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
2401	2026-03-19	Harnessing deep learning for fusion-based heavy metal contamination index prediction in groundwater 2025-09, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104672 PMID:40675024	研究论文	本研究提出了一种基于深度学习的融合框架，用于预测地下水中重金属污染指数	首次将五种常用水污染指数通过定制的基于根的数据融合与归一化方法整合为统一的复合指标，并应用深度神经网络进行建模预测	研究区域局限于伊朗赞詹的Gultepe-Zarrinabad子流域，模型在其他地理区域的泛化能力有待验证	开发一种AI驱动的环境监测工具，以支持可持续水资源管理	地下水中锰(Mn)、铁(Fe)、砷(As)和铅(Pb)四种重金属元素的污染水平	机器学习	NA	数据融合与归一化	DNN, DT, KNN, ANN	水质指标数据	NA	NA	深度神经网络	R, RMSE, MAE	NA
2402	2026-03-19	Research on the potential of the deep learning-based "decomposition-optimization-reconstruction" method in runoff prediction for typical climate- and human-regulated basins in northern China 2025-09, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104655 PMID:40561564	研究论文	本文提出了一种基于深度学习的“分解-优化-重构”组合模型，用于中国北方典型气候和人类调控流域的径流预测	结合变分模态分解（VMD）和鲸鱼优化算法（WOA）来优化双向长短期记忆神经网络（BiLSTM），构建VMD-WOA-BiLSTM组合模型，以处理径流序列的非平稳性	模型在不同季节的预测性能存在差异，可能与径流的季节性特征及模型固有预测能力有关；对于总径流量较小的河流，预测效果可能受极端降水事件影响较大	提高径流预测的准确性，特别是在受气候和人类活动影响的非平稳径流序列中	中国北方典型气候和人类调控流域，具体为半干旱地区的海拉尔河流域和大黑河流域	机器学习	NA	变分模态分解（VMD），鲸鱼优化算法（WOA）	BiLSTM	径流序列数据	NA	NA	BiLSTM	预测准确性	NA
2403	2026-03-19	Intestinal bacteria translocation promotes β-cell dysfunction in DIO mice 2025-Aug-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15244-w PMID:40849329	研究论文	本研究利用深度学习辅助方法评估肠道细菌易位在肥胖小鼠模型中对胰腺β细胞功能障碍的影响	首次结合FISH、16S rRNA扩增子测序和深度学习辅助方法，精确追踪并量化肠道细菌易位至胰腺的过程，揭示了细菌易位与2型糖尿病严重程度之间的直接关联	研究仅基于小鼠模型，尚未在人类中进行验证；深度学习辅助方法的泛化能力需进一步测试	阐明肠道微生物在2型糖尿病进展中的直接机械作用，特别是肠道细菌易位对胰腺功能的影响	饮食诱导肥胖小鼠和抗生素诱导微生物群破坏的肥胖小鼠模型	数字病理学	2型糖尿病	FISH, 16S rRNA扩增子测序, 深度学习辅助方法	深度学习模型	图像, 序列数据	DIO和AIMD-DIO小鼠模型	NA	NA	准确性, 客观性	NA
2404	2026-03-19	Deep Learning-Based Decision Support System for Nurse Staff in Hospitals 2025-Jun-02, Big data IF:2.6Q2 DOI:10.1089/big.2024.0122 PMID:40455580	研究论文	本文探讨了基于深度学习的临床决策支持系统（DL-CDSS）在医院护士中的应用，旨在提升临床决策的准确性和工作效率	结合数据仓库理论和商业智能技术，开发了针对护士的DL-CDSS，实现多维数据分析和实时推荐，以优化护理工作流程	面临数据整合、模型可解释性和用户界面设计等挑战，需确保系统能无缝集成到护理实践中	促进医院人力资源的信息化管理，推动医院信息技术应用，提升护士的决策支持能力	医院护士及其临床决策过程，包括患者记录、生命体征和诊断报告等数据	机器学习	NA	深度学习	神经网络	临床数据（如患者记录、生命体征、诊断报告）	来自医院信息系统的大规模数据集	NA	NA	准确性、药物错误减少率、工作流程效率	NA
2405	2026-03-19	Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media 2025-04-16, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01071 PMID:40177940	研究论文	本文提出了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基，以提高生物制造中的过程分析技术	将SERS光谱转换为基于强度阈值的二进制“开/关”信号，实现单分子事件可视化并减少假阳性，结合深度学习突破传统SERS缺乏特征峰的限制	NA	开发一种快速、准确、可重复的过程分析技术，用于监测生物制造中的小分子关键过程参数和质量属性	AMBIC 1.1哺乳动物细胞培养基	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习	光谱数据	NA	NA	NA	准确性，可重复性	NA
2406	2026-03-19	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2025-Mar-17, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	研究论文	本研究评估了便携式Openwater光学血流监测仪在疑似卒中患者中检测大血管闭塞的能力，并与院前卒中量表进行了比较	首次将便携式光学血流监测仪与深度学习模型结合，用于急性卒中评估中检测大血管闭塞，其性能优于传统的院前卒中量表	研究结果需要在独立测试集和院前环境中进一步验证，样本量相对有限，且仅针对前循环大血管闭塞	评估便携式光学血流监测仪在疑似卒中患者中检测大血管闭塞的诊断性能	疑似卒中患者，在发病24小时内进行卒中警报评估，且NIHSS评分≥2	数字病理学	心血管疾病	光学血流监测，基于散斑对比度的相对变化生成脑血流波形	深度学习模型	原始散斑对比度波形数据	135名患者，其中52名（39%）患有前循环大血管闭塞	NA	NA	灵敏度，特异性，AUROC	NA
2407	2026-03-18	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络提取的复杂网络特征来增强基于文本的深度学习模型，以改进疫苗立场分类	首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中优于文本特征	研究基于意大利语推文数据，可能无法直接推广到其他语言或社交平台	提高社交媒体上疫苗立场的分类准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习	文本	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
2408	2026-03-18	Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data 2025-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243115 PMID:41464119	研究论文	本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜	直接使用原始光学相干断层扫描数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础	未明确提及	通过深度学习模型，基于原始光学相干断层扫描数据实现圆锥角膜的早期诊断	使用Casia2前节光学相干断层扫描仪获取的2737次眼部检查数据，包括正常、角膜扩张症和其他疾病三类	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	2737次眼部检查，包含744次检查的数据集	NA	DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18	准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数	NA
2409	2026-03-18	Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection 2025-Dec, Journal of cutaneous pathology IF:1.6Q3 DOI:10.1111/cup.14870 PMID:40998452	研究论文	提出一种名为MAF-DermNet的深度学习框架，用于高效、准确的皮肤癌检测	结合多尺度注意力融合与深度可分离卷积，并利用DCGAN进行数据增强以提高模型鲁棒性	未整合临床元数据，且未来需针对不同医疗环境进行优化	开发一种高效、准确的自动化皮肤癌检测模型以辅助临床诊断	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习	CNN, GAN	图像	NA	NA	MAF-DermNet, DCGAN	准确率, 宏F1分数	NA
2410	2026-03-18	Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2025-Nov-01, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12115-w PMID:41176552	研究论文	本研究开发了两种自动化的卷积神经网络，用于量化小儿骨肉瘤的肿瘤体积并基于MRI预测诱导化疗的反应	首次将3D U-Net用于小儿骨肉瘤的自动肿瘤体积分割，并基于MRI体积变化构建了预测化疗反应的CNN模型，实现了非侵入性的治疗反应评估	研究为回顾性、多中心设计，样本量相对有限（总计101名患者），且外部验证集仅来自一个中心	评估小儿骨肉瘤的治疗反应，开发自动化工具以替代依赖手动测量和术后组织病理学的传统方法	小儿骨肉瘤患者	数字病理学	骨肉瘤	MRI	CNN	图像	总计101名患者（训练集81名，外部验证集20名），对应202次MRI扫描	NA	3D U-Net	Spearman相关系数, Bland-Altman图, Dice系数, 准确率, 灵敏度, 特异性	NA
2411	2026-03-18	Deep Learning-Based Drug Half-Life Classification to Enhance Drug Development and Pharmacokinetics 2025-Nov, Advanced pharmaceutical bulletin IF:3.1Q2 DOI:10.34172/apb.025.45420 PMID:41835054	研究论文	本研究提出了一种基于深度学习的药物半衰期分类方法，用于将药物分为短半衰期和长半衰期组，以支持药物开发和药代动力学研究	引入基于分类的方法，使用12小时阈值将药物分为短长半衰期组，相比传统回归模型，提高了临床可解释性并更好地处理药代动力学变异性	未在摘要中明确说明，可能包括数据集的局限性或模型对特定药物类型的泛化能力	预测药物半衰期以增强药物开发和药代动力学研究，改进给药策略	药物分子结构	机器学习	NA	分子结构处理	CNN	分子结构数据	未在摘要中指定具体样本数量	未在摘要中指定，可能基于常见深度学习框架如TensorFlow或PyTorch	AlexNet	准确率, F1分数	未在摘要中指定
2412	2026-03-18	Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma 2025-Oct-31, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05263-y PMID:41171470	研究论文	本研究利用深度学习提取的病理组学特征结合临床特征，预测儿童髓母细胞瘤术后持续性脑积水的风险	首次将深度学习提取的定量病理组学特征与临床特征相结合，构建多模态模型来预测儿童髓母细胞瘤术后持续性脑积水的风险，显著提高了风险分层能力	研究为单中心回顾性研究，样本量相对较小（90例患者），需要外部验证以确认模型的泛化能力	改善儿童髓母细胞瘤术后持续性脑积水的风险预测和分层	18岁以下接受治疗的髓母细胞瘤患者	数字病理学	髓母细胞瘤	H&E染色	CNN, 逻辑回归	图像, 临床数据	90例患者	PyTorch	ResNet-18	AUC, 平均精度	NA
2413	2026-03-18	Differential Diagnosis of Papillary Thyroid Carcinoma and Nodular Goiter With Papillary Hyperplasia Using Hyperspectral Imaging Technology 2025-Oct, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500200 PMID:40603107	研究论文	本研究评估了高光谱成像技术结合深度学习在区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生方面的应用	首次将高光谱成像与带自注意力机制的一维卷积神经网络结合，用于甲状腺病变的鉴别诊断，并在特定光谱区域实现了高灵敏度	样本量相对较小（共82个样本），且仅使用了石蜡包埋样本，未涉及新鲜组织或活体成像	开发一种基于高光谱成像和深度学习的快速、非侵入性方法，以准确区分甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生	石蜡包埋的甲状腺组织样本（43个PTC样本和39个NGPH样本）	计算机视觉	甲状腺癌	高光谱成像（HSI），光谱范围400-1000 nm	CNN	高光谱图像	82个石蜡包埋组织样本（43个PTC，39个NGPH）	NA	带自注意力机制的一维卷积神经网络	ROC曲线下面积（AUC），像素级分类准确率，灵敏度，特异性	NA
2414	2026-03-18	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，来自动量化帕金森病患者在家庭环境中的转身角度	这是首个探索使用单目摄像头数据在家庭环境中量化帕金森病患者转身行为的研究，重点关注自由生活场景下的复杂挑战	由于在自由生活环境中难以获取精确的真实数据，研究基于临床专家的手动标注将角度量化为最近的45°区间，这可能影响精度	开发一种自动量化帕金森病患者转身角度的方法，以评估疾病严重程度	帕金森病患者和健康对照志愿者	计算机视觉	帕金森病	视频分析，3D骨架提取	深度学习	视频	24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转身视频片段	NA	Fastpose, Strided Transformer	准确率, 平均绝对误差, 加权精确率	NA
2415	2026-03-18	Comparison of time-series models for predicting physiological metrics under sedation 2025-06, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01237-z PMID:39470955	研究论文	本研究全面比较了多种时间序列模型在生理指标预测中的应用，重点关注麻醉深度评估中的双频指数预测	系统比较了传统药代动力学-药效学模型、统计模型与现代深度学习模型在双频指数预测中的性能，并探索了单变量与多变量预测方案	NA	评估和比较不同时间序列模型在预测手术中镇静深度关键指标双频指数的性能	从真实手术中收集的生理指标数据集，用于预测双频指数	机器学习	NA	NA	LSTM, GRU, TCN, Transformer, ARIMA, VAR	时间序列数据	NA	NA	LSTM, GRU, TCN, Transformer	NA	NA
2416	2026-03-18	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-05-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	本文是意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	整合了人工智能在心血管疾病诊断、预后和管理中的最新应用，并强调了其在识别患者表型和改善临床决策方面的潜力	算法的外部有效性无法保证，结果的可解释性存在“黑箱”问题	探讨人工智能在心血管疾病管理中的应用潜力和挑战	心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和心房颤动等	机器学习	心血管疾病	机器学习，深度学习	人工神经网络	医院数据集，心电图，超声心动图采集数据	NA	NA	NA	准确性	NA
2417	2026-03-18	Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.05.25325276 PMID:40453372	研究论文	本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用	首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联	研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素	评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联	接受腹部手术并进行了术前CT扫描的患者	数字病理学	营养不良	计算机断层扫描（CT）	深度学习	医学影像（CT扫描）	1,143名患者（52%为女性）	NA	NA	比值比（OR）, p值	NA
2418	2026-03-18	Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking 2025-Apr-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.01.646705 PMID:40236190	研究论文	本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用	开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率	方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证	研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用	癌症细胞迁移行为	计算机视觉	癌症	时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选	深度学习	视频	约130万追踪细胞，覆盖840种不同条件	NA	NA	NA	NA
2419	2026-03-18	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-04, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾	系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力	作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结	评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势	河流水质污染	机器学习	NA	NA	ANN, DNN, LSTM, RF	水质相关数据集	分析了超过110篇研究文章	NA	NA	NA	NA
2420	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_9 PMID:41800187	研究论文	本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力	LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力	研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估	预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估	卒中后失语症患者	数字病理学	卒中后失语症	rs-fMRI	图神经网络（GNN）	神经影像数据（rs-fMRI）	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA