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
2981	2025-11-25	Lightweight deep neural networks: Optimization of vehicle classification using ICBAM based on depthwise separable convolutions 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335967 PMID:41270095	研究论文	提出一种基于深度可分离卷积和改进卷积块注意力模块的轻量级深度神经网络DSICBAMNet，用于车辆分类任务	结合深度可分离卷积降低计算复杂度，并通过改进的注意力模块ICBAM增强抗过拟合能力和特征权重分配机制	NA	开发轻量高效的车辆分类模型以满足智能交通系统对计算效率和泛化能力的需求	车辆图像数据	计算机视觉	NA	深度学习	CNN	图像	MIO-TCD数据集286个测试样本，Stanford Cars数据集1060个测试样本	NA	DSICBAMNet（基于深度可分离卷积和ICBAM模块）	准确率	NA
2982	2025-11-25	Spatio-temporal fusion of meteorological factors for multi-site PM2.5 prediction: A deep learning and time-variant graph approach 2023-12-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117286 PMID:37797668	研究论文	提出一种基于深度学习和时变图的多站点PM2.5预测模型，通过融合气象因素的时空特征提升预测精度	创新性地结合图卷积网络和长短期记忆网络构建多图模型，能够深度挖掘多监测站点与气象因素的联合影响	仅以北京为研究案例，未验证模型在其他地区的适用性	提高多站点PM2.5浓度预测的准确性	北京市多个空气质量监测站点的PM2.5浓度数据	环境科学	NA	深度学习	GCN, LSTM	时间序列数据，气象数据，空气质量监测数据	NA	NA	图卷积网络，长短期记忆网络，注意力机制	NA	NA
2983	2025-11-24	Artificial Intelligence and Radiogenomics for Pediatric CNS Neoplasms 2026-Feb, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.09.003 PMID:41274766	综述	本文探讨人工智能和影像基因组学在儿童中枢神经系统肿瘤诊断和治疗中的应用	整合WHO第五版CNS肿瘤分类标准，强调分子特征与影像学特征的关联，通过AI技术实现无创肿瘤表征	面临数据变异性和伦理问题等挑战	推进儿童神经肿瘤学的精准诊断和个性化治疗	儿童中枢神经系统肿瘤	数字病理	中枢神经系统肿瘤	DNA甲基化分析, 下一代测序	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
2984	2025-11-24	Walking Assistance System with Electrical Stimulation from Secondary Muscle Groups 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_49 PMID:41273591	研究论文	本文提出了一种结合电刺激和电子手套设备的创新足部运动康复系统	通过将手部动作转化为腿部肌肉电刺激，利用次要肌群实现下肢康复的新方法	NA	开发更易获取且可定制的下肢康复解决方案	足部运动功能障碍患者	医疗康复工程	运动功能障碍	电刺激技术	深度学习模型	传感器数据	NA	NA	NA	NA	NA
2985	2025-11-24	Deep Learning Discrimination for BCI Implementation Using 3D Convolutional Neural Network and EEG Topographic Maps 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_38 PMID:41273580	研究论文	本研究利用分层3D卷积神经网络对脑电图地形图进行分类，以提升脑机接口系统中运动意图识别的性能	提出将分层3D卷积神经网络应用于脑电图地形图分析，采用分步分类策略解码运动意图，并比较了三种优化器的性能表现	仅涉及4种运动任务的分类，未说明样本规模和数据多样性限制	通过深度学习技术提升脑机接口系统的分类准确性和可靠性	运动障碍患者的脑电图信号	脑机接口	运动障碍	脑电图信号采集与地形图提取	3D CNN	脑电图地形图	NA	NA	分层3D卷积神经网络	准确率	NA
2986	2025-11-24	Integrating Neuroimaging and Machine Learning to Predict Mental Disorder Outcomes: A Systematic Review 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_41 PMID:41273583	综述	系统回顾神经影像学与机器学习整合应用于精神障碍预后预测的研究进展	系统整合多模态神经影像数据与机器学习方法，探索精神障碍的神经生物标志物预测模型	模型可解释性、泛化能力和临床适用性存在局限	通过神经影像与机器学习预测精神障碍的诊疗结果	精神障碍患者（包括精神分裂症、抑郁症、双相情感障碍、自闭症谱系障碍）	机器学习	精神疾病	结构成像、功能成像、弥散张量成像（DTI）	支持向量机、随机森林、深度学习	神经影像数据	NA	NA	NA	NA	NA
2987	2025-11-24	Enhanced Brain Tumor Classification with Convolutional Neural Networks 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_48 PMID:41273590	研究论文	提出一种基于卷积神经网络的脑肿瘤图像分类方法，用于区分不同类型的脑肿瘤	通过综合数据增强和严格超参数调优显著提升分类准确率，实现脑肿瘤类型的自动精准分类	NA	提高脑肿瘤诊断精度并优化治疗策略	脑肿瘤图像，包括胶质瘤、脑膜瘤和转移性肿瘤	计算机视觉	脑肿瘤	深度学习	CNN	医学图像	NA	NA	包含多个卷积层、池化层和全连接层的CNN架构	分类准确率	NA
2988	2025-11-24	Artificial Intelligence and Machine Learning-Based Approaches for Genetic Damage Prediction 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4976-3_27 PMID:41273702	综述	本章重点介绍遗传毒性预测领域，系统分类了各类检测方法并详细阐述了人工智能和机器学习在遗传损伤预测中的应用	系统总结了AI模型在遗传毒性预测中的三大分类（QSAR、机器学习和深度学习），并提供了专门针对遗传毒性预测的详细数据表	作为章节综述，未涉及具体实验验证，主要基于现有文献总结	探讨人工智能和机器学习方法在遗传损伤预测中的应用	遗传毒性检测方法和AI预测模型	机器学习	NA	Ames测试等遗传毒性检测方法	QSAR, 机器学习, 深度学习	分子描述符和指纹数据（拓扑、静电、量子描述符）	NA	NA	NA	预测分数和不同评估指标	NA
2989	2025-11-24	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	研究论文	本研究采用基于深度学习的CT定量方法预测进行性纤维化性间质性肺疾病及其预后	首次将深度学习CT定量技术应用于PF-ILD的预测和预后评估，证明了其在传统肺功能指标基础上的附加价值	单中心回顾性研究，样本量有限（465例患者）	探索基于深度学习的定量CT在预测进行性纤维化性间质性肺疾病和评估预后方面的价值	间质性肺疾病患者	医学影像分析	间质性肺疾病	CT扫描，深度学习定量分析	深度学习模型	CT影像	465例ILD患者（中位年龄65岁，男性238例），其中148例发展为PF-ILD	NA	NA	C-index, OR值, HR值	NA
2990	2025-11-24	Ultrasound placental image texture analysis using artificial intelligence and deep learning models to predict hypertension in pregnancy 2025-Dec, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70306 PMID:40542591	研究论文	本研究利用深度学习模型分析超声胎盘图像纹理特征来预测妊娠期高血压疾病	首次将Vision Transformer与TabNet分类器结合应用于超声胎盘图像分析，实现了对妊娠期高血压疾病的高精度预测	研究为单中心前瞻性观察研究，样本量相对有限，需要多中心验证	开发基于深度学习超声胎盘图像分析的妊娠期高血压疾病预测方法	孕妇群体，包括正常妊娠结局和妊娠期高血压疾病患者	计算机视觉	妊娠期高血压疾病	超声成像	CNN, Transformer	图像	1008名孕妇（600名正常结局，143名HDP，265名其他不良结局）	NA	CNN, EfficientNet B0, Vision Transformer, TabNet	准确率, Cohen kappa, AUC, 敏感性, 特异性	NA
2991	2025-11-24	ProMUS-NET: Artificial intelligence detects more prostate cancer than urologists on micro-ultrasonography 2025-Dec, BJU international IF:3.7Q1 DOI:10.1111/bju.16892 PMID:40859774	研究论文	开发用于前列腺微超声图像自动癌症分割的深度学习模型ProMUS-NET，并与泌尿科专家性能进行比较	首次开发专门用于微超声图像的前列腺癌检测AI模型，在检测灵敏度方面超越泌尿科专家	需要改进边缘重叠精度，减少假阳性，并进行外部验证	提高前列腺癌在微超声图像上的定位灵敏度和读者间一致性	接受MRI-超声融合引导活检的前列腺癌患者	数字病理	前列腺癌	微超声成像，MRI-超声融合引导活检	深度学习	医学图像	单机构前瞻性收集的微超声图像数据集	NA	U-Net	AUC, 灵敏度, 特异性	NA
2992	2025-11-24	Artificial intelligence-driven intelligent nanocarriers for cancer theranostics: A paradigm shift with focus on brain tumors 2025-Dec, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152429 PMID:41218468	综述	探讨人工智能驱动智能纳米载体在脑癌诊疗一体化中的革命性应用	提出AI与纳米技术融合的智能纳米载体新范式，实现肿瘤微环境响应和个性化治疗	存在批次变异性和工业规模化生产的挑战，以及伦理与成本问题	开发人工智能增强的智能纳米载体用于脑癌诊疗一体化	胶质母细胞瘤和其他中枢神经系统转移性肿瘤	数字病理	脑肿瘤	多组学数据整合，MRI，PET	机器学习，深度学习	医学影像，多组学数据	NA	NA	NA	NA	NA
2993	2025-11-24	Street-view greenspace distribution across racial/ethnic, neighborhood income, and individual education subgroups 2025-Dec, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000441 PMID:41268185	研究论文	本研究使用深度学习分析街景图像，探讨不同种族/民族、教育水平和社区社会经济地位亚组之间绿化空间分布的差异	首次结合深度学习与多层次分析方法，量化不同类型绿化空间在种族/民族、教育水平和社区社会经济地位交叉分层中的分布不平等	研究样本仅来自动脉粥样硬化多种族研究参与者，可能无法完全代表更广泛人群	探究种族/民族、教育水平和社区社会经济地位的交互作用如何影响绿化空间类型分布	5,858名动脉粥样硬化多种族研究参与者（2000-2002年）	计算机视觉	动脉粥样硬化	街景图像分析	深度学习算法	图像	5,858名参与者	NA	NA	NA	NA
2994	2025-11-24	Development and validation of a video-based deep learning model for distinguishing epileptic seizures from non-epileptic events in a pediatric cohort 2025-Dec, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110785 PMID:41110273	研究论文	开发并验证基于视频的深度学习系统，用于区分儿科队列中的癫痫发作与非癫痫事件	提出增强型多尺度视觉Transformer模型，首次在儿科癫痫诊断中进行前瞻性验证并与不同级别临床医生进行对比	对非运动性事件的诊断准确性相对有限，样本量相对较小	开发AI辅助诊断工具以区分儿科癫痫发作与非癫痫事件	儿科患者的癫痫发作和非癫痫事件视频数据	计算机视觉	癫痫	视频分析	Transformer	视频	438个回顾性收集视频用于训练，130个连续视频用于前瞻性验证	PyTorch	增强型多尺度视觉Transformer, MViTv2, SlowFast	准确率, 灵敏度, 特异性	NA
2995	2025-11-24	Deep learning approaches for pathological image classification 2025-Dec, Journal of oral biosciences IF:2.6Q1 DOI:10.1016/j.job.2025.100696 PMID:41274680	综述	本文综述了基于深度学习的病理图像分类方法及其在精准医疗中的应用	介绍了使用模拟器生成合成数据和公式驱动方法等新兴技术来克服传统训练数据集的局限性	高质量标注数据集有限，特别是罕见癌症数据缺乏，阻碍了传统数据驱动方法的广泛应用	探讨深度学习在病理图像分类中的应用及其在精准医疗中的发展前景	病理全切片图像	数字病理学	癌症	全切片成像	CNN, RNN	图像	NA	NA	NA	NA	NA
2996	2025-11-24	The Future trends of Artificial Intelligence and innovative technologies in the new era of pharmaceutical sciences and Industry 4.0 2025-Nov-23, Drug development and industrial pharmacy IF:2.4Q3 DOI:10.1080/03639045.2025.2590707 PMID:41241791	综述	本文综述人工智能在制药科学中的变革性影响及其与现代技术的融合	系统阐述AI与工业4.0技术（物联网、机器人、区块链、数字孪生）的协同作用，推动个性化医疗和自适应制造	存在数据隐私、算法偏见和法规更新需求等挑战	探讨AI在制药科学中促进药物研发、生产和数字化转型的作用	制药科学领域的AI技术应用	机器学习	NA	基因组学数据分析、临床数据分析、环境数据分析	机器学习, 深度学习	基因组数据, 临床数据, 环境数据	NA	NA	NA	NA	NA
2997	2025-11-24	Artificial intelligence-driven prediction of lymph node metastasis in T1 esophageal squamous cell carcinoma using whole slide images 2025-Nov-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01186-z PMID:41274958	研究论文	开发基于深度学习的人工智能模型，利用全切片图像预测T1期食管鳞状细胞癌的淋巴结转移	首次使用全切片图像和深度学习技术预测T1期食管鳞癌淋巴结转移，为内镜黏膜下剥离术后治疗决策提供新工具	研究样本量有限（160例手术切除病例），外部验证仅针对高风险病例	预测淋巴结转移并减少过度治疗	T1期食管鳞状细胞癌患者	数字病理学	食管癌	全切片图像分析	深度学习模型	病理图像	160例手术切除病例（72例LNM+，88例LNM-），来自374名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, F1-score, 阴性预测值	NA
2998	2025-11-24	YOLO-APLD: A lightweight apple leaf disease detection model based on multi-scale feature fusion 2025-Nov-23, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量级苹果叶片病害检测模型YOLO-APLD	引入EP-C2f增强模块强化局部特征表示，提出Focal-SIoU损失函数优化检测稳定性，采用BiFPN实现多尺度特征融合，使用Slim-neck结构简化网络架构	NA	实现果园环境中苹果叶片病害的精准实时检测	苹果叶片病害（锈病、花叶病、褐斑病、白粉病、黑星病、轮斑病、灰斑病）	计算机视觉	植物病害	深度学习	YOLO	图像	NA	PyTorch	YOLOv8n, EP-C2f, BiFPN, Slim-neck	精确率, 召回率, 平均精度均值, F1分数, FLOPs, 参数量, 模型大小, 帧率	边缘计算设备
2999	2025-11-24	Advanced deep learning for early diagnosis of arsenic-induced dermatological conditions through dermoscopic image evaluation 2025-Nov-22, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2590472 PMID:41273294	研究论文	本研究开发了一种先进的深度学习框架，通过皮肤镜图像分析实现砷暴露引起的皮肤疾病的早期诊断	采用协同ResNet-DenseNet架构提取判别性图像特征，结合k-最近邻算法进行分类，在砷诱导皮肤病早期诊断中实现高精度分类	研究数据仅来自孟加拉国的四个现场站点，可能限制了模型的泛化能力	开发基于深度学习的早期诊断方法，用于砷暴露引起的皮肤疾病	砷暴露和未暴露个体的皮肤镜图像	计算机视觉	皮肤病	皮肤镜图像分析	CNN, k-NN	图像	8892张皮肤镜图像，来自孟加拉国四个现场站点	NA	ResNet, DenseNet	准确率, F1分数, 灵敏度, 召回率	NA
3000	2025-11-24	PhyloCNN: Improving tree representation and neural network architecture for deep learning from trees in phylodynamics and diversification studies 2025-Nov-22, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syaf082 PMID:41273351	研究论文	提出一种基于深度学习的新方法PhyloCNN，用于系统发育动力学和多样化研究中的模型选择和参数估计	开发了专门针对系统发育树的卷积神经网络架构，通过编码所有节点和叶子的邻域信息来改进树表示	方法性能在较小训练集时受邻域数量影响较大，需要进一步验证在更广泛真实数据集上的适用性	改进系统发育动力学和多样化研究中的模型选择和参数估计方法	系统发育树，HIV超级传播者数据集，灵长类种子传播者数据集	机器学习	HIV/艾滋病	深度学习，模拟训练	CNN	系统发育树数据	10,000到100,000个模拟训练树	NA	PhyloCNN	准确率	NA