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
201	2025-12-31	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2025-Dec-30, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	开发了基于复合图像输入的深度学习模型，在检测桶柄状半月板撕裂方面表现优于骨科医生	研究样本主要来自单一机构，外部验证集规模较小，可能影响模型的泛化能力	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的诊断性能	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	来自406名本院患者和90名外部医院患者的膝关节X光片	NA	NA	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 精确率, F1分数	NA
202	2025-12-31	Diagnostic accuracy of artificial intelligence-based deep learning models in detecting furcation involvement: A systematic review and meta-analysis 2025-Dec-30, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70055 PMID:41466554	系统综述与荟萃分析	本文系统综述并荟萃分析了基于人工智能的深度学习模型在检测牙根分叉病变方面的诊断准确性	首次对深度学习模型在牙科影像中检测牙根分叉病变的诊断性能进行了系统性的定量评估和荟萃分析	纳入研究数量有限（8项），需要更大、更多样化的数据集来减少假阳性并实现安全的临床整合	系统评估深度学习模型在牙科影像中检测牙根分叉病变的诊断潜力	牙科影像（根尖片、全景片、锥形束CT）中的磨牙及其牙根分叉病变	数字病理学	牙周病	牙科影像学（根尖片、全景片、锥形束CT）	深度学习模型	影像	7814张影像，涉及12373颗磨牙	NA	NA	灵敏度，特异度，F1分数，曲线下面积，诊断比值比	NA
203	2025-12-31	A hybrid model for structured illumination microscopy reconstruction using attention mechanism and deep Laplacian pyramid network with Fourier loss 2025-Dec-30, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70057 PMID:41467734	研究论文	提出一种结合注意力机制和深度拉普拉斯金字塔网络的混合模型，用于结构光照明显微镜图像的超分辨率重建	提出Att-SIM-LapSRN混合深度学习框架，首次将注意力U-Net与拉普拉斯金字塔超分辨率网络结合，并引入基于FFT的损失函数，以解决SIM重建中的伪影、噪声和高频细节丢失问题	未提及模型在极低信噪比或极端光照条件下的鲁棒性，也未讨论计算复杂度和实时处理能力	提升结构光照明显微镜在低光条件下的超分辨率成像质量，减少重建伪影并增强高频细节	生物样本的超分辨率显微图像	计算机视觉	NA	结构光照明显微镜	深度学习, 混合模型	图像	使用BioSR数据集（具体样本数量未说明）	未明确说明（可能为PyTorch或TensorFlow）	Attention U-Net, Laplacian pyramid super-resolution network	PSNR, SSIM, 感知质量指标	NA
204	2025-12-31	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2025-Dec-30, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习成像框架，用于术前无创预测乳腺癌HER-2表达	结合了基于ResNet的深度学习模型与临床预测因子，构建了一个可解释的、用于无创预测HER-2表达的联合预测框架	回顾性研究，样本量有限（450例），且依赖于多中心数据的一致性	开发一个可解释的深度学习框架，用于术前无创预测乳腺癌HER-2表达，以指导治疗决策	450例经病理证实HER-2状态的乳腺癌患者的磁共振成像数据和临床记录	数字病理	乳腺癌	磁共振成像	深度学习, 机器学习	图像, 临床记录	450例患者（来自四个医疗中心）	NA	ResNet	AUC	NA
205	2025-12-31	AI-driven molecular modeling and design: from property prediction to drug generation 2025-Dec-29, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00745-7 PMID:41460590	研究论文	本文提出了一种名为ME&PP-MG&RC的深度学习框架，用于分子建模与设计，包括属性预测和药物生成	整合了分子编码与属性预测（ME&PP）以及分子生成与真实性分类（MG&RC）组件，提供统一的分子设计管道，实现了精确属性预测、新分子生成和真实性验证	未明确提及模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算成本或实际应用中的潜在挑战	通过深度学习技术推进计算分子设计和药物发现，实现自动化药物候选物识别	分子化合物，特别是针对QM9和ZINC数据集中的分子	机器学习	NA	深度学习，图神经网络	图神经网络	分子结构数据	涉及QM9和ZINC数据集，但未指定具体样本数量	未明确指定，可能为PyTorch或TensorFlow	未指定具体架构，但基于图神经网络模型	平均绝对误差	NA
206	2025-12-31	Interpretable machine learning algorithms for diagnostic prediction of diabetic retinopathy 2025-Dec-29, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251410736 PMID:41460717	研究论文	本研究提出了一种新颖、标准化且可解释的机器学习框架，旨在提高糖尿病视网膜病变风险预测的诊断效率和准确性	采用动态加权投票集成方法，并结合SHAP进行可解释性分析，以增强模型的临床可信度	未明确提及研究的局限性	开发一种高精度且可解释的机器学习框架，用于糖尿病视网膜病变的诊断预测	糖尿病患者的临床数据	机器学习	糖尿病视网膜病变	机器学习算法	LightGBM, CatBoost, Extreme Random Tree, 集成模型	临床特征数据	未明确提及具体样本数量	未明确提及具体框架	动态加权投票集成	准确率, 灵敏度, AUC	未明确提及计算资源
207	2025-12-31	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2025-Dec-29, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	本文提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	针对不完美细胞结构图像，结合图像增强与无需额外训练的Cellpose预训练模型，显著提升了分割精度	NA	开发一种高效且高精度的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像	数字病理学	NA	细胞图像增强，深度学习分割	CNN	图像	NA	NA	Cellpose	IoU, ACC, MCC, Dice	NA
208	2025-12-31	A Fully Automated Multistage Deep Learning System for Lenke Classification: Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis 2025-Dec-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01015 PMID:41460944	研究论文	本研究开发并验证了一个用于青少年特发性脊柱侧凸Lenke分型的全自动多阶段深度学习系统	首次提出一个集成了椎骨分割、腰椎椎弓根定位和特征融合模块的全自动端到端Lenke分型系统，实现了高精度的客观分类	研究为回顾性设计，样本主要来自汉族人群，外部验证的普适性有待进一步研究	开发一个自动化系统以减少青少年特发性脊柱侧凸Lenke分型的主观性和观察者间差异	青少年特发性脊柱侧凸患者和健康对照者的全脊柱X光片	数字病理学	青少年特发性脊柱侧凸	X光成像	深度学习	医学影像	650名个体（467名AIS患者，183名健康对照）	NA	Swin-Unet, DeepLabv3+	准确率, F1分数, Dice系数, 组内相关系数	NA
209	2025-12-31	Fuzzy granulation-based wind speed prediction with multi-objective optimization 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28328-4 PMID:41461667	研究论文	本文提出了一种基于模糊粒化和多目标优化的风速预测框架，旨在提高风电预测的准确性和鲁棒性	结合模糊信息粒化技术和多目标优化策略，有效捕捉风速数据的固有特征并降低数据复杂性，通过多种神经网络的自适应集成提升预测性能	未明确说明模型在其他风电场数据集上的泛化能力，且可能依赖于特定数据预处理步骤	提高风速预测的准确性和鲁棒性，以支持可再生能源集成和电网稳定运行	风速数据，特别是来自蓬莱风电场的实际观测数据	机器学习	NA	模糊信息粒化，多目标优化，深度学习	多种神经网络模型	风速时间序列数据	蓬莱风电场数据集	NA	NA	预测准确性，计算效率	NA
210	2025-12-31	Osprey optimization algorithm integrated with graph neural networks for intrusion detection in wireless sensor networks 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28359-x PMID:41461693	研究论文	提出了一种结合鱼鹰优化算法和图神经网络的入侵检测方法，用于增强无线传感器网络的安全性	首次将鱼鹰优化算法与图神经网络集成，用于优化入侵检测模型的超参数并处理网络数据的图结构关系	使用的WSN-DS数据集本身存在不平衡问题，且研究未涉及模型在动态网络环境中的长期稳定性验证	提高无线传感器网络中入侵检测的准确性和可靠性，降低误报率	无线传感器网络中的网络攻击数据	机器学习	NA	入侵检测技术	GNN	网络数据	NA	NA	图神经网络	准确率, 误报率	NA
211	2025-12-31	ISAAF: an IoT security and attack prevention framework using AI-driven predictive analytics 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28516-2 PMID:41461726	研究论文	本文提出了一种基于AI预测分析的物联网安全与攻击预防框架，用于实时入侵检测和自动缓解	引入了MQTTEEB-D这一新型真实世界入侵数据集，并基于此构建了一个分层且AI驱动的安全框架，显著提升了模型在真实场景下的泛化能力	未明确说明框架在极端或新型攻击类型下的表现，以及在不同物联网设备或协议上的可扩展性验证	开发一个可扩展、可部署且跨领域的物联网安全解决方案，以应对MQTT协议面临的网络威胁	物联网系统中的网络流量和攻击行为，特别是针对MQTT协议的DoS、暴力破解、畸形数据包、洪泛和Slowite攻击	机器学习	NA	预测分析	决策树, GRU	网络流量数据	基于MQTTEEB-D真实世界入侵数据集，具体样本数量未明确说明	NA	决策树, GRU	准确率	NA
212	2025-12-31	Ultrasound and SWE-based transfer learning for predicting fibrotic NASH 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28753-5 PMID:41461741	研究论文	本研究开发了一种结合肝脏超声、弹性成像和临床特征的深度学习模型，用于预测和诊断纤维化非酒精性脂肪性肝炎	首次将肝脏超声、剪切波弹性成像图像与临床特征结合，基于ResNet-18架构构建多模态深度学习模型，用于纤维化NASH的预测与诊断	研究基于大鼠模型，尚未在人类临床数据中验证；样本量有限，需进一步扩大验证	开发并评估多模态深度学习模型在纤维化非酒精性脂肪性肝炎预测与诊断中的应用	高脂饮食和皮下CCl₄注射诱导的肝脂肪变性和纤维化大鼠模型	医学影像分析	非酒精性脂肪性肝炎	二维超声，剪切波弹性成像	CNN	图像，临床特征	未明确说明样本数量的大鼠模型	未明确说明	ResNet-18	AUC, ROC曲线, 决策曲线分析, 校准曲线	NA
213	2025-12-31	Terahertz metamaterial liquid detector optimized by deep learning 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28757-1 PMID:41461749	研究论文	本研究提出了一种基于超材料太赫兹探测器吸收峰位移的无标记乙醇液体检测方法	采用深度神经网络优化超材料液体探测器的结构参数，实现了高吸收率和位移值，并揭示了VO₂在高温下对乙醇检测精度的双重保障机制	NA	开发一种高效、精确的乙醇液体检测新方法	乙醇液体	机器学习	NA	太赫兹检测	DNN	仿真数据	NA	NA	深度神经网络	灵敏度, 品质因数	NA
214	2025-12-31	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	本研究应用深度学习模型（DenseNet121和ResNet34）自动分类葡萄膜黑色素瘤患者在接受钌-106斑块近距离放射治疗后肿瘤厚度变化模式（减少、增加、稳定或其他）	首次利用深度学习模型基于超声图像自动分类葡萄膜黑色素瘤近距离放射治疗后的肿瘤反应模式，DenseNet121模型表现出优越的预测性能	需要进一步验证和探索模型在临床实践中的整合应用	预测葡萄膜黑色素瘤患者接受钌-106近距离放射治疗后的肿瘤反应模式	葡萄膜黑色素瘤患者	计算机视觉	葡萄膜黑色素瘤	超声成像	CNN	图像	192名患者	NA	DenseNet121, ResNet34	AUC, 准确率	NA
215	2025-12-31	Design of a hybrid learning model for establishing consistency in smart grid environment 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28986-4 PMID:41461786	研究论文	本文提出了一种结合LSTM与神经模糊自适应干扰模型的混合学习模型，用于智能电网环境中的负荷预测，以优化电力供需平衡	提出了一种新颖的混合模型，将长短期记忆网络与神经模糊自适应干扰模型结合，以处理智能电网中的大规模数据并提高负荷预测精度	未明确说明模型在极端或异常数据条件下的表现，且可能未涉及长期预测的验证	开发一种数据驱动的方法来预测智能电网中的电力需求，以维持电力系统的稳定性和效率	智能电网中的消费者数据模式，包括能源需求和电力传输	机器学习	NA	深度学习	LSTM, NFADIM	时间序列数据	NA	NA	LSTM, 神经模糊自适应干扰模型	NA	NA
216	2025-12-31	Secure facial biometric authentication in smart cities using multimodal methodology 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29048-5 PMID:41461811	研究论文	本文提出了一种结合卷积神经网络、ResNet-50和ElGamal密码学的多模态深度学习模型，用于在智慧城市环境中实现安全的面部生物特征认证	提出了一种融合CNN低层特征保留、ResNet-50高层特征提取和ElGamal加密的多模态方法，显著提升了传统模型的性能	NA	在智慧城市环境中防止未经授权的访问，保护公民数据免受欺骗攻击	面部生物特征数据	计算机视觉	NA	NA	CNN, ResNet	图像	CelebA Faces数据集	NA	CNN, ResNet-50	准确率, 平均损失分数	NA
217	2025-12-31	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	本研究评估了三种不同重建算法（DLIR-H、ASiR-V50%、FBP）在冠状动脉CTA中显示心周脂肪组织衰减的差异	首次比较了深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对脂肪衰减指数（FAI）测量的影响	研究未提及样本量大小，且仅基于斑块存在与否分组，可能未考虑其他临床变量	评估不同重建算法对冠状动脉CTA中心周脂肪组织衰减指数测量的差异	冠状动脉CTA图像中的心周脂肪组织衰减值、图像噪声和脂肪衰减指数	医学影像分析	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	NA	医学影像（CTA图像）	NA	NA	NA	衰减值、图像噪声、脂肪衰减指数（FAI）	NA
218	2025-12-31	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	提出一种基于联邦学习结合混合和谐搜索与互信息的特征选择方法（HAS-MI）的癫痫预测与管理系统，用于实时癫痫发作检测	集成联邦学习（FL）以保护患者隐私并实现协作模型训练，结合混合和谐搜索与互信息（HSA-MI）特征选择技术优化EEG特征，以及融合LSTM和DenseNet-121的EpilepNet-LD架构以同时捕捉时空特征	未明确提及研究在跨病例适用性、误报率或实际部署中的具体限制	开发一个实时、高精度的癫痫发作检测系统，以改善患者监测和管理	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）分析	LSTM, DenseNet	脑电图（EEG）信号	NA	NA	LSTM, DenseNet-121	准确率, 灵敏度	NA
219	2025-12-31	Deep learning-based optimization for accurate multimodal medical image registration 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30493-5 PMID:41461830	研究论文	本文提出了一种基于深度学习的多模态医学图像配准优化方法，通过改进的U-Net模型实现高效准确的图像配准	采用多模态U-Net模型，结合刚性、仿射和非刚性变换的多层变换模型，提升了特征提取效率和配准精度	该技术尚处于早期阶段，在保守环境中可能面临挑战，研究结果的普适性需要进一步验证	优化多模态医学图像配准的准确性和效率	ADNI、COPDGene和OAI数据集中的医学图像	计算机视觉	NA	深度学习	CNN	图像	来自ADNI、COPDGene和OAI数据集的医学图像样本	NA	U-Net	效率、准确性	NA
220	2025-12-31	Dynamic graph neural network-based framework to increase detection accuracy in SDN under DDOS 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32102-x PMID:41461853	研究论文	提出了一种基于动态图神经网络的框架GCTNetwork，用于实时检测软件定义网络中的DDoS攻击	提出了一种创新的动态图神经网络框架，结合了门控卷积时序层、边缘感知LSTM和图注意力层，以集成分析节点-边缘特征、建模时序依赖并强调关键通信路径	未明确提及，但可能包括对特定SDN数据集或环境的依赖，以及动态攻击模式适应性的进一步验证需求	提高软件定义网络（SDN）中分布式拒绝服务（DDoS）攻击的检测精度	软件定义网络（SDN）中的DDoS攻击	机器学习	NA	动态图神经网络（DGNN）	GNN, LSTM, GAT	网络流量数据（图结构数据）	使用SDN数据集，具体样本数量未明确说明	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	GCTNetwork（包含Gated Convolutional Temporal层、Edge-Aware LSTM、Graph Attention Layer）	准确率, F1分数, 误报指数（FAI）	未明确说明