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
1	2025-05-31	Deep learning-based forecasting of daily maximum ozone levels and assessment of socioeconomic and health impacts in South Korea 2025-Jun-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179684 PMID:40409021	研究论文	本研究评估了三种深度学习模型在预测韩国19个省份未来七天每日最大臭氧浓度方面的性能，并将高精度臭氧预测与健康和经济社会指标相结合，评估环境影响	将深度学习模型的高精度臭氧预测与省份和性别特定的健康及社会经济指标相结合，评估环境影响的创新方法	研究仅针对韩国19个省份，可能无法推广到其他地区	预测每日最大臭氧浓度并评估其公共健康和社会经济影响	韩国19个省份的每日最大臭氧浓度及其与健康和经济社会指标的关系	机器学习	心血管疾病	深度学习	Deep-CNN, LSTM, DNN	时间序列数据	韩国19个省份的臭氧浓度数据
2	2025-05-31	AI image analysis as the basis for risk-stratified screening 2025-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01734-4 PMID:39794661	review	本文综述了人工智能在乳腺癌筛查中的应用，特别是AI风险预测模型的最新进展	探讨了从传统成像生物标志物到前沿深度学习方法和多模态方法的AI驱动风险预测模型	AI风险模型主要在研究环境中探索，尚未广泛临床应用	优化AI工具在乳腺癌筛查中的采用，提高不同人群的公平性和结果	乳腺癌筛查中的AI风险预测模型	digital pathology	breast cancer	deep learning, multimodal approaches	AI risk models	image	NA
3	2025-05-31	Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques 2025-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-024-02616-1 PMID:39813007	研究论文	比较传统统计方法与深度学习技术在肾功能预测中的准确性	探讨了深度学习技术（特别是处理缺失值的技术）在肾功能预测中是否优于传统统计方法	深度学习技术并未显示出比传统统计方法更高的预测准确性	提高肾功能预测的准确性，以促进慢性肾脏病（CKD）的早期检测和管理	来自日本慢性肾脏病数据库（J-CKD-DB）的22,929名CKD患者	机器学习	慢性肾脏病	多元线性回归、前馈神经网络（FFNN）、门控循环单元（GRU）-D模型	FFNN, GRU-D	临床数据	22,929名CKD患者
4	2025-05-31	Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03296-z PMID:39847156	研究论文	提出了一种基于深度学习的非参数贝叶斯框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估	采用非参数贝叶斯方法和随机梯度Langevin动力学优化器，能够更准确地进行低剂量PET重建并提供不确定性评估	研究仅使用了特定数据集进行评估，未涉及其他可能影响临床应用的变量	提高低剂量PET图像重建的准确性并评估不确定性，以改善临床决策	低剂量PET图像	医学影像处理	肿瘤学	深度学习	非参数贝叶斯框架	医学影像	10,631个样本（全局评估）和28个样本（局部评估）
5	2025-05-31	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	research paper	该研究提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动	使用深度学习技术建模群体行为，考虑全面的日常活动集（41种），并检测显著偏差	未明确提及数据来源的多样性和样本的具体特征	通过智能家居远程监测老年人的健康和福祉，提高健康结果和独立性	老年人的日常活动	machine learning	geriatric disease	deep learning	recurrent neural networks	activity data	未明确提及具体样本数量，但涉及41种日常活动
6	2025-05-31	A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder 2025-Jun, Journal of substance use and addiction treatment DOI:10.1016/j.josat.2025.209685 PMID:40127869	研究论文	本研究利用生态瞬时评估(EMA)和深度学习预测接受阿片类药物使用障碍(MOUD)治疗患者的非处方阿片类药物使用(NPOU)、药物不依从性和治疗保留情况	结合EMA和深度学习技术预测MOUD治疗中的关键行为结果，并利用SHAP方法解析预测特征的时间延迟和重要性	样本量较小(仅62名成人参与者)，模型性能在不同EMA亚型和结果间存在较大差异(AUC范围0.58-0.97)	预测阿片类药物使用障碍治疗中的不良行为结果以改善治疗效果	接受阿片类药物使用障碍(MOUD)治疗的成人患者	机器学习	阿片类药物使用障碍	生态瞬时评估(EMA)，电子健康记录(EHR)分析	循环深度学习模型	EMA数据，EHR数据	62名成人，14,322次观察
7	2025-05-31	Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography 2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3561599 PMID:40238602	research paper	该论文提出了一种结合深度数据驱动和物理启发学习的方法，用于超声弹性成像中的剪切波速度估计	提出了一种物理启发学习方法，利用无已知剪切波速度值的真实数据进行训练，减少了模拟数据与真实数据之间的差异导致的伪影	仅在实验模型和两名人类受试者的肝脏数据上进行了验证，样本量较小	提高超声弹性成像中剪切波速度估计的准确性和鲁棒性	剪切波速度(SWS)估计	医学影像处理	NA	超声弹性成像(SWE)	深度学习(DL)	超声RF/IQ数据	实验模型数据和两名人类受试者的肝脏数据
8	2025-05-31	Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation 2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3562313 PMID:40261767	研究论文	开发了一种基于深度学习的3D光声点源定位系统，用于手术工具尖端的定位和跟踪	首次将深度学习应用于光声通道数据，实现了三维点源定位，并推导了点源位置、声速和波形形状之间的理论关系	NA	开发一种能够在手术和介入过程中三维定位和跟踪工具尖端的方法	手术工具尖端	计算机视觉	NA	光声成像	深度学习实例分割	图像	4000个模拟数据帧、993个幻影数据帧和1983个离体数据帧
9	2025-05-31	Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging 2025-Jun, BioMedInformatics DOI:10.3390/biomedinformatics5020020 PMID:40271381	综述	本文综述了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略	总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战	仅包括同行评审的英文脑成像研究，可能忽略了其他语言或非脑成像的相关研究	提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床应用中的可靠性	神经影像数据	医学影像分析	神经系统疾病	深度学习	深度学习模型	医学影像	NA
10	2025-05-31	IR-MBiTCN: Computational prediction of insulin receptor using deep learning: A multi-information fusion approach with multiscale bidirectional temporal convolutional network 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143844 PMID:40319974	research paper	提出了一种基于深度学习和多信息融合的计算方法IR-MBiTCN，用于预测胰岛素受体（IR）	首次将多尺度双向时间卷积网络（MBiTCN）应用于IR预测，结合了多视角融合特征（MPFF）	需要进一步验证模型在其他类型蛋白质预测中的泛化能力	开发一种可扩展、高效的计算方法来预测胰岛素受体，替代传统实验方法	胰岛素受体（IR）	machine learning	cancer, neurological	W-GDPC, FastText, BB-PSSM	MBiTCN	sequence	训练和测试数据集（具体数量未提及）
11	2025-05-30	Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning 2025-Jun-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005280 PMID:40152470	research paper	开发并验证了一种用于脊柱侧弯诊断的自动卷积神经网络(CNN)，以测量多种脊柱参数	提出了一种全自动的深度学习方法，不仅测量Cobb角，还包括其他多个脊柱参数，显著提高了测量效率和准确性	研究为单机构回顾性研究，样本量相对有限，特别是老年患者组样本较少(26例)	开发自动化的脊柱参数测量系统以改善脊柱侧弯诊断	1682名脊柱侧弯患者的正侧位X光片	digital pathology	脊柱侧弯	深度学习	CNN	医学影像(X光片)	1682名患者(包括87名青少年和26名老年患者)
12	2025-05-30	Predicting host-pathogen interactions with machine learning algorithms: A scoping review 2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases DOI:10.1016/j.meegid.2025.105751 PMID:40220943	综述	本文通过范围综述方法，系统评估了机器学习在宿主-病原体相互作用预测中的应用，比较了不同算法的效果	首次系统比较了不同机器学习方法在宿主-病原体相互作用预测中的表现，并提出了未来研究方向	纳入分析的文献数量有限（30篇），且存在数据集标准化和模型可解释性方面的不足	评估机器学习算法在预测宿主-病原体相互作用方面的有效性和应用现状	宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用）	机器学习	传染病	机器学习算法（包括随机森林、梯度提升、CNN、RNN等）	Random Forest, Gradient Boosting, CNN, RNN	蛋白质相互作用数据	46篇初步筛选文献，最终纳入30篇进行分析
13	2025-05-30	Virtual monochromatic image-based automatic segmentation strategy using deep learning method 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104986 PMID:40318556	research paper	本研究提出了一种基于双能CT生成的虚拟单色图像的新型深度学习模型MIAU-Net，用于头部危险器官的自动分割	提出了MIAU-Net模型，并探索了不同虚拟能量水平对分割准确性的影响	研究仅基于46名患者的数据，样本量较小	提高基于双能CT的自动分割准确性	头部危险器官（如脑干、视交叉、晶状体等）	digital pathology	NA	DECT	MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse	image	46名患者的DECT数据
14	2025-05-30	AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143668 PMID:40339839	研究论文	提出了一种基于指针网络的自动加权特征提取器AutoFE-Pointer，用于DNA甲基化预测	利用改进的软化指针网络动态提取和加权来自不同DNA序列的特征，能够同时处理17个不同物种的基准数据集，实现跨物种泛化并减少计算需求	未提及具体样本量或实验验证的局限性	开发精确高效的DNA甲基化预测工具	DNA甲基化模式	计算生物学	癌症	DNA甲基化测序	指针网络	DNA序列数据	NA
15	2025-05-30	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	提出了一种全自动的多指标模型，用于颈动脉CTA图像质量评估，其性能与放射科医师的主观评估相当且效率更高	研究为回顾性设计，且仅使用了来自四家三级医院的840例颈动脉CTA图像	开发并评估用于颈动脉CT血管造影图像质量评估的全自动模型	颈动脉CT血管造影图像	数字病理	心血管疾病	深度学习，多元逻辑回归算法	3D Res U-net	图像	840例颈动脉CTA图像（来自四家三级医院）
16	2025-05-30	Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104993 PMID:40381258	research paper	比较分析深度学习在乳腺超声病灶检测和分类中的应用效果	首次探讨了结合病灶检测和分类步骤的影响，并公开了一个新的乳腺超声分割数据集BUS-UCLM	研究仅针对特定数据集，未涉及其他可能的深度学习模型或方法	评估不同深度学习方法在乳腺超声病灶检测和分类中的性能	乳腺超声图像中的病灶	digital pathology	breast cancer	deep learning	Mask R-CNN, Poolformer	image	五个数据集（包括新收集的BUS-UCLM和四个公开数据集：BUSI、OASBUD、RODTOOK、UDIAT）
17	2025-05-30	S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning 2025-Jun, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110293 PMID:40381473	research paper	提出了一种基于涂鸦监督的病理核分割框架S2L-CM，利用对比正则化和像素级多实例学习来提高分割性能	结合自生成的伪标签、多尺度对比正则化和像素级多实例学习来优化分割效果	性能仍不及全监督学习方法	开发一种弱监督学习方法以减少病理核分割中的人工标注需求	病理组织图像中的细胞核	digital pathology	NA	deep learning	CNN	image	四个细胞核数据集
18	2025-05-29	Performance of the automated digital cell image analyzer UIMD PBIA in white blood cell classification: a comparative study with sysmex DI-60 2025-Jun-26, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1323 PMID:39837502	research paper	本研究评估了基于深度学习的自动化数字形态分析仪PBIA在白细胞分类中的性能，并与广泛使用的DI-60进行了比较	使用深度学习技术的PBIA在白细胞分类中表现出优于传统DI-60的性能	需要进一步的多中心研究进行完全验证，且在异常细胞识别上存在一定的假阳性和假阴性率	评估和比较自动化数字形态分析仪在白细胞分类中的性能	外周血涂片中的白细胞	digital pathology	NA	deep learning	NA	image	461张涂片
19	2025-03-06	Research on the development of image-based Deep Learning (DL) model for serum quality recognition 2025-Jun-26, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2024-1219 PMID:40042089	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2025-05-29	Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments 2025-Jun, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07091-8 PMID:39878897	research paper	本研究探讨了使用生成式人工智能技术创建合成骨扫描图像，以提高小规模数据集的多样性，从而改善深度学习模型的训练效果和泛化能力	利用生成式AI技术生成高质量的合成骨扫描图像，并通过增加合成数据来提升模型性能，特别是在数据受限的环境下	研究仅基于单一中心的真实数据进行生成模型的训练，可能限制了生成数据的多样性和泛化能力	解决医学影像中深度学习模型因数据有限而表现不佳的问题，通过生成合成数据提升模型性能	骨扫描图像，特别是显示骨转移和心脏淀粉样变性的异常摄取模式	digital pathology	bone metastases, cardiac amyloidosis	generative AI, deep learning	GAN	image	9,170 patients for training, 7,472 scans from 6,448 patients for testing