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	2025-08-05	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
702	2025-10-06	Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis 2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.) DOI:10.1016/j.eimce.2025.06.004 PMID:40754353	研究论文	通过人工智能CT影像分析探讨影响非危重COVID-19肺炎患者糖皮质激素用药剂量的因素并开发预测模型	首次结合AI深度学习定量分析肺部CT特征与糖皮质激素剂量的关联，并建立预测模型	回顾性研究、样本量有限（273例），需更大规模前瞻性研究验证	确定非危重COVID-19患者的最佳糖皮质激素剂量	273例非危重COVID-19肺炎患者	数字病理	COVID-19肺炎	CT影像分析	深度学习	CT图像	273例患者（训练集168例，验证集75例）	NA	NA	AUC	NA
703	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
704	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
705	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
706	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
707	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
708	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
709	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
710	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
711	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
712	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
713	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
714	2025-10-06	Utility of artificial intelligence in radiosurgery for pituitary adenoma: a deep learning-based automated segmentation model and evaluation of its clinical applicability 2025-Aug-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.12.JNS242167 PMID:40250054	研究论文	开发基于深度学习的垂体腺瘤自动分割模型并评估其在放射外科治疗中的临床应用价值	首次将nnU-Net模型应用于垂体腺瘤的自动分割，并系统评估其在临床工作流程中的实际效用	模型在复杂病例（如既往有手术史）中的分割效果较差，部分分割结果需要人工修改	开发用于放射外科治疗规划的自动分割模型并验证其临床适用性	垂体腺瘤患者	数字病理	垂体腺瘤	MRI扫描	深度学习	医学影像	582例患者用于训练，146例患者用于测试	nnU-Net	nnU-Net	Dice相似系数，专家评分，时间成本	NA
715	2025-10-06	Enhancing Brain Metastases Detection and Segmentation in Black-Blood MRI Using Deep Learning and Segment Anything Model (SAM) 2025-Aug, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0198 PMID:40709680	研究论文	本研究探讨了深度学习和Segment Anything Model在黑色素磁共振图像中检测和分割脑转移瘤的有效性和准确性	结合改进的U-Net与生成对抗网络架构，并首次将Segment Anything Model作为后处理工具应用于脑转移瘤分割	样本量较小（仅50例患者），缺乏外部验证	提高脑转移瘤在黑色素磁共振图像中的检测和分割精度	脑转移瘤患者	医学影像分析	脑转移瘤	黑色素磁共振成像	U-Net, GAN	磁共振图像	50例患者（40例训练，10例测试）	NA	U-Net, 改进的U-Net, U-Net+GAN	病灶敏感度, 患者Dice相似系数, 平均假阳性率	NA
716	2025-10-06	Deep Learning-Based Landmark Detection Model for Multiple Foot Deformity Classification: A Dual-Center Study 2025-Aug, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0246 PMID:40709679	研究论文	提出基于热中热(HIH)的深度学习模型，用于足部负重X光片的自动地标检测和多足部畸形分类	开发了热中热(HIH)地标检测模型，在内部和外部验证中均表现出优于基线模型FlatNet的性能	回顾性研究设计，数据来源于两个医疗中心	开发自动化足部畸形诊断模型以解决人工诊断的劳动密集性和变异性问题	足部负重X光片中的骨骼地标和五种足部畸形	计算机视觉	足部畸形	X射线成像	深度学习	医学图像	中心1：806名患者的3097张图像（训练/验证）；中心2：270名患者的1056张图像（外部验证）	NA	热中热(HIH)	准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 绝对像素误差, 角度误差, 归一化平均误差, 成功检测率	NA
717	2025-10-06	When deep learning is not enough: artificial life as a supplementary tool for segmentation of ultrasound images of breast cancer 2025-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03026-x PMID:38498125	研究论文	提出一种结合深度学习和人工生命的新型混合模型用于乳腺癌超声图像分割	首次将深度学习与多智能体人工生命相结合用于医学图像分割，能够处理复杂几何形状和高噪声图像	需要进一步验证在更大规模数据集上的性能表现	开发高精度的超声图像分割方法，用于乳腺癌诊断和超声引导活检	乳腺癌超声图像	医学图像分析	乳腺癌	超声成像	深度学习,人工生命	图像	1264张超声图像，患者年龄22-73岁	NA	U-Net	Dice系数,相对Hausdorff距离	NA
718	2025-10-06	Explaining care need assessment surveys: qualitative and quantitative evaluation of state-of-the-art local and global explainable artificial intelligence methods 2025-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf064 PMID:40741010	研究论文	本研究系统比较了传统和最先进的深度学习可解释人工智能方法，用于从德国护理福利申请文本中提取影响护理需求的关键因素	首次在护理需求评估领域系统比较传统方法和基于transformer的XAI方法，并展示了如何将局部解释聚合成全局洞察	XAI结果可能变得难以处理，且仅依赖现有评估结果作为标注	探索影响护理需求的因素模式，支持专家进行护理需求评估	72,000多份德国护理福利申请文本数据	自然语言处理	老年疾病	可解释人工智能	Transformer, 词袋模型	文本	超过72,000份护理福利申请	NA	Transformer	预测准确性	NA
719	2025-10-06	Geometric Deep Learning for Protein-Ligand Affinity Prediction with Hybrid Message Passing Strategies 2025-Aug-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3594210 PMID:40748800	研究论文	提出一种结合混合消息传递策略的几何深度学习模型HybridGeo，用于蛋白质-配体亲和力预测	首次采用双视图图学习和混合消息传递策略整合三维几何特征，并在残基级别应用几何图变换器	未明确说明模型计算复杂度及对大规模数据集的扩展性	提高蛋白质-配体亲和力预测的准确性和可解释性	蛋白质-配体复合物	机器学习	NA	几何深度学习	图神经网络,Transformer	三维结构数据	PDBbind数据集及三个外部测试集	PyTorch	几何图变换器,HybridGeo	RMSE	NA
720	2025-10-06	Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum 2025-Aug-01, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00250 PMID:40748894	研究论文	本研究通过组合调控5'UTR和N端编码序列特征序列，在谷氨酸棒杆菌中实现重组蛋白表达的精细调控	首次在谷氨酸棒杆菌中建立5'UTR和NCS特征序列与蛋白表达水平的关联模式，并通过组合调控实现5个数量级的动态表达范围	研究主要针对特定外源蛋白验证，尚未在更广泛的蛋白类型中全面测试	开发在微生物细胞工厂中精细调控基因表达和蛋白质生产的工具	谷氨酸棒杆菌中的重组蛋白表达系统	合成生物学	NA	荧光激活细胞分选, 高通量测序, 深度学习	深度学习模型	DNA序列数据, 荧光强度数据	包含5'UTR库和NCS库的序列组合，通过16种不同组合验证	NA	NA	荧光强度动态范围(45%-511%)	NA