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
341	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
342	2025-12-04	LesionSCynth: A simple parametric lesion synthesis method to improve spinal cord lesion segmentation in low-data scenarios 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1029 PMID:41322363	研究论文	本研究提出了一种名为LesionSCynth的参数化框架，用于在脊髓MRI中合成高信号病变，以改善低数据场景下的多发性硬化病变分割	基于对真实病变强度分布的分析，提出了一种简单参数化的病变合成方法，在低数据情况下显著提升了分割性能，并优于现有领先的病变合成方法	NA	减少脊髓MRI中多发性硬化病变分割的标注负担，并提高在低数据情况下的分割性能	脊髓MRI中的多发性硬化病变	数字病理学	多发性硬化	MRI	NA	图像	17个真实采集样本	NA	NA	FROC	NA
343	2025-12-04	The role of artificial intelligence in enhancing breast cancer screening and diagnosis: A review of current advances 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30984 PMID:41322389	综述	本文综述了人工智能在乳腺癌筛查和诊断中的当前进展及其多方面的应用	强调了人工智能在乳腺癌管理中，特别是在影像筛查、基因组学、免疫学分析和药物发现方面的创新应用潜力	指出仍需进一步研究以克服临床环境中的挑战和监管障碍	探讨人工智能如何增强乳腺癌的筛查、诊断和治疗个性化	乳腺癌	机器学习	乳腺癌	NA	NA	NA	NA	NA	NA	NA	NA
344	2025-12-04	Hierarchical classification of anterior cruciate ligament using deep learning for athletes healthcare 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.31060 PMID:41322394	研究论文	本研究提出了一种基于深度学习的层次化模型，用于自动检测和分类前交叉韧带损伤	结合注意力机制和层次化特征提取，提高了ACL分割和分类的准确性	未明确提及模型在多样化数据集或临床环境中的泛化能力	开发自动评估前交叉韧带损伤的方法，以支持运动员医疗保健和快速诊断	膝关节MRI图像中的前交叉韧带区域	计算机视觉	前交叉韧带损伤	MRI成像	CNN	图像	NA	NA	编码器-解码器架构, 层次化卷积神经网络	准确率	NA
345	2025-12-04	A hybrid deep learning framework for SEM-based air pollutant analysis: Mamba integration and GAN-augmented training 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1664317 PMID:41322471	研究论文	本文提出了一种用于基于扫描电镜图像的空气污染物成分分类的混合深度学习框架	将Mamba（一种具有线性计算复杂度的状态空间模型）集成到图像分类流程中，以建模长程依赖关系，并引入基于CGAN的数据增强策略来合成逼真的SEM样颗粒图像以扩充训练集	NA	准确分析空气污染物成分，以应对空气污染对公共健康和生态稳定构成的威胁	空气污染物成分	计算机视觉	NA	扫描电镜（SEM）成像	CNN, Mamba, GAN	显微图像或光谱图像	NA	NA	Mamba, CGAN	检测准确率, 推理速度	NA
346	2025-12-04	Synthetic CT generation from CBCT using deep learning for adaptive radiotherapy in prostate cancer 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1680803 PMID:41322652	研究论文	本研究评估了基于深度学习的模型从前列腺癌患者的CBCT图像生成合成CT的准确性，并探讨了其在治疗计划和自适应放疗决策中的临床应用潜力	使用U-Net和ResU-Net等简单架构的深度学习模型，从CBCT图像生成合成CT，以支持前列腺癌自适应放疗的精确剂量计算和工作流程	研究样本量较小（仅10名患者），且为回顾性研究，可能限制了结果的普遍性	评估深度学习模型生成合成CT的准确性，并研究其在前列腺癌自适应放疗中的临床应用	前列腺癌患者的CBCT和CT图像	数字病理学	前列腺癌	锥形束计算机断层扫描	CNN	图像	10名前列腺癌患者，每人提供50组CBCT-CT配对数据（包括1个计划CT和5个不同治疗日的CBCT扫描）	PyTorch	U-Net, ResU-Net	SSIM, PSNR, MAE, HU差异分布	NA
347	2025-12-04	Assessment of functional decline in stroke patients using 3D deep learning and dynamic functional connectivity based on resting-state fMRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1666991 PMID:41323228	研究论文	本研究开发了一种基于静息态功能磁共振成像和动态功能连接特征的3D深度学习框架，用于自动评估脑卒中患者上肢运动障碍的严重程度	首次结合动态功能连接特征与3D卷积神经网络，实现了对脑卒中患者上肢运动障碍严重程度的高精度自动分类	样本量相对较小（仅69名患者），且分类仅基于二分组（轻度至中度与重度），未涵盖更细粒度的障碍分级	开发自动化方法评估脑卒中患者上肢运动障碍的严重程度	69名脑卒中患者	医学影像分析	脑卒中	静息态功能磁共振成像	3D-CNN	功能磁共振成像数据	69名脑卒中患者（29名轻度至中度障碍，40名重度障碍）	NA	3D卷积神经网络	平衡准确率, 特异性, 敏感性	NA
348	2025-12-04	AI-assisted MRI segmentation analysis of brain region volume alterations in Parkinson's disease 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1666556 PMID:41323344	研究论文	本研究利用深度学习自动分割技术分析帕金森病患者脑区体积变化与病程的关联	采用深度学习自动全脑区域分割技术，系统探究了帕金森病患者多个脑区体积与病程的横断面关联	样本量较小（83例），且为回顾性研究设计，可能影响结果的普遍性	探究帕金森病患者脑区体积变化与疾病进展的关联	帕金森病患者	数字病理学	帕金森病	磁共振成像（MRI）	深度学习	图像	83例帕金森病患者	NA	NA	NA	NA
349	2025-12-04	AI-based prediction of pathological risk factors in lung adenocarcinoma from CT imaging: bridging innovation and clinical practice 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1687360 PMID:41323376	综述	本文综述了基于人工智能（AI）特别是深度学习（DL）在肺腺癌CT影像中预测病理风险因素的最新进展、应用与局限	总结了AI在预测肺腺癌特定高风险病理亚型（如气腔播散、高危亚型、隐匿淋巴结、脏层胸膜侵犯）方面的创新应用，并强调提升模型可解释性与临床适用性的方向	当前研究面临数据集多样性与规模有限、模型可解释性不足以及临床适用性有待增强等挑战	回顾AI在肺腺癌病理风险因素预测领域的研究进展，旨在为未来研究提供参考并推动AI在该领域的开发与应用	肺腺癌（LUAD）及其相关的病理风险因素，如气腔播散、高危病理亚型、隐匿淋巴结和脏层胸膜侵犯	数字病理学	肺癌	深度学习（DL）	NA	CT影像	NA	NA	NA	NA	NA
350	2025-12-04	Predictive performance of MRI and CT radiomics in predicting the response to induction chemotherapy in nasopharyngeal carcinoma: a network meta-analysis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1590420 PMID:41323390	荟萃分析	本研究通过网络荟萃分析评估了基于MRI和CT的影像组学方法在预测鼻咽癌诱导化疗反应中的准确性	首次通过网络荟萃分析比较不同影像组学模型（包括基于MRI的SVM模型、临床-影像组学融合模型以及基于CT的深度学习CNN模型）在预测鼻咽癌诱导化疗反应中的性能，并利用SUCRA值对模型进行排序	纳入的研究存在偏倚风险（7项研究被PROBAST评估为有偏倚风险），且需要标准化协议、前瞻性多中心验证以及肿瘤微环境机制研究的进一步支持才能实现临床转化	评估不同影像组学方法在预测鼻咽癌对诱导化疗反应中的准确性	鼻咽癌患者	数字病理学	鼻咽癌	影像组学	SVM, CNN	医学影像（MRI, CT）	1550名受试者（来自10项研究）	NA	卷积神经网络	灵敏度, 特异性, 准确率, AUC	NA
351	2025-12-04	Comparison of Radiomics and Deep Learning Using Intestinal Ultrasound Images for Differentiating Inflammatory and Fibrotic Intestinal Strictures in Crohn's Disease 2025, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S546832 PMID:41323560	研究论文	本研究比较了基于放射组学和深度学习方法，利用肠道超声图像区分克罗恩病中炎症性和纤维化性肠道狭窄的性能	首次将深度学习和放射组学应用于肠道超声图像，以区分克罗恩病中的肠道狭窄类型，并通过类激活映射增强模型的可解释性	研究为回顾性分析，样本量相对较小（64名患者，87张图像），可能影响模型的泛化能力	比较放射组学和深度学习在区分克罗恩病肠道狭窄类型方面的性能，以支持临床治疗决策	克罗恩病患者的肠道超声图像	计算机视觉	克罗恩病	肠道超声，Masson三色染色	深度学习模型	图像	64名克罗恩病患者，共87张肠道超声图像	NA	NA	准确率，灵敏度，特异性，ROC曲线下面积	NA
352	2025-12-04	Scoping the Landscape of Deep Learning for Alzheimer's Disease Stage Classification: Methods, Challenges, and Opportunities 2025, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0202 PMID:41323574	综述	本文是一篇范围综述，旨在梳理和评估深度学习在阿尔茨海默病分期分类中的应用现状、方法、挑战与机遇	首次对2018年至2024年间发表的深度学习应用于阿尔茨海默病分期分类的研究进行系统性范围综述，通过比较分析揭示了迁移学习与定制CNN模型在准确率上的微小差异，并强调了外部验证和成本效益评估的严重缺失	综述仅分析了18篇同行评审研究，样本量有限；研究主要关注已发表文献，可能未涵盖未发表或正在进行的研究；对方法学局限性和转化障碍的分析主要基于文献报告，缺乏实证验证	评估深度学习在阿尔茨海默病分期分类中的当前性能基准，识别方法学局限性，并突出转化到临床应用的障碍	2018年至2024年间发表的18篇关于深度学习应用于阿尔茨海默病分期分类的同行评审研究	数字病理学	阿尔茨海默病	NA	CNN, 迁移学习	NA	NA	NA	NA	准确率	NA
353	2025-12-04	Sex and age estimation from cardiac signals captured via radar using data augmentation and deep learning: a privacy concern 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1616770 PMID:41324021	研究论文	本研究首次探讨了从雷达获取的心电信号中推断性别和年龄等人口统计信息的可能性，揭示了雷达生物识别系统潜在的隐私风险	首次研究从雷达获取的心电信号中推断性别和年龄等人口统计信息，并采用条件Wasserstein生成对抗网络进行数据增强以应对小数据集限制	数据集规模较小，仅包含30名受试者，且年龄分类仅分为两个组别（18-29岁和30-65岁）	研究雷达获取的心电信号中是否包含可推断性别和年龄等敏感人口统计信息，以评估相关隐私风险	雷达获取的心电信号	机器学习	NA	雷达技术	CNN, GAN	时频表示（尺度图）	30名受试者	NA	卷积神经网络，条件Wasserstein生成对抗网络	准确率	NA
354	2025-12-02	Mapping the Evolution of Thyroid Ultrasound Research: A 30-year Bibliometric Analysis 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396607250811115439 PMID:40849785	综述	本文通过文献计量学方法，系统梳理了甲状腺超声研究30年的发展历程，识别了发展趋势、研究热点和新兴前沿	首次对甲状腺超声研究领域进行了长达30年的系统性文献计量分析，并利用VOSviewer和CiteSpace工具揭示了合作网络、参考文献时间线及关键词突现	分析仅基于Web of Science核心合集中的英文文献，可能遗漏其他语言或数据库的重要研究	通过文献计量分析，绘制甲状腺超声研究的演变图谱，识别发展趋势、研究热点和新兴前沿	1994年至2023年间Web of Science核心合集收录的甲状腺超声相关英文文章和综述	医学影像分析	甲状腺疾病	文献计量分析	NA	文献元数据	8,489篇文献	VOSviewer, CiteSpace	NA	NA	NA
355	2025-12-02	Enhancing Bangla handwritten character recognition using Vision Transformers, VGG-16, and ResNet-50: a performance analysis 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1682984 PMID:41322980	研究论文	本文通过比较Vision Transformer、VGG-16和ResNet-50在孟加拉语手写字符识别任务上的性能，展示了ViT在捕获全局上下文和长距离依赖方面的优势	首次在孟加拉语手写字符识别任务中应用Vision Transformer，并实现了98.26%的当前最佳准确率，超越了传统CNN架构	研究仅使用了CMATERdb 3.1.2数据集，未在其他数据集上验证模型的泛化能力；未讨论计算资源消耗和模型推理速度	比较不同深度学习架构在孟加拉语手写字符识别任务上的性能，探索Transformer架构在该领域的应用潜力	孟加拉语手写字符图像	计算机视觉	NA	NA	Vision Transformer, CNN	图像	24,000张图像，涵盖50个基本孟加拉语字符	NA	Vision Transformer, VGG-16, ResNet-50	准确率	NA
356	2025-12-01	Deep learning approaches for diagnosing seizure based on EEG signal analysis 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1669919 PMID:41311991	研究论文	提出一种集成深度迁移学习框架，用于基于脑电图信号的个性化癫痫发作检测	结合ResNet、EfficientNet和定制化二维卷积神经网络，通过集成学习提升模型对患者特异性变异和噪声的鲁棒性	未提及模型在更大规模数据集上的验证效果和临床部署的可行性	开发高性能的癫痫发作检测方法以改善患者生活质量	癫痫患者的脑电图信号	机器学习	癫痫	脑电图信号分析，短时傅里叶变换	CNN, 集成学习, 迁移学习	脑电图信号，时频谱图	CHB-MIT头皮脑电图数据库和土耳其癫痫脑电图数据集	TensorFlow, PyTorch	ResNet, EfficientNet, 2DCNN	AUC	NA
357	2025-12-01	Beyond the joystick: deep learning games for hand movement recovery 2025, Frontiers in rehabilitation sciences IF:1.3Q3 DOI:10.3389/fresc.2025.1653302 PMID:41312123	研究论文	本研究开发了基于深度学习的手势识别系统，将经典街机游戏改造为手势控制的康复工具	使用预训练CNN模型和MediaPipe库实现基于单目摄像头的手势识别，将传统游戏改造为康复训练工具	样本量较小（15名参与者），仅评估了短期使用效果	通过游戏化治疗练习增强认知功能和手眼协调能力，支持手部康复计划	手部康复患者的手势识别和运动恢复	计算机视觉	NA	手势识别，计算机视觉	CNN	图像，视频	15名参与者	MediaPipe, Phaser.js	预训练CNN模型	手势识别准确率，系统可用性量表(SUS)，单样本t检验	基于网页的界面，标准摄像头设备
358	2025-12-01	Detection of spheno-occipital synchondrosis fusion stages using artificial intelligence 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1682917 PMID:41312140	研究论文	本研究应用三种YOLO深度学习模型自动检测蝶枕软骨联合融合阶段	首次将YOLO系列深度学习模型应用于蝶枕软骨联合融合阶段的自动分类	研究样本仅限于6-25岁人群的CBCT影像数据	自动化蝶枕软骨联合融合阶段的分类评估	1,661名6-25岁个体的锥形束CT矢状面图像	计算机视觉	颅面异常	锥形束计算机断层扫描(CBCT)	CNN	医学影像	1,661名个体	YOLOv5, YOLOv8, YOLOv11	YOLOv5, YOLOv8, YOLOv11	平均精度(mAP), 精确率, 召回率, F1分数, 推理时间	NA
359	2025-12-01	Precise diagnosis of pediatric posterior cranial fossa neoplasms based on 2.5D MRI deep learning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1700694 PMID:41312172	研究论文	开发基于2.5D多序列MRI的深度学习框架ResSwinT，用于儿童后颅窝肿瘤的精确分类	首次将残差网络与Swin Transformer结合应用于2.5D多序列MRI融合，并通过SHAP方法增强模型可解释性	回顾性研究，样本量相对有限（309例患者）	开发可解释的AI辅助诊断工具，提高儿童后颅窝肿瘤术前诊断准确性	经病理证实的309例儿童后颅窝肿瘤患者（109例毛细胞星形细胞瘤，130例髓母细胞瘤，70例室管膜瘤）	数字病理	儿童后颅窝肿瘤	多序列MRI（T1WI, T1C, T2WI, FLAIR, ADC）	深度学习	2.5D MRI图像	309例患者	PyTorch	ResSwinT（ResNet + Swin Transformer）	准确率, AUC	NA
360	2025-12-01	AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687056 PMID:41312237	综述	本文综述人工智能在代谢组学中保留时间预测的应用及其在人类暴露组计划中的价值	整合机器学习保留时间预测与质谱分析，提出利用内源性化合物作为内标校准的跨实验室可转移性策略	依赖有限的光谱库和结构模糊性导致大部分检测特征仍无法识别	通过人工智能增强保留时间预测，提高代谢物注释置信度并推动暴露组学研究	人类生物样本中的环境和内源性化学物质	机器学习	NA	液相色谱-高分辨率质谱(LC-HRMS)，气相色谱	深度学习，图神经网络，迁移学习	质谱数据，化学结构数据	NA	NA	NA	候选物排序优化，假阳性降低	NA