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
2081	2025-05-31	CausalMixNet: A mixed-attention framework for causal intervention in robust medical image diagnosis 2025-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103581 PMID:40359724	research paper	提出了一种名为CausalMixNet的创新方法，通过混合注意力机制探究医学图像与标签之间的因果关系，以提高诊断的准确性和泛化性能	采用查询混合内部注意力和键值混合外部注意力机制，结合非局部推理模块和键值混合外部注意力进行前门调整策略，以及补丁掩码排序模块和查询混合内部注意力增强中介学习	未明确提及具体限制	提高医学图像诊断的准确性和泛化性能，探究图像与标签之间的因果关系	医学图像及其诊断标签	digital pathology	NA	deep learning	CausalMixNet	image	多个数据集，具体数量未提及
2082	2025-05-31	Deep learning-based forecasting of daily maximum ozone levels and assessment of socioeconomic and health impacts in South Korea 2025-Jun-25, The Science of the total environment DOI:10.1016/j.scitotenv.2025.179684 PMID:40409021	研究论文	本研究评估了三种深度学习模型在预测韩国19个省份未来七天每日最大臭氧浓度方面的性能，并将高精度臭氧预测与健康和经济社会指标相结合，评估环境影响	将深度学习模型的高精度臭氧预测与省份和性别特定的健康及社会经济指标相结合，评估环境影响的创新方法	研究仅针对韩国19个省份，可能无法推广到其他地区	预测每日最大臭氧浓度并评估其公共健康和社会经济影响	韩国19个省份的每日最大臭氧浓度及其与健康和经济社会指标的关系	机器学习	心血管疾病	深度学习	Deep-CNN, LSTM, DNN	时间序列数据	韩国19个省份的臭氧浓度数据
2083	2025-05-31	Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03296-z PMID:39847156	研究论文	提出了一种基于深度学习的非参数贝叶斯框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估	采用非参数贝叶斯方法和随机梯度Langevin动力学优化器，能够更准确地进行低剂量PET重建并提供不确定性评估	研究仅使用了特定数据集进行评估，未涉及其他可能影响临床应用的变量	提高低剂量PET图像重建的准确性并评估不确定性，以改善临床决策	低剂量PET图像	医学影像处理	肿瘤学	深度学习	非参数贝叶斯框架	医学影像	10,631个样本（全局评估）和28个样本（局部评估）
2084	2025-05-31	Smart home-assisted anomaly detection system for older adults: a deep learning approach with a comprehensive set of daily activities 2025-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03308-y PMID:39888470	research paper	该研究提出了一种基于深度学习的智能家居辅助异常检测系统，用于监测老年人的日常活动	使用深度学习技术建模群体行为，考虑全面的日常活动集（41种），并检测显著偏差	未明确提及数据来源的多样性和样本的具体特征	通过智能家居远程监测老年人的健康和福祉，提高健康结果和独立性	老年人的日常活动	machine learning	geriatric disease	deep learning	recurrent neural networks	activity data	未明确提及具体样本数量，但涉及41种日常活动
2085	2025-05-31	A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder 2025-Jun, Journal of substance use and addiction treatment DOI:10.1016/j.josat.2025.209685 PMID:40127869	研究论文	本研究利用生态瞬时评估(EMA)和深度学习预测接受阿片类药物使用障碍(MOUD)治疗患者的非处方阿片类药物使用(NPOU)、药物不依从性和治疗保留情况	结合EMA和深度学习技术预测MOUD治疗中的关键行为结果，并利用SHAP方法解析预测特征的时间延迟和重要性	样本量较小(仅62名成人参与者)，模型性能在不同EMA亚型和结果间存在较大差异(AUC范围0.58-0.97)	预测阿片类药物使用障碍治疗中的不良行为结果以改善治疗效果	接受阿片类药物使用障碍(MOUD)治疗的成人患者	机器学习	阿片类药物使用障碍	生态瞬时评估(EMA)，电子健康记录(EHR)分析	循环深度学习模型	EMA数据，EHR数据	62名成人，14,322次观察
2086	2025-05-31	Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography 2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3561599 PMID:40238602	research paper	该论文提出了一种结合深度数据驱动和物理启发学习的方法，用于超声弹性成像中的剪切波速度估计	提出了一种物理启发学习方法，利用无已知剪切波速度值的真实数据进行训练，减少了模拟数据与真实数据之间的差异导致的伪影	仅在实验模型和两名人类受试者的肝脏数据上进行了验证，样本量较小	提高超声弹性成像中剪切波速度估计的准确性和鲁棒性	剪切波速度(SWS)估计	医学影像处理	NA	超声弹性成像(SWE)	深度学习(DL)	超声RF/IQ数据	实验模型数据和两名人类受试者的肝脏数据
2087	2025-05-31	Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation 2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2025.3562313 PMID:40261767	研究论文	开发了一种基于深度学习的3D光声点源定位系统，用于手术工具尖端的定位和跟踪	首次将深度学习应用于光声通道数据，实现了三维点源定位，并推导了点源位置、声速和波形形状之间的理论关系	NA	开发一种能够在手术和介入过程中三维定位和跟踪工具尖端的方法	手术工具尖端	计算机视觉	NA	光声成像	深度学习实例分割	图像	4000个模拟数据帧、993个幻影数据帧和1983个离体数据帧
2088	2025-05-31	IR-MBiTCN: Computational prediction of insulin receptor using deep learning: A multi-information fusion approach with multiscale bidirectional temporal convolutional network 2025-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2025.143844 PMID:40319974	research paper	提出了一种基于深度学习和多信息融合的计算方法IR-MBiTCN，用于预测胰岛素受体（IR）	首次将多尺度双向时间卷积网络（MBiTCN）应用于IR预测，结合了多视角融合特征（MPFF）	需要进一步验证模型在其他类型蛋白质预测中的泛化能力	开发一种可扩展、高效的计算方法来预测胰岛素受体，替代传统实验方法	胰岛素受体（IR）	machine learning	cancer, neurological	W-GDPC, FastText, BB-PSSM	MBiTCN	sequence	训练和测试数据集（具体数量未提及）
2089	2025-05-31	The value of artificial intelligence in PSMA PET: a pathway to improved efficiency and results 2025-May-30, The quarterly journal of nuclear medicine and molecular imaging : official publication of the Italian Association of Nuclear Medicine (AIMN) [and] the International Association of Radiopharmacology (IAR), [and] Section of the Society of... DOI:10.23736/S1824-4785.25.03640-4 PMID:40444499	系统综述	本文探讨了人工智能在提高前列腺特异性膜抗原正电子发射断层扫描（PSMA PET）检测转移性前列腺癌准确性和效率方面的潜力	综述了AI在PSMA PET扫描分析中的应用，展示了其在提高诊断准确性、敏感性和标准化报告方面的潜力	AI性能存在显著变异性，部分算法的'黑箱'特性需要更大的前瞻性研究和改进模型可解释性	评估AI在PSMA PET扫描分析中的应用效果	转移性前列腺癌患者	数字病理学	前列腺癌	PSMA PET扫描	机器学习（ML）、深度学习（DL）、卷积神经网络（CNN）	医学影像	22项研究
2090	2025-05-31	Evidential Deep Learning for Open-Set Active Domain Adaptation 2025-May-29, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3571943 PMID:40440139	research paper	该论文提出了一种基于证据深度学习的开放集主动域适应方法（EOSADA），用于在包含新类别的未标记目标域中转移知识	利用证据深度学习（EDL）构建开放集分类器，并采用两轮选择策略平衡已知和新类别样本的选择，同时识别信息丰富的样本，无需修改模型结构且使用有限的标注预算	未明确提及具体局限性	提升开放集域适应（OSDA）场景下模型的性能	未标记目标域中的样本，包括已知和新类别	machine learning	NA	evidential deep learning (EDL), open-set active domain adaptation	分类神经网络（具体架构未提及）	未明确提及，推测为图像或文本数据	未明确提及具体样本数量
2091	2025-05-31	Deep learning enables fast and accurate quantification of MRI-guided near-infrared spectral tomography for breast cancer diagnosis 2025-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3574727 PMID:40440147	研究论文	本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描（NIRST）图像重建方法，用于乳腺癌诊断	提出了一种快速准确的深度学习模型（DL-MRg-NIRST），显著提高了NIRST图像重建的速度和诊断准确性	研究基于合成数据训练的网络，可能在实际临床应用中存在泛化性问题	提高乳腺癌诊断的特异性和敏感性	乳腺异常患者	数字病理	乳腺癌	MRI引导的近红外光谱断层扫描（NIRST）	深度学习模型	MRI图像和NIRST数据	38例乳腺异常患者的临床影像检查数据
2092	2025-05-31	TTFNet: Temporal-Frequency Features Fusion Network for Speech based Automatic Depression Recognition and Assessment 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574864 PMID:40440151	research paper	提出了一种基于混合语音特征的自动抑郁症检测方法TTFNet，通过深度学习提取特征并进行抑郁症识别和评估	创新性地设计了四元数VisionLSTM来捕捉多维动态特征的协同效应，并设计了XConformer块用于跨序列交互，结合自注意力机制和卷积模块	NA	开发一种客观且便捷的早期抑郁症筛查方法	抑郁症患者的语音特征	自然语言处理	抑郁症	深度学习	TTFNet, quaternion VisionLSTM, sLSTM, wav2vec 2.0, XConformer	语音	AVEC 2013, AVEC 2014, DAIC-WOZ和E-DAIC数据集
2093	2025-05-31	Glaucoformer: Dual-domain Global Transformer Network for Generalized Glaucoma Stage Classification 2025-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3574997 PMID:40440150	研究论文	提出了一种名为Glaucoformer的双域全局Transformer网络，用于青光眼阶段的分类	引入了双域全局Transformer层（DGTL），结合了双域通道注意力（DCA）和双域空间注意力（DSA），并采用傅里叶域特征分析器（FDFA）作为核心组件，以在空间和频率域中利用局部和全局上下文特征依赖	未明确提及具体限制，但可能包括对未见数据集的泛化能力仍需进一步验证	提高青光眼阶段分类的准确性和泛化能力	青光眼患者的眼底图像	计算机视觉	青光眼	深度学习	Transformer, CNN	图像	基准数据集和未见数据集，具体样本数量未提及
2094	2025-05-31	ASight: Fine-tuning Auto-Scheduling Optimizations for Model Deployment via Visual Analytics 2025-May-29, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3574194 PMID:40440148	research paper	介绍ASight，一个视觉分析系统，帮助工程师识别性能瓶颈、理解自动生成的低级代码并从自动调度优化中获取见解	提出ASight系统，开发子图匹配算法以识别中间表示中的图同构，并增强自动调度大搜索空间的可视化	未提及具体的技术限制或系统适用范围	优化深度学习模型在特定硬件上的部署性能，减少推理延迟	深度学习模型的自动调度优化	machine learning	NA	visual analytics, subgraph matching algorithm	NA	low-level code, profiling metrics	两个案例研究（本地机器和数据中心）和一个定量实验
2095	2025-05-31	Predicting expression-altering promoter mutations with deep learning 2025-May-29, Science (New York, N.Y.) DOI:10.1126/science.ads7373 PMID:40440429	研究论文	该论文介绍了PromoterAI，一种深度神经网络，用于准确识别非编码启动子变异，这些变异会失调基因表达	开发了PromoterAI深度神经网络，能够识别影响基因表达的非编码启动子变异，并验证了这些变异在罕见疾病患者中的临床相关性	仅关注启动子区域的变异，可能忽略了其他非编码区域的致病变异	预测和识别影响基因表达的非编码启动子变异，以解释罕见疾病的遗传负担	非编码启动子变异及其对基因表达的影响	机器学习	罕见遗传病	深度神经网络	深度神经网络	基因组序列数据	数千名个体的RNA和蛋白质水平数据
2096	2025-05-31	Modeling Active-State Conformations of G-Protein-Coupled Receptors Using AlphaFold2 via Template Bias and Explicit Protein Constrains 2025-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c00489 PMID:40440630	研究论文	本研究探讨了利用AlphaFold2通过模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象	扩展了AlphaFold2的应用，通过引入模板偏差和显式蛋白质约束来建模G蛋白偶联受体的活性态构象，揭示了深度学习工具在建模蛋白质复合物中的潜力与局限	在建模变构效应方面存在局限，特别是在受体细胞外位点的预测准确性降低，可能影响其在基于结构的药物设计中的应用	探索深度学习工具在建模G蛋白偶联受体不同构象状态中的应用	G蛋白偶联受体的活性态构象	机器学习	NA	AlphaFold2	深度学习	蛋白质结构	NA
2097	2025-05-31	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2025-May-29, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了三层人工神经网络（ANN）在检测由英语元音/i/的上升语调引发的频率跟随响应（FFRs）中的有效性	首次在FFR研究中探索深度学习模型的潜力，特别是使用ANN进行FFR检测	研究仅针对英语元音/i/的上升语调引发的FFRs，未涵盖其他语音特征或语调	评估ANN在FFR检测中的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的频率跟随响应（FFRs）	机器学习	NA	人工神经网络（ANN）	ANN	神经信号（FFR recordings）	NA
2098	2025-05-31	Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model 2025-May-29, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002526 PMID:40440686	研究论文	开发并验证了一种基于深度学习的模型Sr-PPS，用于预测非小细胞肺癌（NSCLC）患者术后结果	利用先进的Res2Net深度学习架构开发了新型手术预后预测评分系统Sr-PPS，并揭示了其与肿瘤免疫微环境和关键致癌驱动基因突变的关联	研究样本量相对有限，且验证队列来自TCGA数据库，可能存在选择偏倚	开发可靠的预测工具以准确预测NSCLC患者术后结果	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	深度学习	Res2Net	图像	337例局部NSCLC患者用于模型开发，554例来自TCGA数据库的NSCLC患者用于验证
2099	2025-05-31	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-May-29, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	research paper	评估结合深度学习重建和Heart-NAV技术的ferumoxytol增强3D cine成像MR序列在先天性心脏病患者中的效率和准确性	提出了一种结合深度学习重建和Heart-NAV技术的自由运行3D cine成像方法，可同时获取cine和血管造影图像，缩短采集时间	样本量较小（16名患者），且仅在先天性心脏病患者中进行了评估	评估新型3D cine成像技术在心血管磁共振成像中的效率和准确性	先天性心脏病患者	医学影像	先天性心脏病	深度学习图像重建，Heart-NAV技术，3D cine磁共振成像	DL（深度学习）	医学影像数据	16名患者（7名男性，中位年龄6岁）
2100	2025-05-31	Ultrasound image-based contrastive fusion non-invasive liver fibrosis staging algorithm 2025-May-29, Abdominal radiology (New York) DOI:10.1007/s00261-025-04991-z PMID:40442504	研究论文	本研究利用深度学习技术构建了一种基于超声图像的非侵入性肝纤维化分期算法	创造性引入了纤维化对比层（FCL）概念，并通过标签融合（LF）提高诊断模型的准确性和稳定性	NA	实现肝纤维化的非侵入性分期，避免并发症并降低成本	肝纤维化患者	数字病理	肝纤维化	深度学习	FCLLF模型（基于对比融合的深度学习模型）	超声图像	未明确说明总样本量，但在小样本条件下使用了30%的数据