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
461	2025-12-25	Artificial intelligence in epidemic watch: revolutionizing infectious diseases surveillance 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1692617 PMID:41425282	综述	本文综述了人工智能在传染病监测中的应用，探讨了其成功案例、技术接受度、治理问题及公共卫生政策建议	整合了机器学习与深度学习在传染病监测中的实时数据分析、疫情预测和医疗资源优化分配方面的创新应用	未具体说明数据来源、算法性能或实际部署中的技术挑战	探讨人工智能如何革新传染病监测，以提升公共卫生安全	传染病监测系统与公共卫生政策	机器学习	传染病	机器学习, 深度学习	NA	实时数据	NA	NA	NA	NA	NA
462	2025-12-25	A systematic review of automated International Classification of Diseases coding models using the Medical Information Mart for Intensive Care dataset 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251404518 PMID:41425278	综述	本研究系统回顾了使用MIMIC数据集开发自动化ICD编码模型的研究进展，整合计算机科学与临床视角，评估进展、识别挑战并为未来自动化提供见解	首次系统性地整合计算机科学与临床视角，全面评估了基于MIMIC数据集的自动化ICD编码模型的发展历程、技术演进及可解释性策略	研究主要基于MIMIC数据集，缺乏多样化的数据来源；模型验证不足，临床编码员参与有限；复杂算法可能阻碍实际应用	调查自动化国际疾病分类（ICD）编码模型的发展，评估进展、识别挑战并为未来研究提供方向	使用MIMIC数据集的自动化ICD编码模型相关研究	自然语言处理	NA	系统综述方法	传统机器学习,深度学习,知识推理,信息检索,生成模型	文本	73项研究（2014-2024年）	NA	NA	F1-micro分数	NA
463	2025-12-25	Deep learning-based beat-to-beat delineation of heart sounds and fiducial points in seismocardiography 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1699611 PMID:41425284	研究论文	本研究开发了一种基于深度学习的自适应算法，用于在震波心动描记术信号中自动检测11个基准点	首次应用U-Net架构的深度学习模型在震波心动描记术信号中进行逐拍基准点检测，实现了对心肌力学和血流动力学状态的新型评估方法	未明确说明算法在不同心脏疾病类型或严重程度下的泛化能力，且样本量相对有限	开发自动检测震波心动描记术信号中基准点的算法，以评估和监测心肌力学及血流动力学状态	震波心动描记术信号，包括来自有和无已知心脏疾病受试者的数据	机器学习	心血管疾病	震波心动描记术	CNN	信号数据	198名受试者的42,452个独立心跳	NA	U-Net	阳性预测值, 灵敏度	NA
464	2025-12-25	Knowledge, Readiness, and Perception of Medical Students Toward Medical Artificial Intelligence: A Cross-Sectional Study 2025 Jan-Dec, Journal of medical education and curricular development IF:2.0Q2 DOI:10.1177/23821205251407758 PMID:41425647	研究论文	本研究通过横断面调查，评估了伊朗医学生对医学人工智能的知识、准备度和认知情况	首次在伊朗医学生群体中系统评估其对医学AI的知识、准备度和多维度认知，并分析了相关影响因素	研究为横断面设计，无法确定因果关系；样本仅来自伊朗，可能限制结果的普适性	评估医学生对医学人工智能的知识、准备度和认知，并分析其相关因素	伊朗的医学生	医学教育	NA	问卷调查	NA	问卷数据	280名医学生	SPSS 22, Excel 2019	NA	NA	NA
465	2025-12-25	Deep learning models for cervical cancer subtyping using whole slide images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1574639 PMID:41426317	研究论文	本研究开发并评估了一种基于人工智能的模型，利用全切片图像对宫颈癌进行亚型分类	结合了补丁级和WSI级分析，并使用了多种卷积神经网络和机器学习算法进行集成预测，以增强诊断准确性	未明确提及模型在更广泛或更具挑战性的临床场景中的局限性	开发并评估用于宫颈癌亚型分类的人工智能模型	宫颈癌全切片图像	数字病理学	宫颈癌	全切片图像分析	CNN, 机器学习算法	图像	438张全切片图像，来自一个公共数据集和两个私有数据集	NA	Inception-v3	准确率, 灵敏度, 特异性, AUROC	NA
466	2025-12-25	Trends in AI-based diagnosis and intervention of metabolic diseases: a bibliometric analysis of the literature from 2000 to 2024 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1698366 PMID:41426577	文献计量分析	本文对2000年至2024年间关于人工智能在代谢性疾病诊断与干预中应用的文献进行了全面的文献计量分析	首次对人工智能在代谢性疾病领域的文献进行系统性计量分析，识别出三大研究前沿：基于智能设备的AI辅助预防、多模态诊断方法以及大语言模型指导的干预策略	分析仅基于WOSCC和Scopus数据库的文献，可能未涵盖所有相关出版物；文献计量方法主要反映趋势和关联，不深入评估具体研究内容的质量	分析人工智能在代谢性疾病诊断与干预领域的研究演变、趋势和前沿	2000年至2024年间发表的1059篇相关科学文献	机器学习	代谢性疾病	文献计量分析	NA	文献元数据（如作者、机构、期刊、关键词、引用网络）	1059篇出版物	R（用于数据合并与去重）	NA	NA	NA
467	2025-12-25	Thyroid intelligent diagnosis based on THMSNet 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1686248 PMID:41427041	研究论文	本文提出了一种名为THMSNet的混合架构，用于甲状腺结节的智能诊断，结合了多尺度特征提取和全局依赖建模	提出THMSNet混合架构，集成金字塔结构进行多尺度特征提取和Mamba进行全局长程依赖建模，并引入串行通道-空间注意力模块（SCSAM）增强特征表示，以及真值校准（TVC）算法使模型预测与病理标准对齐	未在摘要中明确提及	开发一种准确且临床适用的甲状腺结节良恶性诊断方法	甲状腺超声图像	计算机视觉	甲状腺疾病	超声成像	CNN, Transformer	图像	7,288张甲状腺超声图像（3,282张良性，4,006张恶性）	未在摘要中明确提及	THMSNet, ResNet, DenseNet	准确率, 精确率, 召回率, F1分数, AUROC	未在摘要中明确提及
468	2025-12-25	U-FDL-PPE: a unified federated deep learning framework with privacy-preserving explainability for early and accurate viral disease prediction 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1660479 PMID:41427114	研究论文	本研究提出了一种名为U-FDL-PPE的统一联邦深度学习框架，该框架结合了隐私保护和可解释性，旨在实现早期和准确的病毒性疾病预测	该框架首次将联邦学习与隐私保护的可解释性（通过Grad-CAM）相结合，用于病毒性疾病的早期诊断，解决了集中式数据存储的隐私和兼容性问题	研究仅在模拟的三家医疗机构网络中使用公开数据集进行测试，未在真实多中心临床环境中验证，且多类AUC值较低（0.5192）	开发一个支持早期、可靠病毒性疾病诊断的联邦深度学习框架，同时保护患者隐私并提供可理解的预测解释	胸部X光图像，用于分类COVID-19、正常和病毒性肺炎	计算机视觉	病毒性疾病	胸部X光成像	CNN	图像	使用公开的COVID-19放射影像数据库，在模拟的三家医疗机构网络中测试	NA	MobileNetV2	准确率, F1分数, AUC, 混淆矩阵	NA
469	2025-12-25	Data-driven discovery of antiviral peptides against PRRSV using multiple machine learning models 2025, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2025.1681083 PMID:41427144	研究论文	本研究通过整合蛋白质组学与机器学习方法，筛选并预测针对猪繁殖与呼吸综合征病毒的抗病毒肽	首次将图神经网络应用于抗病毒肽预测领域，并与传统机器学习模型进行性能比较	现有预测的抗病毒肽数据库不足，需要更精确可靠的注释	筛选健康与PRRSV感染组织的差异表达蛋白和肽，并预测抗病毒肽	猪的肺、小肠和大肠组织样本	机器学习	猪繁殖与呼吸综合征	蛋白质组学分析	GNN, RF, SVM	蛋白质和肽序列数据	未明确指定样本数量，涉及肺、小肠和大肠组织	未明确指定	图神经网络, 随机森林, 支持向量机	AUC	NA
470	2025-12-25	A deep learning-based study of player styles and cross-league performance adaptation mechanisms: a case study of the NBA and CBA 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1639972 PMID:41427262	研究论文	本研究利用深度学习和可解释建模，探讨球员风格对篮球联赛间表现适应性的影响	整合PCA、t-SNE和高斯混合模型进行球员风格聚类，并结合Branch-MLP与SHAP算法进行可解释性战术结构分析	研究仅基于2019-2024赛季的NBA和CBA数据，可能未涵盖所有联赛或历史时期的变化	通过量化框架理解不同竞争环境中球员表现机制，为训练、转会及青年人才培养提供数据驱动决策支持	NBA和CBA联赛的球员及球队比赛数据	机器学习	NA	PCA, t-SNE, 高斯混合模型, SHAP算法	多层感知机	比赛数据	2019-2024赛季的球员和球队数据	NA	Branch-MLP	准确率	NA
471	2025-12-24	RETRACTED: Optimization of house price evaluation model based on multi-source geographic big data and deep neural network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335722 PMID:41191568	研究论文	本文提出了一种基于多源地理大数据和深度神经网络的房价评估模型，通过集成注意力机制与空间特征提取，并利用蝙蝠优化算法提升模型的可解释性和准确性	提出了一种结合蝙蝠优化算法与注意力机制的混合深度学习网络，用于动态调整高影响力特征，解决了特征重要性不稳定、计算效率低和泛化能力差的问题，相比现有方法训练时间减少30%	未明确说明模型在不同房地产市场环境下的泛化能力，也未讨论模型对数据质量和数据缺失的敏感性	优化房价评估模型，提高预测准确性、计算效率和模型可解释性	房地产价格数据	机器学习	NA	多源地理大数据分析	深度神经网络, 注意力机制	地理大数据	NA	NA	混合深度学习网络	特征稳定性, 人工参与更新时间, 平均绝对误差	NA
472	2025-12-24	NDMamba: Dual-Prior State-Space Model for Nighttime Deraining 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3633561 PMID:41269856	研究论文	提出一种名为NDMamba的双先验状态空间模型，用于解决夜间图像去雨问题	首次将Retinex理论与状态空间模型结合，通过双先验（光照和雨纹分布）引导的架构，更有效地建模夜间低光条件下雨纹与光照的交互	未明确说明模型在极端低光或动态光照变化场景下的性能，也未讨论模型对计算资源的具体需求	提升夜间图像去雨任务的性能，在计算效率和恢复质量之间取得更好平衡	夜间含雨图像	计算机视觉	NA	深度学习	状态空间模型	图像	未明确说明具体数量，但使用了合成和真实世界基准数据集	未明确说明，代码已公开在GitHub	NDMamba（包含Prior Extraction Module, Prior-Guided Mamba Block, Lighting-Adaptive Vision State-Space Module, Rain Distribution Guidance Module）	未明确列出具体指标，但提及在基准数据集上优于现有方法	NA
473	2025-12-23	Multi-modal remote sensory learning for multi-objects over autonomous devices 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1430222 PMID:40462839	研究论文	本文提出了一种结合马尔可夫随机场和Alex Net模型的多模态远程感知学习方法，用于自主设备上多目标对象的识别与分割	创新性地将马尔可夫随机场用于精确标注和空间上下文建模，与Alex Net模型结合进行场景识别，以应对远程感知图像中对象像素密度不均、分布不匀、视角光照变化及数量波动等挑战	未明确讨论模型在极端光照或视角条件下的鲁棒性，也未涉及计算效率或实时处理能力的详细分析	提高远程感知图像中多目标对象的识别准确性和泛化能力	远程感知图像中的多种对象，包括军事和民用领域中的各类目标	计算机视觉	NA	远程感知技术	CNN	图像	基于UC Merced Land Use和AID等基准数据集	NA	Alex Net	准确率, 精确率, 召回率, 错误率, F1分数	NA
474	2025-12-22	A review of light-field imaging in biomedical sciences 2025, Med-X DOI:10.1007/s44258-025-00070-6 PMID:41409575	综述	本文综述了光场成像在生物医学科学中的应用，包括其理论基础、核心实现及在显微、介观和内窥镜中的进展	光场成像作为一种新兴范式，通过单次快照捕获空间和角度信息，实现高速体积采集，特别适用于捕捉快速生物动态	存在成像速度、空间分辨率和景深之间的基本权衡，尽管压缩感知、深度学习和元光学等进展正在解决这些限制	概述光场成像的理论基础，并调查其在生物医学成像技术中的核心实现和潜力	光场成像技术在显微、介观和内窥镜等生物医学成像领域的应用	生物医学光学	NA	光场成像	NA	体积信息（空间和角度光组件）	NA	NA	NA	NA	NA
475	2025-12-22	DeepKinome: quantitative prediction of kinase binding affinity by a compound using deep learning based regression model 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1698891 PMID:41415030	研究论文	本文介绍了DeepKinome，一个基于20层卷积神经网络的深度学习回归模型，用于预测小分子化合物与激酶之间的定量结合亲和力	开发了DeepKinome模型，通过深度学习回归方法预测激酶结合亲和力，并利用可解释人工智能分析揭示了影响预测的关键氨基酸序列，这些序列与已知激酶磷酸化位点一致	模型训练数据仅来自L1000数据库的234种激酶和163种化合物，数据规模和多样性可能有限	预测小分子化合物与激酶之间的定量结合亲和力，以促进激酶抑制和化合物结合的理解	激酶和小分子化合物	机器学习	NA	深度学习回归	CNN	定量结合亲和力数据	234种激酶和163种化合物	NA	20层卷积神经网络	RMSE, R2, Pearson's correlation coefficient, acceptance interval ratio	NA
476	2025-12-22	Comprehensive evaluation and clinical implications of kernel extreme learning machine long short term memory transformer framework 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ELRA9110 PMID:41415105	研究论文	本文提出了一种结合KELM、LSTM和Transformer的混合深度学习模型，用于提高阿尔茨海默病的诊断和预测准确性	首次将KELM、LSTM和Transformer三种架构集成到一个联合模型中，以捕捉非线性关联、时间动态和全局特征依赖	研究主要基于ADNI数据库，外部验证队列规模有限，可能影响模型的广泛适用性	开发并验证一个混合深度学习模型，以增强阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者，包括从轻度认知障碍到阿尔茨海默病的转化预测	机器学习	阿尔茨海默病	深度学习	KELM, LSTM, Transformer	临床数据	训练和验证集2,149名受试者（来自ADNI数据库），外部测试集1,012名受试者	NA	KELM-LSTM-Transformer	准确率, 召回率, AUC	NA
477	2025-12-22	An ensemble heterogeneous transformer model for an effective diagnosis of multiple plant diseases 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1693095 PMID:41415655	研究论文	本文提出了一种集成异构Transformer模型，用于有效诊断多种植物病害	结合了U-Net和Swin Transformer V2进行分割，以及CoAtNet及其变体进行分类，并采用基于Levy Flight Honey Badger Algorithm的元启发式融合策略动态加权分类器输出，提高了模型的鲁棒性和可解释性	未提及模型在真实田间环境下的泛化能力或计算资源需求	准确识别植物中的多种病害，以支持可持续农业	植物叶片图像	计算机视觉	植物病害	图像分割与分类	Transformer, CNN	图像	54,305张图像，涵盖38个类别	NA	U-Net, Swin Transformer V2, CoAtNet	准确率, 精确率, 召回率, 特异性, F1分数	NA
478	2025-12-22	Anatomically refined entorhinal cortex segmentation improves MRI-based early diagnosis of Alzheimer's disease 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1682106 PMID:41415891	研究论文	本研究开发了一种结合专家解剖学修正与深度学习的精细化内嗅皮层分割框架，用于提升基于MRI的阿尔茨海默病早期诊断	通过手动修正FreeSurfer生成的内嗅皮层标签，去除前嗅周皮层延伸等解剖学不一致区域，并利用修正后的标签训练nnU-Net模型，实现了更精确、可扩展的内嗅皮层分割	NA	提升基于磁共振成像的阿尔茨海默病早期诊断的敏感性和特异性	阿尔茨海默病神经影像学倡议1期（ADNI1）的磁共振成像数据	数字病理学	阿尔茨海默病	磁共振成像	nnU-Net	图像	NA	nnU-Net	nnU-Net	组间区分度, 诊断阶段区分能力	NA
479	2025-12-21	Balancing Model Complexity and Clinical Deployability in Deep Learning for Sociodemographic Information Extraction 2025 Jan-Dec, Journal of primary care & community health DOI:10.1177/21501319251404193 PMID:41403044	研究论文	本研究系统评估了六种卷积神经网络架构，包括集成传统分类器的混合模型，用于从电子病历文本中提取多个人口统计学特征，旨在平衡模型复杂性与临床部署性	通过比较不同复杂度的CNN架构，发现简单单层CNN在数据不平衡和文档模式多样条件下表现更优，为临床NLP管道提供了高效可解释的模型选择框架	研究仅基于4375名患者数据，且混合模型对稀疏或多样性特征提取效果有限，未涉及其他深度学习架构如Transformer的对比	评估模型复杂性和词汇多样性对从EMR文本中提取人口统计学信息分类性能的影响，以支持临床决策和健康公平研究	来自96家初级保健诊所的4375名患者的电子病历文本数据	自然语言处理	NA	文本分类	CNN	文本	4375名患者	NA	单层CNN, 混合CNN模型	F1分数, 精确率, 召回率, 精确率-召回率曲线下面积, 马修斯相关系数	NA
480	2025-12-21	Estimating weaning duration from incremental dentine δ15N and δ13C using a sequence-based LSTM neural network: A deep learning framework for bioarchaeological applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337619 PMID:41406149	研究论文	本研究开发了一种基于序列的LSTM神经网络模型，利用牙本质增量δ15N和δ13C数据来估计断奶持续时间	首次引入专门用于从序列同位素数据估计断奶持续时间的机器学习框架，利用δ15N和δ13C的序列模式，并整合时间特征和牙齿类型编码	模型仅在279个个体的数据集上训练，且概念验证仅使用20个个体进行比较	开发一种用于生物考古学应用的深度学习框架，以估计过去人群的断奶持续时间	来自三个牙齿类型（M1, dM1, dM2）的序列同位素数据	机器学习	NA	同位素分析（δ15N和δ13C）	LSTM	序列数据	279个个体（训练数据），20个个体（概念验证）	NA	LSTM	RMSE, MAE, R2	NA