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
141	2025-12-20	AI-based satellite survey offers independent assessment of migratory wildebeest numbers in the Serengeti 2025-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgaf264 PMID:40933365	研究论文	本研究首次利用基于深度学习的AI卫星调查方法，对塞伦盖蒂-马拉生态系统中迁徙的角马数量进行了独立评估	首次采用AI驱动的卫星调查方法，结合U-Net和YOLOv8两种深度学习模型，对大面积区域的角马进行检测和计数	调查结果与传统方法存在差异，部分可能源于不同调查方法在空间和时间覆盖范围上的差别	通过独立监测工具完善角马种群数量估计，增进对角马迁徙动态的理解	塞伦盖蒂-马拉生态系统中的迁徙角马	计算机视觉	NA	卫星遥感	深度学习	卫星图像	连续两年（2022年8月和2023年8月）超过4000平方公里的区域	NA	U-Net, YOLOv8	F1分数, 精确率, 召回率	NA
142	2025-12-20	The Pharmaceutical Industry's Future: How Artificial Intelligence is Transforming Medicine 2025-Sep, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45904 PMID:41403729	综述	本文综述了人工智能在制药行业各阶段的应用及其对个体化治疗、研究和药物开发的变革性影响	全面探讨了AI技术如何加速药物发现、优化制造流程、支持精准医疗并革新药物生命周期管理	NA	分析人工智能在制药行业中的当前应用与未来潜力	制药行业中的药物发现、临床试验、个性化医疗、生产流程及供应链管理	机器学习	NA	机器学习, 深度学习, 数据分析, 预测建模	NA	NA	NA	NA	NA	NA	NA
143	2025-12-20	[Current Landscape and Commercialization of AI Models in Musculoskeletal Imaging] 2025-Sep, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0058 PMID:41113373	综述	本文综述了基于人工智能的医疗设备在肌肉骨骼影像领域的商业化现状及其临床应用	总结了肌肉骨骼影像AI模型的商业化进展，并提供了临床应用的有益考虑	NA	提供肌肉骨骼影像AI模型的商业化信息，辅助临床决策	肌肉骨骼影像AI模型及其商业化应用	数字病理学	肌肉骨骼疾病	深度学习	NA	影像	NA	NA	NA	诊断性能	NA
144	2025-12-19	Precision in Predicting Protein-Nucleic Acid Complexes: Establishing a Benchmark Data Set and Comparative Metrics 2025-Sep-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01372 PMID:40932245	研究论文	本研究介绍了ProNASet基准数据集和多维评估框架，用于评估蛋白质-核酸复合物结构预测方法	创建了包含100个实验解析结构的蛋白质-核酸复合物基准数据集ProNASet，并首次系统比较了深度学习和物理驱动对接方法在该任务上的性能	基准数据集规模有限（仅100个结构），且深度学习方法的预测性能明显落后于物理驱动方法	评估和比较不同计算方法在预测蛋白质-核酸复合物结构方面的性能	蛋白质-核酸复合物结构	计算生物学	NA	结构生物学实验解析	深度学习算法, 物理驱动对接方法	蛋白质-核酸复合物三维结构	100个实验解析的蛋白质-核酸复合物结构	NA	AlphaFold3, Chai-1, HelixFold3, Protenix, HDOCK, HDOCK_NT	RMSD, TM-score, LDDT	NA
145	2025-12-19	Prognostic models for radiation-induced complications after radiotherapy in head and neck cancer patients 2025-09-10, The Cochrane database of systematic reviews DOI:10.1002/14651858.CD014745.pub2 PMID:40927975	系统综述	本文对头颈癌患者放疗后放射性并发症的预测模型进行了系统回顾与评估	首次系统评估了头颈癌放疗后并发症预测模型的质量、偏倚风险及预测性能，并识别出仅有少数模型经过充分外部验证	大多数验证研究存在高偏倚风险，主要源于分析领域的问题，且许多模型的校准性能未充分报告	识别、描述和评估用于预测头颈癌患者放疗后放射性并发症风险的正常组织并发症概率模型	头颈癌患者	医学预测模型	头颈癌	正常组织并发症概率建模	NA	临床数据	140,767名头颈癌患者（模型开发），34,304名患者（外部验证）	NA	NA	C统计量, 校准性能	NA
146	2025-12-18	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2025-Sep-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	本研究评估了卷积神经网络和Transformer模型在识别儿童Still's杂音方面的效能，使用StethAid多中心心音数据库	首次收集并利用专门针对儿科人群的StethAid数据集，结合多种深度学习模型（包括SQ-NET、ResNet18、AST、DeiT、Swin Transformer、DINO）进行Still's杂音识别，填补了现有方法主要关注成人病理性杂音或杂音检测的空白	研究依赖于特定设备（StethAid数字听诊平台）采集的数据，可能限制了模型的泛化能力；数据集规模相对有限（527个PCG），且未详细讨论模型在真实临床环境中的部署挑战	开发并评估深度学习模型，以辅助初级保健提供者准确识别儿童Still's杂音，减少不必要的专科转诊和超声心动图使用	儿科患者的心音图数据，包括Still's杂音、其他良性杂音和病理性杂音	机器学习	心血管疾病	数字听诊技术	CNN, Transformer	心音图数据	527个心音图记录（来自StethAid数据集），加上先前Littmann 4100数据集的1450个记录	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确度	NA
147	2025-12-17	Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101253 PMID:40919103	研究论文	本文通过整合可解释深度学习与多组学数据，筛选肝细胞癌进展性诊断生物标志物，覆盖“炎症-癌症”转化过程	结合可解释深度学习与多组学分析，系统性识别肝细胞癌从炎症到癌症转化过程中的诊断生物标志物	NA	筛选肝细胞癌的进展性诊断生物标志物，以覆盖“炎症-癌症”转化过程	肝细胞癌及其相关的炎症-癌症转化过程	机器学习	肝细胞癌	多组学	深度学习	多组学数据	NA	NA	NA	NA	NA
148	2025-12-17	RCAN-DDI: Relation-aware cross adversarial network for drug-drug interaction prediction 2025-Sep, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2024.101159 PMID:41079788	研究论文	提出了一种名为RCAN-DDI的关系感知交叉对抗网络，用于预测药物-药物相互作用	结合关系感知结构特征学习模块和基于DDI网络的拓扑特征学习模块，并引入交叉对抗网络以充分整合多模态特征，探索不同信息源之间的相关性和互补性	未明确提及具体局限性	准确预测药物-药物相互作用，确保患者用药安全	药物	机器学习	NA	深度学习	对抗网络	药物结构信息和拓扑网络数据	NA	NA	RCAN-DDI	NA	NA
149	2025-12-13	Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach 2025-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.569549 PMID:41368093	研究论文	本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程	首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系	未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况	开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率	光声层析成像的原始传感器数据（正弦图）	计算机视觉	NA	光声层析成像	全连接网络, Swin-UNETR	图像, 传感器数据	NA	NA	全连接网络, Swin-UNETR	峰值信噪比, 结构相似性指数	NA
150	2025-12-12	Global Growth and Distribution of CyberKnife Stereotactic Radiosurgery: A Bibliometric Analysis 2025-Sep, Neurosurgery practice DOI:10.1227/neuprac.0000000000000150 PMID:41163657	研究论文	本文通过文献计量学方法分析了CyberKnife立体定向放射外科的全球增长趋势和分布，特别关注其在神经外科疾病中的应用	首次使用文献计量学方法全面评估CyberKnife立体定向放射外科的出版趋势、作者合作网络及疾病应用演变，并识别了新兴的跨学科关键词如机器学习和深度学习	研究仅基于Web of Science数据库，可能遗漏其他来源的文献；且为回顾性分析，无法直接评估临床效果	探索CyberKnife立体定向放射外科相关出版物的当前趋势和演变，重点关注神经外科疾病应用	3980篇相关学术文章及其作者、机构、关键词和疾病应用	医学信息学	脑转移瘤、前庭神经鞘瘤、脑膜瘤、垂体腺瘤、血管瘤、海绵窦疾病	文献计量分析、网络可视化	NA	文本数据（学术文章元数据）	3980篇文章，来自12,077位作者	R	NA	NA	NA
151	2025-12-11	Machine Learning for Multi-Omics Characterization of Blood Cancers: A Systematic Review 2025-Sep-04, Cells IF:5.1Q2 DOI:10.3390/cells14171385 PMID:40940796	综述	本文系统综述了人工智能和机器学习在血液肿瘤多组学分子特征分析中的应用	首次系统评估了机器学习在血液肿瘤多组学整合分析中的应用现状，特别强调了可解释性、性能、可重复性和伦理问题	纳入研究存在验证不足、可解释性有限、标准化缺乏等问题，且部分血液疾病研究较少	评估人工智能和机器学习在血液肿瘤多组学分子特征分析中的应用效果与现状	血液系统恶性肿瘤（如急性髓系白血病、急性淋巴细胞白血病、多发性骨髓瘤）	机器学习	血液癌症	多组学整合分析	支持向量机, 随机森林, 深度学习	多组学数据	89项符合纳入标准的研究（共筛选2847条记录）	NA	NA	曲线下面积	NA
152	2025-12-11	Advancements in Artificial Intelligence and Machine Learning for Occupational Risk Prevention: A Systematic Review on Predictive Risk Modeling and Prevention Strategies 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175419 PMID:40942853	综述	本文对人工智能和机器学习在职业风险预防领域的应用进行了系统性综述，重点关注预测性风险建模和预防策略	首次系统性地综述了2019年以来AI/ML在职业风险预测与预防中的应用，揭示了该领域的研究趋势、主要技术方法和应用局限	过度依赖视觉数据（在低能见度环境中效果不佳），缺乏AI风险检测系统的方法学标准化	识别、评估和综合现有关于使用AI算法检测和预测工作场所危险环境和职业风险的文献	职业风险预防领域的学术文献	机器学习	NA	深度学习	CNN, YOLO	视觉数据	61篇相关文章（经过系统筛选后）	NA	卷积神经网络, YOLO	NA	NA
153	2025-12-11	Ultrasound-based machine learning models for predicting response to neoadjuvant chemotherapy in breast cancer: A meta-analysis 2025-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110574 PMID:40769066	荟萃分析	本研究通过荟萃分析评估了基于超声的机器学习模型在预测乳腺癌新辅助化疗反应方面的效能	首次对基于超声的机器学习模型预测乳腺癌新辅助化疗反应的研究进行系统性回顾和荟萃分析，并特别区分了完全缓解和部分缓解的预测模型	对于部分缓解的预测模型，仅能进行内部验证分析，缺乏外部验证结果；需要进一步研究以开发临床可推广的模型	系统评估基于超声的机器学习模型预测乳腺癌患者新辅助化疗反应的效能	乳腺癌患者	数字病理学	乳腺癌	超声影像学	机器学习模型，深度学习模型	超声图像	22项研究（具体样本量未在摘要中提供）	NA	NA	敏感性，特异性，AUC	NA
154	2025-12-11	A new era in colorectal cancer: Artificial Intelligence at the forefront 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110926 PMID:40818204	综述	本文通过系统性文献综述，全面探讨了人工智能在结直肠癌领域的应用，包括早期检测、风险预测、治疗规划等多个方面	系统性整合了人工智能在结直肠癌领域的多种应用，并对比了不同AI模型的使用频率和效果，强调了可解释AI和混合模型的重要性	基于文献综述，可能受限于现有研究的质量和数据可用性，未涉及原始实验验证	综述人工智能在结直肠癌筛查、诊断、预测和治疗中的应用，评估其潜力和挑战	结直肠癌相关的研究文献和人工智能模型	机器学习	结直肠癌	机器学习、深度学习、可解释AI、混合模型	随机森林、支持向量机、卷积神经网络	NA	NA	NA	NA	准确率、延迟时间、数据隐私、鲁棒性、数据集可用性	NA
155	2025-12-10	Deep learning for orbital fracture detection and reconstruction: A systematic review on diagnostic accuracy and surgical planning 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.06.008 PMID:40592670	综述	本文系统综述了基于CT影像的深度学习模型在眼眶骨折检测与重建中的诊断准确性、处理时间及手术规划作用	首次系统评估了U-Net、GAN和SPAK引导架构等深度学习模型在眼眶骨折诊断与重建中的综合性能，并量化了自动化处理在时间效率上的显著提升	纳入研究数量有限（仅5项），缺乏方法学标准化，临床适用性仍需进一步验证	评估深度学习模型在眼眶骨折检测与重建中的效能	基于CT影像的眼眶骨折病例	计算机视觉	眼眶骨折	CT成像	CNN, GAN	医学影像	NA	NA	U-Net, DenseNet, GAN, SPAK	准确率, 灵敏度, 特异性, AUC, Dice相似系数, 交并比	NA
156	2025-12-10	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了用于分析胶质瘤医学图像的65项事后可解释人工智能方法，并探讨了其在临床应用中面临的挑战与未来机遇	首次系统性地对胶质瘤影像任务中的事后XAI方法进行分类和评估，提出了基于梯度和基于扰动的XAI框架，并从临床用户视角展望了未来研究方向	仅聚焦于事后解释方法，未涵盖内在可解释模型；研究范围限定于胶质瘤影像，结论可能不适用于其他疾病类型	评估可解释人工智能方法在胶质瘤医学影像分析中的应用，促进AI决策与医疗诊断的融合	胶质瘤的磁共振成像和病理学图像	数字病理学	胶质瘤	磁共振成像, 组织病理学成像	深度学习模型	图像	NA	NA	NA	NA	NA
157	2025-12-10	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	综述	本文系统综述了机器学习在周围动脉疾病诊断和管理中的应用，涵盖数据类型、算法、性能指标及软件工具	首次系统性地总结了机器学习在PAD领域的应用现状，并进行了偏倚风险评估，突出了随机森林算法的主导地位	纳入研究数量有限（30项），可能存在发表偏倚，且未对模型临床部署的可行性进行深入分析	探讨机器学习算法在周围动脉疾病诊断和管理中的应用潜力	已发表的关于机器学习应用于周围动脉疾病的研究	机器学习	心血管疾病	NA	神经网络, 集成学习, 深度学习	临床记录（数值与非数值数据）	30项研究（2014-2024年间发表）	NA	全连接神经网络, 卷积神经网络	NA	NA
158	2025-12-10	Deep learning for diagnosing and grading pterygium: A systematic review and meta-analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110743 PMID:40644893	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习模型在翼状胬肉诊断和严重程度分级中的准确性	首次对深度学习在翼状胬肉诊断和分级中的应用进行了全面的系统综述和荟萃分析，并与临床专家表现进行了比较	研究方法存在局限性，包括缺乏外部验证数据、病例对照研究设计、未预设决策阈值以及图像分析未考虑个体内相关性	评估深度学习模型在翼状胬肉检测和严重程度评估中的诊断准确性	翼状胬肉患者的前段眼部照片	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	45,913张前段眼部照片，来自超过4,460名患者	NA	NA	灵敏度, 特异性	NA
159	2025-12-10	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Sep, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和提出一种基于MRI的AI元迁移学习框架，旨在解决罕见神经系统疾病诊断中的数据稀缺问题	提出了一种结合元学习和迁移学习的MRI元迁移学习框架，专门针对罕见神经系统疾病的小数据集进行优化，以减少AI偏见并提高诊断准确性	研究主要基于2017至2024年的文献，可能未涵盖最新进展；且提出的框架尚未经过大规模临床验证	探索AI技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测，以提升医疗诊断准确性和实践水平	神经系统疾病，包括神经发育障碍、神经生物学障碍和神经退行性疾病	机器学习	神经退行性疾病	MRI	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
160	2025-12-08	Lung Cancer Diagnosis From Computed Tomography Images Using Deep Learning Algorithms With Random Pixel Swap Data Augmentation: Algorithm Development and Validation Study 2025-Sep-03, JMIR bioinformatics and biotechnology DOI:10.2196/68848 PMID:41342173	研究论文	本研究提出了一种名为随机像素交换的新型数据增强技术，用于提升深度学习模型在CT图像上诊断肺癌的性能	提出随机像素交换数据增强方法，该方法在卷积神经网络和Transformer架构上均能有效提升肺癌诊断性能，优于现有数据增强技术	NA	开发并验证一种新的数据增强技术，以提高深度学习模型从CT图像中自动诊断肺癌的准确性	肺癌的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Transformer	图像	两个公开CT数据集（IQ-OTH/NCCD数据集和胸部CT扫描图像数据集）	NA	ResNet, MobileNet, Vision Transformer, Swin Transformer	准确率, AUROC	NA