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
141	2025-10-06	A deep learning approach to perform defect classification of freeze-dried product 2025-Feb-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.125127 PMID:39756597	研究论文	本研究开发了一种基于深度学习的冷冻干燥产品缺陷分类方法	提出了两种基于卷积神经网络的高分辨率图像处理方法，并实现了对关键缺陷的完美检测精度	NA	通过人工智能技术改进冷冻干燥产品的质量检测流程	冷冻干燥样品	计算机视觉	NA	深度学习，计算机视觉	CNN	图像	多个连续冷冻干燥样品（包含故意制造的缺陷样本和无缺陷样本）	NA	卷积神经网络	精确度，召回率，预测时间	NA
142	2025-10-06	Advances in antiviral strategies targeting mosquito-borne viruses: cellular, viral, and immune-related approaches 2025-02-04, Virology journal IF:4.0Q2 DOI:10.1186/s12985-025-02622-z PMID:39905499	综述	本文系统综述了针对蚊媒病毒的抗病毒策略研究进展，包括针对宿主细胞因子、病毒靶点和免疫调节的治疗方法	全面整合了针对宿主因子（脂质代谢、离子通道、蛋白酶体）和病毒靶点（NS2B-NS3蛋白酶、非结构蛋白）的新型抗病毒策略，并强调了药物重定位、生物信息学和人工智能在候选药物发现中的应用潜力	作为综述文章，未报告原始实验数据，主要基于现有文献分析	探讨针对蚊媒病毒的抗病毒治疗策略	蚊媒病毒，包括黄病毒科、披膜病毒科、布尼亚病毒科和呼肠孤病毒科的多种病毒	NA	蚊媒病毒感染	药物重定位、生物信息学、人工智能、深度学习	NA	文献数据	NA	NA	NA	NA	NA
143	2025-10-06	Recovery of GLRLM Features in Degraded Images using Deep Learning and Image Property Models 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047257 PMID:40727416	研究论文	提出一种基于深度学习的GLRLM特征恢复方法，用于改善医学图像放射组学特征的鲁棒性	首次将双域深度学习框架扩展到GLRLM特征恢复，并提出了GLRLM的可微分近似算法	研究仅针对肺部CT图像和COVID-19分类任务进行验证，未测试其他疾病类型	开发放射组学特征标准化方法以减少成像条件变化带来的特征变异	肺部CT图像块和GLRLM特征	计算机视觉	COVID-19	CT成像	深度学习	医学图像	NA	NA	双域深度学习网络	MSE, 准确率	NA
144	2025-10-06	Real-time intraoperative ultrasound registration for accurate surgical navigation in patients with pelvic malignancies 2025-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03299-5 PMID:39633142	研究论文	本研究开发并评估了多种实时术中超声配准方法，用于盆腔恶性肿瘤手术导航	开发了基于深度学习的实时术中超声骨骼和动脉分割方法，实现了快速准确的术中配准	术中超声存在用户依赖性，需要直观的软件支持才能达到最佳临床实施效果	开发准确快速的术中配准方法以改善盆腔恶性肿瘤手术导航效果	盆腔恶性肿瘤患者	医学影像分析	盆腔恶性肿瘤	术中超声，深度学习分割	深度学习	超声图像	30名患者	NA	NA	Dice系数，平均表面距离，目标配准误差	NA
145	2025-10-06	Alzheimer's Disease Detection in EEG Sleep Signals 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3478380 PMID:39392730	研究论文	本研究探索利用睡眠脑电图信号通过半监督深度学习技术早期检测阿尔茨海默病	首次将半监督深度学习应用于睡眠EEG信号的阿尔茨海默病检测，重点解决临床数据稀缺问题	数据可用性有限是主要限制因素	开发基于睡眠EEG信号的阿尔茨海默病早期检测方法	通过多导睡眠图采集的睡眠相关脑电图信号	机器学习	阿尔茨海默病	多导睡眠图，脑电图	半监督深度学习模型	脑电图信号	NA	NA	NA	准确率	NA
146	2025-10-06	Interpretable Dynamic Directed Graph Convolutional Network for Multi-Relational Prediction of Missense Mutation and Drug Response 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3483316 PMID:39423073	研究论文	提出一种可解释的动态有向图卷积网络框架，用于预测错义突变与药物反应之间的多关系	首次将动态有向图卷积网络应用于错义突变-药物反应预测，通过方向性图结构区分敏感性与耐药性关系，并集成加权机制提升模型可解释性	未明确说明模型在更大规模数据集上的泛化能力及计算效率	解决肿瘤异质性背景下错义突变与药物反应间的复杂关系预测问题	错义突变与药物反应间的多关系数据	机器学习	肿瘤癌症	图神经网络	GCN	图数据	NA	NA	动态有向图卷积网络	预测准确性, 可解释性评估	NA
147	2025-10-06	UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484951 PMID:39495690	研究论文	本研究提出UnBias方法评估深度学习模型中的偏见，并通过COVID-19检测案例研究分析不同神经网络架构的偏见影响	提出UnBias方法用于检测深度学习模型中偏见渗入学习过程的实例，揭示模型注意力从主要特征偏移的现象	NA	评估深度学习模型在医疗应用中的偏见及其伦理影响，推动公平可信AI发展	深度学习模型在医疗应用中的偏见表现	机器学习	COVID-19	深度学习	CNN	胸部X光扫描图像	来自多个公开数据库的胸部X光扫描数据集	NA	ResNet50V2, DenseNet121, InceptionV3, Xception	NA	NA
148	2025-10-06	Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3488274 PMID:39475731	研究论文	提出一种名为ReGraFT的新型序列到序列模型，用于COVID-19的长期预测	整合多图门控循环单元与自适应图结构，结合滞后政策数据，系统比较不同图类型	过度依赖历史COVID-19数据，对时滞数据的利用潜力有限	改进流行病传播预测的准确性和鲁棒性	美国各州的感染率、政策变化和州际旅行数据	机器学习	COVID-19	深度学习	Seq2Seq, GNN, RNN, Transformer	时间序列数据、图数据	NA	NA	多图门控循环单元(MGRU)、自归一化启动(SNP)层、全连接层、池化机制、注意力结构	均方根误差(RMSE)	NA
149	2025-10-06	DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy 2025-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3497591 PMID:40030194	研究论文	提出一种名为DSANIB的新方法，通过双视图协同注意力网络和信息瓶颈策略预测药物-靶点相互作用	结合双视图注意力网络显式学习药物-靶点对的局部相互作用，并采用信息瓶颈策略过滤冗余信息	NA	改进药物-靶点相互作用预测的准确性和可解释性	药物和靶点分子	机器学习	NA	深度学习	注意力网络	分子结构数据	NA	NA	双视图协同注意力网络	NA	NA
150	2025-07-23	Top-DTI: Integrating Topological Deep Learning and Large Language Models for Drug Target Interaction Prediction 2025-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.07.637146 PMID:39975019	研究论文	提出了一种名为Top-DTI的新框架，通过整合拓扑深度学习和大型语言模型来预测药物靶点相互作用	结合拓扑数据分析和大型语言模型，利用持久同源性提取蛋白质接触图和药物分子图像的拓扑特征，同时通过蛋白质和药物的大型语言模型生成语义丰富的嵌入	未提及具体局限性	提高药物靶点相互作用预测的准确性和鲁棒性，为药物发现提供计算支持	药物靶点相互作用	机器学习	NA	拓扑数据分析(TDA)、大型语言模型(LLMs)	Top-DTI	蛋白质接触图、药物分子图像、蛋白质序列、药物SMILES字符串	公共BioSNAP和Human DTI基准数据集	NA	NA	NA	NA
151	2025-07-23	Quantifying Nuclear Structures of Digital Pathology Images Across Cancers Using Transport-Based Morphometry 2025-Feb, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24917 PMID:39982036	研究论文	本文介绍了一种基于最优传输数学的新技术，用于直接从成像数据中建模与核染色质结构相关的信息内容	提出了一种基于最优传输的形态测量（TBM）框架，能够表示每个细胞核相对于模板细胞核的全部信息内容，且对不同染色模式和成像协议具有鲁棒性	NA	开发一种定量测量方法，用于在不同数据集和癌症类型之间进行有意义的比较	癌细胞核的形态学特征	数字病理学	癌症（包括肝癌、甲状腺癌、肺癌和皮肤癌等）	最优传输、特征提取、深度学习	TBM框架	图像	大型数据集（如TCGA和人类蛋白质图谱）	NA	NA	NA	NA
152	2025-10-06	3D convolutional deep learning for nonlinear estimation of body composition from whole body morphology 2025-Feb-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01469-6 PMID:39894882	研究论文	本研究提出使用3D卷积图网络和非线性高斯过程回归从全身形态估计身体成分的新方法	首次将深度3D卷积图网络应用于人体形状参数化和身体成分估计，相比传统线性方法显著提升预测精度	深度形状特征仅对男性显示出预测误差降低，数据集规模有限（4286个扫描）	开发非线性方法从3D光学图像准确预测身体成分	人体身体形状和成分	计算机视觉	NA	3D光学成像	3D CNN, GPR	3D图像	4286个身体扫描	NA	3D卷积图网络	R, RMSE, 预测误差, 精度误差	NA
153	2025-10-06	Mapping the topography of spatial gene expression with interpretable deep learning 2025-Feb, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02503-3 PMID:39849132	研究论文	开发了一种名为GASTON的无监督可解释深度学习算法，用于分析空间转录组数据并构建组织切片的地形图	提出了isodepth概念来量化空间基因表达模式，并开发了首个能同时学习isodepth、空间梯度和分段线性表达函数的深度学习算法	未明确说明算法对数据稀疏性的具体处理能力和计算效率	解决空间转录组数据稀疏性问题，准确识别空间基因表达模式	多种组织类型的空间转录组数据，包括大脑神经元和肿瘤微环境	空间转录组学	肿瘤	空间转录组技术	深度学习	空间基因表达数据	NA	NA	GASTON	空间域识别准确性，标记基因识别准确性	NA
154	2025-10-06	Noncoding variants and sulcal patterns in congenital heart disease: Machine learning to predict functional impact 2025-Feb-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111707 PMID:39877905	研究论文	本研究利用深度学习模型探讨先天性心脏病中非编码变异与脑沟模式的关系	首次将深度学习应用于预测非编码变异对基因调控信号的影响，并揭示其与先天性心脏病患者脑沟模式的关联	研究样本量有限，关联机制尚未通过实验验证	探究非编码变异对先天性心脏病患者脑发育的影响机制	先天性心脏病患者群体及其脑沟模式	机器学习	先天性心脏病	深度学习	深度学习模型	基因组数据，脑影像数据	先天性心脏病患者队列与无先天性心脏病对照队列	NA	NA	NA	NA
155	2025-10-06	Extended Technical and Clinical Validation of Deep Learning-Based Brainstem Segmentation for Application in Neurodegenerative Diseases 2025-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70141 PMID:39936343	研究论文	本研究优化并验证了基于深度学习的脑干分割方法在神经退行性疾病中的应用	针对多种病理类型和T1加权图像采集参数优化脑干分割，系统验证技术性能和临床适用性，并公开发布优化后的分割工具	样本量相对有限（总样本257例），验证主要针对特定神经退行性疾病	开发并验证适用于神经退行性疾病的自动化脑干分割方法	脑干结构及其在神经退行性疾病中的体积变化	医学影像分析	神经退行性疾病	T1加权磁共振成像	深度学习	医学影像	总样本257例，包括脑小血管病患者46例（重测信度）、20例（跨扫描仪重现性）、多系统萎缩患者16例（1年随访）、多发性硬化患者23例	NA	MD-GRU, nnU-Net	Dice系数, Bland-Altman一致性界限, 年体积变化百分比	NA
156	2025-10-06	Classification of schizophrenia, bipolar disorder and major depressive disorder with comorbid traits and deep learning algorithms 2025-Feb-05, Schizophrenia (Heidelberg, Germany) DOI:10.1038/s41537-025-00564-7 PMID:39910091	研究论文	本研究利用多基因风险评分和深度学习算法对精神分裂症、双相情感障碍和重度抑郁症进行分类和区分	首次证明仅使用共病性状的多基因风险评分即可有效分类和区分三种精神疾病，无需包含目标疾病自身的PRS	未明确说明样本来源和具体样本量，未详细描述深度学习模型的具体架构	评估共享遗传风险在精神疾病分类中的效用	精神分裂症、双相情感障碍和重度抑郁症患者及健康对照	机器学习	精神疾病	多基因风险评分	深度学习算法	遗传风险评分数据	NA	NA	NA	准确率,AUC	NA
157	2025-10-06	An empirical study of using radiology reports and images to improve intensive care unit mortality prediction 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae137 PMID:39980476	研究论文	本研究开发了一种基于深度学习的生存预测模型，利用多模态数据改善ICU死亡率预测	首次将放射学报告和胸部X光图像特征与传统生理测量相结合，通过多模态数据融合提升ICU死亡率预测性能	研究仅使用单一医疗数据集(MIMIC-IV)，未在其他独立数据集上验证模型泛化能力	通过整合多模态数据提高ICU患者死亡率预测的准确性	ICU患者	医疗人工智能	重症监护	深度学习，自然语言处理，医学影像分析	深度学习模型	结构化临床数据，放射学报告文本，胸部X光图像	MIMIC-IV数据集中的ICU患者样本	NA	BERT，图像特征提取网络	C-index，置信区间	NA
158	2025-10-06	ProtoSAM-2D: 2D Semantic Segment Anything Model with Mask-Level Prototype-Learning and Distillation 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047044 PMID:40678353	研究论文	提出ProtoSAM-2D模型，将语义能力集成到2D医学图像的交互式分割框架中	引入掩码级原型预测机制，通过将分割实例与学习原型进行比较来生成和分类特征表示，并采用蒸馏方法降低计算复杂度	仅针对2D医学图像，未涉及3D医学图像分割	开发适用于多样化医学成像场景的适应性语义分割方法	2D医学图像中的解剖结构和病理区域	数字病理	多器官分割	深度学习，原型学习	CNN, Transformer	医学图像	NA	PyTorch	SAM, SAM-Med2D	零样本学习，少样本学习	NA
159	2025-10-06	Automatic Segmentation of Quadriceps Femoris Cross-Sectional Area in Ultrasound Images: Development and Validation of Convolutional Neural Networks in People With Anterior Cruciate Ligament Injury and Surgery 2025-02, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.11.004 PMID:39581823	研究论文	开发并验证用于前交叉韧带损伤人群股四头肌横截面积超声图像自动分割的卷积神经网络模型	首次针对前交叉韧带损伤人群开发专用的肌肉横截面积自动分割模型，解决了现有健康人群模型在该特殊人群中的适用性问题	模型在某些情况下仍存在错误预测（17%-20%），需要人工干预排除错误结果	验证和开发适用于前交叉韧带损伤人群的股四头肌横截面积自动分割方法	前交叉韧带损伤患者的股四头肌（股外侧肌、股直肌、股内侧肌）超声图像	计算机视觉	前交叉韧带损伤	超声成像	CNN	图像	124名前交叉韧带损伤患者（430张股外侧肌图像、349张股直肌图像、723张股内侧肌图像），额外153名健康参与者数据用于部分模型训练，100张外部验证图像	NA	DeepACSA	ICC, 测量标准误差百分比, 平均差异	NA
160	2025-10-06	Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest 2025-Feb, CJC open IF:2.5Q2 DOI:10.1016/j.cjco.2024.10.012 PMID:40060210	研究论文	比较卷积神经网络和随机森林在减少心电图导联子集下对心律失常/心电图模式的分类性能	首次系统比较深度学习和传统机器学习方法在减少心电图导联子集下的心律失常分类性能，并识别最优导联组合	使用单一公开数据集（PhysioNet 2020挑战赛数据），未在其他独立数据集上验证结果	评估不同心电图导联子集对心律失常/心电图模式分类准确性的影响	心电图信号和心律失常/心电图模式	机器学习	心血管疾病	心电图分析	CNN, Random Forest	心电图信号	PhysioNet心脏病学挑战赛2020数据集	NA	卷积神经网络, 前馈神经网络	宏平均F1分数	NA