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
301	2025-12-31	INTERPRETING CONVOLUTIONAL NEURAL NETWORKS IN POPULATION GENETICS 2025-Dec-09, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.04.692404 PMID:41415368	研究论文	本文通过分析卷积神经网络在群体遗传学中的应用，探讨其学习特征与传统汇总统计量之间的关系，以提升深度学习方法的可解释性	首次系统比较CNN学习特征与传统群体遗传学汇总统计量的关联，并利用SHAP值、降维技术和可解释模型（如决策树和随机森林）构建“模型之模型”，揭示CNN如何隐式计算如配对杂合度等统计量	研究主要关注特定CNN架构和选择性清除检测任务，可能未覆盖所有深度学习模型或群体遗传学应用场景，且可解释性方法（如SHAP）本身存在计算复杂性和近似误差	提升卷积神经网络在群体遗传学中的可解释性，阐明其学习机制与传统方法的联系	卷积神经网络在群体遗传学任务（如自然选择推断、重组率估计）中的学习特征	机器学习	NA	NA	CNN	遗传数据	NA	NA	NA	NA	NA
302	2025-12-31	A Weakly Supervised Approach for HPV Status Prediction in Oropharyngeal Carcinoma from H&E-Stained Slides 2025-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers17243938 PMID:41463189	研究论文	本研究采用弱监督深度学习框架CLAM，直接从口咽鳞状细胞癌的H&E染色全切片图像中预测HPV状态	首次应用CLAM框架于HPV状态预测，通过注意力热图可视化模型关注区域，并在细胞层面验证形态学特征与HPV状态的一致性	错误主要出现在p16/ISH状态冲突或切片质量不佳的样本中，样本量相对有限（123张WSI）	开发基于深度学习的HPV状态预测方法，以替代或补充现有临床标志物	口咽鳞状细胞癌患者的H&E染色全切片图像	数字病理学	口咽癌	H&E染色，全切片成像，p16免疫组化，原位杂交	弱监督深度学习，注意力多实例学习	图像	123张全切片图像，来自TCGA和OPSCC-UNINA两个队列	CLAM	CLAM	准确率	NA
303	2025-12-31	PSO-BiLSTM-Attention: An Interpretable Deep Learning Model Optimized by Particle Swarm Optimization for Accurate Ischemic Heart Disease Incidence Forecasting 2025-Dec-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121343 PMID:41463640	研究论文	本研究提出了一种结合粒子群优化、双向长短期记忆网络和多尺度注意力机制的可解释深度学习模型，用于准确预测缺血性心脏病的发病率	提出了一个结合PSO、BiLSTM和新型多尺度注意力机制的可解释预测框架，并利用SHAP进行三级可解释性分析，将不透明的算法转化为透明系统	模型依赖于全球疾病负担数据库的历史数据，未来发病率预测可能受未纳入的社会经济、环境等新因素影响	开发一个高精度且可解释的缺血性心脏病发病率预测模型，为公共卫生政策、资源分配和针对性干预策略提供依据	全球疾病负担数据库2021中1990-2021年间的年龄标准化发病率数据，按24个性别-年龄亚组分层	机器学习	心血管疾病	NA	BiLSTM, Attention	时间序列数据	1990-2021年全球疾病负担数据库的年龄标准化发病率数据，按24个性别-年龄亚组分层处理	NA	BiLSTM-Attention, PSO-BiLSTM-Attention	平均绝对误差, 均方根误差, R平方	NA
304	2025-12-31	Artificial Intelligence in Diabetic Retinopathy and Diabetic Macular Edema: A Narrative Review 2025-Dec-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121342 PMID:41463639	综述	本文回顾了2010年至2025年间人工智能在糖尿病视网膜病变和糖尿病性黄斑水肿中的应用研究	系统梳理了AI在DR和DME领域近15年的应用进展，涵盖检测、分类、预后和治疗监测等多个方面，并指出自主AI工具已获得监管批准并应用于临床实践	AI性能可能因图像质量、设备差异和患者群体不同而变化，且需要更广泛的验证和系统级整合	评估人工智能在糖尿病视网膜病变和糖尿病性黄斑水肿中的诊断、预后和治疗监测应用	糖尿病视网膜病变和糖尿病性黄斑水肿相关的医学影像数据	医学影像分析	糖尿病视网膜病变, 糖尿病性黄斑水肿	深度学习	NA	眼底照片, 光学相干断层扫描数据	NA	NA	NA	灵敏度, 特异度, AUC	NA
305	2025-12-31	Review of Aneurysms Detection Methods Focusing on Selected YOLO-Based Models 2025-Dec-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248716 PMID:41464620	综述	本文综述了基于YOLO模型的动脉瘤检测方法，并进行了比较分析	聚焦于YOLO模型在动脉瘤检测中的应用，通过实际数据集测试提供了有限比较示例	测试仅为示例性比较，非完整原创实验研究，数据集规模有限	回顾和比较深度学习特别是YOLO模型在动脉瘤检测中的方法	动脉瘤检测的深度学习模型，尤其是YOLO变体	计算机视觉	心血管疾病	NA	YOLO	图像	1342张血管造影图像（1074训练，约107验证，268评估）	NA	YOLO	NA	NA
306	2025-12-31	Application of Artificial Intelligence Technology in Plant MicroRNA Research: Progress, Challenges, and Prospects 2025-Dec-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms262411854 PMID:41465283	综述	本文系统回顾了人工智能技术在植物microRNA研究中的应用进展、挑战与前景	系统分析了AI在植物miRNA研究中的演变，从传统机器学习到深度学习，并指出了植物miRNA特有的计算需求（如核内生物发生、高靶标互补性），以及未来AI驱动的从头miRNA设计等方向	存在严重的数据不平衡（正负样本比1:100至1:10,000）、跨物种泛化能力有限、模型可解释性不足、实验验证瓶颈，且miRBase v20中约75%的植物miRNA家族缺乏确凿证据	探讨人工智能技术在植物microRNA研究中的应用，分析其进展、挑战与未来发展方向	植物microRNA（miRNA）	自然语言处理, 机器学习	NA	NA	SVM, 深度学习	序列数据, 降解组数据	NA	NA	NA	准确率	NA
307	2025-12-31	Predicting Axillary Lymph Node Metastasis of Breast Cancer Using Joint Pre-Trained Fine-Tuning and Contrastive Learning for Contrast-Enhanced Ultrasound 2025-Dec-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121335 PMID:41463633	研究论文	提出了一种结合预训练微调和对比学习的方法，利用对比增强超声视频预测乳腺癌腋窝淋巴结转移	在文本-视频对比学习框架内，使用小规模专有数据集微调来自大型通用数据集的预训练权重，并采用随机提示优化技术针对乳腺CEUS视频特征调整文本编码器	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证范围	开发一种自动诊断方法，以辅助临床医生评估乳腺癌患者的腋窝淋巴结转移状态	乳腺癌患者的对比增强超声视频序列	计算机视觉	乳腺癌	对比增强超声	深度学习模型	视频序列	NA	NA	文本-视频对比学习框架	灵敏度, 特异度	NA
308	2025-12-31	Beyond VI-RADS Uncertainty: Leveraging Spatiotemporal DCE-MRI to Predict Bladder Cancer Muscle Invasion 2025-Dec-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121338 PMID:41463635	研究论文	本研究开发了一种深度学习模型，利用DCE-MRI的时空信息来预测VI-RADS 2或3类膀胱癌的肌层浸润情况	首次提出利用深度学习全面量化多期相DCE-MRI的时空特征，并整合多尺度特征提取和上下文注意力机制，以解决VI-RADS在2/3类病例中诊断准确性有限的问题	研究样本量相对有限（共184例患者），且仅针对VI-RADS 2或3类病例	提高非肌层浸润性膀胱癌在VI-RADS不确定类别（2和3类）中的诊断准确性	膀胱癌患者	数字病理学	膀胱癌	动态对比增强磁共振成像	深度学习模型	医学影像	184名VI-RADS 2或3类患者（训练集115例，验证集20例，测试集49例）	NA	VGG, ResNet	灵敏度, AUC	NA
309	2025-12-31	Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data 2025-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243115 PMID:41464119	研究论文	本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜	直接使用原始OCT数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础	NA	通过深度学习模型实现圆锥角膜的早期诊断	使用Casia2前段光学相干断层扫描仪获取的2737次眼部检查数据	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	2737次眼部检查，包含744次检查的数据集	NA	DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18	准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数	NA
310	2025-12-31	Unveiling the Algorithm: The Role of Explainable Artificial Intelligence in Modern Surgery 2025-Dec-08, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13243208 PMID:41464276	综述	本文综述了可解释人工智能（XAI）在现代外科手术中的应用、挑战及其在促进临床信任和伦理使用中的作用	强调了XAI在连接算法能力与临床使用之间的关键作用，并特别指出了生成式AI（如ChatGPT）中缺乏这些机制	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于现有文献进行分析	探讨XAI在外科手术领域（包括术前风险评估、手术规划、术中指导和术后监测）的应用，并推动其负责任地整合到临床实践中	外科手术中的人工智能算法，特别是可解释人工智能（XAI）技术	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
311	2025-12-31	Development of a Deep Learning Model for Hip Arthroplasty Templating Using Anteroposterior Hip Radiograph 2025-Dec-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248689 PMID:41464591	研究论文	本研究开发并验证了一种基于深度学习模型，利用术前髋关节正位X光片来预测髋关节置换术中植入物尺寸	首次开发了仅使用普通X光片（而非依赖昂贵软件或经验）的深度学习模型，用于髋关节置换术的术前模板规划，并在特定植入物（CORAIL股骨柄和PINNACLE髋臼杯）上展示了其预测准确性	模型在双极股骨头的预测准确性上低于传统的屏幕模板法；研究为回顾性设计，且仅针对特定品牌和型号的植入物，可能限制其普适性；未发现显著影响预测准确性的人口统计学因素	开发并验证一种基于深度学习的工具，用于髋关节置换术的术前植入物尺寸预测，以辅助手术规划	接受初次髋关节置换术并使用特定无骨水泥股骨柄和髋臼杯的患者	计算机视觉	骨科疾病	深度学习，X光成像	深度学习模型	图像（术前髋关节正位X光片）	训练集688例，验证集98例	NA	NA	准确率，平均绝对误差，均方根误差	NA
312	2025-12-31	Acoustic Detection of Forest Wood-Boring Insects Under Co-Infestations 2025-Dec-08, Insects IF:2.7Q1 DOI:10.3390/insects16121241 PMID:41465679	研究论文	本研究开发了一种基于声学的识别模型，用于检测森林蛀干害虫，特别针对复杂的多物种共侵染场景	首次系统比较了机器学习和深度学习模型在单一物种与共侵染（含混合信号）场景下对森林蛀干害虫声学信号的分类性能，证明了基于频谱图的深度学习模型在复杂侵染场景下的优越性	研究仅针对四种特定蛀干害虫，模型在其他害虫物种或环境噪声更复杂的野外实际应用中的泛化能力有待验证	开发一种能够在复杂共侵染场景下准确检测森林蛀干害虫的声学识别模型，以支持森林生态系统的病虫害综合治理	四种森林蛀干害虫（文中未列出具体物种名称）的取食振动信号	机器学习	NA	声学检测技术	Random Forest, Support Vector Machine, Artificial Neural Network, CNN	声学振动信号，频谱图	未明确说明具体样本数量，涉及四种害虫在三种侵染场景（单一物种、无混合信号的共侵染、有混合信号的共侵染）下的信号	NA	AlexNet, ResNet, VGG	总体准确率（OA），Kappa系数	NA
313	2025-12-31	Accurate Mediterranean Sea forecasting via graph-based deep learning 2025-Dec-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31177-w PMID:41353460	研究论文	本文介绍了一种名为SeaCast的基于图神经网络的深度学习模型，用于高分辨率地中海区域海洋预报	提出了一种结合图神经网络框架以处理复杂海洋网格几何形状，并整合区域海洋特定外部强迫数据的新方法，将有效预测窗口从10天扩展至15天	NA	开发高效准确的区域海洋预报系统	地中海海域	机器学习	NA	图神经网络	神经网络	海洋网格数据、外部强迫数据	NA	NA	图神经网络	NA	NA
314	2025-12-31	Gastrointestinal Lesion Detection Using Ensemble Deep Learning Through Global Contextual Information 2025-Dec-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121329 PMID:41463626	研究论文	本文提出了一种基于集成深度学习的通用框架，用于检测胃肠道病变，包括溃疡、息肉和食管炎等病理模式	通过结合EfficientNetB5、MobileNetV2和多头自注意力模块，构建了一个集成深度学习框架，以增强对胃肠道病变的全局上下文信息提取和复杂模式识别能力	未提及具体局限性	开发一个可泛化的深度学习框架，用于自动检测胃肠道病变，减轻临床医生手动分析的负担	胃肠道病变，特别是小肠克罗恩病相关的黏膜异常，如溃疡、息肉和食管炎	计算机视觉	克罗恩病	深度学习	CNN, 多头自注意力	图像	基于两个公开的DBE数据集（Kvasir和Kaither数据集）	未提及	EfficientNetB5, MobileNetV2	准确率	未提及
315	2025-12-31	MPG-SwinUMamba: High-Precision Segmentation and Automated Measurement of Eye Muscle Area in Live Sheep Based on Deep Learning 2025-Dec-05, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani15243509 PMID:41463794	研究论文	提出了一种基于深度学习的新型分割网络MPG-SwinUMamba，用于活羊眼肌面积的高精度分割与自动化测量	首次将状态空间模型与U-Net架构相结合，并集成了边缘增强多尺度注意力模块和金字塔注意力细化模块，以改善模糊边界的检测和全局上下文捕获	方法主要针对B型超声图像的低对比度和噪声干扰问题，在其他成像模态或物种上的泛化能力未经验证	实现活羊眼肌面积的自动化、非侵入式精准评估，以支持肉羊产业的遗传育种和生产管理	活羊的眼肌面积	计算机视觉	NA	B型超声成像	深度学习分割网络	图像	NA	NA	U-Net, SwinUMamba	交并比, Dice相似系数, 相关系数, 平均绝对百分比误差	NA
316	2025-12-31	The Application of Multimodal Data Fusion Algorithm MULTINet in Postoperative Risk Assessment of TAVR 2025-Dec-05, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14248620 PMID:41464523	研究论文	本研究构建了一种名为MULTINet的多模态深度学习模型，用于预测经导管主动脉瓣置换术（TAVR）患者术后30天的全因死亡率	提出了一种新的多模态深度学习模型MULTINet，通过双分支结构和注意力池化融合模块，能够灵活处理包含缺失模态的输入数据，自适应地整合多模态临床信息，显著提升了预测准确性和临床适用性	未明确说明模型在其他独立队列或不同医疗中心数据上的泛化能力，以及模型在实时临床环境中的部署和验证情况	优化TAVR术前决策、指导个体化治疗策略并改善长期预后，通过准确识别高风险患者来提升精准医疗水平	接受经导管主动脉瓣置换术（TAVR）的患者	机器学习	心血管疾病	多模态数据融合算法	深度学习模型	多模态临床数据	基于MIMIC-IV（重症监护医疗信息集市）队列的数据，具体样本数量未在摘要中明确说明	未明确说明，但提及了与XGBoost和MedFuse方法的比较	MULTINet（一种具有双分支结构和注意力池化融合模块的自定义架构）	AUC（受试者工作特征曲线下面积）, AUPR（精确率-召回率曲线下面积）, 召回率, Brier分数, 决策曲线分析（DCA）	NA
317	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2025-Dec-04, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
318	2025-12-31	From Gaze to Music: AI-Powered Personalized Audiovisual Experiences for Children's Aesthetic Education 2025-Dec-04, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs15121684 PMID:41464027	研究论文	本研究提出了一种基于AI的创新框架，通过分析儿童观看艺术品时的眼动行为，生成与之匹配的个性化音乐，以增强儿童的艺术品理解能力	利用眼动行为模式与音乐元素之间的跨模态对应关系，通过RNN技术将视觉体验转化为语义和情感一致的音乐作品，为儿童美育提供个性化视听支持	研究样本规模有限（96名儿童），且主要依赖眼动技术进行客观评估，可能未完全覆盖所有认知发展阶段的儿童	通过跨模态整合提升儿童对复杂艺术品的理解能力，促进其认知和情感发展	儿童（特别是认知发展早期阶段）在观看艺术品时的眼动行为及相应的音乐生成	机器学习	NA	眼动追踪技术	RNN	眼动数据、音乐数据	96名儿童、16名家长、5名学前教师	NA	NA	注视持续时间、AOI注视频率、主观评分	NA
319	2025-12-31	A Comparative Analysis of CNN Architectures, Fusion Strategies, and Explainable AI for Fine-Grained Macrofungi Classification 2025-Dec-03, Biology DOI:10.3390/biology14121733 PMID:41463506	研究论文	本研究提出了一种深度学习框架，用于对七种形态相似的鬼伞类大型真菌进行自动分类	评估了十种最先进的CNN模型和三种新颖的融合模型，并应用可解释AI技术验证了高性能模型对关键形态结构的关注	数据集仅包含1692张图像，且仅针对七种特定真菌物种，可能限制了模型的泛化能力	解决形态相似大型真菌物种的准确识别难题，为真菌分类学和生物多样性监测提供自动化工具	七种形态相似的鬼伞类大型真菌物种	计算机视觉	NA	深度学习	CNN	图像	1692张高分辨率图像	NA	Dual Path Network (DPN), Xception, LCNet, MixNet	准确率, Matthews相关系数, AUC	NA
320	2025-12-31	Classification of Osteonecrosis of the Femoral Head Stage on Radiographic Images Using Deep Learning Techniques 2025-Dec-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12121319 PMID:41463616	研究论文	本研究开发了一种基于放射影像的深度学习方法，用于有效分类股骨头坏死（ONFH）的不同阶段，为早期诊断和疾病分期提供了一种更易获取的替代方案	提出了一种结合U-Net分割和变分自编码器（VAE）的放射影像分析方法，通过潜在空间中的马氏距离分布差异来区分ONFH的不同阶段，为资源有限环境提供了一种替代MRI的可行方法	早期阶段（0级和1级）的区分仍然具有挑战性，与已知的放射影像细微差异一致，这限制了方法在极早期诊断中的应用	开发一种基于放射影像的深度学习方法，以实现股骨头坏死（ONFH）的早期诊断和疾病阶段分类	股骨头坏死的放射影像	计算机视觉	股骨头坏死	放射影像分析	U-Net, VAE	图像	909张髋关节放射影像，产生1818张股骨头图像（0级:1495；1级:80；2级:114；3级:93；4级:36）	NA	U-Net, 变分自编码器	Dice相似系数（DSC）, 马氏距离	NA