深度学习在生物医药领域中的应用

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
8281	2025-05-26	Artificial intelligence in vaccine research and development: an umbrella review 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1567116 PMID:40406131	综述	本文通过伞状综述总结了人工智能在疫苗研发、优化、临床试验、供应链物流和公众接受度方面的贡献	首次统一综合了AI在疫苗生命周期各环节的应用证据，并提出了五大针对性行动领域以推动从理论到实践的转化	存在数据异质性、算法偏见、有限监管框架和伦理透明度等问题	评估AI在疫苗研发全周期中的具体作用和有效性	27篇关于AI在疫苗领域应用的系统综述、范围综述、叙述性综述和荟萃分析	人工智能	COVID-19	随机森林、支持向量机、梯度提升、逻辑回归、CNN、RNN、GAN、变分自编码器	传统机器学习与深度学习架构	多组学数据、供应链数据、公众情绪数据	27篇综述文献
8282	2025-05-26	Artificial intelligence-based automated breast ultrasound radiomics for breast tumor diagnosis and treatment: a narrative review 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1578991 PMID:40406239	综述	本文综述了基于人工智能的自动乳腺超声放射组学在乳腺肿瘤诊断和治疗中的应用	整合人工智能与放射组学，通过机器学习和深度学习算法提升乳腺肿瘤诊断和治疗评估的准确性和效率	分析数据存在固有变异性，需进一步评估模型以确保其在临床应用中的可靠性	探讨自动乳腺超声放射组学在乳腺肿瘤诊断和治疗中的潜力	乳腺肿瘤患者	数字病理	乳腺癌	自动乳腺超声(ABUS)、机器学习(ML)、深度学习(DL)	ML、DL	医学影像数据	NA
8283	2025-05-26	Development and validation of a predictive model combining radiomics and deep learning features for spread through air spaces in stage T1 non-small cell lung cancer: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1572720 PMID:40406248	研究论文	开发并验证了一个结合放射组学和深度学习特征的预测模型，用于预测T1期非小细胞肺癌中空气传播扩散（STAS）的风险	结合了放射组学和深度学习特征，开发了一个综合模型，显著提高了STAS的预测性能	研究样本来自四个中心，可能存在选择偏差	比较不同深度学习模型和放射组学模型在预测STAS中的效果，并开发最优模型用于临床手术规划	T1期非小细胞肺癌患者	数字病理	肺癌	ResNet50算法、Lasso回归、Spearman等级相关、XGboost	2D、3D、2.5D深度学习模型，INTRA、Peri2mm、Fusion2mm放射组学模型，综合模型	图像	480名患者，分为训练队列、内部测试队列和外部验证队列
8284	2025-05-26	Critical review of OCT in clinical practice for the assessment of oral lesions 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1569197 PMID:40406268	review	本文对光学相干断层扫描（OCT）在口腔病变临床评估中的应用进行了批判性回顾	探讨了OCT在口腔肿瘤学中的潜力，包括早期检测、监测和高风险人群的经济有效筛查，以及AI辅助解释OCT图像的进展	OCT设备的高成本限制了其可及性和广泛应用，且数据解释方法存在显著异质性，严格依赖操作者，可能影响结果的标准化和可重复性	评估OCT在口腔鳞状细胞癌（OSCC）和口腔潜在恶性病变（OPMDs）临床实践中的应用优势和挑战	人类受试者，涉及OCT在OSCC和OPMD评估、边缘切除中的应用以及AI辅助OCT图像解释的研究	digital pathology	oral cancer	OCT, AI-assisted imaging	machine learning, deep learning	image	NA
8285	2025-05-26	Deep ensemble learning-driven fully automated multi-structure segmentation for precision craniomaxillofacial surgery 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1580502 PMID:40406586	研究论文	本研究开发了一种基于深度集成学习的全自动多结构分割模型CMF-ELSeg，用于精确颅颌面手术	采用粗到细的级联架构和集成方法，结合了三种3D U-Net模型的优势，提高了分割精度	研究样本量相对较小，仅包含143例CMF CT扫描	开发高精度的颅颌面结构和牙齿分割模型，以推进计算机辅助颅颌面手术	颅颌面结构和个体牙齿	数字病理	颅颌面疾病	CT扫描	3D U-Net (V-Net, nnU-Net, 3D UX-Net)	图像	143例CMF CT扫描
8286	2025-05-26	Automatic diagnosis and measurement of intracranial aneurysms using deep learning in MRA raw images 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1544571 PMID:40406704	research paper	本研究开发了一种基于深度学习模型的自动诊断和测量颅内动脉瘤的方法，使用原始MRA图像	首次提出基于2D原始图像的深度学习模型，实现颅内动脉瘤的一键式全自动诊断和大小测量	独立验证集的召回率和灵敏度略低于训练集和内部验证集	开发自动诊断和测量颅内动脉瘤的深度学习模型，提高临床工作效率	颅内动脉瘤患者	digital pathology	cardiovascular disease	MRA	3DUnet	image	1,014 IAs (852名患者)用于训练和验证，315名患者(179例有IA，136例无IA)用于独立验证
8287	2025-05-26	Detecting eavesdropping nodes in the power Internet of Things based on Kolmogorov-Arnold networks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321179 PMID:40408323	研究论文	提出了一种基于Kolmogorov-Arnold网络（KANs）的创新方法，用于电力物联网中的窃听节点定位	利用KANs逼近任意非线性函数的强大能力，通过样条函数的灵活组合构建从异构节点特征到窃听位置的端到端映射	NA	探索更智能高效的异常定位方法，以应对电力物联网中的窃听攻击	电力物联网（PIoT）中的窃听节点	物联网安全	NA	Kolmogorov-Arnold网络（KANs）	KAN	异构节点特征	真实电网数据上的大量仿真和实验
8288	2025-05-26	An intelligent framework for crop health surveillance and disease management 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324347 PMID:40408612	research paper	提出了一种用于作物健康监测和早期病害检测的智能框架	结合深度学习、云计算、嵌入式设备和物联网技术，实现大范围农田的实时植物健康监测	未提及具体实施中的技术挑战或数据限制	提高早期病害检测准确性并推荐有效的病害管理策略	农作物健康与病害管理	农业智能化	植物病害	深度学习、云计算、物联网	CNN, MobileNet-1, MobileNet-2, ResNet-50, InceptionV3	图像、环境参数（温度、湿度、水位）	NA
8289	2025-05-26	Forecasting monthly runoff in a glacierized catchment: A comparison of extreme gradient boosting (XGBoost) and deep learning models 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321008 PMID:40408639	研究论文	本研究比较了极端梯度提升（XGBoost）和深度学习模型在冰川流域月径流预测中的表现	采用了一种新颖的统计方法来评估预测模型在检测径流数据转折点方面的有效性，并发现XGBoost模型在预测精度和转折点估计上优于LSTM和随机森林模型	研究仅针对瑞士Lotschental流域，结果可能不适用于其他地理或气候条件不同的区域	提高冰川流域月径流预测的准确性，以支持水资源管理、防洪、水电和灌溉	瑞士Lotschental冰川流域的月径流数据	机器学习	NA	时间序列分析	XGBoost, LSTM, RF	时间序列数据	20年的径流数据（2002-2021年），其中70%（2002-2015年）用于训练和校准，30%（2016-2021年）用于测试
8290	2025-05-25	A framework for real-time traffic risk prediction incorporating cost-sensitive learning and dynamic thresholds 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108087 PMID:40328008	研究论文	提出了一种结合成本敏感学习和动态阈值的实时交通风险预测框架	将交通风险细分为四个等级并引入成本敏感学习，同时采用动态阈值和遗传算法优化模型性能	未具体说明模型在极端交通条件下的表现	提高实时交通风险预测的可靠性以促进主动交通安全管理	交通状态和风险数据	机器学习	NA	成本敏感学习(CSL), 动态阈值(DTs), 遗传算法(GA)	机器学习/深度学习模型	车辆轨迹数据	HighD数据集
8291	2025-05-25	Deep learning models link local cellular features with whole-animal growth dynamics in zebrafish 2025-Aug, Life science alliance IF:3.3Q1 DOI:10.26508/lsa.202503319 PMID:40399066	research paper	该研究通过深度学习模型将斑马鱼幼虫的皮肤细胞图像与整体生长动态联系起来	首次证明仅需少量皮肤细胞图像即可预测斑马鱼的整体大小，并识别出影响模型决策的细胞特征	研究仅针对斑马鱼幼虫，尚未验证在其他生物或发育阶段的适用性	探索微观细胞特征与宏观动物生长状态之间的关联	斑马鱼幼虫的皮肤细胞	computer vision	NA	深度学习	Vision Transformer (ViT), Grad-CAM	image	722张皮肤细胞图像及对应的斑马鱼幼虫大小数据
8292	2025-05-25	Challenges, optimization strategies, and future horizons of advanced deep learning approaches for brain lesion segmentation 2025-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.04.016 PMID:40306473	review	本文综述了2021年至2024年间用于脑肿瘤和脑卒中分割的深度学习算法，探讨了其优势、局限性、当前研究挑战及未探索领域	提出了优化性能的方法，如轻量级神经网络和多层架构，并讨论了未来研究方向，如神经架构搜索方法与领域知识的结合	未具体说明某些算法的实际应用效果及在临床环境中的验证情况	探讨深度学习在脑部病变分割中的应用及其优化策略	脑肿瘤和脑卒中的医学图像分割	digital pathology	brain tumor, stroke	deep learning	CNN, lightweight neural networks, multilayer architectures	image	基于超过250篇近期综述论文的见解
8293	2025-05-25	Revolutionising osseous biopsy: the impact of artificial intelligence in the era of personalized medicine 2025-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqaf018 PMID:39878877	综述	本文综述了人工智能在骨肿瘤活检中的应用及其对个性化医疗的影响	探讨了AI在骨活检中的多种应用，包括提高诊断准确性、改善活检安全性及更精确的病灶定位，并讨论了相关伦理问题和技术限制	涉及AI在骨活检中的技术限制、健康公平性、泛化性、部署问题及报销挑战	探讨人工智能在骨肿瘤活检中的应用及其对个性化医疗的贡献	骨肿瘤（原发性和继发性）的活检及样本处理	数字病理学	骨肿瘤	传统机器学习、深度学习、放射组学、模拟和生成模型	NA	图像	NA
8294	2025-05-25	Deep learning and genomic best linear unbiased prediction integration: An approach to identify potential nonlinear genetic relationships between traits 2025-Jun, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2024-26057 PMID:40252763	研究论文	提出了一种结合深度学习和基因组最佳线性无偏预测（GBLUP）的混合模型（DLGBLUP），用于识别性状间潜在的非线性遗传关系	首次将深度学习与GBLUP结合，能够识别性状间的非线性遗传关系，为多性状评估提供了新视角	在法国荷斯坦奶牛群体的实际数据中，虽然检测到非线性关系，但预测准确性未显著提高	改进基因组预测方法，识别性状间的非线性遗传关系以提高育种值预测准确性	模拟数据和法国荷斯坦奶牛群体的实际数据	机器学习	NA	深度学习，GBLUP	DLGBLUP（深度学习与GBLUP结合的混合模型）	基因组数据	模拟数据和法国荷斯坦奶牛群体的实际数据（具体样本量未提及）
8295	2025-05-25	Deep transfer learning-based decoder calibration for intracortical brain-machine interfaces 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110231 PMID:40262392	研究论文	本文提出了一种基于深度迁移学习的解码器校准方法，用于解决脑机接口中神经信号非平稳性导致的频繁重新校准问题	首次将深度迁移学习应用于脑机接口解码器校准，提出了结合领域对抗和主动学习策略的AL-DANN模型	仅在猴子实验数据上进行了验证，尚未在人类数据上测试	减少脑机接口解码器重新校准所需的时间和数据量	脑机接口系统中的解码器	机器学习	NA	深度迁移学习	AL-DANN (领域对抗神经网络结合主动学习)	神经信号数据	三只猴子在不同运动任务中记录的神经信号数据
8296	2025-05-25	FedSynthCT-Brain: A federated learning framework for multi-institutional brain MRI-to-CT synthesis 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110160 PMID:40267535	研究论文	本文介绍了一种基于联邦学习的多机构脑部MRI到CT合成框架FedSynthCT-Brain，旨在解决单中心训练数据集泛化能力不足和隐私问题	首次将联邦学习应用于MRI到合成CT的转换，采用跨机构水平联邦学习方法，允许多个中心协作训练U-Net模型	仅在4个欧美中心的数据上进行验证，样本量相对有限	提高MRI到合成CT转换的泛化能力，同时保护数据隐私	脑部MRI和CT图像	数字病理	NA	联邦学习(FL)	U-Net	医学影像(MRI和CT)	23名患者的数据进行测试，来自4个欧美中心
8297	2025-05-25	Deep-ATM DL-LSTM: A novel adaptive thresholding model with dual-layer LSTM architecture for real-time driver drowsiness detection using skin conductance signals 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110243 PMID:40273820	research paper	提出了一种基于深度学习的自适应阈值模型Deep-ATM DL-LSTM，用于实时检测驾驶员困倦状态，通过皮肤电导信号动态调整阈值	采用双层LSTM架构处理皮肤电导信号的紧张性和相位性响应，动态计算阈值，有效解决信号噪声和个体差异问题	NA	提高驾驶员困倦检测的准确性和实时性，减少因困倦导致的交通事故	驾驶员的皮肤电导信号	machine learning	NA	皮肤电导信号分析	LSTM	生理信号	专业驾驶员在高速公路、城市区域、白天和夜晚以及雨雪环境下的测试数据
8298	2025-05-25	GDM-BC: Non-invasive body composition dataset for intelligent prediction of Gestational Diabetes Mellitus 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110176 PMID:40273822	研究论文	介绍了一个名为GDM-BC的大规模非侵入性身体成分数据集，用于智能预测妊娠期糖尿病（GDM）的风险	提出了一个包含大量非侵入性身体成分指标的数据集，并使用Residual Attention Fully Connected Network (RAFNet)模型在预测GDM方面取得了最佳性能（AUC为0.920）	数据集虽然规模大，但仅包含39,438名孕妇，且GDM诊断率为19.7%，可能无法代表所有人群	开发一种准确且经济高效的GDM预测方法，以降低该疾病的风险和经济压力	39,438名孕妇，其中7,777名被诊断为GDM	机器学习	妊娠期糖尿病	非侵入性身体成分测量	RAFNet, 传统机器学习方法, 深度学习方法	身体成分数据	39,438名孕妇
8299	2025-05-25	Deep learning for multiple sclerosis lesion classification and stratification using MRI 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110078 PMID:40279977	研究论文	该研究提出了一种基于深度学习的MRI方法，用于提高多发性硬化症(MS)病灶分类和分层的精确度	结合了深度学习重建技术和双注意力机制，改进了特征提取，特别是在皮质灰质和脑干等难以诊断的区域	NA	提高多发性硬化症病灶分类和分层的精确度	多发性硬化症(MS)患者的MRI图像	数字病理学	多发性硬化症	高分辨率T2加权成像(T2WI)和深度学习重建(DLR)	CNN	MRI图像	四个公开数据集
8300	2025-05-25	Faster R-CNN approach for estimating global QRS duration in electrocardiograms with a limited quantity of annotated data 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110200 PMID:40286493	研究论文	提出一种使用少量标注数据训练深度学习对象检测模型（Faster R-CNN）来估计心电图（ECG）中全局QRS持续时间（QRSd）的方法	利用有限标注数据训练深度学习模型，通过将ECG记录分割成单个心跳并转换为人工图像，使用Faster R-CNN模型估计全局QRSd，减少了手动标注的需求	研究仅基于258条12导联10秒数字ECG记录和140名心衰门诊患者的数据，样本量相对较小	开发一种高效的方法，利用少量标注数据训练深度学习模型，准确估计ECG中的QRSd	心电图（ECG）中的QRS持续时间（QRSd）	计算机视觉	心血管疾病	深度学习对象检测	Faster R-CNN（VGG-16, VGG-19, RESNET-18）	图像（二进制图像和RGB图像）	258条12导联10秒数字ECG记录，来自140名心衰门诊患者