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
4321	2025-12-24	A Hybrid YOLOv8s+Swin-T Transformer Approach for Automated Caries Detection on Periapical Radiographs 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01763-5 PMID:41429949	研究论文	本研究提出了一种结合YOLOv8s与Swin-T Transformer的混合目标检测器，用于在根尖周X光片上自动检测龋齿	提出了一种新颖的混合目标检测架构，将YOLOv8s骨干网络与Swin-T Transformer集成，通过其分层注意力机制改进了特征提取，在空间理解和上下文感知方面优于基于CNN的模型	模型仅在单一机构（Sibar牙科学院）收集的1887张X光片上进行训练和评估，其在不同数据集上的泛化能力和鲁棒性尚未得到广泛验证	自动化检测根尖周X光片中的龋齿，为AI辅助诊断提供可靠工具	根尖周X光片中的龋齿病变	计算机视觉	龋齿	深度学习，目标检测	CNN, Transformer	图像（X光片）	1887张来自Sibar牙科学院（Guntur）的根尖周X光片	PyTorch	YOLOv8s, Swin-T, Faster R-CNN, ResNet-50-FPNv2	精确率，召回率，F1分数，mAP@0.5	NA
4322	2025-12-24	Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01786-y PMID:41429948	研究论文	本研究评估了基于深度学习的计算机辅助检测（AI-CAD）软件在自动乳腺超声（ABUS）中用于乳腺癌检测的诊断性能和临床实用性	首次在ABUS中评估AI-CAD对不同经验水平放射科医生的诊断性能提升效果，特别是发现AI-CAD对经验较少的医生提升最显著	回顾性研究，样本量较小（114名女性），仅评估了三位放射科医生，可能无法推广到所有临床环境	评估AI-CAD软件在自动乳腺超声中辅助乳腺癌检测的有效性	接受自动乳腺超声检查的114名女性（228个乳房），其中28名被诊断为乳腺癌	计算机视觉	乳腺癌	自动乳腺超声（ABUS）	深度学习	超声图像	114名女性（228个乳房），其中28例乳腺癌	NA	NA	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC, 阅读时间, 观察者间一致性	NA
4323	2025-12-24	Improving Chronological Age Estimation in Children Using the Demirjian Method Enhanced with Transformer and Regression Models 2025-Dec-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01769-z PMID:41429946	研究论文	本研究提出了一种基于全景牙科图像和深度学习特征提取的两阶段方法，用于估计儿童的实足年龄	结合了Swin V2 Base等Transformer架构进行特征提取，并使用多种机器学习回归模型进行年龄预测，通过SHAP分析识别了最具影响力的牙齿特征	数据集规模有限（626张全景X光片），年龄范围较窄（6.0至13.8岁），未来需要扩展数据集并探索多模态整合	提高儿童实足年龄估计的准确性，为临床和法医牙科年龄估计提供可靠工具	儿童的全景牙科X光图像	计算机视觉	NA	全景X光成像	CNN, Transformer	图像	626张全景X光片（来自320名男性和306名女性儿童）	PyTorch, Scikit-learn	ResNet-18, EfficientNetV2-M, Swin V2 Base	RMSE, MAE	NA
4324	2025-12-24	Fusion of machine learning models using fuzzy comprehensive evaluation for thymoma risk prediction: a multicenter analysis 2025-Dec-22, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02493-7 PMID:41430016	研究论文	本研究提出了一种基于模糊综合评价的融合模型（FCE-FM），用于预测胸腺瘤的风险	提出了一种融合五种基础分类模型（逻辑回归、支持向量机、XGBoost、LightGBM、GBDT）的模糊综合评价融合模型（FCE-FM），并整合了模糊综合评价（FCE）、层次分析法（AHP）和三角隶属函数技术，用于胸腺瘤风险预测	NA	开发一个用于胸腺瘤早期风险评估的可靠工具，以改善患者预后	胸腺瘤患者	机器学习	胸腺瘤	放射组学特征提取，深度学习特征提取	Logistic Regression, Support Vector Machine, XGBoost, LightGBM, GBDT	人口统计学数据，放射组学特征，深度学习特征（横断面、矢状面、冠状面）	286名来自两个中心的胸腺瘤患者（训练集196例，内部测试集50例，外部测试集40例）	NA	FCE-FM（模糊综合评价融合模型）	AUC, 准确率	NA
4325	2025-12-24	Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets 2025-Dec-22, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70264 PMID:41431151	研究论文	本研究开发了一个标准化的注释流程，用于整合多个公共睡眠研究数据集中的睡眠呼吸障碍标注，以符合美国睡眠医学学会的指南	提出了一种整合睡眠分期、氧减饱和度和觉醒事件的标准化注释流程，显著提高了跨队列数据的一致性	研究为回顾性分析，依赖于现有数据集的可用性，可能无法完全覆盖所有临床场景	改进睡眠呼吸障碍的标注方法，以支持临床研究和基于人工智能的分析	来自SHHS、MrOS、MESA和KISS等多个公共睡眠研究数据集的受试者	数字病理学	睡眠呼吸障碍	多导睡眠图	深度学习模型	多导睡眠图数据	SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745)	NA	NA	平均绝对误差, F1分数	NA
4326	2025-12-24	Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004584 PMID:41417975	研究论文	本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层	提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，显著提升了生化复发预测和风险分层的性能	研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认	开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（T2WI, ADC, DWI, CE-T1WI）	深度学习模型	医学图像	923名前列腺癌患者（来自5个三级医疗中心，共10153张图像）	PyTorch	Transformer, ResNet18	AUC, 时间依赖性AUC, 决策曲线分析, 校准曲线	NA
4327	2025-12-24	Auxiliary diagnosis of periprosthesis joint infection by leukocyte esterase strips test using a deep learning model 2025-Dec-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004576 PMID:41417979	研究论文	本研究验证了基于深度卷积神经网络模型自动检测白细胞酯酶试纸条在诊断假体周围关节感染中的效能	开发了一个基于AlexNet的自动检测系统，用于自动捕获和分析白细胞酯酶试纸条图像，以提高诊断的客观性和减少外部因素影响	本研究为单中心研究，样本量相对较小，未来需要进行大规模、多中心临床研究以进一步提升模型性能	验证深度卷积神经网络模型在自动检测白细胞酯酶试纸条诊断假体周围关节感染中的有效性和可靠性	假体周围关节感染患者	计算机视觉	假体周围关节感染	白细胞酯酶试纸条测试	CNN	图像	78名患者（来自96名前瞻性入组患者，排除18名后）	NA	AlexNet	灵敏度, 特异度, 阳性预测值, 阴性预测值, ROC曲线, AUC, Kappa值	NA
4328	2025-12-24	Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7899 PMID:41410332	研究论文	本文提出了一种基于人工智能的自动化技术，用于在组织学切片中分类HER2过表达细胞	利用深度学习技术和视觉Transformer模型通过迁移学习，实现了对HER2表达的自动分类，减少了诊断变异性和提高了客观性	需要进一步优化处理效率以扩大应用范围	开发一种自动化技术来分类乳腺癌组织中的HER2过表达细胞	来自89名患者的乳腺癌组织学切片样本，覆盖所有四种HER2表达水平	数字病理学	乳腺癌	组织学分析	深度学习, 神经网络, 视觉Transformer	图像	89名患者的样本	NA	ViT-B/16	准确率	NA
4329	2025-12-24	[Deep learning-based endoscopic diagnosis of nasopharyngeal carcinoma: model development and cloud deployment] 2025-Dec-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20250627-00336 PMID:41372061	研究论文	本研究开发了一种基于白光成像和窄带成像内镜图像的深度学习辅助诊断模型，用于鼻咽癌诊断，并探索了其在远程诊断系统中的临床应用潜力	首次将深度学习与鼻内镜图像分析相结合，开发了针对鼻咽癌的AI辅助诊断模型，并构建了原型云诊断平台，为资源有限地区提供了早期筛查解决方案	研究为回顾性设计，样本主要来自单一医疗中心，未来需要多中心前瞻性研究进一步验证模型的泛化能力和临床实用性	开发基于内镜图像的鼻咽癌AI辅助诊断模型，并探索其在远程医疗系统中的应用	鼻咽癌患者的白光成像和窄带成像内镜图像	计算机视觉	鼻咽癌	白光成像, 窄带成像	CNN	图像	1262名受试者，包含9370张WLI图像和5558张NBI图像	未明确说明	InceptionResNetV2	准确率, AUC	NA
4330	2025-12-24	A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics 2025-Dec-05, Journal of visualized experiments : JoVE DOI:10.3791/69355 PMID:41428661	研究论文	本文提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态	创新性地将GARCH模型、双向LSTM网络和KAN网络集成到一个混合框架中，以同时量化时变波动性、建模双向时间关系并精炼非线性模式	NA	开发一个稳健的预测工具，以准确预测原油价格，应对其复杂的动态特性	西德克萨斯中质原油的每日价格	机器学习	NA	NA	GARCH, BiLSTM, KAN	时间序列数据	39年的每日西德克萨斯中质原油价格数据（1986-2025年）	NA	GARCH, BiLSTM, KAN	均方根误差, 平均绝对误差, 决定系数	NA
4331	2025-12-24	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-Dec-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	本研究利用深度学习算法在双能计算机断层扫描中区分痛风晶体沉积与伪影，以提高痛风诊断准确性	首次将深度学习应用于双能计算机断层扫描中绿色编码区域（指示痛风石）与块状伪影的自动区分，实现了高精度的病灶分类	研究为回顾性分析，样本量相对有限（74名患者），且未在外部验证集上进行测试	评估深度学习在双能计算机断层扫描中区分痛风晶体沉积与伪影的诊断准确性	从47名痛风患者和27名无痛风对照者的双能计算机断层扫描中提取的18,704个感兴趣区域	计算机视觉	痛风	双能计算机断层扫描	CNN, SVM	图像	74名患者（47名痛风患者，27名对照者）的18,704个感兴趣区域	NA	卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
4332	2025-12-24	Perfusion Assessment of Healthy and Injured Hands Using Video-Based Deep Learning Models 2025-Dec-01, Plastic and reconstructive surgery IF:3.2Q1 DOI:10.1097/PRS.0000000000012225 PMID:40489745	研究论文	本文提出了一种基于视频和深度学习的非接触式方法，用于在控制和急性创伤环境中分类手指的灌注和缺血状态	利用iPhone视频和深度学习模型（包括成像光电容积描记波形提取和ResNet-18分类器）进行非接触式灌注评估，应用于手部创伤的现场分诊	在急诊室等非受控环境中，由于光照、手部姿势和损伤等因素，分类性能显著下降，需要进一步考虑急性创伤相关变量以提高临床适用性	开发一种技术以增强手部创伤的灌注评估，改进现场分诊	健康对照者（部分经历止血带诱导的缺血周期）和急诊室急性手部创伤患者	计算机视觉	手部创伤	成像光电容积描记	深度学习	视频	48名对照者（包括14名经历止血带诱导缺血者）和15名急性创伤患者	NA	ResNet-18	灵敏度, 阳性预测值, 准确率	NA
4333	2025-09-13	Infant Electrocardiogram-Based Deep Learning Predicts Critical Congenital Heart Disease 2025-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.08.005 PMID:40938228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4334	2025-12-24	CT-based radiomics deep learning signatures for noninvasive prediction of early recurrence after radical surgery in locally advanced colorectal cancer: A multicenter study 2025-Dec, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110482 PMID:41014758	研究论文	本研究开发并验证了一种结合CT影像组学、深度学习特征与临床实验室参数的术前模型，用于无创预测局部晚期结直肠癌患者根治术后的早期复发风险	首次将CT影像组学特征、深度学习特征与临床实验室参数整合构建术前预测模型，并在多中心外部数据集验证其优于传统病理和TNM分期模型	回顾性研究设计，样本量相对有限，且未在更广泛的人群中进行前瞻性验证	优化局部晚期结直肠癌患者的治疗策略，通过术前无创预测早期复发，减少不必要的药物毒性	局部晚期结直肠癌患者	数字病理	结直肠癌	CT影像，RNA测序	机器学习，深度学习	CT图像，临床实验室数据，RNA测序数据	560例经病理证实的局部晚期结直肠癌患者（来自三个中心）及GEO数据集	NA	NA	AUC	NA
4335	2025-12-24	A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting 2025-Dec, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100865 PMID:41197498	研究论文	本文提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级COVID-19病例和死亡预测，并进行了回顾性评估	开发了多级多尺度注意力机制进行自适应时频分析，并融合历史病例数据、死亡数据和社交媒体情绪等多源数据以捕捉复杂的时空动态	研究为回顾性案例研究，需要在实时演化的数据条件下进行前瞻性验证以评估模型的实用性	开发用于县级传染病预测的深度学习模型，提升大流行预测能力	县级COVID-19病例和死亡数据	自然语言处理	COVID-19	多源数据融合	Transformer	时间序列数据, 文本数据	三个奥密克戎变异株波次的数据（2021年12月至2023年2月）	NA	Transformer	县级一致性准确率	NA
4336	2025-12-24	Classification and functional prediction of fungal glycosyltransferases using machine learning and deep learning methods 2025-Dec, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104045 PMID:41202912	研究论文	本研究利用机器学习和深度学习方法对真菌糖基转移酶进行分类和功能预测	采用卷积变分自编码器（CVAE）整合蛋白质三维折叠、氨基酸结构及生化特征，创新性地结合生化与结构变量，构建了数据驱动的GTs分类系统，超越了传统序列分析方法	研究仅涵盖88种代表性真菌物种的3340个GTs，可能未覆盖所有真菌GTs多样性；方法依赖于预测的三维结构，可能存在准确性限制	通过机器学习和深度学习揭示糖基转移酶的结构模式与功能关联，以应对其分类复杂性	来自88种代表性真菌物种的3340个糖基转移酶（GTs）	机器学习	NA	蛋白质三维结构预测，氨基酸结构及生化特征分析	卷积变分自编码器（CVAE），k-means聚类	蛋白质序列、预测三维结构、氨基酸结构及生化特征数据	3340个糖基转移酶，来自88种真菌物种	NA	卷积变分自编码器（CVAE）	聚类一致性（与k-means生成的组比较）	NA
4337	2025-12-24	Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13397-1 PMID:41283977	综述	本文综述了人工智能在血管外科中如何革新动脉愈合、重塑和预测分析的应用	整合了机器学习、深度学习算法以及计算流体动力学模拟，为血管手术的精准医疗和个性化治疗提供了前所未有的见解	需要高质量标注数据集、算法可解释性问题以及数据隐私的伦理担忧	探讨人工智能在血管外科中提升动脉愈合、重塑和预测分析的应用与潜力	动脉愈合、重塑过程及血管手术相关预测分析	机器学习	心血管疾病	超声、MRI分析、计算流体动力学模拟	CNN, RNN	图像、生物传感器数据	NA	NA	卷积神经网络、循环神经网络	NA	NA
4338	2025-12-24	Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice 2025-Dec, The Journal of cardiovascular surgery IF:1.4Q3 DOI:10.23736/S0021-9509.25.13491-5 PMID:41283980	综述	本文综述了基于人工智能的决策支持系统在血管外科中的应用、潜力及挑战	系统性地探讨了AI-DSS在血管外科从影像分析到术后预测的全流程应用，并强调了数字孪生、可穿戴监测等新兴概念，同时深入分析了伦理、法律及实施障碍	许多模型仍是“黑箱”，存在可解释性、泛化性以及与电子记录集成方面的挑战，且高开发成本和不确定的报销政策限制了实际应用	评估AI-DSS在血管外科临床实践中的作用、应用前景及面临的障碍	基于人工智能的决策支持系统及其在血管外科领域的应用	数字病理学	心血管疾病	深度学习	NA	影像数据、生物力学模型数据、生物标志物数据	NA	NA	NA	准确率	NA
4339	2025-12-24	Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis 2025-Dec, Neuroscience informatics DOI:10.1016/j.neuri.2025.100240 PMID:41393096	研究论文	本研究提出了一种基于功率-功率跨频耦合的新方法，用于检测和分析颞叶癫痫发作，并利用深度学习网络进行特征提取和分类	首次将功率-功率跨频耦合方法应用于癫痫发作检测，并识别了三种常见癫痫发作组件的独特耦合特征	研究仅针对颞叶癫痫，样本量相对较小（26名患者），且依赖于特定的颅内脑电图数据库	评估功率-功率跨频耦合方法在癫痫发作检测中的能力，并分析不同癫痫发作组件的耦合特征	颞叶癫痫患者的颅内脑电图记录，包括120次癫痫发作和背景活动片段	机器学习	癫痫	颅内脑电图	SSAE, LSTM	脑电图信号	26名患者的120次颞叶癫痫发作	EEGLAB	堆叠稀疏自编码器, 长短期记忆网络	灵敏度, 特异性, 准确率	NA
4340	2025-12-24	Volumetric Compensation After Anatomical Lung Resection: Comparative Analysis of Lobectomy and Segmentectomy 2025-Dec-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezaf428 PMID:41410522	研究论文	比较肺癌患者肺叶切除术与肺段切除术后肺功能及体积代偿的差异	利用深度学习辅助的3D肺分割技术计算肺体积，首次系统比较了肺叶切除与肺段切除术后对侧肺体积代偿及肺功能保留的差异	回顾性研究，可能存在选择偏倚；样本量有限，特别是肺段切除组；未考虑长期功能变化	比较肺癌患者接受肺叶切除术与肺段切除术后的肺功能及肺体积代偿情况	2019年至2021年间接受初次肺癌手术的患者	数字病理学	肺癌	薄层计算机断层扫描，深度学习辅助3D肺分割	深度学习模型	医学影像	1076名患者（匹配后567名：378名肺叶切除，189名肺段切除）	NA	NA	肺功能测试值（用力肺活量、第一秒用力呼气容积、一氧化碳弥散量），肺体积测量	NA