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
2501	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
2502	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
2503	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
2504	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）
2505	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
2506	2025-05-31	Artificial Intelligence Augmented Cerebral Nuclear Imaging 2025-May-28, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.05.005 PMID:40441996	research paper	探讨人工智能（AI）在核神经影像处理、分析、增强和解释中的应用及其潜力	利用深度学习和机器学习技术改进SPECT和PET成像，包括自动图像分割、疾病分类和放射组学特征提取	未提及具体的技术实施细节或临床验证结果	提升核神经影像的处理和分析能力，推动精准医学发展	SPECT和PET脑成像	digital pathology	NA	SPECT, PET, ML, DL	deep learning, machine learning	image	NA
2507	2025-05-31	Multicentre evaluation of deep learning CT autosegmentation of the head and neck region for radiotherapy 2025-May-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01624-z PMID:40419731	研究论文	一项多中心研究评估了头颈部CT自动分割软件在全球七个机构的性能	首次在全球范围内多中心评估头颈部CT自动分割软件的性能，并量化了不同机构间的观察者间变异性	自动分割软件的临床效益在不同ROI和诊所间差异显著，部分淋巴结区域未显示显著时间节省	评估头颈部CT自动分割软件在放射治疗中的性能和时间节省效果	头颈部CT图像中的11个淋巴结水平和7个风险器官轮廓	数字病理	头颈部疾病	CT成像	深度学习	医学影像	七个机构的CT图像数据
2508	2025-05-31	Automatic assessment of lower limb deformities using high-resolution X-ray images 2025-May-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-025-08784-9 PMID:40420033	研究论文	提出了一种基于图像金字塔的新型骨骼标志点检测方法，用于自动评估下肢畸形	采用CNN结合误差反馈方法迭代优化标志点坐标，提高了检测精度并降低了计算成本	NA	开发自动评估下肢畸形的算法以辅助骨科手术规划	下肢X射线图像中的骨骼标志点和角度测量	计算机视觉	骨科疾病	X射线成像	CNN	X射线图像	临床采集的全腿X射线数据集（具体数量未说明）
2509	2025-05-31	A bidirectional reasoning approach for blood glucose control via invertible neural networks 2025-May-27, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108844 PMID:40440769	research paper	提出了一种双向神经网络方法，通过可逆神经网络实现血糖控制的双向推理	创新性地将前向因果推理与逆向反事实推理整合到一个框架中，并通过正交权重归一化技术增强网络的可训练性	未明确提及具体局限性	探索因果和反事实推理的新方法，以改善复杂决策过程	血糖控制	machine learning	NA	可逆神经网络，强化学习	Bidirectional Neural Network (BNN)	血糖数据	未明确提及样本量
2510	2025-05-31	Unveiling the potential of artificial intelligence in revolutionizing disease diagnosis and prediction: a comprehensive review of machine learning and deep learning approaches 2025-May-26, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-02680-7 PMID:40414894	review	本文全面回顾了2015年至2024年间机器学习和深度学习在16种不同疾病预测和诊断中的应用	强调了ML和DL技术在医疗保健领域的变革潜力，并评估了先进方法及其成果	数据质量、模型可解释性以及临床工作流程整合仍存在重大障碍	推进医疗实践，增强临床决策，并通过AI驱动技术的有效和负责任实施改善患者预后	16种不同疾病	machine learning	NA	machine learning, deep learning	NA	NA	NA
2511	2025-05-31	LucaPCycle: Illuminating microbial phosphorus cycling in deep-sea cold seep sediments using protein language models 2025-May-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60142-4 PMID:40419512	research paper	该研究开发了一个名为LucaPCycle的深度学习模型，用于揭示深海冷泉沉积物中微生物磷循环的过程	整合了原始序列和基于蛋白质语言模型ESM2-3B的上下文嵌入，显著提高了对磷循环蛋白家族的检测能力	传统序列搜索方法难以检测到具有远程同源性的蛋白质	研究深海冷泉沉积物中微生物磷循环的多样性和功能	全球冷泉基因和基因组目录中的磷循环蛋白家族	machine learning	NA	蛋白质语言模型ESM2-3B	深度学习模型	基因和基因组数据	5241个磷循环蛋白家族
2512	2025-05-31	RGE-YOLO enables lightweight road packaging bag detection for enhanced driving safety 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03240-z PMID:40419594	研究论文	提出了一种轻量级深度学习模型RGE-YOLO，用于实时检测道路上的包装袋，以提高驾驶安全性	RGE-YOLO结合了RepViTBlock、GSConv和EMA机制，优化了计算效率、模型稳定性和检测精度	研究仅限于道路包装袋的检测，未涉及其他类型的道路异物	提高驾驶安全性，通过实时检测道路上的包装袋	道路上的包装袋	计算机视觉	NA	深度学习	RGE-YOLO（基于YOLOv8s改进）	图像	6000张增强图像
2513	2025-05-31	Evaluation of spatial visual perception of streets based on deep learning and spatial syntax 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03189-z PMID:40419619	research paper	该研究应用深度学习和空间句法评估街道空间视觉感知质量，并分析其与街道构成元素的相关性	结合深度学习和人机对抗模型对街景图像进行六维度评分，并通过空间可视化与多元线性回归分析街道质量与构成元素的关系	研究区域有限，未涉及不同气候或文化背景下的街道质量对比	提升城市街道视觉质量，为精准化街道改造提供数据支持	城市街道空间及其视觉构成元素（绿化、行人、墙体等）	computer vision	NA	deep learning, spatial syntax	human-machine adversarial model	street view images	未明确样本量（研究区域内街道）
2514	2025-05-28	Correction: Formation permeability estimation using mud loss data by deep learning 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-03476-9 PMID:40419611	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2515	2025-05-31	Intelligent traffic congestion forecasting using BiLSTM and adaptive secretary bird optimizer for sustainable urban transportation 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02933-9 PMID:40419628	research paper	该研究提出了一种结合双向长短期记忆网络（BiLSTM）和自适应秘书鸟优化器（ASBO）的深度学习方法，用于智能交通系统中的交通拥堵预测	创新点在于将强化学习（RL）与BiLSTM结合，并引入ASBO优化器，显著提高了交通拥堵预测的准确性	未提及具体的数据集规模或实际应用场景的限制	旨在通过智能交通拥堵预测减少空气污染，提升城市交通的可持续性	城市交通网络中的交通拥堵模式	machine learning	NA	Deep Learning, Reinforcement Learning	BiLSTM, ASBO	traffic data	基于Traffic Prediction Dataset，具体样本量未提及
2516	2025-05-31	Digital image enhancement using deep learning algorithm in 3D heads-up vitreoretinal surgery 2025-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98801-7 PMID:40419711	research paper	本研究旨在利用深度学习算法预测3D头戴式玻璃体视网膜手术中的最佳成像参数，并评估其在提高手术中玻璃体视网膜表面可见性方面的有效性	采用两阶段生成对抗网络(GAN)和卷积神经网络(CNN)架构，开发了一种深度学习算法，用于数字图像增强	研究仅基于212张手动优化的静态图像和121张匿名高分辨率ERM眼底图像，样本量相对较小	提高3D头戴式玻璃体视网膜手术中图像的清晰度、亮度和对比度	玻璃体视网膜手术图像和ERM眼底图像	digital pathology	视网膜疾病	深度学习算法	GAN和CNN	图像	212张手术视频提取的静态图像和121张ERM眼底图像
2517	2025-05-31	A novel MRI-based deep learning imaging biomarker for comprehensive assessment of the lenticulostriate artery-neural complex 2025-May-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01676-3 PMID:40420012	研究论文	开发一种基于深度学习的MRI成像生物标志物，用于全面评估豆纹动脉-神经复合体	利用ResNet18框架从豆纹动脉供血区域提取深度学习特征，并将其作为成像生物标志物，首次全面评估豆纹动脉-神经复合体	样本量较小，仅79名患者参与研究	开发一种新的成像生物标志物，用于评估豆纹动脉-神经复合体的功能状态	豆纹动脉供血区域和豆纹动脉-神经复合体	数字病理学	脑血管疾病	MRI, DTI, ASL	ResNet18	图像	79名患者
2518	2025-05-31	A comparative analysis of deep learning models for assisting in the diagnosis of periapical lesions in periapical radiographs 2025-May-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06104-0 PMID:40420083	研究论文	本研究比较了ConvNeXt和ResNet34两种深度学习模型在辅助诊断根尖周病变中的效果	首次评估了深度学习模型对新手牙医诊断根尖周病变的辅助作用，并比较了两种模型的性能差异	研究仅使用了根尖周X线片，未考虑其他影像学检查方法	评估深度学习模型在辅助诊断根尖周病变中的应用价值	根尖周病变的X线影像	数字病理学	根尖周病变	深度学习	CNN（ConvNeXt和ResNet34）	图像	1305张根尖周X线片（训练集1044张，验证集261张）和800颗单独牙齿的X线片
2519	2025-05-31	Surfactant representation using COSMO screened charge density for adsorption isotherm prediction using Physics-Informed Neural Network (PINN) 2025-May-26, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01027-y PMID:40420147	research paper	本研究开发了一种基于物理信息神经网络（PINN）的吸附模型，用于预测表面活性剂的吸附行为，整合了分子特征、测试条件和固体性质	将COSMO屏蔽电荷密度描述符整合到物理信息深度学习模型中，以预测表面活性剂吸附等温线，提供了一种新颖的方法来准确表示表面活性剂分子	模型在全新结构的表面活性剂预测上表现一般（RMSE 2.95 mg/g）	开发一个包含分子特征、测试条件和固体性质的吸附模型，以预测表面活性剂的吸附行为	56个吸附等温线和20种阴离子和非离子表面活性剂，在不同条件下以沙子和氧化硅为固体	machine learning	NA	Conductor-like Screening Model (COSMO), Physics-Informed Neural Network (PINN)	Physics-Informed Neural Network (PINN), artificial neural networks (ANN)	adsorption isotherms, molecular descriptors	56 adsorption isotherms and 20 types of surfactants
2520	2025-05-31	An advanced deep learning method for pepper diseases and pests detection 2025-May-26, Plant methods IF:4.7Q1 DOI:10.1186/s13007-025-01387-4 PMID:40420214	research paper	本研究提出了一种名为YOLO-Pepper的深度学习模型，专门用于温室辣椒病虫害检测，解决了小目标识别、遮挡下的多尺度特征提取和实时处理需求等关键问题	YOLO-Pepper引入了四个主要创新点：自适应多尺度特征提取模块(AMSFE)、动态特征金字塔网络(DFPN)、专为小目标设计的小检测头(SDH)以及Inner-CIoU损失函数，相比标准CIoU定位精度提高了18%	NA	开发一种高效的深度学习模型，用于温室辣椒病虫害的智能检测	温室辣椒的病虫害	computer vision	NA	deep learning-based object detection	YOLO-Pepper (基于YOLOv10n改进)	image	8046张标注图像