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
3481	2025-12-10	Federated Pseudo-Labeling: A Data-Centric, Privacy-Preserving Framework for Medical Image Segmentation 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622934 PMID:41359701	研究论文	本文提出了一种数据中心的、隐私保护的联邦伪标签框架，用于医学图像分割	通过伪标签和不确定性估计，避免共享私有数据和模型参数，解决了联邦学习中模型架构统一、隐私风险和协调挑战的问题	未明确说明框架在更广泛疾病类型或更大规模数据集上的泛化能力	开发一个可扩展且隐私保护的医学图像分割解决方案	医学图像分割任务，具体针对乳腺癌超声数据集和皮肤癌皮肤镜数据集	计算机视觉	乳腺癌, 皮肤癌	伪标签, 不确定性估计	CNN	图像	NA	NA	改进的U-Net（包含残差块、空洞空间金字塔池化和卷积块注意力模块）	NA	NA
3482	2025-12-10	Adaptive Multi-Scale Dynamic Graph Representation Learning With Overlapping Community-Awareness for ASD Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622540 PMID:41359708	研究论文	提出一种用于自闭症谱系障碍分类的自适应多尺度动态图表示学习模型	构建了适应个体时间特性的个性化多尺度动态功能连接图，并引入了新颖的重叠社区感知读出模块，以纳入脑区在多个功能网络中的参与	未明确说明模型的计算复杂度或对大规模数据集的扩展性	利用动态功能连接进行脑部疾病诊断	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	动态功能连接分析	图神经网络	脑功能连接图	ABIDE-I 和 ABIDE-II 数据集	NA	Ada-MST	NA	NA
3483	2025-12-10	Accurate Cobb Angle Estimation via SVD-Based Curve Detection and Vertebral Wedging Quantification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600647 PMID:41359722	研究论文	提出一种基于深度学习的框架，用于通过SVD曲线检测和椎体楔形量化来精确估计青少年特发性脊柱侧凸的Cobb角	结合HRNet骨干网络与Swin-Transformer模块，并引入生物力学约束以增强特征提取；使用奇异值分解直接分析椎体形态的角度预测，无需预定义曲线假设即可灵活检测多种脊柱侧凸模式；提出椎体楔形指数这一新指标来量化椎体变形	研究样本仅包含10-18岁患者的630张全脊柱前后位X光片，可能无法完全代表所有年龄组或更广泛的脊柱畸形类型	开发一种自动化、高精度的青少年特发性脊柱侧凸评估方法，以克服传统手动测量中观察者变异性的问题	青少年特发性脊柱侧凸患者的全脊柱前后位X光片	计算机视觉	青少年特发性脊柱侧凸	X光成像	深度学习	图像	630张来自10-18岁患者的全脊柱前后位X光片	PyTorch	HRNet, Swin-Transformer	诊断准确率, 平均绝对误差	NA
3484	2025-12-10	Gated-STGFormer: Spatiotemporal Fusion Network for Reconstructing Aortic Valve Motion Within Coronary Presence 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3611504 PMID:41359724	研究论文	本文提出了一种结合时空图卷积和Transformer的门控深度学习框架，用于重建冠状动脉影响下的主动脉瓣运动	提出Gated-STGFormer框架，首次通过深度学习模型在无显式冠状动脉建模的情况下，学习并重建受冠状动脉调制的瓣叶运动，解决了传统流体-结构相互作用模型因忽略冠状动脉而导致的模拟偏差	模型依赖于模拟数据，可能未完全覆盖真实生理变异；未明确提及在广泛临床数据集上的验证	开发一个物理信息驱动且计算高效的替代模型，以更准确地预测冠状动脉影响下的主动脉瓣运动，用于个性化心脏干预和虚拟手术规划	主动脉瓣瓣叶在冠状动脉影响下的时空运动	机器学习	心血管疾病	深度学习，流体-结构相互作用模拟	GCN, Transformer	模拟的时空运动数据	NA	NA	Gated-STGFormer（结合图卷积网络和Transformer）	保真度（定量评估）	NA
3485	2025-12-10	Unsupervised Machine Learning for Vascular Mesh Compression 2025-Dec, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.70124 PMID:41360499	研究论文	本文提出并比较了用于腹主动脉瘤网格压缩的无监督机器学习方法，包括统计模型和深度学习模型	创新点在于将无监督学习技术应用于血管网格压缩，并比较了PCA与多种深度学习模型（如自编码器、CNN、GNN）的性能	NA	研究目标是在保持网格几何保真度的同时优化参数效率，以减少内存使用、计算资源和执行时间	研究对象是腹主动脉瘤的血管网格	机器学习	心血管疾病	无监督学习	PCA, 自编码器, CNN, GNN	网格数据	NA	NA	自编码器, 卷积神经网络, 图神经网络	重建误差	NA
3486	2025-12-10	Comparing deep learning models for tuberculosis detection: A retrospective study of digital vs. analog chest radiographs 2025-Dec, The Indian journal of tuberculosis DOI:10.1016/j.ijtb.2024.05.008 PMID:41360591	研究论文	本研究比较了深度学习模型在数字和模拟胸片上检测肺结核的性能	在资源有限环境中评估深度学习设备在数字和模拟胸片上检测肺结核的鲁棒性	研究为回顾性设计，可能受限于数据收集的偏差和样本来源	评估深度学习设备在数字和模拟胸片上检测肺结核放射学征象的性能	来自印度的10,000张胸片DICOM数据及手机拍摄的胶片照片	数字病理学	肺结核	胸部X光成像	深度学习模型	图像	10,000张胸片	NA	qXR	AUC, 敏感度, 特异度	NA
3487	2025-12-10	Impact of contrast enhancement boost and super-resolution deep learning reconstruction on pediatric congenital heart disease CTA scans: ultra-low contrast dose 2025-Nov-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02015-2 PMID:41254528	研究论文	本研究评估了对比增强提升与超分辨率深度学习重建结合在降低儿科先天性心脏病患者CT血管成像中造影剂剂量的可行性	首次将对比增强提升技术与超分辨率深度学习重建结合应用于儿科先天性心脏病的CT血管成像，实现了在超低造影剂剂量下维持图像质量	样本量相对较小（72例），且研究为单中心设计，可能限制结果的普遍适用性	评估在儿科先天性心脏病CT血管成像中减少造影剂剂量的可行性	72名儿科先天性心脏病患者	医学影像分析	先天性心脏病	CT血管成像，深度学习重建	深度学习模型	CT图像	72名儿科患者（低剂量组36例，标准组36例）	NA	超分辨率深度学习重建	CT衰减值，信噪比，对比噪声比，主观评分	NA
3488	2025-12-10	A Novel Hybrid Deep Learning Model for Attack Detection in IoT Environment: Convolutional Neural Network with Transformer Approach 2025-Nov-18, Journal of visualized experiments : JoVE DOI:10.3791/68750 PMID:41359642	研究论文	本文提出了一种基于卷积神经网络与Transformer的混合深度学习模型，用于物联网环境中的攻击检测	提出了一种新颖的CNN-Transformer混合模型，用于物联网网络攻击的实时检测与分类，在保持高精度的同时降低了计算复杂度	研究仅基于CIC-IoT-2023数据集进行验证，未在其他物联网数据集或真实网络环境中测试	开发高效的物联网网络安全防护方法，实现实时攻击检测与分类	物联网网络中的攻击行为与异常流量	机器学习	NA	深度学习	CNN, Transformer	网络流量数据	CIC-IoT-2023数据集，包含7个类别下的33种物联网威胁类型	NA	CNN-Transformer混合架构	准确率, 精确率, 召回率, F1分数, 损失值	NA
3489	2025-12-10	Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis 2025-Nov-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03227-w PMID:41219882	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能算法在医学影像中识别不稳定颈动脉斑块的诊断性能	首次对AI在基于影像的颈动脉易损斑块检测中的诊断性能进行系统综述和荟萃分析，揭示了AI算法在该领域的整体表现和影响因素	仅有一项研究报告了外部验证，限制了结果的普适性；研究间存在显著的异质性（I2>90%）；存在发表偏倚	评估人工智能算法在利用医学影像区分不稳定与稳定颈动脉斑块方面的诊断性能	颈动脉斑块（不稳定斑块与稳定斑块）	医学影像分析	心血管疾病	医学影像技术	机器学习, 深度学习	图像	31项研究（其中14项纳入荟萃分析）	NA	NA	灵敏度, 特异性, AUC	NA
3490	2025-12-10	Radiomics in clinical radiology: advances, challenges, and future directions 2025-Nov-08, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107165 PMID:41360019	综述	本文综述了放射组学在临床放射学中的进展、挑战及未来方向，重点关注其与人工智能（特别是大语言模型和代理AI模型）的融合	探讨了放射组学与大语言模型（LLMs）和代理AI模型的融合，以及标准化和临床采纳路径的改进，为放射组学的临床应用提供了新的视角	作为综述文章，未涉及原始实验数据，且未来方向基于现有文献推断，实际应用可能面临未预见的挑战	总结放射组学的发展，突出当前挑战，并提出未来在临床实践中广泛应用的潜在方向	放射组学研究，特别是验证框架、标准化工作、深度学习、LLMs、多中心研究和代理流程库	数字病理学	NA	放射组学（高通量定量图像特征提取）	深度学习, 大语言模型（LLMs）, 代理AI模型	医学图像	NA	NA	NA	诊断准确性, 预后性能, 可重复性	NA
3491	2025-12-10	The diagnostic accuracy of deep learning-based AI models in predicting lymph node metastasis in T1 and T2 colorectal cancer: A systematic review and meta-analysis 2025-Nov-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045172 PMID:41204540	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了基于人工智能（尤其是深度学习和机器学习）模型在预测T1和T2期结直肠癌淋巴结转移中的诊断准确性	首次对基于AI的模型（特别是DL和ML）在预测T1/T2期结直肠癌淋巴结转移中的诊断准确性进行全面的系统综述和荟萃分析	纳入研究数量有限（12项定性分析，9项定量分析），可能存在发表偏倚，且各研究间的方法学异质性未详细讨论	评估基于AI的模型在预测T1和T2期结直肠癌淋巴结转移风险中的诊断准确性	T1和T2期结直肠癌患者	机器学习	结直肠癌	NA	深度学习, 机器学习	NA	8540名患者（来自12项研究）	NA	NA	敏感性, 特异性, AUC, 阳性似然比, 阴性似然比, 诊断比值比	NA
3492	2025-12-10	Neural network-based multi-task learning to assist planning of posterior spinal fusion surgery for adolescent idiopathic scoliosis 2025-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01125-9 PMID:40553418	研究论文	本研究开发了一种基于神经网络的多任务学习模型，用于辅助青少年特发性脊柱侧弯后路脊柱融合手术的规划	首次将神经网络多任务学习应用于AIS手术规划，模拟经验丰富脊柱外科医生的决策过程，包括选择上下固定椎体、确定棒曲度和预测螺钉密度	样本量相对较小（189例患者），且仅针对Lenke 1A和2A型曲线，外部验证集仅包含10例患者	开发一种深度学习模型以优化青少年特发性脊柱侧弯后路脊柱融合手术的器械规划	189例Lenke 1A和2A型曲线的青少年特发性脊柱侧弯患者	机器学习	青少年特发性脊柱侧弯	NA	人工神经网络	临床和影像学数据	189例患者（179例用于训练，10例用于外部验证）	NA	多层隐藏层神经网络	准确率，均方根误差	NA
3493	2025-12-10	Performance of Radiomics and Deep Learning Models in Predicting Distant Metastases in Soft Tissue Sarcomas: A Systematic Review and Meta-analysis 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.027 PMID:40651923	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了影像组学和深度学习模型在预测软组织肉瘤远处转移中的性能	首次对影像组学和深度学习模型在软组织肉瘤远处转移预测中的诊断准确性进行系统性的荟萃分析，并比较了不同成像模态、特征提取方法以及临床特征整合的效果	研究存在显著的异质性、有限的外部验证以及潜在的发表偏倚	评估影像组学和深度学习模型在预测软组织肉瘤远处转移中的诊断准确性	软组织肉瘤患者	数字病理学	软组织肉瘤	影像组学，深度学习	深度学习模型，影像组学模型	医学影像（MRI, PET, PET/CT）	19项研究，共1712名患者	NA	NA	AUC, 敏感性, 特异性	NA
3494	2025-12-10	Assessing MRI-based Artificial Intelligence Models for Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma: A Systematic Review and Meta-analysis 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.030 PMID:40670226	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于MRI的人工智能模型在术前预测肝细胞癌微血管侵犯方面的性能	首次对基于MRI的AI模型预测HCC微血管侵犯进行全面的系统综述和荟萃分析，比较了传统机器学习与深度学习方法以及不同特征组合模型的性能差异	研究存在显著的异质性，证据质量等级较低，可能影响结论的可靠性，且缺乏方法学标准化和多中心前瞻性验证	评估基于MRI的人工智能模型在术前预测肝细胞癌微血管侵犯的诊断性能	肝细胞癌患者	医学影像分析	肝细胞癌	磁共振成像	传统机器学习, 深度学习	MRI图像	内部验证2838例，外部验证1161例	NA	NA	灵敏度, 特异度, 诊断比值比, 曲线下面积	NA
3495	2025-12-10	Investigating Links Between Urban Residential Streetscapes and Physical Activity Using Deep Learning of Google Street View Imagery Applied to the Washington State Twin Registry 2025-Nov-01, Journal of physical activity & health IF:2.9Q2 DOI:10.1123/jpah.2024-0769 PMID:40774348	研究论文	本研究利用深度学习分析Google街景图像，探讨城市居住区街道景观与居民体力活动之间的关联	首次结合深度学习分割算法量化街道层面的绿化空间，并分析其与体力活动的关系，同时考虑了季节性和人口密度的影响	研究未发现绿化空间与体力活动之间存在一致关联，且部分结果在控制季节性后不显著，体力活动数据为自我报告，可能存在偏差	探究城市街道绿化空间与居民体力活动水平之间的关系	华盛顿州双胞胎登记处中居住在城市地区的7855名成年双胞胎	计算机视觉	NA	深度学习分割算法	CNN	图像	7855名成年双胞胎，共14095次调查观察	NA	NA	NA	NA
3496	2025-12-10	Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning 2025-Oct-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf248 PMID:40891072	研究论文	本研究开发了一种基于深度学习的全自动模型，通过心血管磁共振晚期钆增强图像预测轻链型心脏淀粉样变性的个体化预后	采用基于Transformer的深度学习模型进行全心脏分析，结合对比预训练策略增强特征区分并减少过拟合，通过集成学习整合多个生存时间点的预测	研究仅纳入接受标准化化疗的患者，样本量相对有限（394例），且随访时间至少为1年，可能未涵盖所有临床情况	开发一种个体化的预后预测方法，以补充现有的Mayo分期系统	轻链型心脏淀粉样变性患者	数字病理学	心血管疾病	心血管磁共振晚期钆增强成像	Transformer	图像	394例接受标准化化疗的轻链型心脏淀粉样变性患者，其中测试集79例	NA	Transformer	C-index, AUC	NA
3497	2025-12-10	KSMoFinder - Knowledge graph embedding of proteins and motifs for predicting kinases of human phosphosites 2025-Oct-23, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.21.683733 PMID:41279605	研究论文	本文介绍了KSMoFinder，一种通过整合蛋白质生物背景来预测激酶-底物-基序关系的深度学习模型	KSMoFinder不仅考虑磷酸化位点周围的氨基酸序列基序，还通过知识图谱嵌入整合了蛋白质的生物背景，从而超越了仅基于基序相似性的现有工具	未明确提及模型的具体局限性	预测人类磷酸化位点的激酶	蛋白质、激酶特异性基序和基序组成	机器学习	NA	知识图谱嵌入、深度学习分类	深度学习分类器	知识图谱数据、蛋白质序列数据	使用来自iPTMnet和PhosphositePlus的真实激酶-底物-基序数据集	未明确指定	未明确指定	ROC-AUC, PR-AUC	未明确指定
3498	2025-12-10	CalDiff: calibrating uncertainty and accessing reliability of diffusion models for trustworthy lesion segmentation 2025-Oct-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	本文提出了一种名为CalDiff的新框架，用于校准扩散模型在病灶分割中的不确定性，以提高模型的可靠性和可信度	利用多专家标注引入的不确定性，设计了一种基于扩散模型序列特性的双步序感知校准机制，以生成与预测性能一致的不确定性估计	研究仅在两个多标注病灶分割数据集上进行验证，未涉及更广泛的医学图像类型或疾病类别	开发一个可靠的病灶分割模型，通过校准不确定性来减少过度自信但错误的预测风险	医学图像中的病灶分割任务，特别是涉及多专家标注的场景	数字病理学	NA	扩散模型	扩散模型	图像	NA	NA	扩散模型	NA	NA
3499	2025-12-10	Deep Learning of Brain-Behavior Dimensions Identifies Transdiagnostic Biotypes in Youth with ADHD and Anxiety Disorders 2025-Oct-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.682243 PMID:41279186	研究论文	本研究开发了一个基于深度学习的脑-行为建模框架，用于识别青少年ADHD和焦虑障碍中的跨诊断生物型	整合临床显著功能连接与认知行为测量，识别可解释的维度和生物学基础的亚型（生物型），并验证其在独立队列中的稳健性和泛化性	NA	阐明异质性精神表现，推进基于生物学的早期分类框架，促进青少年心理健康临床转化	青少年（9-11岁）ADHD和焦虑障碍患者	机器学习	ADHD, 焦虑障碍	功能连接分析	深度学习	功能连接数据, 认知行为测量数据	3,508名儿童（ABCD数据集）和224名年龄匹配参与者（HBN队列）	NA	NA	NA	NA
3500	2025-12-10	SCREAM: Single-cell Clustering using Representation Autoencoder of Multiomics 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680290 PMID:41279430	研究论文	本文提出了一种名为SCREAM的新型深度学习框架，用于单细胞多组学数据的稳健整合与聚类	SCREAM结合了堆叠自编码器（SAEs）和深度嵌入聚类（DEC），为多组学数据生成鲁棒的潜在表示并优化聚类分配	未在摘要中明确提及	开发一个深度学习框架以解决单细胞多组学数据整合与聚类的挑战	单细胞多组学数据，包括SNARE-seq和CITE-seq数据集	机器学习	NA	单细胞多组学技术（如SNARE-seq, CITE-seq）	自编码器（Autoencoder）	多组学数据	未在摘要中明确提及	未在摘要中明确提及	堆叠自编码器（SAEs）	调整兰德指数（ARI）, 归一化互信息（NMI）	未在摘要中明确提及