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
381	2025-12-11	Leveraging explainable artificial intelligence for transparent and trustworthy cancer detection systems 2025-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103243 PMID:40839960	综述	本文系统回顾了可解释人工智能（XAI）在癌症检测中的最新应用，并对其技术、数据集、仿真环境和安全性进行了分类分析	首次系统性地对XAI在多种癌症检测中的应用进行综述，并量化了模型使用、解释框架和编程语言的分布情况，同时指出了安全性研究的不足	仅7.4%的研究涉及安全性问题，且综述范围可能未覆盖所有新兴技术或未发表的研究	评估可解释人工智能在癌症检测中的透明度和可信度，以指导未来肿瘤学中可信赖且可解释的AI研究	涵盖乳腺癌、皮肤癌、肺癌、结直肠癌、脑癌等多种癌症类型的检测系统	机器学习	癌症	深度学习，可解释人工智能	CNN	图像	NA	Python	CNN	NA	NA
382	2025-12-11	Machine and deep learning for MRI-based quantification of liver iron overload: a systematic review and meta-analysis 2025-Nov, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01513-2 PMID:40956404	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习和深度学习在基于MRI的肝脏铁过载定量中的诊断准确性、算法性能和临床适用性	首次对机器学习和深度学习在MRI肝脏铁浓度定量中的应用进行系统性总结和荟萃分析，量化了其诊断性能并强调了自动化处理的优势	研究存在异质性、外部验证集规模有限以及泛化能力不足等问题	评估机器学习和深度学习技术在基于MRI的肝脏铁过载定量中的诊断准确性、算法性能和临床适用性	肝脏铁过载患者，特别是遗传性血色素沉着症和重型β-地中海贫血患者	医学影像分析	肝脏铁过载	MRI（T2*加权和多参数磁共振成像）	CNN, 放射组学, 模糊C均值聚类	MRI图像	NA	NA	卷积神经网络	灵敏度, 特异性, AUC, 相关系数, 平均绝对误差	NA
383	2025-12-11	Artificial intelligence in the operating room: A systematic review of AI models for surgical phase, instruments and anatomical structure identification 2025-Nov, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70045 PMID:40862620	系统综述	本文系统综述了人工智能在手术室中的应用，特别是利用深度学习算法分析术中视频以识别手术阶段、解剖结构和手术器械	系统性地回顾和总结了多种深度学习算法在手术视频分析中的应用，并量化了其在手术阶段识别和解剖结构识别方面的性能表现	数据集存在局限性，注释协议需要标准化，且可能存在偏差	评估人工智能模型在手术室中用于手术阶段、解剖结构和手术器械识别的应用效果	术中视频	计算机视觉	NA	深度学习	深度学习模型	视频	21项研究	NA	多层互联神经网络架构	准确率, 精确率, 召回率, F1分数	NA
384	2025-12-11	Development and validation of explainable deep learning models for classification of atrial fibrillation subtypes using cardiac computed tomography 2025-Nov, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2025.08.031 PMID:41357266	研究论文	本研究开发并验证了基于心脏CT左心房形态的可解释深度学习模型，用于分类心房颤动亚型	首次利用心脏CT左心房形态特征，通过3D-CNN模型以可解释方式区分阵发性与持续性心房颤动，并识别与持续性房颤相关的空间重构模式	样本量相对有限（内部验证269例，外部验证151例），且仅基于单一影像模态（心脏CT）	开发可解释的深度学习模型，用于基于心脏CT左心房形态分类心房颤动亚型，并增强对房颤进展机制的理解	心房颤动患者（阵发性与持续性）	计算机视觉	心血管疾病	心脏CT	CNN	图像	内部验证269例患者，外部验证151例患者	NA	3D-DenseNet201	AUC, 准确率	NA
385	2025-12-10	Impact of contrast enhancement boost and super-resolution deep learning reconstruction on pediatric congenital heart disease CTA scans: ultra-low contrast dose 2025-Nov-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02015-2 PMID:41254528	研究论文	本研究评估了对比增强提升与超分辨率深度学习重建结合在降低儿科先天性心脏病患者CT血管成像中造影剂剂量的可行性	首次将对比增强提升技术与超分辨率深度学习重建结合应用于儿科先天性心脏病的CT血管成像，实现了在超低造影剂剂量下维持图像质量	样本量相对较小（72例），且研究为单中心设计，可能限制结果的普遍适用性	评估在儿科先天性心脏病CT血管成像中减少造影剂剂量的可行性	72名儿科先天性心脏病患者	医学影像分析	先天性心脏病	CT血管成像，深度学习重建	深度学习模型	CT图像	72名儿科患者（低剂量组36例，标准组36例）	NA	超分辨率深度学习重建	CT衰减值，信噪比，对比噪声比，主观评分	NA
386	2025-12-10	A Novel Hybrid Deep Learning Model for Attack Detection in IoT Environment: Convolutional Neural Network with Transformer Approach 2025-Nov-18, Journal of visualized experiments : JoVE DOI:10.3791/68750 PMID:41359642	研究论文	本文提出了一种基于卷积神经网络与Transformer的混合深度学习模型，用于物联网环境中的攻击检测	提出了一种新颖的CNN-Transformer混合模型，用于物联网网络攻击的实时检测与分类，在保持高精度的同时降低了计算复杂度	研究仅基于CIC-IoT-2023数据集进行验证，未在其他物联网数据集或真实网络环境中测试	开发高效的物联网网络安全防护方法，实现实时攻击检测与分类	物联网网络中的攻击行为与异常流量	机器学习	NA	深度学习	CNN, Transformer	网络流量数据	CIC-IoT-2023数据集，包含7个类别下的33种物联网威胁类型	NA	CNN-Transformer混合架构	准确率, 精确率, 召回率, F1分数, 损失值	NA
387	2025-12-10	Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis 2025-Nov-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03227-w PMID:41219882	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人工智能算法在医学影像中识别不稳定颈动脉斑块的诊断性能	首次对AI在基于影像的颈动脉易损斑块检测中的诊断性能进行系统综述和荟萃分析，揭示了AI算法在该领域的整体表现和影响因素	仅有一项研究报告了外部验证，限制了结果的普适性；研究间存在显著的异质性（I2>90%）；存在发表偏倚	评估人工智能算法在利用医学影像区分不稳定与稳定颈动脉斑块方面的诊断性能	颈动脉斑块（不稳定斑块与稳定斑块）	医学影像分析	心血管疾病	医学影像技术	机器学习, 深度学习	图像	31项研究（其中14项纳入荟萃分析）	NA	NA	灵敏度, 特异性, AUC	NA
388	2025-12-10	The diagnostic accuracy of deep learning-based AI models in predicting lymph node metastasis in T1 and T2 colorectal cancer: A systematic review and meta-analysis 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045172 PMID:41204540	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基于人工智能（尤其是深度学习和机器学习）模型在预测T1和T2期结直肠癌淋巴结转移中的诊断准确性	首次对基于AI的模型（特别是DL和ML）在预测T1/T2期结直肠癌淋巴结转移中的诊断准确性进行全面的系统综述和荟萃分析	纳入研究数量有限（12项定性分析，9项定量分析），可能存在发表偏倚，且各研究间的方法学异质性未详细讨论	评估基于AI的模型在预测T1和T2期结直肠癌淋巴结转移风险中的诊断准确性	T1和T2期结直肠癌患者	机器学习	结直肠癌	NA	深度学习, 机器学习	NA	8540名患者（来自12项研究）	NA	NA	敏感性, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
389	2025-12-10	Neural network-based multi-task learning to assist planning of posterior spinal fusion surgery for adolescent idiopathic scoliosis 2025-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01125-9 PMID:40553418	研究论文	本研究开发了一种基于神经网络的多任务学习模型，用于辅助青少年特发性脊柱侧弯后路脊柱融合手术的规划	首次将神经网络多任务学习应用于AIS手术规划，模拟经验丰富脊柱外科医生的决策过程，包括选择上下固定椎体、确定棒曲度和预测螺钉密度	样本量相对较小（189例患者），且仅针对Lenke 1A和2A型曲线，外部验证集仅包含10例患者	开发一种深度学习模型以优化青少年特发性脊柱侧弯后路脊柱融合手术的器械规划	189例Lenke 1A和2A型曲线的青少年特发性脊柱侧弯患者	机器学习	青少年特发性脊柱侧弯	NA	人工神经网络	临床和影像学数据	189例患者（179例用于训练，10例用于外部验证）	NA	多层隐藏层神经网络	准确率，均方根误差	NA
390	2025-12-10	Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.027 PMID:40651923	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影像组学和深度学习模型在预测软组织肉瘤远处转移中的性能	首次对影像组学和深度学习模型在软组织肉瘤远处转移预测中的诊断准确性进行系统性的荟萃分析，并比较了不同成像模态、特征提取方法以及临床特征整合的效果	研究存在显著的异质性、有限的外部验证以及潜在的发表偏倚	评估影像组学和深度学习模型在预测软组织肉瘤远处转移中的诊断准确性	软组织肉瘤患者	数字病理学	软组织肉瘤	影像组学，深度学习	深度学习模型，影像组学模型	医学影像（MRI, PET, PET/CT）	19项研究，共1712名患者	NA	NA	AUC, 敏感性, 特异性	NA
391	2025-12-10	Assessing MRI-based Artificial Intelligence Models for Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma: A Systematic Review and Meta-analysis 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.030 PMID:40670226	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于MRI的人工智能模型在术前预测肝细胞癌微血管侵犯方面的性能	首次对基于MRI的AI模型预测HCC微血管侵犯进行全面的系统综述和荟萃分析，比较了传统机器学习与深度学习方法以及不同特征组合模型的性能差异	研究存在显著的异质性，证据质量等级较低，可能影响结论的可靠性，且缺乏方法学标准化和多中心前瞻性验证	评估基于MRI的人工智能模型在术前预测肝细胞癌微血管侵犯的诊断性能	肝细胞癌患者	医学影像分析	肝细胞癌	磁共振成像	传统机器学习, 深度学习	MRI图像	内部验证2838例，外部验证1161例	NA	NA	灵敏度, 特异度, 诊断比值比, 曲线下面积	NA
392	2025-12-10	Investigating Links Between Urban Residential Streetscapes and Physical Activity Using Deep Learning of Google Street View Imagery Applied to the Washington State Twin Registry 2025-Nov-01, Journal of physical activity & health IF:2.9Q2 DOI:10.1123/jpah.2024-0769 PMID:40774348	研究论文	本研究利用深度学习分析Google街景图像，探讨城市居住区街道景观与居民体力活动之间的关联	首次结合深度学习分割算法量化街道层面的绿化空间，并分析其与体力活动的关系，同时考虑了季节性和人口密度的影响	研究未发现绿化空间与体力活动之间存在一致关联，且部分结果在控制季节性后不显著，体力活动数据为自我报告，可能存在偏差	探究城市街道绿化空间与居民体力活动水平之间的关系	华盛顿州双胞胎登记处中居住在城市地区的7855名成年双胞胎	计算机视觉	NA	深度学习分割算法	CNN	图像	7855名成年双胞胎，共14095次调查观察	NA	NA	NA	NA
393	2025-12-09	Novel antimicrobial peptides against Pseudomonas aeruginosa: in silico design and experimental validation 2025-Nov-28, Journal of applied microbiology IF:3.2Q2 DOI:10.1093/jambio/lxaf287 PMID:41258863	研究论文	本研究通过深度学习和分子对接技术设计并验证了针对铜绿假单胞菌的新型抗菌肽	利用基于Transformer的深度学习模型TACaPe生成抗菌肽序列，并结合分子对接分析靶向群体感应受体，实验验证了其抗菌和抗生物膜活性以及与美罗培南的协同作用	研究仅针对铜绿假单胞菌ATCC® 27853菌株进行体外测试，未涉及体内实验或更广泛的临床菌株验证	设计和评估具有抗菌和抗生物膜活性的新型抗菌肽，以对抗铜绿假单胞菌感染	铜绿假单胞菌及其群体感应受体（LasR、RhlR、PqsR）	机器学习	细菌感染	深度学习、分子对接、体外抗菌测试、溶血和细胞毒性实验	Transformer	肽序列数据	5种合成抗菌肽，针对铜绿假单胞菌ATCC® 27853菌株进行测试	NA	TACaPe（基于Transformer的深度学习模型）	结合亲和力、最小抑菌浓度（MIC）、生物膜抑制效果、溶血和细胞毒性	NA
394	2025-12-09	Can artificial intelligence accurately predict the risk of hematoma expansion in intracerebral hemorrhage? A systematic review and Meta-analysis of 7,665 patients 2025-Nov-24, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03901-7 PMID:41276709	系统综述与Meta分析	本研究通过系统综述和Meta分析评估了人工智能模型在预测脑出血患者血肿扩大风险中的有效性	首次对人工智能模型（特别是机器学习和深度学习）在预测脑出血血肿扩大方面的性能进行了全面的系统综述和Meta分析，并比较了自发性脑出血与创伤性脑损伤相关脑出血的预测效果	研究间存在高度异质性，限制了结果的稳健性，且需要标准化的影像协议和严格的外部验证才能进行临床实施	评估人工智能模型在预测脑出血患者血肿扩大风险中的有效性	脑出血患者	机器学习	脑出血	NA	机器学习, 深度学习	NA	7,665名患者	NA	NA	灵敏度, 特异度, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
395	2025-12-09	Transforming Surgical Training With AI Techniques for Training, Assessment, and Evaluation: Scoping Review 2025-Nov-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58966 PMID:41252719	综述	本文是一篇范围综述，探讨了人工智能（AI）在外科培训、评估和评价中的应用现状与潜力	系统性地梳理了2020年至2024年间AI在外科培训领域的最新应用，识别了主要技术、手术类型和培训设置，并指出了自动化技能评估、个性化反馈和自适应学习路径等创新机会	研究设计异质性大，结果指标缺乏可比性；算法透明度不足；样本量普遍较小；缺乏标准化的评估指标和充分的外部验证	旨在确定AI技术如何通过数据驱动的洞察和预测分析来增强学员的学习路径和表现，并审视该领域AI算法的现状与应用，识别未来研究方向	聚焦于外科培训、评估和评价中应用AI的研究	机器学习	NA	机器学习，聚类分析，深度学习，卷积神经网络，支持向量机	机器学习，深度学习，CNN，支持向量机	NA	共分析了56项符合纳入标准的研究	NA	卷积神经网络	NA	NA
396	2025-12-09	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究开发了一种基于数字病理图像的基础AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	利用自监督学习在超过130万个图像块上训练基础模型，并在多国队列中验证其预测生存结果和辅助化疗获益的能力	需要前瞻性验证以确认其临床适用性	开发并验证一种基于数字病理图像的AI模型，用于预测胃肠道癌症患者的预后和辅助化疗获益	胃肠道癌症患者，包括胃癌、食管癌和结直肠癌	数字病理	胃肠道癌症	苏木精和伊红染色组织病理学	深度学习	图像	104,876张全切片图像，涉及1,619名胃癌和食管癌患者及2,594名结直肠癌患者	NA	NA	一致性指数，5年生存率	NA
397	2025-12-09	Analyzing Information Disparities across Modalities in Mortality Prediction 2025-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.30.25339162 PMID:41282941	研究论文	本研究比较了原始胸部X光片与放射学报告在ICU患者30天出院后死亡率预测中的效用，发现结合原始X光片与出院记录能获得最佳性能	系统比较了原始胸部X光图像与放射学报告在死亡率预测中的影响，揭示了图像比文本报告包含更丰富的预后信号	研究基于MIMIC-IV数据集的过滤子集（n=1,360），样本量有限，可能影响结果的泛化性	评估不同数据模态（原始图像与文本报告）在临床预测中的比较效用，以优化模态选择	重症监护室（ICU）患者	自然语言处理,计算机视觉	NA	深度学习	Vision-Language Model (VLM)	图像,文本	1,360名患者（来自MIMIC-IV数据集的过滤子集）	NA	Vision-Language Model	AUROC	NA
398	2025-12-09	Artificial intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study 2025-Nov-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002922 PMID:40638258	研究论文	本研究开发了一种基于Transformer的深度学习模型COFFEE，用于精确分类结直肠癌肝转移的组织病理学生长模式，并在前瞻性研究中验证了其辅助诊断价值	首次将Transformer架构与多实例学习框架结合，用于结直肠癌肝转移组织病理学生长模式的精确分类，并开发了AI辅助诊断系统提升病理医生诊断效率	样本量相对有限（431例患者），前瞻性队列规模较小（30例），需要更大规模的多中心验证	开发人工智能辅助工具以提高结直肠癌肝转移组织病理学生长模式的诊断精度和手术评估效率	结直肠癌肝转移患者的组织病理学全切片图像	数字病理学	结直肠癌	全切片图像分析	Transformer, 深度学习	图像	431例结直肠癌肝转移患者的全切片图像（训练297例，测试104例，前瞻性30例），另使用TCGA-COAD队列1442张全切片进行预训练	PyTorch	Vision Transformer, TransMIL	AUC, 准确率	未明确说明，但涉及大规模全切片图像处理，可能使用GPU加速计算
399	2025-12-09	[Formula: see text] Artificial intelligence as a support to diagnose ADHD: an insight of unorthodox approaches: a scoping review 2025-Nov, Child neuropsychology : a journal on normal and abnormal development in childhood and adolescence IF:1.6Q3 DOI:10.1080/09297049.2025.2468411 PMID:41071049	综述	本文是一篇范围综述，系统分析了人工智能在注意力缺陷多动障碍诊断中的应用，涵盖脑成像、脑活动监测、行为评估等多种方法	系统梳理了过去二十年人工智能在ADHD诊断中的非传统方法应用，强调了机器学习与深度学习算法的高诊断准确率，并倡导AI工具与传统临床评估相结合的混合方法	存在算法偏见、数据质量不一致以及需要更广泛多样化数据集等挑战，AI在治疗监测和个性化干预中的应用仍需未来研究	评估人工智能在ADHD检测和评估中的作用，探索其诊断潜力	ADHD患者，涉及脑成像、脑活动、行为及认知数据	自然语言处理, 机器学习	注意力缺陷多动障碍	脑成像（MRI）、脑活动监测（EEG和ECG）、行为评估、虚拟现实测试、运动追踪传感器	CNN, SVM, NLP模型	图像, 信号, 文本	NA	NA	卷积神经网络, 支持向量机	诊断准确率（70%至95%）	NA
400	2025-12-09	ResNet50 and Single-Cell Multi-Omics analysis identify key cellular and molecular features in pediatric acute lymphoblastic leukemia 2025-Nov, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-025-06675-6 PMID:41125957	研究论文	本研究通过整合基于深度学习的图像分析与单细胞转录组学和T细胞受体测序，探索了儿童急性淋巴细胞白血病的细胞和分子特征	首次将ResNet50深度学习模型用于白血病单细胞图像分类，并结合单细胞多组学数据揭示疾病机制和潜在生物标志物	未提及样本量是否足够大以覆盖所有亚型，且模型性能仍有提升空间	旨在改善儿童急性淋巴细胞白血病的早期诊断、复发预测和个体化治疗	儿童急性淋巴细胞白血病患者的单细胞图像和分子数据	数字病理学	急性淋巴细胞白血病	单细胞转录组测序, T细胞受体测序	CNN	图像, 单细胞RNA测序数据	NA	NA	ResNet50	准确率, AUC	NA