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
1061	2025-05-11	Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-May-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59574-9 PMID:40346038	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1062	2025-05-13	Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01270-1 PMID:40346120	研究论文	本研究建立了一个基于多参数MRI的模型，结合放射组学和深度学习，用于喉鳞状细胞癌的术前分期	结合放射组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性	研究仅基于两个中心的数据，可能存在一定的样本偏差	提高喉鳞状细胞癌术前分期的准确性，为临床决策提供指导	401例经组织学确认的喉鳞状细胞癌患者	数字病理	喉鳞状细胞癌	MRI	ResNet 18, 随机森林(RF)	MRI图像	401例患者（训练集：213例；内部测试集：91例；外部测试集：97例）
1063	2025-05-13	Addressing significant challenges for animal detection in camera trap images: a novel deep learning-based approach 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90249-z PMID:40346172	research paper	提出了一种新颖的两阶段深度学习框架，用于解决相机陷阱图像中动物检测的实际挑战	采用两阶段深度学习框架，结合全局模型和专家模型，显著提高了动物检测的准确性和适用性	模型在新地点的适用性可能仍受背景和物种相似性的影响	提高相机陷阱图像中动物检测的自动化水平和准确性	24种哺乳动物	computer vision	NA	deep learning, Transfer Learning	YOLOv5, agglomerative clustering	image	1.3 million images from 91 camera traps, 120,000 images for testing
1064	2025-05-13	Deep learning for Parkinson's disease classification using multimodal and multi-sequences PET/MR images 2025-May-09, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01245-3 PMID:40346391	research paper	使用深度学习方法通过多模态和多序列PET/MR图像对帕金森病进行分类	提出了一种改进的18层ResNet18模型，结合多模态和多序列图像，提高了帕金森病(PD)和多系统萎缩(MSA)的分类准确率	研究为回顾性分析，样本量相对有限(206患者+38健康对照)，外部验证未进行	开发高性能辅助工具以准确诊断PD和MSA	帕金森病(PD)患者、多系统萎缩(MSA)患者和健康对照(NC)	digital pathology	geriatric disease	PET/MR成像	改进的ResNet18	多模态医学图像(PET/MR)	206名患者(PD/MSA)和38名健康对照
1065	2025-05-13	SMFF-DTA: using a sequential multi-feature fusion method with multiple attention mechanisms to predict drug-target binding affinity 2025-May-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02222-x PMID:40346536	研究论文	提出了一种名为SMFF-DTA的序列多特征融合方法，用于高效准确地预测药物-靶标结合亲和力	采用序列方法表示药物和靶标的结构信息及理化性质，并引入多重注意力机制以紧密捕捉相互作用特征	未明确提及具体局限性	加速药物筛选过程，提高药物-靶标结合亲和力预测的准确性和效率	药物和靶标的结合亲和力	机器学习	NA	深度学习	多重注意力机制	1D序列数据	未明确提及具体样本量
1066	2025-05-13	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025-May-09, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨了人工智能在输血医学中的应用、挑战及未来发展方向	综述了AI在输血医学中多领域的应用潜力，包括机器学习、深度学习和自然语言处理等技术的整合	临床应用流程的变异性、算法透明度、公平获取以及数据隐私和偏见等伦理问题仍需解决	探索AI在输血医学中的应用及其对提升操作效率、患者安全和资源分配的潜力	输血医学中的各个领域，包括供体管理、血液产品质量优化、输血需求预测和出血风险评估等	医疗AI	NA	机器学习(ML)、深度学习、自然语言处理(NLP)、预测分析	NA	NA	NA
1067	2025-05-13	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	research paper	该论文提出了一种名为EPIPDLF的预训练深度学习框架，用于预测增强子-启动子相互作用	EPIPDLF利用先进的深度学习技术，仅基于基因组序列以可解释的方式预测EPIs，并在六个基准数据集上表现出优越性能	未提及具体局限性	开发一种高效且成本较低的预测增强子-启动子相互作用的方法	增强子和启动子之间的相互作用	machine learning	NA	深度学习	预训练深度学习框架	基因组序列	六个基准数据集
1068	2025-05-13	JAX-RNAfold: scalable differentiable folding 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，可扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，能够在单个GPU上处理多达1,250个核苷酸，并允许将可微分折叠作为模块集成到更大的深度学习流程中	NA	优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性	RNA序列	machine learning	NA	differentiable folding	deep learning	RNA序列数据	NA
1069	2025-05-13	The use of deep learning and artificial intelligence-based digital technologies in art education 2025-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00892-9 PMID:40328802	研究论文	本研究提出并优化了一个创新的艺术创作系统Creative Intelligence Cloud (CIC)，旨在探索深度学习和人工智能技术在艺术教育中的应用	结合深度生成对抗网络和卷积神经网络，提升艺术创作的自动化水平、风格一致性和创作效率	未提及在真实教学场景中的具体应用限制	探索深度学习和人工智能技术在艺术创作和艺术教育中的应用	艺术创作系统CIC	数字艺术	NA	深度学习、人工智能	GAN、CNN	图像	NA
1070	2025-05-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-May-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估了其在多个数据集中的鲁棒性	开发了一个适用于儿童上腹部肿瘤放疗的多器官自动分割模型，并在多个数据集中验证了其鲁棒性	0-2岁年龄组的性能最低，胃-肠和胰腺的DSC值低于0.90	开发并评估一种基于CT的多器官分割模型，用于儿童上腹部肿瘤放疗中的风险器官描绘	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric cancer	CT imaging, deep learning-based auto-segmentation	deep learning model	CT images	189例儿科患者的术后CT图像（内部数据集）和189例覆盖胸腹区域的公共数据集
1071	2025-05-13	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-May, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	research paper	该研究探讨了深度学习基于CT影像的肺纤维化定量分析在评估类风湿关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法定量评估CT扫描，揭示了肺纤维化定量评分与肺功能和生存率之间的关联	研究样本量相对较小，验证队列仅包含50名患者，可能影响结果的普遍性	评估定量CT影像在RA-ILD中的临床应用价值，特别是在预测疾病进展和死亡率方面的作用	类风湿关节炎相关间质性肺病（RA-ILD）患者	digital pathology	rheumatoid arthritis-related interstitial lung disease	CT imaging, data-driven texture analysis (DTA)	deep learning	image	289名患者的主要队列和50名患者的验证队列
1072	2025-05-13	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-May, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	本研究评估了ResNet-50和U-Net模型在牙科种植体根尖周X光片中检测和分割垂直不匹配的能力	首次将ResNet-50和U-Net深度学习模型应用于牙科种植体垂直不匹配的检测和分割，并与临床医生的表现进行了比较	研究仅基于根尖周X光片，未考虑其他影像学检查方法	评估人工智能在牙科种植体垂直不匹配检测和分割中的性能	牙科种植体根尖周X光片	计算机视觉	牙科疾病	深度学习	ResNet-50, U-Net	图像	638张根尖周X光片
1073	2025-05-13	Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network 2025-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001963 PMID:39962871	research paper	使用深度卷积神经网络解释脑部多巴胺转运体扫描中的基底核	采用深度学习技术（特别是迁移学习）来辅助帕金森病的临床诊断，提高了图像解释的客观性和准确性	研究为回顾性研究，样本量有限（416例），且仅使用了三种预训练模型	通过深度学习技术促进帕金森病的临床诊断	临床不确定帕金森综合征患者的DAT SPECT扫描图像	digital pathology	Parkinson's disease	DAT SPECT, 99m Tc-TRODAT-1	CNN (Xception, InceptionV3, ResNet101)	image	416例临床不确定帕金森综合征患者
1074	2025-05-13	GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109928 PMID:40054171	研究论文	介绍了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度	开发了一种新型去噪GAN用于清理EEG和sEMG信号，设计并集成了新的ETLSTM架构作为GLEAM模型中的分类器，引入了GLEAM混合深度学习框架以实现稳健可靠的LBP强度评估	NA	诊断下腰痛强度，提供创新的诊断和治疗解决方案	下腰痛患者	机器学习	下腰痛	EEG和sEMG信号处理	GAN-Convolution-Transformer, ETLSTM	EEG和sEMG信号	NA
1075	2025-05-13	Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109903 PMID:40054167	research paper	本研究提出了一种基于3D CNN的新方法，用于在MRI中准确表型luminal A型乳腺癌	提出了一种基于定量医学成像生物标志物（QIB）的新3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法	数据集中存在类别不平衡问题，采用了类别加权策略进行缓解	提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案	luminal A型乳腺癌和非luminal A型病变	digital pathology	breast cancer	MRI	3D CNN	3D volumetric MRI images	公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI）
1076	2025-05-13	A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109916 PMID:40054172	research paper	提出了一种多阶段融合深度学习框架，结合局部模式和注意力驱动的上下文依赖，用于癌症检测	提出了PADBSRNet模型和PADBSRNet-ViT混合方法，整合了多种注意力机制和特征融合策略，有效提取局部-全局上下文特征	未提及具体局限性	提高癌症诊断的速度和准确性	脑肿瘤、皮肤癌和肺癌	digital pathology	brain tumor, skin cancer, lung cancer	deep learning	PADBSRNet, ViT	image	Figshare Brain Tumor Dataset, IQ-OTH/NCCD Dataset, Skin Cancer: Malignant vs. Benign Dataset
1077	2025-05-13	Artificial intelligence applied to epilepsy imaging: Current status and future perspectives 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.03.006 PMID:40175210	review	本文综述了人工智能在癫痫影像学中的应用现状及未来展望	探讨了深度学习和机器学习在癫痫影像学中的多种应用，包括病灶检测、癫痫灶的侧向化和定位、术后结果预测以及癫痫患者与健康个体的自动区分	需要严格的数据监管措施以确保患者数据安全，且依赖大规模数据集	提升癫痫的诊断和治疗水平	癫痫影像学数据	数字病理	癫痫	深度学习（DL）和机器学习（ML）	NA	神经影像数据	NA
1078	2025-05-13	Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine 2025-May, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110327 PMID:40043598	review	本文探讨了人工智能在癫痫护理中的革命性作用，包括癫痫发作预测、诊断精确性提升以及个性化治疗	利用机器学习和深度学习技术改进癫痫监测、自动化EEG分析，并促进个性化治疗策略	模型准确性、可解释性以及在不同患者群体中的适用性仍存在挑战	研究人工智能在癫痫护理中的应用及其潜在影响	癫痫患者及其治疗管理	machine learning	epilepsy	machine learning, deep learning	NA	EEG数据	NA
1079	2025-05-13	Artificial intelligence for the detection of interictal epileptiform discharges in EEG signals 2025-May, Revue neurologique IF:2.8Q2 DOI:10.1016/j.neurol.2025.04.001 PMID:40221359	review	本文回顾了利用人工智能技术检测脑电图信号中的间歇性癫痫样放电（IEDs）的各种方法，评估了它们的性能和局限性	探讨了从传统机器学习到深度学习技术在IED检测中的应用，并强调了AI工具在临床工作流程中的整合	需要公开代码、标准化数据集和指标，以优化临床实施	提高间歇性癫痫样放电（IEDs）检测的准确性和效率	脑电图（EEG）信号中的间歇性癫痫样放电（IEDs）	自然语言处理	癫痫	深度学习，传统机器学习	NA	EEG信号	NA
1080	2025-05-12	Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin 2025-May-15, Toxicology letters IF:2.9Q2 DOI:10.1016/j.toxlet.2025.03.008 PMID:40180199	研究论文	本研究采用可解释的机器学习方法预测化学物质对眼睛和皮肤的刺激性和腐蚀性	结合大量实验数据开发多种机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入见解	模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间	评估农药、化妆品和眼科药物中化学物质的潜在刺激性	化学物质对眼睛和皮肤的刺激性和腐蚀性	机器学习	NA	机器学习和深度学习	多种机器学习和深度学习模型	实验数据	3316个眼刺激实验数据点和3080个皮肤刺激实验数据点