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
121	2025-12-19	Artificial intelligence in Brazilian Primary Health Care: scoping review 2025, Revista brasileira de enfermagem IF:1.2Q3 DOI:10.1590/0034-7167-2024-0363 PMID:41370529	综述	本文通过范围综述，探讨了人工智能在巴西初级卫生保健中的应用情况	首次对巴西初级卫生保健中人工智能应用进行系统性范围综述，总结了现有研究的应用方向、优势与挑战	仅基于截至2025年2月的文献，可能未涵盖最新进展；研究数量有限（27篇），且为叙述性综述，缺乏定量分析	提供人工智能在巴西初级卫生保健中应用的证据	巴西初级卫生保健系统及相关人工智能应用研究	机器学习	NA	机器学习，深度学习	NA	NA	27项研究（从981篇检索文献中筛选）	NA	NA	NA	NA
122	2025-12-19	Early Dengue Prediction in Bangladesh: A Comparative Study With Feature Analysis, Explainable Artificial Intelligence, and Model Optimization 2025, Journal of tropical medicine IF:2.1Q2 DOI:10.1155/jotm/1709439 PMID:41399677	研究论文	本研究对13种机器学习和深度学习模型进行了全面的比较分析，用于基于症状的登革热早期预测，重点关注孟加拉国人群	首次在孟加拉国人群中进行广泛的模型比较，并采用可解释人工智能（SHAP）识别关键预测因子，同时展示了定制化超参数调整人工神经网络在此任务中的优越性	研究样本量相对较小（500条患者记录），且仅基于症状特征，未包含临床实验室数据	开发可靠的基于症状的登革热早期预测工具，以支持公共卫生干预	孟加拉国登革热患者	机器学习	登革热	症状特征分析	人工神经网络, 随机森林, 额外树, 装袋法, 逻辑回归, SGD分类器	结构化症状数据	500条患者记录，包含22个症状特征	Scikit-learn	自定义人工神经网络	准确率	NA
123	2025-12-19	FusDRM-m5C: a hybrid model for accurate prediction of 5-methylcytosine modification sites based on feature fusion and attention mechanism 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1642286 PMID:41399733	研究论文	本文提出了一种名为FusDRM-m5C的混合深度学习模型，用于从RNA序列中高精度预测5-甲基胞嘧啶修饰位点	该模型采用多分支架构融合了三种不同的特征类型，并结合了扩张卷积神经网络和多头自注意力机制，以捕捉多尺度模式并权衡上下文依赖信息	NA	开发一个计算模型来高精度预测RNA序列中的5-甲基胞嘧啶修饰位点	RNA序列中的5-甲基胞嘧啶修饰位点	生物信息学	NA	RNA序列分析	深度学习	序列数据	NA	NA	Dilated Convolutional Neural Network, Multi-Head Self-Attention	灵敏度, 特异性, 准确率, 马修斯相关系数, AUC	NA
124	2025-12-19	Vehicle driving area detection and sensor data preprocessing based on deep learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337722 PMID:41401178	研究论文	本文提出了一种基于改进双边分割网络的车辆行驶区域识别算法和检测模型，旨在提升智能车辆行驶区域检测的实时性和准确性	结合改进的双边分割网络与数据降维技术，设计了一种新型车辆行驶区域检测模型，在实时性和准确性上优于现有算法	NA	提高智能车辆行驶区域检测的实时性和准确性	车辆行驶区域	计算机视觉	NA	深度学习	CNN	图像	NA	NA	双边分割网络	平均每秒处理帧数, 平均识别时间, 平均精度, 准确率	NA
125	2025-12-19	Classification of current density vector map using transformer hybrid residual network 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338189 PMID:41401222	研究论文	本文提出了一种基于Transformer混合残差网络的深度学习方法来分类心磁图重建的电流密度向量图	采用Transformer混合残差网络结合自注意力机制增强特征提取能力，并引入迁移学习初始化模型参数，提高了分类精度	心磁图数据有限且应用不广泛，存在数据稀缺和判断困难等挑战	开发计算机辅助方法帮助医生分析心磁图重建的电流密度向量图以评估心脏功能	心磁图重建的电流密度向量图	计算机视觉	心血管疾病	心磁图	Transformer, CNN	图像	NA	NA	Transformer混合残差网络	分类准确率	NA
126	2025-12-19	Estimating weaning duration from incremental dentine δ15N and δ13C using a sequence-based LSTM neural network: A deep learning framework for bioarchaeological applications 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337619 PMID:41406149	研究论文	本研究开发了一种基于序列LSTM神经网络的新方法，利用牙本质增量δ15N和δ13C数据来估计断奶持续时间	首次提出专门用于从序列同位素数据估计断奶持续时间的机器学习框架，利用δ15N和δ13C的序列模式，而非仅依赖δ15N	模型在特定考古遗址（塞萨洛尼基）的验证样本量较小（20个个体），需要更多样化的数据集进行进一步验证	开发一种可扩展且稳健的工具，用于重建生物考古学及相关研究中的断奶实践	来自279个个体的已发表序列同位素数据，涵盖三种牙齿类型（M1、dM1、dM2）	机器学习	NA	同位素分析（δ15N和δ13C）	LSTM	序列数据	279个个体（训练数据），20个个体（验证数据）	NA	LSTM	RMSE, MAE, R2	NA
127	2025-12-19	Automated Classification Radiograph of Periodontal Bone Loss Using Deep Learning 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251405305 PMID:41409255	研究论文	本研究评估并比较了InceptionV3、InceptionV4和ResNet-50三种深度学习架构在基于口腔全景片（OPGs）自动分类牙周骨丧失程度方面的性能	首次系统比较了InceptionV3、InceptionV4和ResNet-50在牙周骨丧失OPG图像分类任务中的表现，并确定了ResNet-50的优越性	数据集规模有限，未来可通过扩大数据集、探索更先进的数据增强和超参数调优来提升模型鲁棒性	评估和比较不同深度学习架构在牙周骨丧失OPG图像自动分类中的性能，以辅助牙科专业人员实现更快、更准确的疾病检测	代表不同牙周骨丧失程度的口腔全景片（OPGs）图像	计算机视觉	牙周病	深度学习	CNN	图像	未明确说明具体样本数量，但提及使用了OPG图像数据集并应用了数据增强	MATLAB	InceptionV3, InceptionV4, ResNet-50	准确率, 精确率, 召回率, F1分数	配备GeForce RTX 4060 GPU的Dell计算机
128	2025-12-19	Deep learning model based on DCE-MRI: fusion of 3D features of tumor, peritumoral vessels and metastatic lymph nodes for prediction of pathological complete response to neoadjuvant therapy in breast cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1664631 PMID:41409238	研究论文	本研究开发了一种基于深度学习的放射组学模型，通过融合DCE-MRI中肿瘤、瘤周血管和转移淋巴结的三维特征，以预测乳腺癌患者新辅助治疗的病理完全缓解	创新点在于首次融合了肿瘤、瘤周血管和转移淋巴结的三维DCE-MRI特征，并构建了结合临床特征的CCDLR模型，显著提升了预测性能	研究为回顾性设计，样本量相对有限（200例），且数据来自单一医疗中心，可能存在选择偏倚	预测乳腺癌患者接受新辅助治疗后的病理完全缓解	乳腺癌患者	数字病理	乳腺癌	动态对比增强磁共振成像	深度学习	医学影像	200例乳腺癌病例（训练集100例，测试集100例）	NA	3D UNet	AUC, 准确率, 精确率, 召回率, F1分数	NA
129	2025-12-19	Artificial Intelligence for Organelle Segmentation in Live-Cell Imaging 2025, Research (Washington, D.C.) DOI:10.34133/research.1035 PMID:41409345	综述	本文综述了活细胞成像中细胞器分割算法的最新进展，从传统阈值方法到深度学习技术	强调深度学习提升复杂生物环境中细胞器分割的准确性和适应性，并探讨标签高效策略、合成数据及物理引导建模以减少对人工标注的依赖	NA	通过人工智能技术改进细胞器形态和动态的定量分析，以促进疾病研究和治疗发现	活细胞成像中的亚细胞结构，包括多种细胞器	计算机视觉	NA	活细胞成像	深度学习	图像	NA	NA	NA	准确性	NA
130	2025-12-19	Comparison of image quality in carotid dual-energy computed tomography angiography at 55 keV virtual monoenergetic imaging using deep learning and adaptive iterative reconstruction algorithm 2025, Journal of clinical imaging science IF:1.1Q3 DOI:10.25259/JCIS_109_2025 PMID:41409389	研究论文	本研究比较了在颈动脉双能CT血管成像中，使用深度学习图像重建算法与传统迭代重建算法在55 keV虚拟单能成像下的图像质量	首次在颈动脉双能CT血管成像的55 keV虚拟单能成像中，系统比较了深度学习图像重建算法（DLIR）与传统自适应统计迭代重建算法（ASIR-V）对图像质量的提升效果，并特别关注了在不同BMI患者亚组中的表现差异	样本量相对较小（48例患者），且为单中心前瞻性研究，可能限制结果的普遍适用性；未评估不同重建算法对诊断准确性的长期临床影响	评估和比较深度学习图像重建算法与传统迭代重建算法在颈动脉双能CT血管成像中55 keV虚拟单能成像下的图像质量	接受颈动脉双能CT血管成像检查的患者	医学影像分析	心血管疾病	双能CT血管成像（DE-CTA）、虚拟单能成像（VMI）、图像重建算法	深度学习图像重建（DLIR）	CT影像	48例患者	NA	NA	背景噪声（标准差）、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（噪声、伪影、血管连续性、血管壁边缘清晰度）	NA
131	2025-12-19	Non-destructive detection of microplastics stress in rice seedling: an interpretable deep learning approach using excitation emission matrix fluorescence spectra of root exudates 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1653451 PMID:41409486	研究论文	本研究提出了一种基于激发发射矩阵荧光光谱和深度学习的非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫	结合激发发射矩阵荧光光谱与增强的Vision Transformer模型，实现了对水稻幼苗微塑料胁迫的非破坏性、高精度早期检测，并利用SHAP分析增强了模型的可解释性	仅测试了三种微塑料类型（PET、PS、PVC）和两种浓度（10 mg/L和100 mg/L），可能未涵盖所有实际环境中的微塑料污染情况	开发一种非破坏性方法，用于早期检测水稻幼苗中的微塑料胁迫	水稻幼苗及其根系分泌物	机器学习	NA	激发发射矩阵荧光光谱	Vision Transformer	光谱数据	水稻幼苗在不同微塑料类型和浓度下培养	NA	增强的Vision Transformer	分类准确率	NA
132	2025-12-19	PRISM: Past-Regularized Iterative Self-Distillation With Momentum for Polyp Segmentation 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70050 PMID:41409574	研究论文	提出一种基于动量的自蒸馏方法PRISM，用于提高结肠息肉分割的准确性和泛化能力	提出动量驱动的自蒸馏框架，通过指数移动平均构建时间平滑的教师模型，提供稳定且自适应的监督信号，无需额外推理成本	未明确说明模型在极端形态或光照条件下的表现，也未讨论实时临床应用的计算延迟	开发一种计算高效且泛化能力强的息肉分割方法，减少对大规模标注数据和计算资源的依赖	结肠镜检查图像中的息肉区域	数字病理学	结直肠癌	结肠镜检查	深度学习分割模型	医学图像	来自五个不同医疗中心的数据集，并在独立未见数据集上验证	未明确说明	未明确说明	Dice系数, IoU	未明确说明
133	2025-12-19	A review of light-field imaging in biomedical sciences 2025, Med-X DOI:10.1007/s44258-025-00070-6 PMID:41409575	综述	本文综述了光场成像在生物医学科学中的应用，包括其理论基础、核心实现方式以及未来潜力	光场成像作为一种新兴范式，能够通过单次快照捕获体积信息，实现高速体积采集，特别适用于捕捉快速生物动力学	NA	概述光场成像的理论基础，并调查其在显微镜、中观镜和内窥镜中的核心实现，同时强调其在生物医学成像技术中的独特优势、现有挑战和未来潜力	光场成像技术在生物医学光学中的应用	生物医学成像	NA	光场成像	NA	体积信息（空间和角度分量）	NA	NA	NA	NA	NA
134	2025-12-19	The role of bioinformatics algorithms in modern biopharmaceutical design: Progress, challenges, and future perspectives 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.33072 PMID:41409583	综述	本文综述了人工智能、机器学习和深度学习驱动的生物信息学算法在现代生物制药设计中的作用、进展、挑战及未来展望	强调了生成式和混合框架（如结合AI与物理信息神经网络PINNs）在实现可解释、机制感知的酶动力学和蛋白质工程建模方面的创新，并讨论了AlphaFold 3、OpenFold、NeuralPlexer等最新进展	面临新型治疗模式数据有限、模型可解释性存在差距以及计算可扩展性等挑战	探讨生物信息学算法在加速生物制药设计与开发中的作用，并分析其面临的挑战与未来方向	生物制药设计过程，包括蛋白质结构、功能、免疫原性的预测，以及酶动力学和蛋白质工程	机器学习	NA	多组学整合、图网络算法	深度学习, 机器学习, 人工智能	多组学数据, 蛋白质结构数据	NA	NA	物理信息神经网络, 图神经网络	NA	NA
135	2025-12-19	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-Dec-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的自动化图像分割方法，用于内镜超声图像中结直肠癌的分割，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的结直肠癌自动分割，旨在解决现有方法（如磁共振成像分辨率不足和内镜超声解释依赖操作者）的局限性，提供标准化的肿瘤浸润深度评估	研究基于373个专家手动分割样本，样本量相对有限，且未在更广泛或多样化的临床数据集中进行外部验证，可能影响模型的泛化能力	开发自动化图像分割技术，以标准化内镜超声对早期直肠癌浸润深度的解释，辅助临床决策	早期直肠癌的内镜超声图像，重点关注黏膜下层、肌层和肿瘤的分割	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像样本	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
136	2025-12-19	Strategies to optimise machine learning classification performance when using biomechanical features 2024-03, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111998 PMID:38377743	研究论文	本研究探讨了在生物力学特征有限样本量下，利用现代机器学习算法优化分类性能的策略	比较了多种机器学习算法（包括传统回归、XGBoost、深度学习时间序列算法）在生物力学数据分类中的表现，并探索了数据增强和迁移学习对样本量限制问题的缓解效果	研究基于两个特定生物力学数据集（行走和跳跃），样本量差异较大（2295 vs 31），可能影响结果的普适性	优化生物力学特征在有限样本量下的机器学习分类性能	行走数据集中的2295名参与者（健康、跟骨、踝、膝、髋疾病分类）和跳跃数据集中的31名参与者（健康 vs 髌股疼痛综合征）	机器学习	骨科疾病	三维地面反作用力（GRFs）测量	多分类/LASSO回归, XGBoost, 深度学习时间序列算法	时间序列生物力学数据	行走数据集2295名参与者，跳跃数据集31名参与者	NA	InceptionTime	加权多分类AUC	NA
137	2025-12-19	A systematic review of artificial intelligence algorithms for predicting acute kidney injury 2023-10, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202310_34164 PMID:37916354	系统综述	本文对使用人工智能算法预测住院成人急性肾损伤的研究进行了系统综述	系统性地评估了机器学习在急性肾损伤预测中的应用，并比较了不同模型在重症监护和普通住院患者中的表现	多数研究为单中心，且部分研究使用相同数据库，人群主要为高加索人种，缺乏多样性，可能影响结果的泛化性	分析机器学习在住院成人急性肾损伤预测中的应用效果	住院成人患者	机器学习	急性肾损伤	机器学习，深度学习	深度学习，逻辑回归，决策树	电子健康记录，生物标志物数据	涉及242,251名患者	NA	NA	AUC	NA
138	2025-12-19	Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization 2023-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120125 PMID:37084926	综述	本文综述了用于去除医学影像中批次效应的统计和深度学习方法，并评估了有效协调的评价指标	提出了一个标准化框架来评估新提出的协调方法，并提供了促进更有效使用现有方法和指导未来发展的建议	NA	去除医学影像中的批次效应，提高下游分析结果的泛化性和可重复性	磁共振成像和计算机断层扫描影像	计算机视觉	NA	NA	深度学习模型	图像	NA	NA	NA	NA	NA
139	2025-12-19	Semantic similarity metrics for image registration 2023-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102830 PMID:37172390	研究论文	本文提出了一种用于图像配准的语义相似性度量方法，通过关注语义对应而非像素强度来提升配准精度	引入了基于语义对应的相似性度量，替代传统的像素强度或相关性对齐方法，能够更好地处理低强度对比、噪声和模糊匹配问题	未明确说明方法在极端噪声或大规模数据集上的泛化能力，且依赖于数据集特定特征的学习	开发一种新的语义相似性度量，以改进图像配准的准确性和鲁棒性	图像配准中的相似性度量方法	计算机视觉	NA	深度学习，自动编码器，半监督学习	自动编码器	图像	NA	NA	自动编码器	配准精度，变换场平滑度	NA
140	2025-12-19	The European Federation of Organisations for Medical Physics (EFOMP) White Paper: Big data and deep learning in medical imaging and in relation to medical physics profession 2018-Dec, 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.2018.11.005 PMID:30449653	白皮书	本文探讨了大数据和深度学习在医学影像中的应用及其对医学物理专业的影响	提出医学物理师应超越技术质量概念，将方法论和能力扩展到测量和优化诊断价值，并强调数据质量控制与验证在深度学习应用中的关键作用	未具体说明实际应用案例或技术实施细节，主要侧重于概念性讨论	分析大数据和深度学习如何改变医学影像领域，并探讨医学物理专业在此背景下的角色和发展方向	医学影像数据、医学物理专业实践	医学影像	NA	深度学习、大数据分析	NA	医学影像数据	NA	NA	NA	NA	NA