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
221	2025-09-09	Multi-Task Collaborative Assisted Training Method for Grouping Fuzzy Categories Classification of Cervical Cancer Cells 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568846 PMID:40343820	研究论文	提出一种用于宫颈癌细胞模糊分类的多任务协同辅助训练框架	通过四个辅助分支（分组对比、多级分类、图像重建和软标签蒸馏）协同解决细胞分类中的类别相似性、单细胞与细胞团变异以及标注准确性等问题	NA	提升宫颈癌细胞分类的准确性，解决深度学习在该领域面临的挑战	宫颈癌细胞图像	计算机视觉	宫颈癌	监督对比学习、多任务学习、知识蒸馏	多任务协同框架	图像	HSJCC、DSCC和SIPaKMeD三个数据集
222	2025-09-09	A Finetuning Deep Learning Framework for Pan-Species Promoters Identification With Pseudo Time Series Analysis on Time and Frequency Space 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568145 PMID:40343817	研究论文	提出两种深度学习框架ProTriCNN和TransPro，用于跨物种启动子识别	将启动子视为伪时间序列进行分析，并利用物种进化树在时频空间表示物种间差异	NA	准确识别不同物种的启动子序列以解析转录调控机制	真核和原核生物的启动子序列	自然语言处理	NA	深度学习	CNN, Fine-tuning框架	基因组序列数据	真实数据集（具体数量未说明）
223	2025-09-09	Deep learning for detecting periapical bone rarefaction in panoramic radiographs: a systematic review and critical assessment 2025-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf044 PMID:40353850	系统综述	评估深度学习模型在全景X光片中检测根尖周骨稀疏的应用与性能	首次针对根尖周骨稀疏病变的深度学习检测研究进行系统性综述，关注被既往技术发展研究忽视的复杂表现病变	纳入研究存在中度至高度偏倚风险，数据集规模小导致泛化能力有限，性能指标报告不一致阻碍模型比较和计划中的荟萃分析	评估深度学习模型检测全景X光片中根尖周骨稀疏的可行性和性能	根尖周骨稀疏病变的全景X光影像	计算机视觉	牙科疾病	深度学习	U-NET, YOLO	X光影像	12项符合条件的研究（主要来自亚洲，占58.3%）
224	2025-09-09	An X-ray bone age assessment method for hands and wrists of adolescents in Western China based on feature fusion deep learning models 2025-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03497-z PMID:40402226	研究论文	基于特征融合深度学习模型开发针对中国西部青少年手部和腕部X光片的骨龄评估方法	提出结合InceptionV3、Bilinear、SE模块和性别信息的特征融合深度学习模型，在关键法律年龄边界（14、16、18岁）实现高精度分类	研究样本仅来自中国西部地区，样本量相对有限（688张图像），可能存在地域代表性不足	开发自动骨龄评估系统以辅助青少年刑事责任年龄判定	中国西部11-23.99岁青少年的手部和腕部X光图像	计算机视觉	NA	深度学习	InceptionV3, SE模块, Bilinear融合	X射线图像	688张手部和腕部X光图像（11-23.99岁青少年）
225	2025-09-09	Intelligent chlorophyll estimation by attention-integrated deep learning and dual-modal fusion in tencha drying using snapshot multispectral camera 2025-Sep, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14385 PMID:40405630	研究论文	本研究利用快照多光谱技术和深度学习模型，通过光谱与图像双模态融合实现碾茶干燥过程中叶绿素含量的智能估计	首次将注意力机制集成到卷积神经网络中，并结合光谱-图像双模态融合方法提升叶绿素含量预测精度	NA	开发一种快速、非侵入式的叶绿素含量监测方法，以提升碾茶干燥过程的质量控制	碾茶（抹茶前身）干燥过程中的样品	计算机视觉	NA	快照多光谱技术、化学计量学	CNN with attention mechanism, SE-ResNet18	多光谱图像、灰度纹理特征	NA
226	2025-09-09	DenoiseMamba: An Innovative Approach for EEG Artifact Removal Leveraging Mamba and CNN 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573042 PMID:40408214	研究论文	提出一种结合Mamba和CNN的创新EEG去噪模型DenoiseMamba，用于有效去除脑电信号中的多种伪迹	首次将结构化状态空间对偶（SSD）机制与CNN结合，能够同时捕捉EEG信号的局部和全局时空特征	NA	开发高效的EEG信号去噪方法，提升脑电信号质量	脑电信号（EEG）及其中的眼电、肌电和心电伪迹	信号处理	神经系统疾病	深度学习	CNN结合SSD机制	EEG时序信号数据	三个半模拟数据集
227	2025-09-09	SSC-SleepNet: A Siamese-Based Automatic Sleep Staging Model With Improved N1 Sleep Detection 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3572886 PMID:40408218	研究论文	提出一种基于伪孪生神经网络的自动睡眠分期模型SSC-SleepNet，专注于提升N1睡眠阶段的检测性能	采用伪孪生网络架构结合对比损失实现少样本学习，设计自适应损失函数动态加权交叉熵损失和焦点损失以解决类别不平衡问题	NA	通过人工智能方法改进单通道脑电信号的自动睡眠分期，特别是N1睡眠阶段的识别	睡眠脑电信号	机器学习	睡眠障碍	深度学习	伪孪生神经网络（Squeeze-and-Excitation残差网络分支和CNN-LSTM分支）	单通道脑电信号（EEG）	四个数据集（Sleep-EDF-SC、Sleep-EDF-X、SHHS、HMC），具体样本量未明确说明
228	2025-09-09	Knowledge-Driven Graph Representation Learning for Myocardial Infarction Localization 2025-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574688 PMID:40434860	研究论文	提出一种知识驱动的图表示学习框架，用于心肌梗死定位任务	将医学先验知识融入深度学习模型，通过知识图谱引导模型识别关键特征	NA	提高心肌梗死定位的准确性，特别是罕见类型心肌梗死的定位	心电图信号、形态学特征和患者人口统计学信息	机器学习	心血管疾病	图表示学习、知识图谱构建	KD-GRL（知识驱动图表示学习框架）	心电图信号、结构化医疗知识	两个公开数据集PTB和PTBXL
229	2025-09-09	Using Deep Learning to Predict Cardiovascular Magnetic Resonance Findings From Echocardiographic Videos 2025-Sep, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.05.016 PMID:40451472	研究论文	本研究利用深度学习模型分析超声心动图视频，尝试预测心脏磁共振成像的组织特征参数	首次尝试通过超声心动图视频深度学习推导心脏磁共振特有的组织特征（如LGE、T1、T2和ECV）	模型无法可靠检测LGE存在和异常T1、T2或ECV，表明超声视频中可能缺乏这些组织特征的信号	评估深度学习模型从超声心动图检测心脏磁共振特定参数的性能	成人患者的心脏超声视频和心脏磁共振成像数据	医学影像分析	心血管疾病	深度学习，卷积神经网络	CNN	视频	1,453名成人患者（平均年龄56±18岁，42%女性），2,556组配对研究
230	2025-09-09	Modeling decision-making during unprotected left turns using interpretable deep learning and uncertainty quantification 2025-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108136 PMID:40513415	研究论文	本研究通过可解释深度学习和不确定性量化方法，分析驾驶员在无保护左转场景中的决策过程及其与安全性的关系	结合Transformer模型与SHAP可解释性分析，从决策不确定性角度揭示无保护左转决策机制，并量化不确定性对安全的影响	NA	探究无保护左转场景中驾驶员的决策机制及不确定性对行车安全的影响	驾驶员在无保护左转场景中的决策行为	机器学习	NA	Transformer模型, SHAP可解释性分析, Jensen-Shannon散度	Transformer	行为决策数据	NA
231	2025-09-09	Recent advances in sMRI and artificial intelligence for presurgical planning in focal cortical dysplasia: A systematic review 2025-Sep, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101359 PMID:40517890	系统综述	本系统综述探讨了人工智能结合结构MRI在局灶性皮质发育不良术前检测中的最新进展	AI特别是深度学习模型显著提升FCD检测灵敏度至97.1%，特异性达84.3%，并可与人类放射科医生表现相媲美或超越	模型性能因FCD类型和训练数据集而异，需要进一步临床验证和算法优化以实现更广泛临床应用	改善药物难治性癫痫患者术前规划中的FCD检测精度	人类局灶性皮质发育不良病例	医学影像分析	癫痫	结构MRI (sMRI)，包括MPRAGE、MP2RAGE和FLAIR序列	机器学习(ML)和深度学习(DL)	MRI图像	基于27项符合纳入标准的研究（共审查88篇全文文章）
232	2025-09-09	DeepEM Playground: Bringing deep learning to electron microscopy labs 2025-Sep, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70005 PMID:40579897	研究论文	介绍DeepEM Playground平台，旨在降低电子显微镜实验室使用深度学习的门槛	开发了交互式用户友好平台，使无编程经验的EM研究者也能训练和调整DL模型	NA	弥合深度学习研究与电子显微镜实验室实际应用之间的差距	电子显微镜研究人员	计算机视觉	NA	深度学习	NA	图像	NA
233	2025-09-09	Deep learning for orbital fracture detection and reconstruction: A systematic review on diagnostic accuracy and surgical planning 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.06.008 PMID:40592670	系统综述	系统回顾深度学习模型在基于CT影像的眼眶骨折检测与重建中的效能，评估其诊断准确性、处理时间及在手术规划中的作用	展示了U-Net、GAN和SPAK引导架构等深度学习模型在眼眶骨折处理中的高精度应用，并显著减少了处理时间	需要进一步的比较研究以标准化方法并验证临床适用性	评估深度学习模型在眼眶骨折检测和重建中的诊断准确性及手术规划优化	眼眶骨折的CT影像	计算机视觉	眼眶骨折	CT成像	U-Net, GAN, DenseNet, SPAK-guided	医学影像	五项符合纳入标准的研究（具体样本数量未在摘要中明确）
234	2025-09-09	Cephalometric landmark detection using vision transformers with direct coordinate prediction 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.05.021 PMID:40603150	研究论文	提出一种基于视觉变换器和直接坐标预测的头影测量标志点检测新方法	首次将视觉变换器(ViTs)与直接坐标预测相结合，避免传统内存密集的热图预测方法	未明确说明模型在不同数据集上的具体泛化能力限制	提升头影测量标志点检测的精度和泛化能力	侧位X射线图像中的头影测量标志点	计算机视觉	口腔正畸	深度学习	Vision Transformer (ViT)	X射线图像	NA
235	2025-09-09	Development of a deep learning-based automated diagnostic system (DLADS) for classifying mammographic lesions - a first large-scale multi-institutional clinical trial in Japan 2025-Sep, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01741-3 PMID:40608200	研究论文	开发并验证了日本首个基于深度学习的乳腺X线摄影AI辅助诊断系统，用于自动分类乳腺病变	首次针对日本女性大规模开发多机构临床验证的乳腺AI-CADx系统，采用SE-ResNet模块和滑动窗口算法	回顾性研究设计，尚未进行前瞻性临床验证	建立适用于日本女性的乳腺X线摄影人工智能辅助诊断系统	日本女性的筛查或诊断性乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习，乳腺X线摄影	SE-ResNet	医学图像	11,450名日本女性，20,638张乳腺X线影像（含5,019例乳腺癌、5,026例良性和10,593例正常）
236	2025-09-09	Deep learning models for predicting hearing thresholds based on joint stimulus-frequency otoacoustic emissions and distortion-product otoacoustic emissions 2025-Sep, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109349 PMID:40618463	研究论文	开发一种结合SFOAE和DPOAE的深度学习模型，用于定量预测听力阈值	首次联合使用SFOAE和DPOAE两种耳声发射信号，通过深度学习实现听力阈值预测，并显著提升准确率	NA	通过双源耳声发射信号实现听力损失的客观诊断	人耳（正常听力与感音神经性听力损失患者）	机器学习	听力损失	耳声发射检测（SFOAE和DPOAE）	CNN和RNN	频谱数据（振幅谱和信噪比谱）	94只正常听力耳和401只感音神经性听力损失耳
237	2025-09-09	Accounting for population structure in deep learning models for genomic analysis 2025-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨深度学习模型在基因组分析中忽略群体结构是否会导致类似传统分析中的混淆效应	首次系统评估深度学习模型中群体结构忽略问题，并利用可解释AI揭示特征重要性差异	基于模拟和真实数据集的实验结果可能需要更多样化数据验证	调查深度学习模型忽略遗传相关性是否引入混淆效应	单核苷酸多态性数据	机器学习	NA	深度学习	深度学习模型	基因组数据	模拟和真实数据集
238	2025-09-09	A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans 2025-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.021 PMID:40634223	研究论文	开发了一种基于深度学习的模型，用于在分期CT扫描中自动检测和分类骨病变	首次使用nnUNet模型实现对骨病变的全面自动化检测与良恶性分类	在部分良性患者中出现了假阳性识别	提高癌症骨转移病灶的检测效率和分类准确性	骨病变（包括成骨性和溶骨性病变）患者	计算机视觉	前列腺癌及其他癌症骨转移	CT扫描成像	nnUNet	医学影像（CT图像）	402例患者用于训练，69例患者用于测试
239	2025-09-09	Development and validation of a deep learning-based automatic classification algorithm for the medial temporal lobe atrophy score using a multimodality cascade transformer 2025-Sep, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106993 PMID:40675115	研究论文	开发并验证基于深度学习的自动分类算法，用于评估认知障碍患者内侧颞叶萎缩评分	采用多模态级联Transformer架构实现MTA评分的自动化分类，并进行了内部与外部数据集验证	深度学习模型与机器学习模型性能相似，未显示出显著优势；研究为回顾性设计	开发自动化的内侧颞叶萎缩评分分类系统	认知障碍患者	医学影像分析	认知障碍	深度学习和机器学习算法	多模态级联Transformer	医学影像数据	训练集1694例患者，内部测试集297例患者，外部测试集400例患者
240	2025-09-09	Multi-parameter MRI deep learning model for lymphovascular invasion assessment in invasive breast ductal carcinoma: A multicenter, retrospective study 2025-Sep, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107002 PMID:40695008	研究论文	本研究开发了一种基于多参数MRI和深度学习的模型，用于预测浸润性乳腺导管癌的淋巴血管侵犯状态	首次将多参数MRI与深度学习结合，采用MobileNetV2-3D模型并融合临床放射学特征，提高了LVI预测的准确性	回顾性研究设计，样本来自两个中心共448例患者，可能存在选择偏倚	评估多参数MRI深度学习模型在预测浸润性乳腺导管癌淋巴血管侵犯状态中的价值	浸润性乳腺导管癌患者	医学影像分析	乳腺癌	多参数磁共振成像，深度学习	MobileNetV2-3D，组合模型	MRI影像数据，临床放射学特征	448例患者来自两个医疗中心