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	2025-07-17	A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1601815 PMID:40656161	研究论文	本研究使用基于nnU-Net的自动分割方法，对3D FLAIR MRI图像中的FCD II型病变进行分割	采用自动切片选择方法，通过峰值体素强度对轴向FLAIR切片进行排序，并保留每个扫描中排名前五的切片，使网络专注于富含病变的切片	研究样本量较小，仅包含85名FCD II型患者	提高癫痫患者病灶检测的准确性和速度，以改善术前评估和治疗效果	FCD II型病变的3D FLAIR MRI图像	数字病理学	癫痫	3D FLAIR MRI	nnU-Net	图像	85名FCD II型患者
222	2025-07-17	Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure 2025, Journal of reliable intelligent environments DOI:10.1007/s40860-025-00253-3 PMID:40656511	研究论文	提出了一种新型动态网络安全风险管理框架，整合AI模型的可解释性和可解释性特征，以增强数字基础设施的安全性和韧性	整合动态参数如漏洞利用和资产依赖关系，采用混合AI模型（线性回归和深度学习）进行漏洞优先级排序，并引入AI模型的可解释性特征	未明确说明框架在实际组织环境中的适用性和部署挑战	提升网络安全风险管理的动态性和可解释性，以应对不断变化的网络威胁	数字基础设施的网络安全风险管理	机器学习	NA	混合AI模型（线性回归和深度学习）	线性回归, 深度学习	结构化数据（CVEjoin数据集）	使用广泛采用的CVEjoin数据集进行实验
223	2025-07-17	AllerTrans: a deep learning method for predicting the allergenicity of protein sequences 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf040 PMID:40656558	研究论文	开发了一种名为AllerTrans的深度学习方法，用于预测蛋白质序列的过敏性	结合两种蛋白质语言模型(pLMs)提取特征向量，并通过深度神经网络(DNN)进行分类，提高了预测的准确性和效率	未提及具体的数据集规模或多样性限制	预测蛋白质的过敏性，以替代传统昂贵且耗时的实验室测试	蛋白质序列	生物信息学	过敏性疾病	蛋白质语言模型(pLMs), 深度神经网络(DNN)	DNN, 集成模型	蛋白质序列	NA
224	2025-07-17	Artificial intelligence and machine learning techniques for predicting neuropathic pain in patients with cancer: A systematic review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251358315 PMID:40656844	系统综述	本文系统评估了人工智能和机器学习技术在预测癌症患者神经病理性疼痛中的应用	首次系统综述了AI/ML在癌症相关神经病理性疼痛预测中的应用，并分析了模型性能、预测因子及局限性	方法学局限包括校准不足、外部验证率低(仅14%)和可解释性有限	评估AI/ML技术在预测肿瘤患者神经病理性疼痛及相关结局中的应用	癌症患者(主要集中于乳腺癌患者)	机器学习	癌症	AI/ML技术	随机森林、支持向量机(SVM)、深度学习架构	临床数据、情感数据、影像数据和分子数据	14项符合条件的研究(基于PRISMA 2020指南筛选)
225	2025-07-17	Advancing cardiac diagnostics: high-accuracy arrhythmia classification with the EGOLF-net model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1613812 PMID:40656899	research paper	该研究提出了一种名为EGOLF-net的新型模型，用于高精度心律失常分类	结合增强型灰狼优化算法与LSTM融合网络，显著提升心电图信号处理的准确性和鲁棒性	研究仅基于MIT-BIH心律失常数据库，未在其他独立数据集上验证模型泛化能力	开发高精度心律失常自动诊断系统以辅助临床决策	心电图信号中的心律失常模式	数字病理学	心血管疾病	小波变换/统计特征提取	EGOLF-Net (Enhanced Gray Wolf Optimization with LSTM Fusion Network)	ECG信号	MIT-BIH心律失常数据库（具体样本量未说明）
226	2025-07-17	Cross-Scale Guidance Integration Transformer for Instance Segmentation in Pathology Images 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3555818 PMID:40657050	research paper	提出了一种用于病理图像中腺癌细胞实例分割的跨尺度引导集成Transformer方法	引入了跨尺度引导集成模块，整合多尺度特征，通过掩码注意力解码器更准确地分割不同大小的腺癌细胞	未提及具体的数据集大小或多样性限制	开发一种自动化的计算机辅助腺癌分级方法，减轻病理学家负担并提高可重复性	病理图像中的腺癌细胞	digital pathology	adenocarcinoma	deep learning	Transformer	image	两个公共腺癌细胞数据集
227	2025-07-17	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对利用脑电图(EEG)信号处理技术进行创伤后应激障碍(PTSD)诊断、鉴别和治疗的计算方法进行了范围综述	全面概述了从EEG采集到统计和机器学习技术的整个分析流程，并识别了Alpha波段和特定事件相关电位(ERP)在PTSD诊断中的优势	ERP使用存在局限，睡眠特征和全波段EEG研究不足，数据集代表性不够广泛	评估EEG信号处理技术在PTSD诊断、鉴别和治疗中的应用	创伤后应激障碍(PTSD)患者(主要研究人群为退伍军人和战斗人员)	生物医学信号处理	精神疾病/创伤后应激障碍	EEG信号处理(包括EEG频段分析和事件相关电位ERP)	SVM(监督学习), Random Forest(多模态模型), 无监督聚类	EEG信号数据(部分研究整合ECG、GSR、语音等多模态数据)	共分析73项研究(52项诊断研究，8项鉴别研究，15项治疗研究)，仅3项研究报告了开放数据集
228	2025-07-17	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	research paper	介绍了一种名为NDL-Net的混合深度学习框架，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合了MobileNetV3 Large和ResNet50进行图像处理和复杂模式检测，并引入LSTM层分析时间变化以提高预测准确性	未提及具体的数据集来源或样本多样性限制	提高新生儿呼吸窘迫综合征的诊断准确性和及时性	新生儿胸部X光片	digital pathology	neonatal respiratory distress syndrome	deep learning	MobileNetV3 Large, ResNet50, LSTM	image	未明确提及具体样本数量
229	2025-07-17	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用深度学习模型和经直肠超声（TRUS）视频片段预测前列腺癌的有效性	首次将3D深度学习模型（I3D）应用于TRUS视频片段进行前列腺癌分类，并在多中心研究中验证其性能	样本来源仅限于使用特定型号超声诊断机器的患者，可能影响模型的泛化能力	评估深度学习模型在前列腺癌分类中的有效性	接受经直肠超声检查的男性患者	数字病理学	前列腺癌	TRUS	I3D, ResNet 50	视频	815名男性（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）
230	2025-07-17	Deep Learning-Based Automatic Diagnosis System for Developmental Dysplasia of the Hip 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3560877 PMID:40657528	research paper	开发了一种基于深度学习的自动诊断系统，用于提高发育性髋关节发育不良（DDH）诊断的准确性和一致性	引入了端到端深度学习模型进行关键点检测，并提出了一种新颖的数据驱动评分系统，整合三个关键角度信息以提供全面且可解释的诊断输出	研究未提及模型在不同年龄段或不同严重程度DDH患者中的泛化能力	提高DDH诊断的准确性和一致性	骨盆X光片中的八个解剖关键点	digital pathology	developmental dysplasia of the hip	deep learning-based keypoint detection	end-to-end deep learning model	image	未明确提及样本数量，但与8名中等经验骨科医生进行了比较
231	2025-07-17	Survival Prediction of Esophageal Cancer Using 3D CT Imaging: A Context-Aware Approach With Non-Local Feature Aggregation and Graph-Based Spatial Interaction 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3562724 PMID:40657529	研究论文	本研究提出了一种基于3D CT影像的食管癌生存预测方法，通过非局部特征聚合和图基空间交互模块提升预测准确性	创新性地结合了非局部特征聚合模块(NFAM)和图基空间交互模块(GSIM)，关注肿瘤与淋巴结区域的上下文交互	仅使用3D CT影像数据，可能忽略其他潜在影响生存率的临床因素	开发有效的食管癌生存风险预测模型	食管癌患者	数字病理	食管癌	3D CT成像	深度学习模型（含NFAM和GSIM模块）	3D医学影像	NA
232	2025-07-17	Cross-Database Evaluation of Deep Learning Methods for Intrapartum Cardiotocography Classification 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3548401 PMID:40657532	研究论文	本研究通过跨数据库评估六种深度学习模型在产时胎心监护分类中的应用，探讨了信号选择和预处理对模型性能的影响	首次在跨数据库环境下系统评估多种深度学习模型对胎儿窘迫的检测性能，并分析了信号预处理和训练数据选择对模型的影响	研究使用的数据集仍有限，且未涉及更多样化的临床场景	开发并评估深度学习模型用于自动检测胎儿窘迫	胎心监护(CTG)记录数据	医疗人工智能	产科疾病	深度学习	ResNet等六种深度学习模型	胎心率(FHR)和子宫收缩(UC)信号数据	私有数据集9,887条CTG记录和公开数据集552条CTG记录
233	2025-07-17	Finger drawing on smartphone screens enables early Parkinson's disease detection through hybrid 1D-CNN and BiGRU deep learning architecture 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327733 PMID:40658696	研究论文	本研究开发了一种混合深度学习模型，通过分析智能手机屏幕上手指绘制的螺旋线和波浪线的运动数据，旨在早期检测帕金森病	结合一维卷积神经网络和双向GRU的混合深度学习框架，利用智能手机捕捉的手指运动动力学进行早期帕金森病检测，无需依赖临床评分量表、神经影像学模式或基于触笔的数字评估	样本量较小（58名参与者），且仅限于早期特发性帕金森病患者和健康对照者	开发一种基于智能手机的早期帕金森病检测方法	28名早期特发性帕金森病患者和30名健康对照者	数字病理学	帕金森病	深度学习	1D-CNN和BiGRU混合模型	运动数据（手指触摸坐标、瞬时运动速度和时间戳）	58名年龄匹配的参与者（28名患者和30名健康对照者）
234	2025-07-17	Automatic identification and characteristics analysis of crack tips in rocks with prefabricated defects based on deep learning methods 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327906 PMID:40663529	研究论文	本研究基于深度学习方法，实现了岩石预制缺陷中裂纹尖端的高精度自动识别与特征分析	采用U-Net模型进行岩石裂纹识别，准确率高达99.4%，相比Deeplabv3模型有显著提升	研究仅针对特定角度(0°-60°)的预制裂纹砂岩样本，未涵盖更复杂的自然裂纹形态	实现岩石裂纹尖端的高精度自动识别，为复杂地质环境下的工程决策提供数据支持	含预制裂纹(0°-60°)的砂岩SCB半圆盘试样	计算机视觉	NA	超高速摄像技术、图像均衡化处理(HE/AHE/CLAHE)	U-Net, Deeplabv3	图像	含五种不同角度(0°/15°/30°/45°/60°)预制裂纹的砂岩样本
235	2025-07-17	Consensus structure prediction of A. thaliana's MCTP4 structure using prediction tools and coarse grained simulations of transmembrane domain dynamics 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326993 PMID:40663537	研究论文	本研究通过深度学习和物理模拟方法预测了拟南芥MCTP4蛋白的跨膜区域结构，并探索了其在脂质双层中的行为	结合多种深度学习方法与物理模拟技术，揭示了MCTP4蛋白跨膜区域的复杂构象景观	仅使用单一深度学习方法预测膜蛋白结构存在挑战，且模型预测结果存在差异	解析拟南芥MCTP4蛋白跨膜区域的结构特征与动态行为	拟南芥MCTP4蛋白的跨膜区域	结构生物学	NA	深度学习(DL)、分子动力学模拟	ESMFold, AlphaFold-Multimer, trRosetta, RoseTTAFold, AlphaFold2, OmegaFold	蛋白质序列与结构数据	NA
236	2025-07-17	Driven early detection of chronic kidney cancer disease based on machine learning technique 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326080 PMID:40663560	研究论文	该研究提出了一种基于机器学习的慢性肾癌早期检测方法KCDC-SODLPI，通过深度学习技术分析病理图像以提高诊断准确性和效率	结合Snake Optimizer优化SE-DenseNet模型的超参数，并采用BiLSTM模型进行肾癌检测与分类，实现了88.9%的高准确率	实验仅在生物医学图像数据集上进行验证，未涉及临床实际应用效果的评估	开发自动化的肾癌早期检测系统以提高诊断效率和准确性	肾细胞癌（RCC）的病理图像	数字病理	肾癌	深度学习	SE-DenseNet, BiLSTM	病理图像	生物医学图像数据集（具体数量未说明）
237	2025-07-17	Artificial intelligence in ophthalmology: a bibliometric analysis of the 5-year trends in literature 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1580583 PMID:40665980	研究论文	本研究通过文献计量学方法分析了2020-2024年间人工智能在眼科领域应用的文献趋势	超越单一领域提供更全面的视角，并涵盖2022年后文献，填补了此前文献计量研究的空白	仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献	阐明人工智能在眼科领域应用的最新观点和发展趋势	人工智能在眼科领域的应用文献	医学人工智能	眼科疾病	文献计量分析	CNN, 深度学习, 机器学习	文献数据	21,725篇文献，来自134个国家和7,126个机构
238	2025-07-17	PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy 2025, BMC methods DOI:10.1186/s44330-024-00020-5 PMID:40666158	research paper	介绍了一个用户友好的Python包PSSR2，用于普及基于深度学习的点扫描超分辨率显微镜技术	PSSR2改进了PSSR的工作流程和方法，提供了更高质量的超分辨率和去噪效果，并通过集成的命令行界面和Napari插件实现用户友好操作	PSSR2模型仅适用于与训练数据足够相似的数据进行超分辨率处理，并且需要针对真实世界的地面真实数据进行验证	开发一个易于使用的工具，用于提升低质量显微镜数据的分辨率和质量	低分辨率显微镜图像	digital pathology	NA	deep learning-based methods	NA	image	paired high and low resolution electron microscopy images
239	2025-07-17	Dual-stage segmentation and classification framework for skin lesion analysis using deep neural network 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251351858 PMID:40666627	研究论文	本研究开发了一种双阶段深度学习框架，用于皮肤病变的分割和分类，旨在解决数据不平衡、病变变异性和低对比度等挑战	提出了一种结合U-Net分割和EfficientFormer/SwiftFormer分类的双阶段深度学习框架，并在多个数据集上验证了其性能	未明确提及具体局限性，但可能包括对非皮肤镜数据的适应性仍需进一步验证	开发高精度的皮肤病变自动分割和分类系统	皮肤病变图像	计算机视觉	皮肤癌	深度学习	U-Net, EfficientFormer, SwiftFormer, XGBoost, ResNet	图像和表格数据	三个数据集：HAM10000（10,000张训练图像）、ISIC 2018和ISIC 2024 SLICE-3D
240	2025-07-17	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究探讨了基于卫星和街景的绿地空间与美国儿童肥胖之间的关联	首次同时使用卫星归一化植被指数(NDVI)和街景图像绿地指标，并结合多种肥胖测量指标进行研究	研究仅基于美国儿童样本，结果可能不适用于其他人群	探索不同绿地空间测量方法与儿童肥胖指标之间的关系	美国儿童	公共卫生	肥胖症	卫星NDVI、街景图像分析、深度学习算法	线性回归模型	卫星图像、街景图像、人体测量数据	843名儿童(基线平均年龄7.9岁，50.2%为女孩)