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
1921	2025-10-07	The value of deep learning-based X-ray techniques in detecting and classifying K-L grades of knee osteoarthritis: a systematic review and meta-analysis 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10928-9 PMID:38997539	系统评价与荟萃分析	评估基于深度学习的X射线技术在检测和分类膝骨关节炎K-L分级中的价值	首次对深度学习在膝骨关节炎K-L分级中的诊断敏感性进行系统性荟萃分析	纳入研究数量有限（19项），早期KOA（K-L1-2）的敏感性仍需提升，需要更多可靠数据支持临床实践	评估基于深度学习的X射线技术在膝骨关节炎K-L分级中的诊断性能	膝骨关节炎患者的X射线图像	计算机视觉	膝骨关节炎	X射线成像	深度学习	X射线图像	62,158张图像（K-L0: 22,388, K-L1: 13,415, K-L2: 15,597, K-L3: 7,768, K-L4: 2,990）	NA	NA	敏感性	NA
1922	2025-10-07	Deep learning in pulmonary nodule detection and segmentation: a systematic review 2025-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10907-0 PMID:38985185	系统综述	系统评估深度学习技术在肺结节检测和分割中的应用现状	首次采用系统综述方法全面比较肺结节检测和分割的深度学习方法，填补现有文献的方法学空白和偏倚	仅纳入9项符合标准的研究，样本量有限	比较肺结节检测和分割的深度学习方法	肺结节检测和分割相关研究	计算机视觉	肺癌	计算机断层扫描	CNN	医学影像	基于公共数据集（LIDC-IDRI和LUNA16等）的9项研究	NA	NA	敏感度,Dice系数	NA
1923	2025-10-07	Integrated brain tumor segmentation and MGMT promoter methylation status classification from multimodal MRI data using deep learning 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251332018 PMID:40190333	研究论文	本研究提出了一种基于多模态MRI数据的深度学习流程，同时实现脑肿瘤分割和MGMT启动子甲基化状态分类	开发了一个两阶段深度学习流程，将肿瘤分割与分子标志物分类相结合，提供了一种非侵入性的MGMT状态评估方法	仍处于研究阶段，需要未来研究和临床验证来探索其在真实临床环境中的适用性	开发非侵入性方法评估胶质母细胞瘤患者的MGMT启动子甲基化状态，辅助治疗规划	胶质母细胞瘤患者的多模态MRI数据	数字病理	脑肿瘤	磁共振成像	CNN	医学影像	BraTS2021脑肿瘤分割数据集和MGMT启动子状态分类数据集	NA	3D ResU-Net, 3D ResNet10	Dice系数, ROC-AUC	NA
1924	2025-10-07	Exploring the potential of deep learning models integrating transformer and LSTM in predicting blood glucose levels for T1D patients 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251328980 PMID:40190336	研究论文	本研究开发了一种结合Transformer和LSTM的混合深度学习模型，用于预测1型糖尿病患者的血糖水平	首次将Transformer编码器与双向LSTM网络相结合，通过多阶段特征提取和位置编码技术，同时捕捉血糖数据的长期依赖关系和短期模式	模型在临床数据上的预测误差随预测时间延长而增加，且未明确说明训练数据的具体样本规模	提高血糖预测精度并延长预测时间范围，支持实时糖尿病管理	1型糖尿病患者的血糖数据	机器学习	糖尿病	连续血糖监测	Transformer, LSTM	时间序列数据	NA	NA	Transformer Encoder, Bidirectional LSTM	均方根误差, 平均绝对误差, Clark网格分析	NA
1925	2025-10-07	Real-Time Snoring Detection Using Deep Learning: A Home-Based Smartphone Approach for Sleep Monitoring 2025, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S514631 PMID:40190583	研究论文	本研究开发了一种基于Vision Transformer深度学习模型的实时打鼾检测方法，使用智能手机录制的家庭环境音频进行睡眠监测	首次将Vision Transformer模型应用于家庭环境智能手机录音的实时打鼾检测，结合家庭和医院多场景数据验证	样本量相对有限（214名参与者），依赖智能手机录音质量，标注需要两名训练有素的标注者一致同意	开发实时打鼾检测方法以监测睡眠相关疾病	参与者的睡眠呼吸声音	机器学习	睡眠障碍	智能手机音频录制，多导睡眠监测（PSG）	Vision Transformer	音频	214名参与者，85,600个30秒时段	NA	Vision Transformer	灵敏度，特异性，相关系数	NA
1926	2025-10-07	Application of Artificial Intelligence and its Subsets in Various Stages of Knee Arthroplasty from Pre-op to Post-op: An Overview 2025, Journal of orthopaedics and sports medicine DOI:10.26502/josm.511500185 PMID:40190766	综述	概述人工智能及其子集在膝关节置换术从术前到术后各阶段的应用	系统性地将人工智能在膝关节置换术中的应用按术前、术中、术后阶段进行分类，并聚焦于患者教育、手术辅助和结果评估三大方向	NA	探讨人工智能如何提升膝关节置换术的诊断准确性、手术效率和患者预后	膝关节置换术患者和手术流程	机器学习	骨关节炎	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
1927	2025-10-07	Integration of multimodal imaging data with machine learning for improved diagnosis and prognosis in neuroimaging 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1552178 PMID:40191032	研究论文	提出一种结合CNN、GRU和动态跨模态注意力模块的混合深度学习方法来整合多模态神经影像数据	开发了动态跨模态注意力模块，能更有效地融合空间和时间脑数据，克服现有多模态融合技术的局限性	仅使用HCP数据集进行评估，尚未在其他临床数据上验证	提高脑部疾病诊断和预后的准确性	脑部疾病患者（如阿尔茨海默病）的神经影像数据	神经影像分析	阿尔茨海默病	结构MRI, 功能MRI	CNN, GRU, 注意力机制	图像, 时间序列数据	人类连接组计划(HCP)数据集，包含行为数据、fMRI和sMRI	NA	CNN, GRU, 动态跨模态注意力模块	准确率, 召回率, 精确率, F1分数	NA
1928	2025-10-07	P253 Next-generation phenotyping facilitates the identification of structural brain malformations in rare disorders through computational brain MRI analysis 2025, Genetics in medicine open DOI:10.1016/j.gimo.2025.103424 PMID:40191138	研究论文	本研究开发了一种基于深度学习的下一代表型分析(NGP)方法，通过计算脑MRI分析识别罕见疾病中的结构性脑畸形	将下一代表型分析从面部图像扩展到脑MRI数据，创建了临床脑表型空间(CBPS)用于表型相似性分析和疾病预测	初步分析仅聚焦于两种特定疾病，数据集规模相对有限	开发诊断支持工具，识别罕见疾病中的结构性脑畸形并整合到变异优先排序流程中	罕见神经发育疾病患者，特别是Dandy-Walker畸形和Ogden综合征患者	数字病理	神经发育疾病	脑MRI成像，下一代表型分析(NGP)	CNN	脑MRI图像	413张脑MRI图像(来自56种不同疾病)，外加1,279张公共数据集MRI图像	PyTorch	ResNet-50	留一法交叉验证，t-SNE聚类可视化	NA
1929	2025-10-07	A semi-supervised weighted SPCA- and convolution KAN-based model for drug response prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1532651 PMID:40191608	研究论文	提出一种基于半监督加权SPCA和卷积KAN的药物反应预测模型NMDP	结合可解释的半监督加权SPCA模块、多组学数据融合框架以及一维卷积与Kolmogorov-Arnold网络的集成方法	NA	基于多组学基因信息预测细胞系对特征药物的反应	细胞系和多组学基因数据	机器学习	癌症	多组学数据分析	KAN, 卷积神经网络	基因多组学数据	NA	NA	Kolmogorov-Arnold networks, 一维卷积	灵敏度, 特异性	NA
1930	2025-10-07	Isfahan Artificial Intelligence Event 2023: Lesion Segmentation and Localization in Magnetic Resonance Images of Patients with Multiple Sclerosis 2025, Journal of medical signals and sensors DOI:10.4103/jmss.jmss_55_24 PMID:40191684	研究论文	介绍2023年伊斯法罕人工智能活动中多发性硬化症患者磁共振图像病灶分割与定位挑战赛	组织多团队参与的多发性硬化症病灶分割竞赛，比较不同深度学习方法的性能	仅简要描述数据集和参赛方法，缺乏详细的性能比较和定量分析	开发准确分割和定位多发性硬化症患者MR图像中病灶的方法	多发性硬化症患者的磁共振图像	计算机视觉	多发性硬化症	磁共振成像	深度学习	医学图像	NA	NA	U-net	NA	NA
1931	2025-10-07	An imaging and genetic-based deep learning network for Alzheimer's disease diagnosis 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1532470 PMID:40191788	研究论文	提出一种基于MRI和SNP数据的多模态深度学习网络，用于阿尔茨海默病诊断和轻度认知障碍进展预测	首次结合CNN提取全脑结构特征和Transformer网络提取遗传特征，并采用基于交叉Transformer的网络进行综合特征融合	研究数据仅来自ADNI数据库的1,541名受试者，样本规模有限	开发多模态深度学习模型以提高阿尔茨海默病的诊断和预测准确性	阿尔茨海默病患者和轻度认知障碍患者	医学影像分析	阿尔茨海默病	磁共振成像, 单核苷酸多态性分析	CNN, Transformer	图像, 基因数据	1,541名来自ADNI数据库的受试者	NA	卷积神经网络, Transformer, 交叉Transformer	NA	NA
1932	2025-10-07	Integrating Protein Language Model and Molecular Dynamics Simulations to Discover Antibiofouling Peptides 2025-Jan-14, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.4c04140 PMID:39810350	研究论文	本研究结合蛋白质语言模型和分子动力学模拟从微生物组库中发现抗生物污染肽	首次将基于深度学习的高通量筛选与分子动力学模拟相结合，通过集成随机森林模型和ESM2蛋白质语言模型来发现新型抗生物污染肽	仅从六个候选肽中筛选，样本规模有限；依赖现有数据库可能存在的偏差	开发新型抗生物污染肽材料以扩展其应用场景	微生物组库中的肽序列	机器学习	NA	分子动力学模拟，蛋白质语言模型	随机森林，ESM2	肽序列数据	包含等量抗生物污染和生物污染肽序列的数据库，六个候选肽	NA	ESM2，集成随机森林	NA	NA
1933	2025-04-06	Large Generative Model Impulsed Lightweight Gaze Estimator via Deformable Approximate Large Kernel Pursuit 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3529379 PMID:40031234	研究论文	提出了一种新型轻量级网络结构，通过可变形近似大核和大型生成模型的隐式蒸馏，实现了高效且高精度的视线估计	设计了可变形近似大核的轻量级网络结构，并利用大型生成模型（Stable Diffusion V1.5）的泛化能力进行隐式蒸馏	未明确提及具体限制	开发高效且高精度的轻量级视线估计方法，适用于移动交互平台	视线估计模型	计算机视觉	NA	深度学习	轻量级网络结构（含可变形近似大核），Stable Diffusion V1.5	图像	未明确提及具体样本数量	NA	NA	NA	NA
1934	2025-04-06	Trustworthy Limited Data CT Reconstruction Using Progressive Artifact Image Learning 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3534559 PMID:40031253	研究论文	提出了一种名为渐进伪影图像学习（PAIL）的展开框架，用于有限数据CT重建，旨在解决现有深度学习方法在泛化性和稳定性方面的不足	通过残差域模块（RDM）、图像域模块（IDM）和小波域模块（WDM）三个关键模块的协作，逐步去除伪影并重建CT图像，同时通过小波压缩感知增强网络稳定性	方法在模拟CT数据集、临床心脏数据集和羊肺数据集上验证，但未提及在其他类型数据集上的表现	提高有限数据CT重建的质量和效率，减少辐射暴露或加速扫描过程	有限数据CT重建	数字病理	NA	深度学习	PAIL（包含RDM、IDM和WDM模块）	CT图像	两个模拟CT数据集、一个临床心脏数据集和一个羊肺数据集	NA	NA	NA	NA
1935	2025-04-06	Deep Underwater Image Quality Assessment With Explicit Degradation Awareness Embedding 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3539477 PMID:40031436	研究论文	本文提出了一种新型的深度学习模型EDANet，用于水下图像质量评估，通过显式嵌入退化感知信息来提高模型性能	设计了EDANet模型，采用两阶段训练策略，先通过DIDNet子网络推断退化残差图，再将其嵌入DQENet子网络以增强退化感知能力	未提及具体的数据集规模限制或模型在特定场景下的适用性限制	改进水下图像质量评估的准确性和可靠性	水下退化图像	计算机视觉	NA	深度学习	EDANet (包含DIDNet和DQENet子网络)	图像	在两个基准数据集上进行了测试（未提及具体样本数量）	NA	NA	NA	NA
1936	2025-04-06	ADStereo: Efficient Stereo Matching With Adaptive Downsampling and Disparity Alignment 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3540282 PMID:40031538	research paper	本文提出了一种高效的立体匹配方法ADStereo，通过自适应下采样和视差对齐模块来平衡精度和计算效率	提出了自适应下采样模块（ADM）和视差对齐模块（DAM），以解决传统方法中因下采样操作导致的特征丢失和空间错位问题	未提及具体局限性	提高立体匹配算法在实时应用中的准确性和计算效率	立体匹配算法	computer vision	NA	NA	ADStereo	image	多个公共基准测试数据集（如KITTI stereo 2015）	NA	NA	NA	NA
1937	2025-04-06	Joint Spatial and Frequency Domain Learning for Lightweight Spectral Image Demosaicing 2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2025.3536217 PMID:40031727	research paper	提出了一种基于联合空间和频域信息学习的轻量级光谱图像去马赛克方法	结合空间和频域信息学习，提出无参数的光谱图像初始化策略和高效的空间-频率变换网络	未明确提及具体局限性	提高光谱图像去马赛克的重建质量和效率	光谱图像	computer vision	NA	Fourier transform, deep learning	spatial-frequency transformer network	image	模拟和真实数据（未明确提及具体数量）	NA	NA	NA	NA
1938	2025-04-06	Local-Global Correlation Fusion-Based Graph Neural Network for Remaining Useful Life Prediction 2025-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3330487 PMID:37983145	研究论文	提出一种基于局部-全局相关性融合的图神经网络框架（LOGO），用于剩余使用寿命（RUL）预测	结合局部和全局信息有效建模传感器相关性，提出自适应融合机制和序列微图定义方法	未明确说明方法在极端工况或传感器故障情况下的鲁棒性	提升复杂系统中剩余使用寿命预测的准确性	多传感器监测的工业设备系统	机器学习	NA	图神经网络（GNN）	GNN	时间序列传感器数据	未明确说明具体样本数量	NA	NA	NA	NA
1939	2025-04-06	MDNN-DTA: a multimodal deep neural network for drug-target affinity prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1527300 PMID:40182923	研究论文	介绍了一种名为MDNN-DTA的多模态深度神经网络模型，用于预测药物-靶标亲和力（DTA）	该模型能够直接从靶蛋白序列准确预测DTA，无需依赖蛋白质3D结构，这在药物发现中具有重要意义	未明确提及具体局限性	提高药物-靶标亲和力预测的效率和准确性	药物分子和靶蛋白的序列	机器学习	NA	深度学习	GCN和CNN	生物序列数据	未明确提及样本数量	NA	NA	NA	NA
1940	2025-10-07	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	比较基于深度学习的单次激发T2加权磁共振成像与传统HASTE序列在肠道成像质量和疾病检测方面的表现	首次将深度学习图像重建技术应用于单次激发T2加权MRI序列，实现了更短的采集时间和更薄的切片厚度	研究样本量相对有限（91例患者），且仅评估了4mm和6mm两种切片厚度	评估深度学习重建的HASTE序列在肠道MRI中的图像质量和诊断价值	接受3T MR肠道造影检查的患者	医学影像分析	肠道疾病	3T磁共振成像，单次激发T2加权序列	深度学习	磁共振图像	91例患者（51例女性，平均年龄44±10岁）	NA	NA	图像质量评分，诊断置信度，疾病检测一致性	NA