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
741	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
742	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
743	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
744	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
745	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
746	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
747	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
748	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
749	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
750	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
751	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
752	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
753	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
754	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
755	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
756	2025-10-06	Development and Validation of a Brain Aging Biomarker in Middle-Aged and Older Adults: Deep Learning Approach 2025-Aug-01, JMIR aging IF:5.0Q1 DOI:10.2196/73004 PMID:40750095	研究论文	开发并验证了一种结合连接性和复杂性的深度学习框架，用于准确评估大脑衰老并早期识别神经退行性疾病	提出新型大脑视觉图神经网络(BVGN)，整合神经生物学特征提取模块和全局关联机制，提供可解释的显著图和图论分析	研究主要基于T1加权MRI数据，未涉及多模态影像数据融合	开发精确的大脑衰老评估方法，促进神经退行性疾病的早期识别	中老年人群的大脑MRI影像数据	医学影像分析	神经退行性疾病	T1加权磁共振成像	图神经网络	医学影像	ADNI数据集5889例，UK Biobank数据集34352例	深度学习框架	大脑视觉图神经网络(BVGN)	平均绝对误差(MAE), AUC	NA
757	2025-10-06	Electromagnetic Interaction Algorithm (EIA)-Based Feature Selection With Adaptive Kernel Attention Network (AKAttNet) for Autism Spectrum Disorder Classification 2025-Aug, International journal of developmental neuroscience : the official journal of the International Society for Developmental Neuroscience IF:1.7Q4 DOI:10.1002/jdn.70034 PMID:40751377	研究论文	提出一种结合电磁相互作用算法特征选择和自适应核注意力网络的自闭症谱系障碍分类方法	首次将电磁相互作用算法用于特征选择，并结合自适应核注意力网络提升分类性能	仅在公开数据集上进行验证，尚未在真实临床环境中测试	提高自闭症谱系障碍的诊断准确性和计算效率	自闭症谱系障碍患者数据	机器学习	自闭症谱系障碍	NA	深度学习模型	医疗数据	四个公开ASD数据集	NA	自适应核注意力网络(AKAttNet)	准确率,精确率,召回率,特异性,Cohen's kappa,Jaccard相似度	NA
758	2025-10-06	Prediction of Retention Time by Combining Multiple Data Sets with Chromatographic Parameter Vectorization and Transfer Learning 2025-Aug-01, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c01703 PMID:40747624	研究论文	本研究提出了一种结合多数据集通过色谱参数向量化和迁移学习预测保留时间的新方法	提出MDL-TL方法，通过word2vec和自编码器对色谱参数进行向量化，并将色谱参数整合到化合物表征中，实现跨色谱系统的迁移学习	方法在特定色谱系统上的性能可能受数据稀疏性影响	开发能够适应不同色谱系统和操作条件的保留时间预测方法	小分子化合物在反相液相色谱和亲水相互作用液相色谱中的保留时间	机器学习	NA	液相色谱	深度学习	色谱数据	28个数据集（14个反相液相色谱数据集和14个亲水相互作用液相色谱数据集）	NA	word2vec, autoencoder	平均绝对误差, 中位数绝对误差, 平均相对误差	NA
759	2025-10-06	Deep learning for multiclass tumor cell detection in histopathology slides of hereditary diffuse gastric cancer 2025-Aug-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113064 PMID:40727932	研究论文	开发深度学习模型用于遗传性弥漫性胃癌组织病理学切片中多类别肿瘤细胞的自动检测	首次针对HDGC开发多类别肿瘤细胞检测的深度学习模型，包括典型和非典型印戒细胞及非印戒肿瘤细胞	研究基于相对较小的多中心数据集（43例患者），HDGC作为罕见疾病样本量有限	开发自动检测遗传性弥漫性胃癌关键肿瘤细胞类型的深度学习模型	遗传性弥漫性胃癌患者的H&E染色数字病理切片	数字病理学	胃癌	H&E染色，数字病理	CNN	图像	43例患者的350张全切片图像，包含91,000多个标注细胞	NA	nnU-Net, Faster R-CNN	F分数	NA
760	2025-10-06	BDHerbalPlants: augmented and curated herbal plants image dataset for classification 2025-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111885 PMID:40727026	研究论文	介绍了一个名为BDHerbalPlants的增强和精选草药植物图像数据集，用于分类任务	提供了包含1792张原始高质量图像和14,336张增强数据图像的草药植物数据集，涵盖8种不同草药植物	数据集仅包含8种草药植物，样本多样性有限	开发用于农业研究和植物识别任务的草药植物图像数据集	八种草药植物：墨旱莲、圣罗勒、积雪草、薄荷、落地生根、印楝、芫荽、曼陀罗	计算机视觉	NA	图像采集、数据增强	深度学习	图像	1792张原始图像，14,336张增强图像，涵盖8种草药植物	NA	Xception, DenseNet201, RegNetY032	NA	NA