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
1561	2025-10-06	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2025, BMC methods DOI:10.1186/s44330-024-00020-5 PMID:40666158	研究论文	介绍PSSR2——一个用户友好的Python软件包，用于普及基于深度学习的点扫描超分辨率显微镜技术	重新设计PSSR工作流程和方法，通过集成的命令行界面和Napari插件实现用户友好的超分辨率工作流程，改进了半合成数据生成和训练过程	PSSR2模型仅适用于与训练数据足够相似的超分辨率数据，需要针对真实世界基准数据进行验证	开发易于使用的深度学习工具来增强显微镜图像质量	低分辨率显微镜图像	计算机视觉	NA	点扫描超分辨率显微镜	深度学习	电子显微镜图像	配对的低分辨率和高分辨率电子显微镜图像测试数据集	Python	NA	准确性, 视觉代表性	NA
1562	2025-10-06	Dual-stage segmentation and classification framework for skin lesion analysis using deep neural network 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251351858 PMID:40666627	研究论文	开发了一种用于皮肤病变分割和分类的双阶段深度学习框架	提出结合U-Net分割网络与EfficientFormer/SwiftFormer分类网络的双阶段框架，并在不平衡数据集和新型SLICE-3D数据集上验证性能	未明确说明模型在临床环境中的实际部署挑战和计算效率问题	开发准确可靠的皮肤病变自动分析系统以辅助早期诊断	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像, 表格数据	HAM10000数据集(10,000训练图像), ISIC 2018, ISIC 2024 SLICE-3D数据集	PyTorch	U-Net, VGG16, EfficientFormer, SwiftFormer, ResNet	准确率, F1分数, 敏感度, 特异性, Jaccard指数, Dice相似系数, AUC	NA
1563	2025-10-06	A method for English paragraph grammar correction based on differential fusion of syntactic features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326081 PMID:40668821	研究论文	提出一种基于句法特征差分融合的英语段落语法纠错方法	通过差分融合分析相邻句子的句法差异，识别由语法错误引起的显著差异，锁定错误位置和类型	未明确说明方法在大规模语料上的适用性和计算效率	提高段落级语法纠错的质量和准确率	英语段落语法错误	自然语言处理	NA	依赖解析，句法特征分析	Transformer, Seq2Seq	文本	NA	NA	BERT, Transformer	准确率	NA
1564	2025-10-06	Optimizing dental implant identification using deep learning leveraging artificial data 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87579-3 PMID:39880861	研究论文	本研究评估了通过将人工生成的牙科植入物图像整合到深度学习过程中来提升全景X射线图像中牙科植入物分类性能的潜力	利用三维扫描技术创建植入物表面模型并生成人工X射线图像，通过结合真实和人工图像优化分类模型性能	仅针对10种牙科植入物类型进行研究，样本多样性有限	优化牙科植入物识别性能	牙科植入物	计算机视觉	NA	三维扫描，X射线成像	CNN	X射线图像	7,946张体内牙科植入物图像加上人工生成图像	NA	ResNet50	准确率	NA
1565	2025-10-06	Optimized sequential model for superior classification of plant disease 2025-01-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86427-8 PMID:39880879	研究论文	本研究开发了一种优化的序列模型，用于植物病害的准确分类	使用卷积神经网络自主学习和提取复杂特征，相比传统机器学习方法实现了96%的更高准确率	研究仅限于芒果和花生的叶片病害，未涵盖其他作物或更广泛的病害类型	提高植物病害检测的准确性和效率，支持大规模农业管理	芒果和花生叶片	计算机视觉	植物病害	图像处理	CNN	图像	马哈拉施特拉邦西部实地采集的叶片样本和在线数据集	NA	卷积神经网络	准确率	NA
1566	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
1567	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
1568	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
1569	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
1570	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
1571	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
1572	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
1573	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
1574	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
1575	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
1576	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
1577	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
1578	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
1579	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
1580	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