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
541	2025-10-07	Discovering effect of intuitionistic fuzzy transformation in multi-layer perceptron for heart disease prediction: a study 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2284095 PMID:38013456	研究论文	本研究探索直觉模糊变换在多层感知器心脏病预测中的应用效果	将直觉模糊集理论引入特征工程，同时考虑隶属度和非隶属度两种不确定性，相比传统模糊集仅考虑单一不确定性具有创新性	NA	通过直觉模糊变换改进特征表示，提高心脏病预测的准确性	心脏病患者的临床参数	机器学习	心血管疾病	直觉模糊变换，模糊集理论	MLP	临床参数数据	NA	NA	多层感知器	NA	NA
542	2025-10-07	Enhancing drug discovery in schizophrenia: a deep learning approach for accurate drug-target interaction prediction - DrugSchizoNet 2025-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2282951 PMID:38375638	研究论文	提出一种名为DrugSchizoNet的深度学习模型，用于精神分裂症药物靶点相互作用的精准预测	结合LSTM和全连接层处理序列数据，采用OB-MOA优化超参数，有效解决数据不平衡、噪声和过拟合问题	仅针对精神分裂症疾病，未验证在其他疾病上的泛化能力	提升精神分裂症药物发现过程中的药物靶点相互作用预测准确性	药物靶点相互作用数据	机器学习	精神分裂症	深度学习	LSTM, FC	药物相关数据	来自DrugBank和repoDB数据库的药物数据	NA	LSTM, 全连接网络	准确率, 召回率, 特异性, 精确率, F1分数, AUPR, AUROC	NA
543	2025-10-07	Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning 2025-Feb, British journal of neurosurgery IF:1.0Q3 DOI:10.1080/02688697.2022.2151565 PMID:36458628	研究论文	本研究使用深度学习和迁移学习预测神经外科住院患者的出院时间和出院目的地等临床结局	首次将迁移学习应用于神经外科住院患者的自由文本医疗数据，通过每日查房记录实现动态预测	研究样本量相对有限（1341例住院记录），仅基于单中心数据	开发能够辅助神经外科出院规划的住院患者结局预测模型	神经外科住院患者	自然语言处理	神经外科疾病	深度学习	人工神经网络	文本数据（入院记录和查房记录）	1341例住院记录	NA	人工神经网络	AUC	NA
544	2025-10-07	Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooaf007 PMID:40008184	研究论文	本研究开发了用于检测西班牙语推文中关于COVID-19疫苗接种立场的深度学习模型	首次针对西班牙语推文开发立场检测模型，填补了非英语社交媒体分析的研究空白	语言特定嵌入模型未能超越多语言嵌入或TF-IDF特征，因为BERT或RoBERTa嵌入不熟悉Twitter常用俚语和疫情期间特定语境	开发西班牙语社交媒体帖子的立场检测模型	关于COVID-19疫苗接种的西班牙语推文	自然语言处理	COVID-19	深度学习，文本挖掘	BERT, BiLSTM, RoBERTa, SVM	文本	6170条推文（2020年3月1日至2022年1月4日期间发布）	NA	BERT-Multi+BiLSTM, BETO+BiLSTM, RoBERTa BNE-LSTM	F1分数, Matthews相关系数, AUC	NA
545	2025-10-07	Application of deep learning algorithm for judicious use of anti-VEGF in diabetic macular edema 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87290-3 PMID:39915516	研究论文	开发混合深度学习模型预测糖尿病黄斑水肿患者对抗VEGF治疗的反应	首次结合OCT图像和临床数据构建混合深度学习模型，用于预测抗VEGF治疗反应	样本量较小（181例患者），需进一步验证	提高抗VEGF治疗在糖尿病黄斑水肿中的精准应用	糖尿病黄斑水肿患者	医学影像分析	糖尿病黄斑水肿	光学相干断层扫描（OCT）	CNN, MLP	图像, 表格数据	181例患者	NA	卷积神经网络, 多层感知器	准确率, 精确率, 召回率, AUC-ROC	NA
546	2025-10-07	A deep learning approach for automatic 3D segmentation of hip cartilage and labrum from direct hip MR arthrography 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-86727-z PMID:39920175	研究论文	本研究开发了一种基于卷积神经网络的自动3D分割方法，用于从髋关节MR关节造影中分割髋关节软骨和盂唇	首次使用U-Net架构的CNN实现髋关节软骨和盂唇的完全自动3D分割，并在外部数据集上验证了模型泛化能力	回顾性单中心研究，样本量相对有限，外部验证数据集较小	开发自动分割髋关节软骨和盂唇的深度学习模型	髋关节软骨和盂唇	医学影像分析	髋关节疾病	MR关节造影，3D T1 mapping序列，3D T2加权序列	CNN	3D MRI图像	100名有症状患者（训练80例，测试20例），外部验证40名患者	NA	U-Net	Dice相似系数	NA
547	2025-10-07	Deep learning-based prediction of autoimmune diseases 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88477-4 PMID:39920178	研究论文	本研究提出两种深度学习模型用于预测T细胞介导的自身免疫性疾病	开发了基于卷积神经网络的AutoY模型和集成注意力机制的双向LSTM模型LSTMY，首次将T细胞受体数据用于自身免疫性疾病预测	仅针对四种自身免疫性疾病进行验证，未涵盖所有自身免疫性疾病类型	利用深度学习技术预测自身免疫性疾病	T细胞介导的自身免疫性疾病	机器学习	自身免疫性疾病	T细胞受体测序	CNN, LSTM	生物序列数据	NA	NA	卷积神经网络, 双向LSTM	AUC	NA
548	2025-10-07	A comprehensive analysis of deep learning and transfer learning techniques for skin cancer classification 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82241-w PMID:39920179	研究论文	本研究系统分析深度学习和迁移学习技术在皮肤癌分类中的应用，提出有效的皮肤病变图像分类方法	比较三种不同策略：微调预训练网络、预训练网络作为特征提取器结合机器学习分类器、多预训练网络特征融合结合机器学习分类器	仅使用单一数据集（ISIC 2018），仅区分良性和恶性两类皮肤病变	开发准确的皮肤癌自动分类方法以辅助早期诊断	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	深度学习，迁移学习	CNN	图像	ISIC 2018数据集中的3300张皮肤疾病图像	NA	VGG19, ResNet18, MobileNet_V2	准确率	NA
549	2025-10-07	Advanced AI-driven detection of interproximal caries in bitewing radiographs using YOLOv8 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84737-x PMID:39920198	研究论文	本研究开发了一种基于YOLOv8算法的AI模型，用于改进咬翼片中邻面龋齿的检测	首次将YOLOv8算法应用于邻面龋齿检测，在咬翼片上实现了高精度的自动检测	回顾性研究，样本量相对有限（552张X光片），仅在一家医疗机构进行验证	开发深度学习AI模型以提高邻面龋齿的诊断准确性	咬翼X光片中的邻面龋齿病变	计算机视觉	龋齿	X射线成像	YOLOv8	医学影像	552张X光片，包含1,506个标注图像	PyTorch	YOLOv8	精确率, 召回率, F1分数	NA
550	2025-10-07	FoxA1 knockdown promotes BMSC osteogenesis in part by activating the ERK1/2 signaling pathway and preventing ovariectomy-induced bone loss 2025-02-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88658-1 PMID:39920313	研究论文	本研究通过敲低FOXA1基因促进骨髓间充质干细胞成骨分化并激活ERK1/2信号通路，从而预防卵巢切除诱导的骨质疏松	首次发现FOXA1在骨质疏松中的关键作用，并证明其敲低可通过激活ERK1/2通路促进BMSC成骨分化	研究主要基于小鼠模型，临床转化价值需进一步验证	探索FOXA1基因在骨质疏松发病机制中的作用及治疗潜力	人骨髓间充质干细胞(hBMSCs)和卵巢切除小鼠模型	分子生物学	骨质疏松	随机游走算法,GO富集分析,免疫组化,Western blot,qRT-PCR,慢病毒转染,显微CT	NA	基因表达数据,蛋白质表达数据,影像学数据	NA	NA	NA	基因相似性评分,ALP活性,矿物质沉积量,骨密度测量	NA
551	2025-10-07	Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics 2025-02, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00904-z PMID:39880907	研究论文	开发结合空间转录组学和图神经网络的神经病理学空间转录组分析(NePSTA)方法，用于中枢神经系统肿瘤的精确诊断	首次将空间转录组学与图神经网络结合应用于神经病理诊断，能够从单个5微米组织切片同时进行形态学和分子评估	需要进一步验证在更广泛样本和医疗中心的应用效果	提高中枢神经系统肿瘤常规诊断的准确性	中枢神经系统恶性肿瘤患者和健康捐赠者的组织样本	数字病理	中枢神经系统肿瘤	空间转录组学, DNA甲基化分析, 下一代测序(NGS)	图神经网络(GNN)	空间转录组数据, 组织图像	来自4个医疗中心的130名参与者	NA	图神经网络	准确率	NA
552	2025-10-07	Depression diagnosis: EEG-based cognitive biomarkers and machine learning 2025-02-26, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.115325 PMID:39515528	综述	探讨基于EEG的认知生物标志物和机器学习在抑郁症诊断中的应用	整合EEG生物标志物与机器学习方法，强调其在优化个性化治疗方案和提高诊断准确性方面的潜力	NA	研究抑郁症诊断的新兴生物标志物和计算方法	抑郁症患者和EEG数据	机器学习	抑郁症	EEG	机器学习,深度学习	EEG数据	NA	NA	NA	诊断准确性	NA
553	2025-10-07	Semantic Segmentation of TB in Chest X-rays: a New Dataset and Generalization Evaluation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047222 PMID:40224922	研究论文	本文提出一个新的肺结核胸部X光分割数据集，并评估多种语义分割模型在肺结核检测任务中的泛化性能	创建了TB-Portals SIFT数据集（包含6,328张图像和10,435个伪标签病灶实例），并首次系统评估了UNet和YOLOv8-seg架构在肺结核分割任务中的表现，证明了基于分割的方法比传统分类器具有更好的泛化能力	数据集使用伪标签而非专家手动标注，可能包含标注误差；模型泛化能力评估仅限于相关任务	开发能够实现肺结核病灶语义分割的深度学习模型，提高肺结核自动诊断的可解释性和泛化能力	胸部X光图像中的肺结核病灶	计算机视觉	肺结核	胸部X光成像	CNN, 语义分割模型	医学图像	6,328张胸部X光图像，包含10,435个伪标签病灶实例	PyTorch	UNet, nnUNet, YOLOv8-seg, DenseNet121	分割性能指标，分类准确率，目标检测性能	NA
554	2025-10-07	OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis 2025-Feb-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91914-z PMID:40021723	研究论文	提出一种基于树莓派的低成本便携式医疗设备框架OVision，用于辅助癌症病理诊断	利用树莓派开发无需互联网连接和高性能基础设施的独立诊断设备，显著降低成本同时保持诊断准确性	目前仅针对卵巢癌亚型进行概念验证，需要进一步验证在其他癌症类型的适用性	开发低成本便携式医疗设备以改善资源有限地区的癌症诊断可及性	卵巢癌组织病理切片	数字病理	卵巢癌	深度学习	NA	组织病理图像	NA	NA	NA	准确率	树莓派
555	2025-10-07	Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84497-8 PMID:39900572	研究论文	提出基于三维自适应图卷积神经网络的脑电图分类模型用于精神分裂症识别	首次将三维空间特征与自适应图卷积结合，能动态学习脑网络节点间相互作用	未明确说明样本量大小和模型泛化能力验证	开发精神分裂症的早期诊断和识别方法	首发精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图信号分析	图卷积神经网络, 图注意力网络	脑电图信号	NA	NA	3D-AGCN, GAT+GCN	分类准确率	NA
556	2025-10-07	A Deep Learning Approach to Multi-Fiber Parameter Estimation and Uncertainty Quantification in Diffusion MRI 2025-Feb-28, ArXiv PMID:40061116	研究论文	提出一种基于深度学习的扩散MRI多纤维参数估计与不确定性量化方法	将多纤维参数推断任务分解为一系列可管理的子问题，并利用针对问题特定结构和对称性设计的深度神经网络进行求解	未明确说明方法在低信噪比条件下的具体表现限制	开发可靠且计算高效的扩散MRI生物物理模型参数推断方法	脑白质纤维微观结构	医学影像分析	NA	扩散MRI	深度神经网络	医学影像数据	人类连接组计划(HCP)的真实成像数据	NA	NA	参数估计精度、不确定性量化	NA
557	2025-10-07	Comparison of 7 artificial intelligence models in predicting venous thromboembolism in COVID-19 patients 2025-Feb, Research and practice in thrombosis and haemostasis IF:3.4Q1 DOI:10.1016/j.rpth.2025.102711 PMID:40212774	研究论文	比较7种人工智能模型在预测COVID-19患者静脉血栓栓塞方面的性能	首次在大型多中心COVID-19数据集上系统比较7种AI模型对VTE的预测能力	研究基于观察性数据，可能存在未测量的混杂因素	比较不同AI模型预测COVID-19患者静脉血栓栓塞的效果	COVID-19患者	机器学习	COVID-19	递归特征消除	多层感知器分类器,人工神经网络,极端梯度提升,支持向量分类器,随机梯度下降分类器,随机森林分类器,逻辑回归分类器	临床数据	8027名患者（2649名用于测试）	NA	NA	准确率,精确率,召回率,F1分数,对数损失,AUC	NA
558	2025-04-12	Integrating artificial intelligence with endoscopic ultrasound in the early detection of bilio-pancreatic lesions: Current advances and future prospects 2025-Feb, Best practice & research. Clinical gastroenterology DOI:10.1016/j.bpg.2025.101975 PMID:40210329	综述	本文综述了人工智能（AI）与内镜超声（EUS）结合在胆胰病变早期检测中的当前进展和未来前景	AI驱动的模型（如机器学习和深度学习）显著提高了诊断准确性，特别是在区分胰腺导管腺癌与良性病变及胰腺囊性肿瘤的特征分析方面	数据标准化、模型可解释性以及数据隐私的伦理问题仍是挑战	探讨AI与EUS结合在胆胰病变早期检测和管理中的潜力	胆胰病变，包括胰腺导管腺癌（PDAC）、良性病变及胰腺囊性肿瘤	数字病理	胰腺癌	机器学习和深度学习	CNN	图像	NA	NA	NA	NA	NA
559	2025-04-09	Deep learning-based hyperspectral technique identifies metastatic lymph nodes in oral squamous cell carcinoma-A pilot study 2025-Feb, Oral diseases IF:2.9Q1 DOI:10.1111/odi.15067 PMID:39005220	研究论文	本研究基于高光谱成像和深度学习技术，开发了一种用于检测口腔鳞状细胞癌转移淋巴结中癌细胞的系统	采用改进的ResUNet算法分析癌细胞与淋巴细胞以及肿瘤组织与正常组织之间的光谱曲线差异	研究样本量较小，仅为45例口腔鳞状细胞癌患者的转移淋巴结	建立一种高精度、高效率的病理诊断方法，用于识别口腔鳞状细胞癌转移淋巴结中的肿瘤组织	45例口腔鳞状细胞癌(OSCC)患者的转移淋巴结连续切片	数字病理	口腔鳞状细胞癌	高光谱成像	改进的ResUNet	高光谱图像	45例OSCC患者的转移淋巴结	NA	NA	NA	NA
560	2025-10-07	Binding mechanism of inhibitors to DFG-in and DFG-out P38α deciphered using multiple independent Gaussian accelerated molecular dynamics simulations and deep learning 2025-Feb, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2025.2475407 PMID:40110797	研究论文	通过高斯加速分子动力学模拟和深度学习解析抑制剂与DFG-in/DFG-out P38α的结合机制	结合多种独立高斯加速分子动力学模拟、深度学习和MM-GBSA方法系统研究P38α不同构象对抑制剂结合的影响	NA	阐明P38α不同构象（DFG-in和DFG-out）对抑制剂结合机制的影响	P38α激酶及其抑制剂（SB2、SK8、BMU）	计算生物学	多种疾病（文中未指定具体疾病）	高斯加速分子动力学模拟、深度学习、MM-GBSA方法	深度学习模型	分子动力学轨迹数据	三种抑制剂（SB2、SK8、BMU）与P38α两种构象的组合	NA	NA	结合自由能、范德华相互作用能	NA