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
301	2025-12-03	Dual-center study on AI-driven multi-label deep learning for X-ray screening of knee abnormalities 2025-Oct-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21895-6 PMID:41168262	研究论文	本研究开发了一种基于AI的多标签深度学习模型，用于从X射线图像中直接检测膝关节软组织异常	创新性地利用X射线图像实现了传统上仅能通过MRI或关节镜检查的软组织异常检测	研究为回顾性设计，且仅基于两个医疗中心的数据，可能存在选择偏倚	提高膝关节异常（特别是软组织损伤）在X射线筛查中的检测精度和效率	膝关节X射线图像	计算机视觉	膝关节异常	X射线成像	CNN	图像	来自两个医疗中心的4,215名患者	PyTorch, Flask	YOLOv11, ResNet152, DenseNet121, MobileNetV3, ShuffleNetV2, VGG19	mAP, F1-score, AUC	NA
302	2025-12-03	Accuracy and reliability of 3D cephalometric landmark detection with deep learning 2025-Oct-21, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03198-8 PMID:41121304	研究论文	本研究开发并验证了一种用于口腔颌面部三维标志点自动检测的深度学习模型	采用优化的轻量级3D U-Net网络架构，在螺旋CT和锥形束CT两种扫描方式上验证了模型的高精度、鲁棒性和泛化能力，并显著提升了专家的标注效率和速度	模型的鲁棒性和泛化能力仍需前瞻性临床验证以确保在不同经验水平用户中的实用性	开发并验证用于口腔颌面部三维标志点自动检测的AI模型，以辅助正畸、正颌、创伤和整形等手术规划	口腔颌面部三维影像（螺旋CT和锥形束CT）中的解剖标志点	计算机视觉	NA	螺旋计算机断层扫描（SCT），锥形束计算机断层扫描（CBCT）	CNN	三维医学影像	训练和测试集：480例SCT和240例CBCT；额外推理集：320例SCT和150例CBCT	NA	3D U-Net	平均径向误差（MRE），2毫米、3毫米、4毫米误差阈值内的成功检测率（SDR）	NA
303	2025-12-03	Adaptive Neuro-Symbolic framework with dynamic contextual reasoning: A novel framework for semantic understanding 2025-Oct-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2025112 PMID:41327946	研究论文	提出了一种新颖的自适应神经符号框架（ANS-DCR），用于实现类人的语义理解和可解释性	提出了一个集成了神经网络与符号推理的新颖架构，包含四个关键创新：上下文嵌入层、分层知识图谱、自适应推理引擎和可解释决策模块	NA	解决当前深度学习模型在关系推理、上下文解释和透明决策方面的不足，实现更深层次的语义理解	图像数据，特别是复杂场景如自动驾驶中的交通场景	计算机视觉	NA	NA	神经符号模型	图像	NA	NA	ANS-DCR（自适应神经符号框架与动态上下文推理）	语义分割，上下文推理，可解释性	NA
304	2025-12-02	Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required 2025-Oct-29, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103828 PMID:41319624	研究论文	本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型	提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍	NA	开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法	胸部X光片（CXRs）和眼底摄影图像	医学影像分析	肺部疾病（包括肺炎等）	深度学习	基础模型	图像	Ark5使用335,484张CXRs，Ark6使用704,363张CXRs	PyTorch	多种架构（具体未指定）	分类、分割、定位任务的性能评估，性别偏差分析	NA
305	2025-12-02	High-Risk Carotid Lesion Segmentation: Advancing Stroke Risk Detection With Deep Learning 2025-Oct-14, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028251381672 PMID:41321026	研究论文	本研究探讨了使用人工智能软件PRAEVAorta2在CT血管造影上自动分割颈动脉斑块的可行性，并比较了有症状与无症状患者斑块成分的差异	引入了AI工具PRAEVAorta2来自动分割和量化颈动脉斑块成分，超越传统狭窄分级，提供更细致的斑块易损性评估	血栓分割的Dice相似系数较低（0.33），表明该成分的自动分割性能有待提升	评估AI在颈动脉病变分割中的可行性，并比较有症状与无症状患者斑块成分的差异	颈动脉斑块	数字病理	心血管疾病	CT血管造影	深度学习	图像	156名患者（81个有症状病变，75个无症状病变）	NA	NA	敏感性, 特异性, Dice相似系数, 体积相似性	NA
306	2025-12-02	Diffusion model-based contrast-enhanced CT synthesis for breast cancer radiotherapy: Pursuing contrast-free imaging 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251399577 PMID:41308043	研究论文	本研究开发了一种基于扩散模型的深度学习框架，用于从非对比增强CT合成对比增强CT图像，以探索其在乳腺癌放疗中的应用效果	提出了一种新颖的基于扩散模型的图像到图像转换方法（SynDiff），在乳腺癌放疗中实现从非对比增强CT到对比增强CT的合成，相比传统生成对抗网络模型（如Pix2Pix、CycleGAN、RegGAN）表现出更优性能	样本量相对有限（共194例患者），且外部验证队列仅包含18例患者，可能影响模型的泛化能力评估	开发并评估深度学习模型在乳腺癌放疗中从非对比增强CT合成对比增强CT图像的应用效果，以追求无对比剂成像	乳腺癌患者的非对比增强CT和对比增强CT图像对	计算机视觉	乳腺癌	CT成像	扩散模型, GAN	医学图像（CT）	194例患者（176例来自医院一，18例来自医院二），分为训练队列（122例）、内部测试队列（54例）和外部验证队列（18例）	NA	SynDiff, Pix2Pix, CycleGAN, RegGAN	PSNR, SSIM, NMAE	NA
307	2025-12-01	Beyond the Sleep Lab: A Narrative Review of Wearable Sleep Monitoring 2025-Oct-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111191 PMID:41301147	综述	本文系统回顾了可穿戴睡眠监测技术的发展历程、技术里程碑和临床应用	追踪了从早期模拟方法到当前多传感器和AI驱动系统的技术演进，探讨了边缘计算和深度学习在自动睡眠分期中的应用	作为综述文章，主要基于现有文献分析，缺乏原始实验数据验证	回顾可穿戴睡眠监测技术的演变过程和发展前景	可穿戴睡眠监测设备和技术	数字健康	睡眠障碍	多传感器融合、生理生化传感、边缘计算	深度学习	运动数据、生理信号、生化指标	NA	NA	NA	与PSG对比验证	边缘计算设备
308	2025-12-01	Pattern Recognition Algorithms in Pharmacogenomics and Drug Repurposing-Case Study: Ribavirin and Lopinavir 2025-Oct-31, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph18111649 PMID:41304894	综述	本文系统综述了模式识别算法在药物基因组学和计算药物重定位中的应用，并以利巴韦林和洛匹那韦为案例进行深入分析	将多种模式识别技术整合应用于药物基因组学和COVID-19药物重定位研究，并通过具体案例展示实际应用价值	数据稀缺性、模型可解释性不足以及计算预测与实验验证之间的转化差距	探讨模式识别算法在药物基因组学和药物重定位中的应用方法与效果	抗病毒药物（利巴韦林和洛匹那韦）及其在COVID-19治疗中的重定位潜力	机器学习	COVID-19	全基因组关联研究（GWAS）、生物标志物发现、多组学数据整合	支持向量机, 深度学习	基因组数据, 药物反应数据	NA	NA	NA	NA	NA
309	2025-12-01	Deep Q-Learning for Gastrointestinal Disease Detection and Classification 2025-Oct-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111184 PMID:41301139	研究论文	提出基于深度Q学习和注意力U-Net的胃肠道疾病检测与分类方法	将强化学习中的Q学习与CNN结合实现分类稳定性，并采用注意力机制增强U-Net分割性能	未明确说明模型在更大规模或多样化数据集上的泛化能力	胃肠道疾病的早期检测与分类	胃溃疡图像	计算机视觉	胃肠道疾病	深度学习	CNN, U-Net, Q-learning	医学图像	Kvasir、Nerthus、CVC-ClinicDB和私有POF数据集	NA	自定义CNN（7层结构）, 注意力U-Net	准确率	NA
310	2025-12-01	Stimulus-Evoked Brain Signals for Parkinson's Detection: A Comprehensive Benchmark Performance Analysis on Cross-Stimulation and Channel-Wise Experiments 2025-Oct-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111185 PMID:41301141	研究论文	本研究通过交叉刺激评估框架和通道分析，探索脑电信号在帕金森病检测中的性能表现	引入交叉刺激评估框架分析帕金森病检测算法的鲁棒性，并进行通道分析识别最具区分度的大脑区域	研究样本量相对有限（60名受试者），仅使用视觉诱发电位刺激模式	开发可靠的帕金森病自动检测方法，提高基于脑电信号的诊断泛化能力	帕金森病患者和健康对照者的脑电信号	生物医学信号处理	帕金森病	脑电图（EEG），静息态视觉诱发电位（RSVEP），稳态视觉诱发电位（SSVEP）	CRC, LSTM	脑电信号	60名受试者的203,520个脑电样本	NA	LSTM	准确率, 标准差	NA
311	2025-12-01	Is the Ensemble Machine Learning Model a Reliable Method for Detecting Neoplastic Infiltration of Thyroid Cartilage in Laryngeal Cancers? 2025-Oct-30, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61111945 PMID:41303782	研究论文	应用集成机器学习模型检测喉癌中甲状腺软骨肿瘤浸润的诊断性能评估	首次将ResNet50和MobileNet组成的集成深度学习模型应用于CT图像中甲状腺软骨肿瘤浸润的自动检测	样本量相对有限（313例患者），仅使用单一影像模态（CT）	评估集成机器学习模型在诊断喉癌甲状腺软骨浸润方面的可靠性	喉癌患者的计算机断层扫描（CT）图像	计算机视觉	喉癌	计算机断层扫描（CT）	集成学习,CNN	医学影像	313例患者，1251张CT图像（619张无浸润组，632张浸润组）	NA	ResNet50,MobileNet	AUC,准确率	NA
312	2025-12-01	DCBAN: A Dynamic Confidence Bayesian Adaptive Network for Reconstructing Visual Images from fMRI Signals 2025-Oct-29, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci15111166 PMID:41300173	研究论文	提出一种动态置信度贝叶斯自适应网络DCBAN，用于从fMRI信号重建视觉图像	引入深度嵌套奇异值分解嵌入低秩约束，提出基于奇异值空间的贝叶斯自适应分数岭回归模块，构建动态置信度自适应扩散模型模块	NA	解决fMRI驱动的视觉图像重建中结构保真度差、模型泛化能力不足和图像不自然的问题	fMRI信号和视觉图像	计算机视觉	NA	功能磁共振成像(fMRI)	深度学习,扩散模型	fMRI信号,图像	NSD数据集	NA	DCBAN	PixCorr,Incep,CLIP	NA
313	2025-12-01	Prognostic Evaluation of Lower Third Molar Eruption Status from Panoramic Radiographs Using Artificial Intelligence-Supported Machine and Deep Learning Models 2025-Oct-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111176 PMID:41301132	研究论文	本研究利用人工智能支持的机器学习和深度学习模型评估全景X光片中下颌第三磨牙的萌出状态	首次开发能够早期预测第三磨牙最终位置的AI模型，辅助临床决策	对部分阻生病例准确率较低，需要更大数据集和优化改进	评估阻生第三磨牙的萌出状态并开发早期预测模型	下颌第三磨牙	数字病理	口腔疾病	全景X光摄影	深度学习, 机器学习	图像	1102张全景X光片	TensorFlow, Keras, Scikit-learn	InceptionV3, ResNet50	准确率, 召回率, 精确率, F1分数	NA
314	2025-12-01	Curvilinear Sub-Resolution Assist Feature Placement Through a Data-Driven U-Net Model 2025-Oct-29, Micromachines IF:3.0Q2 DOI:10.3390/mi16111229 PMID:41302747	研究论文	本研究开发了一种基于U-Net深度学习框架的数据驱动方法，用于加速半导体制造中曲线形亚分辨率辅助特征的光学优化布局	首次将U-Net卷积神经网络应用于曲线形SRAF布局优化，实现了相比传统方法多个数量级的加速，同时保持与计算昂贵的水平集方法相当的光学性能	模型性能依赖于训练数据的质量和规模，且主要针对光学性能优化，未考虑其他制造约束	开发快速高效的曲线形亚分辨率辅助特征布局优化方法，以提升半导体制造工艺窗口	半导体制造中的亚分辨率辅助特征布局	计算机视觉	NA	计算光刻技术	CNN	图像	大规模数据集，包含粗粒度二值化SRAF模式作为输入	PyTorch, TensorFlow	U-Net	模式保真度，光学性能，计算速度	GPU加速计算
315	2025-12-01	Application of CAD Systems in Breast Cancer Diagnosis Using Machine Learning Techniques: An Overview of Systematic Reviews 2025-Oct-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111160 PMID:41301119	综述	本文通过对48篇系统评价的综合分析，全面概述了基于机器学习的CAD系统在乳腺癌诊断中的应用现状	首次对乳腺癌CAD系统进行元综述分析，综合比较了不同成像技术、公开数据集、AI方法和临床任务	当前CAD系统面临数据集规模有限、AI决策透明度不足和临床整合受限等问题	系统评估机器学习技术在乳腺癌计算机辅助诊断系统中的应用现状和发展趋势	48篇2015年至2025年1月期间发表的系统评价文献	医学影像分析	乳腺癌	医学影像分析	深度学习	医学影像	基于48篇系统评价的综合分析	NA	NA	NA	NA
316	2025-12-01	Automatic Apparent Nasal Index from Single Facial Photographs Using a Lightweight Deep Learning Pipeline: A Pilot Study 2025-Oct-27, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina61111922 PMID:41303759	研究论文	开发了一种轻量级深度学习流程，可从单张正面照片自动定位鼻子并计算表观鼻指数	首次使用轻量级单类YOLOv8n检测器实现鼻子定位和鼻指数自动计算，实现五种标准人类学分类	仅使用CelebA数据集，样本多样性可能有限；排除超出范围病例(<40.0)	开发简单可重复的深度学习流程，自动量化鼻部比例	面部照片中的鼻子区域	计算机视觉	NA	深度学习	YOLO	图像	29,998张高质量近正面图像(训练20,998；验证5,999；测试3,001)	YOLOv8	YOLOv8n	检测覆盖率,mAP,MAE,RMSE,R值,Bland-Altman分析,准确率,宏F1分数,加权κ系数,Spearman ρ	NA
317	2025-12-01	A Community Benchmark for the Automated Segmentation of Pediatric Neuroblastoma on Multi-Modal MRI: Design and Results of the SPPIN Challenge at MICCAI 2023 2025-Oct-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111157 PMID:41301113	研究论文	介绍SPPIN挑战赛的设计与结果，该挑战赛旨在推动儿童神经母细胞瘤在多模态MRI上自动分割技术的发展与基准测试	首个针对颅外儿童肿瘤的自动分割挑战赛，建立了儿科神经母细胞瘤分割的社区基准	获胜团队的模型在小尺寸术前肿瘤分割中表现不足，无法直接用于手术规划	开发和评估儿童神经母细胞瘤在MRI上的自动分割方法	儿童神经母细胞瘤患者的多模态MRI影像	医学影像分析	神经母细胞瘤	多模态MRI	深度学习模型	3D医学影像	9个团队的有效提交	NA	大型预训练模型	Dice相似系数, Hausdorff距离95百分位, 体积相似度	NA
318	2025-12-01	Attention-Guided Probabilistic Diffusion Model for Generating Cell-Type-Specific Gene Regulatory Networks from Gene Expression Profiles 2025-Oct-24, Genes IF:2.8Q2 DOI:10.3390/genes16111255 PMID:41300707	研究论文	提出基于扩散模型的深度学习框架Planet，用于从单细胞RNA测序数据构建细胞特异性基因调控网络	引入三重混合注意力Transformer捕获长程调控依赖，采用快速采样策略加速推理，提供系统水平的调控网络视图	与DigNet方法相比在可比条件下仅实现轻微性能提升	构建具有全局一致性的细胞特异性基因调控网络	小鼠肺Cd8Gzmk T细胞	机器学习	NA	单细胞RNA测序(scRNA-seq)	扩散模型, Transformer	基因表达谱	多个scRNA-seq数据集	NA	Triple Hybrid-Attention Transformer	NA	NA
319	2025-12-01	Artificial Intelligence-Assisted CRISPR/Cas Systems for Targeting Plant Viruses 2025-Oct-24, Genes IF:2.8Q2 DOI:10.3390/genes16111258 PMID:41300710	综述	本文综述人工智能辅助CRISPR/Cas系统在植物病毒靶向应用中的最新进展	首次系统整合机器学习与深度学习算法于CRISPR设计框架，探索卷积神经网络、循环神经网络、Transformer架构及生成模型在蛋白质结构预测和宿主-病毒相互作用建模中的应用	面临gRNA设计挑战、脱靶效应、数据集标注不足以及植物-病毒相互作用复杂生物动力学等限制	建立下一代植物病毒基因组编辑策略的基础，推动AI驱动的CRISPR技术在可持续农业中的应用	植物病毒、CRISPR/Cas系统、人工智能算法	机器学习	植物病毒感染	CRISPR/Cas系统、蛋白质结构预测、sgRNA评分	CNN, RNN, Transformer, 生成模型	基因组数据、蛋白质结构数据、宿主-病毒相互作用数据	NA	AlphaFold2, RoseTTAFold, ESMFold	卷积神经网络、循环神经网络、Transformer架构	靶向特异性、Cas蛋白性能、计算机验证	NA
320	2025-12-01	An Integrated Microfluidic System for One-Stop Multiplexed Exosomal PD-L1 and MMP9 Automated Analysis with Deep Learning Model YOLO 2025-Oct-24, Micromachines IF:3.0Q2 DOI:10.3390/mi16111208 PMID:41302727	研究论文	开发了一种集成微流控系统，用于一站式自动化分析外泌体PD-L1和MMP9标志物	结合微流控技术与深度学习模型YOLO，实现外泌体标志物的全自动快速分析	仅验证了四种细胞系，需要进一步临床验证	开发高效准确的外泌体肿瘤标志物分析平台	外泌体PD-L1和MMP9蛋白标志物	数字病理	肿瘤	微流控技术, 荧光定量分析	YOLO	荧光图像	四种不同细胞系	PyTorch	YOLOv5	检测限(12.58颗粒/μL)	NA