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
1021	2025-10-06	Advancing 1.5T MR imaging: toward achieving 3T quality through deep learning super-resolution techniques 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1532395 PMID:40606499	研究论文	本研究探索使用深度学习超分辨率技术提升1.5T磁共振图像质量，使其达到3T扫描水平	首次系统比较三种深度学习超分辨率技术在MRI图像增强中的表现，并证明TCGAN模型在此任务中的优越性	研究仅限于脑部MRI图像，未验证在其他身体部位或不同病理条件下的适用性	开发经济有效的MRI图像增强方法，解决不同场强扫描仪数据异质性问题	1.5T和3T磁共振脑部图像	计算机视觉	神经系统疾病	磁共振成像	GAN, Transformer	医学图像	NA	NA	Transformer Enhanced Generative Adversarial Network (TCGAN)	SSIM, PSNR, LPIPS, IDP	NA
1022	2025-10-06	Self-Powered Multimodal Tactile Sensing Enabled by Hybrid Triboelectric and Magnetoelastic Mechanisms 2025, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0320 PMID:40607079	研究论文	提出一种基于摩擦电-磁弹性传感的自供电多模态触觉感知技术	融合摩擦电和磁弹性机制实现自供电传感，无需外部电源即可生成传感信号	NA	提升物体属性感知能力，解决解耦难度和精度限制的挑战	物体的材料特性、软硬度和粗糙度等关键特征	传感器技术	NA	摩擦电-磁弹性传感技术	深度学习算法	多维度物体信息	NA	NA	NA	准确率	NA
1023	2025-10-06	HMA-Net: a hybrid mixer framework with multihead attention for breast ultrasound image segmentation 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1572433 PMID:40607452	研究论文	提出一种基于深度学习的混合框架HMA-Net用于乳腺超声图像分割	结合ConvMixer编码器和ConvNeXT解码器，并引入卷积增强的多头注意力机制来捕获局部和全局上下文特征	NA	提高乳腺超声图像中肿瘤分割的准确性	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	深度学习	图像	两个数据集（BUSI数据集和BrEaST数据集）	NA	ConvMixer, ConvNeXT	Jaccard指数, Dice相似系数	NA
1024	2025-10-06	Role of artificial intelligence in early diagnosis and treatment of infectious diseases 2025-01, Infectious diseases (London, England) DOI:10.1080/23744235.2024.2425712 PMID:39540872	综述	本文全面综述了人工智能在传染病早期诊断与治疗中的关键作用	系统整合了AI在传染病诊断工具、疫情预测、治疗策略优化和药物研发等多方面的应用潜力	探讨了AI在传染病管理中面临的伦理考量、挑战和局限性	评估人工智能在传染病早期诊断和治疗中的应用价值	传染病诊断与治疗系统	医疗人工智能	传染病	机器学习算法、深度学习、图像识别系统	NA	患者个体数据、医学影像数据	NA	NA	NA	NA	NA
1025	2025-10-06	TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	提出融合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生表现预测	融合多元智能理论和社会认知理论，设计双通道特征处理模块、理论指导的四头注意力机制和可解释预测层	NA	解决传统教育数据挖掘方法难以整合异构特征数据，以及现有深度学习模型缺乏教育理论指导的问题	学生表现预测	教育数据挖掘	NA	深度学习	Transformer	教育数据	6,608名学生，外部验证480名跨文化数据	NA	TGEL-Transformer	RMSE, R2	NA
1026	2025-10-06	Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326744 PMID:40587469	研究论文	通过结合物联网和机器学习技术提升电子商务决策能力，重点关注情感分析和需求预测	将物联网设备数据收集与多种机器学习算法相结合，在电子商务决策中实现超越简单推荐的高级功能	未明确说明研究样本规模和具体数据来源	提升电子商务决策能力，改善客户购物体验	电子商务客户行为数据和偏好数据	自然语言处理	NA	情感分析，需求预测	逻辑回归,朴素贝叶斯,SVM,随机森林,AdaBoosting,GRU,LSTM	文本数据	NA	NA	GRU,LSTM	准确率,F1分数,精确率,召回率	NA
1027	2025-10-06	An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.008 PMID:40599244	研究论文	提出基于原型部分学习的可解释端到端AI框架，用于数字乳腺断层合成图像中的病灶检测和分类	结合YOLO系列模型和ProtoPNet构建可解释的AI系统，通过原型部分学习提供预测解释	数据集限制和需要更准确的地面实况标注影响了最终指标	开发透明AI系统加速DBT扫描分析并确保可解释性	数字乳腺断层合成图像中的乳腺病灶	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	医学图像	NA	PyTorch	YOLOv5,YOLOv8,ProtoPNet	召回率,准确率	NA
1028	2025-10-06	A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging 2025, Pulmonary medicine IF:2.0Q3 DOI:10.1155/pm/6614016 PMID:40599379	研究论文	提出一种基于定制卷积神经网络和预训练模型的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病	结合定制CNN与预训练模型，采用图像增强方法处理胸部影像数据，在肺部疾病检测中实现高性能指标	仅使用单一来源数据集（Kaggle），样本量相对有限，未进行多中心验证	开发自动化肺部疾病检测系统，提高诊断效率和准确性	肺部疾病（肺炎和COVID-19）患者的胸部X射线和CT影像	计算机视觉	肺部疾病	医学影像分析	CNN	图像	6400张影像	NA	定制卷积神经网络,预训练模型	准确率,精确率,召回率,F1分数	NA
1029	2025-10-06	Application progress of artificial intelligence in managing thyroid disease 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1578455 PMID:40600013	综述	系统回顾人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施挑战	首次系统梳理自1990年代以来AI在甲状腺疾病管理中的演进历程，涵盖多模态数据整合与临床转化障碍分析	存在数据隐私、模型可解释性及临床适用性等挑战，数据异质性和伦理问题尚未完全解决	评估人工智能在甲状腺疾病管理中的应用效果与发展前景	甲状腺疾病患者（特别是甲状腺切除术后患者）的诊疗数据	医学人工智能	甲状腺疾病	机器学习、深度学习	NA	超声图像、CT/MRI影像、组织病理学数据、电子健康记录、可穿戴传感器数据	NA	NA	NA	良恶性结节鉴别率、不必要细针穿刺减少频率	NA
1030	2025-10-06	GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1587026 PMID:40600033	研究论文	本文提出一种结合GAN增强的深度学习方法，用于阿尔茨海默病分类和纵向脑变化分析	集成ResNet101与LSTM网络，引入PDPO和DCK创新层增强特征提取，并利用GAN模型识别AD的进展性	未明确说明模型计算复杂度、过拟合风险等具体限制	提高阿尔茨海默病分类准确性并分析疾病进展模式	阿尔茨海默病患者、轻度认知障碍患者和认知正常人群	医学影像分析	阿尔茨海默病	脑影像分析	CNN, LSTM, GAN	医学影像数据	ADNI和OASIS数据集	NA	ResNet101, LSTM	准确率	NA
1031	2025-10-06	Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1606336 PMID:40600038	研究论文	比较卷积神经网络和Transformer架构在乳腺癌组织病理图像分类中的性能	首次系统比较14种深度学习模型（包括CNN和Transformer架构）在乳腺癌病理图像分类任务中的表现，特别关注基础模型在数字病理中的应用潜力	仅使用BreakHis v1数据集，未在其他数据集上验证模型泛化能力；未详细分析模型计算效率和部署可行性	评估不同深度学习架构在乳腺癌病理图像分类中的性能差异	乳腺癌组织病理图像	数字病理	乳腺癌	组织病理学检查	CNN, Transformer	图像	BreakHis v1数据集	NA	AlexNet, VGG16, InceptionV3, ResNet50, Densenet121, MobileNetV2, ResNeXt, RegNet, EfficientNet_B0, ConvNeXT, ViT, DINOV2, UNI, GigaPath	准确率, 特异性, 召回率, F1分数, Cohen's Kappa系数, ROC曲线, AUC	NA
1032	2025-10-06	AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1568312 PMID:40600046	研究论文	本研究提出了一种轻量级视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查	采用轻量级自注意力机制的视觉变换器架构，结合全面的数据预处理和增强技术，在阿尔茨海默病预测中实现了高性能	研究基于单一数据集(OASIS-3)，需要进一步验证在其他数据集上的泛化能力	开发可靠的阿尔茨海默病早期筛查模型	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI脑成像	Vision Transformer (ViT)	图像	OASIS-3数据集中的MRI图像	NA	轻量级视觉变换器	准确率, 精确率, 召回率, 特异性, Kappa分数, AUC ROC分数	NA
1033	2025-10-06	Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S518166 PMID:40600198	研究论文	基于机器学习模型预测肺结节良恶性的回顾性研究	开发了注意力机制增强的前馈神经网络(Atten_FNN)，并首次结合SHAP可解释性分析识别关键临床预测因子	单中心回顾性研究，跨中心泛化能力有限	开发非侵入性早期诊断方法，准确区分肺结节良恶性	3355例肺结节患者（良性1156例，恶性2199例）	机器学习	肺癌	CT影像，病理检查	SVM, RF, XGBoost, FNN, Atten_FNN	电子医疗记录，CT影像特征，实验室生物标志物	3355例患者	NA	前馈神经网络(带注意力机制)	AUC, 准确率, 敏感度, F1分数, 特异性	NA
1034	2025-10-06	[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-1480 PMID:40603060	研究论文	通过文本挖掘分析1989-2023年间MRI领域人工智能研究的趋势	首次使用文本挖掘方法系统分析MRI领域人工智能研究的发展趋势和热点演变	仅基于PubMed数据库的论文标题进行分析，未涉及全文内容	可视化MRI领域人工智能相关研究领域并理解研究趋势	1989-2023年间PubMed数据库中MRI领域应用人工智能的论文标题	自然语言处理	NA	文本挖掘	NA	文本	2870篇论文标题	NA	NA	Jaccard系数	NA
1035	2025-10-06	Elucidating linear programs by neural encodings 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1549085 PMID:40607448	研究论文	本文提出通过神经编码方法增强线性规划模型的可解释性	首次将可解释人工智能方法应用于线性规划模型，通过神经编码方式实现LP的解释	在低扰动水平下，Saliency和LIME归因方法难以区分	提高线性规划模型的可解释性，揭示输入与输出之间的关系	线性规划模型及其解决方案	机器学习	NA	神经编码方法	神经网络	数值数据	包括高达10k维度的大规模线性规划问题	NA	NA	归因方法评估	NA
1036	2025-10-06	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	研究论文	提出一种特征解耦自编码器用于生成心电图信号，解决罕见类别样本不足的问题	提出特征解耦自编码器(FDAE)，通过对比学习框架解耦心电信号的生成因子，支持通过潜在代码交换生成新样本	NA	解决心电图数据集中罕见类别样本不足的问题，提升深度学习模型在心电分析中的鲁棒性和泛化能力	心电图信号	机器学习	心血管疾病	心电图分析	自编码器, VAE	心电图信号	MIT-BIH心律失常数据库和Icentia11K数据集	NA	特征解耦自编码器(FDAE)	分类性能	NA
1037	2025-10-06	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	系统综述	本文系统综述了2011-2023年间使用心电信号自动预测心源性猝死的研究进展	全面分析了机器学习和深度学习在心源性猝死预测中的应用，涵盖了多种特征提取技术和分类器	大多数预测模型依赖小规模数据库，在真实场景中的适用性存疑；主要使用ECG和HRV信号，忽略了其他生理信号的潜在贡献	心源性猝死的自动预测	心源性猝死患者的心电信号数据	机器学习	心血管疾病	ECG信号分析，HRV信号分析	KNN, SVM, 决策树, 随机森林, 朴素贝叶斯, CNN	生理信号数据	使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm，包含SCD患者24小时记录	NA	NA	准确率	NA
1038	2025-10-06	Deep learning generalization for diabetic retinopathy staging from fundus images 2025-Jan-22, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ada86a PMID:39788077	研究论文	开发了一种名为DRStageNet的深度学习模型，用于从眼底图像中进行糖尿病视网膜病变分期，并解决模型泛化问题	使用多源域微调策略和自监督视觉变换器，显著提高了模型在不同目标域的泛化性能	错误分析显示60%的错误源于标签错误，数据质量可能影响模型性能	开发能够准确分期糖尿病视网膜病变并具有良好泛化能力的深度学习模型	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	ViT	图像	91,984张数字眼底图像，来自六个公共独立数据集	NA	DINOv2,自监督视觉变换器	L-Kappa	NA
1039	2025-10-06	Donor-specific digital twin for living donor liver transplant recovery 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf037 PMID:40486178	研究论文	开发基于深度学习的供体特异性数字孪生模型，预测活体肝移植后供体肝脏质量恢复轨迹	将基因表达模式与肝细胞转换数学模型相结合，创建具有机制可识别潜在空间的个性化数字孪生模型	样本量较小（12名供体），需要更大规模验证	改善活体肝移植后供体恢复监测和预测	活体肝移植供体	数字病理	肝病	基因表达测量，深度学习	深度学习	基因表达数据	12名供体，随访一年	NA	NA	NA	NA
1040	2025-10-06	Retinal vessel metric analysis of type 1 diabetes mellitus in OCT angiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562809 PMID:40584707	研究论文	本研究通过OCTA和深度学习技术分析1型糖尿病患者在不同阶段的视网膜血管特征变化	首次使用深度学习血管分割模型定量分析1型糖尿病患者OCTA图像中动脉和静脉的多种血管指标变化	回顾性研究设计，样本量有限（63名患者），仅使用3*3 mm OCTA扫描区域	研究1型糖尿病患者在不同糖尿病视网膜病变阶段的视网膜血管特征变化	1型糖尿病患者（63人，110眼）和年龄匹配的健康个体（40人，79眼）	数字病理	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习模型	OCTA图像	103名受试者（63名T1DM患者，40名健康对照），共189眼	NA	NA	分形维度（FD）、血管直径指数（VDI）、血管长度分数（VLF）、血管弯曲度、血管密度（VD）	NA