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
1301	2025-10-06	A deep learning analysis for dual healthcare system users and risk of opioid use disorder 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77602-4 PMID:39881142	研究论文	本研究使用深度学习和可解释人工智能分析双系统医疗使用者与阿片类药物使用障碍风险之间的关系	首次探索双系统使用与人口统计学和临床因素对阿片类药物使用障碍风险的交互作用	回顾性研究设计，数据仅限于华盛顿特区和巴尔的摩VA医疗中心	研究双系统医疗使用对阿片类药物使用障碍风险的影响及影响因素交互作用	856,299例来自VA医疗中心的患者实例	医疗健康分析	阿片类药物使用障碍	自然语言处理，ICD-9/10诊断编码	深度神经网络	临床记录文本，诊断编码	856,299例患者实例，其中146,688例(17%)确诊阿片类药物使用障碍	NA	深度神经网络	AUC 78%	NA
1302	2025-10-06	Deep Learning-Based Algorithm for Staging Secondary Caries in Bitewings 2025, Caries research IF:2.9Q1 DOI:10.1159/000542289 PMID:39471790	研究论文	开发基于深度学习的算法用于咬翼片中继发龋的检测和分期	采用创新性的病变严重程度连续评估方法，首次将Mask R-CNN与Swin Transformer结合用于继发龋分期	灵敏度值相对较低（所有病变0.737，牙本质病变0.808），样本仅来自荷兰牙科诊所网络	开发用于咬翼片中继发龋检测和分期的深度学习算法	来自383名15-88岁患者的413张咬翼片中的2,612颗修复牙齿	计算机视觉	龋齿	牙科影像分析	CNN	影像	413张咬翼片，2,612颗修复牙齿，383名患者	PyTorch	Mask R-CNN, Swin Transformer	特异性, 灵敏度, ROC曲线下面积, Pearson相关系数, Bland-Altman图	NA
1303	2025-10-06	AADNet: An End-to-End Deep Learning Model for Auditory Attention Decoding 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.2025.3587637 PMID:40633040	研究论文	提出了一种名为AADNet的端到端深度学习模型，用于解决多说话者环境中的听觉注意解码问题	将传统的两阶段AAD方法整合为端到端的直接方法，显著提高了模型性能和对未见受试者的泛化能力	NA	开发更有效的听觉注意解码方法，用于神经导向听力设备	脑电图信号和语音信号	机器学习	NA	脑电图	深度学习神经网络	脑电图信号，语音信号	三个不同的数据集	NA	AADNet	分类准确率	NA
1304	2025-10-06	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	开发混合深度学习模型通过智能手机屏幕手指绘图检测早期帕金森病	提出结合一维卷积神经网络和双向门控循环单元的混合架构，仅需消费者级智能手机和徒手交互即可实现帕金森病检测，区别于依赖临床评分量表、神经影像或基于触控笔的现有方法	样本量相对较小（58名参与者），仅针对早期特发性帕金森病患者	通过分析智能手机屏幕上手指绘图的运动数据实现早期帕金森病检测	28名早期特发性帕金森病患者和30名年龄匹配的健康对照者	机器学习	帕金森病	智能手机运动数据采集	1D-CNN, BiGRU	运动数据（手指触摸坐标、瞬时移动速度、时间戳）	58名参与者（28名患者，30名对照）	NA	混合1D-CNN和双向GRU架构	准确率, 灵敏度, 特异性, 置信区间	NA
1305	2025-10-06	Sustainable deep vision systems for date fruit quality assessment using attention-enhanced deep learning models 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1521508 PMID:40661755	研究论文	提出一种结合DenseNet121和SE注意力机制的新方法，用于椰枣果实图像分类和质量评估	在传统DenseNet模型中集成SE注意力模块，增强关键图像特征表示能力	NA	开发可持续的深度视觉系统，实现水果质量自动评估	椰枣果实图像	计算机视觉	NA	图像分类	CNN	图像	NA	NA	DenseNet121, SE Attention, YOLOv8n	准确率, 精确率, 召回率, F1分数	NA
1306	2025-10-06	Assessment of prostate cancer aggressiveness through the combined analysis of prostate MRI and 2.5D deep learning models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1539537 PMID:40661774	研究论文	本研究开发了一种基于前列腺MRI和2.5D深度学习模型的联合分析方法，用于评估前列腺癌的侵袭性	结合放射组学特征和深度学习特征构建联合模型，并采用2.5D深度学习架构分析多层面MRI图像	单中心研究，样本量相对有限（335例患者），需要外部验证	评估基于前列腺MRI的2.5D深度学习模型在前列腺癌侵袭性评估中的有效性	335例经病理证实的前列腺癌患者	医学影像分析	前列腺癌	双参数MRI（T2加权成像、扩散加权成像、表观扩散系数扫描）	2.5D深度学习, LightGBM	医学影像	335例前列腺癌患者（266例侵袭性，69例非侵袭性）	LightGBM, pyradiomics, ITK-SNAP	Inception_v3	AUC, 敏感性, 特异性	NA
1307	2025-10-06	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	开发基于CT血管造影数据的集成深度学习模型，用于未破裂颅内动脉瘤的检测、分割和形态学分析	开发了首个集成检测、分割和形态学分析功能的深度学习模型，并采用多中心外部测试集验证性能	回顾性研究设计，可能存在选择偏倚	开发并验证用于未破裂颅内动脉瘤形态学测量的深度学习模型	未破裂颅内动脉瘤患者	医学影像分析	颅内动脉瘤	CT血管造影	深度学习	医学影像	训练集：1182例动脉瘤患者和578例对照组；外部测试集：535例动脉瘤患者	nnU-Net	nnU-Net	Dice相似系数, 组内相关系数, 准确率	NA
1308	2025-10-06	Comprehensive Management of Intracranial Aneurysms Using Artificial Intelligence: An Overview 2025-01, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.10.108 PMID:39521404	综述	本文全面综述人工智能在颅内动脉瘤综合管理中的最新应用进展	系统整合AI在动脉瘤检测分割、破裂风险评估、治疗结果预测及微导管塑形等全流程管理中的创新应用	未涉及具体临床验证数据，主要讨论技术应用前景与挑战	探讨人工智能技术在颅内动脉瘤临床管理中的应用价值与发展方向	颅内动脉瘤患者医学影像数据及临床资料	医学影像分析	脑血管疾病	医学影像技术	深度学习	医学影像	NA	NA	NA	诊断敏感性,诊断准确性	NA
1309	2025-10-06	Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders 2025, Statistics in biopharmaceutical research IF:1.5Q2 DOI:10.1080/19466315.2024.2368787 PMID:40621507	研究论文	提出一种新型变分自编码器架构NIMIWAE，用于处理不可忽略缺失数据的无监督插补	首个能灵活处理可忽略和不可忽略缺失模式的VAE架构，支持训练时处理输入特征的缺失数据	NA	开发能够处理生物医学数据中复杂缺失模式的无监督深度学习方法	高维不完整数据集，特别是生物医学数据	机器学习	NA	变分自编码器	VAE	结构化医疗数据	12,000名ICU患者的电子健康记录	NA	NIMIWAE	插补准确度	NA
1310	2025-10-06	Deep learning analysis of long COVID and vaccine impact in low- and middle-income countries (LMICs): development of a risk calculator in a multicentric study 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1416273 PMID:40642241	研究论文	本研究开发了一种基于深度学习的风险计算器，用于分析低收入和中等收入国家中长期COVID症状及疫苗影响	首次在低收入和中等收入国家中应用自监督和无监督深度神经网络分析长期COVID症状，并开发针对慢性疲劳综合征、抑郁和长期COVID症状的风险计算器	研究样本仅来自低收入和中等收入国家，可能不适用于高收入国家人群	填补急性与慢性症状、疫苗接种影响及相关因素之间的知识空白	COVID-19检测阳性的18岁及以上患者	机器学习	COVID-19	问卷调查、深度神经网络	深度神经网络, GBM	问卷数据、医疗记录	2445名参与者	NA	深度神经网络, 梯度提升机	AUC	NA
1311	2025-10-06	Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1564095 PMID:40656047	研究论文	通过整合加权基因共表达网络分析和机器学习方法，揭示抑郁症小鼠模型的神经生物学特征	首次将加权基因共表达网络分析与随机森林算法相结合，识别与抑郁症发病密切相关的关键基因	研究仅基于小鼠模型数据，需要在人类样本中进一步验证	阐明抑郁症的神经生物学特征，为早期诊断和精准治疗提供理论支持	抑郁症小鼠模型的基因表达数据	机器学习	抑郁症	加权基因共表达网络分析(WGCNA), 转录组分析	随机森林	基因表达数据	来自公共GEO数据集(如GSE102556)的抑郁症小鼠模型数据	NA	随机森林	准确率	NA
1312	2025-10-06	Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S507943 PMID:40656136	研究论文	本研究探讨了基于超声的影像组学、深度学习及其组合模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性	首次将深度学习与影像组学相结合构建组合模型，用于甲状腺微小乳头状癌与甲状腺乳头状癌的鉴别诊断	样本量相对有限，仅包含两家医院的病例数据	通过无创术前鉴别甲状腺微小乳头状癌与甲状腺乳头状癌，减少对甲状腺微小乳头状癌的过度治疗	甲状腺结节患者	医学影像分析	甲状腺癌	超声成像	CNN	超声图像	549名患者（包含180个甲状腺乳头状癌结节和436个甲状腺微小乳头状癌结节）	NA	VGG13,VGG16,VGG19,AlexNet,EfficientNet	准确率,AUC	NA
1313	2025-10-06	A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1601815 PMID:40656161	研究论文	本研究使用nnU-Net框架自动分割3D FLAIR MRI图像中的FCD II型病灶	采用基于峰值体素强度的自动切片选择方法，筛选病灶丰富的切片进行训练	样本量相对有限（85名受试者），仅针对FCD II型病灶	提高癫痫病灶检测的准确性和速度，改善术前评估	FCD II型癫痫患者的3D FLAIR MRI图像	医学影像分析	癫痫	3D FLAIR MRI	CNN	3D医学图像	85名FCD II型受试者	nnU-Net	nnU-Net	5折交叉验证	NA
1314	2025-10-06	Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure 2025, Journal of reliable intelligent environments DOI:10.1007/s40860-025-00253-3 PMID:40656511	研究论文	提出一种集成动态参数和可解释AI模型的智能动态网络安全风险管理框架	结合漏洞利用和资产依赖等动态参数，采用线性回归与深度学习混合AI模型，并集成模型可解释性特征	NA	通过动态风险评估和管理增强数字基础设施的安全性和韧性	网络安全风险管理系统	机器学习	NA	AI驱动的网络安全风险管理	线性回归,深度学习	网络安全漏洞数据	使用广泛采用的CVEjoin数据集进行实验	NA	混合模型架构	漏洞优先级排序效果	NA
1315	2025-10-06	Artificial intelligence and machine learning techniques for predicting neuropathic pain in patients with cancer: A systematic review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251358315 PMID:40656844	系统综述	评估人工智能和机器学习技术在预测癌症患者神经病理性疼痛方面的应用	首次系统评估AI/ML在癌症相关神经病理性疼痛预测中的应用，识别关键预测因子和模型性能	方法学局限性包括校准不佳、外部验证率低(仅14%)、可解释性有限	评估AI/ML技术在预测癌症患者神经病理性疼痛及相关结局中的应用效果	癌症患者，特别是乳腺癌患者	机器学习	癌症	系统综述方法	随机森林,支持向量机,深度学习	临床数据,情感数据,影像数据,分子数据	14项符合条件的研究	NA	NA	AUC(曲线下面积)	NA
1316	2025-10-06	Advancing cardiac diagnostics: high-accuracy arrhythmia classification with the EGOLF-net model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1613812 PMID:40656899	研究论文	提出EGOLF-net模型用于心律失常分类，在MIT-BIH心律失常数据库上实现高精度诊断	结合增强型灰狼优化算法与LSTM融合网络，通过优化特征选择有效捕捉ECG数据中的时间依赖性	NA	开发高精度心律失常分类模型以提升心脏病诊断能力	心电图信号和心律失常分类	机器学习	心血管疾病	心电图分析	LSTM	ECG信号	MIT-BIH心律失常数据库	NA	EGOLF-net, LSTM	准确率	NA
1317	2025-10-06	Cross-Scale Guidance Integration Transformer for Instance Segmentation in Pathology Images 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3555818 PMID:40657050	研究论文	提出一种用于病理图像中腺体细胞实例分割的跨尺度引导集成Transformer方法	设计跨尺度引导集成模块整合多尺度特征，利用不同视野的集成特征通过掩码注意力解码器实现更精确的腺体细胞分割	NA	开发自动腺体细胞实例分割方法以辅助病理学家进行腺癌分级	病理图像中的腺体细胞	数字病理	腺癌	NA	Transformer	病理图像	两个公共腺体细胞数据集	NA	跨尺度引导集成Transformer	NA	NA
1318	2025-10-06	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对使用脑电图信号处理技术进行创伤后应激障碍诊断、鉴别和治疗的计算方法进行了范围综述	首次系统综述了EEG信号处理在PTSD诊断、鉴别和治疗中的完整分析流程，识别出Alpha波段和事件相关电位的主导地位	ERP使用存在局限，睡眠特征分析和全波段EEG应用不足，缺乏代表多样化人群的数据集	分析EEG信号处理在PTSD诊断、鉴别和治疗中的计算方法	创伤后应激障碍患者，主要为退伍军人和战斗人员	机器学习	创伤后应激障碍	脑电图，事件相关电位	SVM, Random Forest	EEG信号	73项研究（52项诊断研究，8项鉴别研究，15项治疗研究）	NA	NA	准确率	NA
1319	2025-10-06	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	研究论文	提出一种混合深度学习框架NDL-Net，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合MobileNetV3 Large和ResNet50的优势，并引入LSTM层分析影像数据的时间变化	NA	通过深度学习提高新生儿呼吸窘迫综合征的诊断准确率	新生儿胸部X光片	计算机视觉	新生儿呼吸窘迫综合征	胸部X光成像	CNN, LSTM	医学影像	NA	NA	MobileNetV3 Large, ResNet50, LSTM	准确率, 精确率, 灵敏度, F1分数, 特异度	NA
1320	2025-10-06	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用经直肠超声视频片段和深度学习模型预测前列腺癌的有效性	首次将I3D模型应用于前列腺癌的超声视频分类，并进行了多中心外部验证	样本量相对有限，仅使用了特定型号的超声设备数据	评估深度学习模型在前列腺癌分类和预测中的性能	接受经直肠超声检查的男性患者	计算机视觉	前列腺癌	经直肠超声	3D CNN	超声视频片段	815名男性患者（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）	NA	I3D, ResNet 50	AUC, 敏感性, 特异性, 准确率, kappa系数	NA