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
801	2025-06-20	An Enhanced Hybrid Model Combining CNN, BiLSTM, and Attention Mechanism for ECG Segment Classification 2025, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972251341051 PMID:40534643	research paper	提出了一种结合CNN、BiLSTM和注意力机制的增强混合模型，用于ECG信号分类	整合了CNN、CBAM和BiLSTM层，自动提取特征并分类ECG信号，同时使用SMOTE处理类别不平衡问题	未提及模型在真实临床环境中的泛化能力	提高ECG信号分类的准确性，减轻临床医生的工作负担	ECG信号	digital pathology	cardiovascular disease	SMOTE	CNN, BiLSTM, Attention Mechanism	ECG信号数据	MIT-BIH心律失常数据库
802	2025-06-20	AI improves consistency in regional brain volumes measured in ultra-low-field MRI and 3T MRI 2025, Frontiers in neuroimaging DOI:10.3389/fnimg.2025.1588487 PMID:40534653	research paper	本研究比较了使用不同磁共振成像（MRI）模态和深度学习模型（特别是3T MRI、64mT超低场（ULF）MRI以及使用SynthSR和HiLoResGAN增强的ULF MRI）测量大脑各区域体积的一致性	利用深度学习模型SynthSR和LoHiResGAN减少超低场MRI与3T MRI在脑体积测量上的系统性差异	未提及样本的具体数量或多样性，可能影响结果的普遍性	评估不同场强MRI及AI增强后MRI在脑体积测量上的一致性和偏差	大脑各区域的体积测量	医学影像分析	NA	MRI, 深度学习	SynthSR, HiLoResGAN	MRI图像	NA
803	2025-06-20	Development of deep learning models for high-resolution exposome mapping and health impact assessment 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1565471 PMID:40535428	research paper	开发深度学习模型用于高分辨率暴露组图谱绘制和健康影响评估	提出了自适应多尺度暴露网络（AMSEN）和自适应暴露优化策略（AEOS），通过多模态数据融合和不确定性量化，提高了暴露组研究的精度和效率	未提及具体样本量或数据来源的局限性	解决传统暴露组图谱绘制方法在时空分辨率、多模态数据整合和暴露量化不确定性处理方面的不足	环境暴露与人类健康之间的复杂相互作用	machine learning	NA	深度学习、卫星影像、可穿戴传感器、地理空间分析	AMSEN（自适应多尺度暴露网络）	多模态数据（卫星影像、传感器数据、地理空间数据）	NA
804	2025-06-20	A hybrid Bi-LSTM model for data-driven maintenance planning 2025, Autonomous intelligent systems DOI:10.1007/s43684-025-00099-9 PMID:40535477	研究论文	本文开发了一种混合Bi-LSTM模型，用于数据驱动的维护规划，通过蒙特卡洛dropout生成剩余使用寿命预测，并用于优化选择性维护问题	提出了一种结合蒙特卡洛dropout的混合DL模型，用于生成RUL预测并构建经验系统可靠性函数，优化选择性维护问题，适用于大规模复杂场景	研究中使用的系统配置较为简单，模型的可扩展性有待验证	开发一种数据驱动的维护规划方法，优化选择性维护问题	面向任务的串联k-out-of-n:G系统	机器学习	NA	深度学习，蒙特卡洛dropout	Bi-LSTM	传感器数据	NA
805	2025-06-20	The multikinetic fusion feature of PPG was combined with MCNN_vision_transformer for diabetes detection 2025, American journal of translational research IF:1.7Q4 DOI:10.62347/ZRMW1346 PMID:40535639	研究论文	提出了一种基于PPG信号多动力学融合特征和MCNN_Vision Transformer的糖尿病自动检测模型	结合了PPG信号的动态融合特征提取和Vision Transformer模型，用于捕捉全局上下文语义特征，显著提高了糖尿病检测性能	研究为回顾性病例对照研究，可能存在样本选择偏差	利用深度学习算法进行糖尿病的早期预防和筛查	血糖正常人群、糖尿病控制不佳人群和糖尿病控制良好人群	机器学习	糖尿病	SGR空间编码算法、MCNN、Vision Transformer	MCNN、Vision Transformer (ViT)	PPG信号	自收集的医疗数据集，包含三组人群
806	2025-06-20	Pretreatment Multi-sequence Contrast-Enhanced MRI to Predict Response to Immunotherapy in Unresectable Hepatocellular Carcinoma Using Transformer: A Multicenter Study 2025, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.111026 PMID:40535816	研究论文	本研究开发了一个基于Transformer的放射组学模型，用于预测不可切除肝细胞癌患者对联合免疫治疗的客观反应	结合ResNet50和Transformer的深度学习框架，首次用于预测不可切除肝细胞癌患者对靶向联合免疫治疗的疗效	研究为回顾性多中心研究，可能存在选择偏倚	预测不可切除肝细胞癌患者对靶向联合免疫治疗的客观反应	264名接受免疫治疗前进行增强MRI扫描的不可切除肝细胞癌患者	数字病理	肝癌	对比增强MRI	Transformer, ResNet50	MRI图像	264名患者（训练组180名，验证组84名）
807	2025-06-19	Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer 2025-01-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87966-w PMID:39863695	研究论文	本研究开发了一种新型混合放射组学方法，用于预测子宫内膜癌的微卫星不稳定性和Ki-67表达	结合多参数MRI、深度学习和多通道图像分析，利用新兴的注意力机制提取特征，开发了HMRadSum模型	研究为回顾性设计，样本量相对较小（156例患者）	探索先进人工智能技术在预测子宫内膜癌微卫星不稳定性和Ki-67表达中的潜在价值	子宫内膜癌患者	数字病理学	子宫内膜癌	多参数MRI、深度学习、多通道图像分析	XGBoost分类器	MRI图像	156例子宫内膜癌患者
808	2025-06-19	The tumour histopathology "glossary" for AI developers 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012708 PMID:39847582	research paper	本文旨在为AI开发者提供基本的组织病理学概念，以支持他们在癌症研究中的应用	通过介绍关键细胞类型和组织病理学技术，填补了AI开发者在组织病理学知识上的空白	未提及具体的AI算法开发或验证结果	促进AI在癌症研究中的应用，特别是在组织病理学图像分析方面	AI开发者和计算研究人员	digital pathology	cancer	HE染色、免疫组织化学染色、多重抗体染色	NA	image	NA
809	2025-06-19	Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning 2025, Virus evolution IF:5.5Q1 DOI:10.1093/ve/veaf026 PMID:40352163	研究论文	本文提出了一种结合AlphaFold 3和多任务拓扑拉普拉斯策略的方法，用于快速响应SARS-CoV-2等病毒的快速进化	结合AlphaFold 3和多任务拓扑拉普拉斯策略，提高了对病毒突变影响的预测能力	与使用实验结构相比，性能略有下降（Pearson相关系数平均下降1.1%，均方根误差平均增加9.3%）	开发高效的计算方法以应对病毒的快速进化，特别是在病毒追踪、诊断和抗体设计方面	SARS-CoV-2刺突蛋白受体结合域（RBD）和人血管紧张素转换酶-2（ACE2）复合物	机器学习	COVID-19	拓扑深度学习（TDL）、深度突变扫描（DMS）	多任务拓扑拉普拉斯（MT-TopLap）、持久拉普拉斯（PL）	蛋白质-蛋白质相互作用（PPI）复合物的三维结构	四个实验性DMS数据集和一个SARS-CoV-2 HK.3变体DMS数据集
810	2025-06-19	Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study 2025 Jan-Dec, Trends in hearing IF:2.6Q1 DOI:10.1177/23312165251347773 PMID:40457875	研究论文	本研究评估了九种深度学习模型在听觉脑干反应（ABR）检测中的泛化能力，使用大规模多中心数据集	首次在大规模多中心数据集上评估多种深度学习模型（包括CNN和Transformer架构）在ABR检测中的表现，并验证了Transformer架构在跨中心泛化中的优势	研究主要基于回顾性数据，未在实时临床环境中验证模型表现	评估深度学习模型在ABR检测中的临床适用性和泛化能力	听觉脑干反应（ABR）信号	数字病理	听力障碍	深度学习	CNN（AlexNet, VGG, ResNet）, Transformer（Transformer, PatchTST, Differential Transformer, Differential PatchTST）, 混合模型（ResTransformer, ResPatchTST）	生理信号数据	主要数据集包含来自13,813名参与者的128,123个标记ABR，外加四个外部验证数据集
811	2025-06-19	RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325483 PMID:40522942	研究论文	本研究提出了一种基于重参数化技术的自由锚点脑肿瘤检测与分类网络RRFNet，旨在提高脑肿瘤检测的准确性和效率	使用RepConv和RepC3构建主干网络，并引入FGConcat特征图拼接模块优化脑肿瘤检测模型，同时减少推理时的参数量	未提及模型在多样化数据集上的泛化能力或临床验证结果	优化脑肿瘤自动检测与分类的深度学习模型	脑肿瘤的CT或MRI图像	计算机视觉	脑肿瘤	深度学习	RRFNet（基于RepConv-RepC3-FGConcat的CNN变体）	医学影像（CT/MRI）	未明确提及具体样本量
812	2025-06-19	Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review 2025, Current treatment options in psychiatry DOI:10.1007/s40501-025-00359-8 PMID:40524733	系统综述	本文系统综述了人工智能在强迫症（OCD）中的应用，包括早期症状检测、可扩展的治疗训练、临床决策支持、新型治疗方法、基于计算机视觉的方法和多模态生物标志物发现	介绍了深度学习技术的新应用，特别是生成式人工智能（GenAI）和自然语言处理（NLP）在OCD中的应用	大多数研究（84.6%）使用二次数据分析，可能限制了结果的普适性	评估人工智能在强迫症早期诊断和治疗中的潜在应用	强迫症（OCD）患者	自然语言处理	强迫症	生成式人工智能（GenAI）和自然语言处理（NLP）	深度学习	文本	13篇研究文章
813	2025-06-19	An image and text-based fake news detection with transfer learning 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0324394 PMID:40526614	research paper	该研究提出了一种结合文本和图像的多模态分类方法，以提高假新闻检测的准确性，特别是在标注数据稀缺的低资源环境中	利用CLIP模型提取图像和文本的特征，并通过LoRA（低秩适应）技术进行参数高效微调，以提高数据效率	研究可能受限于低资源环境中的数据稀缺问题，且仅使用了一层的MLP进行分类，可能影响模型的复杂性和性能	提高假新闻检测的准确性和鲁棒性，特别是在低资源环境中	假新闻检测	natural language processing	NA	LoRA（低秩适应）	CLIP, MLP	image, text	NA
814	2025-06-19	Prediction of future aging-related slow gait and its determinants with deep learning and logistic regression 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325172 PMID:40526703	研究论文	本研究使用深度学习和逻辑回归预测与衰老相关的慢步及其决定因素	首次将神经网络应用于预测衰老相关的慢步，并与传统逻辑回归方法进行对比	样本来源单一（仅来自巴尔的摩纵向衰老研究），可能影响模型的泛化能力	预测衰老相关的慢步及其生物标志物，以便及时进行干预和决策	1,363名来自巴尔的摩纵向衰老研究的参与者	机器学习	老年疾病	深度学习神经网络（NN）和逻辑回归（LR）分析	NN, LR	临床数据	1,363名参与者
815	2025-06-19	Arrhythmia classification based on multi-input convolutional neural network with attention mechanism 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0326079 PMID:40526742	research paper	提出了一种基于多输入卷积神经网络和注意力机制的心律失常分类算法	采用多尺度时频表示和双分支CNN架构，结合SE注意力机制增强关键特征	未提及模型在实时应用中的性能或计算效率	提高心律失常分类的准确性和鲁棒性	心电图信号	machine learning	cardiovascular disease	Short-Time Fourier Transform (STFT)	CNN with SE attention mechanism	ECG信号	MIT-BIH和SPH心律失常数据库
816	2025-06-19	Development and evaluation of a deep learning system for screening real-world multiple abnormal findings based on ultra-widefield fundus images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1584378 PMID:40529144	研究论文	开发和评估一个基于超广角眼底图像的深度学习系统，用于筛查多种异常发现	开发了一个包含质量评估、伪影去除和病变识别三个模块的深度学习系统，特别强调了伪影去除模块对提高病变识别性能的重要性	仅使用了来自三家医院的数据进行训练和验证，可能无法代表所有人群	开发一个能够筛查多种眼底异常的深度学习系统	超广角眼底图像中的出血、玻璃膜疣、硬性渗出物、棉絮斑和视网膜裂孔	计算机视觉	眼科疾病	深度学习	深度学习系统（包含三个模块）	图像	训练和内部验证使用4,521张图像，外部验证使用来自两家医院的344张和894张图像
817	2025-06-19	Deep learning-based image classification for AI-assisted integration of pathology and radiology in medical imaging 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1574514 PMID:40529155	研究论文	本文介绍了一种基于深度学习的图像分类框架，用于AI辅助的病理学和放射学医学影像整合	提出了自适应多分辨率成像网络（AMRI-Net）和可解释的领域自适应学习（EDAL）策略，提高了诊断准确性和领域泛化能力	未提及具体样本量或数据集的详细构成	开发AI驱动的医学影像整合解决方案，提高诊断准确性和临床工作流程优化	多模态医学影像数据（X光、CT、MRI等）	数字病理学	NA	深度学习	AMRI-Net, EDAL	医学影像	NA
818	2025-06-19	Integrated multidisciplinary approach to aneurysm hemodynamic analysis: numerical simulation, in Vitro experiment, and deep learning 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1602190 PMID:40529173	综述	本文系统整理了传统和新兴方法，用于表征动脉瘤扩张、破裂和血栓形成过程中的血流动力学扰动	整合了数值模拟、体外实验和深度学习技术，显著提高了计算效率	生物仿生材料的局限性和对机械-生物耦合机制的不完全理解	阐明动脉瘤不稳定的机制基础，建立血流动力学分析的标准化量化协议，为患者特异性风险分层铺平道路	动脉瘤的血流动力学分析	数字病理学	心血管疾病	数值模拟, 体外实验, 深度学习	深度学习	NA	NA
819	2025-06-19	Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1570979 PMID:40529250	correction	该文章是对先前发表的一篇关于使用深度学习技术增强MRI图像中脑肿瘤检测和分割的文章的更正	NA	NA	NA	NA	digital pathology	NA	deep learning	NA	image	NA
820	2025-06-19	Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications 2025, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S516247 PMID:40529344	review	本文系统综述了人工智能（如机器学习和自然语言处理）在老年慢性病管理中的应用现状、挑战及未来方向	探讨了AI技术在优化医疗资源分配、补充专业管理团队、普及健康教育等方面的潜力	面临数据稀缺、模型泛化能力、临床医生采纳度、与现有医疗系统整合等挑战	促进AI技术在老年慢性病管理中的合理有效应用，以实现健康老龄化	老年慢性病患者（主要包括慢性心脑血管疾病、呼吸系统疾病等）	自然语言处理, 机器学习	geriatric disease	machine learning, NLP, computer vision	NA	NA	NA