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
2401	2025-10-06	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-Sep-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证用于预测成人患者生理状态恶化的深度学习模型DETERIO	采用共识定义的恶化标准(AIDE)并将恶化预测建模为状态价值估计问题	需要进一步研究评估模型的普适性和真实临床影响	开发优于现有商业恶化评分的预测模型	成人住院患者和急诊患者	医疗人工智能	生理功能恶化	深度学习	深度学习模型	临床患者数据	推导队列330,729名患者(71,735住院+258,994急诊)，验证队列65,898名患者(13,750住院+52,148急诊)	NA	基于先前工作的深度学习架构	AUC, 敏感性, 阳性预测值	NA
2402	2025-10-06	Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients 2023-08, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2023.106459 PMID:37307602	研究论文	本研究开发了一种基于机器学习的肿瘤多核化指数(MuNI)，用于头颈部鳞状细胞癌患者的生存预测和肿瘤免疫微环境分析	首次利用深度学习模型量化肿瘤细胞多核化特征，并发现其与生存率和抗肿瘤免疫抑制的相关性	需要进一步的机制研究来阐明多核化与肿瘤免疫之间的生物学联系	开发基于肿瘤生物学特征的精准医疗指标，用于头颈部鳞状细胞癌患者的预后评估	头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	苏木精-伊红染色，基因集富集分析	深度学习	病理图像	机构OPSCC队列训练集和TCGA HNSCC验证集	NA	NA	C-index	NA
2403	2025-10-06	Cerebrovascular super-resolution 4D Flow MRI - Sequential combination of resolution enhancement by deep learning and physics-informed image processing to non-invasively quantify intracranial velocity, flow, and relative pressure 2023-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102831 PMID:37244143	研究论文	开发了一种结合深度学习超分辨率和物理信息图像处理的两步法，用于无创量化颅内血流动力学参数	首次将深度残差网络与物理信息图像处理相结合，实现脑血管4D Flow MRI的超分辨率重建和功能相对压力量化	方法在患者特异性计算机模拟队列中训练验证，需要未来在专门临床队列中进一步应用验证	开发定量颅内超分辨率4D Flow MRI方法，准确量化脑血管血流动力学参数	颅内血管系统，特别是Willis环区域	医学影像分析	脑血管疾病	4D Flow MRI，相位对比磁共振成像	深度残差网络	磁共振影像	患者特异性计算机模拟队列和体内志愿者队列	NA	深度残差网络	相对误差，平均绝对误差，余弦相似度，均方根误差	NA
2404	2025-10-06	Deep learning-based detection of depression by fusing auditory, visual and textual clues 2025-Dec-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2025.119860 PMID:40675260	研究论文	提出一种融合听觉、视觉和文本线索的深度学习模型用于抑郁症自动检测	首次结合GPT-2.0驱动的聊天机器人进行症状访谈，并采用多头交叉注意力网络融合多模态特征	未进行纵向随访研究，对重度抑郁症的适用性需进一步验证	开发基于人工智能的抑郁症自动检测方法	抑郁症患者和健康对照者	自然语言处理,计算机视觉	抑郁症	多模态特征融合	多头交叉注意力网络	音频,视频,文本	内部验证集：152名抑郁症患者和118名健康对照；外部验证集：55名抑郁症患者和45名健康对照	NA	多头交叉注意力网络	AUC,准确率,特异性	NA
2405	2025-10-06	A generalizable diffusion framework for 3D low-dose and few-view cardiac SPECT imaging 2025-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103729 PMID:40752375	研究论文	提出一种可泛化的三维扩散框架DiffSPECT-3D，用于改善低剂量和少视角心脏SPECT成像质量	无需重新训练或微调即可适应不同采集设置的扩散框架，提出一致性策略和2.5D条件策略解决三维内存/计算问题	未明确说明框架在极端低剂量条件下的性能边界	开发能够泛化到不同低剂量和少视角采集设置的心脏SPECT成像方法	心脏SPECT成像数据	医学影像处理	心血管疾病	SPECT成像, CT成像	扩散模型	三维医学影像, 投影数据	795名患者的1,325项临床Tc tetrofosmin负荷/静息研究	NA	DiffSPECT-3D	心脏导管插入术验证, 核心脏病学家诊断评估	NA
2406	2025-10-06	Predictive modeling and cohort data analytics for student success and retention 2025-Dec, Evaluation and program planning IF:1.5Q2 DOI:10.1016/j.evalprogplan.2025.102689 PMID:40897068	研究论文	通过数据驱动分析研究23000余名大一新生的学业表现差异，并开发深度学习模型预测学生学业成果	首次结合聚类分析和深度学习模型对大规模学生群体进行学业表现预测和风险识别	研究局限于单一美国公立大学数据，可能缺乏普适性	提升学生保留率和学业成功率	23000余名美国公立大学大一新生	机器学习	NA	数据分析、聚类分析、深度学习	深度学习模型	学业数据、人口统计数据	23000余名大一新生	NA	NA	预测准确率	NA
2407	2025-10-06	Pred5AOP: an efficient screening of food-derived antioxidant peptides based on deep learning, molecular docking, and experimental validation 2025-Nov-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145769 PMID:40774187	研究论文	开发基于深度学习的Pred5AOP方法用于高效筛选食物来源的抗氧化肽	结合深度学习、分子对接和实验验证的创新筛选策略，首次构建包含76,343个肽段的数据集	仅基于29种膳食蛋白质进行虚拟水解，样本来源有限	开发高效筛选食物源性抗氧化肽的新方法	食物蛋白质水解产生的抗氧化肽	机器学习	NA	计算机虚拟水解、分子对接、量子化学分析、分子动力学模拟	MLP	肽序列数据	76,343个肽段（来自29种膳食蛋白质）	NA	MLP	结合活性验证（自由基清除、细胞保护）和结合亲和力分析	NA
2408	2025-10-06	CSCE: Cross Supervising and Confidence Enhancement pseudo-labels for semi-supervised subcortical brain structure segmentation 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110522 PMID:40653056	研究论文	提出一种基于交叉监督和置信度增强伪标签的半监督皮层下脑结构分割框架	设计双师生模型(U-Net和TransUNet)相互生成伪标签进行交叉监督，并引入信息熵和辅助检测任务增强伪标签置信度	仅使用两个公开脑MRI数据集进行验证，未在更多临床场景测试	开发半监督学习方法以解决脑部结构分割中标注数据稀缺的问题	脑部MR图像中的皮层下结构	医学图像分割	脑部疾病	脑部MRI	U-Net, TransUNet	脑部MR图像	两个公开脑MRI基准数据集	NA	U-Net, TransUNet	Dice系数, MHD(平均豪斯多夫距离)	NA
2409	2025-10-06	Multi-class mental Task Classification based Brain-Computer Interface using Improved Remora depthwise convolutional adaptive neuro-fuzzy inference network model 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110536 PMID:40681115	研究论文	提出一种基于改进Remora深度卷积自适应神经模糊推理网络模型的多类心理任务分类脑机接口系统	提出IRDCANFIN分类器模型，结合改进的Remora优化算法进行参数调优，并采用混合动态中心二值模式和多阈值三值模式进行特征提取	未明确说明计算资源需求和实时性能的具体表现	开发准确可靠的多类心理任务分类脑机接口系统	脑电信号和心理任务分类	脑机接口	运动障碍疾病	脑电信号采集	深度学习,神经模糊推理网络	EEG信号	BCI实验室数据集和EEG精神障碍数据集	NA	IRDCANFIN,1D-CNN-LSTM	准确率	NA
2410	2025-10-06	Hybrid two-stage CNN for detection and staging of periodontitis on panoramic radiographs 2025 Nov-Dec, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.08.019 PMID:40927498	研究论文	开发了一种混合两阶段CNN模型，用于在全景X光片上检测和分期牙周炎	首次将Mask R-CNN与DenseNet169集成用于牙周炎检测和分期，采用两阶段混合架构	需要进一步开发以提高临床适用性和准确性	评估混合两阶段CNN在全景X光片上检测和分期牙周炎的性能	牙周炎患者	计算机视觉	牙周炎	全景X光成像	CNN, DenseNet	医学影像	600张全景X光片（训练集）+ 100张外部测试X光片	NA	Mask R-CNN, DenseNet169	特异性, 准确率	NA
2411	2025-10-06	SST-DUNet: Smart Swin Transformer and Dense UNet for automated preclinical fMRI skull stripping 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110545 PMID:40789440	研究论文	提出一种结合智能Swin Transformer和密集UNet的自动化方法，用于预处理前fMRI颅骨剥离	将智能移位窗口多头自注意力模块集成到Swin Transformer中，替代原有的基于掩码的模块，能够学习不同通道特征并关注脑结构内的相关依赖性	方法仅在鼠类fMRI数据上验证，未在其他物种或MRI模态上测试	开发自动化颅骨剥离方法以替代手动预处理	大鼠功能磁共振成像数据	计算机视觉	NA	功能磁共振成像	Transformer, CNN	图像	三个内部数据集的大鼠fMRI图像	NA	SST-DUNet, Dense UNet, Smart Swin Transformer	Dice相似系数	NA
2412	2025-10-06	EEG-based cerebral pattern analysis for neurological disorder detection via hybrid machine and deep learning approaches 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110551 PMID:40816535	研究论文	本研究开发了一种结合随机森林和卷积神经网络的混合模型，用于基于EEG信号的神经系统疾病检测	首次将基于特征的随机森林机器学习与基于图像的卷积神经网络深度学习方法相结合，形成混合RF-CNN模型	NA	通过脑电信号分析检测神经系统疾病	轻度认知障碍、阿尔茨海默病和癫痫患者	机器学习	神经系统疾病	脑电图	RF, CNN	EEG信号	NA	NA	RF-CNN混合架构	准确率, F1分数	NA
2413	2025-10-06	Evaluation of the deep learning-based detection of dopaminergic neurons in primary culture: A practical alternative to manual counting 2025-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110557 PMID:40819676	研究论文	评估基于深度学习的多巴胺能神经元自动检测方法，作为手动计数的实用替代方案	首次系统比较传统级联分类器与基于YOLOv3的深度学习模型在检测多巴胺能神经元中的性能表现	研究仅限于体外培养的多巴胺能神经元，未验证在其他细胞类型或组织中的适用性	开发自动化的神经元计数方法以替代传统手动计数	酪氨酸羟化酶阳性的多巴胺能神经元	计算机视觉	神经系统疾病	免疫染色	CNN	图像	NA	NA	YOLOv3	精确度, 处理时间	NA
2414	2025-10-06	A physics-informed deep learning approach to predicting bilateral ground reaction forces and centre of pressure from a single forceplate during gait 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.07.005 PMID:40618708	研究论文	开发了一种物理信息残差循环神经网络，用于从单个测力台数据预测步态中的双侧地面反作用力和压力中心	首次提出结合物理信息的残差循环神经网络(PI-ResRNN)，能够仅使用单个测力台数据准确预测双侧地面反作用力和压力中心	研究主要关注双接触阶段的步态分析，未涵盖完整步态周期的所有阶段	开发一种能够从单个测力台数据准确预测双侧地面反作用力和压力中心的方法，简化步态分析流程	315名参与者，包括健康人群和六种神经肌肉骨骼疾病患者	机器学习	神经肌肉骨骼疾病	测力台数据采集	RNN, ResRNN	测力台数据	315名参与者的6765次试验数据	NA	物理信息残差循环神经网络(PI-ResRNN)	均方根误差(RMSE), 相对均方根误差(rRMSE)	NA
2415	2025-10-06	Recognition of Parkinson disease using Kriging Empirical Mode Decomposition via deep learning techniques 2025-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.06.024 PMID:40628146	研究论文	本研究通过克里金经验模态分解和深度学习技术开发帕金森病的识别方法	结合克里金经验模态分解与深度学习技术进行帕金森病识别	NA	开发帕金森病的自动识别方法	帕金森病患者	机器学习	帕金森病	克里金经验模态分解	深度学习	NA	NA	NA	NA	NA	NA
2416	2025-10-06	Pharmacoutilization data-driven artificial intelligence-assisted diagnosis algorithm to improve the pharmacological treatment of pain and agitation in patients suffering from severe dementia 2025-Oct, Current opinion in pharmacology IF:4.0Q1 DOI:10.1016/j.coph.2025.102563 PMID:40815967	研究论文	本研究开发了一种基于药物利用数据的人工智能算法，用于改善重度痴呆患者的疼痛和躁动药物治疗	首次将药物流行病学数据与深度学习技术结合，通过管理药物治疗时间序列和使用自编码器来识别漏诊的阿尔茨海默病患者	需要进一步研究和纵向患者监测来提高疾病检测和管理水平	通过先进的人工智能方法诊断阿尔茨海默病，改善痴呆患者的药物治疗	298,000名个体，其中84,235名年龄超过60岁，包括114,920名无AD诊断患者和1,150名确诊患者	医疗人工智能	阿尔茨海默病	药物流行病学数据分析	自编码器	药物利用时间序列数据	298,000名个体	深度学习	自编码器	准确率79.12%	NA
2417	2025-10-06	An iterative deep learning-guided algorithm for directed protein evolution 2025-Sep-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113324 PMID:40927680	研究论文	提出一种基于深度学习的迭代算法DeepDE，用于指导蛋白质定向进化	使用三重突变体作为构建块，通过约1000个突变体的小型训练库实现高效迭代优化	算法性能依赖于实验可承受的约1000个变体的有限筛选	开发深度学习指导的蛋白质定向进化算法以提高蛋白质活性	绿色荧光蛋白(GFP)	机器学习	NA	蛋白质定向进化	深度学习	蛋白质序列数据	约1000个突变体训练库	NA	NA	活性增强倍数	NA
2418	2025-10-06	Ex vivo human brain volumetry: Validation of MRI measurements 2025-Sep-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70083 PMID:40937565	研究论文	本研究通过离体人脑标本验证MRI脑体积测量的准确性，将MRI测量结果与金标准水置换法进行比较	首次使用离体原位人脑标本系统验证多种MRI序列脑体积测量的准确性，并比较手动分割与深度学习自动分割方法的性能	样本量较小（仅7个解剖头部标本），所有体积测量方法（除自动T1加权外）与金标准存在显著差异	验证MRI脑体积测量工具的准确性	经酒精-甲醛溶液固定的离体人脑标本	医学影像分析	NA	MRI成像（T2加权、T1加权、MP2RAGE序列）	深度学习	医学影像	7个解剖头部标本	SynthSeg, MINC-ToolKit	NA	体积测量准确性，重复测量方差分析	NA
2419	2025-10-06	Leveraging modified ex situ tomography data for segmentation of in situ synchrotron X-ray computed tomography 2025-Sep-12, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70032 PMID:40938296	研究论文	提出一种利用改进的离位断层扫描数据训练深度学习模型，用于在位同步辐射X射线计算机断层扫描的自动分割方法	通过将高质量离位实验室数据转换为适用于在位同步辐射数据分割的训练数据，解决了训练数据有限的问题	仅使用静态样本进行训练，但需要处理实验中显著的形态变化	开发在位同步辐射X射线计算机断层扫描的自动分割方法	金属氧化物溶解研究中的材料系统	计算机视觉	NA	同步辐射X射线计算机断层扫描	深度学习	3D断层扫描图像	NA	NA	改进的SegFormer	IoU	NA
2420	2025-10-06	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2025-Sep-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究通过跨中心评估比较深度学习方法和MAP阈值方法在预测术中低血压方面的可靠性	引入包含临界血压病例的'灰色区域'概念，提出标准化MAP差异的方法来减少数据集特异性偏差，并发现模型在不同年龄群体间的非对称泛化能力	研究仅基于两个医疗中心的数据集，需要更多样化的数据集验证发现	评估AI模型预测术中低血压的可靠性并减少选择偏差	术中低血压患者	机器学习	心血管疾病	血压监测	深度学习	生理信号数据	来自瑞典卡罗林斯卡大学医院和韩国VitalDB数据库的多个外科队列	NA	NA	泛化能力评估	NA