），并在ISIC（初步）和PH2（初步）两个额外数据集上进行测试	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	UNet（改进版），结合缩放点注意力机制（SDAM）	Dice系数，准确率，灵敏度，精确率，召回率，F1分数，IoU	NA
1811	2026-01-30	Automated segmentation and diagnosis of parotid tumors using a combined deep learning and radiomics model on T2-weighted MRI: a multi-vendor validation study 2025-Dec-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00982-x PMID:41437107	研究论文	本研究开发并验证了一种结合深度学习和影像组学的自动化框架，用于在T2加权MRI上分割和诊断腮腺肿瘤的良恶性	提出了一种结合nnU-NetV2分割模型、ResNet18深度学习模型和影像组学特征的集成诊断框架，并进行了多厂商MRI扫描仪的外部验证	样本量相对有限（共493例），恶性病例较少（97例），且仅基于T2加权MRI序列	开发自动化腮腺肿瘤分割与良恶性分类诊断工具	经病理证实的腮腺肿瘤患者（493例，其中良性396例，恶性97例）	数字病理	腮腺肿瘤	T2加权磁共振成像	深度学习, 影像组学	医学影像	493例患者（训练集288例，内部验证集123例，外部测试集82例）	nnU-NetV2, PyTorch	nnU-NetV2, ResNet18	Dice相似系数, 交并比, 受试者工作特征曲线下面积	NA
1812	2026-01-30	A comparative study of single-stage and dual-stage classification models for OPMDs 2025-Dec-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07582-y PMID:41437246	研究论文	本研究通过建立并公开一个高质量口腔黏膜疾病图像数据集，并比较单阶段与双阶段分类模型，提出了一种基于Swin Transformer和DenseNet-169的双阶段多分类模型，用于口腔潜在恶性疾病和口腔癌的早期诊断	公开了一个高质量、覆盖五种疾病类别的口腔黏膜疾病图像数据集，并提出了一种新颖的双阶段多分类模型，该模型结合了Swin Transformer和DenseNet-169，在关键性能指标上优于传统的单阶段分类模型	未明确提及研究的局限性	解决口腔黏膜疾病公共数据集规模小、疾病类型覆盖不足的问题，并通过比较分析，探索更优的口腔图像分类方法，以促进口腔潜在恶性疾病和口腔癌的早期诊断	口腔黏膜疾病图像，具体包括正常口腔黏膜、口腔白斑、口腔扁平苔藓、口腔黏膜下纤维化及口腔癌五种类别	计算机视觉	口腔癌	深度学习图像识别	CNN, Transformer	图像	1348张口腔黏膜疾病图像	NA	DenseNet-169, EfficientNet-B0, HRNet-W18-C, Inception-V4, MixNet-S, MobileNetV3-Large, ResNet-101, Swin Transformer, ViT-B, YOLOv11l	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
1813	2025-12-25	Deep learning versus manual measurement of hallux valgus angle and intermetatarsal angle on Weight-Bearing X-rays in hallux valgus 2025-Dec-23, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09420-2 PMID:41437347	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1814	2026-01-30	Artificial Intelligence and Machine Learning in the Diagnosis and Management of Osteoporosis: A Comprehensive Review 2025-Dec-23, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010027 PMID:41597313	综述	本文全面回顾并批判性评估了人工智能和机器学习在骨质疏松症诊断与管理中的应用现状、关键主题、方法学途径及临床意义	系统性地总结了AI/ML在骨质疏松症诊疗中的最新进展，包括利用常规X光片进行骨密度评估、基于临床数据构建优于传统工具的骨折风险预测模型，以及通过可穿戴设备和移动应用实现个性化治疗优化	现有证据异质性高，普遍缺乏稳健的外部验证和定量综合；模型在不同人群中的鲁棒性评估不足，对负面或矛盾结果的讨论较少，且对当前AI证据固有的局限性缺乏全面评估	总结和评估人工智能与机器学习在骨质疏松症诊断和管理中的应用，以期为临床实践提供参考	骨质疏松症及其相关的诊断、风险预测和个性化管理策略	机器学习	骨质疏松症	NA	深度学习, 卷积神经网络	图像, 临床数据, 人口统计数据	NA	NA	NA	NA	NA
1815	2026-01-30	Age Estimation of the Cervical Vertebrae Region Using Deep Learning 2025-Dec-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010007 PMID:41595939	研究论文	本研究利用深度学习技术，基于侧位头颅X光片中的颈椎区域进行年龄估计	系统比较了四种不同的颈椎表示输入模式（轮廓、掩码、颈椎、颈椎区域）对年龄估计的贡献，并发现结合周围软组织和完整椎体上下文能显著提高准确性	研究样本年龄范围限于4-40岁，且未在更广泛年龄组或不同成像设备上进行验证	探究不同颈椎表示在基于医学图像的年龄估计任务中的有效性	侧位头颅X光片中的颈椎区域	计算机视觉	NA	侧位头颅X光片成像	深度学习模型	医学图像	20,174名年龄在4-40岁的受试者，按5岁间隔分组	NA	NA	平均绝对误差	NA
1816	2026-01-30	Subclass-Aware Contrastive Semi-Supervised Learning for Inflammatory Bowel Disease Classification from Colonoscopy Images 2025-Dec-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010008 PMID:41595940	研究论文	本文提出了一种用于结肠镜图像炎症性肠病分类的子类感知对比半监督学习方法	提出了一种名为SACSSL的新方法，通过将子类感知对比模块集成到基于伪标签的半监督框架中，有效缓解了确认偏差并捕获了类内异质性	未明确说明方法在更广泛数据集上的泛化能力，也未讨论计算复杂度	开发一种半监督学习方法，以在标记数据有限的情况下，准确分类炎症性肠病	结肠镜图像	计算机视觉	炎症性肠病	NA	深度学习	图像	两个数据集：内部收集的Daping数据集和公开可用的LIMUC数据集	NA	基于FixMatch框架	准确率, F1分数	NA
1817	2026-01-30	Integrating protein language and geometric deep learning models for enhanced vaccine antigen prediction 2025-Dec-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67778-2 PMID:41423641	研究论文	本研究开发了一个名为PLGDL的框架，通过整合蛋白质语言模型和几何深度学习模型来预测保护性疫苗抗原	首次将蛋白质语言模型与几何深度学习模型相结合，同时利用蛋白质的一级序列特征和三维结构特征，减少人工特征提取的偏差	未在论文摘要中明确说明	开发高性能的疫苗保护性抗原预测工具，以加速疫苗研发	病毒、细菌和真核病原体产生的蛋白质抗原	机器学习	传染病	蛋白质语言模型，几何深度学习	深度学习模型	蛋白质序列数据，蛋白质三维结构数据	未在摘要中明确说明具体样本数量	未在摘要中明确说明	PLGDL（蛋白质语言与几何深度学习集成框架）	未在摘要中明确说明	未在摘要中明确说明
1818	2026-01-30	Spectral image classification of asymptomatic peanut leaf diseases based on deep learning algorithms 2025-Dec-21, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01485-3 PMID:41423650	研究论文	本研究开发了一种基于深度学习的多光谱成像系统，用于对无症状花生叶部病害进行早期高精度分类	结合多光谱反射与荧光成像硬件系统，并引入自适应通道注意力机制和稀疏二阶注意力机制驱动网络，增强了深度特征信息的判别能力	NA	实现花生叶部病害的及时、快速、准确早期诊断与控制，以确保花生产量与质量	无症状花生叶部病害（疮痂病、焦斑病、炭疽病）	计算机视觉	植物病害	多光谱成像	CNN	多光谱图像（反射与荧光图像）	NA	NA	结合自适应通道注意力机制与稀疏二阶注意力机制的卷积神经网络	分类准确率	NA
1819	2026-01-30	Obesity prediction using an explainable deep learning framework based on LSTM-LIME with integrated visualization 2025-Dec-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33336-5 PMID:41423660	研究论文	本研究提出了一种基于LSTM-LIME的可解释深度学习框架，用于多类别肥胖预测，并集成了交互式可视化界面	开发了首个针对沙特文化的多类别肥胖数据集，并将LSTM网络与LIME解释方法结合在交互式界面中，实现了预测准确性和风险因素的可视化	NA	开发一种准确且可解释的肥胖风险评估模型，以支持早期检测和预防策略	沙特特定数据集，包含人体测量、生活方式和饮食因素	机器学习	肥胖	NA	LSTM, Bidirectional LSTM, RNN, DNN (MLP), TabNet, Autoencoder	表格数据	NA	NA	LSTM, Bi-LSTM, RNN, MLP, TabNet, Autoencoder	准确率, 宏召回率, 宏F1分数, MAE, RMSE, 决定系数	NA
1820	2026-01-30	Explainable Computational Imaging for Precision Oncology: An Interpretable Deep Learning Framework for Bladder Cancer Histopathology Diagnosis 2025-Dec-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010004 PMID:41595937	研究论文	本研究提出了一种基于YOLOv11架构的可解释深度学习框架，用于膀胱癌组织病理学诊断	将YOLOv11模型应用于膀胱癌组织病理学诊断，并引入C3k2块和C2PSA空间注意力模块等先进架构特征以提高性能，同时强调模型的可解释性和透明度	模型在炎症和无效组织样本之间存在少量误分类，表明可能存在形态学重叠	开发一种可靠、透明且可扩展的AI辅助膀胱癌诊断系统	苏木精和伊红染色的组织病理学切片，包含炎症、尿路上皮细胞癌和无效组织类别	数字病理学	膀胱癌	组织病理学染色	CNN	图像	NA	NA	YOLOv11-nano, YOLOv11-small, YOLOv11-medium, YOLOv11-large, YOLOv11-extra large	准确率, 精确率, 召回率, 平衡准确率, AUPRC, ROC-AUC, 风险覆盖分析AUC, 预期校准误差	NA