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
661	2025-12-10	Dual-Path Cuffless PPG-Based Blood Pressure Estimation Using Conformer & Swin Transformer 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621132 PMID:41359694	研究论文	本文提出了一种新颖的双路径深度学习框架，利用光电容积脉搏波信号进行无袖带连续血压监测，通过结合Conformer-Transformer和1D Swin Transformer架构，显著提升了血压估计的准确性和生理一致性	首次将Conformer-Transformer和1D Swin Transformer两种深度神经网络架构应用于PPG信号建模，以同时捕捉信号的形态结构和节律动态，实现动脉血压波形重建，并在多个关键指标上优于主流基线方法	NA	解决无袖带连续血压监测中的关键挑战，提高血压估计的准确性和生理一致性	光电容积脉搏波信号	机器学习	心血管疾病	PPG信号分析	Transformer	信号数据	基于两个公共数据集	NA	Conformer-Transformer, 1D Swin Transformer	平均绝对误差, 波形重建性能	NA
662	2025-12-10	Breathing Cycle-Aware Segmentation for Patient-Ventilator Asynchrony Detection 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3619269 PMID:41359707	研究论文	本文提出了一种用于患者-呼吸机异步检测的无监督呼吸周期感知分割方法	提出了一种无监督的呼吸周期感知分割方法，结合了频率自适应聚类、周期性提示验证和动态分割技术，无需大量标注数据	方法仅在单一真实世界数据集上进行了评估，未提及跨中心或跨设备验证	开发一种可靠的患者-呼吸机异步检测方法，以改善机械通气患者的护理	机械通气患者的呼吸波形数据	机器学习	呼吸系统疾病	机械通气波形分析	深度学习分类模型	波形数据	来自澳大利亚墨尔本Austin Health的真实世界数据集	NA	NA	六项评估指标中的五项优于基线方法	NA
663	2025-12-10	MetaBlock-SE: A Method to Deal With Missing Metadata in Multimodal Skin Cancer Classification 2025-Dec, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3612837 PMID:41359712	研究论文	提出了一种名为MetaBlock-SE的新方法，用于处理多模态皮肤癌分类中缺失的元数据问题	在原有的元数据处理块架构中集成了句子嵌入算法，以生成能够捕捉元数据特征间语义关系的密集向量，从而更有效地处理缺失或不完整的元数据	未明确说明该方法在处理极端缺失比例或不同类型缺失模式时的鲁棒性，也未与其他先进的缺失数据处理方法进行广泛比较	开发一种能够处理缺失元数据的鲁棒多模态模型，以提高皮肤癌计算机辅助诊断系统在真实临床场景中的实用性	皮肤病变图像及相关的患者元数据	计算机视觉	皮肤癌	深度学习，句子嵌入算法	CNN	图像，文本（元数据）	PAD-UFES-20数据集及其扩展版本（规模扩大七倍）	未明确指定	ResNet-50, MetaBlock	平衡准确率	未明确指定
664	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
665	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
666	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
667	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
668	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
669	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
670	2025-12-10	Deep Learning-Based Quality Control Using Subcellular RNA Spatial Distribution Patterns for Cell Segmentation in Spatial Transcriptomics Data 2025-Nov-27, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500885 PMID:41311019	研究论文	本文提出了一种基于深度学习的质量控制方法，利用亚细胞RNA空间分布模式来评估和改进空间转录组学数据中的细胞分割结果	首次利用深度神经网络分析不同类型RNA的亚细胞空间分布模式，以识别部分分割或合并的细胞，并结合Transformer方法提升分割性能	未明确说明方法在极端噪声或复杂组织环境下的鲁棒性，且可能依赖于特定数据集的训练	开发一种用于空间转录组学数据中细胞分割质量控制和结果改进的深度学习方法	空间转录组学数据中的细胞分割结果，包括合成数据和真实Stereo-seq数据	数字病理学	NA	空间转录组学，Stereo-seq	深度学习，Transformer	空间转录组学数据，RNA点数据	NA	NA	深度神经网络，Transformer	NA	NA
671	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
672	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
673	2025-12-10	AI-Driven Real-Time Monitoring of Cardiovascular Conditions With Wearable Devices: Scoping Review 2025-Nov-11, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/73846 PMID:41218203	综述	本文是一篇范围综述，旨在探讨利用可穿戴设备和人工智能技术进行心血管疾病实时监测的主要挑战与潜在解决方案	系统性地梳理了AI驱动可穿戴设备在心血管疾病实时监测领域的研究现状、挑战及部署优化策略，填补了该领域综合性评估的空白	纳入研究数量有限（仅19项），且多数研究依赖公开数据集，缺乏真实社区环境下的验证，实时部署的操作特性和挑战报告不足	识别AI驱动平台在利用可穿戴设备进行心血管疾病实时监测时面临的主要挑战，并探索潜在解决方案	使用可穿戴设备收集参与者数据并应用AI算法进行实时分析以检测或预测心血管事件和疾病的研究	机器学习	心血管疾病	NA	传统机器学习算法, 轻量级深度学习算法	心血管信号、生命体征、身体活动数据	从2385条记录中筛选出19项符合条件的研究	NA	NA	NA	可穿戴设备本地处理或基于云的处理
674	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
675	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
676	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
677	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
678	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
679	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
680	2025-12-10	Deep learning-empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas 2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.70027 PMID:41133975	研究论文	本研究开发并验证了一种基于深度学习和红外偏心光折射的低成本便携式自动验光系统（TRDS），旨在提高资源有限地区的屈光不正矫正率	结合低成本硬件（CMOS探测器、红外LED）与端到端深度学习模型，通过分析眼底反射信号实现自动化验光，为资源受限地区提供可扩展的解决方案	在高近视亚组中表现仅为中等一致性（M: r=0.62），且样本仅来自单一医院（北京同仁医院），可能限制泛化性	提高资源有限地区屈光不正的有效矫正率，符合世界卫生组织改善全球眼健康的目标	282名18-60岁的参与者	计算机视觉	屈光不正	红外偏心光折射	深度学习模型	图像	282名参与者，训练模型使用了362,000张图像	NA	端到端深度学习模型	Pearson相关系数, Bland-Altman图, 组内相关系数（ICC）, 平均差异, 95%一致性界限, 矫正视力（logMAR）	NA