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
1101	2025-10-07	Deep learning for tibial plateau fracture detection and classification 2025-Jun, The Knee DOI:10.1016/j.knee.2025.02.001 PMID:40023913	研究论文	开发用于胫骨平台骨折检测和Schatzker分类的深度学习模型	首个使用Schatzker分类系统开发胫骨平台骨折计算机视觉模型的研究	Schatzker分类系统在常规X光片上的观察者间一致性较低，影响分类准确性	开发用于胫骨平台骨折检测和分类的深度学习模型	胫骨平台骨折患者的膝关节X光片	计算机视觉	骨折	X射线成像	CNN	图像	753名患者的1506张膝关节X光片（368例胫骨平台骨折，385例健康膝盖）	NA	GoogleNet, ResNet	敏感度, 准确率, 阳性预测值	NA
1102	2025-10-07	Deep Learning for Ocean Forecasting: A Comprehensive Review of Methods, Applications, and Datasets 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3539990 PMID:40168238	综述	本文全面回顾了基于深度学习的海洋预报研究在模型架构、时空多尺度和可解释性方面的最新进展	系统评估了结合理论驱动与数据驱动模型的混合架构可行性，并全面分析了数据集、基准测试和云计算在海洋预报中的应用	讨论了当前研究的局限性，包括物理过程表示不清晰、观测同化应用不足和模型参数化不准确等问题	探索深度学习在海洋预报领域的应用潜力与方法论	海洋预报相关的深度学习模型、数据集和应用场景	机器学习	NA	深度学习	NA	海洋时空数据	NA	NA	NA	NA	云计算
1103	2025-10-07	Deep-learning-assisted medium optimization improves hyaluronic acid production by Streptococcus zooepidemicus 2025-Jun, Journal of bioscience and bioengineering IF:2.3Q3 DOI:10.1016/j.jbiosc.2025.03.001 PMID:40189954	研究论文	利用深度学习算法优化链球菌培养基以提高透明质酸生产效率	首次将深度学习算法应用于链球菌培养基优化过程，通过算法自动生成候选培养基配方	研究仅针对特定菌株进行优化，未验证在其他菌株或工业条件下的适用性	提高透明质酸的生产效率	兽疫链球菌及其透明质酸生产过程	机器学习	NA	深度学习，正交阵列实验设计，分批培养，补料分批培养	深度学习	实验数据，培养基成分数据，产量数据	18个初始训练样本（OA01-18）和54个候选优化培养基（OM01-54）	NA	NA	透明质酸产量（g/L），生产效率（g/L/h）	NA
1104	2025-10-07	Histological tumor necrosis predicts decreased survival after neoadjuvant chemotherapy in head and neck squamous cell carcinoma 2025-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107287 PMID:40245786	研究论文	本研究探讨头颈部鳞状细胞癌新辅助放化疗后肿瘤免疫微环境变化及组织学肿瘤坏死对患者生存的预测价值	首次发现治疗前肿瘤坏死是预测新辅助放化疗不良预后的有效生物标志物，并成功开发基于深度学习的AI方法自动识别组织病理标本中的肿瘤坏死	样本量有限（新辅助治疗组53例），为回顾性研究设计	研究新辅助放化疗对HNSCC肿瘤免疫景观的影响及其与患者生存的关系	头颈部鳞状细胞癌患者	数字病理	头颈部鳞状细胞癌	免疫组织化学染色，深度学习	深度学习	组织病理图像	新辅助治疗组53例，验证组171例，共分析588个全切片染色	NA	NA	风险比，置信区间，p值，5年总生存率	NA
1105	2025-10-07	SSA-sMLP: A venous thromboembolism risk prediction model using separable self-attention and spatial-shift multilayer perceptrons 2025-Jun, Thrombosis research IF:3.7Q1 DOI:10.1016/j.thromres.2025.109334 PMID:40344789	研究论文	提出一种结合可分离自注意力和空间移位多层感知器的深度学习模型SSA-sMLP，用于静脉血栓栓塞症风险预测	通过可分离自注意力模块实现动态跨维度特征交互建模，改进的S-MLPv2架构通过无参数移位操作和分割注意力机制精确捕捉局部非线性关联	NA	开发静脉血栓栓塞症风险预测模型，提升临床决策支持能力	基于113,836份临床记录构建的静脉血栓栓塞症数据集	机器学习	静脉血栓栓塞症	深度学习	自注意力机制,多层感知器	临床记录	113,836份临床记录	NA	SSA-sMLP, S-MLPv2	准确率, F1分数	NA
1106	2025-10-07	Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations 2025-Jun, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70062 PMID:40386872	研究论文	本研究探讨深度学习模型在脑肿瘤影像中预测虚拟对比增强效果的泛化能力	首次系统分析脑肿瘤虚拟对比预测模型在不同肿瘤类型和患者群体中的泛化局限性	模型在特定肿瘤类型和数据集上表现良好，但难以泛化到其他肿瘤类型和多样化患者群体	研究神经网络在脑肿瘤非对比MRI扫描中预测全对比增强能力的泛化特性	脑肿瘤患者和不同类型的脑肿瘤	医学影像分析	脑肿瘤	磁共振成像（MRI），钆基对比剂（GBCAs）	神经网络	医学影像（MRI扫描）	NA	NA	NA	NA	NA
1107	2025-10-07	The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review 2025-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11261-x PMID:39658683	系统评价	本系统评价评估了深度学习模型在脊柱关节病影像诊断中的应用效果	首次系统评价深度学习在脊柱关节病多模态影像（MRI、CT、X线）诊断中的综合表现，特别关注先进CNN和U-Net架构的性能	部分研究样本量较小，需要更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力	评估深度学习模型在提高脊柱关节病影像诊断准确性方面的作用	脊柱关节病的医学影像数据	医学影像分析	脊柱关节病	医学影像分析	CNN, U-Net	医学影像（MRI、CT、X线）	21项研究（具体样本量未明确说明）	NA	CNN, U-Net	AUC, 诊断准确率	NA
1108	2025-10-07	PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer 2025-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110852 PMID:40118186	研究论文	本研究比较了传统DenseNet架构与先进深度学习模型在口咽癌患者无复发生存期预测中的性能	发现经过优化的传统DenseNet架构在外部测试中表现优于更复杂的先进模型，且去除GTV输入后性能反而提升	研究仅针对口咽癌患者，样本来源有限，需要更多验证	评估传统DenseNet架构在头颈癌预后预测中的性能表现	口咽癌患者	医学影像分析	口咽癌	PET和CT影像分析	DenseNet	医学影像（PET、CT）、轮廓分割数据	HECKTOR 2022数据集489例患者（训练集369例，测试集120例），外加400例外部测试患者	NA	DenseNet81	C-index	NA
1109	2025-10-07	Advances in MRI optic nerve segmentation 2025-Jun, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2025.106437 PMID:40220726	综述	本文系统回顾了2007至2024年间视神经MRI分割技术的发展历程	首次全面梳理视神经MRI分割从传统强度方法到深度学习算法的演进路径，涵盖多图谱解决方案	仅纳入27篇同行评审文献，可能未覆盖所有相关研究	提升视神经相关疾病的早期诊断和治疗规划能力	视神经结构与神经退行性疾病（如多发性硬化症）	医学影像分析	神经退行性疾病	磁共振成像（MRI）	深度学习算法	医学影像	基于27篇文献的系统回顾	NA	NA	NA	NA
1110	2025-10-07	Identification of therapeutics against PfPK6 protein of Plasmodium falciparum: Structure and Deep Learning approach 2025-Jun, Experimental parasitology IF:1.4Q3 DOI:10.1016/j.exppara.2025.108947 PMID:40288672	研究论文	通过结构方法和深度学习模型识别恶性疟原虫PfPK6蛋白的新型抑制剂	结合基于结构的虚拟筛选和深度学习模型识别新型PfPK6抑制剂，并验证其结合稳定性	仅通过计算模拟验证，需要实验验证抑制剂的实际效果	识别针对恶性疟原虫PfPK6蛋白的治疗药物	恶性疟原虫PfPK6蛋白及其抑制剂	计算生物学	疟疾	虚拟筛选,分子动力学模拟	深度学习	化合物结构数据	来自Tres Cantos抗疟数据集的小分子抑制剂化合物	NA	NA	结合亲和力(-13.553 kcal/mol),结合模式稳定性	NA
1111	2025-10-07	A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106920 PMID:40300277	研究论文	开发并验证基于磁共振成像的深度学习放射组学模型，用于预测肺癌患者脑转移灶手术切除后的无复发生存期	整合临床特征、形态学MRI指标、手工放射组学特征和深度学习特征构建综合预测模型，在五个医疗中心进行外部验证	回顾性研究设计，样本量相对有限（215例患者）	预测肺癌患者脑转移灶切除后的无复发生存期和颅内复发风险	215例经手术病理证实的脑转移肺癌患者	数字病理	肺癌	磁共振成像	深度学习放射组学模型	医学影像	215例患者（训练集167例，外部测试集48例）	NA	NA	C-index, AUC, Kaplan-Meier生存分析	NA
1112	2025-10-07	Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data 2025-Jun, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121246 PMID:40316225	研究论文	本研究开发了一种基于深度学习的三示踪剂脑PET扫描方法，可在单次会话中实现多示踪剂信号分离	首次提出基于Swin Transformer架构的深度学习模型，用于从合成的三重示踪剂PET图像中分离不同示踪剂信号	FTP图像生成性能较差，研究基于模拟数据而非真实同时采集的多示踪剂PET数据	开发单次会话三重示踪剂脑PET成像协议，简化多示踪剂PET成像并减少辐射暴露	阿尔茨海默病神经影像倡议(ADNI)数据集中的认知正常患者、轻度认知障碍患者和痴呆患者	医学影像分析	阿尔茨海默病	PET成像，多示踪剂成像	深度学习	PET图像	ADNI数据集（具体样本数量未明确说明）	NA	Swin Transformer	MSE, SSIM, PSNR, 敏感性, 特异性, 相关系数	NA
1113	2025-10-07	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-Jun, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	研究论文	本研究验证了基于深度学习的肝脏病灶分割与分类模型在结直肠癌分期CT扫描中的应用	首次在多中心技术验证研究中评估UNet模型对结直肠癌患者肝脏病灶的检测和分类性能，特别关注亚厘米级小病灶的检测能力	分类准确性中等，特异性较低（患者水平27.1%），测试数据来自单一机构	验证深度学习模型在结直肠癌分期CT扫描中肝脏病灶检测和分类的技术可行性	结直肠癌患者的肝脏病灶	数字病理	结直肠癌	CT扫描	CNN	医学影像	训练集：272例公共肝脏肿瘤CT扫描；测试集：220例结直肠癌分期CT扫描（2014-2019年）	NA	UNet	检测率，Dice相似系数，Bland-Altman界限，组内相关系数，敏感性，特异性，阳性预测值，阴性预测值，准确率	NA
1114	2025-10-07	LMCBert: An Automatic Academic Paper Rating Model Based on Large Language Models and Contrastive Learning 2025-Jun, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3550203 PMID:40168236	研究论文	提出一种基于大语言模型和对比学习的自动学术论文评分模型LMCBert	结合大语言模型提取论文核心语义内容，并引入动量对比学习优化Bert训练，提升学术论文自动评分的准确性	未明确说明模型在哪些特定学术领域或论文类型上的性能表现	开发自动学术论文评分系统以替代传统人工审稿流程	学术论文的接受概率预测	自然语言处理	NA	大语言模型, 对比学习	Bert, LLM	文本	NA	NA	LMCBert, Bert	准确率	NA
1115	2025-05-18	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究提出了一种名为GRU4ACE的创新深度学习框架，通过整合门控循环单元(GRU)和多源特征嵌入，提高了血管紧张素转换酶(ACE)抑制肽的预测准确性	GRU4ACE框架首次整合了多源特征编码方法（包括序列信息、图形信息、语义信息和上下文信息）和GRU模型，显著提升了ACE抑制肽的预测性能	NA	提高ACE抑制肽的预测准确性，为新型降压药物的开发提供指导	ACE抑制肽	自然语言处理	心血管疾病	自然语言处理(NLP)嵌入、预训练蛋白质语言模型(PLM)嵌入	GRU	蛋白质序列数据	NA	NA	NA	NA	NA
1116	2025-05-18	Deep-Diffeomorphic Networks for Conditional Brain Templates 2025-Jun-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70229 PMID:40372124	research paper	本文提出了一种基于深度学习的条件性脑模板生成方法，利用微分同胚框架来创建几何方法，以捕捉年龄依赖的解剖学差异	使用微分同胚（拓扑保持）框架创建纯几何方法，能够生成具有高空间保真度和一致拓扑结构的条件性脑模板	尽管方法在捕捉年龄依赖的解剖学差异方面有一定效果，但仍需进一步改进以更准确地跟踪所有脑结构的变化	开发一种能够生成条件性脑模板的深度学习方法，以改进神经影像分析中的配准精度和脑发育与退化过程的捕捉	认知正常的参与者（来自阿尔茨海默病神经影像倡议ADNI的数据集）	神经影像分析	阿尔茨海默病	深度学习	deep-diffeomorphic networks	脑部扫描图像	来自ADNI的认知正常参与者数据集	NA	NA	NA	NA
1117	2025-05-17	A novel method for online sex sorting of silkworm pupae (Bombyx mori) using computer vision combined with deep learning 2025-Jun, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.14177 PMID:39936219	研究论文	提出了一种基于计算机视觉和深度学习的蚕蛹性别在线分选新方法	开发了结合级联空间通道注意力(CSCA)和G-GhostNet的新型实时性别识别模型，并提出了新的损失函数以减少模型复杂度和避免过拟合	NA	提高蚕蛹性别分选的效率和生产力	蚕蛹(家蚕)	计算机视觉	NA	深度学习	CSCA, G-GhostNet	图像	NA	NA	NA	NA	NA
1118	2025-05-17	Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression 2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2025.111218 PMID:40174549	research paper	该研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展	与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分从0到10的准确预测，且预测误差最小	研究仅基于两个中心的1000名患者数据，可能限制了模型的泛化能力	预测多发性硬化症患者5年后的残疾状态评分（EDSS）	多发性硬化症患者	machine learning	多发性硬化症	LSTM	LSTM	临床和人口统计学数据	1000名多发性硬化症患者	NA	NA	NA	NA
1119	2025-05-17	Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision 2025-Jun, Journal of evidence-based medicine DOI:10.1111/jebm.70016 PMID:40176367	研究论文	本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性	提出了TCM-SEI-RD方法和TCM-MDHD系统，融合BERT与CNN模型捕捉特征相关序列，并通过分层模块预测多种中医证候	未明确提及具体样本量及外部验证结果	开发可解释性强的中医AI临床决策支持系统	中医多病整体辨证（MDHD）的证候要素	自然语言处理	中医多病种	深度学习	BERT-CNN混合模型	文本（专家知识数据集）	NA	NA	NA	NA	NA
1120	2025-05-17	A comprehensive image dataset for accurate diagnosis of betel leaf diseases using artificial intelligence in plant pathology 2025-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111564 PMID:40371167	research paper	该研究旨在开发一个全面的槟榔叶病害图像数据集，以支持基于人工智能的植物病理学研究	首次提供了一个全面的槟榔叶病害图像数据集，填补了该领域的数据空白	数据集仅包含两种常见病害（叶腐病和叶斑病），可能无法覆盖所有槟榔叶病害类型	开发可靠的槟榔叶病害诊断工具，支持农业可持续发展	槟榔叶及其病害（叶腐病和叶斑病）	digital pathology	plant disease	image augmentation (flipping, brightness factor, contrast factor, rotation)	deep learning	image	初始采集2,037张图像，通过数据增强扩展到10,185张图像	NA	NA	NA	NA