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
601	2025-12-01	Deep Learning for Pathology: YOLOv8 with EigenCAM for Reliable Colorectal Cancer Diagnostics 2025-Nov-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111203 PMID:41301159	研究论文	提出结合YOLOv8架构和EigenCAM的深度学习框架，用于结直肠癌的多类别病变分类和可解释诊断	首次将YOLOv8架构与EigenCAM结合，在保持高精度的同时提供可视化模型解释，优于现有CNN和Transformer系统	仅使用单一医疗中心的5000张切片数据，需要更多外部验证	开发可靠且可解释的AI辅助结直肠癌诊断系统	结直肠癌组织病理切片	数字病理学	结直肠癌	苏木精-伊红染色	YOLOv8	图像	5000张苏木精-伊红染色切片，涵盖8种组织类型	NA	YOLOv8 Nano, YOLOv8 Small, YOLOv8 Medium, YOLOv8 Large, YOLOv8 XLarge	训练准确率, 测试准确率	NA
602	2025-12-01	Marker-Less Lung Tumor Tracking from Real-Time Color X-Ray Fluoroscopic Images Using Cross-Patient Deep Learning Model 2025-Nov-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12111197 PMID:41301153	研究论文	提出一种基于跨患者深度学习模型的无标记肺部肿瘤追踪框架，通过图像增强和分割技术实现实时X射线荧光图像中的肿瘤跟踪	开发了无需患者特定重新训练的跨患者深度学习模型，创新性地使用退化模型生成模拟数据训练Restormer网络进行图像增强	需要进一步的大规模验证以确认广泛的临床适用性，目前仅基于7名患者的数据进行可行性研究	开发无标记肿瘤追踪方法以替代侵入性基准标记植入	肺癌患者的X射线荧光图像和数字重建放射图像	计算机视觉	肺癌	X射线荧光成像，数字重建放射图像	深度学习	医学图像	7名肺癌患者的100个不同治疗区域	NA	Restormer, DUCK-Net	3D欧几里得肿瘤中心追踪误差，方向误差(LR,SI,AP)，处理时间	NA
603	2025-12-01	Radiological evaluation and clinical implications of deep learning- and MRI-based synthetic CT for the assessment of cervical spine injuries 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11644-8 PMID:40335658	研究论文	评估基于深度学习和MRI的合成CT在颈椎损伤诊断中的有效性	首次在颈椎损伤评估中验证MRI-based合成CT的诊断有效性，提供无辐射的骨组织可视化方案	样本量较小（37名患者），需更大规模研究验证	评估合成CT在颈椎损伤诊断中的准确性和临床价值	颈椎损伤患者	医学影像分析	颈椎损伤	MRI, CT, 深度学习	深度学习模型	医学影像（MRI和CT图像）	37名患者，44处颈椎骨折	NA	NA	敏感性, ICC, Fleiss' Kappa, 平均绝对误差, 平均绝对皮质表面距离	NA
604	2025-12-01	Predicting treatment response to systemic therapy in advanced gallbladder cancer using multiphase enhanced CT images 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11645-7 PMID:40341972	研究论文	开发并验证基于多期增强CT图像的深度学习放射组学模型，用于预测晚期胆囊癌患者对系统性治疗的反应	首次结合深度学习放射组学特征与临床因素构建预测模型，并利用梯度加权类激活映射提高模型可解释性	研究样本量相对有限（399例），且仅基于四家医疗机构的数据	预测晚期胆囊癌患者对系统性治疗的治疗反应	晚期胆囊癌患者	数字病理	胆囊癌	多期增强CT成像	深度学习	医学影像	399例来自四家医疗机构的胆囊癌患者	NA	NA	AUC, 校准曲线, 临床效用曲线	NA
605	2025-12-01	Leveraging deep learning-based kernel conversion for more precise airway quantification on CT 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11696-w PMID:40405045	研究论文	本研究评估了深度学习核转换技术对减少CT气道量化测量变异性的效果	首次系统评估不同重建核和深度学习核转换对自动化气道定量CT测量的影响	对非肺专用核和亚段水平气道的改善效果有限，样本量相对较小	评估不同CT重建核对气道定量测量变异性的影响及核转换技术的改善效果	96例接受非增强胸部CT扫描的患者	医学影像分析	呼吸系统疾病	CT扫描，深度学习核转换	深度学习	CT影像	96例患者，来自两个医疗中心	NA	NA	方差分析，配对t检验，一致性相关系数(CCC)	NA
606	2025-12-01	Deep learning reconstruction combined with contrast-enhancement boost in dual-low dose CT pulmonary angiography: a two-center prospective trial 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11681-3 PMID:40411550	研究论文	本研究探讨深度学习重建结合对比度增强提升技术在双低剂量CT肺动脉成像中改善图像质量和诊断准确性的效果	首次将深度学习重建与对比度增强提升技术结合应用于双低剂量CT肺动脉成像，实现了在降低辐射和对比剂剂量同时提升图像质量	样本量相对有限（130例患者），仅在两中心开展研究	评估深度学习重建结合对比度增强提升技术在低辐射和低对比剂剂量下对CT肺动脉成像诊断质量的改善效果	疑似肺栓塞患者	医学影像分析	肺栓塞	CT肺动脉成像，深度学习重建，对比度增强提升	深度学习模型	CT医学影像	130例疑似肺栓塞患者	NA	NA	信噪比，对比噪声比，图像质量评分，AUC	NA
607	2025-12-01	Optimizing MRI sequence classification performance: insights from domain shift analysis 2025-Nov, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11671-5 PMID:40418319	研究论文	本研究通过评估预训练模型在成人到儿科MRI数据的领域偏移条件下的表现，优化MRI序列分类性能	首次系统评估CNN-Transformer混合架构(MedViT)在MRI序列分类中的领域偏移问题，并证明专家领域知识调整能显著提升模型性能	研究仅限于成人到儿科MRI数据的领域偏移，未涉及其他类型的领域偏移场景	解决多中心研究中MRI序列分类因成像协议变异导致的领域偏移问题	成人和儿科MRI数据	医学影像分析	NA	MRI成像	CNN, Transformer	医学影像	成人MRI数据集和儿科MRI数据集	NA	ResNet-18, MedViT	准确率, 置信区间	NA
608	2025-12-01	CarsiDock-Cov: A deep learning-guided approach for automated covalent docking and screening 2025-Nov, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.07.043 PMID:41311379	研究论文	提出首个深度学习引导的共价对接方法CarsiDock-Cov，用于自动化共价配体对接和筛选	首个深度学习引导的共价对接方法，结合预训练距离矩阵预测模型和几何优化程序	NA	开发自动化共价对接工具以加速共价药物发现和设计	共价配体与蛋白质复合物	机器学习	NA	共价对接	深度学习	蛋白质-配体复合物结构数据	基于数百万对接复合物预训练	NA	NA	对接精度，筛选性能	NA
609	2025-12-01	Transformer-based optical attenuation compensation and denoising in photoacoustic imaging 2025-Nov, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.11.116004 PMID:41312519	研究论文	提出基于Transformer的生成模型解决线性阵列光声成像中的光学衰减补偿和去噪耦合问题	首次将视觉Transformer架构应用于光声成像的衰减补偿和去噪耦合问题，提出Trans U-Net模型	主要使用模拟数据和仿体数据进行训练，在真实临床数据上的泛化能力需进一步验证	开发深度学习方法来同时解决光声成像中的光学衰减补偿和噪声抑制问题	线性阵列光声成像系统获取的图像数据	医学影像处理	乳腺癌	光声成像	生成对抗网络, U-Net, Transformer	图像	模拟数据、实验仿体数据和小动物肿瘤图像	NA	Pix2Pix, Residual U-Net, Transformer U-Net	PSNR, SSIM, MSE	NA
610	2025-12-01	Relation knowledge distillation 3D-ResNet-based deep learning for breast cancer molecular subtypes prediction on ultrasound videos: a multicenter study 2025-Nov, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03146-7 PMID:40858830	研究论文	开发并验证基于关系知识蒸馏的三维残差网络模型，利用超声视频预测乳腺癌分子亚型	首次将关系知识蒸馏技术应用于三维残差网络，通过超声视频实现乳腺癌分子亚型的四分类预测	回顾性研究设计，样本量相对有限，需要进一步前瞻性验证	开发非侵入性乳腺癌分子亚型预测工具，辅助临床个性化管理	乳腺癌患者及其超声视频数据	计算机视觉	乳腺癌	超声成像	3D-CNN	视频, 图像	882例乳腺癌患者（2375个超声视频和9499张图像），外加86例外部队列患者	NA	3D-ResNet, 2D-ResNet	AUC, 敏感度, 特异度, 准确率, 平衡准确率, 精确率, 召回率, F1分数	NA
611	2025-11-30	Lightweight Hybrid Deep Learning Models for Accurate Classification of Respiratory Conditions from Raw Lung Sounds 2025-Nov-29, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02315-8 PMID:41315171	研究论文	提出一种基于轻量级混合深度学习模型的框架，用于从原始肺音中准确分类十一种呼吸系统疾病	首次使用无需特征工程或预处理的原始肺音数据，结合轻量级混合CNN-LSTM架构实现高精度呼吸病理分类	仅进行了数据集内评估，需要额外临床数据集的外部验证来评估泛化能力	提高呼吸系统疾病诊断准确性，并通过对比分析确定最高效的模型	原始肺听诊音	机器学习	呼吸系统疾病	肺音听诊	CNN, LSTM, 混合CNN-LSTM	音频	两个不同数据集（原始形式和增强后）	NA	混合CNN-LSTM	准确率	NA
612	2025-11-30	Determining optimal strategies for personalized atrial fibrillation treatment in intensive care unit patients using a deep learning-based causal inference approach: rhythm and/or rate control 2025-Nov-29, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf203 PMID:41317034	研究论文	本研究使用基于深度学习的因果推断方法评估ICU房颤患者不同治疗策略（节律控制、心率控制、两者联合或不控制）对死亡率的影响	首次将深度学习因果推断模型应用于ICU房颤患者的个性化治疗策略优化，并识别出不同策略的优势患者亚组	基于观察性数据，可能存在未测量的混杂因素；研究结果需在前瞻性研究中验证	评估ICU房颤患者不同管理策略在降低死亡率方面的效果	重症监护室（ICU）房颤患者	医疗人工智能	心血管疾病	深度学习因果推断	深度学习因果推断模型	电子健康记录	13,583名ICU房颤患者（来自MIMIC-III和MIMIC-IV数据库）	NA	NA	平均处理效应，治疗效应大小	NA
613	2025-11-30	Application and Challenges of Deep Learning in Pulmonary Vessels Segmentation of CTPA Images 2025-Nov-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638808 PMID:41313701	综述	本文系统综述了深度学习在CTPA图像肺血管分割中的应用进展与挑战	首次按数据维度(2D/3D/2.5D)系统分类网络架构并评估临床适应性，提出针对标注稀缺和模型泛化等临床挑战的创新缓解策略	基于文献综述的分析方法，缺乏原始实验验证；仅纳入23项高质量研究，可能存在发表偏倚	评估深度学习在CTPA图像肺血管分割中的技术进展和临床实施挑战	CTPA图像中的肺血管结构	数字病理	肺血管疾病	计算机断层扫描肺血管造影(CTPA)	深度学习	医学影像	23项高质量研究	NA	NA	Dice相似系数(DSC)	NA
614	2025-11-30	Ortho-OPD: an Automatic Osteotomy Planes Design Model for Orthognathic Surgery Based on Deep Learning 2025-Nov-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3638775 PMID:41313700	研究论文	提出基于深度学习的自动截骨平面设计模型Ortho-OPD，用于正颌手术规划	首次结合CNN分割网络和RANSAC算法实现从原始CT数据自动设计正颌手术截骨平面	训练样本量较小（71例），需进一步扩大验证	开发自动化的正颌手术截骨平面设计方法以提升手术规划效率	颅颌面CT数据和正颌手术截骨平面	计算机视觉	牙颌面畸形	CT成像	CNN	3D医学图像（CT）	71个训练样本，31个测试病例	NA	CNN结合RANSAC算法	Dice相似系数，角度误差，最短距离，临床效率	NA
615	2025-11-30	Artificial Intelligence in Pediatric Surgery: From Diagnostics and Preoperative Planning to Risk Stratification: A Comprehensive Review of Current Applications 2025-Nov-28, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2743-4868 PMID:41314409	综述	全面综述人工智能在儿科外科诊断、术前规划、风险分层和手术错误预防四大领域的当前应用	首次系统整合儿科外科四大应用领域的最新进展，突出成人外科与儿科外科在AI转化方面的差异	多数研究为回顾性单中心研究，方法学异质性强，外部验证不足，缺乏前瞻性验证	评估人工智能在儿科外科领域的应用现状和发展前景	儿科外科患者群体	数字病理	儿科外科疾病	深度学习	深度学习模型	医学影像	NA	NA	NA	准确率	NA
616	2025-11-30	Automated Bone Age Assessment and Adult Height Prediction from Pediatric Hand Radiographs via a Cascaded Deep Learning Framework 2025-Nov-26, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02306-9 PMID:41296212	研究论文	提出一种级联深度学习框架，从儿童手部X光片自动评估骨龄并预测成年身高	首次将实例分割与并行ResNet子网络结合的级联框架，实现端到端的骨龄评估和身高预测	仅使用中国儿童数据，模型泛化能力需进一步验证	提高儿科生长评估中骨龄评估和身高预测的客观性和效率	中国儿童手部X光片	计算机视觉	儿科生长发育	X射线成像	CNN, 实例分割, 回归模型	X光图像	8,242张左手X光片	PyTorch	Yolact, ResNet-18	Pearson相关系数, Bland-Altman分析, 平均绝对误差	NA
617	2025-11-30	Towards decoding individual words from non-invasive brain recordings 2025-Nov-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65499-0 PMID:41298362	研究论文	开发了一种从非侵入性脑记录（EEG和MEG）解码单个单词的深度学习流程	首次实现从非侵入性脑记录中解码训练集未出现的单词，并在多设备、多语言、多任务场景下持续优于现有方法	非侵入式记录的解码精度仍受设备类型和实验协议限制，EEG和听力任务比MEG和阅读任务更难解码	构建非侵入式脑信号自然语言解码器	人类脑电信号（EEG/MEG）	脑机接口, 自然语言处理	NA	脑电图（EEG）, 脑磁图（MEG）	深度学习	脑信号时间序列	723名参与者，500万个单词，涵盖三种语言	NA	NA	解码准确率	NA
618	2025-11-30	YOMO TF based edge cloud collaborative surveillance framework for tobacco warehouse safety management 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26011-2 PMID:41298508	研究论文	提出一种基于YOMO-TF的边缘云协同监控框架，用于烟草仓库安全管理	结合YOLO、MobileOne、Transformer和联邦自蒸馏技术，构建自适应深度学习的边缘云协同监控架构	NA	开发实时、隐私保护且可扩展的烟草仓库安全监控解决方案	烟草仓库监控场景中的异常行为检测	计算机视觉	NA	深度学习，联邦学习	YOLO, Transformer, 轻量级CNN	视频，图像	NA	NA	YOLOv8-nano, MobileOne-S, Temporal Shift Transformer (TST)	准确率, 精确率, 召回率, F1分数	边缘设备，云平台
619	2025-11-30	Dual-modality fusion for mango disease classification using dynamic attention based ensemble of leaf & fruit images 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26052-7 PMID:41298556	研究论文	提出一种基于动态注意力机制的双模态融合方法，结合芒果叶片和果实图像进行疾病分类	引入模态注意力融合机制动态加权不同模态的预测结果，并采用类别感知的数据增强策略	未明确说明模型在复杂田间环境下的鲁棒性验证	提高芒果疾病分类的准确性和泛化能力	芒果叶片和果实图像	计算机视觉	植物疾病	深度学习	CNN	图像	未明确说明具体样本数量	Django	ResNet-50, MobileNetV2, EfficientNet-B0, ConvNeXt	准确率, F1分数, ROC-AUC	NA
620	2025-11-30	Transformer-based deep learning for adaptive pedagogy under uncertain student preferences 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25996-0 PMID:41298579	研究论文	提出一种基于Transformer的深度学习框架SRE-TransformerNet，用于在不确定学生偏好的情况下实现自适应教学	融合Swin Transformer、ResNet和EfficientNet三种架构，并引入三种新型预处理技术（ARS、FFWA、UDT）和三种新评估指标（CSS、TCI、MCIM）	未明确说明数据收集的具体限制和模型在不同教育场景中的泛化能力	开发能够适应多样化学习行为和个人偏好的个性化教育系统	学生学习行为和偏好	机器学习	NA	深度学习	Transformer, CNN	教育行为数据	NA	NA	Swin Transformer, ResNet, EfficientNet	F1-score, AUC, accuracy, recall, CSS, TCI, MCIM	NA