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
701	2025-10-06	Seasonal disparities in green exposure under the 15-minute city framework: a case study of Xi'an, China 2025-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13757-y PMID:40750666	研究论文	本研究在15分钟城市框架下评估西安市季节性绿地暴露不平等现象	首次在15分钟城市框架下结合人类移动性分析季节性绿地暴露不平等，并整合绿视率指数、空间统计方法和深度学习技术	研究仅针对单一城市案例，缺乏多城市对比验证	评估15分钟城市框架下季节性绿地暴露不平等及其与房价的关系	西安市不同距离生活圈内的绿地暴露和房价数据	城市环境分析	NA	绿视率指数、空间统计方法、深度学习	深度学习模型	城市房价大数据、空间数据	西安市全域范围数据	NA	NA	空间自相关分析	NA
702	2025-10-06	PGBTR: a powerful and general method for inferring bacterial transcriptional regulatory networks 2025-Aug-01, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-025-11863-9 PMID:40750847	研究论文	提出一种名为PGBTR的强大通用计算方法，用于推断细菌转录调控网络	结合概率分布与图距离的输入生成方法PDGD和卷积神经网络模型CNNBTR，在细菌TRN推断中表现出优越性能和稳定性	NA	开发计算框架预测细菌转录调控网络	大肠杆菌和枯草芽孢杆菌	机器学习	NA	基因表达数据分析	CNN	基因表达数据和基因组信息	NA	NA	CNN	AUROC, AUPR, F1-score	NA
703	2025-10-06	Deep learning-based super-resolution US radiomics to differentiate testicular seminoma and non-seminoma: an international multicenter study 2025-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02045-y PMID:40750949	研究论文	本研究开发了一种基于深度学习的超分辨率超声影像组学模型，用于区分睾丸精原细胞瘤和非精原细胞瘤	首次将深度学习超分辨率重建技术应用于超声影像组学分析，并通过国际多中心验证证明了其在睾丸生殖细胞肿瘤亚型鉴别中的优越性能	回顾性研究设计，样本量相对有限	提高睾丸生殖细胞肿瘤亚型术前鉴别的准确性	睾丸生殖细胞肿瘤患者	医学影像分析	睾丸癌	超声成像，影像组学分析	深度学习	超声图像	486例男性患者（训练集338例，国内验证集92例，国际验证集59例）	NA	超分辨率重建算法	AUC	NA
704	2025-10-06	Performance validation of deep-learning-based approach in stool examination 2025-Aug-01, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-025-06878-w PMID:40751198	研究论文	本研究评估了基于深度学习的方法在肠道寄生虫识别中的性能，并与人类专家进行比较	首次系统比较多种先进深度学习模型在肠道寄生虫识别中的表现，包括YOLO系列、ResNet-50和DINOv2等模型	研究中使用的样本来源和数量未明确说明，可能影响结果的泛化能力	验证深度学习方法在粪便检查中识别肠道寄生虫的性能	人类肠道寄生虫（蠕虫和原虫）	计算机视觉	肠道寄生虫感染	福尔马林-乙酸乙酯离心技术（FECT），Merthiolate-iodine-formalin（MIF）技术	CNN, Transformer	图像	NA	CIRA CORE平台	YOLOv4-tiny, YOLOv7-tiny, YOLOv8-m, ResNet-50, DINOv2-base, DINOv2-small, DINOv2-large	准确率, 精确率, 灵敏度, 特异性, F1分数, AUROC, AUPR, Cohen's Kappa	NA
705	2025-10-06	Integrating Generative Pretrained Transformer and Genetic Algorithms for Efficient and Diverse Molecular Generation 2025-Aug, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70005 PMID:40762910	研究论文	提出一种结合生成预训练变换器和遗传算法的分子生成模型CCMol，用于高效生成多样化候选药物分子	首次将GPT的生成能力与遗传算法的优化机制相结合，在保持高性能的同时提高模型可解释性	仅针对三种疾病相关蛋白进行了验证，需要更广泛的靶点验证	开发高效且多样化的分子生成方法以加速药物发现过程	针对GLP1、WRN和JAK2三种疾病相关蛋白的候选药物分子	计算机辅助药物设计	多种疾病（涉及GLP1、WRN、JAK2相关疾病）	基于结构的药物设计，包含配体和蛋白质一级结构	GPT, 遗传算法	分子结构数据，蛋白质序列数据	针对三种疾病相关蛋白的分子生成	NA	生成预训练变换器(GPT)	结构多样性，药物相关性质指标	NA
706	2025-10-06	Predicting the Effects of Charge Mutations on the Second Osmotic Virial Coefficient for Therapeutic Antibodies via Coarse-Grained Molecular Simulations and Deep Learning Methods 2025-Aug-04, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.5c00673 PMID:40624892	研究论文	通过粗粒度分子模拟和深度学习方法预测电荷突变对治疗性抗体第二维里系数的影响	结合粗粒度分子模拟和深度神经网络，系统探索大量电荷突变（约10^10种）对蛋白质自相互作用的影响	研究仅限于三种模型治疗性单克隆抗体，需要进一步验证在其他蛋白质体系中的适用性	评估改变表面电荷分布如何影响蛋白质自相互作用，以第二维里系数量化	三种模型治疗性单克隆抗体（MAbs）	机器学习	NA	粗粒度分子模拟，深度学习方法	MLP（多层感知器）	分子模拟数据	约10^10个突变（单突变、双突变和三突变）	NA	多层感知器	计算效率，预测精度	NA
707	2025-10-06	Colorimetric detection of bisphenol A in water: a smartphone-based sensor using inverse opal molecularly imprinted photonic crystal hydrogel 2025-Aug-04, The Analyst DOI:10.1039/d4an01426j PMID:40685994	研究论文	开发了一种基于智能手机的传感器，用于水中双酚A的比色检测	结合反蛋白石分子印迹光子晶体水凝胶与智能手机深度学习模型，实现实时定量检测	NA	开发高灵敏度、高选择性的双酚A检测方法	水样中的双酚A分子	传感器技术	NA	分子印迹技术、光子晶体技术、比色检测	深度学习回归模型	图像	NA	NA	NA	检测限、响应时间	智能手机
708	2025-10-06	Artificial intelligence in orthopedic trauma: a comprehensive review 2025-Aug, Injury IF:2.2Q2 DOI:10.1016/j.injury.2025.112570 PMID:40683054	综述	本文对2015-2025年间217项研究进行系统回顾，全面分析人工智能在骨科创伤领域的应用现状与未来方向	首次系统量化分析AI在骨科创伤领域的研究趋势，揭示深度学习方法（43.3%）和传统机器学习（39.2%）的主导地位	仅14.5%研究经过外部验证，仅3.2%报告前瞻性临床验证，缺乏多样化人群的验证数据	评估人工智能在骨科创伤领域的应用现状和发展前景	骨科创伤患者的骨折检测、分类、预测和分割	医疗人工智能	骨科创伤	深度学习、传统机器学习	NA	医学影像数据	基于217项研究的汇总分析	NA	NA	灵敏度、特异性、AUC	NA
709	2025-08-05	Can radiology be first to use prognostic deep learning models for oncological treatment? 2025-Aug-01, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.07.013 PMID:40754034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
710	2025-10-06	Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review 2025-Aug, Journal of maxillofacial and oral surgery DOI:10.1007/s12663-025-02664-4 PMID:40756906	系统综述	本综述探讨了人工智能算法在通过先进成像技术改善口腔颌面部疾病诊断和管理方面的潜力	系统评估了深度学习和机器学习在颌面部病理诊断中的最新应用进展，比较了不同成像技术的诊断性能	基于文献综述，缺乏原始实验数据验证	评估人工智能算法在颌面部病理精准诊断中的应用效果	口腔颌面部疾病，包括垂直根折、牙源性囊性病变和转移性淋巴结等	计算机视觉	颌面部疾病	计算机断层扫描(CT)、锥形束计算机断层扫描(CBCT)、磁共振成像(MRI)、全景放射摄影	深度学习,机器学习	医学影像	NA	NA	GoogLeNet Inception v3,U-Net	准确率,灵敏度,特异性,AUC,召回率,精确率,F1分数	NA
711	2025-10-06	Advanced drug-target interaction prediction using convolutional graph attention networks in expert systems 2025-Aug-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11290-8 PMID:40751775	研究论文	提出一种结合图注意力网络与特征选择机制的深度学习框架用于药物-靶点相互作用预测	提出CMEAG-ANN模型结合FC-GNBBPS算法，通过图注意力机制捕获分子图复杂关系并实现生物意义特征提取	NA	提高药物-靶点相互作用预测的准确性和可靠性	药物分子和靶点蛋白质	机器学习	NA	DNA分子衍生数据分析	图神经网络,注意力机制	分子指纹,PSSM注释,图结构数据	基准数据集（approved_drug_target、ImDrug、DrugProt、Drug Combination Extraction Dataset）	NA	卷积多层极端对抗图注意力神经网络(CMEAG-ANN)	准确率,精确率,召回率,F1分数,特异性	NA
712	2025-10-06	xEEGNet: Towards explainable AI in EEG dementia classification 2025-Aug-02, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adf6e6 PMID:40752516	研究论文	提出xEEGNet，一种新颖、紧凑且可解释的神经网络，用于脑电图数据分析和痴呆症分类	将EEGNet系列中的ShallowNet从'黑盒'模型转变为完全可解释的模型，参数量减少200倍同时保持可比性能	主要针对阿尔茨海默症和额颞叶痴呆的分类，在其他神经系统疾病中的应用需要进一步验证	开发可解释的AI模型用于脑电图数据分析，特别关注痴呆症分类	阿尔茨海默症、额颞叶痴呆患者与健康对照组的脑电图数据	机器学习	痴呆症	脑电图(EEG)	CNN	脑电图信号	NA	NA	xEEGNet, ShallowNet	准确率, 训练-验证损失相关性, 训练速度	NA
713	2025-10-06	Diagnostic Accuracy and Interobserver Reliability of Rotator Cuff Tear Detection With Ultrasonography Are Improved With Attentional Deep Learning 2025-Aug, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2024.12.024 PMID:39725049	研究论文	本研究通过改进YOLOv7模型，开发了YOLOv7-CBAM注意力深度学习模型，用于超声图像中肩袖撕裂的自动检测	在YOLOv7模型中引入卷积块注意力模块(CBAM)，提高了单阶段目标检测的准确性	研究样本量相对有限(280名患者)，且仅针对特定类型的肩袖损伤	提高超声检测肩袖撕裂的诊断准确性和观察者间可靠性	肩痛超过3个月并接受超声和磁共振成像检查的患者	计算机视觉	肩袖损伤	超声成像, 磁共振成像	CNN, YOLO	图像	280名患者，840张超声图像	NA	YOLOv7, YOLOv7-CBAM	准确率, 精确率, 灵敏度, F1分数, 平均精度均值	NA
714	2025-10-06	Editorial Commentary: Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning 2025-Aug, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.02.024 PMID:40021066	评论	探讨人工智能机器学习在医学影像分析中的应用价值与方法框架	提出结合检测器、注意力模块和可解释性的三步法医学影像分析框架	需要外部验证来确定模型的泛化能力	研究人工智能在医学影像分析中的有效应用方法	医学影像数据	计算机视觉	NA	深度学习	深度学习	医学影像	NA	NA	NA	NA	NA
715	2025-10-06	Applications of machine learning in glaucoma diagnosis based on tabular data: a systematic review 2025-Aug-01, BMC biomedical engineering DOI:10.1186/s42490-025-00095-3 PMID:40745560	系统综述	系统评估基于表格数据的机器学习技术在青光眼诊断中的应用效果	首次系统性地比较不同机器学习方法在青光眼诊断中的表现，并识别最有前景的方法和数据集	数据不平衡和样本量有限影响了模型的泛化能力	评估机器学习技术在青光眼诊断中的应用效果	青光眼诊断相关的表格数据	机器学习	青光眼	光学相干断层扫描(OCT), 视野(VF)测试	支持向量机(SVM), 深度学习(DL), 随机森林, 集成方法	表格数据	35项研究	NA	NA	准确率, AUC	NA
716	2025-10-06	A Decision Support System Based on multi-head convolutional and Recurrent Neural Networks for assisting physicians in diagnosing ADHD 2025-Aug-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110826 PMID:40752402	研究论文	提出基于多头部卷积和循环神经网络的决策支持系统MCRNet，利用脑电图和深度学习技术辅助医生诊断注意力缺陷多动障碍	采用创新的两阶段多头部方法进行特征提取，结合并行卷积和循环神经网络架构	模型可解释性有待提升，需要在更多脑电图数据集上验证有效性	开发客观可靠的ADHD诊断工具	注意力缺陷多动障碍患者	机器学习	注意力缺陷多动障碍	脑电图	CNN, RNN	脑电图信号	NA	NA	多头部卷积和循环神经网络	准确率, 召回率	NA
717	2025-10-06	Precise dental caries segmentation in X-rays with an attention and edge dual-decoder network 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03318-w PMID:39961911	研究论文	提出一种结合注意力机制和双解码器结构的网络AEDD-Net，用于提升X光片中龋齿边界分割的精度	集成空洞空间金字塔池化与交叉坐标注意力机制，引入专用边界生成模块和创新的边界损失函数	NA	提升X光片中龋齿边界分割的准确性	牙科X光片中的龋齿病变	计算机视觉	龋齿	X射线成像	深度学习分割网络	X射线图像	NA	NA	AEDD-Net（注意力与边缘双解码器网络）	Dice系数,Jaccard相似度,精确度,敏感度	NA
718	2025-10-06	TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03278-7 PMID:39964658	研究论文	提出一种结合UNet、Vision Transformer和对比损失的混合架构，用于舌轮廓分割	引入动态尺寸数据集管理策略，结合UNet、ViT和潜在空间对比损失构建基础模型，并采用人工专家验证机制	未明确说明具体数据集规模和计算资源需求	从舌部超声图像中提取舌轮廓以理解语言行为特征	舌部超声图像	计算机视觉	NA	超声成像	UNet, Vision Transformer	医学图像	NA	NA	UNet, Vision Transformer	准确率	NA
719	2025-10-06	Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03327-9 PMID:40009142	研究论文	提出一种基于深度学习的自动牙科种植体定位模型，通过CBCT图像优化种植体位置	开发两阶段深度学习框架，首次结合YOLOv11进行标志物检测与种植体参数预测	种植体长度预测准确率较低（59%），位置预测存在毫米级误差	实现牙科种植体的自动精准定位	CBCT图像中的牙科种植体	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	3D医学图像	NA	YOLOv11	YOLOv11	F-score, 平均绝对误差, 准确率	NA
720	2025-10-06	New AI explained and validated deep learning approaches to accurately predict diabetes 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03338-6 PMID:40035798	研究论文	提出两种新型深度学习模型LeDNet和HiDenNet用于早期准确预测糖尿病	结合LeNet与双注意力网络的LeDNet，以及融合高速公路网络与DenseNet的HiDenNet，并采用可解释AI技术增强模型透明度	数据集存在类别不平衡问题，可能导致预测偏差	开发高精度且可解释的糖尿病早期预测模型	糖尿病健康指标数据集	机器学习	糖尿病	深度学习	CNN	结构化健康指标数据	糖尿病健康指标数据集（具体数量未提及）	NA	LeDNet, HiDenNet	准确率, F1分数, 召回率, 精确率	NA