深度学习在生物医药领域中的应用

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
1921	2025-09-12	Explainable Deep Learning Framework for Classifying Mandibular Fractures on Panoramic Radiographs 2025-Sep-10, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011892 PMID:40929658	研究论文	开发基于全景X光片的可解释深度学习框架，用于自动分类下颌骨骨折	结合新颖的临床相关分类系统和可解释AI技术（Grad-CAM和LIME）提升模型决策透明度	需要更大规模、多机构数据集进一步验证泛化能力	实现下颌骨骨折的自动分类以辅助颌面创伤诊疗	下颌骨骨折患者	计算机视觉	颌面创伤	全景X光成像	CNN	图像	800张来自面部创伤患者的全景X光片
1922	2025-09-12	Epigenomic landscape of single vascular cells reflects developmental origin and disease risk loci 2025-Sep-10, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00140-2 PMID:40931195	研究论文	通过单细胞表观基因组和转录组分析，揭示血管部位特异性疾病风险的调控机制	发现关键调控增强子不仅具有细胞类型特异性，还具有血管部位特异性，并整合深度学习预测遗传变异对染色质可及性的影响	研究仅限于小鼠模型，尚未在人类组织中验证	探究血管部位特异性疾病风险的表观基因组和转录组基础	小鼠三个不同血管部位的血管组织	表观基因组学	心血管疾病	scATAC-seq, scRNA-seq	深度学习模型 ChromBPNet	单细胞染色质可及性数据、基因表达数据	三个血管部位的小鼠血管组织单细胞数据
1923	2025-09-12	Evaluation of deep learning-based segmentation models for carotid artery calcification detection in panoramic radiographs 2025-Sep-10, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00858-7 PMID:40931257	研究论文	本研究评估了基于YOLO的深度学习分割模型在全景X光片中检测颈动脉钙化的效果	比较了三种YOLO分割模型（YOLOv5x-seg、YOLOv8x-seg、YOLOv11x-seg）在颈动脉钙化检测中的性能，并探讨了性别与钙化存在的关联	需要更大规模和更多样化的数据集来验证模型的泛化能力和有效性	评估人工智能辅助分割方法在全景X光片中检测颈动脉钙化的有效性	全景X光片中的颈动脉钙化区域	计算机视觉	心血管疾病	深度学习分割	YOLOv5x-seg, YOLOv8x-seg, YOLOv11x-seg	医学影像	30,883张全景X光片扫描，其中652张包含1,086个钙化标注
1924	2025-09-12	Automatic infant 2D pose estimation from videos: Comparing seven deep neural network methods 2025-Sep-10, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02816-x PMID:40931295	研究论文	比较七种深度神经网络方法在婴儿视频中自动进行2D姿态估计的性能	首次系统评估主流姿态估计方法在婴儿视频上的表现，并引入基于躯干长度的误差指标及检测可靠性分析	方法主要在成人数据上训练，未针对婴儿进行专门微调（除DeepLabCut和MediaPipe外）	评估和比较深度学习模型在婴儿姿态估计任务中的性能	婴儿视频数据（包含仰卧位和复杂场景）	计算机视觉	NA	深度学习，机器学习	AlphaPose, DeepLabCut/DeeperCut, Detectron2, HRNet, MediaPipe/BlazePose, OpenPose, ViTPose	视频	NA
1925	2025-09-12	Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction 2025-Sep-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70072 PMID:40931540	研究论文	提出一种基于少样本学习的深度学习重建方法，用于高度加速的3D飞行时间磁共振血管成像重建	采用少样本学习框架，仅需两个实验采集数据集进行微调，实现了八倍加速下的高质量重建	仅在健康志愿者中进行验证，未涉及病理状态下的性能评估	开发能够大幅减少采集时间的高质量3D TOF-MRA重建方法	健康志愿者的头部血管成像数据	医学影像分析	脑血管疾病	深度学习，少样本学习，3D变分网络	3D variational network	3D k-space数据，磁共振成像数据	5名健康志愿者（回顾性数据）+2名受试者（前瞻性数据）
1926	2025-09-12	Multi-region ultrasound-based deep learning for post-neoadjuvant therapy axillary decision support in breast cancer 2025-Sep-09, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105916 PMID:40929754	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1927	2025-09-12	Benchmarking AI-driven acoustic monitoring for floating marine debris: Challenges in deep learning-based debris extraction 2025-Sep-09, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118655 PMID:40929868	研究论文	评估主流深度学习模型在声纳图像中自动提取漂浮海洋垃圾的性能，并引入挑战性数据集作为基准	首次系统评估深度学习模型在声纳图像中提取低对比度漂浮垃圾的能力，并揭示声学成像物理特性对模型性能的限制	数据稀缺性以及声学成像的物理限制（如距离依赖分辨率和视角敏感性）导致模型性能受限	开发AI驱动的声学监测系统用于大规模海洋漂浮垃圾自动量化	海洋环境中的悬浮污染物，包括塑料袋、瓶子、金属罐和混合垃圾	计算机视觉	NA	声纳成像技术	深度学习分割模型	声纳图像	1000张声学图像，包含四类垃圾的2000-4000个标注实例
1928	2025-09-12	Remote sensing and image analysis of macro-plastic litter: A review 2025-Sep-09, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118630 PMID:40929867	综述	本文综述了利用遥感和AI图像分析技术检测大型塑料垃圾的最新进展	系统整合了从网络摄像头到卫星等多种遥感平台在塑料垃圾监测中的应用，并强调了AI技术在该领域的增长趋势	研究方法存在量化指标不一致、环境干扰、分辨率限制和协议不统一等挑战	评估遥感和图像分析技术在宏观塑料垃圾监测中的有效性和应用潜力	沿海、河流和其他水生环境中的宏观塑料垃圾	计算机视觉	NA	遥感技术、深度学习	深度学习模型	图像	NA
1929	2025-09-12	Deep learning for named entity recognition in Turkish radiology reports 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.243100 PMID:40018795	研究论文	本研究开发并评估了一个用于土耳其语放射学报告中命名实体识别的深度学习框架	采用四阶段DYGIE++模型，结合自适应跨度枚举和跨度图传播技术，针对土耳其语特点优化处理	使用合成数据集而非真实患者数据，可能影响模型在真实场景中的泛化能力	提高从放射学报告中提取信息的准确性和效率	土耳其语放射学报告	自然语言处理	NA	命名实体识别(NER), BERT模型微调	DYGIE++, BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa, 前馈神经网络	文本	1,056份合成的土耳其语放射学报告
1930	2025-09-12	Automatic bone age assessment: a Turkish population study 2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242999 PMID:40094318	研究论文	本研究开发了一种基于深度学习的自动骨龄评估模型，特别针对土耳其人群进行优化	首次将深度学习应用于土耳其人群的骨龄评估，并比较了单一数据集与混合数据集的模型性能	数据来源存在异质性，且土耳其人群样本量相对较少	通过深度学习算法提升骨龄评估的准确性和效率，并研究人口统计学因素的影响	土耳其人群及公开数据集中的手部X光影像	计算机视觉	NA	深度学习	改进的InceptionV3	图像	总计21,487张手部X光片（2,730张来自土耳其，18,757张来自公开数据集）
1931	2025-09-12	CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand 2025-Sep-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109057 PMID:40929936	研究论文	提出一种结合统计方法与深度学习的混合框架CCLR-DL，用于医疗需求预测的特征选择和时序预测	首次将因果统计选择（包括交叉相关分析、滞后线性回归和格兰杰因果检验）与神经网络预测结合，兼顾预测精度与可解释性	NA	提升高维多元时间序列预测的准确性和模型透明度	医疗需求预测	机器学习	NA	交叉相关分析、滞后多元线性回归、格兰杰因果检验	BiLSTM	时间序列数据	630万个体10年间的临床就诊和诊断数据
1932	2025-09-12	Cortico-cortical evoked potentials: Automated localization and classification of early and late responses 2025-Sep-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110571 PMID:40915390	研究论文	开发了一种基于YOLO v10的深度学习框架，用于自动定位和分类大脑皮层-皮层诱发电位中的早期和晚期响应	首次使用深度学习（YOLO v10）自动定位和分类CCEP的N1和N2成分，解决了传统方法在变异性条件下的识别困难	缺乏与现有深度学习方法的直接比较，因为目前没有其他方法同时定位和分类N1和N2成分	开发自动化工具来可靠识别大脑网络映射中的直接和间接皮层连接响应	药物抵抗性癫痫患者的颅内脑电图数据	机器学习	癫痫	深度学习，单脉冲电刺激	YOLO v10	图像（由时间序列转换而来）	9名患者用于训练验证，额外15名患者的4000多个未标注时段用于泛化评估
1933	2025-09-12	ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics 2025-Sep-05, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	研讨会报告	介绍ESCMID关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	聚焦AI和ML在医学微生物诊断中的前沿应用与跨学科合作需求	NA	探讨人工智能和机器学习技术如何革新医学微生物学诊断领域	医学微生物学诊断流程、病原体识别和抗生素敏感性预测	机器学习	传染病	全基因组测序、MALDI-TOF质谱、数字显微镜	深度学习架构	基因组数据、质谱数据、图像数据	NA
1934	2025-09-12	Prediction of bronchopulmonary dysplasia using machine learning from chest X-rays of premature infants in the neonatal intensive care unit 2025-Sep-05, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044322 PMID:40922342	研究论文	本研究开发了一种基于深度学习的AI模型，利用早产儿胸部X光片预测支气管肺发育不良（BPD）及其严重程度	首次使用DenseNet121架构从多时间点（出生后第1天及第2-4周）的胸部X光片预测BPD严重程度分级	样本量较小（122名患者），需更大对照组和外部验证数据集提升准确性	评估AI模型预测早产儿支气管肺发育不良的准确性	胎龄≤28周且体重<1250g的早产儿	计算机视觉	支气管肺发育不良	深度学习	DenseNet121	图像（胸部X光片）	122名早产儿，共395张胸部X光片
1935	2025-09-12	Comparative multi-task deep learning models for protein-nucleic acid interaction prediction: Unveiling the superior efficacy of the PNI-MAMBA architecture 2025-Sep-04, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.147419 PMID:40914361	研究论文	提出一种基于深度学习的多任务学习框架，用于预测蛋白质-核酸相互作用，并比较了四种不同架构模型的性能	引入了结合位点注意力机制来捕捉关键结合位点信息，并采用多任务学习目标函数结合二元分类交叉熵损失和结合位点损失	NA	准确预测蛋白质-核酸相互作用并识别结合位点	蛋白质与核酸（DNA和RNA）的相互作用	生物信息学	NA	深度学习，多任务学习	FCN, Transformer, Mamba	序列数据	合并的DNA和RNA数据集
1936	2025-09-12	PreRBP: Interpretable deep learning for RNA-protein binding site prediction with attention mechanism 2025-Sep-04, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.115968 PMID:40914406	研究论文	本研究开发了一个名为PreRBP的可解释深度学习模型，用于预测RNA-蛋白质结合位点，并采用注意力机制提高模型性能	结合RNA序列和二级结构特征，使用高阶编码方法提取关键信息，并采用四种下采样算法处理类别不平衡问题	仅基于27个公开数据集构建基准数据集，可能受限于数据规模和多样性	准确预测RNA-蛋白质结合位点以帮助理解RNA结合蛋白及相关机制	RNA序列及其与蛋白质的结合位点	生物信息学	NA	RNA二级结构分析（RNAshapes和EDeN）、高阶编码、下采样算法（随机下采样、NearMiss、ENN和单边选择）	CNN、BiLSTM	RNA序列和结构数据	基于27个公开RNA-蛋白质结合位点数据集构建的基准数据集
1937	2025-09-12	Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security 2025-Sep, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70076 PMID:40361265	研究论文	提出一种用于多媒体安全中复制-移动伪造检测的混合框架，结合频域滤波、关键点提取、深度学习模型和聚类技术	整合FFT频域滤波、SIFT与ORB关键点提取、MobilenetV2和VGG16特征提取以及注意力机制，提升检测准确性和鲁棒性	NA	开发高精度数字图像伪造检测方法，保障图像完整性验证	数字图像及其可能存在的复制-移动伪造区域	计算机视觉	NA	快速傅里叶变换(FFT)、SIFT、ORB、DBSCAN聚类、注意力机制	MobilenetV2, VGG16	图像	基于五个基准复制-移动伪造数据集进行广泛测试
1938	2025-09-12	AI Revolution in Radiology, Radiation Oncology and Nuclear Medicine: Transforming and Innovating the Radiological Sciences 2025-Sep, Journal of medical imaging and radiation oncology IF:2.2Q2 DOI:10.1111/1754-9485.13880 PMID:40631621	综述	本文探讨人工智能在放射学、核医学和放射肿瘤学中的整合及其对诊断与治疗过程的变革	强调AI教育在医学培训中的必要性，并倡导跨学科整合以充分发挥AI潜力	NA	评估AI对放射科学领域的影响并推动其临床整合	放射学、核医学和放射肿瘤学的诊断与治疗流程	医学影像分析	NA	深度学习、机器学习	NA	医学影像	NA
1939	2025-09-12	The efficacy of machine learning algorithms in evaluating factors associated with shunt-dependent hydrocephalus after subarachnoid hemorrhage: a systematic review and meta-analysis 2025-Sep-01, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03773-x PMID:40887550	系统综述与荟萃分析	评估机器学习算法在分析自发性蛛网膜下腔出血后慢性分流依赖性脑积水相关因素中的效能	首次通过系统综述和荟萃分析综合评估多种机器学习模型在该临床问题中的表现，并比较不同特征数量对模型性能的影响	仅纳入5项符合条件的研究，样本量有限，且存在中度异质性	评估机器学习算法识别慢性分流依赖性脑积水风险因素的能力	自发性蛛网膜下腔出血患者	机器学习	脑积水	机器学习算法分析	线性模型、树基模型、深度学习模型	临床数据集	基于5项研究的数据，具体样本量未明确说明
1940	2025-09-12	Deep learning approach for automatic assessment of schizophrenia and bipolar disorder in patients using R-R intervals 2025-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012983 PMID:40901920	研究论文	本研究开发了一种基于深度学习和RR间期的自动化分类方法，用于评估精神分裂症和双相情感障碍	利用低成本可穿戴设备采集短时ECG信号，通过机器学习分析HRV作为精神疾病诊断的生物标志物	样本量较小（仅60名参与者），且未提及模型在更广泛人群中的泛化能力验证	开发并评估精神分裂症和双相情感障碍的自动分类方法，以支持诊断和早期筛查	30名精神分裂症或双相情感障碍患者及30名健康对照者	机器学习	精神疾病	ECG信号分析，HRV分析	SVM, XGBoost, MLP, GRU, 集成方法	生理信号（ECG的RR间期）	60名参与者（30名患者，30名对照）