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
361	2025-10-07	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	开发基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征和地方性斑疹伤寒	提出首个专门区分MIS-C和地方性斑疹伤寒的CDSS系统，仅需急诊科前6小时的临床和实验室特征即可实现及时鉴别	样本量相对有限（训练集220例，验证集111例），需要进一步外部验证	开发能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持工具	儿童多系统炎症综合征患者和地方性斑疹伤寒患者	医疗人工智能	儿童炎症性疾病，传染病	深度学习	深度学习模型	临床数据和实验室数据	训练测试集：87例斑疹伤寒患者和133例MIS-C患者；验证集：111例MIS-C患者	NA	AI-MET系统	灵敏度，特异性，准确率，精确度	NA
362	2025-10-07	Missing-modality enabled multi-modal fusion architecture for medical data 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104796 PMID:39988001	研究论文	提出一种能够处理缺失模态的医学多模态融合架构，用于疾病诊断和死亡率预测	开发了基于Transformer的双模态融合模块，构建三模态融合框架，并引入多变量损失函数提高对缺失模态的鲁棒性	仅在MIMIC-IV和MIMIC-CXR数据集上进行验证，需要进一步扩展到更多模态和数据集	开发对缺失模态具有鲁棒性的医学多模态融合架构，提升临床任务性能	胸部X光片、放射学报告和结构化数值数据	医学人工智能	胸部疾病	多模态融合	Transformer	图像, 文本, 表格数据	MIMIC-IV和MIMIC-CXR数据集	NA	Transformer-based双模态融合模块	AUROC, AUPRC	NA
363	2025-10-07	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能与医疗物联网在预测和检测终末期疾病中的应用，分析当前挑战与解决方案	系统评估了联邦学习、迁移学习和区块链等先进策略在提升AI-IoMT系统鲁棒性、数据安全性和互操作性方面的有效性	作为综述文章，未进行原始实验验证，主要基于现有文献分析	评估AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并探讨相关挑战	心血管疾病、阿尔茨海默病和各类癌症等终末期疾病	医疗物联网	心血管疾病,阿尔茨海默病,癌症	NA	XGBoost,Random Forest,CNN,LSTM	医疗物联网数据	NA	NA	NA	NA	NA
364	2025-10-07	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	提出基于注意力深度卷积自编码器的深度学习软传感器，利用附近监测站数据预测学校室内外PM2.5浓度	完全无需学校现场传感器，通过注意力机制深度学习模型利用周边监测站数据实现PM2.5浓度预测	NA	开发无需现场传感器的学校PM2.5浓度预测方法，保障健康学习环境	学校室内（教室）和室外（操场）的PM2.5浓度	机器学习	NA	软传感器技术	注意力深度卷积自编码器（ADCAE）	空气质量监测数据	多所学校（小学、初中、高中）	NA	注意力深度卷积自编码器	决定系数（R）、均方误差、平均绝对误差	NA
365	2025-10-07	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究利用深度学习模型预测低密度脂蛋白胆固醇水平，并与传统方法和公式进行比较	首次将CNN、RNN和LSTM等深度学习模型应用于LDL-C预测，并使用LIME方法提供模型解释	深度学习模型需要更多计算资源来解释决策过程	开发更准确的LDL-C预测方法以评估心血管疾病风险	低密度脂蛋白胆固醇水平预测	机器学习	心血管疾病	临床血液检测	CNN, RNN, LSTM	临床检测数据	NA	NA	CNN, RNN, LSTM	准确率	NA
366	2025-10-07	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发并评估基于深度学习的自动算法，用于在机会性CT扫描中检测和量化椎体压缩性骨折	首次使用2D/3D U-Nets卷积神经网络在机会性CT扫描中自动筛查椎体压缩性骨折并量化椎体高度损失	样本量相对较小（100例患者），且为回顾性研究设计	评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能	2019年1月至2020年8月期间因各种适应症（非VCF疑似）接受CT扫描的患者	数字病理学	骨质疏松症	CT扫描	CNN	医学影像	100例患者（平均年龄76.6岁，72%为女性）	NA	2D U-Net, 3D U-Net	敏感性, 特异性, 组内相关系数, Pearson相关系数, 一致性界限	NA
367	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘	NA	NA	NA	NA
368	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者	NA	NA	NA	NA
369	2025-10-07	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	研究论文	开发用于早期预测乳腺癌新辅助化疗期间残留肿瘤负荷的人工智能系统	首次结合放射组学和深度学习特征，开发多任务AI系统在NAC治疗中期预测RCB评分	回顾性研究设计，样本来源仅限于4个机构	早期预测乳腺癌新辅助化疗期间的残留肿瘤负担	接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	磁共振成像	多任务深度学习	医学影像	1048名患者（主要队列335人，外部验证队列713人）	NA	多任务AI系统	AUC	NA
370	2025-10-07	Breast cancer detection and classification with digital breast tomosynthesis: a two-stage deep learning approach 2025-04-28, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242923 PMID:39648903	研究论文	提出一种结合改进VGG19分类和YOLOv5-CBAM检测的两阶段深度学习系统，用于乳腺断层摄影图像的乳腺癌检测与分类	提出两阶段深度学习架构：改进的VGG19（增加8个新层）用于图像分类，YOLOv5-CBAM用于肿瘤检测和良恶性区分	NA	开发计算机辅助诊断系统以提高乳腺癌筛查和诊断的准确性、效率和可靠性	数字乳腺断层摄影（DBT）图像	计算机视觉	乳腺癌	数字乳腺断层摄影	CNN, YOLO	医学图像	5,060名患者的22,032次DBT检查	NA	VGG19, YOLOv5	准确率, 训练损失, 训练准确率	NA
371	2025-05-10	Exploring Molecular and Genetic Differences in Angelica biserrata Roots Under Environmental Changes 2025-Apr-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083894 PMID:40332784	研究论文	该研究通过代谢组学和转录组学方法，结合机器学习和贝叶斯优化的深度学习模型，探索了环境变化对当归根部香豆素生物合成的影响	整合多组学数据与机器学习模型，揭示了环境因素对香豆素生物合成的调控机制，并预测了最佳栽培条件	研究仅关注了特定环境因素对香豆素含量的影响，未考虑其他可能的生物或化学因素	阐明不同生境下当归根部的生物学特性及差异调控机制，为理解代谢变化的分子机制提供理论框架	当归根部	生物信息学	NA	代谢组学, 转录组学, 机器学习, 深度学习	贝叶斯优化的深度学习模型	分子数据, 环境数据	NA	NA	NA	NA	NA
372	2025-05-10	Genome-Wide Identification and Expression Analysis of TONNEAU1 Recruited Motif (TRM) Gene Family in Tomato 2025-Apr-13, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083676 PMID:40332175	研究论文	本研究通过生物信息学方法鉴定了番茄中的28个SlTRM基因家族成员，并分析了它们的蛋白结构、理化性质、共线性、基因结构、保守基序和启动子顺式作用元件	首次利用DeepMind开发的AlphaFold3深度学习架构对28个SlTRM基因进行了三维结构预测，并提出了SlTRM基因家族在番茄侧枝发育中的潜在作用	对SlTRM基因家族成员的具体功能理解仍有限，实验验证不足	研究番茄中TRM基因家族的成员及其在植物器官形态调控中的作用	番茄(Solanum lycopersicum)中的SlTRM基因家族	生物信息学	NA	RNA-seq, qRT-PCR, AlphaFold3	深度学习	基因组数据、转录组数据	28个SlTRM基因家族成员	NA	NA	NA	NA
373	2025-05-10	Design of Novel Auxetic Bi-Materials Using Convolutional Neural Networks 2025-Apr-13, Materials (Basel, Switzerland) DOI:10.3390/ma18081772 PMID:40333386	研究论文	利用卷积神经网络（CNN）预测双材料系统代表体积元素（RVEs）的泊松比，并通过贪婪优化算法识别具有拉胀行为的微结构	使用CNN快速推断微结构的有效泊松比，替代传统的有限元模拟，为高级超材料设计提供计算高效的工具	未提及具体的数据集规模或CNN模型的泛化能力	设计具有定制机械性能的拉胀双材料	由软硬相组成的双材料系统的代表体积元素（RVEs）	机器学习	NA	CNN	CNN	二进制微结构配置图像	NA	NA	NA	NA	NA
374	2025-05-10	Using Cancer-Associated Fibroblasts as a Shear-Wave Elastography Imaging Biomarker to Predict Anti-PD-1 Efficacy of Triple-Negative Breast Cancer 2025-Apr-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms26083525 PMID:40332007	研究论文	本研究利用癌症相关成纤维细胞（CAFs）作为剪切波弹性成像（SWE）的生物标志物，预测三阴性乳腺癌（TNBC）患者对PD-1抑制剂的疗效	首次将伤口愈合型CAFs（WH CAFs）作为SWE成像的生物标志物，用于非侵入性预测TNBC患者对免疫检查点抑制剂的反应，并开发了基于深度学习的分类模型	研究主要基于Eo771小鼠模型，临床样本的验证仍需进一步扩大	开发预测三阴性乳腺癌患者对免疫检查点抑制剂疗效的非侵入性生物标志物	三阴性乳腺癌（TNBC）患者和Eo771小鼠模型	数字病理学	乳腺癌	剪切波弹性成像（SWE）、多组学分析	深度学习模型	图像	NA	NA	NA	NA	NA
375	2025-05-10	DerivaPredict: A User-Friendly Tool for Predicting and Evaluating Active Derivatives of Natural Products 2025-Apr-09, Molecules (Basel, Switzerland) DOI:10.3390/molecules30081683 PMID:40333643	research paper	介绍了一个名为DerivaPredict的用户友好工具，用于预测和评估天然产物的活性衍生物	通过化学和代谢转化生成新的天然产物衍生物，并使用预训练的深度学习模型预测结合亲和力	未提及具体的数据集或样本量限制	增强早期药物发现，通过自动生成和评估天然产物的新型衍生物	天然产物及其衍生物	药物发现	NA	深度学习	预训练的深度学习模型	化学和代谢数据	NA	NA	NA	NA	NA
376	2025-05-10	Predicting Atlantic and Benguela Niño events with deep learning 2025-04-04, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ads5185 PMID:40173237	研究论文	本研究探讨了深度学习在预测大西洋和本格拉尼诺事件中的潜力	使用简单的卷积神经网络架构，能够提前3至4个月预测大西洋/本格拉尼诺事件，并在峰值季节事件预测中表现出色，将预测时间延长至5个月	未提及具体的数据量或模型泛化能力的限制	提高对大西洋和本格拉尼诺事件的预测能力，挑战热带大西洋不可预测的传统观点	大西洋和本格拉尼诺事件	机器学习	NA	深度学习	CNN	气候数据	NA	NA	NA	NA	NA
377	2025-10-07	Deep Learning for Automated Segmentation of Basal Cell Carcinoma on Mohs Micrographic Surgery Frozen Section Slides 2025-04-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004501 PMID:39625169	研究论文	本研究训练了一个深度学习分割模型，用于在Mohs显微外科手术冰冻切片中自动定位基底细胞癌	首次使用YOLOv8分割模型在Mohs手术冰冻切片上定位基底细胞癌，并按BCC亚型评估性能	模型对某些BCC亚型（如硬化型和浸润型）的敏感性较低，需要更准确和临床相关的分割性能指标	开发用于Mohs手术冰冻切片中基底细胞癌自动定位的分割模型	基底细胞癌患者Mohs手术冰冻切片组织	数字病理学	皮肤癌	冰冻切片，全玻片扫描	YOLOv8	病理图像	348张新鲜冰冻组织切片	Ultralytics	YOLOv8	敏感性，特异性	NA
378	2025-05-10	Exploring the potential performance of 0.2 T low-field unshielded MRI scanner using deep learning techniques 2025-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01234-6 PMID:39964601	研究论文	利用深度学习技术探索0.2 T低场无屏蔽MRI扫描仪在成像质量和速度方面的潜在性能	通过深度学习方法克服物理限制，实现低场无屏蔽MRI扫描仪的高质量快速成像	未明确提及具体局限性	探索低场无屏蔽MRI扫描仪的潜在性能，推动MRI技术进步	0.2 T低场无屏蔽MRI扫描仪	医学影像	NA	深度学习、超分辨率成像	NA	MRI图像	未明确提及样本数量	NA	NA	NA	NA
379	2025-05-10	Self-supervised 3D medical image segmentation by flow-guided mask propagation learning 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103478 PMID:39965534	研究论文	提出了一种名为Flow2Mask的自监督3D医学图像分割方法，通过流引导的掩码传播学习来减少对人工标注的依赖	Flow2Mask方法引入了Local-to-Global (L2G)损失和Inter-Slice Smoothness (ISS)损失，以无监督方式学习体积内所有连续切片间的流场，克服了先前方法的局限性	先前方法Vol2Flow的局限性包括未充分关注局部（即切片对）信息、在目标函数中忽略全局信息（即体积上下文）以及在切片到切片重建过程中的误差积累	开发一种更有效的自监督3D医学图像分割方法，以减少对人工标注的依赖	3D医学图像	数字病理	NA	自监督学习	Flow2Mask	3D医学图像	Sliver、CHAOS和3D-IRCAD数据集	NA	NA	NA	NA
380	2025-05-10	A-Eval: A benchmark for cross-dataset and cross-modality evaluation of abdominal multi-organ segmentation 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103499 PMID:39970528	research paper	该论文介绍了A-Eval基准测试，用于评估腹部多器官分割模型在不同数据集和成像模态间的泛化能力	提出了首个跨数据集和跨模态的腹部多器官分割评估基准A-Eval，整合了7个CT和MRI数据集	标注不一致性对多数据集联合训练带来挑战，模型在未见数据上的表现仍不稳定	评估腹部多器官分割模型在不同数据集和成像模态间的泛化性能	腹部多器官分割模型	digital pathology	NA	deep learning	CNN	medical imaging (CT和MRI)	7个数据集	NA	NA	NA	NA