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
1901	2025-10-06	High-Risk Sequence Prediction Model in DNA Storage: The LQSF Method 2025-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2024.3424576 PMID:38976468	研究论文	提出一种基于深度学习的DNA存储高风险序列预测方法LQSF，通过主动过滤低质量序列提高存储效率	首次将深度学习模型应用于DNA存储的序列质量预测，在编码阶段实现主动序列过滤而非传统被动纠错	NA	开发高效的DNA存储序列质量预测方法以减少合成和测序过程中的错误	DNA存储中的易错序列	机器学习	NA	DNA存储技术，Illumina测序	深度学习，分类模型	DNA序列数据	NA	NA	AlexNet, VGG16, VGG19	AUC, ROC曲线, PR曲线	NA
1902	2025-10-06	Unlocking the potential of AI: Machine learning and deep learning models for predicting carcinogenicity of chemicals 2025, Journal of environmental science and health. Part C, Toxicology and carcinogenesis DOI:10.1080/26896583.2024.2396731 PMID:39228157	综述	本文综述了利用机器学习和深度学习模型预测化学物质致癌性的研究进展	系统比较了传统机器学习与深度学习算法在化学致癌性预测中的表现，并指出深度学习模型受限于数据集规模的问题	深度学习模型受限于可用的致癌性数据集规模	开发有效的化学物质致癌性预测方法	化学物质的致癌性	机器学习	癌症	机器学习，深度学习	SVM,随机森林,集成学习,前馈神经网络,CNN,图卷积神经网络,胶囊神经网络,混合神经网络	化学数据	NA	NA	前馈神经网络,卷积神经网络,图卷积神经网络,胶囊神经网络,混合神经网络	NA	NA
1903	2025-10-06	Automated Brain Tumor segmentation using hybrid YOLO and SAM 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056392711250718201911 PMID:40754882	研究论文	提出一种结合YOLO和SAM的混合深度学习框架用于脑肿瘤自动分割	首次将YOLOv11实时目标检测与SAM精确分割模型相结合，并通过加深CNN卷积层增强特征提取能力	仅使用896张MRI图像进行验证，样本规模有限	开发自动化脑肿瘤分割方法以实现早期诊断	脑部MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN, YOLO, SAM	医学图像	896张脑部MRI图像（包含肿瘤和健康脑部图像）	NA	YOLOv11, SAM, 增强型CNN	精确率, 召回率, mAP50(B)	NA
1904	2025-10-06	Explainable AI to unveil cellular autophagy dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331045 PMID:40934250	研究论文	开发了一个结合深度学习和可解释AI的计算流程，用于自动化分析细胞自噬动态过程	首次将目标检测、细胞分割、分类、跟踪和可解释性方法集成到自噬分析流程中，无需标注跟踪数据即可处理细胞分裂和形态变化	未提及模型在更大规模数据集或不同实验条件下的泛化能力	开发自动化分析细胞自噬动态的计算方法	细胞自噬过程	计算机视觉	癌症,神经退行性疾病	荧光显微镜成像	CNN,Transformer	图像	6,240张荧光显微镜图像	NA	YOLOv8,U-Net++,Vision Transformer	mAP50,IoU,准确率	NA
1905	2025-10-06	Enhanced gallbladder cancer detection via active and self-supervised learning integration: Innovating B-ultrasound image analysis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330781 PMID:40956796	研究论文	本文提出了一种结合主动学习和自监督学习的新型分类算法ASGBC，用于改进B超图像中胆囊癌的检测	结合主动学习与自监督学习降低标注数据依赖，提出MsHop模块整合多尺度高阶信息，开发双分支损失函数增强特征提取和模型稳定性	需要进一步优化算法以适应更广泛的临床应用，可能还存在其他可提升诊断准确性的特征未被发掘	开发高效算法提升B超图像中胆囊癌的早期检测准确率	胆囊癌B超图像	计算机视觉	胆囊癌	B超成像	深度学习	医学图像	胆囊超声数据集（具体数量未明确说明）	NA	ASGBC（包含MsHop模块的双分支架构）	准确率, 特异性, 敏感性	NA
1906	2025-10-06	A deep learning approach to gender equality: Forecasting educational indicators with 1D-CNN aligned with SDG 5 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332273 PMID:40956848	研究论文	提出基于1D-CNN的时间序列预测模型，用于预测五个国家性别相关的教育指标	首次将1D-CNN应用于性别平等教育指标的时间序列预测，能够揭示时序模式和差异	仅针对五个特定国家进行研究，模型普适性有待验证	预测性别相关教育结果以促进可持续发展目标5（性别平等）的实现	美国、沙特阿拉伯、中国、埃及和瑞典的性别分类教育数据	机器学习	NA	时间序列分析	CNN	时间序列数据	五个国家的历史性别分类数据	NA	1D-CNN	NA	NA
1907	2025-10-06	In-silico tool for predicting and scanning rheumatoid arthritis-inducing peptides in an antigen 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1630863 PMID:40959057	研究论文	开发了一种用于预测和扫描抗原中类风湿关节炎诱导肽的计算工具	结合了基于基序的方法和机器学习方法，开发了集成模型RAIpred，显著提高了预测性能	数据集规模有限（291个RA诱导肽和165个非诱导肽），模型性能仍有提升空间	开发预测HLA II类结合RA诱导肽的计算工具，用于评估蛋白质治疗剂的安全性	类风湿关节炎诱导肽和非诱导肽	生物信息学	类风湿关节炎	蛋白质语言模型，机器学习，深度学习	XGBoost, ProtBERT, 集成模型	肽序列数据	456个肽（291个RA诱导肽和165个非诱导肽）	NA	ProtBERT, XGBoost	AUC, MCC	NA
1908	2025-10-06	Prediction of TP53 mutations across female reproductive system pan-cancers using deep multimodal PET/CT radiogenomics 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1608652 PMID:40959426	研究论文	开发基于多模态PET/CT影像和深度学习的模型预测女性生殖系统癌症中TP53突变状态	首次整合肿瘤和棕色脂肪组织的多模态PET/CT影像特征，构建跨癌症类型的TP53突变预测模型	回顾性研究，样本量相对有限(259例患者)，需要外部验证	开发非侵入性AI模型预测女性生殖系统癌症中TP53突变状态	宫颈癌、子宫内膜癌和卵巢癌患者	数字病理	妇科恶性肿瘤	PET/CT影像，放射组学分析	Transformer	医学影像(PET/CT)	259例患有宫颈癌、子宫内膜癌或卵巢癌的患者	nn-UNet	Transformer	准确率	NA
1909	2025-10-06	Image steganalysis using LSTM fused convolutional neural networks for secure telemedicine 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1619706 PMID:40959435	研究论文	提出一种结合CNN和LSTM的混合模型用于医学图像隐写分析，以增强数字医疗解决方案的安全性	将传统CNN架构中的全连接层替换为LSTM层，利用局部图像特征之间的相关性进行增强特征提取	NA	开发高效的图像隐写分析方法以确保医学图像的安全性和完整性	医学图像和敏感成像数据集中的隐藏数据检测	计算机视觉	NA	图像隐写分析	CNN, LSTM	图像	BOSS Base 1.01、BOWS和ALASKA2图像隐写分析数据集	NA	CNN-LSTM混合架构	检测准确率, 敏感性特征	NA
1910	2025-10-06	Deep learning for cardiovascular management: optimizing pathways and cost control under diagnosis-related group models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1580445 PMID:40959774	综述	探讨深度学习在诊断相关分组支付模式下优化心血管疾病管理和成本控制的策略	将深度学习与DRG支付模型结合，提出数据驱动的心血管疾病成本控制新范式	面临数据质量、监管合规、伦理问题和可扩展性有限等挑战	优化心血管疾病管理路径和成本控制	心血管疾病患者医疗数据和管理流程	医疗人工智能	心血管疾病	深度学习	NA	医学影像、患者数据、临床登记数据	基于回顾性研究和大型临床登记数据	NA	NA	死亡率降低3.13%	NA
1911	2025-10-06	Effective Feature Extraction for Knee Osteoarthritis Detection on X-ray Images using Convolutional Neural Networks 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056360714250612080450 PMID:40574391	研究论文	提出基于EfficientNetB4的TPAFFKnee模型用于膝关节骨关节炎X射线图像检测	引入路径聚合网络改进特征提取，使用任务对齐检测头替代全卷积网络，并采用EIoU损失函数解决正负样本不平衡问题	未明确说明模型泛化能力，未来需要整合更多临床数据	提高膝关节骨关节炎检测准确率，辅助精准治疗和手术决策	膝关节骨关节炎X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	1650张膝关节骨关节炎X射线图像，来自多家医院	NA	EfficientNetB4,路径聚合网络,任务对齐检测头	mAP,各类别检测精度	NA
1912	2025-10-06	Fundus blood flow density changes in the smoking population by artificial intelligence-based optical coherence tomography angiography 2025, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2025.09.01 PMID:40881442	研究论文	利用基于人工智能的光学相干断层扫描血管成像技术研究吸烟人群眼底血流密度变化	首次结合AI去噪技术与OCTA分析吸烟对眼底血流密度的影响	样本量较小（36名吸烟者），仅包含男性参与者	确定慢性吸烟是否影响眼底血流密度	吸烟人群与不吸烟对照组的眼底血管	医学影像分析	眼科疾病	光学相干断层扫描血管成像（OCTA）	深度学习	医学影像	36名吸烟者（全部男性，平均年龄44.17±9.85岁）和年龄性别匹配的非吸烟对照组	NA	NA	NA	NA
1913	2025-10-06	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	提出一种基于深度学习图像分析的肾脏灌注自动估计方法	使用无对比剂伪连续动脉自旋标记MRI图像进行肾脏移植评估和灌注估计	仅使用16名移植患者数据进行实验，样本量较小	开发肾脏灌注自动估计方法用于移植后评估	肾脏移植患者的肾脏组织	医学影像分析	肾脏疾病	伪连续动脉自旋标记(PCASL) MRI，T加权MRI	深度学习	MRI图像	16名移植患者	NA	NA	Dice相似系数	NA
1914	2025-10-06	Physics-informed deep learning for T2-deblurred superresolution turbo spin echo MRI 2023-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29814 PMID:37578085	研究论文	提出一种融合物理信息的深度学习超分辨率方法，用于T2去模糊的涡轮自旋回波MRI图像重建	首次在深度学习超分辨率中引入物理真实的T2权重退化模型，改进了传统k空间截断方法的局限性	方法主要针对涡轮自旋回波MRI序列，在其他MRI序列上的适用性需要进一步验证	开发能够加速MRI扫描时间的超分辨率重建方法	基因工程小鼠胚胎模型的涡轮自旋回波MRI图像	医学影像分析	NA	涡轮自旋回波MRI	GAN	MRI图像	6-7个小鼠胚胎的500层图像体积	NA	生成对抗网络	定量成像指标, 专家评分	NA
1915	2025-10-06	Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models 2023-11-29, The Journal of clinical psychiatry IF:4.5Q1 DOI:10.4088/JCP.23m14962 PMID:38019588	研究论文	本研究开发了一个可解释的预测模型，利用社交媒体图像预测临床有效的自杀风险	首次证明公开可用的图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，提供简单灵活的策略	数据来源于2018年特定时间段，样本量相对有限，仅基于Facebook用户数据	开发可解释的自杀风险预测模型，解决现有AI方法的黑箱问题	841名Facebook用户上传的177,220张图像	多模态学习	心理健康疾病	对比语言-图像预训练(CLIP)	逻辑回归,深度学习	图像	841名用户，177,220张图像	CLIP	CLIP,逻辑回归	AUC, Cohen's d	NA
1916	2025-10-06	Application of artificial intelligence in the diagnosis of hepatocellular carcinoma 2023-Sep, eGastroenterology DOI:10.1136/egastro-2023-100002 PMID:39944000	综述	探讨人工智能在肝细胞癌放射学诊断中的最新应用进展	系统总结AI在HCC放射诊断中的优势，包括降低诊断变异性和优化数据分析	尚未在临床实践中常规应用，需要进一步研究和验证	评估人工智能在肝细胞癌诊断中的应用价值	肝细胞癌患者的放射学影像数据	计算机视觉	肝癌	放射学成像	深度学习,神经网络	医学影像	NA	NA	NA	NA	NA
1917	2025-10-06	Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies 2023-09, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.05.006 PMID:37209993	研究论文	比较骨关节炎研究中不平衡影像数据深度学习评估指标的适用性	首次系统比较不同类别不平衡程度下ROC和PR曲线等评估指标在骨关节炎深度学习研究中的表现差异	仅基于单一数据集（骨关节炎倡议研究）的MRI数据，未验证其他类型医学影像数据	评估深度学习模型在不平衡医学影像数据中的性能表现	骨关节炎患者的膝关节MRI影像和骨髓病变检测	计算机视觉	骨关节炎	MRI成像	深度学习	医学影像	2467名参与者的2996个膝关节MRI	NA	NA	ROC-AUC, PR-AUC, 敏感性, 特异性	NA
1918	2025-10-06	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本研究探讨使用证据神经网络和不确定性感知训练来改善深度学习模型校准性能	首次将证据神经网络和不确定性感知训练结合使用，并在复杂医学影像任务中验证其对模型校准的改进效果	仅在两个分类任务上进行实验，需要更多任务验证通用性	改善深度学习模型在医学影像分类中的校准性能，提高临床医生对模型的信任度	MNIST手写数字和相位对比心脏磁共振图像的伪影检测	计算机视觉	心血管疾病	心脏磁共振成像	深度学习模型	图像	NA	NA	证据神经网络	模型校准指标	NA
1919	2025-10-06	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于从2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应	首次提出用于CRT反应预测的多模态深度学习方法，能够仅使用2D超声心动图数据时仍利用学习到的CMR与超声心动图特征间的隐含关系	研究队列规模较小（仅50名患者），需要进一步验证	开发心脏再同步化治疗反应预测模型	接受心脏再同步化治疗的患者	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	深度学习	医学影像	50名CRT患者，配对的超声心动图/CMR数据	nnU-Net	U-Net	准确率，敏感性，特异性	NA
1920	2025-10-06	Analyzing mental disorders with a CNN-GRU deep learning model on motor activity 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10335-w PMID:40964443	研究论文	使用CNN-GRU深度学习模型分析运动活动数据以识别情绪障碍	首次将CNN-GRU架构应用于连续运动活动数据来分析情绪障碍，相比现有方法实现了更高的准确率	仅使用单一数据集（Depresjon数据集）进行验证，需要更多样化的数据来验证泛化能力	开发基于深度学习的情感障碍自动检测方法	情绪障碍患者的运动活动数据	机器学习	情绪障碍	腕戴式活动记录技术	CNN, GRU	连续运动活动序列数据	Depresjon数据集中的样本	NA	CNN-GRU混合架构	准确率	NA