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
61	2025-07-30	Automated UPDRS Gait Scoring Using Wearable Sensor Fusion and Deep Learning 2025-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070686 PMID:40722378	研究论文	提出了一种基于可穿戴传感器融合和深度学习的自动化UPDRS步态评分框架	结合表面肌电信号和惯性测量单元数据，通过端到端网络模拟临床医生的多维评估	样本量较小（21名PD患者和健康对照者）	自动化评估帕金森病（PD）的步态，减少传统UPDRS评估的时间和主观性	帕金森病患者的步态数据	机器学习	帕金森病	表面肌电信号（EMG）和惯性测量单元（IMU）数据融合	深度学习	传感器信号	21名PD患者和健康对照者
62	2025-07-30	Multi-Step Natural Gas Load Forecasting Incorporating Data Complexity Analysis with Finite Features 2025-Jun-23, Entropy (Basel, Switzerland) DOI:10.3390/e27070671 PMID:40724388	研究论文	本研究旨在量化天然气负荷数据的复杂性特征，并开发一个考虑这些特征的多步预测模型	通过结合数据分解和集成深度学习，同时考虑复杂性特征，提出了一种新的多步预测方法	未提及具体的数据集规模或实际应用中的潜在限制	提高天然气负荷预测的准确性和鲁棒性	天然气负荷数据	机器学习	NA	数据分解、集成深度学习	XGBoost、VMD、GRU	时间序列数据	NA
63	2025-07-30	Artificial Intelligence in the Diagnostic Use of Transcranial Doppler and Sonography: A Scoping Review of Current Applications and Future Directions 2025-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12070681 PMID:40722373	综述	本文综述了人工智能在经颅多普勒(TCD)和彩色经颅多普勒(TCCD)诊断应用中的当前进展和未来方向	探讨了AI如何通过自动化图像采集、优化信号质量和提高诊断准确性来克服TCD和TCCD依赖操作者专业知识和主观解释的局限性	存在数据标准化、算法可解释性以及将这些工具整合到临床实践中的重大挑战	评估AI在TCD和TCCD成像中的应用，以提升神经血管和诊断成像的领域	经颅多普勒(TCD)和彩色经颅多普勒(TCCD)成像数据	医学影像	脑血管疾病	机器学习、深度学习、卷积神经网络(CNN)	CNN	图像	41项研究
64	2025-07-30	A Review of Artificial Intelligence Models for Detecting Breast Arterial Calcification on Mammograms and Their Clinical Implications 2025-Jun, Cureus DOI:10.7759/cureus.86894 PMID:40726851	综述	本文综述了人工智能模型在乳腺X光片中检测乳腺动脉钙化（BAC）及其临床意义的最新进展	探讨了AI模型（如CNN、DU-Net、DoG-GAN和SCU-Net）在BAC检测中的高准确性和自动化潜力，及其在心血管疾病风险分层中的临床价值	未提及具体模型的局限性或数据集的潜在偏差	评估AI和机器学习在自动化BAC检测中的应用，以改善心血管疾病的风险评估和预防	乳腺X光片中的乳腺动脉钙化（BAC）	数字病理学	心血管疾病	深度学习	CNN, DU-Net, DoG-GAN, SCU-Net	图像	NA
65	2025-07-29	DeepFace: A High-Precision and Scalable Deep Learning Pipeline for Predicting Large-Scale Brain Activity from Facial Dynamics in Mice 2025-Jun-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.10.658952 PMID:40661434	research paper	介绍DeepFace，一种用于从小鼠面部动态预测大规模脑活动的高精度和可扩展的深度学习流程	DeepFace在DeepLabCut和Facemap的基础上，解决了可扩展性瓶颈并改进了行为量化，提供高精度、关键点定制以及在多种GCaMP系列中的稳健性能	未明确提及具体限制	提升小鼠面部分析和皮质活动预测的精度和可扩展性	小鼠的面部动态和脑活动	digital pathology	NA	深度学习	NA	图像	未明确提及具体样本量
66	2025-07-29	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间转录组和蛋白质组分析结合深度学习，揭示了肝细胞癌免疫治疗反应和抵抗的多组学特征	开发了一种可解释的多模态深度学习框架，用于从空间多组学数据中提取关键细胞和分子特征，并构建了预测免疫治疗反应的图神经网络模型	研究样本仅限于肝细胞癌患者，未涉及其他癌症类型	探索肝细胞癌免疫治疗反应和抵抗的机制	肝细胞癌患者的治疗前后组织样本	数字病理学	肝癌	空间转录组学、空间蛋白质组学	图神经网络	多组学数据	未明确提及具体样本数量
67	2025-07-29	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-Jun-03, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	本研究通过深度学习模型分析儿童上呼吸道体积与认知能力及大脑结构的关系	首次在大型儿科队列中应用深度学习进行上呼吸道分割，并发现上呼吸道体积与认知能力及大脑结构的关联	研究仅基于观察性数据，无法确定因果关系	探究儿童上呼吸道体积与认知能力及大脑结构的关系	11,875名9-10岁儿童	数字病理学	睡眠呼吸障碍	MRI	深度学习模型	MRI图像	11,875名儿童，分析5,552,640个MRI切片
68	2025-07-28	Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound 2025-06, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.04.009 PMID:40210002	研究论文	本研究通过深度学习算法预测单侧肾积水患儿肾功能差异<40%的情况，基于尿路超声关键参数	首次将机器学习模型（如SVM）应用于基于尿路超声参数预测肾功能差异<40%的研究，并展示了较高的预测准确性	研究为回顾性分析，可能存在选择偏倚；样本仅来自单一科室，可能影响结果的普适性	探索尿路超声参数在预测肾功能差异<40%中的价值，以辅助手术决策	802名单侧肾积水患儿	机器学习	肾积水	尿路超声检查	随机森林、逻辑回归、SVM	超声参数数据	802名患儿
69	2025-07-26	Deep Learning Approaches for Automated Prediction of Treatment Response in Non-Small-Cell Lung Cancer Patients Based on CT and PET Imaging 2025-Jun-30, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11070078 PMID:40710896	综述	本文综述了基于深度学习的自动化方法，用于预测非小细胞肺癌患者对治疗的反应，主要基于CT和PET影像	探讨了深度学习在分析CT和PET影像中的形态和代谢变化方面的创新应用，以自动化评估肺癌治疗反应	未提及具体样本量或数据集的详细描述，可能缺乏对方法实际应用效果的深入分析	旨在通过深度学习技术提高非小细胞肺癌治疗反应的评估效率和客观性	非小细胞肺癌患者的CT和PET影像	数字病理学	肺癌	CT和PET影像分析	深度学习（未指定具体模型）	医学影像	NA
70	2025-07-26	Morphometric, Biomechanical and Macromolecular Performances of β-TCP Macro/Micro-Porous Lattice Scaffolds Fabricated via Lithography-Based Ceramic Manufacturing for Jawbone Engineering 2025-Jun-28, Journal of functional biomaterials IF:5.0Q2 DOI:10.3390/jfb16070237 PMID:40710452	研究论文	本研究开发并表征了一种新型光刻打印陶瓷β-TCP支架，具有宏观/微观多孔晶格结构，旨在优化骨传导和机械稳定性	采用光刻技术制造具有宏观/微观多孔晶格的β-TCP支架，结合先进的成像技术和深度学习工具评估其骨再生效果	未提及长期临床效果及大规模临床试验结果	开发用于颌骨工程的高效骨组织再生支架	β-TCP支架及其在颌骨再生中的应用	生物医学工程	颌骨缺损	光刻陶瓷制造技术、微计算机断层扫描、同步辐射成像、傅里叶变换红外成像分析	深度学习工具	图像数据	未明确提及具体样本数量
71	2025-07-26	The Robust Vessel Segmentation and Centerline Extraction: One-Stage Deep Learning Approach 2025-Jun-26, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070209 PMID:40710596	研究论文	本文提出了一种新颖的一阶段深度学习方法，用于同时进行血管分割和中心线提取	采用多任务神经网络设计了一种混合架构，结合卷积和图层，以及特定任务的损失函数，有效捕捉分割和中心线提取之间的拓扑关系，并利用它们的互补特征	NA	提高血管成像应用中血管分割和中心线提取的准确性和效率	血管分割和中心线提取	计算机视觉	NA	深度学习	多任务神经网络	图像	142张来自LIDC-IDRI和AMOS数据集的胸部及腹部区域的计算机断层扫描血管造影图像
72	2025-07-26	Artificial Intelligence-Driven Drug Toxicity Prediction: Advances, Challenges, and Future Directions 2025-Jun-23, Toxics IF:3.9Q1 DOI:10.3390/toxics13070525 PMID:40710970	综述	本文综述了人工智能在药物毒性预测领域的应用进展、挑战及未来发展方向	系统总结了深度学习与多模态数据融合策略在药物毒理学评估中的科学范式转变	未提及具体技术实现的局限性或数据偏差问题	为药物研发中的毒性预测提供全面的理论框架和技术策略	药物毒性预测相关文献及全球发展现状	机器学习	NA	深度学习、多模态数据融合	机器学习模型、深度学习模型	多模态数据	NA
73	2025-07-26	Optimizing Tumor Detection in Brain MRI with One-Class SVM and Convolutional Neural Network-Based Feature Extraction 2025-Jun-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070207 PMID:40710594	研究论文	本研究通过结合One-Class SVM和基于CNN的特征提取方法，优化了脑MRI中的肿瘤检测	使用仅基于健康脑MRI图像提取的特征训练One-Class SVM，结合多种深度学习架构和传统特征提取技术，显著提高了异常检测性能	需要减少推理时间、扩展和多样化训练数据集，并增加可解释性工具以支持临床整合	优化脑MRI中的肿瘤检测，解决医学影像数据类别不平衡的问题	脑MRI图像	计算机视觉	脑肿瘤	MRI	One-Class SVM, CNN (DenseNet121, VGG16, MobileNetV2, InceptionV3, ResNet50)	图像	未明确说明样本数量
74	2025-07-26	RGB-to-Infrared Translation Using Ensemble Learning Applied to Driving Scenarios 2025-Jun-20, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging11070206 PMID:40710593	research paper	提出一种使用梯度提升决策树从RGB图像合成真实红外数据的方法，以增强自动驾驶感知系统的多模态传感能力	采用梯度提升决策树进行RGB到红外图像的转换，作为传统深度学习方法（如CNN和GAN）的有效替代方案，特别是在数据稀缺的情况下	未明确提及具体局限性，但可能包括对特定数据集（如MS2、EPFL和Freiburg）的依赖性以及合成图像在极端场景下的泛化能力	增强自动驾驶感知系统的多模态传感能力，特别是红外模态的数据融合	RGB图像和红外图像（包括近红外和热成像图像）	computer vision	NA	梯度提升决策树	ensemble learning	image	涉及多个数据集（MS2、EPFL和Freiburg）以及CARLA模拟器生成的合成RGB图像
75	2025-07-26	Deep Learning-Enhanced Noninvasive Detection of Pulmonary Hypertension and Subtypes via Chest Radiographs, Validated by Catheterization 2025-Jun-18, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.008 PMID:40541737	research paper	该研究开发了深度学习模型（CXR-PH-Net和CXR-CHD-PAH-Net），通过胸部X光片非侵入性检测肺动脉高压（PH）及其亚型先天性心脏病相关肺动脉高压（CHD-PAH）	利用深度学习技术从常规胸部X光片中检测PH及其亚型，为非侵入性诊断提供了新方法，尤其在资源有限的环境中具有潜在应用价值	需要在更多样化的人群中进行进一步验证以增强临床普适性	开发非侵入性、准确且易于获取的肺动脉高压及其亚型诊断工具	肺动脉高压（PH）患者，特别是先天性心脏病相关肺动脉高压（CHD-PAH）患者	digital pathology	cardiovascular disease	deep learning	CNN	image	4,576名患者（包括2,288名PH患者），其中2,140名用于内部测试，1,158名RHC确认的内部队列和90名来自2家独立医院的外部RHC队列
76	2025-07-26	A Fully Automated Artificial Intelligence-Based Approach to Predict Renal Function After Radical or Partial Nephrectomy 2025-06, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.01.073 PMID:39914676	研究论文	本文提出了一种基于人工智能的全自动方法，用于预测肾切除术后肾功能	开发了一种全自动AI模型，无需临床细节或医生干预即可准确预测术后肾小球滤过率（GFR）	研究样本量相对较小（300例患者），且仅来自KiTS19挑战数据集	比较AI模型与临床模型在预测肾切除术后GFR方面的准确性	接受肾切除术的肾肿瘤患者	数字病理	肾癌	深度学习分割模型	深度学习	CT图像	300例肾肿瘤患者
77	2025-07-25	LncRNA Subcellular Localization Across Diverse Cell Lines: An Exploration Using Deep Learning with Inexact q-mers 2025-Jun-25, Non-coding RNA IF:3.6Q2 DOI:10.3390/ncrna11040049 PMID:40700092	研究论文	本文利用深度学习和不精确q-mers技术探索了长链非编码RNA（lncRNA）在不同细胞系中的亚细胞定位	采用不精确q-mers改进传统精确q-mers方法，提高了lncRNA定位预测性能，并发现了一种在细胞系间切换定位的lncRNA类别	lncRNA定位预测仍面临重大挑战，特别是那些在细胞系间切换定位的lncRNA增加了预测难度	研究lncRNA亚细胞定位预测及其细胞类型特异性	15种细胞系中的lncRNA	生物信息学	NA	深度学习和不精确q-mers技术	深度学习	基因组序列数据	15种细胞系的lncRNA数据
78	2025-07-25	Integrating Artificial Intelligence in Next-Generation Sequencing: Advances, Challenges, and Future Directions 2025-Jun-19, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb47060470 PMID:40699869	综述	本文探讨了人工智能（AI）与下一代测序（NGS）的协同关系及其在基因组研究和临床应用中的变革性影响	AI驱动的工具（如机器学习和深度学习）优化了NGS工作流程的各个环节，并在变异检测、表观基因组分析等领域超越了传统方法	面临数据异质性、模型可解释性及伦理问题等挑战	探索AI与NGS整合的进展、挑战及未来方向，以推动精准医学的发展	基因组数据及AI模型在NGS中的应用	机器学习	癌症	NGS, TGS	CNN, RNN, 混合架构	基因组数据	NA
79	2025-07-24	Immune-related genes can accurately predict survival in bladder cancer: a retrospective study via two independent immunotherapy cohorts 2025-Jun-30, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-28 PMID:40687668	研究论文	本研究通过两个独立的免疫治疗队列，利用深度学习算法构建了一个基于免疫相关基因的风险评分模型，用于预测膀胱癌患者的生存期	首次利用深度学习算法构建基于免疫相关基因的风险评分模型，用于预测膀胱癌免疫治疗的预后	研究仍处于早期阶段，需要更多独立队列验证模型的普适性	识别免疫相关基因作为膀胱癌免疫治疗的潜在生物标志物	膀胱癌患者	数字病理学	膀胱癌	深度学习	深度学习算法	基因表达数据	两个独立免疫治疗队列（IMvigor210CoreBiologies包和GEO数据库）
80	2025-07-24	The diagnostic model from semi-supervised cross modality transformation improved the distinguished ability of X-rays for pulmonary tuberculosis 2025-Jun-27, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107004 PMID:40695011	研究论文	该研究通过构建半监督跨模态转换的AI模型，提高常规X光对肺结核的诊断准确性，使其接近CT扫描的性能	采用半监督跨模态转换计算模型，结合X光和CT图像独立训练深度学习模型，显著提升了X光诊断肺结核的精度和特异性	模型的灵敏度略低于原始X光模型，可能影响某些临床场景的应用	提高在资源匮乏地区肺结核的早期诊断准确性	肺结核患者的X光和CT图像	数字病理	肺结核	半监督跨模态转换计算模型，迁移学习	深度学习模型	图像	来自医院和两个开源数据集（CHNCXR和MC）的患者数据