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
1101	2025-08-11	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	research paper	该研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法以提高临床实用性	肝脏磁共振弹性成像数据	digital pathology	liver fibrosis	MRI, MRE	SqueezeNet, 2D U-Net	medical image	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
1102	2025-08-11	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估了一种基于深度学习的模型，用于利用双参数MRI（bpMRI）对临床显著性前列腺癌（csPCa）进行分类，并评估其在优化MRI协议选择方面的潜力	提出了一种基于3D ResNet-50架构的深度学习模型，能够实时在MRI工作流程中提供分类结果，优化资源利用	研究样本量虽然较大，但前瞻性和回顾性队列的样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于前列腺癌的风险分层和MRI扫描协议的个性化选择	前列腺癌患者	数字病理学	前列腺癌	双参数MRI（bpMRI）和深度学习	3D ResNet-50	MRI图像	训练和验证集包含26,129例前列腺MRI研究，回顾性队列151例患者，前瞻性队列142例患者
1103	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1104	2025-08-10	CNN based precise nonlinear tracking control for a nano unmanned helicopter: Theory and implementation 2025-Sep, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.05.020 PMID:40393892	研究论文	本文提出了一种基于深度卷积神经网络（CNN）的几何积分控制策略，用于重量小于70克、机身长度小于0.25米的纳米无人直升机	与现有的非线性控制器相比，该方法在可行性、参数调整的简便性和数据需求方面具有显著优势	NA	开发一种适用于纳米无人直升机的精确非线性跟踪控制方法	纳米无人直升机	机器学习	NA	深度卷积神经网络（CNN）	CNN	飞行实验数据	NA
1105	2025-08-09	Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts 2025-Sep, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594241227485 PMID:38238934	research paper	本文探讨了神经生理学工具在精神疾病病理生理学理解和早期诊断中的应用	提出了三种神经生理学技术的新应用，包括EEG记录与深度学习用于痴呆亚型诊断、不匹配负性用于精神分裂症早期诊断、以及认知事件相关电位用于成瘾监测和复发预防	未提及具体研究样本量和数据收集的局限性	探索神经生理学工具在精神疾病诊断和管理中的应用价值	三种高发精神疾病：痴呆亚型、精神分裂症和成瘾	神经科学	精神疾病	EEG、不匹配负性(MMN)、认知事件相关电位(ERPs)	深度学习	电生理数据	NA
1106	2025-08-08	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	本研究探讨了深度学习重建（DLR）在低剂量CT肠造影（LDCTE）中降低辐射剂量并提高图像质量的潜力	首次将深度学习重建技术应用于低剂量CT肠造影，显著降低辐射剂量同时提升图像质量	样本量较小（36例LDCTE组和40例STDCTE组），且LDCTE组为前瞻性研究而STDCTE组为回顾性研究	评估深度学习重建技术在降低CT肠造影辐射剂量中的应用效果	炎症性肠病（IBD）患者	数字病理	炎症性肠病	CT肠造影（CTE）	深度学习重建（DLR）	医学影像	76例（36例LDCTE组和40例STDCTE组）
1107	2025-08-07	Incorporating Pre-Training Data Matters in Unsupervised Domain Adaptation 2025-Sep, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3572963 PMID:40408198	研究论文	本文探讨了预训练数据在无监督域适应（UDA）中的重要性，并提出了一种名为TriDA的新框架	从预训练的新视角研究UDA，揭示了目标误差与预训练的关系，并提出了一个三域问题框架	未明确提及具体局限性	研究预训练数据对无监督域适应的影响，并提出改进方法	预训练数据、源域和目标域	机器学习	NA	无监督域适应（UDA）	TriDA	图像	多个基准测试数据集
1108	2025-08-07	ICD code mapping model based on clinical text tree structure 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于电子病历的自动ICD编码	结合了选区树模型和基于transformer的模型提取临床记录的结构和特征，并使用Tree-lstm模型丰富特征，提高了ICD编码的质量和效率	未提及模型在更广泛数据集上的泛化能力或实际临床应用中的潜在问题	解决电子病历ICD编码中语义表示模糊和未考虑临床记录结构特征的问题	电子病历中的临床记录文本	自然语言处理	NA	深度学习	Transformer, Tree-lstm, bioBERT, 全连接神经网络	文本	MIMIC-III完整数据集和样本数据集
1109	2025-08-07	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	研究论文	本研究利用Kolmogorov-Arnold网络（KANs）对水泥粉尘暴露患者的定量计算机断层扫描（QCT）成像数据进行分类，以评估与水泥粉尘暴露相关的呼吸状况	首次将Kolmogorov-Arnold网络（KANs）应用于QCT成像数据的分类，显著提高了分类性能，并通过SHAP分析增强了模型的可解释性	研究仅针对水泥粉尘暴露患者，可能不适用于其他类型的粉尘或污染物暴露	提高水泥粉尘暴露患者呼吸状况的早期检测准确性	609名个体（311名水泥粉尘暴露患者和298名健康对照）的QCT成像数据	数字病理学	肺部疾病	定量计算机断层扫描（QCT）成像	Kolmogorov-Arnold网络（KANs）	图像	609名个体（311名水泥粉尘暴露患者和298名健康对照）
1110	2025-08-07	ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103162 PMID:40460597	研究论文	本文提出了一种结合自监督学习和生成对抗网络的心电图合成方法，用于生成逼真的心律失常信号	提出了一种新型条件生成架构ECGAN，能够调节心电图记录的概率分布，并在心律失常分类任务中实现了性能提升	未提及具体的数据隐私保护措施细节，且合成数据的临床应用效果需要进一步验证	开发能够生成逼真心电图信号的方法，以解决标记临床数据不足和患者匿名化问题	心电图时间序列数据	机器学习	心血管疾病	自监督学习, 生成对抗网络	ECGAN (基于GAN的条件生成模型)	时间序列数据(心电图)	使用了MIT-BIH、BIDMC和PTB数据集(具体样本量未明确说明)
1111	2025-08-07	VAE-GANMDA: A microbe-drug association prediction model integrating variational autoencoders and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103198 PMID:40540756	研究论文	提出了一种整合变分自编码器(VAE)和生成对抗网络(GAN)的模型VAE-GANMDA，用于预测微生物-药物关联	通过融合VAE和GAN学习数据的流形分布，改进VAE生成模块，整合CBAM和高斯核函数增强特征提取能力，并结合SVD技术提取线性特征	未明确提及具体局限性	开发高效的微生物-药物关联预测方法以减少传统生物实验的时间和成本	微生物和药物之间的关联	机器学习	NA	VAE, GAN, SVD, k-means++, MLP	VAE-GANMDA	关联数据	未明确提及具体样本量
1112	2025-08-07	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	本文提出了一种新的交互式原型学习和自学习网络，用于解决医学图像分割中的少样本学习问题	提出深度编码-解码模块、交互式原型学习模块和查询特征引导的自学习模块，以解决类内不一致性和类间相似性带来的分割挑战	NA	提高医学图像分割在少样本学习场景下的性能和泛化能力	医学图像	数字病理	NA	少样本学习	深度编码-解码网络	图像	NA
1113	2025-08-07	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	研究论文	本文提出了一种基于图卷积网络（GCN）和协同过滤的AI推荐模型，用于预测药物间的相互作用（DDIs）	该方法通过分析药物间的连接性而非化学结构来预测DDIs，避免了传统分类模型中需要采样未定义相互作用作为负样本的问题，并能预测所有未知药物对的潜在相互作用	模型的效能仅通过DDI报告验证，未涉及其他可能的验证方式	预测药物间的相互作用以提高患者用药安全性	药物及其相互作用	机器学习	NA	图卷积网络（GCN）和协同过滤	GCN	药物相互作用数据	4,072种药物和1,391,790对药物相互作用
1114	2025-08-07	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	研究论文	提出一种基于先验知识的多模态融合方法，用于预测晚期胃癌患者放疗后的总生存期	提出先验知识监督的融合网络（PKSFnet）及新型采样策略，整合多模态信息并挖掘患者特征空间	未明确说明模型在外部验证集上的泛化能力或临床实际应用中的可行性	预测晚期胃癌患者放疗后的总生存期以辅助临床诊疗决策	晚期胃癌患者的CT影像及多模态临床数据	数字病理	胃癌	多模态特征融合（MdFF模块）	PKSFnet（先验知识监督的融合网络）	CT影像及临床多模态数据	未明确提及具体样本量
1115	2025-08-07	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，自动量化帕金森病患者的转弯角度	首次探索使用单目摄像头数据在家庭环境中量化帕金森病患者的转弯角度，并公开了所有数据和模型，为未来的帕金森病步态研究提供了基线	由于在自由生活环境中难以获得准确的地面真实数据，角度被量化为最近的45°分箱，基于专家临床医生的手动标记	通过量化转弯角度，利用步态特征作为帕金森病进展的敏感指标	帕金森病患者和健康对照志愿者的转弯视频	计算机视觉	帕金森病	3D骨架提取	Fastpose和Strided Transformer	视频	来自24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转弯视频片段
1116	2025-08-07	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-Sep-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	本文全面回顾了人工智能在肌层浸润性膀胱癌（MIBC）管理中的应用现状与未来潜力	探讨AI在MIBC诊断、治疗规划和疗效评估中的创新应用，如深度学习模型在癌症检测和分期中的高准确性	存在方法学限制、数据集异质性、工作流整合障碍和监管不确定性等挑战	评估AI在MIBC管理中的应用及其对患者护理的潜在影响	肌层浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	深度学习、机器学习、放射组学	深度学习模型、机器学习算法	图像、临床数据	NA
1117	2025-08-06	TabNet and TabTransformer: Novel Deep Learning Models for Chemical Toxicity Prediction in Comparison With Machine Learning 2025-09, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4803 PMID:40309751	research paper	本研究评估了深度学习模型TabNet和TabTransformer在化学毒性预测中的表现，并与传统机器学习方法进行了比较	首次将TabNet和TabTransformer应用于化学毒性预测，并展示了其在复杂特征关系建模和性能上的优势	研究仅基于分子描述符数据，未考虑其他可能影响毒性的因素	评估深度学习模型在化学毒性预测中的性能	12,228个训练样本和3,057个测试样本，包含801个分子描述符	machine learning	NA	SHAP分析	TabNet, TabTransformer, XGBoost, CatBoost, SVM	分子描述符数据	12,228个训练样本和3,057个测试样本
1118	2025-08-06	ASO Author Reflections: Clinical-Radiomic Machine Learning Model Predicts Pheochromocytomas and Paragangliomas Surgical Difficulty: A Retrospective Study 2025-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-17491-7 PMID:40419717	研究论文	本研究开发了一种结合临床和放射组学特征的机器学习模型，用于预测嗜铬细胞瘤和副神经节瘤手术难度，旨在优化术前规划和减少围手术期并发症	首次结合临床和放射组学特征构建机器学习模型预测手术难度，并通过SHAP分析识别关键预测因子	研究为回顾性设计，未来需要多中心研究验证和实时术中预测工具的开发	优化嗜铬细胞瘤和副神经节瘤的术前规划，减少围手术期并发症	嗜铬细胞瘤和副神经节瘤患者	机器学习	嗜铬细胞瘤和副神经节瘤	机器学习算法	SVM	临床和影像数据	NA
1119	2025-08-06	A Scalable Deep Learning Approach for Real-Time Multivariate Monitoring of Biopharmaceutical Processes With No Prior Product-Specific History 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29039 PMID:40457612	研究论文	提出了一种新型实时深度学习框架，用于监测无产品特定历史记录的生物制药过程健康状态	结合自动编码器（AEs）和多阶段实时数据处理算法，开发了实时异常检测和根源识别的新方法	未提及具体样本量或实验验证范围的局限性	开发无需产品特定历史记录的生物制药过程实时监测方法	生物制药过程中的细胞培养操作，特别是单克隆抗体的生产	机器学习	NA	深度学习，自动编码器（AEs）	自动编码器（AEs）	时间序列数据	NA
1120	2025-08-06	Data-Augmented Deep Learning Algorithm for Accurate Control of Bioethanol Fermentation Using an Online Raman Analyzer 2025-Sep, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.29040 PMID:40485093	研究论文	本研究提出了一种基于在线拉曼光谱仪的深度学习算法，用于优化生物乙醇发酵过程的控制	采用半监督学习的伪标记方法扩充训练数据集，并开发了结合时序光谱特征的STC-CNN模型	研究仅以酿酒酵母的生物乙醇生产为案例，未验证在其他发酵系统中的适用性	优化生物制造过程中的补料策略以实现稳定最大产量	酿酒酵母的生物乙醇发酵过程	机器学习	NA	在线拉曼光谱分析	STC-CNN（光谱-时序串联卷积神经网络）	光谱数据	训练数据集比传统标记方法扩大100倍