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
21	2025-09-03	Prediction of sudden cardiac death using artificial intelligence: Current status and future directions 2025-Mar, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.09.003 PMID:39245250	综述	本文综述了人工智能在预测心源性猝死方面的当前应用状态与未来发展方向	探讨AI通过识别传统方法难以发现的非线性模式和细微预测因子，实现个性化SCD风险分层	存在重要局限性需解决，阻碍广泛临床应用	改善心源性猝死的风险预测与预防策略个性化	心源性猝死高风险或疑似人群	机器学习	心血管疾病	机器学习和深度学习算法	NA	复杂医疗数据	NA
22	2025-09-02	Unraveling other-race face perception with GAN-based image reconstruction 2025-03-14, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-025-02636-z PMID:40087201	研究论文	本研究利用StyleGAN2进行图像重建，探索异族面孔感知的表征基础及其年龄偏差	提出基于GAN潜在空间与人类感知表征相似性的图像重建新方法，首次揭示异族面孔感知中的年龄偏差	NA	研究异族效应（ORE）的表征基础及感知差异	东亚和白人参与者，涉及同族与异族面孔	计算机视觉	NA	StyleGAN2，深度学习图像生成	GAN	图像	涉及东亚和白人参与者，具体样本量未明确说明
23	2025-08-30	Increase Docking Score Screening Power by Simple Fusion With CNNscore 2025-Mar-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.70060 PMID:39981784	研究论文	提出一种通过将传统分子对接分数与基于CNN的分数融合来提升虚拟筛选性能的策略	首次将GNINA的CNN分数与传统Watvina对接分数相乘融合，实现了最先进的筛选能力	NA	提升结构基虚拟筛选中的分子对接评分函数性能	蛋白质-配体相互作用	机器学习	NA	分子对接、深度学习、虚拟筛选	CNN	分子结构数据	近120亿个分子
24	2025-08-30	Toward Identification of Markers for Brain-Derived Extracellular Vesicles in Cerebrospinal Fluid: A Large-Scale, Unbiased Analysis Using Proximity Extension Assays 2025-Mar, Journal of extracellular vesicles IF:15.5Q1 DOI:10.1002/jev2.70052 PMID:40098346	研究论文	通过大规模无偏蛋白质组学筛选，识别脑源性细胞外囊泡在脑脊液中的候选标记物	首次结合尺寸排阻色谱与Olink技术系统评估5416种蛋白的EV关联性，并利用DeepTMHMM深度学习模型区分蛋白亚细胞定位	依赖生物信息学预测而非直接实验验证跨膜蛋白的EV关联性	开发脑源性细胞外囊泡的特异性标记物并验证其细胞来源	脑脊液中的细胞外囊泡及相关蛋白质	生物信息学	神经系统疾病	Olink蛋白质组学筛查、尺寸排阻色谱、DeepTMHMM深度学习模型	DeepTMHMM	蛋白质组数据	大规模筛查（具体样本数未明确说明）
25	2025-08-29	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	提出一种基于物理信息的深度学习框架SPINN，用于建模和推断粒子扩散动力学	将随机微分方程整合到深度学习框架中，实现单帧分辨率的确定性与随机性成分区分	NA	提高随机动力学的时空分辨率以估计和预测复杂扩散行为	单粒子轨迹数据，特别是在水凝胶中的金纳米棒扩散	机器学习	NA	单粒子追踪技术，深度学习	物理信息神经网络(SPINN)	轨迹数据	使用异常扩散数据集进行验证，并应用于金纳米棒在水凝胶中的扩散实验
26	2025-08-07	Towards artificial intelligence application in pain medicine 2025-03, Recenti progressi in medicina DOI:10.1701/4460.44555 PMID:40084580	review	本文综述了人工智能在疼痛医学中的最新进展和应用	介绍了自动疼痛评估（APA）方法及其在疼痛诊断和治疗中的潜在应用	需要解决验证、参数选择和技术实施的伦理问题	探讨人工智能在疼痛医学中的应用及其潜力	疼痛的诊断、评估和治疗	machine learning	chronic pain	machine learning, deep learning, natural language processing	NLP systems	biosignals, facial expressions, speech patterns	NA
27	2025-08-06	Leveraging deep-learning and unconventional data for real-time surveillance, forecasting, and early warning of respiratory pathogens outbreak 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103076 PMID:39914162	research paper	本研究设计并部署了一个利用深度学习和非常规数据进行实时监测、预测和预警呼吸道疾病暴发的框架	结合多种非常规数据源（如Google Trends、Reddit帖子、卫星空气质量数据等）和深度学习模型（CNN、GNN、GRU、线性NN）进行呼吸道疾病的长期预测	研究仅针对加拿大和南部非洲国家，可能无法直接推广到其他地区	开发一个实时监测、预测和预警呼吸道疾病暴发的框架	COVID-19和流感病例	machine learning	respiratory disease	deep learning	CNN, GNN, GRU, linear NN	time series data, text data, image data	加拿大各省和南部非洲国家的COVID-19和流感病例数据
28	2025-08-06	Practical X-ray gastric cancer diagnostic support using refined stochastic data augmentation and hard boundary box training 2025-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103075 PMID:39919469	研究论文	提出了一种基于深度学习的胃癌X光诊断支持系统，结合两种新技术以提高诊断效率和准确性	引入了精炼概率胃图像增强(R-sGAIA)和硬边界框训练(HBBT)两种新技术，提高了模型性能并允许使用未标注的阴性样本	系统识别的候选框中仅有42.5%为真正癌变区域(精确度)，仍有提升空间	开发实用的胃癌X光诊断支持系统，扩大胃癌筛查覆盖范围	胃部X光图像	数字病理	胃癌	深度学习	基于通用目标检测模型的深度学习系统	X光图像	未明确说明样本数量，但系统处理速度为每张图像0.51秒
29	2025-08-05	Performance of a Deep Learning Diabetic Retinopathy Algorithm in India 2025-03-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.0984 PMID:40105843	研究论文	评估印度Aravind眼科医院部署后自动视网膜疾病评估(ARDA)算法的临床性能	首次在印度大规模临床环境中评估AI算法对糖尿病视网膜病变(DR)和糖尿病黄斑水肿(DME)的检测性能	研究仅基于印度南部45个站点的数据，可能无法代表其他地区的情况	评估AI算法在真实临床环境中检测糖尿病视网膜病变的性能	糖尿病患者视网膜图像	数字病理	糖尿病视网膜病变	深度学习	NA	图像	4537名患者的4537张视网膜图像
30	2025-08-03	Deep learning-based classification of hemiplegia and diplegia in cerebral palsy using postural control analysis 2025-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93166-3 PMID:40087338	研究论文	本研究提出了一种利用RNN分析时间序列力数据来分类脑瘫中的偏瘫和双瘫的方法	使用BiGRU和LSTM模型优化自动参数优化和数据增强技术，提高了分类准确性和可靠性	分类准确率为76.43%，仍有提升空间	优化脑瘫中偏瘫和双瘫的分类方法	脑瘫患者的姿势控制数据	机器学习	脑瘫	时间序列力数据分析	RNN, BiGRU, LSTM	时间序列数据	未明确提及样本数量
31	2025-08-03	Convolutional Neural Networks for the segmentation of hippocampal structures in postmortem MRI scans 2025-Mar, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110359 PMID:39755177	research paper	该研究提出了一种基于深度学习的新型分割框架，用于自动分割海马体结构，以量化阿尔茨海默病对海马体的影响	提出了一种嵌入自注意力机制和空洞空间金字塔池化的编码器-解码器块分割框架，能够更好地绘制海马体地图并识别四个海马体区域	样本量较小，仅使用了15个死后MRI扫描	开发自动分割方法以量化阿尔茨海默病对海马体结构的影响	海马体及其四个子区域（齿状回、海马头、海马体、海马尾）	digital pathology	Alzheimer's disease	postmortem MRI (T1-weighted, T2-weighted, susceptibility-weighted)	CNN (UNet, Double UNet, Attention UNet, Multi-resolution UNet)	image	15 postmortem MRI scans
32	2025-07-31	Multiplicative Learning 2025-Mar-13, ArXiv PMID:40735079	research paper	本文介绍了一种名为期望反射（ER）的新型学习算法，用于高效训练人工神经网络	ER算法基于观察输出与预测输出的比率进行乘性权重更新，无需特定损失函数或学习率超参数，且能在单次迭代中实现最优权重更新	NA	探索一种比传统反向传播更高效的神经网络训练方法	人工神经网络	machine learning	NA	NA	artificial neural networks	image	NA
33	2025-07-29	Physics-Informed Autoencoder for Prostate Tissue Microstructure Profiling with Hybrid Multidimensional MRI 2025-03, Radiology. Artificial intelligence DOI:10.1148/ryai.240167 PMID:39907585	research paper	评估物理信息自编码器（PIA）在利用混合多维MRI测量前列腺癌组织生物标志物中的性能	提出了一种新兴的自监督深度学习模型PIA，该模型将三室扩散弛豫模型与混合多维MRI相结合，无需大量训练数据即可预测前列腺癌组织特异性生物标志物的测量值	研究样本量较小，仅包含21名患者	评估PIA在测量前列腺癌组织生物标志物中的性能	前列腺癌患者	digital pathology	prostate cancer	hybrid multidimensional MRI	autoencoder	MRI图像	21名患者（71个感兴趣区域）
34	2025-07-26	HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.14.642461 PMID:40161713	研究论文	介绍了一种名为HIPPIE的多模态深度学习模型，用于神经元的电生理分类	结合自监督预训练和监督微调，利用条件卷积联合自编码器学习波形和放电动态的鲁棒表示，能够跨不同生物培养和技术进行分类和聚类	未提及具体局限性	解决细胞外电生理记录中神经元分类的计算挑战	小鼠记录和脑切片中的神经元	机器学习	NA	自监督学习、监督学习	条件卷积联合自编码器	电生理记录数据	未提及具体样本数量
35	2025-07-26	Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3514134 PMID:40030423	研究论文	提出了一种同步频率感知融合网络（Syn-Net），用于在复杂超声图像中精确分割乳腺肿瘤	设计了同步双分支编码器提取局部和全局特征，引入了频率感知交叉特征融合块（FrCFusion Block）利用DCT学习全频特征，并开发了全尺度深度监督方法	未提及具体局限性	实现复杂超声图像中乳腺肿瘤的精确分割	乳腺肿瘤超声图像	数字病理	乳腺癌	离散余弦变换（DCT）	CNN	图像	三个公开可用的超声乳腺肿瘤数据集
36	2025-07-26	LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3515995 PMID:40030474	研究论文	提出了一种基于YOLOv8的颈部淋巴结检测网络LymoNet，用于从超声图像中检测和分类正常、炎症和转移性颈部淋巴结	引入了先进的注意力机制模块（CA和MHSA）和医学知识嵌入，以提高模型的检测和分类性能	当前自动化检测方法的准确性不足，需要专业资深放射科医生的专业知识	提高颈部淋巴结检测的自动化水平，以辅助癌症转移的早期检测和治疗	颈部淋巴结（正常、炎症和转移性）	计算机视觉	癌症	深度学习	YOLOv8	超声图像	NA
37	2025-07-26	RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3510884 PMID:40030577	research paper	该研究提出了一种鲁棒的中医图网络（RTGN），用于在中医背景下学习患者相似性	开发了一种结合自注意力和自监督策略的Siamese网络架构，以及一种整合中西医方法的患者相似性度量	依赖中医医师的生理感官判断可能导致患者评估的非标准化描述和干扰	设计一种患者相似性度量，整合中医的细粒度辨证知识	中医胃肠道恶性肿瘤患者	machine learning	胃肠道恶性肿瘤	深度学习	Siamese network	graph data	719名患者的406种多维信息
38	2025-07-26	Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3500789 PMID:40030241	研究论文	提出了一种名为MMFSynergy的新方法，用于预测抗癌药物的协同组合	通过融合微观和宏观尺度信息，并利用自监督任务和Transformer Encoder模型，提升了预测药物组合协同效应的能力	模型的泛化能力虽优于其他六种先进方法，但仍有提升空间	提高抗癌药物协同组合预测的准确性和泛化能力	抗癌药物组合及相关的细胞系蛋白质	机器学习	癌症	深度学习	Transformer Encoder	药物和蛋白质的多尺度信息	基于两个公共数据集的实验
39	2025-07-25	Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice 2025-Mar-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i10.102725 PMID:40093670	评论	本文讨论了人工智能在胃肠病学中的应用及其伦理和诊断挑战	探讨了深度学习模型在无线胶囊内窥镜决策过程中的应用，以及AI在胃肠疾病诊断中的变革性作用	AI在临床应用中存在患者隐私、数据安全和诊断偏见等伦理问题，需要多样化和代表性的数据集来缓解不平等	探讨人工智能在胃肠病学中的临床应用及其伦理挑战	胃肠疾病诊断，特别是小肠病变和癌前息肉	数字病理学	胃肠疾病	深度学习	NA	图像	NA
40	2025-07-25	Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism 2025-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3516012 PMID:40030515	研究论文	提出了一种新型的3D全脑分割网络，通过交叉融合机制处理PET/MR双模态图像，以实现45个脑区的精确分割	引入了交叉融合机制，同时处理PET和MR图像，采用UX-Net和交叉融合块进行特征提取和融合	未提及具体的数据集规模或多样性限制，未来将在临床实践中进一步验证	提高脑区精确分割的性能，以辅助神经系统疾病的检测和诊断	PET/MR双模态图像	数字病理	神经系统疾病	PET/MR双模态成像	3D UX-Net	医学图像	未提及具体样本数量