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
121	2025-06-01	Deep learning-based CAD system for Alzheimer's diagnosis using deep downsized KPLS 2025-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03010-x PMID:40425715	研究论文	本文提出了一种基于深度学习的计算机辅助设计（CAD）系统，用于阿尔茨海默病的诊断，采用深度降维KPLS技术	提出了一种新的特征降维技术Deep Downsized Kernel Partial Least Squares (DDKPLS)，并结合ELM分类器构建了DDKPLS-ELM系统	NA	开发一种非侵入性的早期诊断阿尔茨海默病的CAD系统	阿尔茨海默病患者的大脑MRI图像	数字病理学	阿尔茨海默病	深度学习，特征降维	DDKPLS, ELM	MRI图像	Kaggle MRI数据集
122	2025-06-01	Deep learning network enhances imaging quality of low-b-value diffusion-weighted imaging and improves lesion detection in prostate cancer 2025-May-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14354-y PMID:40426115	research paper	本研究利用深度学习网络NAFNet从800 b值的扩散加权成像（DWI）生成模拟1500 b值的图像，以提升前列腺癌病灶检测的准确性	首次使用NAFNet深度学习网络从低b值DWI生成高b值图像，显著提升了前列腺癌病灶的检测率，尤其是对初级放射科医生	研究样本主要来自单一医疗中心，外部验证集的样本量较小（36例），可能影响结果的普遍性	提升低b值DWI图像质量以改善前列腺癌病灶检测	前列腺癌患者	digital pathology	prostate cancer	扩散加权成像（DWI）	NAFNet	image	303例前列腺癌患者用于训练和验证，36例独立样本用于测试
123	2025-06-01	Machine learning decision support model construction for craniotomy approach of pineal region tumors based on MRI images 2025-May-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01712-2 PMID:40426149	研究论文	本研究结合机器学习和深度学习算法与术前MRI图像，构建了用于松果体区肿瘤手术入路推荐的模型	首次将深度学习方法应用于松果体区肿瘤手术入路推荐，并展示了深度学习模型的高预测性能	研究为回顾性研究，样本量相对较小（173例患者）	为松果体区肿瘤手术入路选择提供决策支持工具	松果体区肿瘤患者	数字病理	脑肿瘤	MRI成像	ResNet-50, EfficientNetV2-m, ViT	MRI图像	173例被放射学诊断为松果体区肿瘤的患者
124	2025-06-01	Mechanisms and management of self-resolving lumbar disc herniation: bridging molecular pathways to non-surgical clinical success 2025-May-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-025-05959-x PMID:40426259	research paper	探讨腰椎间盘突出自发性吸收的机制及非手术治疗的成功案例	通过一例40岁女性患者的成功案例，结合文献综述，系统分析了腰椎间盘突出自发性吸收的分子机制和临床预测因素	研究仅基于单一样本，缺乏大样本验证	阐明腰椎间盘突出自发性吸收的分子机制并探索非手术治疗策略	腰椎间盘突出患者	医学研究	腰椎间盘突出	MRI成像	NA	医学影像数据、临床数据	1例40岁女性患者
125	2025-06-01	Network-based analyses of multiomics data in biomedicine 2025-May-27, BioData mining IF:4.0Q1 DOI:10.1186/s13040-025-00452-x PMID:40426270	综述	本文综述了基于网络表示和分析的多组学数据在生物医学中的应用	探讨了网络表示在整合多层次组学数据中的优势及其在深度学习与机器学习框架下的应用	未提及具体实验验证或实际应用案例的局限性	分析网络表示在生物医学大数据任务中的应用及其优缺点	多组学数据（如基因组学、转录组学、蛋白质组学）	生物医学信息学	NA	网络分析、深度学习、机器学习	监督与非监督学习模型	多组学数据	NA
126	2025-06-01	GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization 2025-May-27, Chemical science IF:7.6Q1 DOI:10.1039/d5sc02262b PMID:40438170	research paper	介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋	开发了一个深度学习平台GlycanInsight，能够高精度预测碳水化合物结合口袋，并在AlphaFold2预测的结构上保持稳健性能	未提及具体局限性	开发一个计算工具，用于预测和表征蛋白质结构上的碳水化合物结合口袋，以促进糖类靶向治疗的研究和设计	蛋白质结构上的碳水化合物结合口袋	生物信息学	NA	深度学习	NA	蛋白质结构数据	基准数据集中的实验结构
127	2025-06-01	Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology 2025-May-27, CNS & neurological disorders drug targets DOI:10.2174/0118715273374284250519053646 PMID:40444626	review	本文综述了阿尔茨海默病（AD）的诊断方法，从生物标志物到深度学习技术的进展	结合生物标志物和深度学习技术（如CNN）提高AD诊断的准确性	这些技术旨在辅助而非替代临床医生的专业评估	探讨阿尔茨海默病的诊断方法及其技术进展	阿尔茨海默病（AD）患者	digital pathology	geriatric disease	MRI, 深度学习技术	CNN	image	NA
128	2025-06-01	Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp 2025-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00271 PMID:40314617	研究论文	研究通过机器学习和分子动力学模拟探讨了四种Pen β-内酰胺酶的动态差异及其功能影响	结合机器学习、增强采样分子动力学模拟和卷积变分自编码器深度学习技术，揭示了Pen β-内酰胺酶的动态特征和进化适应性	研究仅针对四种Pen β-内酰胺酶，可能无法涵盖所有相关酶的多样性	探讨Pen β-内酰胺酶的动态差异及其对抗生素耐药性的影响	四种Pen β-内酰胺酶（PenA, PenI, PenL和PenP）	生物信息学与计算生物学	细菌感染	机器学习驱动的增强采样分子动力学模拟、Markov状态模型(MSMs)、卷积变分自编码器深度学习(CVAE)、BindSiteS-CNN模型	CNN, CVAE	分子动力学模拟数据	四种Pen β-内酰胺酶
129	2025-06-01	Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01740-y PMID:40419973	research paper	本研究开发并验证了一种结合左心耳形态特征、深度学习放射组学和临床变量的预测模型，用于预测心房颤动消融术后的复发情况	首次结合深度学习放射组学和临床变量，开发出预测心房颤动消融术后复发的模型，并验证了左心耳形态和体积与消融结果的强相关性	研究为回顾性设计，样本量相对有限（480例患者），且仅基于三个三级医院的数据	预测心房颤动射频导管消融术后的复发概率	接受射频导管消融术的心房颤动患者	digital pathology	cardiovascular disease	CT angiography (CTA), deep learning radiomics	nnUNet, Cox proportional hazard regression	image, clinical variables	480例接受射频导管消融术的心房颤动患者
130	2025-06-01	Detecting microcephaly and macrocephaly from ultrasound images using artificial intelligence 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01709-x PMID:40419983	研究论文	本研究利用深度学习技术开发了一种从超声图像中检测胎儿头部异常（小头畸形和大头畸形）的模型	首次在资源有限的埃塞俄比亚医疗设施中应用深度学习模型SegNet进行胎儿头部异常的自动分割、测量和分类	模型性能有待进一步优化，数据集需要扩展以提高泛化能力	开发一种能够在资源有限地区应用的胎儿头部异常自动检测系统	胎儿头部超声图像	数字病理	先天性异常	深度学习	SegNet, UNet, FCN, MobileNetV2, EfficientNet-B0	超声图像	来自埃塞俄比亚三家医疗机构的胎儿头部超声图像数据
131	2025-06-01	Prediction of one-year recurrence among breast cancer patients undergone surgery using artificial intelligence-based algorithms: a retrospective study on prognostic factors 2025-May-26, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-025-14369-5 PMID:40419997	研究论文	本研究利用人工智能算法预测乳腺癌术后患者一年内的复发情况	比较分析了多种机器学习和深度学习算法在预测乳腺癌一年复发中的表现，并利用SHAP图识别关键预后因素	研究为回顾性设计，且数据仅来自德黑兰市的三个临床中心，可能限制结果的普遍性	预测乳腺癌术后患者一年内的复发情况，以改善临床决策	1156名接受过手术的乳腺癌患者	机器学习	乳腺癌	机器学习、深度学习	随机森林	临床数据	1156名乳腺癌术后患者（445例复发，711例未复发）
132	2025-06-01	ORAKLE: Optimal Risk prediction for mAke30 in patients with sepsis associated AKI using deep LEarning 2025-May-26, Critical care (London, England) DOI:10.1186/s13054-025-05457-w PMID:40420108	研究论文	本文介绍了一种名为ORAKLE的新型深度学习模型，用于预测脓毒症相关急性肾损伤（AKI）患者在30天内发生重大不良肾脏事件（MAKE30）的风险	ORAKLE模型利用动态时间序列数据进行预测，克服了现有静态预测模型的不足，能够更准确地捕捉肾脏损伤、治疗效果和患者轨迹的动态变化	研究基于回顾性数据，可能存在选择偏倚，且模型在临床实践中的实际效果尚需前瞻性研究验证	开发一个能够准确预测AKI患者30天内重大不良肾脏事件的深度学习模型	脓毒症相关急性肾损伤患者	机器学习	急性肾损伤	深度学习	Dynamic DeepHit框架	时间序列临床数据	开发队列（MIMIC-IV）16,671例患者，外部验证队列（SiCdb）2,665例患者和（eICU-CRD）11,447例患者
133	2025-06-01	Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics 2025-May-26, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.05.052 PMID:40436140	research paper	通过深度血浆蛋白质组学和深度学习策略，研究强直性脊柱炎的免疫特征并发现潜在生物标志物	整合随机森林和正交偏最小二乘判别分析构建机器学习模型，识别出与强直性脊柱炎相关的关键蛋白质	样本量相对较小，且仅针对血浆蛋白质组进行分析，未涉及其他生物样本	优化强直性脊柱炎的临床管理和预后评估	强直性脊柱炎患者和健康对照者的血浆样本	machine learning	强直性脊柱炎	深度定量蛋白质组学，ELISA	RF, OPLS-DA	蛋白质组数据	104名参与者（AS患者和健康对照者），独立队列79名参与者用于ELISA验证
134	2025-06-01	ICD code mapping model based on clinical text tree structure 2025-May-26, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于提高电子病历ICD编码的质量和效率	结合了选区树模型和transformer模型提取临床记录的结构和特征，使用Tree-lstm模型丰富特征，并通过bioBERT预训练模型突出关键ICD编码的作用	未明确提及具体局限性	解决电子病历ICD编码问题，提高编码质量和效率	非结构化的临床记录	自然语言处理	NA	深度学习	TRIC（结合Transformer、Tree-lstm和bioBERT）	文本	广泛使用的MIMIC-III完整数据集和样本数据集
135	2025-06-01	Deep learning model for malignancy prediction of TI-RADS 4 thyroid nodules with high-risk characteristics using multimodal ultrasound: A multicentre study 2025-May-26, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102576 PMID:40446583	research paper	本研究开发了一个深度学习模型，利用多模态超声图像预测具有高风险特征的TI-RADS 4甲状腺结节的恶性概率	结合B型超声和应变弹性成像图像的高维卷积，采用自适应粒子群优化和对比度受限自适应直方图均衡化算法提升图像质量，并通过深度学习技术融合多模态特征进行分类	研究主要针对TI-RADS 4类甲状腺结节，未涵盖其他类别结节	提高甲状腺结节恶性预测的准确性，减少漏诊和误诊	具有高风险特征的TI-RADS 4甲状腺结节	digital pathology	thyroid cancer	B-mode ultrasound, strain elastography	deep learning	image	多中心研究，具体样本量未在摘要中提及
136	2025-06-01	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	research paper	提出了一种基于面部表情识别技术的医学教育辅助教学和学生评估方法	利用先进的面部表情识别技术改进传统医学教育中的教学和评估方式	面临技术准确性、设备依赖性和隐私保护等挑战	提升医学教育的教学效果和学生个性化学习体验	医学教育中的学生和教师	computer vision	NA	facial expression recognition	deep learning	image	NA
137	2025-06-01	A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education 2025-May-21, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare13101205 PMID:40428041	review	本文是一篇范围综述，探讨了AI驱动的数字干预在心理健康护理中的应用，涵盖了筛查、支持、监测、预防和临床教育五个阶段	引入了一个四支柱框架，全面概述了AI增强心理健康护理的当前应用和未来方向	存在算法偏见、数据隐私风险和工作流程整合障碍等挑战	指导研究人员、临床医生和政策制定者开发安全、有效和公平的数字心理健康干预措施	AI驱动的数字工具在心理健康护理中的应用	natural language processing	mental health	large language models (LLMs), machine learning (ML) models, and conversational agents	chatbots, NLP tools, ML and DL models, LLM-based agents	text	36 empirical studies
138	2025-06-01	Brain Tumour Segmentation and Grading Using Local and Global Context-Aggregated Attention Network Architecture 2025-May-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12050552 PMID:40428171	research paper	该研究开发了一种名为LGCNet的智能模型，用于脑肿瘤的分割和分级，结合了局部和全局上下文注意力网络架构	提出了一种结合局部和全局上下文注意力网络的聚合架构LGCNet，用于更有效地检测和分级脑肿瘤	研究范围仅限于BraTS2019数据集，未来需要扩展到不同的临床和影像环境	设计和开发一个智能模型，以更有效地检测和分级脑肿瘤	脑肿瘤的分割和分级	digital pathology	brain tumor	deep learning	LGCNet (Local and Global Context-Aggregated Attention Network)	medical images	BraTS2019数据集
139	2025-06-01	RDW-YOLO: A Deep Learning Framework for Scalable Agricultural Pest Monitoring and Control 2025-May-21, Insects IF:2.7Q1 DOI:10.3390/insects16050545 PMID:40429258	research paper	本文介绍了一种基于YOLO11改进的害虫检测算法RDW-YOLO，用于农业害虫监测与控制	提出了三个关键创新点：Reparameterized Dilated Fusion Block (RDFBlock)增强特征提取，DualPathDown (DPDown)模块提升多尺度适应性，以及改进的Wise-Wasserstein IoU (WWIoU)损失函数优化边界框回归	NA	提高农业害虫监测的准确性和效率	农业害虫	computer vision	NA	deep learning	YOLO	image	enhanced IP102 dataset
140	2025-06-01	Improved YOLOv8 Network of Aircraft Target Recognition Based on Synthetic Aperture Radar Imaging Feature 2025-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s25103231 PMID:40432024	研究论文	本文提出了一种基于合成孔径雷达（SAR）成像特征的改进YOLOv8网络，用于飞机目标识别	采用了Shi-Tomasi角点检测算法和Enhanced Lee滤波算法将灰度图像转换为RGB图像，增强了YOLOv8模型的多维特征提取能力，并集成了Swin Transformer机制以更好地捕捉特征图中的长距离依赖关系	NA	提高SAR图像中飞机目标的识别准确率和效率	SAR图像中的飞机目标	计算机视觉	NA	Shi-Tomasi角点检测算法、Enhanced Lee滤波算法、Swin Transformer机制	YOLOv8	图像	两个数据集：ISPRS-SAR-aircraft数据集和SAR-Aircraft-1.0数据集