深度学习在生物医药领域中的应用

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
81	2025-07-16	Neurofusionnet: a comprehensive framework for accurate epileptic seizure prediction from EEG data with hybrid meta-heuristic optimization algorithm 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10293-3 PMID:40661693	研究论文	本文提出了一种名为Neurofusionnet的综合框架，用于从EEG数据中准确预测癫痫发作，结合了混合元启发式优化算法	提出了一种新的检测模型NeuroFusionNet，结合了多种深度学习网络和改进的混合优化算法，以提高癫痫发作预测的准确性和鲁棒性	NA	开发一个全面的框架，用于从EEG数据中准确预测癫痫发作	癫痫患者的EEG数据	数字病理学	癫痫	EEG数据处理、独立成分分析、小波变换、傅里叶变换	NeuroFusionNet（结合Improved ShuffleNet V2、SqueezeNet、EfficientNet V2和基于Multi Head Attention的GhostNet V2）	EEG数据	NA
82	2025-07-12	A practical guide for nephrologist peer reviewers: evaluating artificial intelligence and machine learning research in nephrology 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2513002 PMID:40620096	研究论文	本文为肾脏病学领域的同行评审者提供了一个评估人工智能和机器学习研究的实用指南	整合了TRIPOD-AI清单，提出了一个结构化框架，以提升AI研究的可重复性、临床相关性和公平性	未提及具体研究案例的局限性，主要聚焦于通用框架的构建	提高肾脏病学中AI/ML研究的质量和临床可靠性	肾脏病学中的人工智能和机器学习研究	机器学习	肾脏疾病	AI/ML模型，包括卷积神经网络和预测建模	CNN, 预测模型	电子健康记录、影像学数据和生物标志物	NA
83	2025-07-12	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	research paper	本研究开发了一种基于多参数MRI的自动分割和诊断模型，用于区分颅内孤立性纤维瘤和脑膜瘤	结合VB-Net深度学习网络进行自动分割，并利用机器学习构建单序列和多序列MRI模型，进一步结合临床/放射学特征开发融合指数相关模型	研究样本量相对有限，且未提及外部验证集的性能表现	术前准确区分颅内孤立性纤维瘤和脑膜瘤，以支持手术规划和治疗策略制定	252名患者（56例SFTs和196例脑膜瘤）的MRI数据	digital pathology	brain tumor	MRI	VB-Net, machine learning models	MRI图像	252名患者（56例SFTs和196例脑膜瘤）
84	2025-07-10	Integrating artificial intelligence in healthcare: applications, challenges, and future directions 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2527505 PMID:40616302	综述	本文探讨了人工智能在医疗保健领域的应用、挑战及未来发展方向	综述了AI在癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划中的创新应用	面临数据隐私、算法偏见和监管问题等挑战	探索人工智能在医疗保健领域的应用潜力及面临的挑战	癌症检测、牙科医学、脑肿瘤数据库管理和个性化治疗规划	医疗人工智能	癌症、脑肿瘤	机器学习和深度学习	NA	医学影像、遗传数据、临床数据和生活方式数据	NA
85	2025-07-09	CnnBoost: a multilevel explainable stacked ensemble framework for effective detection of Myocardial Infarction from 12-lead ECG images using a transformational approach 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00357-3 PMID:40626266	研究论文	开发了一个可解释的机器学习框架CNNBoost，用于从12导联ECG图像中有效检测心肌梗死和其他心脏异常	提出了CNNBoost，一种多级可解释堆叠集成模型，结合CNN提取的空间特征和时间序列数据，通过XGBoost处理，提高了ECG分类的准确性和可解释性	研究使用的ECG图像数据来自南亚的健康中心，可能在其他地区或人群中的适用性有限	开发一个可解释的机器学习框架，用于自动分类心肌梗死和其他心脏异常	12导联ECG图像	数字病理	心血管疾病	CNN, XGBoost, SHAP	CNN, XGBoost	图像	公开可用的ECG图像数据集，包含四类：正常、异常、心肌梗死(MI)和既往MI病史
86	2025-07-08	JuryFusionNet: a Condorcet's jury theorem-based CNN ensemble for enhanced monkeypox detection from skin lesion images 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00355-5 PMID:40620825	研究论文	本文提出了一种基于Condorcet陪审团定理的CNN集成方法JuryFusionNet，用于从皮肤病变图像中增强猴痘检测	利用Condorcet陪审团定理(CDJT)融合CNN模型，提高准确率的同时降低计算复杂度，无需元学习器	需要验证在更大规模和多中心数据集上的泛化能力	提高猴痘皮肤病变图像的自动检测准确率	猴痘皮肤病变图像	计算机视觉	猴痘	迁移学习(TL)，挤压激励(SE)模块	CNN集成(DenseNet169, DenseNet201, MobileNet, ResNet50V2)	图像	MSID数据集770张图像(4类)，MSLD数据集3192个样本(2类)
87	2025-07-06	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在预测心脏导管实验室（cath lab）手术结束时间方面的性能	仅使用视频分析得出的临床阶段作为算法输入，InceptionTime和LSTM-FCN模型实现了最准确的预测	需要在不同的手术环境中验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测手术结束时间方面的性能，以提高心脏导管实验室的效率	心脏导管实验室（cath lab）的手术	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, standard LSTM, CNN, Transformer	视频	NA
88	2025-07-06	MLP-UNet: an algorithm for segmenting lesions in breast and thyroid ultrasound images 2025-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2523266 PMID:40580163	研究论文	提出了一种名为MLP-UNet的深度学习模型，用于自动分割乳腺和甲状腺超声图像中的病变区域	MLP-UNet采用U形编码器-解码器架构，并在编码器阶段集成了基于MLP的模块（MAP），同时在跳跃连接中使用了轻量级注意力模块以增强特征表示	NA	提高乳腺和甲状腺超声图像中病变分割的准确性和实时性，以指导活检和手术中的精确针头放置	乳腺肿瘤和甲状腺结节	计算机视觉	乳腺癌, 甲状腺癌	深度学习	MLP-UNet	超声图像	使用了BUSI和DDTI两个数据集进行验证
89	2025-07-06	AgCV: An Agentic framework for automating computer vision application 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103424 PMID:40612263	研究论文	本文提出了一个名为Agentic Computer Vision (AgCV)的框架，旨在通过自主代理自动化复杂的计算机视觉任务	AgCV框架结合了LangGraph、自然语言处理、深度学习和数据科学，构建了自适应、用户驱动的计算机视觉流程，并通过用户交互实现全自动化流水线	NA	自动化复杂的计算机视觉任务，降低技术门槛，提升计算机视觉应用的可访问性、可扩展性和灵活性	计算机视觉任务，如图像识别、分类和分割	计算机视觉	NA	自然语言处理、深度学习、数据科学	LangGraph、RAG	图像	NA
90	2025-07-05	Application of deep learning for multi-scale behavioral analysis in SNCA E46K Parkinson's disease drosophila 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10294-2 PMID:40605911	研究论文	本文介绍了一种自动化的多尺度行为表型分析流程，用于基于运动特征分类与帕金森病相关的表型	结合无标记姿态估计和无监督聚类技术，从果蝇的自发行为序列中提取运动特征和行为模式，提高了帕金森病症状识别的准确性	仅使用果蝇作为模型生物，结果可能不完全适用于人类帕金森病研究	开发一种客观且可扩展的方法来分析果蝇中与帕金森病相关的行为	野生型和Synuclein Alpha E46K突变型果蝇	数字病理学	帕金森病	无标记姿态估计，无监督聚类	深度学习	视频	未明确提及样本数量，使用野生型和突变型果蝇
91	2025-07-05	Mifnet: a MamBa-based interactive frequency convolutional neural network for motor imagery decoding 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10287-1 PMID:40605914	research paper	提出了一种基于MamBa的交互式频率卷积神经网络MIFNet，用于解码运动想象（MI）脑电图（EEG）信号	MIFNet通过非重叠频率分解、ConvEncoder模块和基于MamBa的时间模块，系统整合了频谱、空间和时间特征提取，有效解决了现有方法在捕获全局时间依赖性、保持位置一致性和计算效率方面的局限性	未提及具体局限性	提高运动想象（MI）脑电图（EEG）信号的解码性能	运动想象（MI）脑电图（EEG）信号	脑机接口（BCI）	NA	非重叠频率分解、选择性状态空间模型（SSMs）	CNN与SSMs的混合模型	EEG信号	三个公共MI-EEG数据集（BCIC-IV-2A、OpenBMI和High Gamma）
92	2025-07-05	CT-based deep learning radiomics analysis for preoperative Lauren classification in gastric cancer and explore the tumor microenvironment 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100667 PMID:40607047	研究论文	本研究探讨了基于CT的深度学习放射组学分析在胃癌Lauren分型术前区分中的有效性，并探索了肿瘤微环境	结合放射组学特征和临床信息构建的列线图在区分Lauren分型方面表现出色，并通过转录组学分析揭示了不同Lauren亚型间的微环境异质性	研究样本量有限，且外部验证队列的样本量相对较小	术前区分胃癌Lauren分型并探索肿瘤微环境	胃癌患者	数字病理	胃癌	CT成像，RNA测序	深度学习放射组学分析(DLRA)	CT图像，RNA测序数据	578名患者（训练队列311人，内部验证队列132人，外部验证队列135人）
93	2025-06-23	Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2520401 PMID:40531801	research paper	该研究利用2.5D磁共振成像和深度学习模型对腮腺肿瘤进行良恶性鉴别诊断	首次将2.5D成像方法与基于transformer的迁移学习模型相结合用于腮腺肿瘤诊断	回顾性研究且样本量较小（122例）	提高腮腺肿瘤术前诊断准确性以指导手术方案制定	腮腺肿瘤患者	digital pathology	parotid gland tumors	MRI	transformer-based transfer learning model	2.5D magnetic resonance images	122例腮腺肿瘤患者
94	2025-06-22	MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10277-3 PMID:40538970	research paper	提出了一种名为MBRSTCformer的知识嵌入局部-全局时空变换器，用于基于EEG的情绪识别	结合大脑认知机制，提出了多脑区协作网络和级联金字塔空间融合时间卷积网络，以更好地提取脑区局部特征	NA	开发一种鲁棒的基于EEG的情绪识别模型	EEG信号	machine learning	NA	EEG	transformer (MBRSTCformer), CNN	EEG信号	两个主流情绪识别数据集（DEAP和DREAMER）
95	2025-06-15	The performance of artificial intelligence in image-based prediction of hematoma enlargement: a systematic review and meta-analysis 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2515473 PMID:40497430	系统综述与荟萃分析	本文系统综述和荟萃分析了人工智能在基于图像的脑血肿扩大预测中的性能表现	首次对人工智能在脑血肿扩大预测中的性能进行系统评价和荟萃分析，比较了机器学习和深度学习的表现	纳入研究的样本量和方法学质量存在异质性，部分研究数据不完整	评估人工智能算法在预测脑血肿扩大方面的诊断性能	脑出血患者的CT影像数据	数字病理学	脑血管疾病	CT影像分析	机器学习(ML)和深度学习(DL)	医学影像	36篇文献纳入定性分析，其中23篇用于定量分析
96	2025-06-05	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	research paper	该研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发	开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率超过其他预测方法	模型训练数据仅包含229个单克隆抗体的粘度数据，可能影响模型的泛化能力	开发预测模型以筛选高浓度单克隆抗体，改善其制造和配方特性	229个单克隆抗体的粘度数据	machine learning	NA	DeepSP模型	ensemble artificial neural network	sequence-based features	229个单克隆抗体
97	2025-06-01	Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10262-w PMID:40438089	研究论文	本文提出了一种结合多级Transformer和域对抗学习的多模态睡眠分期网络，用于同时处理脑电图和眼电图信号	引入多级Transformer结构捕获单模态内和多模态间的时间依赖性，并采用域对抗学习提升模型跨域泛化能力	未明确说明模型在更大规模或更复杂数据集上的表现	开发高精度的自动睡眠分期方法以辅助睡眠障碍诊断	多模态睡眠信号（脑电图和眼电图）	数字病理学	睡眠障碍	深度学习	Transformer + CNN	时间序列信号	两个常用数据集（未明确样本数量）
98	2025-05-26	Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00354-6 PMID:40406365	研究论文	本文提出了一种基于深度学习的创新方法，用于胃肠道系统病理区域的自动分割和分类	开发了新型分割网络GISegNet，并提出了一种结合transformer模型特征和mRMR算法优化的混合深度学习方法	研究仅基于Kvasir数据集进行验证，未在其他数据集上测试泛化能力	提高胃肠道系统异常的自动检测和分类准确率	胃肠道系统异常	计算机视觉	胃肠道疾病	深度学习	GISegNet, DeiT, ViT, SVM	内窥镜图像	Kvasir数据集
99	2025-05-24	Cerebral ischemia detection using deep learning techniques 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00352-8 PMID:40400660	research paper	该研究利用深度学习技术检测脑缺血，旨在通过NCCT扫描早期识别中风症状	采用多种知名深度学习架构（VGG3D、ResNet3D和DenseNet3D）处理3D脑部图像，DenseNet3D模型表现最佳	研究未提及模型在临床环境中的实际应用效果或跨中心验证结果	开发基于NCCT的早期中风检测系统以减少死亡率和残疾率	出现中风症状患者的NCCT扫描图像	digital pathology	cardiovascular disease	NCCT成像	VGG3D, ResNet3D, DenseNet3D	3D医学图像	NA
100	2025-05-24	Convolutional autoencoder-based deep learning for intracerebral hemorrhage classification using brain CT images 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10259-5 PMID:40401248	研究论文	本文提出了一种基于卷积自编码器（CAE）和密集神经网络（DNN）的混合深度学习模型，用于通过脑部非对比计算机断层扫描（NCCT）图像自动诊断脑内出血（ICH）	结合CAE进行特征提取和降维，以及DNN进行分类，模型在准确率、敏感性、特异性、精确度和F1分数上均优于现有方法，并能通过显著性图突出显示与ICH密切相关的区域	研究数据集仅来自单一医疗中心，样本量相对有限，可能影响模型的泛化能力	开发一种自动化的ICH诊断方法，以解决专家读取不足和观察者间变异性的问题	脑内出血（ICH）患者和非出血性卒中患者的脑部NCCT图像	数字病理学	脑内出血	非对比计算机断层扫描（NCCT）	卷积自编码器（CAE）和密集神经网络（DNN）	图像	3293张标记图像（1645张ICH类，1648张正常类），来自108名患者