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
581	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
582	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
583	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
584	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
585	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
586	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
587	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
588	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
589	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
590	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
591	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
592	2025-12-01	Research on the application of a multi-model cascaded deep learning framework in the pathological diagnosis of osteosarcoma 2025, Oncology reviews IF:3.1Q2 DOI:10.3389/or.2025.1592408 PMID:41312358	研究论文	开发了一种基于Vision Mamba的多模型级联深度学习框架，用于骨肉瘤的病理诊断和评估	首次将先进的Vision Mamba模型作为核心网络架构，构建多模型级联深度学习框架应用于骨肉瘤病理诊断	NA	提高骨肉瘤病理诊断和评估的精确度和效率	骨肉瘤患者的病理图像	数字病理	骨肉瘤	病理图像分析	深度学习	图像	68例重庆总医院骨肉瘤患者真实世界数据+德克萨斯大学西南/UT达拉斯公开骨肉瘤评估数据	NA	Vision Mamba (ViM)	Dice系数,AUC,敏感性,特异性,阳性预测值,阴性预测值	NA
593	2025-12-01	Detection and classification of microplastics in green tea using SERS with gold nanoparticle substrates integrating chemometrics and deep learning 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101235 PMID:41312430	研究论文	本研究利用金纳米颗粒基底的表面增强拉曼散射技术结合化学计量学和深度学习方法检测和分类绿茶中的微塑料污染	首次将表面增强拉曼散射技术与化学计量学方法和深度学习模型结合应用于绿茶中微塑料的检测与分类	PLS-DA模型在Ryokucha茶品种中未达到完美分类准确率，1D-CNN模型性能略低于PLS-DA	开发快速、灵敏、非破坏性的微塑料检测方法以保障绿茶食品安全	四种绿茶粉末（抹茶、茉莉花茶、煎茶、绿茶）中的聚苯乙烯和聚对苯二甲酸乙二醇酯微塑料	分析化学与人工智能交叉领域	NA	表面增强拉曼散射，金纳米颗粒基底	1D-CNN, PLS-DA, SVM	拉曼光谱数据	四种绿茶粉末品种的拉曼光谱样本	NA	一维卷积神经网络	准确率	NA
594	2025-11-30	Predicting Inhibition of CDK2 with SAnDReS: The Application of Machine Learning to Navigate the Scoring Function Space 2025, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673313727240819070317 PMID:39219431	综述	本文综述了应用机器学习模型和SAnDReS程序预测CDK2抑制的研究进展	开发了基于SAnDReS的机器学习模型，在预测CDK2抑制方面优于传统和深度学习评分函数，并引入创新的DOME分析方法	NA	评估计算模型在预测CDK2抑制方面的应用	CDK2蛋白及其抑制剂	机器学习	癌症	机器学习建模	机器学习模型,深度学习	结构数据,结合亲和力数据	基于BindingDB数据库的CDK2相关数据	SAnDReS	NA	预测性能,pKi预测精度	NA
595	2025-11-30	1DCNN-BiLSTM-transformer hypertension risk prediction model based on APW 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1714654 PMID:41306277	研究论文	提出一种基于动脉压力波形的1DCNN-BiLSTM-Transformer混合架构用于高血压风险预测	首次将1D-CNN、双向LSTM和Transformer结合用于APW数据分析，同时捕捉局部波形特征、长程时间依赖性和跨压力段的非线性交互	未明确说明样本量规模，且仅基于单一数据库进行验证	开发基于动脉压力波形的高血压风险预测模型	高血压患者与非高血压患者的动脉压力波形数据	机器学习	心血管疾病	动脉压力波形分析	1D-CNN, BiLSTM, Transformer	动脉压力波形信号	NA	NA	1D-CNN-BiLSTM-Transformer混合架构	准确率, 精确率, 召回率, F1分数	NA
596	2025-11-30	Retrospective Development of an AI Model Combining Ultrasound and Clinical Data for Pediatric Appendicitis Differentiation 2025, Emergency medicine international IF:1.2Q3 DOI:10.1155/emmi/8879232 PMID:41306444	研究论文	开发并验证了一种结合超声图像和临床数据的人工智能模型，用于儿童复杂性阑尾炎与非复杂性阑尾炎的鉴别诊断	首次采用多模态方法整合超声图像的深度学习特征、影像组学特征和临床实验室指标，构建综合诊断模型	回顾性研究设计，样本量相对有限（372例），仅来自三个医疗中心	开发能够准确鉴别儿童复杂性阑尾炎与非复杂性阑尾炎的AI辅助诊断工具	372例经病理证实的儿童阑尾炎患者（230例男性，142例女性）	数字病理	阑尾炎	超声成像，深度学习迁移学习，影像组学分析	机器学习分类模型	超声图像，临床实验室数据	372例儿科阑尾炎病例，来自三个医疗中心	NA	构建了四种模型：Rad模型（仅影像组学特征）、DL模型（仅深度学习特征）、DTL模型（结合影像组学和深度学习特征）、Combine模型（整合所有三类特征）	AUC，准确率，阳性预测值，ROC曲线，决策曲线分析，DeLong检验	NA
597	2025-11-30	Exploring the role of artificial intelligence toward management of HIV and TB co-infection in Nigeria: a comprehensive narrative review 2025 Jan-Dec, Therapeutic advances in infectious disease IF:3.8Q2 DOI:10.1177/20499361251395916 PMID:41306468	综述	本文探讨人工智能在尼日利亚HIV与结核病共感染管理中的应用现状与潜力	系统评估AI技术在尼日利亚HIV/TB共感染管理中的具体应用场景和实施障碍	依赖文献综述方法，未进行原始数据收集和实证分析	探索人工智能在改善尼日利亚HIV与结核病共感染管理中的作用	尼日利亚HIV与结核病共感染患者群体及相关医疗管理系统	医疗人工智能	HIV与结核病共感染	文献综述方法	深度学习, 机器学习, 计算机辅助检测, 模糊认知图, 逻辑回归, Twin模型	医学文献数据	2014-2022年间发表的相关研究文献	NA	NA	NA	NA
598	2025-11-30	A Dual-input deep learning architecture for classification and latency estimation in ABR signals 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1693921 PMID:41306502	研究论文	提出一种双输入深度学习架构，用于听觉脑干反应信号的分类和潜伏期估计	首次采用配对信号方法和多任务学习框架，同时进行波V存在性分类和潜伏期预测	NA	开发自动化ABR信号分析方法以替代耗时且主观的人工解读	听觉脑干反应信号中的波V特征	生物医学信号处理	听觉障碍	听觉脑干反应检测	CNN	生物电信号	NA	NA	具有主干网络和双分支的多任务架构	F1-score, R平方	NA
599	2025-11-30	Artificial intelligence for algorithmic trading digital assets: evidence from the Counter-Strike 2 skin market 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1702924 PMID:41306520	研究论文	本研究开发并评估了基于深度学习的自动化交易系统，用于预测《反恐精英2》游戏皮肤价格并指导交易决策	首次系统研究人工智能在游戏皮肤交易中的应用，针对高波动性、低流动性的虚拟资产市场开发专门的交易策略	研究仅基于Steam市场数据，未考虑外部市场因素；交易策略受限于平台规定的7天持有期和10%交易成本	探索人工智能在虚拟资产交易中的可行性和有效性	《反恐精英2》游戏皮肤市场	机器学习	NA	深度学习时间序列预测	LSTM, Neural Hierarchical Interpolation for Time Series	时间序列价格数据	12,000个独特皮肤，时间跨度为2024年5月至2025年4月	NA	LSTM, Neural Hierarchical Interpolation for Time Series	夏普比率, 索提诺比率, 投资回报率	NA
600	2025-11-30	Deep learning based on MRI for assessing the prognostic value of lateral lymph nodes in rectal cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1681939 PMID:41306533	研究论文	本研究开发基于MRI的深度学习模型用于评估直肠癌侧方淋巴结的预后价值	首次将深度学习应用于直肠癌侧方淋巴结的自动识别和分割，相比传统MRI T2WI方法提高了诊断效率和准确性	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	优化直肠癌术前治疗策略，提高侧方淋巴结阳性评估的准确性	直肠癌患者的MRI影像和临床预后数据	医学影像分析	直肠癌	MRI T2加权成像	深度学习模型	医学影像	1,000例患者用于训练，480例患者用于验证，来自5个医疗中心	NA	NA	准确率, 特异性	NA