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
7101	2025-06-13	Deep learning architectures for influenza dynamics and treatment optimization: a comprehensive review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1521886 PMID:40495931	综述	本文综述了深度学习架构在流感动态建模和治疗优化中的应用	探讨了LSTM、CNN、GAN、transformer架构和LLMs等深度学习方法在流感病毒行为建模和治疗策略优化中的创新应用	未提及具体研究案例或实验验证，主要基于文献综述	利用深度学习改进流感动态理解和治疗策略优化	流感病毒行为和治疗策略	机器学习	流感	NA	LSTM, CNN, GAN, transformer, LLMs	基因序列和患者记录	NA
7102	2025-06-13	Deep learning-based automated segmentation for the quantitative diagnosis of cerebral small vessel disease via multisequence MRI 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1540923 PMID:40496122	研究论文	开发了一种基于深度学习的自动分割方法，用于通过多序列MRI定量诊断脑小血管病	首次提出基于深度学习的自动分割方法，用于定量评估脑小血管病的典型神经影像标志物	样本量相对较小，且外部数据集的时间跨度较大	开发一种自动化的定量诊断方法，以准确评估脑小血管病的全局病变负荷	脑小血管病（CSVD）的神经影像标志物，包括白质高信号、脑微出血、腔隙和扩大的血管周围间隙	数字病理	脑小血管病	多序列MRI	深度学习（DL）	MRI图像	内部数据集105名患者，外部数据集58名患者
7103	2025-06-13	Use video comprehension technology to diagnose ultrasound pneumothorax like a doctor would 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1530808 PMID:40496245	研究论文	本研究利用视频理解技术对超声气胸进行智能诊断，通过深度学习模型实现高准确率的诊断	首次将视频理解模型应用于气胸的多特征融合诊断，展示了视频理解技术在医学图像诊断中的可行性	研究仅使用了657个训练剪辑和164个测试剪辑，样本量相对较小	开发一种能够快速准确诊断超声气胸的智能系统	超声气胸诊断	计算机视觉	气胸	深度学习	TSM视频理解模型基于ResNet50网络	视频	657个训练剪辑和164个测试剪辑
7104	2025-06-12	Machine learning and deep learning in diabetology: revolutionizing diabetes care 2025, Frontiers in clinical diabetes and healthcare DOI:10.3389/fcdhc.2025.1547689 PMID:40496420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7105	2025-06-13	Deep learning to promote health through sports and physical training 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1583581 PMID:40496455	研究论文	本研究提出了一种基于LSTM和注意力机制的序列到序列深度学习模型，用于预测健康改善分数（HIS）	结合LSTM和注意力机制，整合多种时间序列数据，提出HIS预测模型，显著提高了预测准确性	研究样本量较小（384名参与者），且观察时间较短（32天）	开发更个性化和准确的预测模型，评估运动和体育训练对健康改善的影响	运动和体育训练对健康改善的影响	机器学习	慢性疾病	时间序列分析	LSTM	时间序列数据	384名参与者，32天的数据
7106	2025-06-13	Radiomics and Deep Learning as Important Techniques of Artificial Intelligence - Diagnosing Perspectives in Cytokeratin 19 Positive Hepatocellular Carcinoma 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S526887 PMID:40496512	meta-analysis	系统分析和比较了非侵入性方法在预测CK19阳性HCC中的表现，为HCC患者的分层管理提供见解	整合传统影像学、放射组学和深度学习的组合模型在预测CK19阳性HCC方面表现出卓越潜力	多中心外部数据有限，仅13.6%的研究包含验证集	系统分析和比较非侵入性方法预测CK19阳性HCC的性能	HCC患者	digital pathology	hepatocellular carcinoma	radiomics, deep learning	combined models	image	22项研究，涉及3395名HCC患者
7107	2025-06-13	AI-based multimodal prediction of lymph node metastasis and capsular invasion in cT1N0M0 papillary thyroid carcinoma 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1580885 PMID:40496555	research paper	该研究开发了一种基于AI的多模态预测模型，用于提高cT1N0M0甲状腺乳头状癌（PTC）患者淋巴结转移（LNM）和包膜侵犯（CI）的术前评估准确性	整合了超声放射组学和深度学习特征，通过多模态融合提高了预测性能，优于单一模态模型	样本量相对较小（203例患者），且仅进行了内部测试集验证	提高cT1N0M0 PTC患者LNM和CI的术前评估准确性，优化风险分层和治疗策略	cT1N0M0甲状腺乳头状癌（PTC）患者	digital pathology	thyroid cancer	超声放射组学分析，深度学习特征提取	NeuralNet, RandomForest, Vision Transformer (ViT)	超声图像	203例PTC患者（训练集142例，内部测试集61例）
7108	2025-06-13	Early detection of human Mpox: A comparative study by using machine learning and deep learning models with ensemble approach 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251344135 PMID:40496715	研究论文	本研究通过机器学习和深度学习模型结合集成方法，提高了Mpox的早期诊断准确率	采用集成学习方法结合ViT和ConvMixer模型，显著提高了Mpox病变的分类准确率和鲁棒性	模型可解释性有待提高，需在真实临床数据中进一步验证	提高Mpox的早期诊断准确率	Mpox皮肤病变数据集v2.0中的六种皮肤病变类别	计算机视觉	Mpox	机器学习与深度学习	Logistic Regression, K-Nearest Neighbors, Vision Transformer (ViT), ConvMixer	图像	包含六种皮肤病变类别的Mpox皮肤病变数据集v2.0
7109	2025-06-13	Multimeric protein interaction and complex prediction: Structure, dynamics and function 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.009 PMID:40496891	综述	本文综述了多聚体蛋白质复合物的结构、相互作用、动力学和功能研究的最新进展	总结了CASP16中的最新进展，包括未知化学计量比、超复合物和构象集合的预测，以及AlphaFold2和3在多聚体预测中的贡献	在处理功能性蛋白质-蛋白质相互作用和动态构象方面存在局限性	研究多聚体蛋白质复合物的结构、相互作用、动力学和功能	多聚体蛋白质复合物	生物信息学	NA	深度学习	AlphaFold2 & 3	蛋白质结构数据	NA
7110	2025-06-13	Enhanced visibility graph for EEG classification 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1541062 PMID:40497135	research paper	提出了一种结合功率谱密度(PSD)和可见性图(VG)特征与深度学习(DL)技术的端到端EEG分类框架	整合了PSD和VG特征以同时捕捉EEG信号的频域特性和时域动态，并评估了四种DL架构在EEG分类中的表现	未明确提及具体的数据集规模限制或模型泛化能力的详细分析	推进EEG分析，开发更准确可靠的基于EEG的系统	EEG信号	machine learning	NA	power spectral density (PSD), visibility graph (VG), deep learning (DL)	MLP, LSTM, InceptionTime, ChronoNet	EEG信号	多个数据集，但未明确提及具体样本数量
7111	2025-06-13	AI-driven prediction of bitterness and sweetness and analysis of receptor interactions 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101090 PMID:40497229	研究论文	本研究开发了基于图神经网络（GNN）的人工智能模型，用于根据化学结构预测苦味和甜味，并通过分子对接模拟验证了预测结果	使用GNN直接从分子结构中学习，减少特征选择偏差，并通过Integrated Gradients方法增强模型的可解释性	需要进一步研究以探索更深入的分子机制，并将该方法扩展到预测其他味觉模式	理解甜味和苦味的分子机制，识别天然和合成化合物中的理想味觉特征	被分类为苦味或甜味的化合物	机器学习	NA	图神经网络（GNN）、分子对接模拟	GNN	化学结构数据	NA
7112	2025-06-12	Artificial intelligence (AI)-driven morphological assessment of zebrafish larvae for developmental toxicity chemical screening 2025-Aug, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2025.107415 PMID:40450914	研究论文	利用深度学习模型对斑马鱼幼虫进行形态学评估，以支持发育毒性化学物质筛选	开发了基于多视角卷积神经网络(MVCNN)的分类和分割模型，用于自动评估斑马鱼幼虫的形态变化，提高了评估的客观性和效率	模型性能在某些特定形态变化分类上仍有提升空间(F1分数低于0.70)	为毒理学评估中斑马鱼的常规使用提供科学依据，开发自动化评估工具	暴露于各种化学物质5天的斑马鱼胚胎	计算机视觉	NA	深度学习	MVCNN(多视角卷积神经网络)	图像	SEAZIT项目收集的斑马鱼胚胎图像数据(具体数量未说明)
7113	2025-06-12	Scale-equivariant deep model-based optoacoustic image reconstruction 2025-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100727 PMID:40487237	research paper	本文提出了一种尺度等变的基于模型的深度学习方法，用于多光谱光声断层扫描的图像重建	提出了一种尺度等变的基于模型的重建算子，能够根据输入正弦图的范数自动调整正则化强度，并促进了使用固定范数输入正弦图的监督深度学习	未提及具体的数据集或实验规模限制	优化多光谱光声断层扫描的图像重建质量	多光谱光声断层扫描的图像重建	digital pathology	NA	多光谱光声断层扫描	scale-equivariant model-based reconstruction operator	image	NA
7114	2025-06-12	Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models? 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110402 PMID:40412084	meta-analysis	该论文通过荟萃分析评估了基于深度学习的肺栓塞检测模型的性能，并比较了CNN和U-Net架构的诊断效果	首次通过荟萃分析比较了CNN和U-Net在肺栓塞检测中的性能差异，并提供了两种架构的互补优势证据	研究间存在高度异质性（I2≈97%），且假设了50%的肺栓塞患病率可能影响结果准确性	评估深度学习算法在CT肺动脉造影中检测肺栓塞的诊断效能	深度学习模型（特别是CNN和U-Net架构）在肺栓塞检测中的应用	digital pathology	pulmonary embolism	CTPA	CNN, U-Net	medical imaging	24项研究（共22,984名患者）
7115	2025-06-12	Artificial intelligence in resuscitation: a scoping review 2025-Jul, Resuscitation plus IF:2.1Q2 DOI:10.1016/j.resplu.2025.100973 PMID:40486106	综述	本文通过范围综述方法，探讨了人工智能在心脏骤停复苏领域的应用现状和研究缺口	首次系统性梳理了AI在复苏领域的应用范围和方法学特征，并识别出关键研究缺口	纳入研究多为回顾性分析(90%)，仅含2项随机对照试验，外部验证和实际临床应用有限	绘制AI在心脏骤停和复苏领域应用的研究图谱并识别未来研究方向	人工智能在心脏骤停预测、心律分类和复苏后预后评估中的应用	医疗人工智能	心脏骤停	机器学习(50%)、深度学习、自然语言处理	NA	临床数据	197项符合纳入标准的研究(从4046篇文献中筛选)
7116	2025-06-12	Intermuscular adipose tissue and lean muscle mass assessed with MRI in people with chronic back pain in Germany: a retrospective observational study 2025-Jul, The Lancet regional health. Europe DOI:10.1016/j.lanepe.2025.101323 PMID:40487774	研究论文	本研究通过MRI评估了德国慢性背痛患者的肌肉间脂肪组织和瘦肌肉质量，并探讨了它们与慢性背痛的关联	首次在大规模人群中使用全身MRI数据量化肌肉间脂肪组织和瘦肌肉质量，并分析其与慢性背痛的关联	横断面研究设计无法确定因果关系	探讨肌肉组成与慢性背痛之间的关联	30,868名德国国家队列(NAKO)参与者	医学影像分析	慢性背痛	全身MRI扫描和深度学习模型	深度学习模型	MRI图像数据	30,868名参与者(其中27,518人纳入最终分析)
7117	2025-06-12	Annotating the microbial dark matter with HiFi-NN 2025-Jun-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112480 PMID:40491481	research paper	本文介绍了一种名为HiFi-NN的计算方法，用于更精确地注释蛋白质序列的酶功能	HiFi-NN方法在酶委员会（EC）编号的第4级注释上比现有深度学习方法具有更高的精确度和召回率，并且能够在比BLASTp更低的序列相似性下正确识别EC编号	NA	提高蛋白质序列酶功能注释的准确性	蛋白质序列	bioinformatics	NA	HiFi-NN (Hierarchically-Finetuned Nearest Neighbor search)	NN (Nearest Neighbor)	protein sequences	NA
7118	2025-06-12	Atom Identification in Bilayer Moiré Materials with Gomb-Net 2025-Jun-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01460 PMID:40454431	research paper	该文章提出了一种名为Gomb-Net的深度学习方法，用于识别双层扭曲异质结构中各层原子的位置和种类，从而解析莫尔图案	开发了Gomb-Net模型，能够识别双层扭曲异质结构中各层原子的位置和种类，解决了莫尔图案带来的复杂性	NA	开发一种方法以识别双层扭曲异质结构中各层原子的位置和种类	双层扭曲异质结构中的原子位置和种类	machine learning	NA	scanning transmission electron microscopy	Gomb-Net	image	NA
7119	2025-06-12	Implicit neural representation for medical image reconstruction 2025-Jun-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addfa5 PMID:40456260	综述	本文全面回顾了基于隐式神经表示（INR）的医学图像重建技术，强调了其对领域的日益增长的影响	INR通过将底层信号建模为空间坐标的函数，提供了灵活且连续的图像表示，能够比传统离散方法更有效地捕捉精细细节和复杂结构	需要讨论INR在医学图像重建中的优势和局限性，以及未来研究方向	探讨INR在医学图像重建中的应用及其潜力	医学图像重建技术	数字病理	NA	隐式神经表示（INR）	NA	图像	NA
7120	2025-06-12	Predicting survival rates of critically ill septic patients with heart failure using interpretable machine learning models 2025-Jun-11, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251346284 PMID:40495578	research paper	开发了一个可解释的预测模型，用于预测患有心力衰竭的脓毒症危重患者的生存率	首次为心力衰竭合并脓毒症的危重患者开发了一个可解释的生存率预测模型，并采用了SHAP方法解释模型	研究依赖于MIMIC数据库的数据，可能存在数据偏差	预测心力衰竭合并脓毒症危重患者的28天生存率	心力衰竭合并脓毒症的危重患者	machine learning	cardiovascular disease	Deep Learning Survival (DeepSurv), SHAP	DeepSurv	clinical data	11,778名患者