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
18641	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
18642	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
18643	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
18644	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
18645	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
18646	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
18647	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
18648	2025-12-10	Leveraging a Vision-Language Model with Natural Text Supervision for MRI Retrieval, Captioning, Classification, and Visual Question Answering 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11251809 PMID:41336503	研究论文	本文提出了一种基于向量检索和对比学习的框架，通过自然语言监督学习视觉脑MRI概念，并应用于MRI检索、描述、分类和视觉问答等多个任务	利用自然语言监督学习跨模态嵌入，实现单一模型执行多种放射学任务，包括MRI检索、描述、分类和视觉问答，提供了一种通用且多功能的研究工具	未明确提及模型在非阿尔茨海默病脑部疾病或其他医学影像模态上的泛化能力，以及数据隐私和透明度方面的具体实施细节	开发一个基于自然语言监督的跨模态框架，用于脑MRI的多任务学习，以支持阿尔茨海默病研究和临床辅助诊断	脑MRI图像及其相关的自然语言描述	计算机视觉	阿尔茨海默病	自然语言监督，对比学习，向量检索	Transformer	图像，文本	NA	NA	Transformer	NA	NA
18649	2025-12-10	AI-Powered Vocalization Analysis in Poultry: Systematic Review of Health, Behavior, and Welfare Monitoring 2025-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s25134058 PMID:40648313	综述	本文对人工智能和生物声学在通过禽类发声分析进行非侵入式福利监测方面的应用进行了系统性回顾	系统性地梳理了从传统声学特征提取到前沿深度学习架构（如CNN、LSTM、注意力机制及自监督模型wav2vec2和Whisper）的演变，并强调了边缘计算部署和可解释AI集成的重要性	存在数据集标准化不足、评估协议不一致、算法可解释性有限等持续性方法瓶颈，以及在跨物种领域泛化和上下文声学适应方面存在关键知识缺口	回顾和评估人工智能驱动的禽类发声分析技术在健康、行为及福利监测领域的应用现状、潜力和挑战	禽类（家禽）的发声数据	机器学习	NA	生物声学分析	CNN, LSTM, 注意力机制, 自监督模型	音频	NA	NA	wav2vec2, Whisper	NA	边缘计算（通过TinyML框架）
18650	2025-12-10	A Non-Invasive Blood Glucose Detection System Based on Photoplethysmogram With Multiple Near-Infrared Sensors 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3443317 PMID:39141451	研究论文	本文开发了一种结合光电容积脉搏波和多近红外传感器的非侵入性血糖检测系统	将光电容积脉搏波与多近红外传感器方法相结合，以弥补各自在基线血糖预测和短期波动敏感性方面的不足	研究样本量较小（仅10名参与者），且未详细讨论个体和环境因素对系统性能的长期影响	开发一种非侵入性血糖检测系统，以提高血糖监测的准确性和实用性	人类参与者的指尖血糖数据	机器学习	糖尿病	光电容积脉搏波，多近红外传感器	深度学习模型	传感器信号数据	10名参与者，每人提供约700个数据段，每段约10秒	NA	轻量级深度学习模型	均方根误差，Parkes误差网格A区准确率	NA
18651	2025-12-10	SFM-Net: Semantic Feature-Based Multi-Stage Network for Unsupervised Image Registration 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524361 PMID:40030793	研究论文	本文提出了一种名为SFM-Net的无监督多阶段语义特征网络，用于解决具有复杂解剖结构的图像之间的精细配准问题	提出了基于语义特征的多阶段网络，设计了双阶段训练策略（强度图像配准阶段和语义特征配准阶段），并构建了双流特征提取模块和精细化变形场生成模块，可在单一网络内实现从粗到精的配准	NA	改进具有复杂解剖结构的图像之间的无监督配准精度	3D脑部MRI图像和肝脏CT图像	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	U-Net	NA	NA
18652	2025-12-10	Multi-Sensor Wearable Device With Transformer-Powered Two-Stream Fusion Model for Real-Time Leg Workout Monitoring 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3524398 PMID:40030794	研究论文	本研究开发了一种用于腿部锻炼实时监测的多模态可穿戴设备，并提出了一种基于Transformer的双流融合模型，以高效提取时空特征	提出了一种新型的Transformer驱动的双流融合模型，用于高效准确地提取时空特征，并开发了具有实时步态分析能力的多模态可穿戴设备	未在摘要中明确说明	推进使用多传感器融合与深度学习和医疗物联网技术进行高级步态监测与分析	腿部锻炼监测与步态分析	机器学习	NA	多传感器融合，医疗物联网	Transformer	多模态传感器数据	未在摘要中明确说明	NA	Transformer-powered Two-Stream Fusion	精确率, 召回率, F1分数	NA
18653	2025-12-10	Unsupervised Domain Adaptation for Cross-Modality Cerebrovascular Segmentation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523103 PMID:40030830	研究论文	本文提出了一种无监督域适应框架CereTS，用于跨模态脑血管分割，旨在解决不同成像模态间标注成本高和模型性能下降的问题	CereTS采用多级域对齐模式，包括图像级循环几何一致性约束、块级掩码对比约束和特征级语义感知约束，以缩小域差异同时保持血管结构一致性	NA	实现跨模态脑血管分割的无监督域适应，以支持颅内血管疾病的诊断和治疗规划	时间飞行磁共振血管成像（TOF-MRA）和计算机断层扫描血管成像（CTA）中的脑血管	计算机视觉	颅内血管疾病	TOF-MRA, CTA	深度学习模型	图像	NA	NA	CereTS	NA	NA
18654	2025-12-10	A Hybrid Artificial Intelligence System for Automated EEG Background Analysis and Report Generation 2025-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496996 PMID:40030193	研究论文	本研究提出了一种创新的混合人工智能系统，用于自动解读EEG背景活动并生成报告	结合深度学习模型进行后主导节律预测、无监督伪迹去除以及专家设计的异常检测算法，并利用大语言模型实现报告生成	局灶性异常检测的改进未达到统计学显著性	开发一个自动化的EEG背景分析和报告生成系统，以辅助资源有限环境下的神经科医生	脑电图（EEG）信号	机器学习	神经系统疾病	EEG信号分析	深度学习模型, 大语言模型	EEG信号	1530个标记的EEG数据，并在内部数据集和Temple University异常EEG语料库上进行验证	NA	集成模型	平均绝对误差, 均方根误差, 准确率, F1分数	NA
18655	2025-12-10	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	本文提出了一种基于交叉融合机制的PET/MR双模态图像自动脑分割方法，用于精确分割45个脑区	引入了交叉融合机制，同时处理PET和MR图像，通过UX-Net和交叉融合块在编码器中进行特征提取与融合，实现了更精确的脑区分割	未明确提及方法在临床实践中的具体应用限制或数据泛化能力	开发一种自动脑分割方法，以辅助神经疾病的检测与诊断	PET/MR双模态脑部图像	数字病理学	神经系统疾病	PET/MR成像	深度学习网络	3D图像	NA	NA	UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet	Dice系数, Jaccard指数, 灵敏度, 精确度, Hausdorff距离	NA
18656	2025-12-10	Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510860 PMID:40030576	研究论文	本文提出了一种名为DKInception的深度学习模型，用于基于可穿戴传感器的人体活动识别任务	提出了DKInception模型，该模型将深度卷积残差网络与注意力机制相结合，并利用多尺度卷积核来高效提取时序特征，基于Inception ResNet架构扩展了其能力，具有高效、快速收敛和鲁棒缩放特性	NA	开发一种准确的人体活动识别模型，用于监测人类日常活动和健康行为	人体活动识别	机器学习	NA	NA	CNN	传感器数据	四个基准HAR数据集：UCI-HAR、Opportunity、Daphnet和PAMAP2	NA	Inception ResNet	准确率	NA
18657	2025-12-10	TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3307928 PMID:37610904	研究论文	本文提出了一种基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR，以解决GPCR数据不足的问题	采用动态迁移学习策略，结合蛋白质二级结构（口袋）作为特征，解决了GPCR数据稀缺的挑战	未明确提及模型的具体泛化能力或对其他蛋白质家族的适用性	预测G蛋白偶联受体（GPCR）与配体的结合亲和力，以辅助药物开发	GPCR蛋白质及其配体	机器学习	NA	动态深度迁移学习	深度学习模型	序列数据、二级结构特征	源域使用BindingDB数据库，目标域使用GLASS数据库，具体样本数量未明确说明	NA	TrGPCR	RMSE, MAE	NA
18658	2025-12-10	AEGNN-M:A 3D Graph-Spatial Co-Representation Model for Molecular Property Prediction 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3368608 PMID:38386576	研究论文	本文提出了一种名为AEGNN-M的3D图-空间共表示模型，用于准确预测分子性质，以改进药物开发过程	结合GAT和EGNN两种图神经网络，首次整合分子图表示和3D空间结构表示进行分子性质预测	未明确说明模型的计算复杂度或可扩展性限制	提高分子性质预测的准确性，以加速精准医疗背景下的新药开发	分子（药物分子）	机器学习	乳腺癌	计算机辅助药物发现（CADD）	图神经网络（GNN）	分子图数据，3D空间结构数据	7个公共数据集（包括3个回归数据集和14个乳腺癌细胞系表型筛选数据集）	未明确指定（可能为PyTorch或TensorFlow）	GAT, EGNN	未明确指定（可能包括回归指标如RMSE、MAE等）	NA
18659	2025-12-10	BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375025 PMID:38457318	研究论文	本文提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别	结合双向意图网络和ACmix混合模型，有效融合药物和蛋白质特征，提升DTI预测精度，尤其在非平衡数据集上表现优异	未提及模型在更大规模或更复杂数据集上的泛化能力，以及计算效率的具体分析	开发一个端到端的深度学习框架，以低成本高效识别药物-靶点相互作用，支持药物发现和虚拟筛选	药物分子和蛋白质靶点	机器学习	NA	SMILES字符串编码，氨基酸序列分析	GCN, 自注意力机制，卷积，多层感知机	分子图，序列数据	涉及BindingDB、BioSNAP、DrugBank和Human数据集，具体样本数未提及	NA	图卷积网络，ACmix混合模型，双向意图网络	准确率，精确率，召回率，F1分数，AUC	NA
18660	2025-12-10	Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386815 PMID:38598378	研究论文	本文提出了一种名为MLSDTA的多模态药物靶点结合亲和力预测模型，通过整合药物和靶点的图与序列模态信息，利用交叉注意力实现多模态融合，并采用自适应结构感知池化生成包含局部子结构信息的图	提出多模态融合方法，结合图与序列信息；引入自适应结构感知池化以捕获局部子结构；应用DropNode策略增强分子间区分度	未明确提及模型在更大规模或多样化数据集上的泛化能力，也未讨论计算效率或实际部署的挑战	预测药物靶点结合亲和力，以降低药物开发成本与周期	药物与靶点的分子结构及序列信息	机器学习	NA	深度学习	图神经网络, 注意力机制	图数据, 序列数据	基于两个基准数据集（未指定具体样本数量）	NA	MLSDTA（自定义多模态架构）	NA	NA