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
861	2025-04-12	Leveraging Comprehensive Echo Data to Power Artificial Intelligence Models for Handheld Cardiac Ultrasound 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100194 PMID:40207004	研究论文	开发了一个端到端的深度学习框架，用于从超声心动图视频中估计左心室射血分数（LVEF）、患者年龄和性别分类，包括使用手持心脏超声（HCU）收集的视频	利用全面的超声心动图数据为手持心脏超声的人工智能模型提供支持，展示了手持设备可以获得聚焦诊断图像	研究主要基于Mayo Clinic的数据，可能在其他医疗系统中的泛化性有待验证	开发深度学习模型以提升手持心脏超声的诊断能力	超声心动图视频，包括手持心脏超声（HCU）和经胸超声心动图（TTE）数据	数字病理	心血管疾病	深度学习	深度学习模型	视频	训练集6432项研究，内部验证集1369项研究，前瞻性数据集625名患者	NA	NA	NA	NA
862	2025-04-01	Author Correction: Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery 2025-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95425-9 PMID:40155745	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
863	2025-04-11	Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques 2025-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012905 PMID:40163555	研究论文	本研究提出了一种名为PASO的深度学习模型，用于预测细胞系对抗癌药物的敏感性，整合了多组学路径差异特征和多种深度学习技术	PASO模型创新性地结合了transformer编码器、多尺度卷积网络和注意力机制，利用细胞系的多组学数据和药物分子的SMILES表示进行药物敏感性预测	NA	开发一个能够准确预测个体患者对抗癌药物反应的模型，以支持精准医疗	细胞系的多组学数据和药物分子的SMILES表示	机器学习	肺癌	多组学数据分析（基因表达、基因突变、基因拷贝数变异）	PASO（整合transformer encoder、多尺度CNN和注意力机制）	多组学数据、药物SMILES表示	NA	NA	NA	NA	NA
864	2025-04-11	Differential impact of commercial rootstocks on the physiological response of a common walnut scion to drought stress 2025 Mar-Apr, Physiologia plantarum IF:5.4Q1 DOI:10.1111/ppl.70188 PMID:40207703	research paper	该研究评估了不同商业砧木对普通核桃接穗在干旱条件下生理反应的影响	首次使用深度学习作为独立方法分析冠层对水分胁迫的响应，并发现RX1砧木在水分胁迫下具有较高的叶片膨压和水分利用效率	研究仅针对三种砧木和一种接穗品种，结果可能不具有普遍性	评估不同商业砧木对核桃接穗在干旱条件下生理反应的影响	核桃砧木(RX1, VX211和Vlach)和英国核桃接穗(Juglans regia cv. Cisco)	植物生理学	NA	mini-lysimeter平台, 深度学习	深度学习模型(未指定具体类型)	土壤湿度数据, 蒸腾水分损失数据, 冠层图像	三种砧木(RX1, VX211和Vlach)和一种接穗品种(Cisco)	NA	NA	NA	NA
865	2025-04-09	Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery 2025-Mar-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.24.25324556 PMID:40196278	research paper	该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物	提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化	研究仅针对血液细胞群体，未涉及其他组织或细胞类型	利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物	循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据	machine learning	sepsis, heart disease, diabetes	single-cell measurement	Transformer (MIST), FastShap	single-cell clinical data	大量常规临床数据（具体数量未提及）	NA	NA	NA	NA
866	2025-10-07	Efficient annotation bootstrapping for cell identification in follicular lymphoma 2025-Mar-27, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108728 PMID:40188578	研究论文	本研究探索了滤泡性淋巴瘤诊断中降低标注成本的解决方案，比较了三种标注引导方法	提出基于定制细胞编码器和数字病理学基础模型上下文编码的混合架构，用于中心母细胞和中心细胞检测	研究仅基于41张全切片图像和12,704个细胞标注，样本规模有限	降低数字病理学中细胞识别任务的标注成本	滤泡性淋巴瘤中的中心母细胞和中心细胞	数字病理学	滤泡性淋巴瘤	全切片图像扫描	深度学习	病理图像	41张全切片图像，包含12,704个细胞标注	NA	定制细胞编码器，基础模型上下文编码	宏平均F1分数，精确率，召回率	NA
867	2025-10-07	Intelligent biofilm detection with ensemble of deep learning networks 2025-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.26937 PMID:39954282	研究论文	本研究评估了使用集成策略的U-Net神经网络在口腔内照片上自动检测牙菌斑的性能	首次采用集成策略的U-Net神经网络在不使用显色剂的情况下自动检测牙菌斑	回顾性探索性研究，样本来源有限	评估深度学习网络在牙菌斑自动检测中的性能	乳牙和恒牙的口腔内照片	计算机视觉	口腔疾病	深度学习	CNN	图像	两个口腔图像数据集（乳牙和恒牙）	NA	U-Net	准确率,F1分数,灵敏度,特异度	NA
868	2025-10-07	Critical assessment of missense variant effect predictors on disease-relevant variant data 2025-Mar, Human genetics IF:3.8Q2 DOI:10.1007/s00439-025-02732-2 PMID:40113603	研究论文	评估错义变异效应预测工具在疾病相关变异数据上的性能表现	系统评估了最新错义变异效应预测工具，包括CAGI挑战赛提交工具、临床常用工具和新兴深度学习方法，并分析了不同应用场景下的性能差异	评估数据可能受到基因水平标签不平衡的影响，且某些预测工具在区分致病性变异与极罕见良性变异时性能下降	评估错义变异效应预测工具的临床和研究实用性，指导未来工具改进	错义变异效应预测工具	生物信息学	遗传疾病	深度学习, 变异效应预测	深度学习模型	基因变异数据	NA	NA	NA	特异性, 敏感性	NA
869	2025-10-07	Diagnostic accuracy of artificial intelligence in the detection of maxillary sinus pathology using computed tomography: A concise systematic review 2025-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240139 PMID:40191392	系统综述	评估人工智能在CT/CBCT影像中检测上颌窦病变的诊断性能与准确性	首次系统评估多种深度学习架构在上颌窦病变检测中的综合表现	纳入研究数量有限（12项），需要进一步提高准确性和一致性	评估人工智能在上颌窦病变检测中的诊断准确性	上颌窦病变（如上颌窦炎）	计算机视觉	上颌窦疾病	CT/CBCT成像	CNN	医学影像	3,349名患者（7,358张图像）	NA	ResNet, DenseNet, YOLO, U-Net	准确率, 敏感度, 特异度, AUC	NA
870	2025-04-07	Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation 2025-Mar-20, JMIR AI DOI:10.2196/65729 PMID:40112290	研究论文	本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现	综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现	深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难	评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现	合成数据生成方法在模拟和真实医疗数据集上的表现	机器学习	乳腺癌, 糖尿病	Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles	GAN, ctgan, tvae, LLMs	表格数据	模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本)	NA	NA	NA	NA
871	2025-10-07	Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography 2025-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2024-0163 PMID:39864839	研究论文	开发基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT图像中准确检测急性颅内出血	基于稀疏训练数据开发临床适用的深度学习系统，并在美国和台湾多中心数据集上验证其普适可靠性	训练数据仅来自单一中心，可能影响模型泛化能力	开发用于检测急性颅内出血的深度学习算法并评估其临床适用性	非增强头部计算机断层扫描图像	计算机视觉	颅内出血	计算机断层扫描	深度学习	医学图像	1,815个CT图像集用于训练，多个外部验证和测试数据集	PyTorch	U-Net, ResNet	准确度	NA
872	2025-04-06	Applications of AI in Predicting Drug Responses for Type 2 Diabetes 2025-Mar-27, JMIR diabetes DOI:10.2196/66831 PMID:40146874	research paper	本文探讨了人工智能在预测2型糖尿病药物反应中的应用	利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型	未提及具体的数据集规模或模型性能的局限性	预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗	2型糖尿病患者	machine learning	diabetes	machine learning, deep learning	ensemble methods	electronic health records, clinical trials, observational studies	NA	NA	NA	NA	NA
873	2025-04-06	Integrating Single-Molecule Sequencing and Deep Learning to Predict Haplotype-Specific 3D Chromatin Organization in a Mendelian Condition 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.26.640261 PMID:40166185	research paper	该研究提出了一种结合单分子测序和深度学习的模型FiberFold，用于预测单倍型特异性的3D染色质组织	结合卷积神经网络和Transformer架构，利用长读长测序数据预测细胞类型和单倍型特异性的3D基因组组织	NA	研究3D基因组结构在基因调控和人类疾病中的作用	人类单倍型特异性3D染色质组织	machine learning	Mendelian disease	Fiber-seq, long-read sequencing	CNN, Transformer	multi-omic data	NA	NA	NA	NA	NA
874	2025-04-06	GREEN: A lightweight architecture using learnable wavelets and Riemannian geometry for biomarker exploration with EEG signals 2025-Mar-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2025.101182 PMID:40182177	研究论文	介绍了一种名为GREEN的轻量级神经网络架构，用于处理原始EEG数据，结合了小波变换和黎曼几何	GREEN结合了小波变换和黎曼几何，提供了一种轻量级且可解释的EEG信号处理方法，优于现有非深度学习和大型深度学习模型	未提及具体局限性	探索EEG信号中的生物标志物，并开发一种轻量级且可解释的神经网络架构	EEG信号	机器学习	NA	小波变换和黎曼几何	GREEN（Gabor Riemann EEGNet）	EEG信号	超过5,000名参与者的四个数据集	NA	NA	NA	NA
875	2025-10-07	Weakly Aligned Feature Fusion for Multimodal Object Detection 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3105143 PMID:34437075	研究论文	提出一种名为AR-CNN的多模态目标检测方法，解决多模态数据中的位置偏移问题	设计了区域特征对齐模块、RoI抖动策略和特征重加权融合方法，并提供了新的多模态标注数据集KAIST-Paired	NA	解决多模态目标检测中的位置偏移问题，提升检测准确性和鲁棒性	多模态图像数据（RGB、热成像、深度）中的目标检测	计算机视觉	NA	多模态图像融合	CNN	多模态图像（RGB、热成像、深度）	NA	NA	AR-CNN	NA	NA
876	2025-10-07	Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in Visual Question Answering 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2021.3135655 PMID:35130171	研究论文	提出一种图匹配注意力网络用于解决视觉问答任务中的跨模态特征融合问题	首次为问题和图像同时构建图结构，并提出双边跨模态图匹配注意力机制	未明确说明模型计算复杂度和实时性能表现	提升视觉问答任务中跨模态信息的对齐和利用能力	图像和文本问题	计算机视觉,自然语言处理	NA	深度学习,图神经网络	GNN,注意力机制	图像,文本	GQA数据集和VQA 2.0数据集	NA	图匹配注意力网络(GMA),双阶段图编码器	准确率	NA
877	2025-10-07	Quality-Driven Regularization for Deep Learning Networks and Its Application to Industrial Soft Sensors 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3144162 PMID:35180085	研究论文	提出一种用于工业软传感器的质量驱动正则化深度学习方法	提出质量驱动正则化方法，在深度网络预训练阶段保留质量变量相关信息	仅应用于加氢裂化工业过程，未在其他工业场景验证	开发能够提取质量相关特征的深度学习方法以提高工业软传感器预测精度	工业过程数据和产品质量变量	机器学习	NA	深度网络特征学习	SAE, QR-SAE	工业过程数据	NA	NA	堆叠自编码器	预测精度	NA
878	2025-10-07	Learning Selective Sensor Fusion for State Estimation 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3176677 PMID:35657847	研究论文	提出一种用于状态估计的选择性传感器融合方法SelectFusion	提出端到端选择性传感器融合模块，能够评估不同传感器模态的可靠性并处理现实世界中的噪声或不完整传感器观测	NA	解决自动驾驶和移动机器人系统中的鲁棒传感器融合问题	自动驾驶车辆和移动机器人系统	机器学习和计算机视觉	NA	深度学习，传感器融合	深度学习模型	单目图像，惯性测量，深度图像，激光雷达点云	公共数据集和逐步退化数据集	NA	SelectFusion	轨迹估计的尺度和全局姿态	NA
879	2025-04-06	Dynamic Neural Network Structure: A Review for its Theories and Applications 2025-Mar, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3377194 PMID:40038922	综述	本文全面回顾了动态神经网络（DNN）的理论及其应用，重点探讨了其在深度学习和广泛学习领域的发展	详细分析了DNN的动态结构和参数灵活性带来的优势，并探讨了其在多个领域的应用潜力	虽然综述了DNN的理论和应用，但未涉及具体实验验证或性能比较	旨在为研究人员提供对DNN的全面理解，并指导未来的研究方向	动态神经网络（DNN）的理论基础、结构优化及其应用	机器学习	NA	NA	DNN, BLS	NA	NA	NA	NA	NA	NA
880	2025-04-06	Age-sex-specific burden of urological cancers attributable to risk factors in China and its provinces, 1990-2021, and forecasts with scenarios simulation: a systematic analysis for the Global Burden of Disease Study 2021 2025-Mar, The Lancet regional health. Western Pacific DOI:10.1016/j.lanwpc.2025.101517 PMID:40177596	research paper	该研究分析了1990-2021年中国及其各省份泌尿系统癌症的年龄性别特异性负担，并预测了未来情景模拟下的疾病负担	首次采用多注意力深度学习管道(iTransformer)建模泌尿系统癌症的时空模式，并提供年龄-性别-地区特异性长期预测	研究依赖于GBD数据库的准确性，且预测模型可能无法完全捕捉未来社会经济变化的影响	监测中国泌尿系统癌症的分布和决定因素，模拟健康干预措施的效果	中国34个省份的泌尿系统癌症患者	digital pathology	prostate cancer, bladder cancer, kidney cancer, testicular cancer	iTransformer深度学习模型	iTransformer	流行病学数据	全国范围1990-2021年数据，2021年新发病例266,887例，现患病例159,506,067例	NA	NA	NA	NA