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
1	2025-08-04	Deep learning approach with ConvNeXt-SE-attn model for in vitro oral squamous cell carcinoma and chemotherapy analysis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103519 PMID:40747534	研究论文	该论文提出了一种结合ConvNeXt-SE-attn模型的深度学习方法，用于体外口腔鳞状细胞癌（OSCC）和化疗分析	采用残差连接与Squeeze-and-Excitation块、混合注意力系统以及增强的激活函数和优化算法，提升特征提取中的梯度流动，相比传统CNN模型在多项指标上表现更优	未提及具体的数据集规模或外部验证结果，可能影响模型的泛化能力	提升口腔鳞状细胞癌的诊断精度和非侵入性治疗方法	口腔鳞状细胞癌（OSCC）的体外样本	数字病理学	口腔鳞状细胞癌	深度学习	ConvNeXt-SE-Attn（结合SE块和混合注意力的ConvNeXt主干网络）	图像	NA（未明确提及具体样本数）
2	2025-08-04	Performance of machine and deep learning models for predicting delirium in adult ICU patients: A systematic review 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106008 PMID:40513381	系统综述	评估机器学习和深度学习模型在预测ICU成年患者谵妄中的表现	总结了2018年至2024年间的研究，评估了不同预测模型的表现，并指出了高级深度学习模型在处理复杂时间序列数据方面的潜力	回顾性设计、缺乏外部验证、对缺失数据处理不完整以及过拟合问题限制了模型的临床普适性	评估和总结机器学习和深度学习模型在预测ICU患者谵妄方面的应用	ICU成年患者	机器学习	谵妄	机器学习、深度学习	Logistic回归、随机森林、RNN、梯度提升	临床数据	11项研究，样本量从140到48451名参与者不等
3	2025-08-04	IBDAIM:Artificial intelligence for analyzing intestinal biopsies pathological images for assisted integrated diagnostic of inflammatory bowel disease 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106024 PMID:40580688	研究论文	开发了一种名为IBDAIM的人工智能模型，用于通过分析肠道活检的全切片图像(WSIs)来辅助病理学家快速准确地诊断炎症性肠病(IBD)	提出了一种弱监督深度学习模型IBDAIM，该模型利用WSI级别的诊断标签，无需详细注释，通过整合Patch Likelihood Histogram (PLH)和Bag of Words (BoW)特征来构建WSI级别的表示	研究为回顾性队列研究，可能受到数据来源的限制，且模型性能在外部验证集上略有下降	开发AI模型以辅助病理学家诊断炎症性肠病(IBD)	肠道活检的全切片图像(WSIs)	数字病理	炎症性肠病	弱监督深度学习	IBDAIM (基于PLH和BoW的模型)	图像	来自南京鼓楼医院(NDTH)和珠江医院(ZJH)的两个数据集，具体样本数量未明确说明
4	2025-08-04	Psychometric properties of an Iranian instrument for assessing adherence to ethical principles in the use of artificial intelligence among healthcare providers 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106019 PMID:40582296	研究论文	本研究开发并验证了一个用于评估医疗保健提供者在人工智能使用中遵守伦理原则的工具	开发了一个新的工具来评估医疗保健提供者在AI使用中的伦理遵守情况	需要进一步研究以提供更全面和详细的理解	评估医疗保健提供者在AI使用中遵守伦理原则的情况	医疗保健提供者	医疗人工智能伦理	NA	心理测量学方法	NA	问卷调查数据	未明确提及样本量
5	2025-08-04	Deep learning-based in-ambulance speech recognition and generation of prehospital emergency diagnostic summaries using LLMs 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106029 PMID:40639122	研究论文	本研究提出了一种结合抗噪声语音识别技术和大型语言模型(LLMs)的方法，用于生成院前急救诊断摘要，以提高医疗记录的填写效率和准确性	首次将抗噪声语音识别技术与LLMs结合应用于院前急救场景，通过联合训练模型优化语音识别和摘要生成效果	研究仅测试了特定型号的LLMs(Qwen2.5-7B-Instruct)，其他模型的适用性未验证；实际应用中的极端噪声环境可能影响系统性能	提高院前电子医疗记录的填写效率和准确性，优化急救响应流程	救护车环境中的语音数据和急救诊断摘要	自然语言处理	急救医学	语音增强技术、大型语言模型(LLMs)	联合训练模型(CTC+注意力机制)、Qwen2.5-7B-Instruct	语音数据、文本数据	实际救护车噪声数据、环境噪声数据和开源语音数据集
6	2025-08-04	Machine learning techniques for stroke prediction: A systematic review of algorithms, datasets, and regional gaps 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106041 PMID:40651107	系统综述	本文系统综述了用于中风预测的机器学习技术，分析了不同预测目标和数据源的性能指标，并评估了其临床适用性	首次系统评估了机器学习在中风预测中的性能和应用，识别了高风险人群代表性不足的研究空白	研究间存在显著的异质性，无法进行定量荟萃分析	系统评价机器学习技术在中风预测中的应用，并识别研究趋势	58项关于机器学习在中风预测中的研究	机器学习	中风	机器学习	集成方法、深度学习	电子健康记录、医学影像、生物信号	58项研究，涉及不同数据源和患者群体
7	2025-08-04	Enhancing rare disease detection with deep phenotyping from EHR narratives: evaluation on Jeune syndrome 2025-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106021 PMID:40561686	research paper	本研究评估了通过深度表型分析从电子健康记录（EHR）中提取表型信息对Jeune综合征筛查算法的影响	结合人工智能和大规模临床数据库的深度表型分析，提出了一种改进的表型提取方法，显著提高了Jeune综合征患者的分类敏感性	部分误分类的对照患者实际上患有其他遗传性骨骼疾病，表明模型在特异性上仍有改进空间	加速罕见疾病的诊断，减少诊断延迟	Jeune综合征患者和对照组的表型数据	natural language processing	Jeune syndrome	deep phenotyping, machine learning	machine learning pipeline	unstructured EHR narratives	Jeune综合征患者和对照组的数据集
8	2025-08-04	Towards bridging the synthetic-to-real gap in quantitative photoacoustic tomography via unsupervised domain adaptation 2025-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100736 PMID:40747132	研究论文	提出一种解码器增强的无监督域适应框架（DDA），用于解决定量光声层析成像中合成数据到真实数据的域适应问题	提出DDA框架，通过调整归一化层的仿射参数，显著提高了从合成数据到未标记目标域的知识迁移效果	需要至少两个目标样本的多波长光声图像进行微调，可能限制了在样本稀缺情况下的应用	解决定量光声层析成像中合成数据与真实数据之间的域适应问题，提高深度学习模型的泛化能力	光声层析成像中的吸收系数估计	计算机视觉	NA	无监督域适应	DDA框架	图像	至少两个目标样本的多波长光声图像
9	2025-08-04	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-Sep, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	介绍了一种新的基于结构的蛋白质-蛋白质复合物亲和力预测器PCANN，该预测器结合了ESM-2语言模型和图注意力网络(GAT)进行预测	PCANN预测器结合了ESM-2语言模型和GAT网络，在预测性能上优于现有的公开预测器BindPPI	深度学习模型的发展面临两个问题：可用于训练和测试的实验数据量有限，且现有数据在测量条件上缺乏内部一致性和准确性	开发一种基于结构的蛋白质-蛋白质复合物亲和力预测器	蛋白质-蛋白质复合物	自然语言处理	NA	ESM-2语言模型, 图注意力网络(GAT)	ESM-2, GAT	蛋白质结构数据	两个文献提取的数据集
10	2025-08-04	Deep Learning-Based Automated Detection of the Middle Cerebral Artery in Transcranial Doppler Ultrasound Examinations 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.028 PMID:40582894	研究论文	本文提出了一种基于深度学习的轻量级实时方法，用于在经颅多普勒超声检查中自动检测大脑中动脉	采用YOLOv10和RT-DETR两种先进的目标检测模型，实现了大脑中动脉的实时自动检测，并在移动平台上验证了可行性	研究样本量相对较小（41名受试者），且仅针对大脑中动脉进行检测	开发一种自动化工具以减少经颅多普勒超声检查对操作者专业知识的依赖	经颅多普勒彩色多普勒图像中的大脑中动脉	计算机视觉	脑血管疾病	TCD彩色多普勒超声	YOLOv10, RT-DETR	视频	41名受试者（31名健康个体和10名中风患者），共365个视频和61,611帧图像
11	2025-08-04	Novel Artificial Intelligence-Driven Infant Meningitis Screening From High-Resolution Ultrasound Imaging 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.04.009 PMID:40582896	研究论文	本研究开发了一种基于高分辨率超声成像的人工智能驱动的婴儿脑膜炎筛查方法	采用三阶段深度学习框架结合可解释人工智能方法，实现了非侵入性婴儿脑膜炎筛查	样本量较小（仅30名婴儿），且仅在西班牙的三所大学医院进行	开发非侵入性、准确的婴儿脑膜炎诊断方法	疑似脑膜炎且囟门未闭的婴儿	数字病理	脑膜炎	超声成像	深度学习	图像	30名婴儿（6例病例和10例对照），共781张图像
12	2025-08-04	Efficient Ultrasound Breast Cancer Detection with DMFormer: A Dynamic Multiscale Fusion Transformer 2025-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.05.017 PMID:40628603	research paper	提出了一种名为DMFormer的动态多尺度融合Transformer模型，用于超声乳腺癌检测，旨在解决超声成像中的噪声、模糊和复杂组织结构问题	采用动态多尺度特征融合机制，结合窗口注意力和网格注意力，全面捕捉细粒度组织细节和更广泛的解剖学上下文	未提及具体的数据集规模限制或模型在更广泛临床环境中的适用性	开发一种先进的深度学习模型，用于准确区分超声乳腺癌筛查中的良性和恶性肿块	超声图像中的乳腺肿块	digital pathology	breast cancer	deep learning	Transformer (DMFormer)	image	在两个独立的数据集上评估
13	2025-08-04	External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI 2025-Aug-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11865-x PMID:40753327	研究论文	本研究评估了一个开源深度学习模型在双参数MRI上检测临床显著性前列腺癌的诊断准确性	开源深度学习模型在双参数MRI上检测临床显著性前列腺癌的高敏感性及其可共享性	研究样本量较小（151名患者），且仅进行了回顾性分析	评估开源深度学习模型在前列腺癌检测中的诊断准确性，并促进模型共享与外部验证	151名生物学男性患者的双参数MRI检查数据	数字病理学	前列腺癌	双参数MRI (bpMRI)	深度学习模型 (DL)	MRI图像	151名生物学男性患者（平均年龄65±8岁）
14	2025-08-04	Advanced drug-target interaction prediction using convolutional graph attention networks in expert systems 2025-Aug-02, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11290-8 PMID:40751775	研究论文	本研究提出了一种结合图神经网络和新型特征选择机制的深度学习框架，用于提高药物-靶标相互作用预测的准确性	提出了一个名为CMEAG-ANN的卷积多层极端对抗图注意力神经网络，结合FC-GNBBPS算法，用于从DNA分子数据中提取稳健且具有生物学意义的特征	未提及具体局限性	提高药物-靶标相互作用预测的准确性和效率	药物和靶标蛋白	机器学习	NA	DNA分子数据特征提取	CMEAG-ANN, FC-GNBBPS	分子指纹和PSSM注释	基准数据集包括approved_drug_target、ImDrug、DrugProt和Drug Combination Extraction Dataset
15	2025-08-04	Temporal consistency-aware network for renal artery segmentation in X-ray angiography 2025-Aug-02, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03486-y PMID:40751864	研究论文	提出了一种名为TCA-Net的深度学习模型，用于提高X射线血管造影视频中肾动脉分割的时间一致性	模型结合了局部时间窗口血管增强模块和全局血管细化模块，并引入了时间感知一致性损失函数	未提及具体局限性	提高肾动脉分割的准确性以评估肾交感神经消融（RDN）手术	X射线血管造影视频中的肾动脉	计算机视觉	心血管疾病	深度学习	TCA-Net	视频	195个肾动脉血管造影序列用于开发，44名患者的外部数据集用于测试
16	2025-08-04	Deep learning-driven incidental detection of vertebral fractures in cancer patients: advancing diagnostic precision and clinical management 2025-Aug-02, La Radiologia medica DOI:10.1007/s11547-025-02058-z PMID:40751896	研究论文	本研究评估了一种基于深度学习的应用在癌症患者中偶然检测椎体压缩性骨折（VCFs）的诊断性能及其减少漏诊率的潜力	利用深度学习技术提高椎体压缩性骨折在癌症患者中的检测率，减少临床漏诊	假阳性病例包括硬化性椎体转移、脊柱侧弯和椎体识别错误	评估深度学习应用在提高椎体压缩性骨折检测率方面的效果	1556名IV期癌症患者的胸腹盆CT扫描	数字病理	癌症	深度学习	DL	CT扫描图像	1556名IV期癌症患者
17	2025-08-04	Possibilities and limitations of artificial intelligence in food-derived peptides 2025-Aug-02, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70099 PMID:40751946	综述	本文探讨了人工智能在食品源性肽研究中的潜力与限制	评估了AI技术在食品源性肽研究中的应用，包括生物活性肽的发现、功能表征及结构-活性关系解析	AI在预测复杂蛋白质结构和食品源性肽时面临数据集完整性、模型架构优化、可解释性限制及实验验证需求等挑战	探讨人工智能技术在食品源性肽研究领域的应用前景与当前限制	食品源性肽（FDPs）	机器学习	NA	随机森林、卷积神经网络等机器学习和深度学习技术	随机森林、CNN	多维数据库数据	NA
18	2025-08-04	xEEGNet: Towards explainable AI in EEG dementia classification 2025-Aug-02, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/adf6e6 PMID:40752516	research paper	本文提出了一种新型、紧凑且可解释的神经网络xEEGNet，用于EEG数据分析，特别针对痴呆症分类	xEEGNet通过大幅减少参数数量（仅168个参数，比ShallowNet少200倍）实现了可解释性，同时避免了过拟合，并在性能上与传统模型相当	研究主要关注阿尔茨海默病和额颞叶痴呆的分类，对其他神经系统疾病的适用性有待进一步验证	开发一种可解释的神经网络模型，用于EEG数据的痴呆症分类	阿尔茨海默病和额颞叶痴呆患者的EEG数据	machine learning	geriatric disease	EEG数据分析	xEEGNet（基于EEGNet家族的改进模型）	EEG信号	NA
19	2025-08-04	The dosimetric impacts of ct-based deep learning autocontouring algorithm for prostate cancer radiotherapy planning dosimetric accuracy of DirectORGANS 2025-Aug-02, BMC urology IF:1.7Q3 DOI:10.1186/s12894-025-01875-8 PMID:40753235	research paper	本研究旨在剂量学评估新一代自动轮廓算法DirectORGANS在创建前列腺放疗计划前自动识别并在CT模拟器中直接勾画器官的可用性	评估了DirectORGANS算法在前列腺癌放疗计划中自动勾画器官的剂量学准确性，并与手动勾画结果进行比较	样本量较小（仅10例患者），且前列腺轮廓的HI和CI值存在统计学显著差异	评估自动轮廓算法DirectORGANS在前列腺癌放疗计划中的剂量学准确性	前列腺癌患者的CT图像及放疗计划	digital pathology	prostate cancer	CT-based deep learning autocontouring algorithm	NA	CT images	10例患者
20	2025-08-04	Predicting academic performance with fuzzy logic in prospective physical education and sports teachers 2025-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-99124-3 PMID:40753281	研究论文	本研究使用模糊逻辑模型预测未来体育教师的考试成绩，探讨学习方法和学术支持感知如何影响其学术表现	在教育研究中首次应用模糊逻辑模型预测学术表现，揭示学术支持与学习策略的非线性复杂交互作用	研究仅针对体育教育专业学生，结果可能不适用于其他学科领域	探索模糊逻辑在教育领域的应用潜力，提高学生学业表现的预测准确性	未来体育教师候选人的学习方法和学术支持感知	教育技术	NA	模糊逻辑	模糊逻辑模型	学术表现数据	未明确说明样本数量（体育教育专业学生）