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
401	2025-10-05	Learnable Convolutional Attention Network for Unsupervised Knowledge Graph Entity Alignment 2025-Sep-03, Entropy (Basel, Switzerland) DOI:10.3390/e27090924 PMID:41008050	研究论文	提出一种可学习卷积注意力网络LCA-UEA用于无监督知识图谱实体对齐	在注意力机制前执行卷积操作确保结构信息获取，设计基于潜在匹配关系的关系结构重建方法，提出基于一致性的相似度函数	未明确说明方法在超大规模知识图谱上的可扩展性限制	解决无监督知识图谱实体对齐任务中标注数据缺乏导致的性能瓶颈	知识图谱中的实体对齐	自然语言处理	NA	深度学习	注意力网络,卷积神经网络	图结构数据	三个不同规模和类型的数据集（跨语言和单语言）	NA	LCA-UEA	Hits@1	NA
402	2025-10-05	Accelerated Super-Resolution Reconstruction for Structured Illumination Microscopy Integrated with Low-Light Optimization 2025-Sep-03, Micromachines IF:3.0Q2 DOI:10.3390/mi16091020 PMID:41011910	研究论文	提出一种集成低光优化的结构化照明显微镜超分辨率重建加速框架	首创π/2相移SIM的空间域计算范式，并开发自适应局部过曝校正策略与零样本学习算法RUAS	NA	解决结构化照明显微镜处理效率低和重建图像质量差的双重挑战	荧光微球和牛肺动脉内皮细胞标本	计算机视觉	NA	结构化照明显微镜(SIM)	深度学习	显微图像	NA	RUAS	零样本学习架构	重建速度、横向分辨率、轴向分辨率、图像质量	NA
403	2025-10-05	From deep learning discovery to clinical validation: a new composite marker predicts mortality in type 2 diabetes 2025-Sep-03, Cardiovascular diabetology. Endocrinology reports DOI:10.1186/s40842-025-00229-5 PMID:41013834	研究论文	本研究开发并验证了一种新型复合生物标志物ln[ALP×sCr]用于预测2型糖尿病患者的全因死亡率和心血管疾病死亡率	首次结合深度学习特征选择和传统流行病学建模，开发出碱性磷酸酶与血清肌酐的复合指标来评估糖尿病患者的死亡风险	研究基于观察性数据，无法确定因果关系；结果主要适用于美国人群	开发并验证能够预测2型糖尿病患者死亡风险的复合生物标志物	美国NHANES研究中82,091名成年糖尿病患者	机器学习	2型糖尿病	深度学习特征选择，限制性立方样条分析，Cox比例风险模型	深度学习模型	临床生物标志物数据，死亡率随访数据	82,091名美国成年人，其中4,839名2型糖尿病患者纳入分析	NA	NA	风险比(HR)，置信区间(CI)，中介分析比例	NA
404	2025-10-05	Machine and Deep Learning on Radiomic Features from Contrast-Enhanced Mammography and Dynamic Contrast-Enhanced Magnetic Resonance Imaging for Breast Cancer Characterization 2025-Sep-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090952 PMID:41007196	研究论文	评估机器学习和深度学习方法在对比增强乳腺摄影和动态对比增强磁共振成像的影像组学特征中对乳腺癌表征和肿瘤分子谱预测的准确性	首次结合对比增强乳腺摄影和动态对比增强磁共振成像的影像组学特征，应用多种机器学习和深度学习模型进行乳腺癌多参数表征	样本量相对有限（153例患者），HER2状态预测的AUC值相对较低（0.669）	乳腺癌表征和肿瘤分子谱预测	153例乳腺良恶性病变患者	医学影像分析	乳腺癌	对比增强乳腺摄影，动态对比增强磁共振成像，影像组学特征提取	梯度提升机，神经网络，LASSO	医学影像	153例患者（113例恶性病变，其中32例高级别，66例HER2阳性）	PyRadiomics, R	梯度提升机，神经网络，LASSO	AUC，准确率，灵敏度	NA
405	2025-10-05	Encoding of Demographic and Anatomical Information in Chest X-Ray-Based Severe Left Ventricular Hypertrophy Classifiers 2025-Sep-02, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines13092140 PMID:41007703	研究论文	本研究开发了一种直接从胸部X光片分类严重左心室肥厚的深度学习框架	无需中间解剖估计模型或人口统计学输入，通过互信息神经估计量化临床相关属性在内部表示中的编码	仅使用单一数据集进行验证，未在外部数据集上测试泛化能力	开发能够从胸部X光片准确分类严重左心室肥厚的AI系统	严重左心室肥厚患者和正常对照的胸部X光影像	计算机视觉	心血管疾病	胸部X光成像	CNN, Vision Transformer	医学影像	来自CheXchoNet数据集的类别平衡子集，包含等量的SLVH阳性和阴性病例	PyTorch	ResNet-18, Vision Transformer	AUROC, AUPRC	NA
406	2025-10-05	Determination of Kennedy's classification in panoramic X-rays by automated tooth labeling 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03469-z PMID:40555836	研究论文	本研究开发了一种基于深度学习的自动化系统，用于在全景X光片中自动确定肯尼迪分类	首次将Mask R-CNN实例分割模型应用于全景X光片的牙齿自动标记和肯尼迪分类确定	最常见的错误来源于形态相似牙齿的错误标记	研究部分缺牙颌肯尼迪分类的自动确定方法	206名患者的209张全景X光片	计算机视觉	牙科疾病	全景X光成像	CNN	医学图像	209张全景X光片（来自206名患者）	TensorFlow, PyTorch	Mask R-CNN	准确率, 敏感度, 精确度, F1分数	NA
407	2025-10-05	Multi-task deep learning for automatic image segmentation and treatment response assessment in metastatic ovarian cancer 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03484-0 PMID:40900399	研究论文	提出一种多任务深度学习方法，用于自动分割转移性卵巢癌图像并评估治疗反应	首次展示多任务深度学习在评估复杂多部位HGSOC患者主要疾病负担中化疗诱导肿瘤变化的可行性	样本量相对有限（99例患者），需要在更大规模数据集中验证	开发自动图像分割和治疗反应评估方法以应对HGSOC的多尺度复杂性挑战	高级别浆液性卵巢癌（HGSOC）患者的盆腔/卵巢和网膜病变	数字病理	卵巢癌	对比增强计算机断层扫描（CE-CT）	深度学习	医学图像	99例卵巢癌患者的198张CE-CT图像用于训练，49例患者的98张扫描用于独立验证	NA	U-Net	AUC,Dice系数	NA
408	2025-10-05	Artificial intelligence in mental health: integrating opportunities and challenges of multimodal deep learning for mental disorder prevention and treatment 2025-Sep, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000003624 PMID:40901142	综述	通过多模态深度学习探讨人工智能在精神障碍预防和治疗中的机遇与挑战	提出了负责任应用人工智能于心理健康护理的概念框架	基于文献综述，缺乏原始实验数据验证	探索人工智能在心理健康领域的应用潜力与实施挑战	心理健康护理系统与人工智能技术	机器学习	精神障碍	多模态深度学习、预测分析	深度学习	多模态数据	NA	NA	NA	NA	NA
409	2025-10-05	Streamlining the annotation process by radiologists of volumetric medical images with few-shot learning 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03457-3 PMID:40563071	研究论文	提出一种结合少样本学习和全监督模型优势的新方法，用于简化放射科医生对体积医学图像的标注过程	通过优化扫描切片补丁的支持集和优先选择需要最少校正的标注扫描，显著减少放射科医生的标注工作量	NA	减少放射科医生对体积医学图像中微小结构（如病灶）的手动标注工作量	肝脏、肺部和脑部病灶	医学影像分析	肝脏疾病,肺部疾病,脑部疾病	CT扫描,MRI扫描	少样本学习模型,全监督模型	体积医学图像	375次扫描,5933个病灶	nnU-Net,UniverSeg	U-Net	病灶检测校正工作量减少百分比,误识别病灶减少百分比,病灶轮廓校正减少百分比,像素校正减少百分比	NA
410	2025-10-05	Exploratory analysis and framework for tissue classification based on vibroacoustic signals from needle-tissue interaction 2025-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03491-1 PMID:40794229	研究论文	基于针-组织相互作用产生的振动声学信号进行组织分类的探索性分析和框架研究	利用针穿过组织时产生的振动声学信号结合深度学习技术进行组织分类和针定位的新方法	仅使用动物组织和明胶构建的专用模型进行初步实验，需要进一步验证	开发一种新的针引导技术，通过振动声学信号实现针的精确定位和组织分类	针-组织相互作用产生的振动声学信号	机器学习	NA	振动声学信号分析	CNN	振动声学信号，频谱图	使用动物组织和明胶构建的专用模型	NA	NeedleNet, ResNet-34	NA	NA
411	2025-10-05	Structure-Preserving Histopathological Stain Normalization via Attention-Guided Residual Learning 2025-Sep-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12090950 PMID:41007195	研究论文	提出一种结合注意力引导残差学习的深度学习方法，用于保持组织形态结构的病理染色标准化	集成增强残差学习与多尺度注意力机制，通过分解变换过程为基础重建和残差细化组件，结合注意力引导跳跃连接和渐进课程学习	仅在MITOS-ATYPIA-14数据集上验证，包含1420对乳腺癌H&E染色图像	解决病理图像染色变异性问题，开发保持结构完整性的染色标准化方法	乳腺癌H&E染色病理图像	数字病理	乳腺癌	H&E染色	深度学习框架	病理图像	1420对来自两种扫描仪的配对乳腺癌H&E染色图像	NA	注意力引导残差学习框架	结构相似性指数(SSIM), 峰值信噪比(PSNR), 边缘保持损失, 颜色传输保真度, 弗雷歇起始距离(FID), 起始分数(IS)	NA
412	2025-10-05	EEG-Based Deep Learning Model for Hyper-Acute Large Vessel Occlusion Stroke Detection in Mice 2025-Sep, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1111/cns.70592 PMID:41014019	研究论文	开发基于EEG信号的深度学习模型用于小鼠超急性大血管闭塞性卒中的早期检测	首次将EEGNet架构应用于超急性期LVO卒中检测，并在1.5小时内实现高精度分类	研究仅限于小鼠模型，尚未在人体验证	开发早期准确检测超急性大血管闭塞性卒中的方法	pMCAO小鼠模型	机器学习	脑血管疾病	EEG信号采集	EEGNet	EEG信号	NA	NA	EEGNet	准确率,AUC,精确率,召回率,F1分数	NA
413	2025-10-05	Global mapping of artificial intelligence applications in breast cancer from 1988-2024: a machine learning approach 2025-Sep-29, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-025-01783-7 PMID:41016987	研究论文	通过机器学习方法分析1988-2024年间人工智能在乳腺癌应用中的全球研究格局	首次对36年间AI在乳腺癌护理全流程中的应用进行系统性映射分析，结合合作网络分析和主题建模	仅包含Web of Science英文文献，机器人技术和ML在手术肿瘤学和术后护理应用的研究仍然有限	批判性考察AI在乳腺癌护理连续体中的应用，阐明关键研究进展、新兴趋势和普遍模式	1988-2024年间发表的8,711篇乳腺癌AI研究相关文献	机器学习	乳腺癌	共现映射、聚类分析、主题建模	LDA, 线性回归	文献元数据	8,711篇出版物	NA	NA	NA	NA
414	2025-10-05	Prediction of regional cropland soil organic carbon content and distribution using deep learning: a case study of the Northeast China Plain 2025-Sep-29, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14622-1 PMID:41017007	研究论文	本研究利用深度学习方法预测东北平原农田土壤有机碳空间分布并识别其关键驱动因素	首次将ResNet与Deep Forest算法集成应用于土壤有机碳空间分布预测，结合多源数据（遥感、气象、地形）进行综合分析	研究区域仅限于东北平原，模型在其他地理区域的适用性有待验证	开发高效的土壤有机碳空间分布预测方法，为农田土壤质量改善和碳固存提供科学依据	东北平原农田土壤有机碳	机器学习	NA	遥感技术, 气象观测, 地形分析	CNN, Deep Forest	遥感数据, 气象数据, 地形数据, 实地测量数据	1000个实地测量样本	NA	ResNet, Deep Forest	MSE, R	NA
415	2025-10-05	AI-driven advances in metal-organic frameworks: from data to design and applications 2025-Sep-29, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04220h PMID:41017480	综述	本文全面概述人工智能在加速金属有机框架研究中的策略与应用	系统整合了AI在MOF领域的多种驱动策略，包括性质预测、结构生成与合成规划的规模化实现	面临数据质量、模型可解释性和实验验证的挑战	加速金属有机框架材料的研究与创新	金属有机框架材料	机器学习	NA	图神经网络，生成模型，AI-模拟混合框架	深度学习，生成模型	化学结构数据，材料属性数据	NA	NA	图神经网络，生成模型	NA	NA
416	2025-10-05	Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials 2025-Sep-29, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00561 PMID:41017675	综述	探讨人工智能在神经再生生物材料开发中的应用及其对外周神经病变修复的潜力	将人工智能与生物材料开发相结合，通过机器学习和深度学习优化材料性能并预测神经再生效果	面临数据整合困难、算法复杂性高以及临床转化难度大等挑战	开发用于外周神经病变修复的智能再生生物材料	外周神经病变修复材料	机器学习	外周神经病变	3D生物打印	机器学习,深度学习	材料性能数据,虚拟实验数据	NA	NA	NA	生物相容性,机械性能	NA
417	2025-10-05	Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning 2025-Sep-29, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2561926 PMID:41020342	研究论文	本研究开发了一种基于大数据和深度学习的个性化运动康复分析模型，通过整合可穿戴设备和环境传感器技术来监测健身气功训练效果	将嵌入式技术和大数据分析应用于健身气功康复管理，创建了技术增强的个性化康复模型	NA	建立现代健康康复管理模式，通过技术整合提升康复效果	健身气功训练参与者	机器学习	康复医学	可穿戴设备,环境传感器,大数据分析	深度学习模型	生理数据,运动数据	NA	NA	NA	心率变异性,呼吸频率,运动效率,压力水平,依从率	NA
418	2025-10-05	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2025-Sep-28, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出基于多光谱成像和YOLOv5的血细胞识别方法	首次将多光谱成像与YOLOv5结合用于血细胞识别，通过多波长图像融合显著提升识别性能	白细胞样本相对稀缺，可能影响模型泛化能力	开发高精度的自动化血细胞计数方法	血细胞（红细胞、白细胞、血小板）	计算机视觉	血液疾病	多光谱成像	YOLOv5	多光谱图像	五个波长的血细胞图像	PyTorch	YOLOv5标准版和修改版	精确度	NA
419	2025-10-05	Single-image estimation of tree volume via pixel-mapped 3D reconstruction: A low-cost solution using deep learning and curvature segmentation 2025-Sep-27, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180420 PMID:41016068	研究论文	提出一种基于单张图像的树木体积自动测量框架，通过深度学习与曲率分割实现低成本林业调查	集成SegFormer深度学习模型、树干骨架提取、自适应曲率分割算法和分段三维重建，实现从图像像素到物理单位的直接映射	主要误差来源于分段高度不准确，单木体积和高度测量误差为2.01%-7.68%	开发低成本、高效率的树木参数测量方法以替代昂贵的LiDAR技术	北京地区4个树种的3013棵树木	计算机视觉	NA	摄影测量，深度学习	SegFormer	图像，点云数据	3013棵树木图像数据，141棵树木的破坏性测量数据	NA	SegFormer	体积测量误差，高度测量误差，效率提升倍数	NA
420	2025-10-05	Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning 2025-Sep-27, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2025.110713 PMID:41016125	研究论文	本研究使用单通道脑电图的密度谱阵列结合深度学习技术来区分癫痫性和功能性/分离性发作	首次将单通道脑电图（Cz电极）的密度谱阵列与深度学习结合用于癫痫与非癫痫性发作的鉴别诊断	回顾性研究，样本量相对有限（99名患者），仅针对内侧颞叶癫痫和功能性/分离性发作	开发一种基于单通道脑电图和深度学习的癫痫与非癫痫性发作自动鉴别方法	内侧颞叶癫痫患者和功能性/分离性发作患者	医疗人工智能	癫痫	长程视频脑电图监测，密度谱阵列分析	CNN	脑电图信号	99名患者（48名mTLE，51名FDS），206次发作（106次训练，33次测试）	PyTorch	ResNet34	AUC	NA