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
41	2025-12-08	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2025-Sep-30, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	本研究开发了一个名为Nephrocast-V的深度学习模型，用于提前两天预测危重患者的万古霉素谷浓度，并提供剂量调整建议	结合长短期记忆网络和多头注意力层，并引入跳跃连接以整合历史剂量信息，用于预测万古霉素浓度	研究数据来自单一医疗中心，可能限制模型的泛化能力	预测危重患者的万古霉素谷浓度并优化给药方案	入住重症监护室的成年患者	机器学习	细菌感染	电子健康记录数据分析	LSTM, 多头注意力机制	电子健康记录数据	2205次住院记录	NA	LSTM, 多头注意力层	平均绝对误差, 均方根误差	NA
42	2025-12-08	Lung Cancer Diagnosis From Computed Tomography Images Using Deep Learning Algorithms With Random Pixel Swap Data Augmentation: Algorithm Development and Validation Study 2025-Sep-03, JMIR bioinformatics and biotechnology DOI:10.2196/68848 PMID:41342173	研究论文	本研究提出了一种名为随机像素交换的新型数据增强技术，用于提升深度学习模型在CT图像上诊断肺癌的性能	提出随机像素交换数据增强方法，该方法在卷积神经网络和Transformer架构上均能有效提升肺癌诊断性能，优于现有数据增强技术	NA	开发并验证一种新的数据增强技术，以提高深度学习模型从CT图像中自动诊断肺癌的准确性	肺癌的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN, Transformer	图像	两个公开CT数据集（IQ-OTH/NCCD数据集和胸部CT扫描图像数据集）	NA	ResNet, MobileNet, Vision Transformer, Swin Transformer	准确率, AUROC	NA
43	2025-12-06	Applications of machine learning in high-entropy alloys: a review of recent advances in design, discovery, and characterization 2025-Sep-18, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr01562f PMID:40878184	综述	本文综述了机器学习在高熵合金设计、发现与表征中的最新应用进展	重点介绍了生成模型和计算机视觉等前沿深度学习技术，以及机器学习原子间势在分子动力学模拟中的应用，以提升模拟精度和效率	讨论了该方法固有的局限性，但未具体说明	加速高熵合金领域进展，通过数据驱动方法指导合金设计、性能预测和优化	高熵合金	机器学习	NA	机器学习，分子动力学模拟	生成模型，深度学习	材料数据库数据	NA	NA	NA	评估指标（未具体说明）	NA
44	2025-12-05	DGCA-DTA: A Deep Graph Neural Network Based on Co-Attention for Drug Target Affinity Prediction 2025 Sep-Oct, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3583208 PMID:40811270	研究论文	本文提出了一种基于协同注意力的深度图神经网络DGCA-DTA，用于药物靶点亲和力预测	采用多尺度图神经网络提取药物特征，并集成协同注意力机制学习药物与蛋白质内部子空间的高阶交互特征	未明确说明模型在更大规模或更复杂数据集上的泛化能力	提高药物靶点亲和力预测的准确性，以缩短药物开发周期并降低成本	药物化合物和蛋白质靶点	机器学习	NA	深度学习方法	图神经网络	图数据	在两个基准数据集上进行实验	NA	多尺度图神经网络	NA	NA
45	2025-12-04	Deep Learning-Based 30-Day Mortality Prediction in Critically Ill Bone and Bone Marrow Metastasis Patients: A Multicenter Retrospective Cohort Study 2025-Sep-24, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol32100533 PMID:41149453	研究论文	本研究开发并验证了基于深度学习的模型，用于预测危重骨及骨髓转移患者的30天死亡率	首次针对危重骨及骨髓转移患者开发了基于深度学习的30天死亡率预测模型，并部署了在线计算器	研究为回顾性队列研究，可能存在选择偏倚，且外部验证仅涉及两个区域	开发并验证用于预测危重骨及骨髓转移患者30天死亡率的深度学习模型	危重骨及骨髓转移患者	机器学习	骨及骨髓转移	ICU数据	深度学习	临床数据	来自MIMIC-IV、eICU-CRD和新疆医科大学第一附属医院的多中心ICU数据	NA	TabNet	AUC, 平均精度, 校准曲线, 决策曲线, 准确率	NA
46	2025-12-04	From genomics to clinic: the transformative impact of AI in pharmacogenomics and personalized medicine 2025 Sep-Oct, Pharmacogenomics IF:1.9Q3 DOI:10.1080/14622416.2025.2591596 PMID:41277106	综述	本文综述了人工智能在药物基因组学和个性化医疗中的变革性作用，探讨了其在发现生物标志物、预测药物反应及促进精准医疗方面的应用与挑战	系统阐述了AI（特别是机器学习和深度学习）如何通过工具如DeepVariant和AlphaFold提升遗传变异识别精度和药物反应预测，并探讨了多组学整合、联邦学习和可解释AI等新兴方法以应对数据多样性和伦理问题	数据多样性不足、模型解释性有限以及数据隐私和遗传歧视等伦理问题仍是主要障碍	探讨人工智能在药物基因组学中的应用，以推动个性化医疗和精准医疗的发展	遗传变异（如单核苷酸多态性）、药物代谢和反应、生物标志物	机器学习	NA	基因组学、多组学整合	机器学习, 深度学习	基因组数据	NA	NA	DeepVariant, AlphaFold	NA	NA
47	2025-12-04	Improved CTA imaging for stroke evaluation - deep learning and iterative reconstruction comparative study 2025-Sep, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03733-8 PMID:40794135	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在急性缺血性卒中患者CTA成像中的效果，强调DLIR在提高诊断准确性和大血管闭塞可视化方面的潜力	首次将DLIR与ASIR-V在急性缺血性卒中CTA成像中进行对比，展示了DLIR在信噪比、对比噪声比和动脉均匀性方面的显著改进	DLIR在脑中部窝（MCF）区域的可视化方面仍面临挑战	比较DLIR和ASIR-V重建算法在急性缺血性卒中CTA成像中的图像质量，以评估DLIR在提高诊断准确性方面的潜力	108名疑似急性缺血性卒中的急诊科患者	医学影像分析	急性缺血性卒中	CTA（计算机断层扫描血管造影）	深度学习	医学影像	108名患者	NA	NA	信噪比（SNR）、对比噪声比（CNR）、动脉均匀性	NA
48	2025-12-03	Exploiting correlations across trials and behavioral sessions to improve neural decoding 2025-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.14.613047 PMID:39314484	研究论文	本文提出两种互补模型，利用跨试验和跨行为会话的神经活动相关性来改进神经解码性能	引入多会话降秩回归模型和多会话状态空间模型，首次系统性地利用跨试验和跨会话的神经活动与行为相关性，相比传统单试验解码方法显著提升解码精度	模型主要基于线性假设，可能无法完全捕捉神经活动中的非线性动态；在极端稀疏数据场景下的泛化能力未充分验证	通过开发新型解码模型，提高从大规模神经数据中解码动物行为的准确性和可解释性	国际脑实验室公开的小鼠Neuropixels数据集，涵盖433个会话、270个脑区域的神经活动数据	机器学习	NA	Neuropixels神经记录技术	降秩回归模型, 状态空间模型	神经电生理信号	433个实验会话，覆盖270个脑区域	NA	多会话降秩回归模型, 多会话状态空间模型	解码准确率	NA
49	2025-11-28	Deep Learning-Based Automatic Segmentation and Analysis of Mitochondrial Damage by Zika Virus and SARS-CoV-2 2025-Sep-19, Viruses DOI:10.3390/v17091272 PMID:41012699	研究论文	开发基于深度学习的自动分割和分析方法，用于识别寨卡病毒和SARS-CoV-2引起的线粒体损伤	首次将U-Net架构的卷积神经网络应用于病毒感染的线粒体超微结构自动分割和分析，实现免疫反应预测	未提及模型在其他病毒或细胞类型中的泛化能力验证	开发自动化工具分析病毒感染引起的线粒体形态变化	感染两种SARS-CoV-2变体和寨卡病毒的细胞线粒体	数字病理学	病毒感染	透射电子显微镜	CNN	图像	NA	NA	U-Net	准确率	NA
50	2025-11-28	Nivolumab plus ipilimumab for potentially resectable hepatocellular carcinoma: Long-term efficacy and biomarker exploration 2025-Sep-17, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.08.035 PMID:40972843	研究论文	评估纳武利尤单抗联合伊匹木单抗在潜在可切除肝细胞癌患者中的疗效、安全性及生物标志物探索	首次在潜在可切除肝细胞癌中探索纳武利尤单抗联合伊匹木单抗新辅助治疗的长期疗效，并发现三级淋巴结构形成与抗肿瘤免疫增强相关	单臂临床试验设计，样本量有限（43例患者）	评估免疫检查点抑制剂联合疗法在潜在可切除肝细胞癌中的疗效和安全性，探索治疗反应的预测生物标志物	潜在可切除肝细胞癌患者	临床肿瘤学	肝细胞癌	基因组分析，转录组分析，免疫细胞分析，光谱流式细胞术，深度学习算法	深度学习	肿瘤组织样本，外周血样本，临床数据	43例肝细胞癌患者（男性/女性：37/6；病毒性/非病毒性：41/2）	NA	NA	客观缓解率，无进展生存率，总生存率，主要病理学缓解率	NA
51	2025-11-28	Detecting Diverse Seizure Types with Wrist-Worn Wearable Devices: A Comparison of Machine Learning Approaches 2025-Sep-06, Sensors (Basel, Switzerland) DOI:10.3390/s25175562 PMID:40942991	研究论文	本研究评估了腕戴式可穿戴设备结合机器学习方法检测多种癫痫发作类型的可行性和有效性	扩展了腕戴设备检测的癫痫类型范围，超越了传统的全身强直阵挛发作，包含局灶性、全身性和亚临床发作，并比较了多种机器学习策略	对非运动型癫痫发作的检测性能仍然有限，样本量相对较小（28名患者）	评估腕戴式可穿戴设备结合机器学习方法检测多种癫痫发作类型的可行性和有效性	28名在梅奥诊所接受住院视频脑电图监测的癫痫患者	机器学习	癫痫	腕戴式可穿戴设备监测（Empatica E4）	XGBoost, LSTM, CNN, Transformer	多模态生物信号数据（加速度计、血容量脉冲、皮肤电活动、皮肤温度、心率）	28名患者	NA	LSTM, CNN, Transformer, ROCKET, MultiROCKET	AUROC, SW-Recall, FA/h	NA
52	2025-11-28	Optimizing Dam Detection in Large Areas: A Hybrid RF-YOLOv11 Framework with Candidate Area Delineation 2025-Sep-04, Sensors (Basel, Switzerland) DOI:10.3390/s25175507 PMID:40942937	研究论文	提出一种结合地理因素分析和深度学习检测的水坝提取框架，用于优化大区域水坝识别	首次将随机森林算法生成的水坝存在概率图与YOLOv11深度学习检测模型相结合，通过候选区域划分显著提升识别效率	研究仅在巴基斯坦信德省验证，需要进一步测试在其他地区的适用性	改进水坝空间数据库，实现水坝动态监测和灾害应急响应	中小型水坝基础设施	计算机视觉	NA	遥感识别，动态阈值分割	Random Forest, YOLOv11	高分辨率遥感影像，OpenStreetMap水体数据	信德省区域，识别出16个未记录水坝	NA	YOLOv11	精度0.90，召回率0.76，AUC 0.86，mAP50 0.85	NA
53	2025-11-28	Optimizing Deep Learning-Based Crack Detection Using No-Reference Image Quality Assessment in a Mobile Tunnel Scanning System 2025-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s25175437 PMID:40942868	研究论文	本研究提出了一种基于无参考图像质量评估的数据质量保证框架，用于优化移动隧道扫描系统中基于深度学习的裂缝检测性能	首次系统研究水平运动模糊对裂缝检测CNN性能的影响，并建立NR-IQA指标与检测性能的定量关联	主要关注水平方向的运动模糊，未考虑其他类型的图像质量问题	优化移动隧道扫描系统中基于深度学习的裂缝检测可靠性	隧道裂缝检测	计算机视觉	NA	无参考图像质量评估	CNN	图像	公共数据集和真实世界MTSS数据集	NA	ResNet, VGG, AlexNet	F1分数	NA
54	2025-11-28	Detection of maxillary sinus pathologies using deep learning algorithms 2025-Sep, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09451-4 PMID:40394252	研究论文	本研究开发了一种基于深度学习的人工智能方法，用于从锥形束计算机断层扫描图像中自动分割上颌窦病变	首次将卷积神经网络应用于CBCT图像中上颌窦病变的自动分割，实现了高精度的病理检测	研究仅基于500名患者的数据，样本量相对有限，需要更大规模的数据验证	评估人工智能算法在检测上颌窦病变方面的准确性	上颌窦病理变化	计算机视觉	上颌窦疾病	锥形束计算机断层扫描(CBCT)	CNN	医学影像	500名患者的1000个上颌窦	NA	卷积神经网络	Dice相似系数, IoU, 召回率, F1分数, 精确率	NA
55	2025-11-27	Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study 2025-Sep, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06327-x PMID:40728538	研究论文	开发并验证基于颅脑超声图像的深度学习模型用于脑室周围-脑室内出血检测和分级	首次将卷积块注意力模块机制集成到深度学习模型中用于新生儿脑室周围-脑室内出血的检测和分级	研究仅包含两个医疗中心的数据，样本来源相对有限	研究深度学习模型在颅脑超声图像中检测和分级脑室周围-脑室内出血的能力	新生儿，特别是早产儿	医学影像分析	新生儿颅内出血	颅脑超声成像	深度学习，CNN	超声图像	1060例（773例回顾性数据，287例前瞻性验证数据）	NA	Periventricular IVH net with convolutional block attention module	召回率，精确率，准确率，F1分数，AUC	NA
56	2025-11-26	Real-Time Prediction of Helicobacter pylori Infection Using a Deep Learning Model During Esophagogastroduodenoscopy: A Prospective Multicenter Study 2025 Sep-Oct, Helicobacter IF:4.3Q2 DOI:10.1111/hel.70078 PMID:41077634	研究论文	开发基于深度学习的实时预测系统，通过胃镜检查视频检测幽门螺杆菌感染	首个基于深度学习实时分析胃镜视频预测幽门螺杆菌感染的多中心前瞻性研究	黏膜萎缩会增加诊断错误率，检查质量影响模型性能	提高胃镜检查中幽门螺杆菌感染的实时诊断效率和一致性	接受胃镜检查的患者	计算机视觉	幽门螺杆菌感染	14C-尿素呼气试验，胃镜检查	深度学习模型	视频	701名患者（来自三家医院的前瞻性多中心研究）	NA	NA	准确率，灵敏度，特异性，阳性预测值，阴性预测值，AUC	NA
57	2025-11-25	High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV 2025-Sep-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.26.678787 PMID:41256411	研究论文	开发基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测	首次将卷积神经网络应用于多样本整合分析，通过跨样本模式学习提高SNV检测精度	未明确说明工具在不同细菌物种间的泛化能力限制	开发高精度、自动化的细菌单核苷酸变异检测工具	细菌分离株的全基因组测序数据	生物信息学	细菌感染	全基因组测序	CNN	基因组序列比对数据	六个细菌物种的模拟数据和多个精选细菌数据集	NA	卷积神经网络	精度, 假阳性率	NA
58	2025-11-25	Multi-modal CT Perfusion-based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2025-Sep-19, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	开发基于多模态CT灌注的深度学习模型，预测急性缺血性卒中患者在不同再通情况下的最终梗死病灶	针对完全再通和无再通两种不同临床场景分别开发专门的深度学习模型，相比传统单模态阈值方法提供更准确的病灶预测	样本量相对有限，特别是无再通组样本较少(n=138)	预测急性缺血性卒中患者的最终梗死病灶位置和体积	急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像，扩散加权成像	深度学习	医学影像	完全再通患者350例，无再通患者138例	PyTorch	3D nnU-Net	Dice系数, 95% Hausdorff距离, 平均对称表面距离	NA
59	2025-11-25	MRI on a Budget: Leveraging Low and Ultra-Low Intensity Technology in Africa 2025-Sep-18, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9014 PMID:40968019	综述	探讨低场和超低场磁共振成像技术在非洲资源受限地区的应用现状与发展前景	系统分析低场MRI技术在非洲医疗环境中的创新应用，包括永磁Halbach阵列磁体、便携式扫描仪设计和深度学习图像重建方法	信噪比较低、体素尺寸要求较大、易受运动伪影影响，无法完全替代高场扫描仪检测细微病变	评估低场MRI技术在资源受限地区扩大神经影像诊断能力的可行性与应用价值	非洲地区的低场和超低场磁共振成像系统及其临床应用	医学影像	神经系统疾病	低场磁共振成像，深度学习图像重建	CNN, U-Net	磁共振图像	NA	NA	残差U-Net	信噪比，图像质量	NA
60	2025-11-25	Prediction of cerebrospinal fluid intervention in fetal ventriculomegaly via AI-powered normative modelling 2025-Sep-16, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	开发基于AI的胎儿脑室分割和体积量化方法，用于预测胎儿脑室扩大是否需要产后脑脊液干预	首次利用nnUNet建立胎儿脑室体积的规范性参考范围，并基于此预测产后干预需求	回顾性研究，样本量有限（222例患者），需要外部验证	开发客观、可重复的胎儿脑室量化方法，准确区分脑室扩大和需要干预的脑积水	胎儿脑MRI图像，包括正常胎儿和脑室扩大胎儿	数字病理	胎儿脑室扩大	胎儿脑MRI	深度学习	医学图像	222例单胎妊娠患者（20例机构数据+80例公开数据用于训练，138例正常胎儿用于建立参考范围，64例脑室扩大胎儿用于验证）	nnUNet	nnUNet	Dice系数, ROC曲线, AUC, 灵敏度, 特异性	NA