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
1181	2025-10-30	Deep learning radiomics model of epicardial adipose tissue for predicting postoperative atrial fibrillation after lung lobectomy in lung cancer patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1623248 PMID:41158854	研究论文	开发并验证基于心外膜脂肪组织的深度学习影像组学模型，用于预测肺癌患者肺叶切除术后心房颤动的风险	首次结合心外膜脂肪组织的手工和深度学习影像组学特征，构建术后房颤预测模型	机器学习算法和重采样技术未显著提升模型性能	预测肺癌患者肺叶切除术后心房颤动的发生风险	来自两个中心的1,008名肺癌患者	医学影像分析	肺癌	对比增强胸部CT成像	深度学习,逻辑回归	医学影像	1,008名患者	NA	NA	AUC,G-mean,F-measure	NA
1182	2025-10-30	LiT: limit order book transformer 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1616485 PMID:41159129	研究论文	提出一种基于Transformer架构的限价订单簿预测模型LiT，用于预测短期市场走势	首次将结构化补丁和基于Transformer的自注意力机制应用于限价订单簿预测，能够同时建模市场微观结构中的空间和时间特征	NA	开发能够准确预测短期市场走势的深度学习模型	高频限价订单簿数据	机器学习	NA	深度学习	Transformer	金融时间序列数据	多个限价订单簿数据集	NA	Transformer	NA	NA
1183	2025-10-30	Enhancing COVID-19 classification of X-ray images with hybrid deep transfer learning models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1646743 PMID:41159128	研究论文	提出一种混合深度迁移学习框架用于COVID-19 X射线图像分类	整合三种不同实验流程，将传统用于目标检测的YOLOV4应用于COVID-19特征检测，并采用遗传算法进行超参数优化	NA	开发高效的COVID-19 X射线图像分类方法	COVID-19 X射线图像	计算机视觉	COVID-19	深度迁移学习	CNN	X射线图像	超过5000个样本的Kaggle数据集	NA	AlexNet, EfficientNetB1, ResNet18, VGG16, YOLOV4	准确率, F1分数, 精确率, AUC	NA
1184	2025-10-30	Intracranial aneurysm segmentation on digital subtraction angiography: a retrospective and multi-center study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1646517 PMID:41159199	研究论文	本研究开发了一种新型深度学习模型SDAN，用于数字减影血管造影中颅内动脉瘤的精确分割	提出了形状感知双流注意力网络，包含边缘感知局部注意力模块和全局形状感知融合块，专门解决小动脉瘤分割难题	回顾性研究，数据来自三个机构，需要进一步前瞻性验证	提高数字减影血管造影中颅内动脉瘤的分割性能，特别是小动脉瘤的分割准确性	颅内动脉瘤	数字病理	脑血管疾病	数字减影血管造影	深度学习	医学图像	62,187张回顾性DSA图像用于训练和测试，26,415张图像用于外部验证	NA	SDAN, ELAM, GSFB	DSC, HD95, 敏感度	NA
1185	2025-10-05	Continuous Reaching and Grasping With a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3611821 PMID:40966144	研究论文	提出一种基于运动想象的脑机接口范式，通过添加“点击”信号实现机械臂的连续抓取控制	将计算机鼠标机制引入运动想象范式，增加额外输出信号，提升脑机接口系统的自由度	脑电信号信噪比低和空间分辨率有限	开发能够同时控制移动和点击的脑机接口系统，实现连续抓取任务	健康受试者和中风幸存者	脑机接口	中风	脑电信号处理	深度学习	EEG信号	健康受试者和中风患者（具体数量未提及）	NA	NA	任务完成数量（5分钟内平均移动7个杯子）	NA
1186	2025-10-05	Reduced Biquaternion Dual-Branch Deraining U-Network via Multi-Attention Mechanism 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3612841 PMID:41004362	研究论文	提出一种基于约化双四元数的双分支去雨U-Net网络，通过多注意力机制提升图像去雨性能	首次将约化双四元数值神经网络应用于图像去雨任务，利用其代数特性更准确建模雨痕伪影同时保留背景图像空间结构	未明确说明对真实雨景数据的泛化能力限制及计算复杂度分析	解决现有去雨方法对多变雨型适应能力不足和从合成数据到真实数据迁移效果差的问题	雨纹/雨雾/雨滴/真实雨等多种雨型图像	计算机视觉	NA	深度学习	U-Net, 注意力机制	图像	NA	NA	U-Net, 双分支结构, 自注意力机制, 卷积注意力机制	目标检测精度, 分割精度, 图像恢复质量	NA
1187	2025-10-05	Ecological suitability evaluation of traditional village locations in Jiangxi Province based on multi-model integration using artificial intelligence 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332375 PMID:41032510	研究论文	基于人工智能多模型集成方法评估江西省传统村落选址的生态适宜性	首次将多种机器学习与深度学习方法集成应用于传统村落生态适宜性评价，构建综合适宜性指数(CSI)	研究范围仅限于江西省413个传统村落，未涵盖其他地区	评估传统村落选址的生态适宜性并分析祖先选址的生态智慧	江西省413个传统村落选址点	机器学习	NA	GIS空间分析，机器学习，深度学习	Random Forest, Support Vector Machine, Gradient Boosting Decision Trees, CNN, Multilayer Perceptron	空间栅格数据	413个传统村落选址点	NA	卷积神经网络，多层感知机	混淆矩阵，特征重要性分析，ROC曲线	NA
1188	2025-10-05	Development of a novel artificial intelligence algorithm for interpreting fetal heart rate and uterine activity data in cardiotocography 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1638424 PMID:41035563	研究论文	开发一种新型人工智能算法用于分析胎心监护中的胎心率和子宫活动数据	采用三并行一维U-Net架构处理双输入信号，结合深度学习和基于规则的技术识别胎心监护关键事件	仅使用美国19个分娩中心的数据，模型对减速事件的识别性能相对较低(F1=0.520)	开发辅助临床决策的胎心监护自动分析算法	胎心监护曲线中的加速、减速和宫缩事件	医疗人工智能	产科监护	胎心监护信号处理	深度学习, 规则基础系统	胎心率信号, 子宫活动信号	133,696个患者文件，最终使用1,600条曲线训练，421条验证，591条测试	NA	一维U-Net	召回率, 精确率, F1分数, 基线准确率	NA
1189	2025-10-05	Bibliometric analysis of the application of artificial intelligence techniques in bacteriology: a PRISMA-guided research agenda 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1641967 PMID:41035885	文献计量分析	通过PRISMA指导的文献计量分析，探讨人工智能技术在细菌学领域的应用现状和未来研究方向	首次将PRISMA框架的严谨性与文献计量技术相结合，系统分析细菌学中AI应用的全球科研产出和趋势演变	主要依赖Scopus和Web of Science数据库，可能未涵盖所有相关文献；分析基于文献计量指标而非原始研究数据	分析细菌学中人工智能技术应用的全球科研产出，并基于文献计量趋势提出未来研究议程	细菌学领域的人工智能应用相关科学文献	机器学习	NA	文献计量分析，PRISMA框架，共现网络分析，主题映射	传统机器学习方法，深度学习，基于Transformer的模型	文献元数据	从Scopus和Web of Science检索的细菌学AI应用相关文献	NA	NA	定量指标，共现网络分析，主题演化分析	NA
1190	2025-10-05	Applications of artificial intelligence in early childhood health management: a systematic review from fetal to pediatric periods 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1613150 PMID:41036208	系统综述	系统评估人工智能在胎儿至儿科期健康管理中的应用现状、性能表现和临床转化准备度	首次系统性地综合评估AI在整个儿童健康连续谱（从胎儿期到儿科期）中的应用表现和转化障碍	纳入研究主要基于单中心回顾性数据，缺乏前瞻性验证和外部验证	评估AI在胎儿和儿科护理中的应用现状、诊断准确性和临床实用性，识别现实世界实施的关键障碍	0-18岁个体的健康管理，涵盖胎儿期、新生儿期和儿科期	医疗人工智能	儿科疾病	人工智能模型	深度学习	医疗数据	133项研究（从4938条记录中筛选）	NA	NA	AUC, 敏感性, 准确率	NA
1191	2025-10-05	The evolution of artificial intelligence technology in non-alcoholic fatty liver disease 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1634165 PMID:41036300	文献计量分析	通过文献计量学方法系统分析人工智能在非酒精性脂肪肝病研究中的应用现状与发展趋势	首次采用多软件联合分析策略（HistCite Pro 2.1、Scimago Graphica、VOSviewer、CiteSpace）对NAFLD领域AI研究进行系统性文献计量分析	仅基于Web of Science数据库，可能存在文献收录不全；缺乏对研究质量的深入评估	识别AI在NAFLD领域的研究趋势、重点领域和发展方向	2010-2025年间NAFLD领域人工智能相关的655篇学术文献	医学信息学	非酒精性脂肪肝病	文献计量分析，多软件联合分析	深度学习算法	文献元数据，引文数据，关键词	655篇论文，来自60个国家、1462个研究机构、4744位作者	HistCite Pro, Scimago Graphica, VOSviewer, CiteSpace	NA	文献数量，国家贡献度，期刊分布，研究主题聚类	文献分析软件工具
1192	2025-10-05	Diffusion-based skin disease data augmentation with fine-grained detail preservation and interpolation for data diversity 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0331404 PMID:41042755	研究论文	提出一种基于扩散模型的皮肤疾病数据增强方法，通过生成高质量合成图像解决医学数据稀缺问题	改进了稳定扩散模型，结合病灶区域掩码和多层次嵌入技术，在保持细节的同时生成多样化的皮肤疾病图像	该方法在临床应用中存在局限性	解决皮肤疾病诊断研究中的数据稀缺问题	七种皮肤疾病的图像数据	计算机视觉	皮肤疾病	扩散模型，图像插值技术	扩散模型，LDM	图像	NA	NA	Stable Diffusion, Latent Diffusion Model, CLIP encoder	分类性能指标	NA
1193	2025-10-05	Effective image compression using transformer and residual network for balanced handling of high and low-frequency information 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333376 PMID:41042778	研究论文	提出一种结合Transformer和残差网络的端到端图像压缩方法TRN，能够平衡处理图像中的高频和低频信息	设计双网络架构，将自注意力路径和残差网络结合作为高低频混合器，解决了Transformer网络难以获取低频信息的问题	NA	开发高效的图像压缩方法，在减小数据大小的同时保留重要图像内容	图像数据	计算机视觉	NA	深度学习	Transformer, CNN	图像	NA	NA	Transformer, 残差网络	BD-rate	NA
1194	2025-10-05	Tomato seedling stem and leaf segmentation method based on an improved ResNet architecture 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1571445 PMID:40978790	研究论文	提出一种基于改进ResNet架构的番茄幼苗茎叶点云分割方法	通过集成瓶颈模块和下采样技术优化传统残差块，结合曲率特征和几何特性设计专用卷积层，并采用自适应平均池化提升泛化能力	未明确说明模型在其他植物物种上的泛化能力及实际部署环境中的性能表现	开发轻量级点云分割模型以提升番茄植株表型性状分析的准确性和效率	番茄幼苗的茎和叶点云数据	计算机视觉	NA	3D点云技术	CNN	点云数据	NA	NA	ResNet, X-ResNet	准确率, 决定系数(R²), 均方根误差(RMSE), 绝对百分比误差(APE)	NA
1195	2025-10-05	DiabetesXpertNet: An innovative attention-based CNN for accurate type 2 diabetes prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330454 PMID:41026707	研究论文	提出一种基于注意力机制的创新CNN模型DiabetesXpertNet，用于准确预测2型糖尿病	专门针对表格医疗数据设计的CNN架构，包含动态通道注意力模块和上下文感知特征增强器，能够优先处理临床重要特征并捕捉结构化数据中的复杂序列关系	NA	开发用于2型糖尿病早期预测的深度学习框架	2型糖尿病患者数据	机器学习	糖尿病	深度学习	CNN	表格医疗数据	PID数据集和德国法兰克福医院糖尿病数据集	NA	DiabetesXpertNet	准确率, AUC, 精确率, 召回率, F1分数	NA
1196	2025-10-05	Establishment of a Machine Learning-Based Predictive Model for Klebsiella pneumoniae Liver Abscess 2025, Infection and drug resistance IF:2.9Q2 DOI:10.2147/IDR.S545440 PMID:41030238	研究论文	本研究建立了基于机器学习的肺炎克雷伯菌肝脓肿预测模型，用于区分肺炎克雷伯菌和非肺炎克雷伯菌病原体引起的肝脓肿	首次结合临床特征和超声特征，使用Boruta算法进行特征选择，并比较四种机器学习模型在肺炎克雷伯菌肝脓肿诊断中的性能	回顾性单中心研究，样本量相对有限（201例患者）	开发肺炎克雷伯菌肝脓肿的机器学习预测模型，实现早期临床诊断和治疗	201例细菌性肝脓肿患者（134例K-PLA，67例非K-PLA）	机器学习	肝脓肿	超声引导穿刺，实验室检查	深度学习全连接神经网络,分布式随机森林,梯度提升机,广义线性模型	临床数据,超声特征,实验室数据	201例患者（134例K-PLA，67例非K-PLA）	NA	全连接神经网络,随机森林,梯度提升机,广义线性模型	AUC	NA
1197	2025-10-05	Integrating deep learning features from mammography with SHAP values for a machine learning model predicting over 5-year recurrence of breast ductal carcinoma In Situ post-lumpectomy 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1681072 PMID:41030436	研究论文	本研究开发了一种结合乳腺X线摄影深度学习特征和临床病理数据的机器学习模型，用于预测乳腺导管原位癌保乳术后5年复发风险	首次将乳腺X线摄影的深度学习特征与SHAP解释性分析相结合，构建可解释的复发预测模型	回顾性单中心研究，样本量有限（n=140），需要外部验证	预测乳腺导管原位癌保乳术后长期复发风险	140例来自哈尔滨医科大学附属肿瘤医院的乳腺导管原位癌患者（2011-2020年）	医学影像分析	乳腺癌	数字乳腺X线摄影，pyradiomics特征提取	梯度提升机（GBM）	医学影像，临床数据	140例患者（训练集100例，验证集40例）	Scikit-learn	梯度提升机	AUC，敏感度，特异度，阳性预测值，阴性预测值	NA
1198	2025-10-05	Advancing breast cancer relapse prediction with radiomics and neural networks: a clinically interpretable framework 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1593806 PMID:41030950	研究论文	本研究开发了一种基于放射组学和深度学习的可解释框架，用于预测乳腺癌复发	结合临床相关放射组学特征与深度学习模型，提供临床可解释的乳腺癌复发预测框架	使用私有内部数据集，缺乏外部验证	开发乳腺癌复发预测模型以改善临床治疗效果	乳腺癌患者	数字病理学	乳腺癌	放射组学分析	神经网络	数字乳腺X线影像	私有内部数据集（具体数量未提及）	NA	NA	AUC	NA
1199	2025-10-05	Comparative analysis of machine learning techniques on the BraTS dataset for brain tumor classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1596718 PMID:41030946	研究论文	比较多种机器学习和深度学习技术在BraTS数据集上的脑肿瘤分类性能	发现传统机器学习方法（随机森林）在脑肿瘤分类任务中优于多种先进深度学习架构	仅使用单一数据集进行评估，未考虑不同数据分布和临床场景的泛化能力	评估不同机器学习技术在脑肿瘤MRI图像分类中的相对性能	脑肿瘤患者	计算机视觉	脑肿瘤	MRI	Random Forest, CNN	医学图像	BraTS 2024数据集	NA	Simple CNN, VGG16, VGG19, ResNet50, Inception-ResNetV2, EfficientNet	准确率	NA
1200	2025-10-05	Development and evaluation of a deep learning model for occlusion classification in intraoral photographs 2025, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20140 PMID:41031041	研究论文	开发并评估用于口内照片咬合分类的深度学习模型	首次将深度学习技术应用于口内照片的咬合分类，实现咬合关系的自动化识别	模型性能在不同咬合子类别间存在差异，边缘对边缘咬合的识别准确率相对较低	开发基于深度学习的咬合分类工具，提高正畸诊断和治疗规划的效率和客观性	口内照片中的咬合关系分类	计算机视觉	口腔疾病	口内摄影	深度学习	图像	6100名患者的5000张45°侧方视角和2200张90°侧方视角口内照片	PyTorch	Swin Transformer	加权平均F1分数	NA