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
4881	2025-10-30	Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration 2025-Oct-28, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000001037 PMID:41148218	综述	本文综述人工智能在重症监护肾病学中的当前应用、新兴技术及临床整合挑战	系统阐述AI技术在重症肾病领域的前沿应用，包括符合预测、因果推断和强化学习等新兴方法，并提出四大发展重点	对患者中心结局（如死亡率、透析依赖性）的影响仍不明确，存在数据异质性、外部验证不足等推广障碍	推动人工智能技术在重症监护肾病学领域的临床应用与发展	重症肾病患者及相关临床诊疗流程	医疗人工智能	急性肾损伤	机器学习、深度学习、强化学习、生成式AI	NA	临床数据	NA	NA	NA	预测准确性、诊断能力	NA
4882	2025-10-30	Deep learning model integrating contrast-enhanced ultrasound spatiotemporal imaging with clinical data for the differential diagnosis between hepatocellular carcinoma and intrahepatic cholangiocarcinoma 2025-Oct-28, La Radiologia medica DOI:10.1007/s11547-025-02132-6 PMID:41148561	研究论文	开发了一种融合超声造影时空成像特征与临床数据的深度学习模型，用于肝细胞癌和肝内胆管癌的鉴别诊断	首次将动态CEUS的时空特征与患者临床参数相结合构建深度学习模型CEUS-CD-Net	回顾性研究，样本量相对有限（305例患者）	提高肝细胞癌和肝内胆管癌的鉴别诊断准确性	165例ICC患者和140例HCC患者的CEUS数据和临床参数	医学影像分析	肝癌	超声造影（CEUS），使用SonoVue®-六氟化硫微泡造影剂	深度学习模型	动态超声造影图像序列和临床数据	305例患者（165例ICC，140例HCC）	NA	CEUS-CD-Net	AUC	NA
4883	2025-10-30	Identification of Pandemic Risk for Avian Influenza Virus with Graph Cross Attention Networks 2025-Oct-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625980 PMID:41150231	研究论文	提出基于图交叉注意力网络的禽流感病毒大流行风险识别方法GCAN-Flu	首次将病毒基因流信息与基因组序列结合，通过图交叉注意力层实现多模态表征学习	未明确说明模型在其他病毒类型上的泛化能力	准确预测流感病毒的大流行风险	甲型流感病毒	机器学习	流感	基因组测序	图神经网络	基因组序列数据	NA	PyTorch, DGL	Graph Cross Attention Networks	准确率	NA
4884	2025-10-30	A Hierarchical Multimodal Framework for Sedation Monitoring in ICU Patients 2025-Oct-28, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3626584 PMID:41150235	研究论文	提出一种用于ICU患者镇静监测的分层多模态深度学习框架HMDC	首次将EEG与外周生理信号通过动态校正模块进行智能融合，采用置信度加权机制优化多模态表征	研究样本量有限（105名患者），未提及外部验证结果	开发连续、客观的ICU患者镇静水平监测方法	ICU患者（105名）的镇静状态评估	医疗人工智能	危重症监护	脑电图（EEG）、生理信号监测	深度学习	时间序列信号（EEG、血压、心率、血氧饱和度）、频谱图	105名ICU患者的2,880次RASS评估	NA	双流路径网络、动态校正模块	分类准确率	NA
4885	2025-10-30	BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning 2025-Oct-28, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3617987 PMID:41150242	研究论文	提出一种贝叶斯概率模糊神经网络(BPFNN)，用于不确定性感知聚类和概率模糊推理	将贝叶斯概率模糊C均值(BPFCM)算法与神经网络结合，通过非高斯建模和MCMC后验推理改进传统模糊聚类	隐藏层激活仅表示输入与聚类中心的相似度值，原始输入特征未直接保留	解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战	基准数据集和高维激光诱导击穿光谱(LIBS)光谱数据	机器学习	NA	激光诱导击穿光谱(LIBS)	贝叶斯概率模糊神经网络(BPFNN)	光谱数据	NA	NA	BPFNN	准确率, 鲁棒性, 可解释性	NA
4886	2025-10-30	A Gravity-informed Spatiotemporal Transformer for Human Activity Intensity Prediction 2025-Oct-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3625859 PMID:41150240	研究论文	提出一种融合物理定律的深度学习框架Gravityformer，用于人类活动强度预测	将万有引力定律融入Transformer注意力机制，通过自适应重力模型学习空间交互的物理约束	未明确说明模型在极端场景或小样本情况下的性能表现	解决人类活动强度预测中空间交互物理约束缺失和过平滑现象	人类活动强度数据	机器学习	NA	深度学习	Transformer, 图卷积网络	时空活动数据	六个大规模真实世界活动数据集	NA	Gravityformer, 时空图卷积Transformer	定量评估指标（未具体说明）	NA
4887	2025-10-30	Generative Fuzzy System for Sequence-to-Sequence Learning via Rule-Based Inference 2025-Oct-28, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3615650 PMID:41150248	研究论文	提出一种结合模糊系统与深度学习的新型生成式框架GenFS，用于序列到序列学习任务	首次将模糊系统的可解释性与生成模型的深度学习能力相结合，实现数据驱动与知识驱动的双驱动机制	未明确说明模型复杂度与计算效率的具体表现	提升生成模型的鲁棒性和泛化能力，增强模型可解释性	序列生成任务，包括机器翻译、代码生成和摘要生成	自然语言处理	NA	模糊系统，深度学习	FuzzyS2S	文本序列	12个数据集	NA	基于GenFS的序列到序列架构	准确率，流畅度	NA
4888	2025-10-30	Artificial Intelligence and Multi-modality Data Integration Deciphers Tertiary Lymphoid Structure Maturity in Gastric Cancer 2025-Oct-28, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1793 PMID:41150905	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于从胃癌全切片图像中定量表征三级淋巴结构成熟度，并揭示了成熟TLS中的关键免疫回路	首次将基于Transformer的深度学习模型应用于TLS成熟度定量分析，并通过多组学数据整合揭示了CD8⁺组织驻留记忆T细胞与B细胞通过CXCL13-CXCR5轴形成的免疫回路机制	样本量相对有限（253例GC患者），单细胞RNA测序仅来自17例患者	开发自动化TLS成熟度评估工具并解析胃癌中TLS成熟的免疫调控机制	胃癌患者组织样本和免疫细胞	数字病理学	胃癌	单细胞RNA测序,多重免疫组织化学,流式细胞术,功能共培养实验	Transformer	全切片图像,单细胞RNA测序数据,免疫组化数据,流式细胞数据	253例胃癌患者（全切片图像），17例胃癌患者（单细胞RNA测序）	NA	Transformer	NA	NA
4889	2025-10-30	Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population 2025-Oct-28, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-025-02269-y PMID:41152404	研究论文	本研究通过整合多基因评分来预测东亚人群抗抑郁药物治疗效果	首次在东亚人群中系统评估多基因评分对SSRI治疗效果的预测价值，并采用多祖先群体数据	样本量相对有限，仅包含台湾两个队列，需要更大规模多样化队列验证	提高抗抑郁药物治疗效果的预测准确性	接受SSRI治疗的台湾抑郁症患者队列	机器学习	抑郁症	全基因组关联分析，多基因评分	广义线性混合模型，机器学习算法，深度学习算法	基因组数据，临床数据，人口统计学数据	两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人）	PRS-CS, PRS-CSx, glmmLasso	集成模型	AUC	NA
4890	2025-10-30	Differential effects of vesicular urokinase receptor uPAR on vascular cell migration and proliferation 2025-Oct-28, Molecular and cellular biochemistry IF:3.5Q3 DOI:10.1007/s11010-025-05420-x PMID:41152550	研究论文	本研究探索了间充质干细胞来源的细胞外囊泡中uPAR通过差异调控血管细胞迁移和增殖参与血管生成的新机制	首次发现uPAR缺失会改变MSC来源囊泡对血管细胞的选择性调控作用，并揭示uPA/uPAR系统在囊泡介导的血管生成中具有细胞类型特异性功能	研究主要基于小鼠模型和体外实验，尚未在人体组织或体内环境中验证	探究细胞外囊泡中uPAR在血管生成过程中的调控机制	间充质干细胞来源的细胞外囊泡、内皮细胞、平滑肌细胞	细胞生物学	血管生成相关疾病	超速离心、流式细胞术、蛋白质印迹、纳米颗粒追踪分析、免疫荧光染色、共聚焦显微镜、ELISA	深度学习目标检测模型	显微镜图像	小鼠脂肪组织来源的MSCs	NA	NA	细胞计数	NA
4891	2025-10-30	Impact of Super-Resolution Deep Learning Reconstruction on Low-Dose CT in Patients with Central Venous Catheter or Central Venous Port 2025-Oct-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01726-w PMID:41152657	研究论文	评估超分辨率深度学习重建在中心静脉导管患者低剂量CT成像质量中的影响	首次将超分辨率深度学习重建技术应用于中心静脉导管患者的低剂量CT成像，并与混合迭代重建进行对比	回顾性研究设计，样本量未明确说明，仅由三位阅读者进行评估	评估SR-DLR对低剂量CT图像质量的改善效果	携带中心静脉导管或中心静脉端口的患者	医学影像分析	血管通路相关并发症	低剂量CT扫描，三维定位扫描	深度学习重建	胸部CT图像	NA	NA	超分辨率深度学习重建	图像噪声标准差，定性评估（噪声、伪影、血管显示、血肿和导管位置评估便利性）	NA
4892	2025-10-30	Interpretable machine learning model for cardiovascular disease risk prediction: a feature decomposition-based study 2025-Oct-28, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-24921-4 PMID:41152787	研究论文	本研究开发了一种基于特征分解的深度学习模型用于心血管疾病风险预测	提出基于特征分解的深度学习模型(FDDL)，并采用SHAP方法进行模型解释	仅使用单一Kaggle数据集，未进行外部验证	构建和验证心血管疾病预测模型	心血管疾病风险预测	机器学习	心血管疾病	机器学习	深度学习	结构化医疗数据	68,205名心血管疾病受访者	NA	特征分解深度学习模型(FDDL)	准确率,精确率,召回率,F1分数,AUC-ROC	NA
4893	2025-10-30	Recent advances in plant disease detection: challenges and opportunities 2025-Oct-28, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01450-0 PMID:41152989	系统综述	本文系统分析深度学习在植物病害检测中的应用进展，重点关注RGB和高光谱成像技术	首次系统评估11个基准数据集上的性能差距，揭示实验室与田间部署的显著差异，并建立基于证据的部署指南	主要基于已发表研究，缺乏对未公开商业系统的全面评估	推动植物病害检测从研究原型向实用农业工具发展	植物病害检测系统	计算机视觉	植物病害	RGB成像, 高光谱成像	CNN, Transformer	图像	11个基准数据集	NA	SWIN, 传统CNN	准确率	NA
4894	2025-10-30	Deep Learning Strategies for Predicting Amputation Free Survival in Patients with Peripheral Artery Disease 2025-Oct-26, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2025.10.043 PMID:41151636	研究论文	本研究通过比较多种机器学习模型与传统Cox比例风险模型，预测外周动脉疾病患者的无截肢生存期	首次系统性地将多种生存机器学习模型应用于外周动脉疾病患者的无截肢生存期预测，并开发了患者特异性风险分层工具	需要外部验证才能应用于临床实践	改进外周动脉疾病患者无截肢生存期的预测准确性	2366名接受血运重建术的症状性外周动脉疾病患者	机器学习	外周动脉疾病	生存分析	条件生存森林, 随机生存森林, DeepHit, Cox比例风险模型, Fine and Gray模型	临床数据	2366名患者	NA	非线性Cox比例风险模型, 条件生存森林, 随机生存森林, DeepHit	一致性指数, 综合Brier评分	NA
4895	2025-10-30	[Endometrial cancer lesion region segmentation based on large kernel convolution and combined attention] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202502023 PMID:41152163	研究论文	提出一种基于大核卷积和组合注意力的子宫内膜癌病灶区域分割模型SCWU-Net	设计了空间选择模块(SSM)和组合权重模块(CWM)，通过深度卷积块增强上下文信息捕获能力，并在跳跃连接中应用联合注意力机制	NA	提高子宫内膜癌CT图像中病灶区域分割的准确性	子宫内膜癌病灶区域	计算机视觉	子宫内膜癌	CT成像	深度学习分割模型	CT图像	公共数据集	NA	U-Net, SCWU-Net	Dice相似系数, IoU, 精确率, 召回率	NA
4896	2025-10-30	[A method for emotion transition recognition using cross-modal feature fusion and global perception] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504040 PMID:41152169	研究论文	提出一种基于跨模态特征融合和全局感知网络的情感状态转换识别方法	首次设计包含六种情感转换场景的实验范式，提出结合深度典型相关分析与跨模态注意力机制的特征融合方法，以及CNN与Transformer并行的混合架构	实验样本量较小（20名参与者），仅在实验室环境下验证	解决动态情感状态转换识别问题	脑电图和眼动信号	生物医学工程	NA	脑电图，眼动追踪	CNN, Transformer	时间序列信号	20名参与者	NA	CNN, Transformer	均方误差，识别准确率，稳定性	NA
4897	2025-10-30	[The design and application of a genu valgum gait recognition model based on triple attention mechanism and spatial hierarchical pooling strategy] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504005 PMID:41152171	研究论文	本研究开发了一种基于三重注意力机制和空间分层池化策略的膝外翻步态识别模型，用于儿童膝外翻的早期智能筛查	结合三重注意力模块和空间分层池化模块，共同增强时间、空间和通道维度的特征交互，在表征能力和计算效率之间达到最佳平衡	NA	开发适用于临床应用的深度学习步态识别模型，用于儿童膝外翻的早期智能筛查	儿童膝外翻患者的步态数据	计算机视觉	骨科疾病	步态分析	CNN	图像	自建数据集	NA	三维残差网络	精确率,召回率,F1分数	NA
4898	2025-10-30	[Brain computer interface nursing bed control system based on deep learning and dual visual feedback] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202504047 PMID:41152174	研究论文	基于运动想象脑机接口和双视觉反馈机制，设计了一套面向重症肢体障碍患者的护理床控制系统	提出优化的双分支图卷积多尺度神经网络结构，并构建包含脑电地形图反馈和注意力状态反馈的双视觉反馈机制	NA	提升重症肢体障碍患者的自主交互能力，改善脑机接口系统的解码性能	重症肢体障碍患者	脑机接口	肢体障碍	运动想象脑机接口(MI-BCI), 脑电信号(EEG)	图卷积网络, 多尺度卷积神经网络	脑电信号	NA	NA	双分支图卷积多尺度神经网络, 动态图卷积, 多尺度卷积	分类准确率, 信息传输速率	NA
4899	2025-10-30	[Ethical considerations for artificial intelligence-enhanced brain-computer interface] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202507024 PMID:41152182	综述	本文探讨了人工智能增强型脑机接口的伦理考量及其风险缓解措施	首次系统评估AI技术（特别是深度学习）在提升脑机接口性能时可能引发的伦理问题	未涉及具体实验验证，主要基于理论分析	分析AI增强型脑机接口的伦理风险并探讨应对策略	人工智能增强型脑机接口系统	脑机接口	NA	深度学习	NA	NA	NA	NA	NA	解码准确率、信息传输速率、实时性能、适应性	NA
4900	2025-10-30	[Artificial intelligence in predicting pathological complete response to neoadjuvant chemotherapy for breast cancer: current advances and challenges] 2025-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202503075 PMID:41152181	综述	本文全面回顾了人工智能在预测乳腺癌新辅助化疗病理完全缓解中的应用进展与挑战	系统比较了统计学方法、传统机器学习和深度学习三种方法在pCR预测中的演变历程，特别强调了深度学习在自动提取影像特征和整合多模态数据方面的优势	现有方法预测准确性仍需提升，尚未完全整合到临床工作流程中	预测乳腺癌患者新辅助化疗后的病理完全缓解	乳腺癌患者	数字病理	乳腺癌	NA	机器学习,深度学习	临床数据,影像数据,多模态数据	NA	NA	NA	NA	NA