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
321	2025-12-12	Iranian Scientometrics; Dataset on universities, professors and articles 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112285 PMID:41377189	研究论文	本研究介绍了一个关于伊朗大学学术出版物和教授指标的全面数据集，通过Python工具从Google Scholar系统收集并经过专家验证	提供了一个经过精细数据提炼过程（包括政府隶属关系、高引用阈值、作者-文章验证和时间窗口过滤）的大规模伊朗学术数据集，支持深入的学术生产力、合作网络和机构绩效分析	数据收集受限于Google Scholar的服务条款，需限制请求频率并避免绕过访问控制，可能影响数据的完整性和实时性	构建一个全面的伊朗学术数据集，以支持学术影响力分析、网络分析和研究趋势识别	伊朗大学的学术出版物和教授指标	信息科学	NA	网络爬虫（使用Selenium和BeautifulSoup）、数据验证	NA	文本数据（文章元数据、教授档案、机构详情）	超过150万条文章记录，经过提炼后形成聚焦队列	Python	NA	NA	NA
322	2025-12-12	Assessing the generalizability of artificial intelligence in radiology: a systematic review of performance across different clinical settings 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004166 PMID:41377327	系统综述	本文通过系统综述评估了人工智能在放射学诊断模型中的外部泛化性能	系统性地评估了AI模型在不同临床环境下的泛化性能，并识别了可能增强泛化性的方法	纳入的研究数量有限（仅6项），且部分研究存在患者选择偏倚或采样不明确的问题	评估人工智能在放射学诊断中的外部泛化性能，以促进其临床部署	应用于计算机断层扫描、磁共振成像或X射线的AI诊断模型	计算机视觉	NA	NA	CNN, GAN	图像	NA	NA	3D Convolutional Neural Networks, Generative Adversarial Networks-augmented models, no-new-U-Net ensembles	AUC, 灵敏度, 特异度	NA
323	2025-12-12	Artificial Intelligence in IPMN diagnosis: bridging promise and clinical reality 2025-Dec, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004170 PMID:41377378	综述	本文综述了人工智能（AI）在胰腺导管内乳头状黏液性肿瘤（IPMN）诊断中的应用、潜力及面临的挑战	系统性地总结了AI（尤其是机器学习和深度学习模型）在利用CT、MRI和内镜超声区分IPMN良恶性病变方面的高性能表现（准确率高达94-99.6%），并指出其超越传统临床评估的潜力	AI的广泛应用受到缺乏标准化成像协议、方法学透明度不足以及缺乏前瞻性多中心验证的限制	评估人工智能在IPMN风险分层和精准诊断中的应用前景，并探讨其融入临床实践与国际指南的路径	胰腺导管内乳头状黏液性肿瘤（IPMN）	数字病理学	胰腺癌	CT, MRI, 内镜超声	机器学习, 深度学习	医学影像	NA	NA	NA	准确率	NA
324	2025-12-12	Interpretable Thermodynamic Score-based Classification of Relaxation Excursions 2025-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.26.690838 PMID:41377511	研究论文	提出一种名为Keeping SCORE的物理启发式方法，将扩散模型转化为分类和回归的概率引擎，通过测量不同类别假设下的噪声轨迹耗散来计算精确的类别似然和预测置信度	将扩散模型应用于分类和回归任务，通过非平衡统计力学原理提供不确定性估计和特征归因，实现无需修改现有训练模型的可解释性	NA	开发一种可解释且具有不确定性感知的分类与回归框架，应用于计算生物学和科学领域	图像识别任务（手写数字、自然照片）、单细胞基因组学（细胞身份区分、基因扰动效应映射）和分子生物物理学（突变对蛋白质折叠能量的影响预测）	机器学习	NA	扩散模型	扩散模型	图像、单细胞基因组数据、分子生物物理数据	NA	NA	扩散模型	准确率、概率估计	NA
325	2025-12-12	From detection to grading: A hybrid KOA-YOLOv5-RF model for knee osteoarthritis diagnosis 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103725 PMID:41378376	研究论文	本研究提出了一种基于混合深度学习与机器学习框架的计算机辅助诊断系统，用于从X射线图像中检测并分级膝关节骨关节炎的严重程度	将YOLOv5的目标检测与分割能力与随机森林分类器的序数分级能力相结合，构建了一种可扩展、可解释且临床相关的混合模型	研究未明确说明模型在不同医疗机构或设备采集的X射线图像上的泛化能力，也未讨论计算资源需求对资源受限环境的实际适用性	开发一种计算机辅助诊断系统，以支持放射科医生进行膝关节骨关节炎的早期诊断和严重程度分级	膝关节骨关节炎的X射线图像	计算机视觉	膝关节骨关节炎	X射线成像	CNN, 随机森林	图像	1535张X射线图像	PyTorch, Scikit-learn	YOLOv5	准确率, ROC-AUC, Cohen's kappa, 敏感性, 特异性	NA
326	2025-12-12	Evaluation on the Feasibility of the Pulse Oximetry-triggered Coronary CT Angiography 2025-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240495 PMID:41379007	研究论文	本研究评估了基于脉搏血氧计触发的冠状动脉CT血管成像（CCTA）在无法或难以连接心电图设备的心脏受试者中应用的可行性	提出并验证了一种基于脉搏血氧计监测心率生成模拟虚拟ECG信号来触发CCTA的新方案，替代传统的ECG触发方式	研究为单中心前瞻性研究，样本量相对有限（300名参与者），且仅使用了16-cm z轴覆盖范围的CT设备	评估脉搏血氧计触发CCTA在临床诊断成像中的可行性，特别是针对无法使用ECG设备的患者	计划接受冠状动脉CT血管成像（CCTA）的连续参与者	数字病理学	心血管疾病	冠状动脉CT血管成像（CCTA）、脉搏血氧计心率监测、运动校正算法、深度学习图像重建	NA	医学影像（CT图像）	300名参与者（平均年龄57岁±12；161名男性），分为脉搏血氧计触发组（n=150）和传统ECG触发组（n=150）	NA	NA	辐射剂量、对比剂剂量、检查时间、CT衰减值、图像噪声、信噪比、对比噪声比、整体图像质量主观评估	16-cm z轴覆盖范围的CT设备，具体计算资源未说明
327	2025-12-12	Automatic Segmentation of Intraluminal Thrombus in Abdominal Aortic Aneurysms Based on CT Images: A Comprehensive Review of Deep Learning-Based Methods 2025-Nov-30, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238497 PMID:41375800	综述	本文综述了深度学习技术在腹主动脉瘤影像分析中的应用，特别关注腔内血栓的自动分割方法	系统性地回顾和比较了基于深度学习的腔内血栓分割方法，并指出了2D多视图融合模型和3D U-Net的优势	缺乏标准化数据集限制了模型的开发和外部验证	回顾深度学习在腹主动脉瘤影像分析，特别是腔内血栓分割中的应用	腹主动脉瘤患者的计算机断层扫描血管造影图像	计算机视觉	心血管疾病	计算机断层扫描血管造影	深度学习网络	CT图像	从664篇文章中筛选出22篇符合条件的研究	NA	U-Net	Dice相似系数	NA
328	2025-12-12	Development and validation of a multimodal radiomics-serum biomarker model for diagnosing solid pulmonary nodules via machine learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1214 PMID:41376905	研究论文	本研究开发并验证了一种结合CT影像组学特征和血清生物标志物的多模态机器学习模型，用于诊断实性肺结节的良恶性	首次将传统影像组学分析、三维深度学习技术与血清蛋白生物标志物相结合，构建多模态诊断模型，显著提升了实性肺结节分类性能	研究为回顾性设计，样本仅来自单中心，可能存在选择偏倚；未在外部独立队列中进行验证	开发一种高精度的多模态诊断模型，以区分实性肺结节的良恶性，辅助临床决策	接受术前CT筛查和血清生物标志物检测的患者的实性肺结节	数字病理	肺癌	CT影像组学分析，血清蛋白生物标志物检测	深度学习，机器学习	CT影像，血清生物标志物数据	633名患者的638个肺结节	NA	三维深度学习模型	AUC，准确率，阳性预测值，阴性预测值，决策曲线分析，校准曲线	NA
329	2025-12-12	A computed tomography-based deep learning radiomics for predicting the response to neoadjuvant chemotherapy combined with immunotherapy in patients with locally advanced esophageal cancer: a multicenter cohort study 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1208 PMID:41376959	研究论文	本研究开发了一种基于CT的深度学习放射组学列线图，用于预测局部晚期食管癌患者对新辅助化疗联合免疫治疗的反应	结合放射组学特征和深度学习特征构建综合模型，并首次在局部晚期食管鳞状细胞癌患者中应用深度学习放射组学预测新辅助化疗联合免疫治疗的主要病理缓解	样本量较小（60例患者），且为回顾性多中心研究，可能存在选择偏倚	预测局部晚期食管鳞状细胞癌患者对新辅助化疗联合免疫治疗的反应，以个性化治疗策略	局部晚期食管鳞状细胞癌患者	数字病理学	食管癌	CT成像	深度学习, 机器学习	CT图像	60例患者（训练集42例，测试集18例）	PyTorch, Scikit-learn	ResNet101	AUC	NA
330	2025-12-12	Performance evaluation of deep learning-based osteoporosis diagnostic models with conventional chest X-ray in a clinical cohort 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1077 PMID:41376999	研究论文	本研究开发并评估了一种基于深度学习的骨质疏松诊断模型，利用常规胸部X光片进行预测	开发了首个基于常规胸部X光片的深度学习模型用于骨质疏松筛查，实现了低成本、可及性高的早期检测方法	模型特异性有待提高，男性患者中假阳性率较高，需要进一步优化才能临床实施	评估深度学习模型在骨质疏松诊断中的性能，探索替代DXA的筛查方法	接受DXA和胸部X光检查的成年患者	数字病理学	骨质疏松症	双能X射线吸收测定法(DXA), 胸部X光摄影	CNN	图像	80名成年患者	NA	卷积神经网络	AUC, 敏感性, 特异性	NA
331	2025-12-12	Prediction of EGFR mutation status and mutation sites in lung cancer based on radiomics and deep learning 2025-Nov-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-567 PMID:41377006	研究论文	本研究开发并验证了一种基于影像组学和深度学习的非侵入性预测模型，用于识别非小细胞肺癌患者的EGFR突变状态及其亚型	结合影像组学、深度学习和临床数据构建综合模型，显著提高了EGFR突变状态和突变位点的预测性能，为非侵入性预测提供了新方法	研究为回顾性分析，可能存在选择偏倚；样本量相对有限，需要更大规模的前瞻性研究验证	开发非侵入性方法预测非小细胞肺癌患者的EGFR突变状态和亚型，以指导治疗策略	557名接受EGFR基因分型的非小细胞肺癌患者	数字病理学	肺癌	计算机断层扫描（CT）影像分析	SVM, LR, CNN	图像	557名非小细胞肺癌患者	NA	ResNet-18, DenseNet-121	AUC, 准确率	NA
332	2025-12-12	Preoperative prediction of axillary lymph node metastasis in breast invasive ductal carcinoma patients using a deep learning model based on dynamic contrast-enhanced magnetic resonance imaging: a multicenter study 2025-Nov-30, Gland surgery IF:1.5Q3 DOI:10.21037/gs-2025-365 PMID:41377877	研究论文	本研究开发并验证了一个基于动态对比增强磁共振成像的深度学习模型，用于术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移	结合深度学习特征与临床特征构建预测模型，并在多中心数据上验证其性能，显著提升了预测准确性	研究为回顾性分析，样本量相对有限，且仅基于特定医院的影像数据，可能存在选择偏倚	开发非侵入性工具以术前预测乳腺浸润性导管癌患者的腋窝淋巴结转移，辅助临床决策	520名诊断为乳腺浸润性导管癌的患者	数字病理学	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	520名患者（411名用于训练和内部验证，109名用于外部测试）	NA	NA	AUC	NA
333	2025-12-12	Enhanced Feature Extraction for Detection and Classification of Kidney Abnormalities 2025-11-29, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420229251027104658 PMID:41328653	研究论文	本研究提出了一种基于深度学习的诊断框架，通过新型模型KTNET增强特征提取，用于从CT扫描图像中自动检测和分类多种肾脏异常	引入了基于Transformer架构的新型模型Kidney Transformer Network (KTNET)，以增强疾病特异性特征提取，提高肾脏异常的分类准确性	NA	开发一个智能、可靠的框架，用于肾脏异常的早期检测和分类，以改善患者诊断和临床决策	肾脏异常，包括囊肿、结石、肿瘤和其他结构性病变	计算机视觉	肾脏疾病	CT扫描	Transformer	图像	NA	NA	Kidney Transformer Network (KTNET)	准确率, 精确率, 召回率, F1分数	NA
334	2025-12-12	Artificial Intelligence in Patient Blood Management: A Systematic Review of Predictive, Diagnostic, and Decision Support Applications 2025-Nov-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm14238479 PMID:41375782	系统综述	本文系统综述了人工智能在患者血液管理（PBM）中的预测、诊断和决策支持应用	首次系统性地整合了AI在PBM三大支柱（优化贫血管理、最小化失血、确保适当输血）中的应用证据，并总结了方法学趋势和临床转化挑战	研究异质性高，外部验证和临床部署有限，缺乏标准化报告	综述人工智能在患者血液管理领域的应用，总结方法趋势并讨论临床转化挑战	患者血液管理（PBM）相关的预测、诊断和决策支持模型	机器学习	NA	NA	深度学习, 集成学习, 梯度提升, 循环神经网络, 混合架构	图像, 临床数据	338项研究	NA	NA	NA	NA
335	2025-12-12	Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach 2025-Nov-28, Materials (Basel, Switzerland) DOI:10.3390/ma18235377 PMID:41374219	研究论文	本研究提出了一种新型的曲梁厚度梯度晶格结构，并通过结合深度学习和遗传算法的智能逆向设计框架优化其几何参数，以最大化总能量吸收和比能量吸收	提出曲梁厚度梯度晶格结构，并采用集成深度学习和遗传算法的智能逆向设计框架进行优化，同时利用SHAP和PDP等可解释性方法分析几何参数对能量吸收性能的影响机制	NA	优化晶格结构的能量吸收性能	曲梁厚度梯度晶格结构	机器学习	NA	NA	深度学习, 遗传算法	NA	NA	NA	NA	总能量吸收, 比能量吸收	NA
336	2025-12-12	SwinCAMF-Net: Explainable Cross-Attention Multimodal Swin Network for Mammogram Analysis 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233037 PMID:41374420	研究论文	提出了一种名为SwinCAMF-Net的多模态交叉注意力Swin Transformer网络，用于联合乳腺病变分类和分割	设计了一个新颖的交叉注意力融合（CAF）模块，通过查询-键注意力机制选择性地对齐来自多视图乳腺X光片、3D ROI体积和临床元数据的多模态特征	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床部署的挑战	通过整合多模态数据改进乳腺病变的诊断性能，提高AI辅助筛查和放射学决策支持的准确性	乳腺X光图像中的病变	计算机视觉	乳腺癌	乳腺X光摄影	Transformer, CNN	图像（2D多视图乳腺X光片、3D ROI体积）、临床元数据	CBIS-DDSM和RTM基准数据集	NA	Swin Transformer, 3D CNN	准确率, AUC-ROC, F1分数, Dice系数	NA
337	2025-12-12	Radiologist-Validated Automatic Lumbar T1-Weighted Spinal MRI Segmentation Tool via an Attention U-Net Algorithm 2025-Nov-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15233046 PMID:41374427	研究论文	本文开发了一种基于注意力U-Net算法的自动腰椎T1加权脊柱MRI分割工具，并通过放射科医生验证其临床相关性和分割准确性	针对T1加权脊柱MRI分割工具稀缺的问题，首次将注意力U-Net应用于该领域，并比较了不同损失函数（BCE与MSE）的性能，证明MSE损失在SSIM和DICE系数上表现更优	Cohen's Kappa系数为0.31，仅表明放射科医生间的一致性处于一般水平，且研究主要聚焦于腰椎区域，未涵盖全脊柱	开发一种自动化的腰椎T1加权脊柱MRI分割工具，以辅助骨科医生和放射科医生提高诊断效率	腰椎T1加权脊柱MRI图像	计算机视觉	椎间盘突出和脊椎损伤	MRI成像	深度学习	图像	未在摘要中明确说明	未在摘要中明确说明	Attention U-Net, U-Net++	SSIM, DICE系数, Likert量表评分, Cohen's Kappa系数	未在摘要中明确说明
338	2025-12-12	Improving Visible Light Positioning Accuracy Using Particle Swarm Optimization (PSO) for Deep Learning Hyperparameter Updating in Received Signal Strength (RSS)-Based Convolutional Neural Network (CNN) 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237256 PMID:41374631	研究论文	提出了一种结合接收信号强度预处理、卷积神经网络和粒子群优化的可见光定位系统，以自动优化超参数，提高室内定位精度	首次将粒子群优化算法用于自动调整基于接收信号强度的卷积神经网络超参数，以提升可见光定位系统的性能	概念验证实验仅在三个特定高度平面进行，未在更广泛或动态环境中测试	提高非理想照明条件下可见光定位系统的精度和鲁棒性	室内可见光定位系统	机器学习	NA	接收信号强度测量	CNN, ANN, LR	信号强度数据	三个不同高度平面（200、225、250厘米）的数据	NA	CNN	平均定位误差	NA
339	2025-12-12	Traditional Machine Learning Outperforms EEGNet for Consumer-Grade EEG Emotion Recognition: A Comprehensive Evaluation with Cross-Dataset Validation 2025-Nov-28, Sensors (Basel, Switzerland) DOI:10.3390/s25237262 PMID:41374637	研究论文	本文通过系统比较传统机器学习与EEGNet在消费级EEG情绪识别中的性能，发现传统机器学习在准确性和稳定性方面优于深度学习模型	首次在消费级EEG情绪识别中系统比较传统机器学习与EEGNet，并引入跨数据集验证和渐进式域适应框架	研究主要针对EEGNet架构，未涵盖其他复杂深度学习模型；实验数据限于特定消费级设备（Emotiv EPOC）	评估传统机器学习与深度学习在消费级EEG情绪识别中的性能差异及跨系统泛化能力	消费级EEG信号的情绪识别	机器学习	NA	EEG信号处理，域适应技术（CORAL, TCA）	随机森林, CNN	EEG信号	DREAMER数据集（23名受试者），SEED-VII数据集（跨数据集验证）	Scikit-learn, TensorFlow/Keras	EEGNet	F1分数, Cohen's d效应量, 交叉验证稳定性	未明确指定，但提及传统ML训练速度快95%，推理速度快10倍
340	2025-12-12	Analytical and numerical solutions of MABC fractional advection dispersion models by utilizing the modified physics informed neural networks with impacts of fractional derivative 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30065-7 PMID:41310394	研究论文	本研究提出了一种新的分数阶对流扩散方程，并利用改进的物理信息神经网络（PINNs）框架对其进行数值求解	提出了基于改进的Atangana-Baleanu-Caputo（MABC）分数阶导数的对流扩散方程新公式，并开发了专门的PINNs算法来求解MABC意义上的分数阶微分方程	未在摘要中明确说明	开发准确有效的数学模型以模拟污染物传输现象，并求解分数阶对流扩散方程	污染物传输的分数阶对流扩散模型	机器学习	NA	物理信息神经网络（PINNs）	深度学习模型	NA	NA	TensorFlow, PyTorch	物理信息神经网络	精度, 计算效率	NA