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
201	2025-11-02	LLM-Enhanced Multimodal Framework for Drug-Drug Interaction Prediction 2025-Sep-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13102355 PMID:41153642	研究论文	提出一种融合多模态数据的深度学习框架用于药物相互作用预测	首次将领域专用大语言模型BioBERT的语义嵌入与化学结构和药理机制相结合，通过随机重启随机游走算法整合间接生物通路	未明确说明模型在不同类型药物相互作用上的泛化能力	开发可扩展且准确的药物相互作用预测方法以支持多重用药决策	药物相互作用	自然语言处理, 机器学习	NA	多模态深度学习, 随机重启随机游走算法	深度学习框架	化学结构数据, 文本嵌入, 蛋白质相互作用网络	NA	NA	BioBERT, 多模态融合架构	分类准确率	NA
202	2025-11-02	Beyond PSA: The Future of Prostate Cancer Diagnosis Using Artificial Intelligence, Novel Biomarkers, and Advanced Imagery 2025-Sep-25, Life (Basel, Switzerland) DOI:10.3390/life15101508 PMID:41157181	综述	本文全面分析人工智能、新型生物标志物和先进影像技术在提升前列腺癌诊断准确性和效率方面的应用前景	系统整合人工智能驱动影像解读、放射组学、基因组分类器和多模态数据融合等新兴技术，提出超越传统PSA检测的前列腺癌诊断新范式	存在技术实施、监管审批和伦理考量等临床转化挑战	探索前列腺癌诊断领域的技术革新和未来发展方向	前列腺癌诊断相关文献和研究	数字病理	前列腺癌	多参数MRI、组织病理学、基因组检测	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	准确率、可重复性、诊断准确性	NA
203	2025-11-02	Ultra-High Resolution 9.4T Brain MRI Segmentation via a Newly Engineered Multi-Scale Residual Nested U-Net with Gated Attention 2025-Sep-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101014 PMID:41155013	研究论文	本文提出了一种专门针对9.4T超高分辨率脑MRI分割的新型深度学习模型GA-MS-UNet++	首个专门为9.4T脑MRI分割设计的深度学习模型，集成了多尺度残差块、门控跳跃连接和空间通道注意力机制	标注数据有限	开发适用于9.4T超高分辨率脑MRI的分割算法	脑部MRI图像	医学图像分析	神经系统疾病	MRI	CNN	图像	12名患者的UltraCortex 9.4T数据集	NA	GA-MS-UNet++, Multi-Scale Residual Nested U-Net	Dice系数, 准确率, 精确率, 召回率	NA
204	2025-11-02	Deep Ensemble Learning and Explainable AI for Multi-Class Classification of Earthstar Fungal Species 2025-Sep-23, Biology DOI:10.3390/biology14101313 PMID:41154716	研究论文	本研究使用深度学习和可解释人工智能技术对八种形态相似的地星真菌物种进行多类别图像分类	首次在文献中同时评估八种形态相似的真菌物种，设计了两种混合集成模型（EfficientNet-B3 + DeiT 和 DenseNet121 + MaxViT-S），并强调分类准确性和模型可解释性的平衡	数据集仅包含特定物种，未来需要从不同生态区域扩展样本并在野外条件下测试方法	开发能够准确分类形态相似真菌物种并具有良好可解释性的深度学习框架	八种形态相似的宏观地星真菌物种	计算机视觉	NA	图像分析	CNN, Transformer	图像	NA	NA	EfficientNetV2-M, DenseNet121, MaxViT-S, DeiT, RegNetY-8GF, MobileNetV3, EfficientNet-B3, MnasNet	准确率, 精确率, 召回率, F1分数, 特异性, 对数损失, MCC	NA
205	2025-11-02	Evaluation of UNeXt for Automatic Bone Surface Segmentation on Ultrasound Imaging in Image-Guided Pediatric Surgery 2025-Sep-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12101008 PMID:41155007	研究论文	本研究开发了一种适用于儿科患者的超声图像骨表面自动分割模型，用于图像引导儿科手术中的患者配准	针对10岁以下儿童骨骼特征不明显的特殊需求，开发了专门适用于儿科患者的骨表面分割模型	研究样本量相对较小，仅包含16名儿科患者	开发自动骨表面分割模型以替代传统患者配准方法	儿科患者的四肢、骨盆和胸部骨骼	医学图像分析	儿科手术	超声成像	深度学习	超声图像	16名儿科患者的4309张超声图像	NA	UNeXt	平均中心线Dice系数, 平均表面距离	NA
206	2025-11-02	An Automated Diagnosis of Myopia from an Optic Disc Image Using YOLOv11: A Feasible Approach for Non-Expert ECPs in Computer Vision 2025-Sep-23, Life (Basel, Switzerland) DOI:10.3390/life15101495 PMID:41157168	研究论文	本研究开发了一种基于YOLO架构的深度学习模型，通过分析眼底图像中的视盘区域实现近视的自动化诊断	首次将YOLOv8和YOLOv11模型应用于近视诊断，设计了专门面向非计算机专业眼科医生的可用流程	使用单中心数据集，样本量有限（730张增强图像），需要更多外部验证	开发适用于非专业眼科医生的自动化近视诊断工具	眼底图像中的视盘区域	计算机视觉	近视	眼底摄影	YOLO	图像	730张增强训练图像，98张内部验证图像，50张独立测试图像	YOLO	YOLOv8, YOLOv11-nano	准确率, 敏感度, F1分数, AUC	NA
207	2025-11-02	Comparison of Machine Learning Methods to Predict Early Mortality After Evacuation of Chronic Subdural Hematoma 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000151 PMID:41163647	研究论文	本研究开发并比较了六种机器学习模型，用于预测慢性硬膜下血肿清除术后早期死亡率	首次结合自动分割工具计算的术前术后血肿体积与临床信息，系统比较多种机器学习模型在预测慢性硬膜下血肿术后死亡率方面的性能	回顾性研究设计，样本量相对有限（731例患者），模型区分能力仅为中等水平	预测慢性硬膜下血肿清除术后30天死亡率	接受手术治疗的慢性硬膜下血肿患者	机器学习	慢性硬膜下血肿	深度学习分割工具，机器学习建模	逻辑回归，支持向量机，神经网络，决策树，朴素贝叶斯，XGBoost	临床数据，影像体积数据	731例患者	NA	NA	AUC，平衡准确率，召回率	NA
208	2025-11-02	The Role of Artificial Intelligence and Machine Learning in the Assessment, Diagnosis, and Prediction of Cerebral Small Vessel Disease 2025-Sep, Cureus DOI:10.7759/cureus.93376 PMID:41164024	综述	本文综述了人工智能和机器学习在脑小血管病评估、诊断和预测中的作用	系统整合了122项研究，展示了AI在脑小血管病神经影像分析、早期风险分层和临床决策支持中的创新应用	在老年和糖尿病患者群体中表现较弱，泛化能力有限，缺乏前瞻性验证，存在偏倚风险	探讨AI在脑小血管病相关卒中领域的应用价值与挑战	脑小血管病及相关卒中患者	医学人工智能	脑小血管病	神经影像分析（CT、MRI）	机器学习,深度学习	医学影像	基于122项研究的综合证据	NA	NA	灵敏度,特异性,准确率,时间效率	NA
209	2025-11-02	Automated Prediction of Dental Implant Success Using a Mask Region-Based Convolutional Neural Network on Preoperative Cone-Beam Computed Tomography Scans 2025-Sep, Cureus DOI:10.7759/cureus.93378 PMID:41164056	研究论文	本研究开发了一种基于Mask R-CNN的深度学习模型，用于通过术前锥形束CT扫描预测单颗牙种植体的成功率	首次将Mask R-CNN应用于牙种植体成功率的自动化预测，并与不同资历的种植专家进行性能比较	回顾性单中心研究，样本量有限，需要前瞻性多中心验证	开发人工智能模型提高牙种植体预后预测的准确性	210颗单颗牙种植体（来自190名患者）	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	医学影像	210颗种植体（190名患者），训练集168颗，测试集42颗	TensorFlow, Keras, OpenCV	Mask R-CNN	准确率, AUC, 灵敏度, 特异性, 精确率, F1分数, Cohen's kappa	未明确指定
210	2025-11-02	In vitro Assessment of a Deep Learning-Based System for Computer-Aided Diagnosis and Treatment Planning in Orthodontics: A Virtual Study Using Digital Models 2025-Sep, Journal of pharmacy & bioallied sciences DOI:10.4103/jpbs.jpbs_1053_25 PMID:41164531	研究论文	本研究通过虚拟数字模型评估基于深度学习的系统在正畸计算机辅助诊断和治疗规划中的效果	开发了能够识别错颌畸形并生成治疗建议的深度学习系统，在正畸领域应用人工智能技术	需要进一步的临床验证，研究基于虚拟数字模型而非真实临床环境	评估基于深度学习的计算机辅助诊断和治疗规划系统在正畸领域的效能	数字正畸模型	计算机视觉	错颌畸形	三维数字建模	深度学习	三维数字模型	100个数字模型	NA	NA	敏感度, 特异度	NA
211	2025-10-31	Identification of Hybrid Indica Paddy Rice Grain Varieties Based on Hyperspectral Imaging and Deep Learning 2025-Sep-30, Biosensors DOI:10.3390/bios15100647 PMID:41149299	研究论文	本研究基于高光谱成像和深度学习技术开发了一种杂交籼稻稻谷品种分类方法	提出结合CNN-Transformer混合模型，并采用SNV预处理、CARS特征波长选择和可解释性分析来优化分类性能	NA	实现杂交籼稻稻谷品种的精确分类，为水稻质量控制提供自动化工具	杂交籼稻稻谷品种	计算机视觉	NA	高光谱成像	CNN,Transformer	高光谱图像	NA	NA	CNN-Transformer	准确率,F1分数	NA
212	2025-10-31	Interpretability of Deep High-Frequency Residuals: A Case Study on SAR Splicing Localization 2025-Sep-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100338 PMID:41150014	研究论文	本研究评估深度高频残差在SAR图像拼接定位中的可解释性特性	发现深度高频残差不仅能识别图像篡改区域，还能揭示所应用的编辑技术特性	研究主要针对SAR振幅图像的拼接定位，未涉及其他类型图像或篡改技术	评估深度高频残差在多媒体取证中的可解释性特性	合成孔径雷达图像中的拼接篡改区域	多媒体取证	NA	深度高频残差分析	神经网络	SAR图像	NA	NA	NA	NA	NA
213	2025-10-31	Image-Based Telecom Fraud Detection Method Using an Attention Convolutional Neural Network 2025-Sep-27, Entropy (Basel, Switzerland) DOI:10.3390/e27101013 PMID:41148971	研究论文	提出一种基于注意力卷积神经网络的图像化电信欺诈检测方法	采用特征转换方法将用户通信行为转化为图像表示，并结合Focal Loss函数解决数据极端不平衡问题	未明确说明模型在跨区域或跨运营商场景下的泛化能力	开发能有效识别电信欺诈行为的深度学习检测系统	电信用户的通信行为数据	计算机视觉	NA	特征转换技术	CNN	图像化通信数据	真实通信数据集（具体数量未说明）	NA	注意力卷积神经网络	召回率,AUC	NA
214	2025-10-31	Dual-Attention-Based Block Matching for Dynamic Point Cloud Compression 2025-Sep-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100332 PMID:41150008	研究论文	提出一种基于双重注意力的块匹配网络用于动态点云压缩，通过分层运动估计/补偿框架提升帧间预测精度	引入分层ME/MC框架自适应选择运动场粒度，并提出双重注意力KNN块匹配网络通过双向注意力机制更精确测量点间相关性	未明确说明计算复杂度和对硬件资源的需求	解决动态三维点云因空间分布不规则导致的帧间压缩难题	动态三维点云数据	计算机视觉	NA	点云压缩技术	深度学习网络	三维点云数据	8iFVBv2数据集	NA	双重注意力KNN块匹配网络(DA-KBM)	BD-Rate	NA
215	2025-10-31	SGFNet: Redundancy-Reduced Spectral-Spatial Fusion Network for Hyperspectral Image Classification 2025-Sep-24, Entropy (Basel, Switzerland) DOI:10.3390/e27100995 PMID:41148953	研究论文	提出一种基于信息论的冗余减少光谱-空间融合网络SGFNet，用于高光谱图像分类	从信息论角度设计光谱引导融合网络，通过光谱感知滤波模块和光谱-空间自适应融合模块减少特征冗余和不确定性	NA	解决高光谱图像分类中光谱冗余和空间噪声问题，构建高效准确的分类模型	高光谱图像数据	计算机视觉	NA	高光谱成像	CNN	高光谱图像	四个广泛使用的高光谱基准数据集	NA	SGFNet, SAFM, SSAF, SGGC	多个评估指标	NA
216	2025-10-31	Designing the Future of Biosensing: Advances in Aptamer Discovery, Computational Modeling, and Diagnostic Applications 2025-Sep-24, Biosensors DOI:10.3390/bios15100637 PMID:41149291	综述	本文综述了计算工具在适配体研究和生物传感器开发中的最新进展，重点关注机器学习、深度学习和结构建模技术的应用	整合了预测算法在适配体-靶标相互作用建模、序列优化和设计流程方面的进展，特别关注结构转换适配体和双适配体系统的技术创新	存在数据集标准化不足和机器学习模型可解释性有限的挑战	推动适配体生物传感器向可扩展、即时检测和临床可部署诊断解决方案的发展	适配体-靶标相互作用、生物传感器设计	机器学习, 计算生物学	NA	机器学习, 深度学习, 结构建模	NA	序列数据, 结构数据	NA	NA	NA	灵敏度, 特异性	NA
217	2025-10-31	Classifying Sex from MSCT-Derived 3D Mandibular Models Using an Adapted PointNet++ Deep Learning Approach in a Croatian Population 2025-Sep-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100328 PMID:41150004	研究论文	本研究开发了一种基于改进PointNet++深度学习方法的3D下颌骨模型性别分类系统，应用于克罗地亚人群的法医人类学分析	首次将改进的PointNet++架构应用于下颌骨3D点云数据的性别分类，并开发了用户友好的实时分类网络应用	研究样本仅来自克罗地亚南部人群，样本量相对有限（254个样本）	通过深度学习技术提高基于下颌骨的性别估计准确性，为法医人类学提供自动化工具	克罗地亚人群的多层螺旋CT衍生的3D下颌骨模型	计算机视觉	NA	多层螺旋CT扫描，3D建模	PointNet++, 自编码器, 逻辑回归	3D点云数据，STL文件	254个3D下颌骨模型（127男性，127女性）	TensorFlow, PyTorch, Gradio	PointNet++, 自编码器	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 马修斯相关系数	NA
218	2025-10-31	Image Matching: Foundations, State of the Art, and Future Directions 2025-Sep-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11100329 PMID:41150005	综述	本文对图像匹配技术进行了全面综述，涵盖其发展历程、当前研究现状和未来发展方向	系统梳理了图像匹配技术从手工特征提取到深度学习方法的演变历程，并提出了H-矩阵优化、LoFTR模型加速等未来研究方向	作为综述论文，不包含原始实验数据和新算法提出，主要基于现有文献进行分析和总结	为研究人员提供图像匹配领域的全面技术概览和发展洞察	图像匹配算法和技术	计算机视觉	NA	NA	深度学习神经网络,注意力机制	图像	NA	NA	LoFTR	NA	NA
219	2025-10-31	Digital Twin Cognition: AI-Biomarker Integration in Biomimetic Neuropsychology 2025-Sep-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10100640 PMID:41149170	系统综述	本文系统综述了数字孪生认知技术在神经心理学中整合AI驱动生物标志物的研究进展	提出数字孪生认知新范式，创建个体认知系统的动态个性化虚拟模型，实现持续监测和精准干预	算法可解释性不足、人群泛化能力有限、医疗系统整合困难，高准确率声明主要基于小规模同质队列且外部验证有限	推进个性化认知健康，通过AI驱动的生物标志物整合提升神经心理评估和干预效果	神经退行性疾病和多发性硬化症患者	数字病理学	神经退行性疾病	多模态生物标志物整合（神经影像、生理、行为、数字表型）	深度学习, 传统机器学习	多模态数据	小规模同质队列，需要大规模多中心验证研究	NA	NA	预测准确率	NA
220	2025-10-31	MASleepNet: A Sleep Staging Model Integrating Multi-Scale Convolution and Attention Mechanisms 2025-Sep-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics10100642 PMID:41149171	研究论文	提出一种融合多尺度卷积和注意力机制的睡眠分期模型MASleepNet	整合多模态深度特征，采用多尺度卷积模块并行提取不同时间尺度特征，并通过通道注意力机制自适应加权融合各模态特征	仅在Sleep-EDF数据集上验证，未在其他睡眠数据集测试泛化能力	实现自动睡眠分期以解决传统人工分期方法耗时、依赖专家经验等问题	多通道多导睡眠图信号	机器学习	睡眠障碍	多导睡眠图	CNN, BiLSTM	生理信号	Sleep-EDF数据集（包含Sleep-EDF-78和Sleep-EDF-20两个子集）	NA	多尺度卷积模块, 双向长短期记忆网络, 注意力机制	准确率	NA