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
61	2025-11-14	An Artificial Intelligence System for Staging the Spheno-Occipital Synchondrosis 2025-Dec, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70018 PMID:40891390	研究论文	开发用于评估和分类蝶枕软骨联合融合阶段的自动化可解释深度学习算法	提出新型注意力机制模型ConvNeXt+Conv Attention，并集成YOLOv11实现全自动区域检测和分割	样本仅来自美国中西部私人诊所的723个CBCT扫描，可能存在地域局限性	开发自动化AI系统用于蝶枕软骨联合融合阶段分期	正畸患者的蝶枕软骨联合	医学影像分析	正畸相关骨骼发育	锥形束计算机断层扫描	CNN, 注意力机制	医学影像	723个CBCT扫描	NA	ResNet, EfficientNet, ConvNeXt, ConvNeXt+Conv Attention, YOLOv11	准确率	NA
62	2025-11-14	Smartphone image dataset for turmeric plant leaf disease from Bangladesh spice fields 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112184 PMID:41215795	研究论文	开发了一个用于姜黄植物叶片病害识别的智能手机图像数据集，并利用深度学习模型实现高效病害分类	创建了首个来自孟加拉国香料田的姜黄叶片病害综合数据集，包含原始和增强图像，强调高质量和多样化数据	数据集仅包含四种病害类别，可能未覆盖所有姜黄病害类型；所有数据来自单一国家地区	通过深度学习技术实现姜黄叶片病害的早期精准识别，提高农业生产力	姜黄植物叶片，包括健康叶片和三种病害类型（蚜虫侵害、斑点病、叶斑病）	计算机视觉	植物病害	智能手机图像采集，数据增强	CNN	图像	865张原始姜黄叶片图像和3496张增强图像	NA	EfficientNetB7, ResNet152	准确率	NA
63	2025-11-14	SmallFishBD: An extensive image dataset of common native small fish species in Bangladesh for identification and classification 2025-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112193 PMID:41215796	数据论文	本文介绍了包含孟加拉国十种常见本土小型鱼类图像的综合性数据集，用于鱼类识别分类研究	提供了首个针对孟加拉国本土小型鱼类的标准化图像数据集，采用统一采集环境和数据增强技术	样本仅来自达卡市鱼类市场，可能无法完全代表全国所有地区的鱼类种群	开发自动化鱼类物种识别分类系统，支持生物多样性监测和渔业管理	十种孟加拉国本土小型鱼类物种	计算机视觉	NA	智能手机图像采集，数据增强技术	NA	图像	十种鱼类物种，来自达卡多个市场的代表性样本	NA	NA	NA	NA
64	2025-11-14	A machine learning-based EEG signal analysis framework to enhance emotional state detection 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10367-2 PMID:41215981	研究论文	本研究提出基于机器学习的EEG信号分析框架，通过多种机器学习模型和合成数据增强技术来提升情绪状态检测性能	综合比较九种机器学习模型在五种不同数据集配置下的表现，并利用GAN、SMOTE和ADASYN三种合成数据生成技术增强模型性能	未明确说明患者群体的具体特征和情绪状态的分类标准	开发高效的EEG信号情绪状态检测方法	300名患者的EEG信号数据以及生成的合成数据	机器学习	NA	EEG信号分析	LR, DT, RF, kNN, SVM, LGBM, AdaBoost, MLP, 1D CNN	EEG信号	300名患者真实数据 + 20,000个合成数据点	NA	MLP, 1D CNN	准确率, 延迟时间	NA
65	2025-11-14	Development of a hybrid 2.5D deep learning model for glioma survival prediction using T1-weighted MRI from the CGGA database 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100697 PMID:41216617	研究论文	开发基于T1加权MRI的混合2.5D深度学习模型用于胶质瘤生存预测	提出混合2.5D卷积神经网络处理多切片输入，在克服体积分析计算限制的同时保留重要空间信息	样本量相对有限（217例患者），仅使用T1加权对比增强MRI序列	开发非侵入性深度学习框架预测胶质瘤患者总生存期	胶质瘤患者	数字病理	胶质瘤	T1加权对比增强MRI	CNN	医学影像	217例患者（训练集70%，测试集30%）	PyTorch, TensorFlow	ResNet, DenseNet	C-index, 时间依赖性AUC, Kaplan-Meier分析	NA
66	2025-11-14	A multimodal deep learning framework for functional brain network classification in rs-fMRI 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10369-0 PMID:41220406	研究论文	提出一种多模态深度学习框架，用于自动分类癫痫患者静息态功能磁共振成像中的功能脑网络	开发结合3D-CNN和LSTM的混合架构，同时利用空间、时域和频域特征进行功能脑网络分类	颞叶网络分类性能较低（0.14-0.24），部分类别识别精度有待提升	自动化分类癫痫患者rs-fMRI中的功能脑网络，支持癫痫手术规划	癫痫患者的静息态功能磁共振成像数据	医学影像分析	癫痫	静息态功能磁共振成像，独立成分分析	3D-CNN, LSTM	功能磁共振成像数据	NA	NA	3D卷积神经网络，长短期记忆网络	准确率，灵敏度，ROC AUC	NA
67	2025-11-14	Applications of machine learning and deep learning in precision medicine: Opportunities and challenges in genomics, oncology and clinical integration (Review) 2025-Dec, Biomedical reports IF:2.3Q3 DOI:10.3892/br.2025.2070 PMID:41221536	综述	探讨机器学习和深度学习在精准医学领域中的应用、挑战及未来发展方向	系统分析机器学习在基因组学、肿瘤学和临床整合中的前沿应用，并前瞻性提出未来发展路径	作为综述文章，未涉及原始实验数据验证	分析机器学习在精准医学中的应用潜力与实施挑战	精准医学中的机器学习技术应用	机器学习	肿瘤学	NA	深度学习	基因组数据, 临床数据	NA	NA	NA	NA	NA
68	2025-11-14	The Current Use of Artificial Intelligence in Anesthesiology 2025-Dec, Advances in anesthesia DOI:10.1016/j.aan.2025.07.006 PMID:41224431	综述	本文综述了人工智能在麻醉学领域的当前应用现状与潜力	系统梳理了AI技术在麻醉学中尚未广泛普及但具有深远影响潜力的应用方向	NA	探讨人工智能在麻醉学领域的应用现状和发展前景	麻醉学临床实践与患者管理	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理	NA	NA	NA	NA	NA	NA	NA
69	2025-11-14	A Hybrid Bidirectional Deep Learning Model Using HRV for Prediction of ICU Mortality Risk in TBI Patients 2025-Dec, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00209-5 PMID:41230239	研究论文	本研究开发了一种混合双向深度学习模型，通过分析心率变异性来预测创伤性脑损伤患者在ICU的早期死亡风险	提出了一种结合权重预测器和双向长短期记忆单元(BiLSTM)的混合深度学习架构，通过特征加权和HRV数据模式捕捉来提升预测性能	模型完全依赖于ICU监测的ECG数据，可能受限于数据质量和可用性	优化创伤性脑损伤患者的护理策略，有效分配医疗资源，降低死亡率	创伤性脑损伤(TBI)患者	医疗人工智能	创伤性脑损伤	心率变异性(HRV)分析，心电图(ECG)信号处理	BiLSTM, 深度学习混合模型	心电图信号数据	来自Gold Coast大学医院和CHARIS系统的TBI患者数据	NA	双向长短期记忆网络(BiLSTM)与权重预测器混合架构	准确率, AUROC, AUPRC	NA
70	2025-11-14	Multi-Cohort Federated Learning Shows Synergy in Mortality Prediction for MRI-Based and Metabolomics-Based Age Scores 2025-Dec, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00208-6 PMID:41230244	研究论文	本研究通过联邦学习分析基于脑MRI的BrainAge和基于代谢物的MetaboAge两种生物年龄评分在死亡率预测中的协同作用	首次使用联邦学习研究不同生物年龄评分之间的相互作用，并发现BrainAge和MetaboAge在死亡率预测中具有互补价值	研究仅基于三个大型人群队列，数据共享限制可能影响更广泛的应用	研究不同类型生物年龄评分之间的相互关系及其在疾病预测中的价值	基于脑MRI的BrainAge评分和基于代谢物的MetaboAge评分	机器学习	老年疾病	脑MRI, 代谢组学	深度学习	医学影像, 代谢物数据	三个大型人群队列	联邦学习框架	深度学习模型	年龄预测误差, 关联分析, 生存分析	NA
71	2025-11-14	Diagnostic Accuracy of Artificial Intelligence Models for Predicting Postoperative Complications Following Free Flap Reconstruction: A Systematic Review and Meta-Analysis 2025-Dec, Microsurgery IF:1.5Q3 DOI:10.1002/micr.70143 PMID:41231400	系统综述与荟萃分析	系统评估人工智能模型在预测游离皮瓣重建术后并发症中的诊断性能	首次对AI模型在皮瓣手术后并发症预测中的诊断准确性进行系统评价和荟萃分析	仅纳入12项研究，部分研究样本量有限，存在异质性	评估AI模型预测皮瓣重建术后并发症的诊断性能	接受游离皮瓣重建手术的患者	医疗人工智能	外科手术后并发症	人工智能模型	深度学习模型	多模态输入数据（包括摄影数据）	18,520名患者，32,148个输入数据点	NA	NA	敏感度, 特异度, 似然比, SROC曲线下面积	NA
72	2025-11-14	A systematic review of computer-aided acupoint localization 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113708 PMID:41210988	系统综述	系统回顾了使用传统算法和深度学习在不同解剖区域进行穴位定位的研究文献	首次系统评估人工智能技术在穴位定位领域的应用效果与局限性	依赖现有文献质量，缺乏原始实验数据验证	评估自动化穴位定位技术的有效性、局限性和未来发展方向	穴位定位相关研究文献	计算机视觉	NA	深度学习，传统图像处理算法	深度学习模型	医学图像数据	NA	NA	NA	NA	NA
73	2025-11-14	Dual-channel deep learning captures intratumoural heterogeneity on CECT for preoperative risk stratification of thymic epithelial tumors 2025-Nov-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113683 PMID:41210998	研究论文	开发双通道深度学习框架用于胸腺上皮肿瘤的术前风险分层	结合双通道CNN与自适应动态聚类算法，首次在CECT图像上捕获肿瘤内异质性进行风险分层	样本量相对有限（336例），需进一步多中心验证	提高胸腺上皮肿瘤术前风险分层的准确性	胸腺上皮肿瘤患者	医学影像分析	胸腺上皮肿瘤	对比增强CT（CECT）	CNN	医学影像	336例多中心胸腺上皮肿瘤患者	NA	DenseNet121	AUC	NA
74	2025-11-14	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-Nov-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	本文探讨深度学习在神经退行性疾病神经影像分析中的最新进展、挑战与机遇	扩展研究范围至多种神经退行性疾病，并深入分析脑容积影像中空间/时间信息的处理方法	存在扫描仪间/站点间差异、类别不平衡、标注数据稀缺等影响模型泛化能力的问题	改善神经退行性疾病的早期诊断和疾病监测	阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症、多发性硬化症等神经退行性疾病	医学影像分析	神经退行性疾病	神经影像	深度学习	脑容积影像	NA	NA	NA	准确率	NA
75	2025-11-14	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2025-Nov-14, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	开发了一种结合深度学习和影像组学的非侵入性诊断模型，用于提高黑色素瘤早期诊断的准确性和临床实用性	首次将深度学习特征（ResNet50层输出）与影像组学特征相结合构建随机森林模型用于黑色素瘤诊断	回顾性单中心研究，样本量相对有限（350例患者）	提高黑色素瘤早期诊断的准确性和临床实用性	皮肤色素性病变患者	医学影像分析	黑色素瘤	影像组学分析	随机森林,支持向量机,K近邻,ResNet	医学影像数据	350例皮肤色素性病变患者（训练集245例，验证集105例）	Python 3.8.5, sklearn	ResNet50	AUC	NA
76	2025-11-14	Foundation models for EEG decoding: current progress and prospective research 2025-Nov-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae17e9 PMID:41145005	综述	本文综述了脑电图基础模型在EEG解码中的研究进展、性能表现和未来发展方向	首次系统分析EEG基础模型的核心组件、预训练技术和泛化能力，揭示其在癫痫检测等任务中的潜力	在复杂场景如运动想象解码中的性能仍然有限，模型泛化能力有待进一步提升	分析EEG基础模型的研究现状，为未来研究提供建议和方向	脑电图基础模型及其在EEG解码中的应用	机器学习	癫痫	脑电图记录	Transformer	EEG信号	最多14,987名受试者，总时长27,062小时	NA	基于Transformer的高效架构	NA	NA
77	2025-11-14	Light fuel classification based on Raman spectroscopy and region-adaptive convolutional neural networks 2025-Nov-13, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01009h PMID:41178741	研究论文	提出基于拉曼光谱和区域自适应卷积神经网络的轻质燃料分类方法	将拉曼光谱划分为四个区域进行特异性特征提取，通过基于区域峰值密度的初始权重分配和自适应区域贡献约束机制增强模型对弱特征峰的识别能力	仅使用16种不同等级和来源的轻质燃料样本，样本多样性可能有限	开发快速准确的轻质燃料战场识别方法	汽油、柴油和航空燃料等轻质燃料	机器学习	NA	拉曼光谱	CNN	光谱数据	16种不同等级和来源的轻质燃料	NA	一维卷积神经网络	准确率, 精确率, 召回率, F1分数	NA
78	2025-11-14	Prediction of single event effects in SiC MOSFET devices based on deep learning 2025-Nov-13, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ae1a8f PMID:41183390	研究论文	提出基于深度学习的SiC MOSFET单粒子效应预测方法，通过SRIM-TCAD集成建模实现高效预测	首次将深度学习应用于SiC MOSFET单粒子效应预测，提出对称对数倒数数据缩放技术，实现比传统TCAD仿真快5-6个数量级的预测速度	仅针对SiC MOSFET器件进行研究，未验证在其他半导体器件上的适用性	开发高效准确预测SiC MOSFET单粒子效应的方法	SiC MOSFET器件的单粒子效应	机器学习	NA	SRIM-TCAD集成建模	RDNN, CNN-GRU	仿真数据	52,920个单粒子效应事件	NA	残差深度神经网络, 卷积神经网络-门控循环单元	R²	NA
79	2025-11-14	Real-time deep learning for tumor segmentation and tool tracking: development and validation of an AI navigation system in vacuum-assisted breast biopsy 2025-Nov-13, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-025-04087-4 PMID:41225484	研究论文	开发并验证了一种基于YOLOv11深度学习架构的实时AI导航系统，用于真空辅助乳腺活检中的肿瘤分割和工具跟踪	首个专门为真空辅助乳腺活检设计的实时人工智能导航系统，采用两阶段深度学习架构实现肿瘤定位和工具实时跟踪	研究样本量相对有限（167例手术），需要在更大多中心数据集中进一步验证	开发实时AI导航系统以提高真空辅助乳腺活检手术的准确性和效率	乳腺病变患者和真空辅助乳腺活检手术过程	计算机视觉	乳腺癌	超声成像	CNN	超声图像	167例真空辅助乳腺活检手术的22,278张标注超声图像	PyTorch	YOLOv11	mAP50, 处理速度	GPU和CPU平台
80	2025-11-14	Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers 2025-Nov-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03560 PMID:41230979	研究论文	结合深度学习与拉曼光谱技术，实现小时级别的诱导多能干细胞多能性无标记评估	首次实现小时级别的iPSC多能性快速检测，在培养基扰动1小时即可检测多能性异常，早于形态学变化	未明确说明样本规模和验证集的多样性	开发快速无标记的诱导多能干细胞多能性评估方法	诱导多能干细胞(iPSC)	机器学习	NA	拉曼光谱	CNN	光谱数据	NA	NA	一维卷积神经网络(1D-CNN)	准确率	NA