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
241	2025-09-05	Characterizing Psychiatric Disorders Through Graph Neural Networks: A Functional Connectivity Analysis of Depression and Schizophrenia 2025, Depression and anxiety IF:4.7Q1 DOI:10.1155/da/9062022 PMID:40895757	研究论文	利用图神经网络分析抑郁症和精神分裂症的功能连接模式，揭示其神经机制异同	首次应用注意力层次池化图神经网络(SAGPool)对比分析两种精神疾病的脑网络差异，并通过可解释性方法识别关键功能连接	基于多中心静息态fMRI数据，但未提及样本量平衡性及跨中心验证的局限性	识别抑郁症和精神分裂症在大规模脑网络中的共性和特异性模式	抑郁症患者、精神分裂症患者和健康对照组	机器学习	精神疾病	静息态功能磁共振成像(fMRI)，图神经网络分析	SAGPool (图神经网络)	脑功能连接数据	多中心数据集（具体数量未明确说明）
242	2025-09-05	Pseudo-Rendering for Resolution and Topology-Invariant Cortical Parcellation 2025, Machine learning in medical imaging. MLMI (Workshop) DOI:10.1007/978-3-031-73290-4_8 PMID:40896370	研究论文	提出一种名为PRIR的伪渲染-逆渲染框架，用于解决皮质网格分割中的拓扑不变性和分辨率不变性问题	将3D网格分割问题重新定义为2D分割任务，通过多视角渲染和逆渲染实现拓扑不变性，并能有效捕捉长程依赖关系	NA	开发一种对网格拓扑和分辨率不敏感的皮质分割方法	大脑皮质网格模型	计算机视觉	NA	伪渲染-逆渲染框架(PRIR)	U-Net, 马尔可夫随机场(MRF)	3D网格数据, 2D图像	NA
243	2025-09-05	Validation of a deep learning-based AI system for HER2-targeted breast cancer assessment using ultrasound imaging in a clinical setting 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1639474 PMID:40896446	研究论文	本研究评估了一种基于深度学习的AI系统在临床环境中使用超声成像对HER2阳性乳腺癌进行风险分层和治疗监测的性能	开发了首个在常规临床环境中验证的深度学习AI系统，用于HER2靶向乳腺癌的实时治疗监测和风险分层	样本量较小（86例），统计功效处于临界水平（0.74），需要在更大更多样化的队列中进行进一步验证	评估AI系统在乳腺癌治疗监测中的有效性，比较赫赛汀与Stradexa在降低AI预测恶性风险百分比方面的效果	HER2阳性乳腺癌患者	数字病理	乳腺癌	B型超声成像，免疫组化，组织病理学	CNN（卷积神经网络）	超声图像	86例经组织学确认的乳腺癌患者，来自150人的更大队列
244	2025-09-05	Integrating radiomics, artificial intelligence, and molecular signatures in bone and soft tissue tumors: advances in diagnosis and prognostication 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1613133 PMID:40900793	系统综述	系统评估影像组学、人工智能和分子标志物整合在骨与软组织肿瘤诊断与预后中的进展	首次系统分析多模态整合在BSTT中的现状，揭示影像-分子数据融合的缺失并提出基于注意力机制神经网络的发展方向	缺乏标准化多组学特征融合方法、外部验证不足（仅17%研究）、深度学习可解释性有限	推进骨与软组织肿瘤的多模态诊断与预后系统开发	骨与软组织肿瘤（BSTTs）	数字病理	骨与软组织肿瘤	影像组学、机器学习、分子标志物分析	随机森林（42%）、CNN（17%）	MRI（72%）、CT（25%）、分子数据	24项研究（源自1141条初始记录）
245	2025-09-05	Hybrid feature fusion in cervical cancer cytology: a novel dual-module approach framework for lesion detection and classification using radiomics, deep learning, and reproducibility 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1595980 PMID:40900798	研究论文	提出一种结合放射组学和深度学习的双模块框架，用于宫颈癌细胞学中的病变检测与分类	创新性地融合了放射组学特征和深度学习特征，并采用多种先进模型进行病变检测与分类，展示了优异的泛化能力	未来需关注可解释AI、实时部署和大规模验证以促进临床整合	提升宫颈癌细胞学诊断的准确性和效率	宫颈细胞学样本	数字病理学	宫颈癌	放射组学特征提取、深度学习特征提取	Swin Transformer, YOLOv11, Faster R-CNN, DETR, EfficientNet, XGBoost, Random Forest, CatBoost, TabNet, TabTransformer	细胞学图像	内部数据集4,236个样本，外部验证集APCData 3,619个样本
246	2025-09-05	A combined model integrating deep learning, radiomics, and clinical ultrasound features for predicting BRAF V600E mutation in papillary thyroid carcinoma with Hashimoto's thyroiditis 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1641037 PMID:40900897	研究论文	开发结合深度学习、影像组学和临床超声特征的集成模型，用于预测合并桥本甲状腺炎的甲状腺乳头状癌中BRAF V600E突变	首次将深度学习特征、影像组学特征与临床超声特征融合，构建多模态预测模型，并采用SHAP分析进行特征贡献度解释	回顾性研究设计，样本仅来自中国四家医院，可能存在选择偏倚	预测甲状腺乳头状癌合并桥本甲状腺炎患者的BRAF V600E突变状态	672名患者的717个甲状腺结节	医学影像分析	甲状腺癌	超声成像、机器学习特征选择（mRMR、LASSO）	集成学习模型（结合多种机器学习算法）	超声图像、临床特征数据	717个甲状腺结节（来自672名患者）
247	2025-09-05	Automatic detection and prediction of epileptic EEG signals based on nonlinear dynamics and deep learning: a review 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1630664 PMID:40900924	综述	本文综述了基于非线性动力学和深度学习的癫痫EEG信号自动检测与预测研究进展	识别了三个范式转变：非线性特征在捕捉发作前过渡期的优势、注意力机制处理长程依赖的关键作用，以及非线性属性与深度学习架构整合带来的跨患者泛化能力	存在临床转化障碍、算法性能权衡问题以及特征提取/选择局限性	癫痫EEG信号的自动检测与预测方法研究	癫痫患者的脑电图(EEG)信号	机器学习	神经系统疾病	非线性动力学方法（混沌理论、分形分析、熵计算）	CNN, LSTM, 注意力机制	EEG时间序列数据	NA
248	2025-09-05	Faster, more accurate? A feasibility study on replacing human judges with artificial intelligence in video review for the Paris Olympics Taekwondo competition 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1632326 PMID:40901016	研究论文	本研究探索人工智能在巴黎奥运会跆拳道比赛视频回放系统中替代人类裁判的可行性	首次将ChatGPT-4.5与OpenPose深度学习模型结合应用于跆拳道比赛判罚，并提出AI辅助预审+裁判确认的混合模式	在头部轻微接触或视觉遮挡场景中存在判罚差异，需要人类监督处理复杂情况	提升体育比赛视频回放系统的准确性和效率	跆拳道比赛视频回放判罚	计算机视觉	NA	深度学习，视频分析	ChatGPT-4.5, OpenPose	视频	241个巴黎奥运会跆拳道比赛视频回放案例
249	2025-09-05	Clinical-oriented 3D visualization and quantitative analysis of gingival thickness using convolutional neural networks and CBCT 2025, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2025.1635155 PMID:40901030	研究论文	开发基于CBCT和深度学习的牙龈厚度3D可视化系统，用于牙种植手术规划	首次实现从2D切片到连续3D表面的空间量化评估，采用梯度色彩映射直观展示牙龈厚度分布	样本量较小（50例患者），需进一步临床验证	开发牙龈厚度的三维可视化定量分析系统	50例牙缺失患者的CBCT和口内扫描数据	计算机视觉	牙科疾病	CBCT，口内扫描，深度学习语义分割	DeepLabV3+	医学影像	50例患者
250	2025-09-05	Privacy-preserving dementia classification from EEG via hybrid-fusion EEGNetv4 and federated learning 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1617883 PMID:40901300	研究论文	提出一种结合深度学习和联邦学习的轻量级隐私保护EEG分类框架，用于痴呆症早期诊断	首次将混合融合EEGNetv4模型与联邦学习结合，在保护数据隐私的同时实现高精度分类	研究仅基于88名受试者的静息态EEG数据，样本规模有限	开发隐私保护的EEG痴呆症分类方法	阿尔茨海默病(AD)和额颞叶痴呆(FTD)患者	数字病理学	老年疾病	EEG信号处理、联邦学习	CNN、EEGNetv4、EEGITNet、EEGInception、EEGInceptionERP	EEG信号	88名受试者的静息态EEG数据
251	2025-09-05	Protein-ligand affinity prediction via Jensen-Shannon divergence of molecular dynamics simulation trajectories 2025, Biophysics and physicobiology IF:1.6Q4 DOI:10.2142/biophysico.bppb-v22.0015 PMID:40901491	研究论文	提出一种基于Jensen-Shannon散度的分子动力学模拟轨迹分析方法，用于预测蛋白质-配体结合亲和力	用JS散度替代深度学习相似性估计，显著降低计算成本；将模拟时间减半仍保持可比精度；提出通过AutoDock Vina粗估Δ值来预测PC1与Δ相关性的符号	在缺乏实验Δ值（oracle）时，相关性符号可能被误解	开发计算效率更高的蛋白质-配体结合亲和力预测方法	蛋白质-配体复合物	计算化学	NA	分子动力学模拟，Jensen-Shannon散度，AutoDock Vina	NA	分子动力学模拟轨迹	NA
252	2025-09-05	Progress and trends on machine learning in proteomics during 1997-2024: a bibliometric analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1594442 PMID:40901512	文献计量分析	本文对1997-2024年间机器学习在蛋白质组学领域的应用进行了首次大规模文献计量分析	首次专注于机器学习驱动的蛋白质组学研究领域，系统揭示其知识结构、发展轨迹和新兴趋势	基于文献计量方法，可能受数据库收录范围和检索策略限制	阐明机器学习在蛋白质组学领域的知识结构和发展趋势	5156篇Web of Science核心合集出版物（1997-2024）	机器学习	NA	文献计量分析工具（CiteSpace、VOSviewer、bibliometrix）	NA	文献元数据	5156篇出版物
253	2025-09-05	Artificial intelligence in dysphagia since the 21st century: a bibliometric and visualization study 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1624381 PMID:40901523	文献计量学综述	通过文献计量和可视化方法分析21世纪以来人工智能在吞咽障碍领域的研究趋势、合作网络和主题演变	首次对吞咽障碍领域人工智能研究进行系统性文献计量分析，揭示全球研究产出、关键贡献者和演进趋势	数据仅来源于Web of Science核心合集，可能未涵盖所有相关研究；分析截止至2025年2月，未能反映最新动态	绘制人工智能在吞咽障碍领域的研发现状图谱，指导未来跨学科研究	633篇学术论文、3533位作者、292种期刊	医疗人工智能	吞咽障碍	文献计量分析、可视化分析	NA	文献元数据	633篇论文（2000年1月至2025年2月）
254	2025-09-05	Artificial intelligence in electroencephalography analysis for epilepsy diagnosis and management 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1615120 PMID:40901672	综述	本文系统评估人工智能在脑电图分析中用于癫痫诊断与管理的应用	深入分析支持性AI和预测性AI两种主流应用模型在癫痫诊疗中的整合方式与潜力	模型可解释性不足、数据质量限制以及临床转化存在障碍	探讨人工智能技术提升癫痫脑电图分析的精准度和效率	癫痫患者的脑电图数据及临床诊疗流程	医疗人工智能	癫痫	EEG（脑电图）分析	深度学习（DL）和机器学习（ML）	脑电图信号数据	NA
255	2025-09-05	Uncovering key biomarkers, potential therapeutic targets and development of deep learning model in heart failure 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0330780 PMID:40901835	研究论文	本研究通过生物信息学分析和深度学习技术，识别了心力衰竭的四个关键生物标志物和两个潜在治疗药物，并开发了基于CNN的诊断模型	首次结合WGCNA、机器学习、免疫浸润分析和单细胞RNA测序技术系统筛选心力衰竭关键基因，并开发了基于深度学习的诊断模型	基于公共数据库的回顾性分析，需要进一步实验验证	发现心力衰竭的关键生物标志物和潜在治疗靶点	心力衰竭患者基因表达数据	生物信息学	心血管疾病	RNA-seq, 单细胞RNA测序, 分子对接	CNN	基因表达数据	公共GEO数据库中的心力衰竭相关数据集
256	2025-09-05	Effective SMOTE boost with deep learning for IDC identification in whole-slide images 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0329078 PMID:40901930	研究论文	提出一种基于SMOTE和卷积神经网络的创新方法，用于全切片图像中浸润性导管癌的自动识别	首次将SMOTE技术与CNN结合应用于乳腺癌全切片图像分析，显著提升IDC区域检测准确率	样本量有限（仅162例患者），未进行外部验证	开发高精度乳腺癌自动诊断系统以提高早期检测能力	乳腺癌患者的组织病理学全切片图像	数字病理学	乳腺癌	深度学习，SMOTE过采样技术	CNN，VGG19，ResNet50，SMO_CNN	图像	162例IDC患者（训练集113张图像，测试集49张图像）
257	2025-09-05	Artificial intelligence in advanced gastric cancer: a comprehensive review of applications in precision oncology 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1630628 PMID:40904504	综述	本文全面回顾了人工智能在晚期胃癌精准肿瘤学中的应用现状与前景	系统整合多模态数据（临床、基因组、影像组学、病理组学）的AI方法显著提升预测性能，超越单模态模型	面临数据质量与标准化不足、模型泛化性与可解释性有限、缺乏严格前瞻性验证等挑战	探讨人工智能如何推动晚期胃癌的精准治疗与个性化管理	晚期胃癌患者的多维度数据（临床记录、基因组、影像、数字病理）	数字病理	胃癌	机器学习（ML）、深度学习（DL）、可解释人工智能（XAI）	多模态AI模型	临床文本、基因组数据、医学影像、病理图像	NA
258	2025-09-05	A new deep learning model for predicting IMRT dose distributions for lung cancer with dose masks 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1587788 PMID:40904510	研究论文	提出一种结合剂量掩码的深度学习模型，用于提升肺癌IMRT剂量分布的预测精度	首次在剂量预测模型中引入剂量掩码信息，显著改善了中低剂量区域的预测准确性	未明确说明模型在不同医疗机构或设备间的泛化能力	提高肺癌调强放射治疗（IMRT）剂量分布的预测精度	肺癌患者的CT图像、解剖结构和剂量分布数据	医学图像分析	肺癌	深度学习	3D U-Net	CT图像、剂量掩码	包含常规放疗和同步整合推量（SIB）放疗的混合数据集
259	2025-09-05	Improving EEG classification of alcoholic and control subjects using DWT-CNN-BiGRU with various noise filtering techniques 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1618050 PMID:40904893	研究论文	本研究提出一种结合离散小波变换（DWT）、CNN和双向门控循环单元（BiGRU）的新模型，用于提升酒精依赖者与对照组EEG信号的分类准确率	首次将DWT-CNN-BiGRU架构应用于EEG酒精分类，并系统比较了DWT、DFT和DCT三种去噪技术的效果	未提及样本规模的具体细节及跨数据集验证结果	开发高精度的EEG信号分类方法以辅助酒精依赖诊断	酒精依赖患者和健康对照组的脑电图（EEG）信号	生物医学信号处理	酒精依赖症	离散小波变换(DWT), 离散傅里叶变换(DFT), 离散余弦变换(DCT)	CNN-BiGRU混合模型	EEG时序信号	NA
260	2025-09-05	Exploring the Applications of Explainability in Wearable Data Analytics: Systematic Literature Review 2024-12-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/53863 PMID:39718820	系统文献综述	本文系统回顾了可解释人工智能（XAI）在可穿戴设备数据分析中的应用现状与挑战	首次系统梳理可穿戴医疗技术中XAI的应用方法，明确腕戴设备主导地位及事后解释方法的适应性优势	用户评估环节存在明显不足，缺乏终端用户参与开发过程的实证研究	探讨可解释性方法在可穿戴医疗技术中的应用价值与实现路径	基于可穿戴设备产生的量化自我数据及其机器学习模型	可穿戴健康技术	NA	Shapley Additive Explanations等事后可解释性方法	机器学习/深度学习模型	传感器时序数据	25篇研究论文（2018-2022年）