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
1	2025-06-02	Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods 2025-Dec, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.S3.S34102 PMID:40443946	research paper	该研究提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化	引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应	研究主要基于体外和离体样本，尚未在临床环境中进行大规模验证	解决分子光声成像中因光漂白导致的组织可视化问题，提升实时成像和定量分析的可靠性	光声成像中的外源性染料及其光漂白效应	医学影像处理	NA	深度学习，光声成像	cGAN, U-Net	图像	体外和离体样本，包括ICG填充管
2	2025-06-01	Multilevel Inter-modal and Intra-modal Transformer network with domain adversarial learning for multimodal sleep staging 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10262-w PMID:40438089	研究论文	本文提出了一种结合多级Transformer和域对抗学习的多模态睡眠分期网络，用于同时处理脑电图和眼电图信号	引入多级Transformer结构捕获单模态内和多模态间的时间依赖性，并采用域对抗学习提升模型跨域泛化能力	未明确说明模型在更大规模或更复杂数据集上的表现	开发高精度的自动睡眠分期方法以辅助睡眠障碍诊断	多模态睡眠信号（脑电图和眼电图）	数字病理学	睡眠障碍	深度学习	Transformer + CNN	时间序列信号	两个常用数据集（未明确样本数量）
3	2025-05-26	Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00354-6 PMID:40406365	研究论文	本文提出了一种基于深度学习的创新方法，用于胃肠道系统病理区域的自动分割和分类	开发了新型分割网络GISegNet，并提出了一种结合transformer模型特征和mRMR算法优化的混合深度学习方法	研究仅基于Kvasir数据集进行验证，未在其他数据集上测试泛化能力	提高胃肠道系统异常的自动检测和分类准确率	胃肠道系统异常	计算机视觉	胃肠道疾病	深度学习	GISegNet, DeiT, ViT, SVM	内窥镜图像	Kvasir数据集
4	2025-05-24	Cerebral ischemia detection using deep learning techniques 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00352-8 PMID:40400660	research paper	该研究利用深度学习技术检测脑缺血，旨在通过NCCT扫描早期识别中风症状	采用多种知名深度学习架构（VGG3D、ResNet3D和DenseNet3D）处理3D脑部图像，DenseNet3D模型表现最佳	研究未提及模型在临床环境中的实际应用效果或跨中心验证结果	开发基于NCCT的早期中风检测系统以减少死亡率和残疾率	出现中风症状患者的NCCT扫描图像	digital pathology	cardiovascular disease	NCCT成像	VGG3D, ResNet3D, DenseNet3D	3D医学图像	NA
5	2025-05-24	Convolutional autoencoder-based deep learning for intracerebral hemorrhage classification using brain CT images 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10259-5 PMID:40401248	研究论文	本文提出了一种基于卷积自编码器（CAE）和密集神经网络（DNN）的混合深度学习模型，用于通过脑部非对比计算机断层扫描（NCCT）图像自动诊断脑内出血（ICH）	结合CAE进行特征提取和降维，以及DNN进行分类，模型在准确率、敏感性、特异性、精确度和F1分数上均优于现有方法，并能通过显著性图突出显示与ICH密切相关的区域	研究数据集仅来自单一医疗中心，样本量相对有限，可能影响模型的泛化能力	开发一种自动化的ICH诊断方法，以解决专家读取不足和观察者间变异性的问题	脑内出血（ICH）患者和非出血性卒中患者的脑部NCCT图像	数字病理学	脑内出血	非对比计算机断层扫描（NCCT）	卷积自编码器（CAE）和密集神经网络（DNN）	图像	3293张标记图像（1645张ICH类，1648张正常类），来自108名患者
6	2025-05-22	Deep learning-based detection of bacterial swarm motion using a single image 2025-Dec, Gut microbes IF:12.2Q1 DOI:10.1080/19490976.2025.2505115 PMID:40366861	research paper	开发了一种基于深度学习的细菌集群运动检测方法，仅需单张模糊图像即可快速自主预测细菌集群运动概率	提出了一种新型深度学习方法，能够快速、客观地定量评估细菌集群运动概率，适用于高通量环境	方法虽然展示了良好的性能，但仍需在更多细菌种类上进行验证以证明其广泛适用性	开发一种快速、自主的细菌集群运动检测方法，以克服传统方法的局限性	细菌的集群运动和游泳运动	computer vision	inflammatory bowel diseases (IBD), urinary tract infections (UTI)	deep learning	CNN	image	SM3, DB10, H6细菌样本
7	2025-05-17	Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2483944 PMID:40170162	研究论文	本研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发	开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率显著高于其他预测方法	模型训练数据虽然较之前研究有所增加，但仍可能受限于样本多样性	加速高浓度单克隆抗体的开发，提高皮下注射药物的可制造性和配方特性	229种单克隆抗体（mAbs）	机器学习	NA	深度学习	集成人工神经网络	序列数据	229种单克隆抗体，其中两个独立测试集分别包含16和38种已知实验粘度的mAbs
8	2025-05-14	Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2474206 PMID:40083057	研究论文	本研究开发并验证了一种基于深度学习的模型，用于预测慢性肾脏病患者在接受冠状动脉造影和介入治疗后发生对比剂后急性肾损伤的风险	首次为慢性肾脏病患者开发了可解释的深度神经网络模型来预测对比剂后急性肾损伤，并提供了基于网络的临床决策工具	研究为单中心回顾性研究，样本量相对有限（989例患者）	开发预测慢性肾脏病患者冠状动脉造影/介入术后对比剂肾损伤风险的AI工具	接受冠状动脉造影或介入治疗的慢性肾脏病患者	数字病理	心血管疾病	机器学习算法比较（包括随机森林和深度神经网络）	DNN（深度神经网络）	临床数据（术前和术中变量）	989例慢性肾脏病患者（125例发生PC-AKI）
9	2025-05-11	Deep learning methods for clinical workflow phase-based prediction of procedure duration: a benchmark study 2025-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2466426 PMID:39992712	研究论文	本研究评估了深度学习模型在心脏导管实验室（cath lab）中基于临床工作流程阶段预测手术结束时间的性能	仅使用视频分析得出的临床阶段作为算法输入，展示了InceptionTime和LSTM-FCN在时间序列预测中的高效性	未来研究需在不同手术背景下验证这些发现，并探索在不损失准确性的情况下优化训练时间的方法	评估深度学习模型在预测心脏导管实验室手术结束时间中的性能	心脏导管实验室中的手术过程	机器学习	心血管疾病	视频分析	InceptionTime, LSTM-FCN, LSTM with attention mechanism, Transformer	视频	NA
10	2025-05-10	AI-driven early diagnosis of specific mental disorders: a comprehensive study 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10253-x PMID:40330715	review	本文综述了人工智能技术在精神障碍早期诊断中的应用，包括机器学习和深度学习模型	研究展示了多种AI模型在精神障碍诊断中的高准确率，如LightGBM在焦虑和抑郁预测中达到96%准确率，XGBoost在自闭症谱系障碍分类中达到98%准确率	研究未提及模型在实际临床环境中的验证情况，也未讨论数据隐私和伦理问题	探索人工智能技术在精神障碍早期诊断中的应用潜力	双相情感障碍、精神分裂症、自闭症谱系障碍、抑郁症、自杀倾向和痴呆症等精神障碍	machine learning	mental disorder	EEG信号分析、文本分析、图像分析	XGBoost, LightGBM, RF, SVM, KNN, CNN, LSTM, GRU	survey, EEG信号, text, image	NA
11	2025-05-07	Artificial intelligence in kidney transplantation: a 30-year bibliometric analysis of research trends, innovations, and future directions 2025-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2025.2458754 PMID:39910843	研究论文	本文通过文献计量分析评估了1993年至2023年间890篇关于人工智能在肾移植中应用的出版物，以识别全球趋势、研究热点和未来机会	利用CiteSpace和VOSviewer工具进行文献计量分析，揭示了人工智能在肾移植中的快速扩展应用及新兴趋势，如个性化医疗和多模态数据融合	研究仅基于文献计量分析，可能未涵盖所有相关研究或实际临床应用中的具体挑战	评估人工智能在肾移植领域的研究趋势、创新点和未来方向	1993年至2023年间发表的890篇关于人工智能在肾移植中应用的出版物	数字病理学	终末期肾病	文献计量分析工具（CiteSpace和VOSviewer）	深度学习、机器学习算法	文献数据	890篇出版物
12	2025-04-29	Deep neural networks and stochastic methods for cognitive modeling of rat behavioral dynamics in T -mazes 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10247-9 PMID:40290756	研究论文	本文提出了一种结合随机方法和深度神经架构的认知模型，用于研究大鼠在T型迷宫中的决策行为	结合Wyckoff的随机框架与深度神经网络（CNN-LSTM），实现了对动物决策行为的建模和预测	模型依赖于特定实验条件下的数据，可能无法泛化到其他行为场景	开发计算模型以分析动物在空间导航任务中的决策行为	大鼠在T型迷宫中的行为轨迹	机器学习	NA	Monte Carlo模拟, t-SNE嵌入	CNN-LSTM	空间轨迹记录	NA
13	2025-04-23	EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10248-8 PMID:40256687	研究论文	本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测	采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率	研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力	开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断	精神分裂症患者和健康对照者的EEG信号	数字病理学	精神分裂症	离散小波变换（DWT）	多层感知器神经网络（MLP）	EEG信号	两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者）
14	2025-04-13	Advancements in artificial intelligence for atopic dermatitis: diagnosis, treatment, and patient management 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2484665 PMID:40200717	综述	本文综述了人工智能在特应性皮炎诊断、治疗和患者管理中的最新进展	首次全面回顾人工智能在特应性皮炎疾病过程中的应用，强调其在医学诊断、治疗监测和患者护理中的显著优势	面临数据隐私和模型透明度的挑战	推动人工智能在皮肤健康护理中的进步，提升特应性皮炎的临床诊疗水平	特应性皮炎患者	数字病理学	特应性皮炎	深度学习	深度学习算法	皮肤图像	NA
15	2025-04-12	Tracking protein kinase targeting advances: integrating QSAR into machine learning for kinase-targeted drug discovery 2025-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2025.2483631 PMID:40181786	综述	本文探讨了定量构效关系（QSAR）模型在激酶药物发现中的应用，重点介绍了将传统QSAR与机器学习（ML）和结构数据相结合的进展	深度学习增强的QSAR在自动特征提取和捕捉复杂关系方面具有创新性，超越了传统QSAR方法	强调了可解释性和实验验证对于临床转化的重要性	提高激酶靶向药物设计的效率和准确性	蛋白激酶及其选择性抑制剂	机器学习	NA	定量构效关系（QSAR）、机器学习（ML）、深度学习	CNN、RNN	结构数据、实验数据	NA
16	2025-04-12	Leveraging multi-modal feature learning for predictions of antibody viscosity 2025-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2025.2490788 PMID:40214197	研究论文	本文报告了一种多模态特征学习工作流程在预测治疗性抗体粘度中的应用	整合了多种数据源，包括序列、结构、物理化学性质以及语言模型的嵌入，使模型能够从分子模拟的物理化学规则和大型预训练深度学习模型捕获的蛋白质进化模式中学习	未提及具体样本量或实验验证的局限性	预测治疗性抗体的粘度，以解决皮下给药制剂的高粘度问题	治疗性抗体	机器学习	NA	多模态特征学习	深度学习模型	序列、结构、物理化学性质数据	NA
17	2025-04-09	Detection of cognitive load during computer-aided education using infrared sensors 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10242-0 PMID:40191173	研究论文	本研究利用功能近红外光谱（fNIRS）和机器学习方法检测计算机辅助教育中的认知负荷	提出了一种基于小波散射变换（WST）的自动特征提取方法和一维卷积神经网络（1D CNN），用于认知负荷检测，并在分类性能上优于现有方法	1D CNN的计算成本（CPU时间和内存利用率）显著高于其他方法	检测计算机辅助教育中的认知负荷，以提高学生注意力	14名健康受试者的fNIRS脑信号数据	机器学习	NA	功能近红外光谱（fNIRS）	1D CNN, LDA, NB, KNN, SVM	脑信号数据	14名健康受试者
18	2025-03-19	Leveraging deep learning for epigenetic protein prediction: a novel approach for early lung cancer diagnosis and drug discovery 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00347-5 PMID:40083337	研究论文	本文提出了一种基于深度学习的表观遗传蛋白预测方法，用于早期肺癌诊断和药物发现	构建了CNN-BiLSTM模型，结合AmpPseAAC特征提取方法，显著提高了表观遗传蛋白预测的性能	未提及具体的数据集大小和模型在实际应用中的验证情况	通过预测表观遗传蛋白，改进疾病诊断和治疗策略，特别是肺癌	表观遗传蛋白	机器学习	肺癌	深度学习	CNN-BiLSTM	蛋白质序列数据	NA
19	2025-03-12	iAMP-CRA: Identifying Antimicrobial Peptides Using Convolutional Recurrent Neural Network with Self-Attention 2025-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00342-w PMID:40062190	研究论文	本文提出了一种使用卷积循环神经网络与自注意力机制相结合的深度学习模型(iAMP-CRA)，用于从大量蛋白质序列中快速筛选出抗菌肽(AMPs)的候选样本	设计了灵活的、可解释的深度学习模型iAMP-CRA，结合了卷积循环神经网络和自注意力机制，能够自适应地融合异构特征，并在基准数据集上表现出优异的学习能力	未提及具体的数据集大小或模型训练时间等限制	快速筛选抗菌肽(AMPs)候选样本，以帮助发现新的抗菌肽	抗菌肽(AMPs)	自然语言处理	NA	深度学习	卷积循环神经网络(CNN-RNN)与自注意力机制	蛋白质序列	未提及具体样本数量
20	2025-02-27	Brain analysis to approach human muscles synergy using deep learning 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10228-y PMID:39996071	研究论文	本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用	结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号	NA	改进康复方法和脑机接口	脑信号和肌肉运动	机器学习	NA	EEG, EMG	神经网络, 卷积网络	信号数据	NA