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
2821	2025-04-18	Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1852 PMID:40235804	研究论文	本研究提出了一种基于深度学习的自动化系统，用于解释成人超声心动图中的心脏结构和功能	开发了Auto-Echo和Auto-Doppler两种深度学习算法，用于自动测量超声心动图参数，显著提高了测量效率和准确性	在RV-A4C视图和RV参数测量中观察到较大的绝对偏差，且跨瓣速度的VTI测量显示出较大的相对偏差	验证深度学习在超声心动图心脏结构和功能自动解释中的准确性和效率	成人心脏结构和功能的超声心动图测量	数字病理学	心血管疾病	超声心动图	深度学习（具体架构未明确说明）	视频和图像	训练集：141名患者的416个视频循环和892幅多普勒图像；验证集：60名新患者的178个新视频循环和391幅多普勒图像；外部验证集：90个2D视频和120幅多普勒图像
2822	2025-04-18	Feasibility of magnetization-transfer-contrast relaxation-enhanced angiography without contrast and triggering (REACT) imaging at 1.5 T combined with deep learning-based reconstruction for cardiovascular visualization 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2199 PMID:40235803	研究论文	本研究评估了在1.5 T磁场下结合磁化转移对比增强的无对比剂和触发血管成像（REACT）与基于深度学习的重建技术用于心血管可视化的可行性	结合磁化转移对比（MTC）预脉冲和深度学习的Adaptive-CS-Net算法，显著提升了肺动脉和肺静脉成像的信噪比（SNR）和对比噪声比（CNR）	研究样本量较小（20名参与者），且仅针对肺静脉和肺动脉成像进行了评估	评估MTC-REACT技术结合深度学习重建在心血管成像中的可行性和图像质量提升效果	肺动脉和肺静脉	医学影像	心血管疾病	磁共振血管成像（MRA）、深度学习重建	Adaptive-CS-Net	医学影像数据	20名参与者
2823	2025-04-18	Development and validation of the Artificial Intelligence-Proliferative Vitreoretinopathy (AI-PVR) Insight system for deep learning-based diagnosis and postoperative risk prediction in proliferative vitreoretinopathy using multimodal fundus imaging 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1644 PMID:40235812	research paper	开发并验证了一个基于深度学习的系统AI-PVR Insight，用于增殖性玻璃体视网膜病变(PVR)的自动识别、分级及术后风险评估	结合TwinsSVT和DenseNet-121两种深度学习模型，从B-scan超声、OCT和超广角视网膜成像三种模态中提取特征，实现PVR的自动化诊断与风险预测	研究数据来源于两家医院，可能存在选择偏倚；模型性能需在更多外部数据集中进一步验证	开发自动化系统以改善增殖性玻璃体视网膜病变的早期诊断和术后管理	接受玻璃体切除术的1700例患者（1700只眼）的多模态眼底影像数据	digital pathology	增殖性玻璃体视网膜病变(PVR)	B-scan超声、光学相干断层扫描(OCT)、超广角视网膜成像(UWF)	TwinsSVT, DenseNet-121, MLP, SVM	多模态医学影像	1700例患者（1700只眼）的回顾性数据
2824	2025-04-18	Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis 2025-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-1723 PMID:40235801	研究论文	本研究开发了一种基于高分辨率磁共振血管壁成像（HR-VWI）和注意力机制的深度学习网络模型，用于预测症状性颅内动脉粥样硬化性狭窄（sICAS）患者的卒中复发风险	结合Transformer注意力机制构建了先进的集成模型Trans-CNN，显著提升了预测性能	研究为回顾性设计，样本量相对有限（363例患者）	开发高精度模型预测sICAS患者的卒中复发风险	症状性颅内动脉粥样硬化性狭窄患者	数字病理学	心血管疾病	高分辨率磁共振血管壁成像（HR-VWI）	CNN（ResNet50和DenseNet169）与Transformer注意力机制结合的Trans-CNN模型	医学影像	363例sICAS患者（训练集254例，测试集109例）
2825	2025-04-18	MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study 2025-Apr, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2025.103186 PMID:40235946	研究论文	本研究开发了一种基于高分辨率血管壁成像（HR-VWI）的人工智能模型，用于识别症状性颅内动脉粥样硬化狭窄（sICAS）患者的易损斑块并预测卒中复发风险	结合了栖息地放射组学与Vision Transformer（ViT）架构，采用堆叠融合策略构建融合模型，显著提高了识别和预测性能	研究为回顾性设计，可能存在选择偏倚；样本来自四个医疗机构，可能影响模型的泛化能力	开发非侵入性工具以准确识别高风险易损斑块并评估卒中风险，辅助临床决策	726名sICAS患者的1806个斑块	数字病理	心血管疾病	高分辨率血管壁成像（HR-VWI）、K-means聚类、放射组学分析	Vision Transformer（ViT）、栖息地模型、融合模型	MRI图像	726名患者的1806个斑块
2826	2025-04-18	Optimizing Coronary CT Image Reconstruction With Deep Learning for Improved Quality: A Retrospective Study 2025-Apr-01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001746 PMID:40241428	研究论文	本研究评估了深度学习图像重建在冠状动脉CT血管成像（CCTA）中对图像质量的影响，并与自适应统计迭代重建（ASIR）进行了比较	首次在CCTA中应用深度学习图像重建技术（DLIR-H），并证明其在降低图像噪声、提高信噪比（SNR）和对比噪声比（CNR）方面显著优于传统ASIR-V方法	研究样本量有限（100例患者），且为单中心回顾性研究	优化冠状动脉CT图像重建技术以提高图像质量	疑似冠状动脉疾病（CAD）患者的CCTA图像	数字病理	心血管疾病	深度学习图像重建（DLIR-H）	深度学习（未指定具体模型）	医学影像（CT图像）	100例疑似CAD患者的连续病例
2827	2025-04-18	Lit-OTAR framework for extracting biological evidences from literature 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf113 PMID:40097274	研究论文	介绍了一种名为lit-OTAR的框架，该框架利用深度学习从科学文献中提取证据，以加速药物发现过程	结合命名实体识别和实体归一化技术，从大量科学文献中提取并标准化基因/蛋白质、疾病、生物体和化学/药物信息	未提及具体的技术性能指标或与其他方法的比较	加速药物发现过程和科学研究，通过从文献中提取生物医学证据	科学文献中的基因/蛋白质、疾病、生物体和化学/药物	自然语言处理	NA	深度学习	NA	文本	超过3900万篇摘要和450万篇全文文章及预印本
2828	2025-04-18	H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction 2025-Mar-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf117 PMID:40097269	研究论文	提出了一种名为H2GnnDTI的两级层次异构图学习模型，用于预测药物-靶点相互作用	通过低层次视图GNN和高层次视图GNN整合药物和蛋白质的结构，充分利用了DTIs中的层次信息	未提及具体局限性	开发计算工具以自动预测和理解药物-靶点相互作用，支持药物再利用和药物发现	药物和蛋白质	机器学习	NA	图神经网络	H2GnnDTI (两级层次异构图学习模型)	图数据	三个基准数据集
2829	2025-03-29	Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy 2025-Mar-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-94090-2 PMID:40148386	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2830	2025-04-18	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-Mar-25, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	利用机器学习分析视频尿动力学数据，预测脊柱裂患者发生肾积水的风险	开发了结合压力/体积记录和膀胱荧光镜图像特征的集成模型，提高了预测准确性	样本量相对有限，且仅针对脊柱裂患者	提高脊柱裂患者肾积水风险的预测准确性	脊柱裂患者	机器学习	脊柱裂	视频尿动力学	随机生存森林模型, 集成模型	视频尿动力学数据, 荧光镜图像	训练队列354人，验证队列200人
2831	2025-04-18	A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences 2025-Mar-20, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf233 PMID:40156867	research paper	本文开发了一种基于深度学习的工具，用于预测细胞类型依赖的密码子偏好，以提高重组蛋白的表达水平	使用RNN模型定义细胞类型依赖的密码子偏好，显著提高了蛋白质翻译效率，尤其是分泌蛋白	仅测试了三种组织类型（脑、肝和肌肉）的基因表达数据，可能不适用于所有细胞类型	开发一种新型深度学习工具，用于优化密码子使用以提高蛋白质表达水平	基因表达数据（脑、肝和肌肉组织）和分泌基因	machine learning	NA	RNA-seq	RNN	gene expression data	三种组织类型（脑、肝和肌肉）的基因表达数据
2832	2025-04-18	Smart Grain Storage Solution: Integrated Deep Learning Framework for Grain Storage Monitoring and Risk Alert 2025-Mar-18, Foods (Basel, Switzerland) DOI:10.3390/foods14061024 PMID:40232114	研究论文	提出了一种基于深度学习框架的多模型融合方法，用于粮食储存状态监测和风险预警	结合3D DenseNet和3DCNN-LSTM两种三维深度学习模型，实现了粮食储存状态的准确分类和温度场的精确预测	未提及具体的数据集规模或实际应用中的潜在问题	克服现有粮食储存状态监测方法的局限性，提高风险预警能力	粮食储存状态和温度场动态变化	机器学习	NA	深度学习	3D DenseNet, 3DCNN-LSTM	三维温度数据	NA
2833	2025-04-18	The Fermentation Degree Prediction Model for Tieguanyin Oolong Tea Based on Visual and Sensing Technologies 2025-Mar-13, Foods (Basel, Switzerland) DOI:10.3390/foods14060983 PMID:40231982	研究论文	本研究基于视觉和传感技术，建立了铁观音乌龙茶发酵程度的预测模型	结合多源特征融合和Sparrow Search Algorithm优化，显著提高了发酵程度预测的准确性	研究仅针对铁观音乌龙茶，未验证在其他茶类中的适用性	实现铁观音乌龙茶发酵程度的在线实时监测，促进自动化生产	铁观音乌龙茶	机器学习	NA	重量传感器、氧化锡型气体传感器、视觉采集系统	SVR、RF、LSTM	图像、气味、重量数据	NA
2834	2025-04-18	How much data do you need? An analysis of pelvic multi-organ segmentation in a limited data context 2025-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-024-01514-w PMID:40067638	研究论文	本研究探讨了在有限数据背景下，盆腔多器官MR分割中数据集大小对nnU-Net模型性能的影响	评估了nnU-Net在有限数据和单一扫描仪条件下的性能表现，确定了数据量对分割性能的影响阈值（12张图像）	研究仅基于单一扫描仪（Elekta Unity）获取的数据，可能影响结果的普适性	探索深度学习模型在有限数据条件下的盆腔多器官分割性能	接受Elekta Unity治疗的12名参与者的58张MR图像（前列腺、精囊、膀胱和直肠）	数字病理	前列腺癌	MR成像	nnU-Net	医学影像	12名参与者（58张MR图像，其中46张用于训练，12张用于测试）
2835	2025-04-18	Deep learning and robotics enabled approach for audio based emotional pragmatics deficits identification in social communication disorders 2025-Mar, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119251325331 PMID:40079556	研究论文	本研究开发了一种结合深度学习和机器人技术的方法，用于识别社交沟通障碍患者基于音频的情感语用缺陷	首次将深度学习与机器人平台结合用于识别情感语用缺陷	使用的MFCC生成数据为单一维度，可能限制模型性能	开发工具以改善社交情感语用反应缺陷患者的沟通能力	社交语用沟通缺陷患者	机器学习	社交沟通障碍	MFCC音频特征提取	1D-CNN, LSTM, Bi-LSTM	音频	开源数据集（具体数量未说明）
2836	2025-04-18	Digital Health Policy and Cybersecurity Regulations Regarding Artificial Intelligence (AI) Implementation in Healthcare 2025-Mar, Cureus DOI:10.7759/cureus.80676 PMID:40236368	review	该研究分析了人工智能在医疗系统中实施的可行性，并探讨了相关的数字健康政策和网络安全法规	强调了AI算法训练的透明度和数据多样性在提升AI解决方案普适性中的重要性，并提出了加强网络安全措施的必要性	仅包括2000年至2024年间的英文出版物，可能忽略了其他语言或更早时期的重要研究	分析人工智能在医疗系统中实施的可行性及其相关政策和法规	医疗系统中的人工智能实施及其对医疗服务和患者数据安全的影响	数字病理学	NA	机器学习和深度学习	NA	医疗数据	NA
2837	2025-04-18	Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics 2025-02, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00904-z PMID:39880907	research paper	该研究开发了一种名为NePSTA的方法，结合空间转录组学和图神经网络，用于中枢神经系统肿瘤的自动组织学和分子评估	NePSTA方法首次将空间转录组学与图神经网络结合，用于中枢神经系统肿瘤的诊断，能够在单一切片上实现高精度的组织学和分子评估	该方法虽然降低了DNA质量和数量的要求，但仍需进一步验证其在更广泛样本中的适用性	提高中枢神经系统肿瘤的诊断准确性和效率	中枢神经系统肿瘤患者和健康捐赠者的组织样本	digital pathology	CNS tumor	spatial transcriptomics, NGS, DNA methylation profiling	graph neural networks	spatial transcriptomic data, histological images	130名参与者的样本，包括CNS恶性肿瘤患者和健康捐赠者，来自四个医疗中心
2838	2025-04-18	Artificial intelligence in chronic kidney disease management: a scoping review 2025, Theranostics IF:12.4Q1 DOI:10.7150/thno.108552 PMID:40225559	综述	本文通过范围综述探讨了人工智能在慢性肾病管理中的关键应用案例及面临的挑战	系统评估了多种AI技术在慢性肾病管理中的应用，并提出了克服实施障碍的潜在解决方案	纳入研究的时间范围有限（2014-2024），且未对AI模型的实际临床效果进行定量分析	探索人工智能在改善慢性肾病管理中的应用潜力与挑战	慢性肾病患者	数字病理学	慢性肾病	机器学习（ML）、深度学习（DL）、无监督聚类、数字孪生、自然语言处理（NLP）和大语言模型（LLMs）	DL、ML、NLP、LLMs	图像、文本	41篇相关研究文献
2839	2025-04-18	GraphTransNet: predicting epilepsy-related genes using a graph-augmented protein language model 2025, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2025.1584625 PMID:40235533	research paper	提出了一种名为GraphTransNet的新型混合神经网络模型，用于预测与癫痫相关的基因靶点	结合蛋白质语言模型(ESM)与Transformer和CNN组件的新型架构，显著提高了癫痫相关基因靶点的预测准确率	未提及模型在临床实际应用中的验证情况	改进癫痫疾病的诊断策略和发现新的药物靶点	癫痫相关基因靶点	machine learning	癫痫	蛋白质语言模型(ESM), 深度学习	GraphTransNet(结合Transformer和CNN)	基因序列数据	NA
2840	2025-04-18	ProstaNet: A Novel Geometric Vector Perceptrons-Graph Neural Network Algorithm for Protein Stability Prediction in Single- and Multiple-Point Mutations with Experimental Validation 2025, Research (Washington, D.C.) DOI:10.34133/research.0674 PMID:40235597	研究论文	介绍了一种名为ProstaNet的深度学习框架，用于预测单点和多点突变对蛋白质稳定性的影响	使用几何向量感知器-图神经网络进行3维特征处理，创建了ProstaDB数据库，并应用了创新的聚类方法生成标准测试集	NA	预测突变对蛋白质稳定性的影响	蛋白质的单点和多点突变	机器学习	NA	深度学习	几何向量感知器-图神经网络	3维结构数据	3,784个单点突变和1,642个多点突变