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
861	2025-04-15	Enhancing percutaneous coronary intervention using TriVOCTNet: a multi-task deep learning model for comprehensive intravascular optical coherence tomography analysis 2025-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01509-7 PMID:39760844	研究论文	提出了一种名为TriVOCTNet的多任务深度学习模型，用于全面分析血管内光学相干断层扫描（IVOCT）图像，以优化经皮冠状动脉介入治疗（PCI）	TriVOCTNet能够在单一网络中自动化图像分类/选择、管腔分割和支架支柱分割，适用于多种PCI阶段和临床场景，包括金属和生物可吸收血管支架（BVS）的共存	现有算法通常将管腔和支架分割视为独立目标实体，仅适用于单一支架类型，且忽略了自动选择需要分割的回撤段	优化经皮冠状动脉介入治疗（PCI）	血管内光学相干断层扫描（IVOCT）图像	数字病理	心血管疾病	深度学习	TriVOCTNet（多任务深度学习模型）	图像	4,746张图像
862	2025-04-15	SchizoLMNet: a modified lightweight MobileNetV2- architecture for automated schizophrenia detection using EEG-derived spectrograms 2025-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01512-y PMID:39760847	研究论文	本文提出了一种轻量级改进的MobileNetV2架构（SchizoLMNet），用于利用EEG衍生的频谱图自动检测精神分裂症	提出了一种新颖的轻量级改进MobileNetV2架构（SchizoLMNet），用于高效诊断精神分裂症，并在分类任务中表现出优越性能	研究样本量较小（81名受试者），且需要进一步在实时临床环境中验证	开发一种自动化方法，用于精神分裂症的早期检测和诊断	精神分裂症患者和健康受试者的EEG信号	数字病理学	精神分裂症	短时傅里叶变换（STFT）	改进的MobileNetV2（SchizoLMNet）	EEG信号衍生的频谱图图像	81名受试者的EEG数据
863	2025-04-15	Improving deep learning U-Net++ by discrete wavelet and attention gate mechanisms for effective pathological lung segmentation in chest X-ray imaging 2025-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01489-8 PMID:39495449	research paper	提出了一种结合离散小波变换和注意力门机制改进的U-Net++模型，用于胸部X光图像中的肺部病理分割	用离散小波变换替代传统最大池化操作，并引入注意力门机制，以提高肺部结构细节的捕捉能力和分割准确性	未提及模型在不同设备或不同质量X光图像上的泛化能力	提高胸部X光图像中肺部病理分割的准确性	胸部X光图像	digital pathology	lung cancer	discrete wavelet transform (DWT), attention gate (AG) mechanisms	U-Net++-DWT	image	Japanese Society of Radiological Technology数据集、Montgomery County数据集、Chest X-ray Masks and Labels数据集、COVID-19数据集
864	2025-04-13	Comprehensive benchmarking of large language models for RNA secondary structure prediction 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf137 PMID:40205851	研究论文	本文对用于RNA二级结构预测的大型语言模型（LLMs）进行了全面的基准测试和比较分析	首次在统一的实验设置下评估了预训练的RNA-LLMs在RNA二级结构预测任务中的泛化能力，并提供了复杂度递增的基准数据集	在低同源性场景下的泛化能力仍面临显著挑战	评估和比较预训练的RNA-LLMs在RNA二级结构预测任务中的表现	RNA二级结构预测	自然语言处理	NA	大型语言模型（LLMs）	LLM	RNA序列数据	多个基准数据集（具体数量未提及）
865	2025-04-13	Leveraging a Vision Transformer Model to Improve Diagnostic Accuracy of Cardiac Amyloidosis With Cardiac Magnetic Resonance 2025-Mar, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.09.010 PMID:39641685	研究论文	本研究开发并验证了一种基于视觉Transformer（ViT）的深度学习算法，用于通过心脏磁共振（CMR）成像提高心脏淀粉样变性（CA）的诊断准确性	首次将视觉Transformer模型应用于心脏淀粉样变性的诊断，并在内部和外部队列中验证了其高准确性	在图像质量差、双重病理或临床诊断不明确的情况下，模型准确性下降	开发一种深度学习算法，辅助区分心脏淀粉样变性与其他心肌疾病	心脏淀粉样变性（CA）、肥厚型心肌病（HCM）及其他心肌疾病患者	计算机视觉	心血管疾病	心脏磁共振（CMR）成像	视觉Transformer（ViT）	图像	内部队列807名患者（252名CA，290名HCM，265名其他），外部验证队列157名患者（51名CA，49名HCM，57名其他）
866	2025-04-12	Optimizing Input Selection for Cardiac Model Training and Inference: An Efficient 3D Convolutional Neural Networks-Based Approach to Automate Coronary Angiogram Video Selection 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100195 PMID:40206993	研究论文	开发了一种基于3D卷积神经网络的自动化方法，用于选择适合训练深度学习模型的冠状动脉造影视频	使用3D-CNN模型（特别是X3D-L）在冠状动脉造影视频选择中实现了高效自动化，并在计算效率和复杂性之间取得了平衡	在独立数据集上验证时，所有指标略有下降	提高医学图像分析的准确性和效率	冠状动脉造影视频	数字病理	心血管疾病	深度学习	3D-CNN（ResNet和X3D）	视频	232例冠状动脉造影研究用于训练，3208例手术用于独立验证
867	2025-04-12	Gait Speed and Task Specificity in Predicting Lower-Limb Kinematics: A Deep Learning Approach Using Inertial Sensors 2025-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.11.004 PMID:40207006	研究论文	开发一个深度学习框架，利用惯性测量单元(IMU)数据预测多任务步态下的下肢关节运动学，并评估动态时间规整(DTW)对减少预测误差的影响	提出了一种结合LSTM自编码器和监督回归的深度学习模型，用于多任务步态下的关节运动学预测，并验证了DTW在降低预测误差方面的有效性	样本量较小(仅18名参与者)，且仅验证了矢状面的关节角度预测	开发远程连续生物力学评估的实用解决方案	下肢关节(髋、膝、踝)运动学预测	机器学习	NA	惯性测量单元(IMU)，光学运动捕捉系统	LSTM自编码器监督回归模型(含LSTM和CNN层)	IMU传感器数据(加速度计和陀螺仪的3轴数据及其幅值)	18名参与者
868	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
869	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
870	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
871	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)
872	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）
873	2025-04-09	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	系统性综述	评估人工智能在利用CT/CBCT影像检测上颌窦病变中的表现和准确性	总结了多种深度学习模型在上颌窦病变检测中的应用及其性能	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	数字病理学	上颌窦炎	CT/CBCT成像	CNN, ResNet, DenseNet, YOLO, U-Net	影像	3,349名患者（7,358张影像）
874	2025-04-08	Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study 2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102324 PMID:40174752	研究论文	本研究评估了基于深度学习的多模态CT/MRI图像融合和分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性	结合了三种融合模型和三种分割模型，生成了九种混合深度学习模型，并评估了它们在口腔颌面部肿瘤分割中的性能	样本量较小（30例患者），且为单中心研究，可能影响结果的普遍性	评估深度学习在多模态CT/MRI图像融合和分割中的应用，为口腔颌面部肿瘤的虚拟手术规划提供基础	30名口腔颌面部肿瘤患者	数字病理	口腔颌面部肿瘤	CT/MRI扫描	Elastix, ANTs, NiftyReg, nnU-Net, 3D UX-Net, U-Net	医学影像（CT/MRI）	30名口腔颌面部肿瘤患者
875	2025-04-07	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2025-Mar-28, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学预测流感病毒感染，并验证了该模型在流感、COVID-19和健康人群鉴别诊断中的潜在价值	结合随机森林模型和LASSO回归模型筛选出能准确区分流感患者的临床指标，并通过蛋白质组测序和机器学习发现了26个差异表达蛋白，其中SAA2被证实可作为流感感染的辅助诊断指标	样本量相对有限（850名患者和265名健康个体），且仅针对特定病毒感染（流感、COVID-19及混合感染）进行研究	预测流感病毒感染的关键分子标记	流感、COVID-19及混合感染患者以及健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体
876	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)
877	2025-04-07	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	开发一种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中准确检测急性颅内出血	基于U-Net和ResNet架构的深度学习模型在稀疏训练数据下实现高准确率，并在多中心验证中表现出普遍可靠性	训练数据仅来自单一中心，可能影响模型的泛化能力	开发并评估一种深度学习算法，用于检测非增强头部CT中的急性颅内出血	非增强头部CT图像	数字病理学	颅内出血	深度学习	U-Net和ResNet	CT图像	1,815个CT图像集用于训练，多个中心的数据集用于验证和测试
878	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
879	2025-04-06	DeepTWA-TM: Deep Learning T-Wave Alternans Detection in Ambulatory ECG via Time Analysis 2025-Mar-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3553789 PMID:40138221	研究论文	本研究提出了一种名为DeepTWA-TM的深度学习方法，用于在动态心电图中通过时间分析检测T波交替（TWA）	该方法利用迁移学习和稳健的架构（如VGG、ResNet和Inception）直接从心电信号中检测TWA，无需先前的信号处理步骤（如R峰识别、T波分割或特征工程）	NA	开发一种非侵入性标记物，用于评估心源性猝死的风险	动态心电图中的T波交替（TWA）	机器学习	心血管疾病	深度学习	VGG, ResNet, Inception	心电信号	来自真实患者的自定义长期数据集，包含从不可见的微交替到20至100μV的高振幅TWA的TWA发作
880	2025-04-06	A Survey of Deep Learning in Sports Applications: Perception, Comprehension, and Decision 2025-Mar-26, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3554801 PMID:40138241	综述	本文全面综述了深度学习在体育应用中的算法、数据集、虚拟环境及挑战	系统梳理了深度学习在体育表现中的感知、理解和决策三个层次的应用，并总结了当前挑战与未来趋势	未涉及具体实验验证或新型算法开发	探讨深度学习在体育领域的应用现状与发展方向	体育表现中的感知、理解和决策	机器学习	NA	深度学习	NA	视频、传感器数据等	NA