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
1161	2025-12-23	Identifying co-occurrences of message chains and member ignoring method in android applications using static program analysis and dynamic stacking ensemble 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27817-w PMID:41419514	研究论文	本文提出一种结合静态程序分析和动态堆叠集成学习的方法，用于检测Android应用中消息链与成员忽略方法这两种代码坏味的共现现象	首次针对Android特定代码坏味（MC与MIM）的共现检测提出集成方案，开发了自动化样本生成工具ASSD，并设计了动态堆叠集成与后向消除策略	方法主要针对Android平台，未验证在其他移动平台或通用软件中的适用性；样本生成依赖特定工具链	检测Android应用中代码坏味的共现模式以提升软件可维护性	Android应用程序代码	软件工程	NA	静态程序分析，集成学习	传统机器学习模型，深度学习模型	代码文本	通过ASSD工具生成的标注正负样本集	NA	动态堆叠集成（包含5个传统机器学习模型和3个深度学习模型）	F1分数，马修斯相关系数（MCC）	NA
1162	2025-12-23	Firearm classification from acoustic signals using combined mel spectrogram, MFCC, LFCC, and CRNN networks 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27949-z PMID:41419548	研究论文	本文提出了一种基于声学信号处理与深度学习相结合的方法，用于从枪声信号中分类枪支类型	提出了一种新颖的MLFCC特征集，结合了梅尔频谱图、MFCC和LFCC特征，并利用CRNN网络进行实时枪支分类	系统对极端环境条件敏感，可能影响分类性能	开发一个能够实时、准确分类枪支类型的声学信号处理系统	枪声的声学信号	机器学习	NA	声学信号处理	CRNN	音频信号	NA	NA	CRNN	准确率, 计算效率	NA
1163	2025-12-23	Non-invasive anemia detection from conjunctiva and sclera images using vision transformer with attention map explainability 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32343-w PMID:41419564	研究论文	提出了一种基于结膜和巩膜图像的非侵入性贫血检测方法，利用Vision Transformer模型实现高精度分类	首次将Vision Transformer模型应用于结膜-巩膜图像的贫血检测，并结合可解释性技术提供模型决策的视觉依据	未明确说明数据集的多样性和泛化能力，未提及模型在临床环境中的实际验证情况	开发非侵入性贫血检测方法以减少传统侵入式诊断的需求	结膜和巩膜图像	计算机视觉	贫血	图像分析	Vision Transformer (ViT)	图像	NA	NA	Vision Transformer	准确率	NA
1164	2025-12-23	Dehaze-attention: enhancing image dehazing with a multi-scale, attention-based deep learning framework 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27959-x PMID:41419565	研究论文	本研究提出了一种名为Dehaze-Attention的多尺度注意力深度学习框架，用于增强图像去雾效果	引入了注意力机制和多尺度网络结构，以动态聚焦相关特征并处理不同密度的雾霾，同时结合全局和局部特征分析	NA	改进图像去雾技术，以处理复杂大气条件下的可变雾霾密度，并保持图像结构信息	从UDTIRI数据集合成的雾霾图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	多尺度注意力网络	PSNR, SSIM	NA
1165	2025-12-23	ProjFusNet: deep neural network for peptide precursor prediction using projection-fused protein language model and structural features 2025-Dec-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01117-x PMID:41419957	研究论文	本文提出了一种名为ProjFusNet的深度学习框架，用于整合蛋白质序列和结构特征以预测肽前体	通过投影融合策略整合ESM-2的进化尺度蛋白质序列表示与结构特征，并利用双向LSTM建模序列与结构间的复杂相互作用	未在摘要中明确说明	准确识别肽前体，以阐明生命调控机制和开发新型疗法	肽前体序列	自然语言处理	NA	深度学习	双向LSTM	序列数据, 结构特征	NA	NA	ProjFusNet	ACC, SN, AUC, SP, MCC	NA
1166	2025-12-23	A computer vision and dynamic strain fusion approach for urban bridge weigh-in-motion 2025-Dec-12, Communications engineering DOI:10.1038/s44172-025-00544-w PMID:41388159	研究论文	本文提出了一种结合计算机视觉和结构应变传感的视频-应变反演估计系统，用于测量桥梁上的动态车辆载荷	融合计算机视觉与动态应变传感，开发轻量级深度学习检测器和多目标跟踪模型，实现低成本、高精度的城市桥梁动态称重	NA	开发一种低成本、可靠的动态称重系统，用于城市桥梁安全监测和数字孪生支持	城市桥梁上的动态车辆载荷	计算机视觉	NA	计算机视觉, 结构应变传感	深度学习检测器, 多目标跟踪模型	视频, 应变数据	来自交通繁忙城市桥梁的现场数据	NA	NA	准确率, 误检率, 误差百分比	NA
1167	2025-12-23	Accuracy of deep learning-based AI models for early caries lesion detection: the influence of annotation quality and reference choice 2025-Dec-04, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-025-06672-z PMID:41339765	研究论文	本研究评估了不同标注方法和评估参考标准对基于深度学习的早期龋齿病变检测AI模型准确性的影响	揭示了评估参考标准的选择对AI模型性能评估的显著影响，而训练中的标注策略对准确性无显著差异	研究仅基于ACTA-DIRECT数据集，未在其他数据集上验证，且未探讨模型泛化能力	评估标注质量和参考标准选择对AI模型在早期龋齿病变检测中准确性的影响	早期龋齿病变	计算机视觉	龋齿	微CT	深度学习模型	图像	ACTA-DIRECT数据集	NA	NA	诊断准确性	NA
1168	2025-12-23	Artificial inteligence reading of cystometric traces provides good correlation with human diagnosis 2025-Dec-04, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06097-z PMID:41342912	研究论文	本研究评估了基于人工智能的膀胱测压图分类与人类专家诊断之间的相关性，旨在自动化解释过程并减少观察者间差异	结合图像基础的CNN-VGG16深度学习与基于小波的机器学习方法，并集成异常检测处理伪影，提高了诊断准确性	研究为回顾性、单中心设计，样本量有限，且未提供定量指标	评估人工智能在膀胱测压图解释中的诊断准确性，以自动化并标准化尿动力学研究	成人膀胱测压图轨迹	机器学习	下尿路功能障碍	膀胱测压术	CNN, 机器学习	图像, 信号	517个膀胱测压图轨迹（200个用于训练，317个用于测试）	NA	VGG16	准确率, 特异性, 敏感性	NA
1169	2025-12-23	Application of Deep Learning-Based Multimodal Data Fusion for the Diagnosis of Skin Neglected Tropical Diseases: Systematic Review 2025-Dec-04, JMIR AI DOI:10.2196/67584 PMID:41344666	系统综述	本文系统综述了基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的应用	首次系统性地回顾了深度学习多模态数据融合方法在皮肤被忽视热带病诊断领域的应用，并分析了其性能提升、算法使用现状及未来研究方向	现有研究数量较少（仅14篇），数据稀缺，且未充分探讨模型在资源受限地区的实际应用可行性	评估基于深度学习的多模态数据融合方法在皮肤被忽视热带病及相关皮肤病诊断中的有效性、算法应用现状及潜在风险	皮肤被忽视热带病及相关非NTD皮肤病的诊断研究	数字病理学	皮肤被忽视热带病	多模态数据融合	CNN, Transformer, RNN, 生成模型	多模态数据（可能包括图像、文本等）	NA	NA	基于CNN的模型, Transformer, RNN, 生成模型	NA	NA
1170	2025-12-23	Machine learning models for predicting vasospasm following ruptured intracranial aneurysms: a systematic review and meta-analysis 2025-Dec-03, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-025-06725-y PMID:41339534	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了机器学习模型在预测动脉瘤性蛛网膜下腔出血后血管痉挛方面的性能	首次对机器学习预测动脉瘤性蛛网膜下腔出血后血管痉挛的研究进行系统综述和荟萃分析，比较了不同机器学习方法的性能	研究存在方法学异质性、外部验证有限、缺乏前瞻性试验，患者选择和缺乏外部验证导致偏倚风险	评估机器学习模型预测动脉瘤性蛛网膜下腔出血后血管痉挛的准确性和临床应用潜力	动脉瘤性蛛网膜下腔出血患者	机器学习	脑血管疾病	NA	深度学习, 回归模型, 集成方法, SVM	临床数据和影像数据	12项研究，包含25个机器学习模型	NA	人工神经网络, 随机森林	灵敏度, 特异性, AUC-ROC, NPV, PPV	NA
1171	2025-12-23	Deep Learning Algorithm for the Diagnosis and Prediction of Hydroxychloroquine Retinopathy: An International, Multi-institutional Study 2025-Dec, Ophthalmology. Retina DOI:10.1016/j.oret.2025.06.003 PMID:40513830	研究论文	本研究开发了一种名为HCQuery的深度学习算法，用于从光谱域OCT图像中检测羟氯喹视网膜病变并预测其未来发生	提出了一种能够早期预测羟氯喹视网膜病变的深度学习算法，平均可提前2.74年识别病变	研究基于回顾性数据，且样本来自多个国际临床中心，可能存在数据异质性和选择偏倚	开发并验证一种深度学习算法，用于羟氯喹视网膜病变的诊断和预测	服用羟氯喹的患者及其SD-OCT图像	数字病理学	视网膜病变	光谱域OCT成像	CNN	图像	409名患者（171例阳性，238例阴性），8251张SD-OCT B扫描图像（1988个体积）	NA	EfficientNet-b4	灵敏度, 特异性, 准确率, 阴性预测值, 阳性预测值, AUC, 精确率-召回率曲线下面积	NA
1172	2025-12-23	Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy 2025-Dec, La Radiologia medica DOI:10.1007/s11547-025-02089-6 PMID:40932678	系统综述与荟萃分析	本文系统回顾并荟萃分析了基于深度学习的网络在利用计算机断层扫描图像预测脑出血患者血肿扩张方面的诊断准确性	首次对深度学习在预测脑出血血肿扩张方面的诊断准确性进行系统综述和荟萃分析，并比较了纯深度学习模型与组合模型的性能	纳入研究存在异质性，可能受到分割技术和研究质量差异的影响	评估深度学习模型在预测脑出血患者血肿扩张方面的诊断准确性	脑出血患者	医学影像分析	脑出血	计算机断层扫描	深度学习网络	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积	NA
1173	2025-12-22	Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.107166 PMID:40900875	综述	本文综述了人工智能（AI）在眼科疾病筛查和诊断中的应用，特别是针对糖尿病视网膜病变等常见眼病	全面总结了AI在眼科的应用现状，并探讨了AI与远程医疗结合的未来前景	实施AI算法仍面临挑战，尤其是在发展中国家	探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景	糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病	机器学习	糖尿病视网膜病变	NA	深度学习	NA	NA	NA	NA	NA	NA
1174	2025-12-22	Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions 2025-Dec-20, World journal of methodology DOI:10.5662/wjm.v15.i4.105516 PMID:40900876	综述	本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值	整合多组学数据和先进影像技术，利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力	纳入研究的时间范围限定在2010-2024年，且样本量要求较大（≥500），可能遗漏早期或小样本的重要研究	评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用	2010年至2024年间发表的、关注牙周病与系统性疾病（如2型糖尿病、心血管疾病等）相互作用的研究	自然语言处理, 机器学习, 数字病理学	牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症	多组学数据整合, 锥形束计算机断层扫描, 磁共振成像	机器学习, 深度学习, 自然语言处理	结构化临床数据, 影像数据, 临床笔记文本	≥500名参与者，部分研究样本量为1000-1500	NA	NA	诊断准确率, 特异性, 敏感性	NA
1175	2025-12-22	Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27919-5 PMID:41413105	研究论文	本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测	引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息	未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响	提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作	遥感图像中的储罐（storage tanks）	计算机视觉	NA	遥感成像	CNN	图像	总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集	PyTorch（基于YOLO-v10框架推断）	YOLO-v10（集成圆形边界框和LSK模块）	精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5）	NA
1176	2025-12-22	A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27827-8 PMID:41413097	研究论文	本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题	提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合	研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力	开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性	铁路轨道损伤，包括细微裂纹和缺失紧固件	计算机视觉	NA	NA	YOLO	图像	NA	NA	YOLOv10n, StarNet, BiFPN	精确率, 召回率, mAP	NA
1177	2025-12-22	A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105209 PMID:40914189	研究论文	本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病	创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性	研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限	开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底	来自八个医疗中心的2165名患者的眼底图像	计算机视觉	视网膜疾病	眼底成像	深度学习模型	图像	2165名患者（训练和验证集）和769名患者（外部测试集）	PyTorch, Scikit-learn	U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet	准确率, AUC, 召回率, ROC分析, Dice相似系数	NA
1178	2025-12-22	Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease 2025-Dec, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70076 PMID:41041724	研究论文	本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生	首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物	研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证	探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据	帕金森病患者的丘脑底核活动记录	机器学习	帕金森病	脑深部电刺激记录、传感式DBS设备记录	深度神经网络	神经电生理信号	NA	NA	NA	NA	NA
1179	2025-12-22	Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation 2025-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.105294 PMID:41274329	研究论文	本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异	数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证	评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能	面部紫外诱导荧光图像中的卟啉和皮脂区域	计算机视觉	痤疮	紫外诱导荧光成像	CNN, GAN	图像	49名受试者的294张面部荧光图像	NA	UNet, pix2pix	IoU, Dice系数	NA
1180	2025-12-22	Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study 2025-Dec, Bioelectromagnetics IF:1.8Q3 DOI:10.1002/bem.70038 PMID:41416407	研究论文	本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法	首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径	AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断	开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径	射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响	自然语言处理	NA	自然语言处理, 深度学习	NA	文本	12位专家参与构建知识图谱	NA	NA	NA	NA