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
11961	2025-04-12	Prediction models for sleep quality among frontline medical personnel during the COVID-19 pandemic: cross-sectional study based on internet new media 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1406062 PMID:40206166	研究论文	本研究通过横断面调查和多种预测模型，探讨了COVID-19疫情期间上海一线医务人员的睡眠质量及其影响因素	首次在COVID-19疫情期间对医务人员睡眠质量进行多模型预测比较，发现深度学习模型具有最佳预测性能	研究采用横断面设计，无法确定因果关系；样本仅来自上海地区，可能限制结果的普适性	分析影响医务人员睡眠质量的因素并开发预测模型，为制定干预策略提供依据	COVID-19疫情期间上海一线医务人员	机器学习	COVID-19	问卷调查（PSQI量表）、多变量逐步逻辑回归分析	LG, DL, NB, ANN, RF, GBT	问卷数据	训练测试集1060人，独立验证集266人
11962	2025-04-12	Beyond plaque segmentation: a combined radiomics-deep learning approach for automated CAD-RADS classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1536239 PMID:40206480	研究论文	本研究开发了一种结合放射组学和自编码器特征的机器学习方法，用于从心脏计算机断层扫描图像中自动评估冠状动脉狭窄程度	首次探索了结合放射组学和自编码器特征的方法进行狭窄程度评估	未提及具体局限性	开发自动化冠状动脉狭窄程度评估方法	冠状动脉疾病患者的计算机断层扫描图像	数字病理学	心血管疾病	放射组学分析和自编码器特征提取	随机森林分类器	医学影像	220名患者的2548张心脏计算机断层扫描图像
11963	2025-04-12	Utility of osteoporosis screening based on estimation of bone mineral density using bidirectional chest radiographs with deep learning models 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1499670 PMID:40206487	研究论文	本研究探讨了利用深度学习模型通过双向胸部X光片估计骨密度（BMD）进行骨质疏松筛查的临床效用	提出了一种基于双向胸部X光片（正面和侧面）的深度学习模型，用于估计骨密度并进行骨质疏松筛查，相比单视角X光片提高了准确度	研究样本仅来自单一医疗机构，可能影响结果的普遍性	评估基于双向胸部X光片和深度学习的骨质疏松筛查方法的临床效用	1624名年龄≥20岁、接受过DXA和双向胸部X光检查的患者	数字病理学	骨质疏松症	深度学习	Inception-ResNet-V2	图像	1624名患者
11964	2025-04-12	CNN-TumorNet: leveraging explainability in deep learning for precise brain tumor diagnosis on MRI images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1554559 PMID:40206584	研究论文	本文提出了一种名为CNN-TumorNet的卷积神经网络，用于在MRI图像上精确诊断脑肿瘤，并通过LIME技术增强模型的可解释性	结合LIME技术提升深度学习模型的可解释性，使其在保持高准确率的同时更易于临床医生理解和接受	深度学习模型仍存在'黑箱'问题，尽管使用了LIME，医生可能仍难以完全信任和理解模型的决策过程	开发一种高精度且可解释的深度学习模型，用于脑肿瘤的早期诊断	MRI图像中的脑肿瘤	数字病理学	脑肿瘤	MRI	CNN	图像	NA
11965	2025-04-12	A feasibility study of deep learning prediction model for VMAT patient-specific QA 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1509449 PMID:40206587	研究论文	本研究介绍了一种深度学习模型，利用治疗计划系统(TPS)和蒙特卡洛(MC)模拟的独立剂量验证软件计算的剂量，旨在更准确地预测VMAT患者特定QA中的伽马通过率(GPR)	使用深度学习模型结合TPS和MC模拟数据预测GPR，提高了预测的准确性和效率	研究仅基于710个临床VMAT计划，样本量可能不足以覆盖所有临床情况	提高VMAT患者特定质量保证(QA)的效率和准确性	710个临床VMAT计划	机器学习	NA	蒙特卡洛模拟	CNN	剂量分布数据	710个临床VMAT计划
11966	2025-04-12	Deep learning for steganalysis: evaluating model robustness against image transformations 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1532895 PMID:40206705	research paper	本研究评估了基于深度学习的隐写分析模型在常见图像变换下的鲁棒性	首次系统地评估了多种深度学习模型在图像变换下的隐写分析性能，并比较了它们的鲁棒性	仅评估了有限的图像变换类型，未考虑更复杂的现实场景	评估深度学习模型在图像变换条件下的隐写分析性能	五种深度学习模型（EfficientNet、SRNet、ResNet、Xu-Net和Yedroudj-Net）	computer vision	NA	深度学习	EfficientNet, SRNet, ResNet, Xu-Net, Yedroudj-Net	图像	BOSSBase数据集
11967	2025-04-12	Identification of FDFT1 and PGRMC1 as New Biomarkers in Nonalcoholic Steatohepatitis (NASH)-Related Hepatocellular Carcinoma by Deep Learning 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S505752 PMID:40206734	研究论文	本研究通过深度学习等方法筛选出NASH相关肝癌的新型生物标志物FDFT1和PGRMC1	首次结合深度学习、WGCNA和PPI网络筛选NASH相关肝癌特征基因，并验证FDFT1和PGRMC1的诊断价值	研究主要基于小鼠模型，需要进一步在人类样本中验证	探索NASH相关肝癌的新型生物标志物	NAFLD小鼠模型和NASH相关肝癌特征基因	生物信息学	肝癌	深度学习、WGCNA、PPI网络、实时定量PCR、单细胞测序	NNs	基因组数据	NAFLD小鼠模型
11968	2025-04-12	Deep learning-enabled transformation of anterior segment images to corneal fluorescein staining images for enhanced corneal disease screening 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.02.039 PMID:40206787	研究论文	开发了一种基于GAN的人工智能系统Gancor，用于将眼前段图像转化为角膜荧光素染色图像，以增强角膜疾病的筛查	利用GAN将AS图像转化为CFS图像，提高了远程诊断的效率和准确性	样本主要来自特定医院和地区，可能影响模型的泛化能力	开发一种远程诊断角膜疾病的系统	9669张眼前段图像和对应的角膜荧光素染色图像，以及967对通过智能手机拍摄的AS-CFS图像	数字病理学	角膜疾病	GAN	GAN	图像	9669张AS图像和对应的CFS图像，以及967对AS-CFS图像
11969	2025-04-12	NeuroFusionNet: cross-modal modeling from brain activity to visual understanding 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1545971 PMID:40207297	research paper	本文提出了一种创新的深度学习模型NeuroFusionNet，通过整合fMRI信号与图像特征来增强对视觉信息的理解	引入了Mutli-scale fMRI Timeformer模块和fMRI-guided loss函数，有效整合图像与大脑活动信息	NA	通过整合fMRI信号与图像特征来增强对视觉信息的理解	fMRI信号和图像特征	machine learning	NA	fMRI	NeuroFusionNet, Mutli-scale fMRI Timeformer	image, fMRI信号	NA
11970	2025-04-11	A high-performance broadband polarization-sensitive photodetector based on BiSeS nanowires 2025-Apr-10, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr05031b PMID:40105281	research paper	该论文报道了一种基于BiSeS纳米线的高性能宽带偏振敏感光电探测器的设计与制备	通过化学气相传输法制备BiSeS纳米线，解决了BiSe基器件中固有缺陷和态的问题，实现了从紫外C到近红外的宽带波长区域的光响应，并展示了优异的偏振敏感性	未提及具体的大规模生产可行性或长期稳定性测试	设计和制备高性能宽带偏振敏感光电探测器	BiSeS纳米线	材料科学	NA	化学气相传输法	NA	光学性能数据	未明确提及具体样本数量
11971	2025-04-11	Brain tumor detection using hybrid transfer learning and patch antenna-enhanced microwave imaging 2025-Apr-10, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251325740 PMID:40208040	研究论文	该研究提出了一种结合混合迁移学习和贴片天线增强微波成像的创新技术，用于脑肿瘤的非侵入性和实时检测	结合预训练深度学习方法的特殊特征提取能力和贴片天线的高分辨率成像能力，提出了一种新的脑肿瘤检测技术	未提及具体样本量或临床验证的详细结果	开发一种非侵入性和实时检测脑肿瘤的新方法	脑肿瘤	计算机视觉	脑肿瘤	微波成像	MobileNet V2	图像	NA
11972	2025-04-11	Automatic Cry Analysis: Deep Learning for Screening of Autism Spectrum Disorder in Early Childhood 2025-Apr-10, Journal of autism and developmental disorders IF:3.2Q1 DOI:10.1007/s10803-025-06811-1 PMID:40208423	研究论文	本研究通过深度学习技术分析儿童哭声的声学特征，以支持自闭症谱系障碍（ASD）的早期筛查	利用递归卷积神经网络（R-CNN）对ASD和典型发育（TD）儿童的哭声进行分类，准确率达到90.28%	样本量较小，仅包括31名ASD儿童和31名TD儿童	开发基于哭声的非侵入性AI工具，以促进ASD的早期检测和干预	18至54个月大的ASD和TD儿童	机器学习	自闭症谱系障碍	深度学习	R-CNN	音频	62名儿童（31名ASD和31名TD）
11973	2025-04-11	Development and Validation of an Early Recurrence Prediction Model for High-Grade Glioma Integrating Temporalis Muscle and Tumor Features: Exploring the Prognostic Value of Temporalis Muscle 2025-Apr-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01491-w PMID:40205255	research paper	开发并验证了一个整合颞肌和肿瘤特征的高级别胶质瘤早期复发预测模型，探讨了颞肌指标的预后价值	首次将颞肌指标与肿瘤特征结合，构建了预测高级别胶质瘤早期复发的综合模型，并验证了颞肌指标的独立预后价值	样本量较小（71例），且数据来源于单一医疗机构和公开数据集，可能存在选择偏倚	开发高级别胶质瘤早期复发预测模型并评估颞肌指标的预后价值	71例经分子确认的高级别胶质瘤患者	digital pathology	brain tumor	深度学习分割、放射组学特征提取	HistGradientBoosting	MRI影像	71例高级别胶质瘤患者（含本地数据和TCIA RHUH-GBM数据集）
11974	2025-04-11	Accurate and Rapid Prediction of Protein pKa: Protein Language Models Reveal the Sequence-pKa Relationship 2025-Apr-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01288 PMID:40138263	研究论文	介绍了一种名为pKALM的新型深度学习方法，用于高通量蛋白质pKa预测	利用蛋白质语言模型(PLM)捕捉蛋白质复杂的序列-结构关系，并发现预测的蛋白质等电点(pI)可提高pKa预测的准确性	方法存在一定约束条件，具体在案例研究中有所体现	开发高效准确的蛋白质pKa预测工具	蛋白质的六种残基(Asp, Glu, His, Lys, Cys, Tyr)和两个末端	计算生物学	NA	蛋白质语言模型(PLM)	深度学习	蛋白质序列数据	人类蛋白质组的高通量预测
11975	2025-04-11	Rapid dose prediction for lung CyberKnife radiotherapy plans utilizing a deep learning approach by incorporating dosimetric features delivered by noncoplanar beams 2025-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/adc697 PMID:40153867	研究论文	本研究提出了一种结合CyberKnife非共面束剂量特征的深度学习方法，用于快速预测肺癌患者的放疗剂量分布	将几何和剂量特征驱动的深度学习剂量计算方法扩展到CyberKnife应用场景，显著提高了剂量预测精度	未明确说明样本量大小及模型在其他癌症类型中的泛化能力	开发一种快速准确的CyberKnife放疗计划剂量预测方法	肺癌患者的CyberKnife放疗计划	数字病理	肺癌	深度学习	深度学习模型（未指定具体类型）	CT图像和剂量特征数据	NA
11976	2025-04-11	The Future of Medicine: AI and ML Driven Drug Discovery Advancements 2025-Apr-08, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266346722250401191232 PMID:40207759	review	本文回顾了人工智能和机器学习在药物设计领域的应用及其未来发展趋势	介绍了AI和ML如何通过整合大数据提高计算机辅助药物设计的效率和准确性，以及深度学习在处理复杂非线性数据中的作用	未具体提及研究中的局限性	探讨AI和ML在药物发现领域的应用及其对医疗保健的变革	药物设计领域的技术和方法	machine learning	NA	Computer-Aided Drug Design (CADD), Structure based drug design (SBDD), Ligand based drug design (LBDD), Pharmacophore modelling, PBPK modeling, nano-QSAR	Deep Learning (DL)	big data	NA
11977	2025-04-11	AI-based automatic estimation of single-kidney glomerular filtration rate and split renal function using non-contrast CT 2025-Apr-07, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-01959-x PMID:40192862	research paper	本研究利用人工智能和非对比CT技术自动估计单肾肾小球滤过率和分肾功能	采用深度学习和放射组学特征结合临床特征，通过非对比CT估计肾功能，避免了SPECT的放射性、复杂性和高成本	研究仅针对萎缩肾或肾积水患者，样本量有限（245例）	开发一种无创、高效且低成本的肾功能评估方法	萎缩肾或肾积水患者	digital pathology	kidney disease	non-contrast CT, deep learning, radiomics	multivariable linear regression (MLR)	CT图像	245例患者（训练集128例，测试集117例）
11978	2025-04-11	Enabling new insights from old scans by repurposing clinical MRI archives for multiple sclerosis research 2025-Apr-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-58274-8 PMID:40195318	research paper	开发了一种名为MindGlide的深度学习模型，用于从任何单一MRI对比中提取脑区和白质病变体积，以促进多发性硬化症研究	MindGlide模型能够从单一MRI对比中提取脑区和白质病变体积，突破了传统多对比协议的限制，使得大量单对比医院档案得以利用	模型虽然在多个数据集上进行了验证，但可能仍存在对某些特定MRI扫描仪或患者群体的适应性不足	促进多发性硬化症的临床研究和试验，通过深度学习模型利用现有单对比MRI档案	多发性硬化症患者的MRI扫描数据	digital pathology	multiple sclerosis	MRI, deep learning	deep learning model (MindGlide)	MRI scans	训练集：4247次脑MRI扫描，来自2934名MS患者，592台扫描仪；验证集：14,952次扫描，来自1,001名患者
11979	2025-04-11	The first urban open space product of global 169 megacities using remote sensing and geospatial data 2025-Apr-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-04924-x PMID:40195340	research paper	该研究利用深度学习和遥感数据，首次为全球169个特大城市制作了高分辨率的城市开放空间地图产品OpenspaceGlobal	首次采用基于微小人工标注策略的深度学习方法，为全球169个特大城市制作了1.19米分辨率的城市开放空间地图产品	城市开放空间的高类间相似性、复杂环境和尺度变化可能导致映射性能不尽如人意	填补全球主要城市缺乏城市开放空间地图产品的空白，促进对全球主要城市人造空间表面的更好理解	全球169个特大城市的城市开放空间	remote sensing	NA	深度学习，光学遥感影像	NA	光学遥感影像，众包地理空间数据	处理了超过8.5 TB的遥感图像和近9000万个众包地理空间数据多边形
11980	2025-04-11	Transformer-based deep learning ensemble framework predicts autism spectrum disorder using health administrative and birth registry data 2025-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90216-8 PMID:40195371	research paper	该研究开发了一个基于Transformer的深度学习集成框架，利用健康管理和出生登记数据预测自闭症谱系障碍（ASD）	结合极端梯度提升模型和大规模集成Transformer深度学习模型，利用可解释人工智能方法确定影响ASD风险的因素	模型的AUC为69.6%，特异度为56.9%，仍有提升空间	探索机器学习模型应用于健康管理和出生登记数据以早期识别ASD高风险儿童的可行性	2006年至2018年间加拿大安大略省707,274对母婴数据，其中10,956例ASD确诊儿童	machine learning	autism spectrum disorder	Extreme Gradient Boosting, Transformer	ensemble Transformer models	health administrative data, birth registry data	707,274 mother-offspring pairs (10,956 ASD cases)