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
1921	2025-10-06	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	提出一种可解释的多层次堆叠集成框架CNNBoost，用于从12导联心电图图像中有效检测心肌梗死	提出结合CNN空间特征和XGBoost的堆叠集成模型，能够同时学习时空特征，并引入SHAP可解释性分析	使用南亚健康中心的公开数据集，可能存在地域代表性限制	开发可解释的机器学习框架用于心电图异常分类	心肌梗死和其他心脏异常的心电图图像	计算机视觉	心血管疾病	心电图图像分析	CNN, XGBoost	图像, 时间序列	NA	XGBoost	CNN, 堆叠集成模型	准确率, AUC, AUPRC	NA
1922	2025-10-06	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	提出基于Condorcet陪审团定理的CNN集成方法JuryFusionNet，用于从皮肤病变图像中检测猴痘	首次将Condorcet陪审团定理应用于CNN模型集成，通过动态特征重校准和集体决策机制提高检测精度	依赖预训练模型，在两个不同规模数据集上性能存在差异	开发高精度的猴痘皮肤病变自动检测方法	猴痘、水痘、麻疹和正常皮肤的病变图像	计算机视觉	猴痘	深度学习，迁移学习	CNN，集成学习	皮肤病变图像	MSID数据集：770张图像（4类）；MSLD数据集：3192张样本（2类）	TensorFlow, Keras	DenseNet169, DenseNet201, MobileNet, ResNet50V2	准确率	NA
1923	2025-10-06	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	本研究评估深度学习模型在心脏导管实验室手术结束时间预测中的性能	首次基于临床工作流程阶段进行手术持续时间预测的基准研究，仅使用视频分析得出的临床阶段作为算法输入	需要在不同手术环境中验证研究结果，训练时间优化方面有待改进	开发能够准确预测心脏导管实验室手术结束时间的深度学习模型	心脏导管实验室进行的手术流程	机器学习	心血管疾病	视频分析	CNN, LSTM, Transformer, 集成模型	时间序列数据	NA	NA	InceptionTime, LSTM-FCN, 带注意力机制的LSTM, 标准LSTM	平均绝对误差, 对称平均绝对百分比误差	NA
1924	2025-10-06	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	提出一种用于乳腺和甲状腺超声图像病灶分割的深度学习算法MLP-UNet	在U-Net编码器阶段集成基于MLP的MAP模块，并在跳跃连接中使用轻量级注意力模块增强特征表示	NA	开发用于超声图像病灶自动分割的深度学习模型以辅助临床活检和手术导航	乳腺肿瘤和甲状腺结节	计算机视觉	乳腺癌,甲状腺癌	超声成像	CNN	图像	BUSI和DDTI两个公开数据集	NA	U-Net	Dice系数,IoU,Recall	仅使用33.75M参数，保持低计算复杂度
1925	2025-10-06	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	提出了一种基于自主代理的计算机视觉框架AgCV，通过图形用户界面和自然语言命令自动化复杂的计算机视觉任务	结合LangGraph和检索增强生成技术，构建了用户驱动的自适应计算机视觉管道，通过自然语言交互降低技术门槛	NA	开发一个自动化计算机视觉应用的框架，使非专业用户能够通过自然语言命令创建和配置计算机视觉操作	计算机视觉任务自动化框架	计算机视觉	NA	自然语言处理, 深度学习, 数据科学	NA	图像	NA	LangGraph	NA	NA	NA
1926	2025-10-06	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	开发基于深度学习的自动化多尺度行为分析流程，用于SNCA E46K帕金森病果蝇模型的行为表型分类	结合无标记姿态估计和无监督聚类方法，从行为序列模式中提取帕金森病相关表型特征	仅使用果蝇模型进行研究，未在哺乳动物模型或临床环境中验证	建立客观可扩展的帕金森病行为分析方法	野生型和SNCA E46K突变型果蝇	计算机视觉	帕金森病	无标记姿态估计，无监督聚类	深度学习	视频，运动轨迹数据	野生型和突变型果蝇群体	NA	NA	分类准确率	NA
1927	2025-10-06	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	研究论文	提出一种基于MamBa的交互式频率卷积神经网络MIFNet，用于运动想象脑电信号解码	首次将选择性状态空间模型(SSMs)与CNN结合，通过非重叠频率分解和MamBa时序模块有效捕获长程依赖关系	NA	改进运动想象脑电信号解码性能，解决现有方法在全局时序依赖和计算效率方面的局限	运动想象脑电信号	脑机接口	NA	脑电图	CNN, SSMs	脑电信号	三个公共MI-EEG数据集(BCIC-IV-2A, OpenBMI, High Gamma)	NA	MIFNet, ConvEncoder, MamBa	分类准确率	NA
1928	2025-10-06	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	本研究基于CT的深度学习影像组学分析，用于胃癌患者术前Lauren分型鉴别并探索肿瘤微环境	结合CT影像组学特征与临床信息构建nomogram模型，并首次通过转录组学分析揭示不同Lauren分型在肿瘤微环境中的异质性	研究为回顾性设计，样本量相对有限，需要多中心前瞻性研究进一步验证	术前无创鉴别胃癌Lauren分型并探索肿瘤微环境特征	胃癌患者	数字病理	胃癌	CT成像, RNA测序	深度学习, 影像组学	CT图像, 临床数据, 转录组数据	578例患者（训练集311例，内部验证集132例，外部验证集135例）	NA	nomogram	C-index, 校准曲线, 决策曲线	NA
1929	2025-10-06	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	研究论文	本研究开发了一种基于2.5D磁共振成像和深度学习模型的腮腺肿瘤良恶性鉴别方法	首次将2.5D成像方法（包含层间信息）与基于Transformer的迁移学习模型结合应用于腮腺肿瘤的鉴别诊断	回顾性研究，样本量较小（122例患者），缺乏外部验证	开发准确的腮腺肿瘤术前良恶性鉴别诊断方法以指导手术规划	腮腺肿瘤患者	医学影像分析	腮腺肿瘤	磁共振成像	深度学习, Transformer	2D和2.5D磁共振图像, 临床特征	122例腮腺肿瘤患者	NA	Transformer	AUC, 灵敏度, 混淆矩阵	NA
1930	2025-10-06	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	研究论文	提出一种基于脑电信号的局部-全局时空Transformer模型MBRSTCformer用于情绪识别	结合大脑认知机制，提出多脑区协作网络和级联金字塔空间融合时序卷积网络，能够量化不同脑区刺激差异并融合多脑区特征	NA	开发稳健的脑电信号情绪识别模型	脑电信号情绪识别	机器学习	NA	脑电信号处理	Transformer, CNN	脑电信号	DEAP和DREAMER两个主流情绪识别数据集	NA	MBRSTCformer, Cascade Pyramid Spatial Fusion Temporal Convolution Network	准确率	NA
1931	2025-10-06	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	系统评价与荟萃分析	系统评价和荟萃分析基于医学影像的人工智能在预测血肿扩大方面的性能表现	首次对人工智能在基于影像的血肿扩大预测中的表现进行系统评价和荟萃分析，比较了深度学习和机器学习方法的性能差异	仅纳入36篇文献进行定性分析，其中仅23篇有足够信息进行定量分析，样本量有限	评估人工智能在基于医学影像预测血肿扩大方面的诊断性能	脑出血患者的血肿扩大预测	医学影像分析	脑出血	CT影像分析	深度学习, 机器学习	医学影像	36篇文献纳入定性分析，23篇文献纳入定量分析	NA	NA	灵敏度, 特异度, AUC	NA
1932	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）	NA	NA	NA	NA
1933	2025-10-07	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	提出基于深度学习的胃肠系统异常分割与分类方法	开发新型分割网络GISegNet，并首次将Transformer模型特征与mRMR特征选择结合用于胃肠疾病分类	仅使用Kvasir单一数据集进行验证，缺乏多中心数据验证	开发自动检测胃肠系统异常的深度学习系统	胃肠内窥镜图像中的病理区域	计算机视觉	胃肠疾病	内窥镜成像	CNN, Transformer, SVM	图像	Kvasir数据集	NA	GISegNet, DeiT, ViT	Jaccard系数, Dice系数, 准确率	NA
1934	2025-10-07	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	研究论文	本研究使用深度学习技术开发脑缺血检测系统，通过3D卷积神经网络分析非对比计算机断层扫描图像	首次将经过ImageNet挑战验证的3D深度学习架构（VGG3D、ResNet3D、DenseNet3D）应用于全脑体积NCCT图像的脑缺血早期检测	未提及外部验证集性能、模型泛化能力及临床部署可行性	开发基于深度学习的脑缺血早期检测系统，辅助医疗专业人员早期识别卒中病例	出现卒中症状患者的非对比计算机断层扫描图像	计算机视觉	脑血管疾病	非对比计算机断层扫描	CNN	3D医学图像	NA	NA	VGG3D, ResNet3D, DenseNet3D	准确率	NA
1935	2025-10-07	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	提出基于卷积自编码器和密集神经网络的混合深度学习模型，用于脑部CT图像的脑出血自动分类	开发了CAE-DNN混合模型，结合卷积自编码器的特征提取能力和密集神经网络的分类能力，在脑出血分类任务中表现优于传统PCA方法和已有文献结果	样本量相对有限（来自108名患者），需在更大数据集上验证模型泛化能力	开发自动化的脑出血诊断系统以辅助临床决策	脑部非对比计算机断层扫描（NCCT）图像	计算机视觉	脑出血	CT扫描	CAE, DNN	医学图像	3293张标记图像（1645张脑出血类，1648张正常类），来自108名患者	NA	卷积自编码器, 密集神经网络	准确率, 灵敏度, 特异性, 精确率, F1分数	NA
1936	2025-10-07	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	研究论文	开发基于深度学习的细菌集群运动检测方法，通过单张模糊图像快速预测细菌集群运动概率	首次利用单张模糊图像实现细菌集群运动的自动化检测，相比传统方法更快速、客观且适合高通量环境	未明确说明训练数据的具体规模和多样性，可能对某些细菌物种的检测效果有限	开发快速、客观的细菌集群运动检测方法以替代传统依赖人工观察的方法	细菌运动行为（集群运动与游泳运动）	计算机视觉	炎症性肠病,尿路感染	深度学习	CNN	图像	SM3细菌训练数据，DB10和H6细菌测试数据	NA	NA	灵敏度,特异性	NA
1937	2025-10-07	Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2474206 PMID:40083057	研究论文	开发并验证用于预测慢性肾病患者冠状动脉造影和介入术后发生对比剂急性肾损伤的深度学习模型	首次专门针对慢性肾病高危人群开发可解释的深度神经网络预测模型，并建立了基于网页的临床决策工具	单中心研究，样本量相对有限（989例患者）	预测慢性肾病患者冠状动脉造影和介入术后对比剂急性肾损伤的发生风险	接受冠状动脉造影或经皮冠状动脉介入治疗的慢性肾病成年患者	机器学习	慢性肾病，心血管疾病	冠状动脉造影，经皮冠状动脉介入治疗	DNN, 随机森林	临床数据	989例慢性肾病患者（125例发生PC-AKI）	NA	深度神经网络	AUROC	NA
1938	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA	NA	NA	NA	NA
1939	2025-10-07	Artificial intelligence in kidney transplantation: a 30-year bibliometric analysis of research trends, innovations, and future directions 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2458754 PMID:39910843	文献计量分析	通过文献计量分析评估1993-2023年间人工智能在肾移植领域的研究趋势、创新点和未来方向	首次对人工智能在肾移植领域30年研究历程进行系统性文献计量分析，识别关键研究主题和新兴趋势	基于文献计量分析，缺乏对具体AI技术临床效果的实证评估	分析人工智能在肾移植领域的研究趋势和发展方向	890篇相关学术出版物	机器学习	终末期肾病	文献计量分析	深度学习,机器学习算法	文献数据	890篇出版物	CiteSpace,VOSviewer	NA	NA	NA
1940	2025-04-29	Deep neural networks and stochastic methods for cognitive modeling of rat behavioral dynamics in T -mazes 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10247-9 PMID:40290756	研究论文	本文提出了一种结合随机方法和深度神经架构的认知模型，用于研究大鼠在T型迷宫中的决策行为	结合Wyckoff的随机框架与深度神经网络（CNN-LSTM），实现了对动物决策行为的建模和预测	模型依赖于特定实验条件下的数据，可能无法泛化到其他行为场景	开发计算模型以分析动物在空间导航任务中的决策行为	大鼠在T型迷宫中的行为轨迹	机器学习	NA	Monte Carlo模拟, t-SNE嵌入	CNN-LSTM	空间轨迹记录	NA	NA	NA	NA	NA