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
1861	2025-12-03	Automated classification of lung cancer subtypes cells using microscopic images and ensembled deep learning architectures 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29492-3 PMID:41326575	研究论文	本研究提出了一种结合ResNet-50和Attention U-Net的混合深度学习框架，用于通过显微图像自动分类肺癌亚型细胞	结合ResNet-50的全局特征提取能力和Attention U-Net的空间注意力机制，并采用增强的图像预处理流程提升信噪比23%	未提及模型在外部验证集或临床实际应用中的泛化能力	实现肺癌亚型在细胞水平的早期检测和分类	肺癌细胞显微图像	数字病理学	肺癌	显微成像	CNN, U-Net	图像	4,650张灰度图像（每个亚型1,500张）	NA	ResNet-50, Attention U-Net	准确率, 精确率, 召回率, F1分数	NA
1862	2025-12-03	Prediction of PEMFC life based on IGJO-TCN-BiGRU-Attention 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29800-x PMID:41326586	研究论文	本文提出了一种基于IGJO-TCN-BiGRU-Attention算法的质子交换膜燃料电池寿命预测方法	提出了一种集成智能优化算法与深度学习框架的IGJO-TCN-BiGRU-Attention算法，用于准确预测PEMFC寿命	NA	准确预测质子交换膜燃料电池的寿命	质子交换膜燃料电池	机器学习	NA	NA	TCN, BiGRU, Attention机制	电压-温度参数的时间序列数据	NA	NA	TCN-BiGRU-Attention混合模型	均方根误差	NA
1863	2025-12-03	Detecting mangrove seedlings from UAV imagery using deep learning for restoration monitoring 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30387-6 PMID:41326629	研究论文	本研究开发了一种基于深度学习的模型，用于从超高分辨率无人机图像中检测红树林幼苗，以支持红树林生态系统的恢复监测	首次提出专门针对红树林生态系统的幼苗检测方法，并采用两阶段（密度图预测与高斯差分阈值化）的深度学习流程，相比现有最先进的目标检测框架（ResNet-DETR）在F1分数上提升了9%	存在标注不准确、无人机图像随时间可能不一致以及深度学习方法固有的局限性等挑战	开发一种准确检测红树林幼苗的模型，以评估恢复成功情况并为保护区域优先排序提供支持	红树林幼苗	计算机视觉	NA	无人机遥感成像	深度学习	图像	阿拉伯联合酋长国阿布扎比酋长国的22个播种点	NA	MaxViT-UNet, ResNet-DETR	F1-score, precision, recall	NA
1864	2025-12-03	Artificial intelligence-enabled electrocardiography from scientific research to clinical application 2025-Dec-01, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00351-y PMID:41326714	综述	本文综述了人工智能在心电图分析中的最新进展及其从科学研究到临床应用的转变	AI-ECG能够直接从原始信号处理高维数据，揭示传统方法常忽略的模式，如无症状低射血分数和阵发性心房颤动在正常窦性心律中的迹象，从而实现早期临床干预	NA	探讨人工智能在心电图分析中的应用及其对心血管诊断、风险分层和社区筛查的变革性影响	心电图数据及其在心血管疾病诊断中的应用	机器学习	心血管疾病	深度学习	深度学习算法	心电图原始信号	NA	NA	NA	NA	NA
1865	2025-12-03	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2025-Dec-01, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的PDIScore方法，用于高通量蛋白质-DNA相互作用评分，显著提升了预测性能	开发了PDIScore，首次结合全面的图表示捕捉核苷酸灵活性、采用可扩展的GraphGPS架构与BigBird线性全局注意力处理大接口，并利用混合密度网络建模残基-核苷酸距离分布	训练数据依赖于自收集的约7000个蛋白质-核酸复合物结构，可能受限于实验结构的可用性和多样性	开发一种可靠的深度学习评分函数，以准确量化蛋白质-DNA相互作用，支持生物学过程理解和药物设计	蛋白质-DNA相互作用复合物	机器学习	NA	深度学习，图表示学习	图神经网络，混合密度网络	蛋白质-核酸复合物结构数据	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird	EF, AUROC, 对接成功率, PCC	NA
1866	2025-12-03	Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle 2025-Dec-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12049-3 PMID:41326828	研究论文	本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险	采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型（如FRAX）展现出更优的预测性能	研究样本主要来自50-80岁患者，可能限制了模型在其他年龄段的泛化能力；外部验证仅基于两家独立医院的数据	开发并验证一种基于CT的椎体骨折风险预测模型	50-80岁患者的腹部CT扫描图像	计算机视觉	骨质疏松性骨折	CT扫描	深度学习	图像	开发集2553名患者，外部测试集1506名患者	NA	多任务深度学习模型	AUROC, c-index	NA
1867	2025-12-03	Automated HFrEF Diagnosis Using an Optimized TimeSformer Model in Echocardiography 2025-Dec-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01758-2 PMID:41326877	研究论文	本研究提出了一种基于优化的TimeSformer模型和左心室掩码方法，用于从超声心动图视频中自动诊断射血分数降低的心力衰竭	首次将TimeSformer架构应用于超声心动图领域，并引入基于图像分割的领域知识左心室掩码方法，以引导模型关注诊断关键区域	未明确提及具体局限性，但暗示在小型和不平衡临床数据集中的有效性可能受限	增强射血分数降低的心力衰竭的自动检测能力	超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	Transformer	视频	大规模基准数据集和来自心脏病科的小型专业临床数据集	NA	TimeSformer	准确率, AUC	NA
1868	2025-12-03	Lung Disease Classification with Deep Learning Enhanced CNN Architecture in Chest X-Ray Imaging 2025-Dec-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01760-8 PMID:41326879	研究论文	本研究提出了一种结合离散小波变换、U-Net++、注意力门和渐进增长生成对抗网络的深度学习增强CNN架构，用于胸部X射线图像的肺部分割和多种肺部疾病的分类	使用离散小波变换替代传统最大池化以提供更精确的下采样，结合U-Net++与注意力门提升分割精度，并在DenseNet-201中集成DWT进行分类，同时采用PGGAN进行数据增强以生成高分辨率合成图像	未明确说明模型在外部验证集上的泛化能力，以及计算复杂度和实时性方面的限制	开发一种准确可靠的胸部X射线图像分析系统，用于肺部疾病诊断	胸部X射线图像	计算机视觉	肺部疾病	胸部X射线成像	CNN, GAN	图像	日本放射技术学会数据集	NA	U-Net++, DenseNet-201, PGGAN	准确率, Dice系数, 精确率	NA
1869	2025-12-03	Automatic Segmentation and Classification of Glioblastoma and Solitary Brain Metastasis Using a Deep Learning Model on Multiparametric MRI 2025-Dec-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01695-0 PMID:41326876	研究论文	本研究构建了一个基于多参数MRI的三维深度学习模型，用于自动分割和分类胶质母细胞瘤与孤立性脑转移瘤	开发了一个三维深度学习模型，在自动分割和分类胶质母细胞瘤与孤立性脑转移瘤方面表现出色，并证明该模型能显著提升放射科医生的诊断准确性	研究使用了来自单一医疗中心和两个公共数据集的314名患者数据，样本量相对有限，且未提及模型在其他独立数据集上的泛化能力验证	构建一个自动分割和分类胶质母细胞瘤与孤立性脑转移瘤的深度学习模型，以辅助术前临床决策	胶质母细胞瘤和孤立性脑转移瘤患者	数字病理学	脑肿瘤	多参数MRI	深度学习	图像	314名患者（来自一个医疗中心和两个公共数据集）	NA	No-new-UNet (nnU-Net)	Dice分数, AUC	NA
1870	2025-12-03	Advantages and Limitations of AlphaFold in Structural Biology: Insights from Recent Studies 2025-Dec-01, The protein journal DOI:10.1007/s10930-025-10310-8 PMID:41326937	综述	本文综述了2022年至2025年间AlphaFold在结构生物学中的应用、优势与局限性	系统性地总结了AlphaFold在病毒学、微生物学和生物医学等不同领域的最新应用案例，并分析了其方法扩展（如AlphaFold-Multimer）以及与分子动力学模拟结合的价值	AlphaFold对固有无序区域、蛋白质-配体/辅因子相互作用、以及大型或瞬时组装的预测存在重要局限性，约三分之一的残基可能缺乏原子精度	评估AlphaFold在结构生物学中的实际影响、优势与剩余挑战，并指出未来方法创新和正交验证的优先方向	人类、微生物和病毒系统中的蛋白质结构，包括SARS-CoV-2刺突和核衣壳蛋白、细菌核糖体和膜蛋白复合物、人类GPCRs等	结构生物学	NA	深度学习蛋白质结构预测，分子动力学模拟	深度学习模型	氨基酸序列，冷冻电镜图谱	NA	NA	AlphaFold, AlphaFold-Multimer	原子精度	NA
1871	2025-12-03	Optimizing chlorophyll content prediction in tea leaves via spectral transformations and deep learning 2025-Dec-01, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-025-07863-2 PMID:41326998	研究论文	本研究通过结合光谱预处理技术与深度学习模型，优化了茶叶叶绿素含量的预测精度	首次系统比较了四种光谱预处理方法（原始反射率、连续统去除、去趋势、标准正态变量变换）与四种深度学习模型（1D-CNN、自监督学习、视觉Transformer、Conformer）的组合效果，揭示了预处理方法与模型架构之间的最佳配对关系	研究仅针对茶叶单一物种，未在其他植物上验证；使用的样本量未明确说明；模型性能可能受特定光谱设备与环境条件影响	优化植物叶绿素含量的光谱预测方法，支持精准农业与植物表型分析	茶叶（Camellia sinensis）叶片	机器学习	NA	光谱反射率测量	1D-CNN, SSL, ViT, Conformer	光谱数据	NA	NA	1D-CNN, Vision Transformer, Conformer	R², RPD	NA
1872	2025-12-03	Automated abdominal aortic calcification scoring via deep learning: a multi-center validation of LVLCRNet 2025-Dec-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02072-7 PMID:41327056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1873	2025-12-03	S-ResNet-34: small sample-ResNet-34 for predicting cervical degeneration in x-ray image data 2025-Dec-01, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-09273-9 PMID:41327180	研究论文	本研究提出了一种改进的深度学习模型S-ResNet-34，用于从小样本X射线图像数据中预测颈椎退行性病变	在ResNet-34架构的基础上，引入了一个可学习的权重矩阵与残差块中的卷积操作集成，以增强模型的非线性表示能力	NA	构建一个更准确且成本效益更高的深度学习模型，用于诊断颈椎生理曲度异常	240名在2020-2024年间被诊断为颈椎病的患者的X射线图像	计算机视觉	颈椎病	X射线成像	CNN	图像	240名患者	NA	S-ResNet-34, ResNet-34, YOLO-V3	准确率, F1分数, 召回率	NA
1874	2025-12-03	The roles of radiomics and deep learning for automatic detection, stability assessment, and rupture risk prediction in intracranial aneurysms: a systematic review 2025-Dec-01, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03588-y PMID:41327324	综述	本文系统综述了影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估和破裂风险预测中的作用	系统总结了2015年至2024年间该领域的研究进展，并指出当前研究多为回顾性、单中心且异质性高，缺乏校准和外部验证，强调了未来需要大规模、前瞻性、多中心研究以及开发易用开源动态在线工具的重要性	纳入的研究多为回顾性、单中心，样本量小，缺乏模型校准和跨平台验证，且所有研究均存在数据质量和模型稳健性方面的挑战	系统评估影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的应用，为患者个体化分层管理提供见解	颅内动脉瘤	医学影像分析	颅内动脉瘤	影像组学，深度学习	深度学习框架	医学影像数据	总计32,991个颅内动脉瘤，来自28项原始研究	NA	NA	AUC	NA
1875	2025-12-03	Computer models and artificial intelligence increase the fidelity and efficiency of the in vitro models for hearing loss 2025-Dec-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01467-5 PMID:41327400	综述	本文综述了人工智能算法在体外听觉模型中的整合现状，旨在提高这些模型的准确性、效率和转化潜力	探索了计算机建模、机器学习和深度学习在增强体外听觉模型生理相关性、可扩展性和可重复性方面的创新应用	面临数据标准化、生物复杂性及模型可解释性等挑战	提高体外听觉模型的保真度和效率，以研究听力损失的机制并测试潜在疗法	体外听觉模型，如永生化听觉毛细胞系、耳蜗外植体和内耳类器官	机器学习	听力损失	高通量图像分析、组学数据分析、耳蜗结构分割	机器学习, 深度学习	图像, 组学数据	NA	NA	NA	NA	NA
1876	2025-12-03	Deep learning-based classification of acute scrotum using single ultrasound images 2025-Dec-01, BJU international IF:3.7Q1 DOI:10.1111/bju.70091 PMID:41327908	研究论文	本研究开发了一种基于深度学习的模型，用于利用单张超声图像对急性阴囊进行鉴别诊断	首次将EfficientNet架构应用于急性阴囊的超声图像分类，并利用类激活映射解释模型决策，定位病理关键区域	研究样本量相对有限，且存在类别不平衡问题；前瞻性试点研究规模较小，需要更大规模、更平衡的多中心研究来验证临床效用	开发深度学习模型，用于急性阴囊疼痛的鉴别诊断，特别是区分睾丸扭转与非扭转情况	急性阴囊疼痛患者	计算机视觉	急性阴囊疾病	多普勒超声成像	CNN	图像	1172名患者，来自四家医院	NA	EfficientNet	准确率, 精确率, 灵敏度, F1分数	NA
1877	2025-12-03	A scalable equivariant graph network framework for precise protein function prediction 2025-Nov-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-025-03886-y PMID:41318581	研究论文	提出一个名为ENGINE的可扩展等变图网络框架，用于精确预测蛋白质功能	整合了等变图卷积网络以捕获蛋白质3D结构的几何特征，利用大语言模型ESM-C编码进化和序列信息，并创新性地结合了统一空间与序列信号的3D序列表示	未在摘要中明确说明	开发高效的计算方法以进行准确的蛋白质功能注释	蛋白质	机器学习	NA	深度学习	图卷积网络, 大语言模型	蛋白质3D结构, 序列数据	NA	NA	等变图卷积网络, ESM-C	预测准确性	NA
1878	2025-12-03	A Deep Learning Radiomics Model Based on Superb Microvascular Imaging for Non-Invasive Prediction of the Degree of Arteriolosclerosis in Patients With Chronic Kidney Disease 2025-Nov-29, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056412035251027064309 PMID:41328654	研究论文	本研究开发并验证了一种基于超微血管成像的深度学习放射组学模型，用于无创评估慢性肾病患者的动脉硬化严重程度	结合超微血管成像、深度学习特征和放射组学特征，构建了深度学习放射组学模型，在无创预测动脉硬化程度方面表现出优于单一模型的性能	研究为前瞻性但样本量有限（326例），且仅来自两个医疗中心，可能需要更大规模的多中心验证	开发一种无创评估慢性肾病患者动脉硬化严重程度的模型	慢性肾病患者	数字病理学	慢性肾病	超微血管成像	深度学习	图像	326例慢性肾病患者（165例动脉硬化阳性，161例阴性）	NA	深度学习放射组学模型	AUC, 决策曲线分析	NA
1879	2025-12-03	A deep learning framework for automated dental segmentation and diagnostic report generation from cone-beam computed tomography 2025-Nov-28, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-025-00555-0 PMID:41316386	研究论文	本文开发了一个深度学习框架，用于从锥形束计算机断层扫描图像中自动分割牙齿并生成辅助诊断报告	提出了一种结合3D TransUNet、nnU-Netv2和3D DenseNet169的两阶段流水线模型，实现了牙齿自动分割与疾病诊断的一体化，并能自动生成结构化辅助诊断报告	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床环境中的验证情况	开发一个能够自动分割CBCT图像中的牙齿并生成辅助诊断报告的深度学习模型	锥形束计算机断层扫描图像中的牙齿	计算机视觉	牙科疾病	锥形束计算机断层扫描	深度学习模型	3D医学图像	450个CBCT数据集	NA	3D TransUNet, nnU-Netv2, 3D DenseNet169	Dice相似系数, 平均对称表面距离, 准确率, F1分数	NA
1880	2025-11-30	Integrative and deep learning-based prediction of therapy response in ovarian cancer 2025-Nov-28, Journal of experimental & clinical cancer research : CR IF:11.4Q1 DOI:10.1186/s13046-025-03554-w PMID:41316472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA