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
601	2025-10-07	Ultrasound-based deep learning radiomics for enhanced axillary lymph node metastasis assessment: a multicenter study 2025-May-08, The oncologist DOI:10.1093/oncolo/oyaf090 PMID:40349137	研究论文	本研究开发了一种基于超声的深度学习影像组学模型，用于评估乳腺癌腋窝淋巴结转移，并通过多中心研究验证其临床价值	结合深度学习与手工提取的影像组学特征，构建临床-影像组学模型，并在多中心数据集和前瞻性测试中验证其性能	NA	开发用于评估乳腺癌腋窝淋巴结转移的深度学习影像组学模型，并评估其对放射科医生诊断准确性的影响	乳腺癌患者	数字病理	乳腺癌	超声成像	深度学习	超声图像	来自6家医院的866名乳腺癌患者	NA	NA	AUC	NA
602	2025-10-07	Wearable Artificial Intelligence for Sleep Disorders: Scoping Review 2025-May-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65272 PMID:40327852	综述	本文对用于睡眠障碍的人工智能可穿戴设备进行了范围综述，重点关注研究特征、可穿戴技术特点及AI检测分析方法	首次系统综述AI驱动的可穿戴设备在睡眠障碍领域的应用现状和方法学特征	主要关注睡眠呼吸暂停，对其他睡眠障碍的研究有限，缺乏治疗效果评估	概述AI驱动的可穿戴设备在睡眠障碍检测和分析中的应用现状	使用可穿戴设备和AI算法检测或预测睡眠障碍的同行评议研究	医疗人工智能	睡眠障碍	可穿戴设备监测技术	CNN,随机森林,支持向量机	呼吸数据,心率数据,身体运动数据	46项符合条件的研究	NA	卷积神经网络	NA	NA
603	2025-10-07	Current Technological Advances in Dysphagia Screening: Systematic Scoping Review 2025-May-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/65551 PMID:40324167	系统范围综述	本系统范围综述全面评估了人工智能和传感器技术在吞咽困难筛查中的当前进展、性能表现和方法学质量	首次系统评估AI和传感器技术在吞咽困难筛查中的应用，特别关注多模态系统的性能优势和方法学质量评估	纳入研究存在偏倚风险，缺乏外部验证和领域适应性测试，可能影响实际应用价值	评估人工智能和传感器技术在吞咽困难筛查中的技术现状、性能表现和方法学质量	吞咽困难筛查技术研究	医疗人工智能	吞咽困难	传感器技术，人工智能分析	支持向量机，深度学习	声学信号，振动信号	24项研究，2979名参与者（1717名吞咽困难患者，1262名对照组）	NA	NA	准确率，受试者工作特征曲线下面积，灵敏度	NA
604	2025-10-07	Diagnostic performance of deep learning-based coronary computed tomography angiography in detecting coronary artery stenosis 2025-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03383-0 PMID:40156689	研究论文	验证基于深度学习的冠状动脉CT血管成像自动诊断模型在检测冠状动脉狭窄中的性能	开发了全自动深度学习模型，采用多阶段框架进行冠状动脉分割和狭窄分析	研究限于特定时间段内的多中心数据，需要进一步验证在更广泛人群中的适用性	验证深度学习模型在诊断阻塞性冠状动脉疾病中的性能	疑似冠状动脉疾病患者	医学影像分析	冠状动脉疾病	冠状动脉CT血管成像	CNN	医学影像	1090名患者	NA	3D Multi-resolution Cascade CNN, 3D Cascade-Locally Optimized Network, Stenosis Analysis Network	准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, kappa系数	NA
605	2025-10-07	Construction of a deep learning model and identification of the pivotal characteristics of FGF7- and MGST1- positive fibroblasts in heart failure post-myocardial infarction 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143171 PMID:40258553	研究论文	本研究通过构建深度学习模型并识别FGF7-和MGST1-阳性成纤维细胞在心肌梗死后心力衰竭中的关键特征	首次发现FGF7MGST1成纤维细胞在心肌梗死后心力衰竭中下调，并通过深度学习模型和孟德尔随机化分析揭示其因果关联	研究主要基于单细胞测序数据和小鼠模型，需要在更大样本和临床环境中进一步验证	探究成纤维细胞异质性在心肌梗死后心力衰竭发生发展中的作用机制	心脏组织中的成纤维细胞，特别是FGF7MGST1阳性成纤维细胞	数字病理学	心血管疾病	scRNA-seq, qRT-PCR, 孟德尔随机化分析	深度学习模型	单细胞RNA测序数据, 基因表达数据	小鼠心肌梗死模型	NA	NA	NA	NA
606	2025-10-07	The prediction of RNA-small molecule binding sites in RNA structures based on geometric deep learning 2025-May, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143308 PMID:40268011	研究论文	提出基于几何深度学习的RLBSIF方法，用于预测RNA结构中与小分子配体的结合位点	首次将表面几何特征（形状指数和距离依赖曲率）与化学特征（原子电荷）结合，通过MaSIF-based表面相互作用指纹全面表征RNA-配体相互作用	模型仅在440个结合口袋上训练，样本规模有限	准确预测RNA结构中配体结合位点以指导药物设计	RNA-小分子配体结合位点	机器学习	NA	几何深度学习	CNN	结构表面特征数据	440个结合口袋	PyTorch	ResNet18	准确率	NA
607	2025-05-30	Predicting transmission loss in underwater acoustics using continual learning with range-dependent conditional convolutional neural networks 2025-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0036773 PMID:40439448	研究论文	本文提出了一种基于持续学习和范围依赖条件卷积神经网络的方法，用于预测水下声学传输损失，以提高远场场景下的预测准确性	引入了一种范围依赖条件卷积神经网络，通过直接对输入地形进行条件化，单步预测传输损失场，并采用基于回放的持续学习策略，实现跨连续地形变化的泛化	模型在远场波预测方面可能存在局限性，且依赖于输入地形的准确性	提高深度学习模型在远场场景下预测水下辐射噪声的准确性	水下声学传输损失	机器学习	NA	持续学习，卷积神经网络	CNN	地形数据，声学数据	多个测试案例和涉及Dickins Seamount的基准场景	NA	NA	NA	NA
608	2025-05-29	DeepMBEnzy: An AI-Driven Database of Mycotoxin Biotransformation Enzymes 2025-May-28, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c02477 PMID:40378051	研究论文	开发了一个名为DeepMBEnzy的AI驱动数据库，用于预测和存档霉菌毒素生物转化酶	通过微调预训练模型并使用冷蛋白数据分割方法，开发了EPP-MB模型，用于预测霉菌毒素生物转化酶，并构建了DeepMBEnzy数据库	目前仅识别了少数霉菌毒素生物转化酶，且模型的验证准确率为79%，仍有提升空间	促进霉菌毒素解毒研究和应用中的酶候选物的探索和利用	霉菌毒素及其生物转化酶	机器学习	NA	深度学习	预训练模型微调	蛋白质数据	超过4000种霉菌毒素	NA	NA	NA	NA
609	2025-05-29	Data augmentation using masked principal component representation for deep learning-based SSVEP-BCIs 2025-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/add9d1 PMID:40378852	研究论文	本研究提出了一种基于主成分表示掩码的数据增强方法（MPCR），用于提升基于稳态视觉诱发电位的脑机接口（BCI）中深度学习模型的分类准确率	提出了一种新的组件级数据增强方法MPCR，通过主成分表示和随机掩码策略引入随机扰动，同时保留EEG信号的主要内在结构	未明确提及具体局限性，但暗示当前信号级数据增强方法可能导致EEG信号显著失真	提升基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的分类准确率	稳态视觉诱发电位（SSVEP）和脑电图（EEG）信号	脑机接口（BCI）	NA	主成分分析（PCA）和随机掩码策略	深度学习模型（未指定具体类型）	脑电图（EEG）信号	两个广泛使用的公共数据集（未明确样本数量）	NA	NA	NA	NA
610	2025-05-29	Brain stimulation outcome prediction in Major Depressive Disorder by deep learning models using EEG representations 2025-May-28, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2511222 PMID:40434017	research paper	该研究利用深度学习模型基于脑电图（EEG）表征预测重度抑郁症（MDD）患者对重复经颅磁刺激（rTMS）治疗的反应	开发了一种基于三种预训练卷积神经网络（DenseNet121、EfficientNetB0和Xception）的深度混合神经网络，用于从三种EEG表征中预测治疗效果，其中使用原始EEG图像序列的分类准确率最高达到94.7%	研究样本量较小（83名患者），且未提及模型在其他独立数据集上的验证情况	开发个体化治疗选择框架，以节省MDD患者的治疗时间和成本，并避免可能的副作用	83名接受rTMS治疗的MDD患者	digital pathology	geriatric disease	EEG, rTMS	CNN (DenseNet121, EfficientNetB0, Xception)	EEG信号（包括小波变换图像、电极间连接矩阵和原始EEG信号）	83名MDD患者	NA	NA	NA	NA
611	2025-10-07	Deep learning in 3D cardiac reconstruction: a systematic review of methodologies and dataset 2025-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03273-y PMID:39753994	系统综述	本文系统综述了使用深度学习方法进行3D心脏重建的技术和数据集	结合统计形状建模、图卷积网络和渐进式GAN的混合方法，特别针对先天性心脏病生成合成数据进行增强	NA	解决心脏建模和分割中的关键挑战，开发自动化的高分辨率3D心脏重建方法	心脏器官的三维重建	医学影像分析	心脏病	统计形状建模，图卷积网络，渐进式GAN	GCN, GAN	医学影像数据	包含UK Biobank、MICCAI MM-WHS挑战赛和先天性心脏病临床数据集的多数据集	NA	渐进式GAN, 图卷积网络	Dice相似系数, Chamfer距离, Hausdorff距离	NA
612	2025-10-07	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	本研究提出基于Swin UNETR的深度学习方法，用于脑肿瘤定量DCE-MRI图像中的大血管自动分割	首次将Swin UNETR架构应用于脑肿瘤DCE-MRI图像的大血管分割，并与U-Net和Attention U-Net进行性能比较	NA	开发自动准确的大血管分割方法以提升脑肿瘤分级和治疗评估的准确性	脑肿瘤患者的大血管区域	医学影像分析	脑肿瘤	动态对比增强磁共振成像(DCE-MRI)	深度学习	MRI图像	187例脑肿瘤患者的MRI数据，来自两个中心、两种设备厂商和两种场强扫描仪	NA	Swin UNETR, U-Net, Attention U-Net	Dice系数	NA
613	2025-10-07	Deterministic Autoencoder using Wasserstein loss for tabular data generation 2025-May, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107208 PMID:39893805	研究论文	提出一种基于Wasserstein损失函数的确定性自编码器用于表格数据生成	将Wasserstein自编码器的确定性编码机制应用于表格数据生成，解决了变分自编码器随机性导致的潜在空间塌陷问题	NA	开发更稳定有效的表格数据生成方法	表格数据	机器学习	NA	深度学习	自编码器	表格数据	NA	NA	Wasserstein自编码器	NA	NA
614	2025-05-29	Optimizing Deep Learning Models for Luminal and Nonluminal Breast Cancer Classification Using Multidimensional ROI in DCE-MRI-A Multicenter Study 2025-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70931 PMID:40347080	research paper	本研究通过多维ROI在DCE-MRI中的应用，优化深度学习模型以区分乳腺癌症的luminal和非luminal亚型	首次探索了ROI维度（2D/2.5D/3D）、瘤周扩展水平（0-8 mm）和分割场景（仅ROI vs. ROI原始）的协同效应	研究为回顾性设计，可能受到数据收集偏差的影响	优化深度学习模型以区分乳腺癌症的分子亚型	426名原发性浸润性乳腺癌患者	digital pathology	breast cancer	DCE-MRI	deep transfer learning models	image	426名患者（训练队列108名，验证队列1 165名，验证队列2 153名）	NA	NA	NA	NA
615	2025-05-29	Pesticide Residue Detection Using Grating Spectroscope and GWO-CNN-BiLSTM Method 2025-May, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.70282 PMID:40433911	research paper	本研究开发了一种便携式检测设备，结合光栅光谱仪和智能手机，用于准确检测菠菜中的噻虫嗪残留	采用ResNet50模型结合SE注意力机制提取关键特征，并通过GWO算法优化的CNN-BiLSTM混合模型提高检测精度	未提及该方法在其他类型农药残留检测中的适用性	提高农药残留检测的准确性，保障食品安全和公共健康	菠菜中的噻虫嗪残留	machine learning	NA	光栅光谱仪、图像处理技术、深度学习	ResNet50、CNN、BiLSTM、GWO	image	NA	NA	NA	NA	NA
616	2025-05-28	Impact of contrast-enhanced agent on segmentation using a deep learning-based software "Ai-Seg" for head and neck cancer 2025-May-26, The British journal of radiology DOI:10.1093/bjr/tqaf108 PMID:40419459	研究论文	本研究开发了一种专用于对比增强CT的头颈部风险器官分割模型，并比较了其在对比增强和非对比增强CT上的性能	开发了专用于对比增强CT的分割模型，并首次评估其在非对比增强CT上的适用性	在非对比增强CT上对颌下腺的分割性能显著下降	评估深度学习分割软件在不同CT图像类型上的性能差异	头颈部癌症患者的CT图像	数字病理	头颈部癌症	CT扫描	深度学习模型（Ai-Seg）	医学影像	321名患者用于训练，25名患者用于测试	NA	NA	NA	NA
617	2025-10-07	Minimally interactive segmentation of soft-tissue tumors on CT and MRI using deep learning 2025-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11167-8 PMID:39560714	研究论文	开发了一种基于深度学习的软组织肿瘤最小交互式分割方法	提出了一种只需用户点击六个边界点的最小交互式分割方法，将点转换为距离图并与图像一起作为CNN输入	NA	开发用于CT和MRI上软组织肿瘤的快速准确分割方法	软组织肿瘤	医学影像分析	软组织肿瘤	CT, MRI (T1加权, T2加权脂肪饱和)	CNN	医学影像	514名患者，包含9种软组织肿瘤表型和7个解剖位置，另有外部验证数据集包含5种未见过的肿瘤表型	NA	NA	Dice相似系数, 体积测量误差, 直径测量误差, 相关系数	NA
618	2025-10-07	Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00372 PMID:40339059	研究论文	本研究开发了机器学习模型来预测多环芳烃的红外光谱，特别关注同时处理中性和带电分子的光谱预测	首次实现了对带电多环芳烃红外光谱的快速准确预测，通过分子电荷的编码处理解决了混合物中光谱解析的难题	杂原子多环芳烃的数据稀缺限制了模型的泛化能力	开发能够同时预测中性和带电多环芳烃红外光谱的机器学习模型	多环芳烃分子	机器学习	NA	红外光谱分析	XGBoost, GNN	分子结构数据	NA	XGBoost, 图神经网络框架	图神经网络	准确度	NA
619	2025-10-07	Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00590 PMID:40340403	研究论文	开发了一种基于公式引导的深度学习模型CMD-FGKpuu，用于预测脑-血浆未结合分配系数以评估血脑屏障通透性	通过数据挖掘建立了公开的大鼠数据集，并开发了公式引导的深度学习模型，展示了深度学习在Kpuu预测中的潜力，并为少样本学习在制药领域的应用提供了新视角	现有经验评分模型的通用性和适用性尚未充分探索，数据稀缺且多为内部数据	预测脑-血浆未结合分配系数以评估血脑屏障通透性，支持药物开发	化合物的脑-血浆未结合分配系数	机器学习	NA	数据挖掘，深度学习	深度学习模型	化学数据，实验数据	通过数据挖掘建立的大鼠数据集	NA	公式引导网络	基准测试性能	NA
620	2025-10-07	Unveiling the potential of artificial intelligence in revolutionizing disease diagnosis and prediction: a comprehensive review of machine learning and deep learning approaches 2025-May-26, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02680-7 PMID:40414894	综述	全面回顾机器学习和深度学习在16种疾病预测与诊断中的应用及临床效果	系统梳理2015-2024年间AI技术在多种疾病诊断预测中的最新进展，提出未来研究方向路线图	存在数据质量、模型可解释性及临床工作流整合等挑战	评估AI技术在疾病预测与诊断领域的应用效果和发展前景	涵盖16种不同疾病类型的相关研究	机器学习	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	准确率, 效率	NA