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
21	2025-07-05	Application of deep learning for multi-scale behavioral analysis in SNCA E46K Parkinson's disease drosophila 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10294-2 PMID:40605911	研究论文	本文介绍了一种自动化的多尺度行为表型分析流程，用于基于运动特征分类与帕金森病相关的表型	结合无标记姿态估计和无监督聚类技术，从果蝇的自发行为序列中提取运动特征和行为模式，提高了帕金森病症状识别的准确性	仅使用果蝇作为模型生物，结果可能不完全适用于人类帕金森病研究	开发一种客观且可扩展的方法来分析果蝇中与帕金森病相关的行为	野生型和Synuclein Alpha E46K突变型果蝇	数字病理学	帕金森病	无标记姿态估计，无监督聚类	深度学习	视频	未明确提及样本数量，使用野生型和突变型果蝇
22	2025-07-05	Mifnet: a MamBa-based interactive frequency convolutional neural network for motor imagery decoding 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10287-1 PMID:40605914	research paper	提出了一种基于MamBa的交互式频率卷积神经网络MIFNet，用于解码运动想象（MI）脑电图（EEG）信号	MIFNet通过非重叠频率分解、ConvEncoder模块和基于MamBa的时间模块，系统整合了频谱、空间和时间特征提取，有效解决了现有方法在捕获全局时间依赖性、保持位置一致性和计算效率方面的局限性	未提及具体局限性	提高运动想象（MI）脑电图（EEG）信号的解码性能	运动想象（MI）脑电图（EEG）信号	脑机接口（BCI）	NA	非重叠频率分解、选择性状态空间模型（SSMs）	CNN与SSMs的混合模型	EEG信号	三个公共MI-EEG数据集（BCIC-IV-2A、OpenBMI和High Gamma）
23	2025-07-05	CT-based deep learning radiomics analysis for preoperative Lauren classification in gastric cancer and explore the tumor microenvironment 2025-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100667 PMID:40607047	研究论文	本研究探讨了基于CT的深度学习放射组学分析在胃癌Lauren分型术前区分中的有效性，并探索了肿瘤微环境	结合放射组学特征和临床信息构建的列线图在区分Lauren分型方面表现出色，并通过转录组学分析揭示了不同Lauren亚型间的微环境异质性	研究样本量有限，且外部验证队列的样本量相对较小	术前区分胃癌Lauren分型并探索肿瘤微环境	胃癌患者	数字病理	胃癌	CT成像，RNA测序	深度学习放射组学分析(DLRA)	CT图像，RNA测序数据	578名患者（训练队列311人，内部验证队列132人，外部验证队列135人）
24	2025-07-04	Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data 2025-Dec, Dialogues in clinical neuroscience DOI:10.1080/19585969.2025.2524337 PMID:40588165	research paper	该研究提出了一种基于深度学习和集成学习的混合AI模型，用于通过人口统计和行为时间序列数据检测双相和单相抑郁症	结合了结构化人口统计特征和合成活动图时间序列数据，使用XGBoost集成和深度CNN进行建模，并通过SHAP和Grad-CAM增强模型可解释性	尚未经过临床验证	开发自动化的抑郁症检测方法	双相和单相抑郁症患者	machine learning	mental health	XGBoost, CNN, SHAP, Grad-CAM	hybrid AI model (XGBoost + CNN)	time-series data, demographic data	NA
25	2025-06-23	Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2520401 PMID:40531801	research paper	该研究利用2.5D磁共振成像和深度学习模型对腮腺肿瘤进行良恶性鉴别诊断	首次将2.5D成像方法与基于transformer的迁移学习模型相结合用于腮腺肿瘤诊断	回顾性研究且样本量较小（122例）	提高腮腺肿瘤术前诊断准确性以指导手术方案制定	腮腺肿瘤患者	digital pathology	parotid gland tumors	MRI	transformer-based transfer learning model	2.5D magnetic resonance images	122例腮腺肿瘤患者
26	2025-06-22	MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition 2025-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10277-3 PMID:40538970	research paper	提出了一种名为MBRSTCformer的知识嵌入局部-全局时空变换器，用于基于EEG的情绪识别	结合大脑认知机制，提出了多脑区协作网络和级联金字塔空间融合时间卷积网络，以更好地提取脑区局部特征	NA	开发一种鲁棒的基于EEG的情绪识别模型	EEG信号	machine learning	NA	EEG	transformer (MBRSTCformer), CNN	EEG信号	两个主流情绪识别数据集（DEAP和DREAMER）
27	2025-06-15	The performance of artificial intelligence in image-based prediction of hematoma enlargement: a systematic review and meta-analysis 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2515473 PMID:40497430	系统综述与荟萃分析	本文系统综述和荟萃分析了人工智能在基于图像的脑血肿扩大预测中的性能表现	首次对人工智能在脑血肿扩大预测中的性能进行系统评价和荟萃分析，比较了机器学习和深度学习的表现	纳入研究的样本量和方法学质量存在异质性，部分研究数据不完整	评估人工智能算法在预测脑血肿扩大方面的诊断性能	脑出血患者的CT影像数据	数字病理学	脑血管疾病	CT影像分析	机器学习(ML)和深度学习(DL)	医学影像	36篇文献纳入定性分析，其中23篇用于定量分析
28	2025-06-05	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	research paper	该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，准确率超过其他预测方法	模型训练数据仅包含229个单克隆抗体的粘度数据，可能影响模型的泛化能力	开发预测模型以筛选高浓度单克隆抗体，改善其制造和配方特性	229个单克隆抗体的粘度数据	machine learning	NA	DeepSP模型	ensemble artificial neural network	sequence-based features	229个单克隆抗体
29	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）
30	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
31	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
32	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
33	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
34	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）
35	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
36	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
37	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
38	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）
39	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
40	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