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
941	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
942	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
943	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
944	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
945	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
946	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
947	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
948	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
949	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
950	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
951	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
952	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
953	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
954	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
955	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
956	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
957	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
958	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
959	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
960	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