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
681	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
682	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
683	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
684	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
685	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
686	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
687	2025-12-10	AnatomyArray: A high-throughput platform for anatomical phenotyping in plants 2025-Oct-08, The Plant cell DOI:10.1093/plcell/koaf223 PMID:40977461	研究论文	本文介绍了AnatomyArray系统，一个用于植物高通量解剖表型分析的集成平台，包括组织切片、成像和深度学习分析工具	开发了AnatomyArray系统，结合高通量石蜡切片、多通道成像和深度学习工具AnatomyNet，实现了植物组织细胞排列和形态的自动化定量分析	未明确提及系统在非小麦物种或更广泛植物组织中的适用性限制	解决植物解剖表型大规模成像和准确定量的技术挑战，以研究植物组织结构和功能的遗传基础	植物组织，特别是小麦根部的解剖结构	数字病理学	NA	高通量石蜡切片、多通道载玻片成像	深度学习	图像	多样化小麦种群	NA	AnatomyNet	NA	NA
688	2025-12-10	Deep Learning-Based Control of Electrically Evoked Activity in Human Visual Cortex 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678361 PMID:41279945	研究论文	本文介绍了一种基于深度学习的自动化数据驱动神经控制方法，用于视觉神经假体，通过生成最优多电极刺激模式来诱发目标神经响应	首次在人类植入物中应用深度学习框架进行神经控制，实现了自动化多电极刺激模式的优化，显著优于传统手动校准方法	研究仅基于一名盲人参与者的数据，样本规模有限，且未在更广泛临床应用中验证	开发一种自动化数据驱动的神经控制方法，以改善视觉神经假体的感知稳定性和效果	植入在盲人参与者枕叶皮层的96通道犹他电极阵列	机器学习	视力障碍	深度神经网络训练与预测	深度神经网络	神经响应数据	一名盲人参与者	深度学习框架	深度神经网络	神经活动控制效果、刺激电流降低、感知稳定性	NA
689	2025-12-10	Deep learning for automatic ICD coding: Review, opportunities and challenges 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103187 PMID:40664094	综述	本文全面综述了深度学习在自动ICD编码中的最新进展、机遇与挑战	从独特视角系统总结深度学习在ICD编码中的应用，分析模型设计动机、网络架构及辅助数据整合趋势	综述范围限于2017-2023年文献，未涵盖传统机器学习方法的详细对比分析	揭示自动ICD编码领域的关键挑战与发展趋势	基于深度学习的自动ICD编码方法相关文献	自然语言处理	NA	深度学习	CNN, RNN, Transformer, PLM	临床文本	53篇相关文献（2017-2023年）	NA	卷积神经网络, 循环神经网络, 注意力机制, Transformer, 预训练语言模型	NA	NA
690	2025-12-10	Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions 2025-Oct, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103220 PMID:40700862	系统综述	本文对基于深度学习的医学影像报告生成领域进行了全面的系统性回顾，总结了当前方法、趋势和未来方向	这是迄今为止最全面的关于深度学习医学影像报告生成的系统性综述，涵盖了从传统架构到大型语言模型的最新进展，并首次系统性地整理了22个数据集、14个评估指标、约20个损失函数、超过25个视觉骨干网络和30多个文本骨干网络	作为一篇综述文章，其局限性在于主要基于现有文献进行分析，未提出新的原创模型或方法	系统回顾和总结深度学习在医学影像报告生成领域的研究现状、方法和发展趋势	医学影像报告生成相关的研究文献、数据集、模型架构和评估方法	自然语言处理, 医学影像	NA	深度学习	CNN, Transformer, 大型语言模型	医学影像, 文本报告	涉及78项研究，涵盖22个公开数据集	TensorFlow, PyTorch	ResNet, VGG, U-Net, DenseNet, EfficientNet, Transformer	准确率, 精确率, 召回率, F1分数, BLEU, ROUGE, METEOR, CIDEr	NA
691	2025-12-10	Radiomics, machine learning, and deep learning for hippocampal sclerosis identification: a systematic review and diagnostic meta-analysis 2025-Oct, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110624 PMID:40737956	系统综述与诊断性荟萃分析	本文通过系统综述和荟萃分析，评估了基于放射组学、机器学习和深度学习的人工智能模型在识别海马硬化方面的诊断性能	首次对人工智能（包括机器学习与深度学习）及放射组学在识别海马硬化方面的诊断性能进行了系统综述和荟萃分析，并比较了不同算法（如SVM、CNN）以及单独使用AI与AI结合放射组学的效果	纳入的研究数量较少（仅6项），且存在显著的异质性（I² > 69%），可能影响结果的普遍适用性	综合近期人工智能和放射组学研究，以提高颞叶癫痫中海马硬化的检测准确性	海马硬化，特别是与内侧颞叶癫痫相关的病例	医学影像分析，机器学习，深度学习	颞叶癫痫，海马硬化	放射组学，机器学习，深度学习	支持向量机，卷积神经网络，逻辑回归	医学影像数据（如MRI）	NA（综述文章，未报告总样本量，但基于6项纳入研究）	NA	NA	灵敏度，特异度，受试者工作特征曲线下面积	NA
692	2025-12-10	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2025-Sep-24, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子复合动力学的不确定性	通过串联深度神经网络模型，结合预训练候选模型的自动选择算法，实现了对RISC速率的高精度预测，克服了传统方法中极化子复合动力学的不确定性	NA	预测TADF有机发光二极管的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
693	2025-12-10	Deep learning for orbital fracture detection and reconstruction: A systematic review on diagnostic accuracy and surgical planning 2025-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2025.06.008 PMID:40592670	综述	本文系统综述了基于CT影像的深度学习模型在眼眶骨折检测与重建中的诊断准确性、处理时间及手术规划作用	首次系统评估了U-Net、GAN和SPAK引导架构等深度学习模型在眼眶骨折诊断与重建中的综合性能，并量化了自动化处理在时间效率上的显著提升	纳入研究数量有限（仅5项），缺乏方法学标准化，临床适用性仍需进一步验证	评估深度学习模型在眼眶骨折检测与重建中的效能	基于CT影像的眼眶骨折病例	计算机视觉	眼眶骨折	CT成像	CNN, GAN	医学影像	NA	NA	U-Net, DenseNet, GAN, SPAK	准确率, 灵敏度, 特异性, AUC, Dice相似系数, 交并比	NA
694	2025-12-10	Post-hoc eXplainable AI methods for analyzing medical images of gliomas (- A review for clinical applications) 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110649 PMID:40633214	综述	本文系统回顾了用于分析胶质瘤医学图像的65项事后可解释人工智能方法，并探讨了其在临床应用中面临的挑战与未来机遇	首次系统性地对胶质瘤影像任务中的事后XAI方法进行分类和评估，提出了基于梯度和基于扰动的XAI框架，并从临床用户视角展望了未来研究方向	仅聚焦于事后解释方法，未涵盖内在可解释模型；研究范围限定于胶质瘤影像，结论可能不适用于其他疾病类型	评估可解释人工智能方法在胶质瘤医学影像分析中的应用，促进AI决策与医疗诊断的融合	胶质瘤的磁共振成像和病理学图像	数字病理学	胶质瘤	磁共振成像, 组织病理学成像	深度学习模型	图像	NA	NA	NA	NA	NA
695	2025-12-10	Applications of machine learning for peripheral artery disease diagnosis and management: A systematic review 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110744 PMID:40644890	综述	本文系统综述了机器学习在周围动脉疾病诊断和管理中的应用，涵盖数据类型、算法、性能指标及软件工具	首次系统性地总结了机器学习在PAD领域的应用现状，并进行了偏倚风险评估，突出了随机森林算法的主导地位	纳入研究数量有限（30项），可能存在发表偏倚，且未对模型临床部署的可行性进行深入分析	探讨机器学习算法在周围动脉疾病诊断和管理中的应用潜力	已发表的关于机器学习应用于周围动脉疾病的研究	机器学习	心血管疾病	NA	神经网络, 集成学习, 深度学习	临床记录（数值与非数值数据）	30项研究（2014-2024年间发表）	NA	全连接神经网络, 卷积神经网络	NA	NA
696	2025-12-10	Deep learning for diagnosing and grading pterygium: A systematic review and meta-analysis 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110743 PMID:40644893	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深度学习模型在翼状胬肉诊断和严重程度分级中的准确性	首次对深度学习在翼状胬肉诊断和分级中的应用进行了全面的系统综述和荟萃分析，并与临床专家表现进行了比较	研究方法存在局限性，包括缺乏外部验证数据、病例对照研究设计、未预设决策阈值以及图像分析未考虑个体内相关性	评估深度学习模型在翼状胬肉检测和严重程度评估中的诊断准确性	翼状胬肉患者的前段眼部照片	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	45,913张前段眼部照片，来自超过4,460名患者	NA	NA	灵敏度, 特异性	NA
697	2025-12-10	Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders 2025-Sep, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102831 PMID:40653053	研究论文	本文通过系统综述和提出一种基于MRI的AI元迁移学习框架，旨在解决罕见神经系统疾病诊断中的数据稀缺问题	提出了一种结合元学习和迁移学习的MRI元迁移学习框架，专门针对罕见神经系统疾病的小数据集进行优化，以减少AI偏见并提高诊断准确性	研究主要基于2017至2024年的文献，可能未涵盖最新进展；且提出的框架尚未经过大规模临床验证	探索AI技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测，以提升医疗诊断准确性和实践水平	神经系统疾病，包括神经发育障碍、神经生物学障碍和神经退行性疾病	机器学习	神经退行性疾病	MRI	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
698	2025-12-10	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2025-Aug-30, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应性方面的性能	首次对人工智能模型（包括深度学习与手工放射组学）在预测肝细胞癌TACE治疗反应中的性能进行了系统性的比较与荟萃分析，并评估了内部与外部验证的表现	纳入研究存在异质性，且需要进一步的研究来验证模型的普适性和临床适用性	评估人工智能模型在预测肝细胞癌患者经动脉化疗栓塞治疗疗效方面的预测性能	确诊为肝细胞癌并接受经动脉化疗栓塞治疗的患者	医学影像分析	肝细胞癌	放射组学，深度学习	深度学习模型，手工放射组学模型	医学影像	NA	NA	NA	受试者工作特征曲线下面积	NA
699	2025-12-10	Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction 2025-Aug-16, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.07.010 PMID:40639536	系统综述	本文系统综述了基于脑电图信号的计算技术用于预测重度抑郁症的研究，分析了预处理流程、模型性能及临床转化障碍	首次系统性地比较了深度学习架构（如CNN和混合CNN-LSTM模型）与传统机器学习方法在抑郁症预测中的表现，并强调了单通道或少电极配置在便携诊断工具中的潜力	研究方法存在显著不一致性，数据异质性大，模型可解释性有限，且缺乏标准化评估协议，这限制了结果的普适性和可靠性	旨在通过人工智能驱动的脑电图分析，为抑郁症诊断提供标准化计算框架，推动精准精神病学的发展	基于脑电图信号的抑郁症预测研究	自然语言处理	精神疾病	脑电图信号处理	CNN, LSTM, 混合CNN-LSTM模型, SVM	脑电图信号	NA	NA	卷积神经网络, 长短期记忆网络, 支持向量机	准确率	NA
700	2025-12-10	Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials? 2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105036 PMID:40587931	综述	本文通过系统综述临床试验，评估了人工智能和机器学习在头颈癌放疗中的应用效果	首次系统性地收集并分析了临床试验数据，以评估机器学习在头颈癌管理中的实际效用，并比较了深度学习与传统算法的性能	研究仅基于42项符合条件的临床试验，样本量有限，且模型、方法和终点的多样性可能影响结论的普适性	评估机器学习在头颈癌临床管理中的应用效果，特别是在检测/分类、图像分割和治疗反应/剂量分布预测方面的作用	头颈癌（HNC）患者	机器学习	头颈癌	NA	深度学习, KNN, SVM, 逻辑回归	图像, 临床数据	基于42项临床试验，具体样本量未详细说明	NA	多层神经网络	准确率, AUC, 特异性, 敏感性, Dice系数	NA