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
2961	2025-06-09	Estimation of time-to-total knee replacement surgery with multimodal modeling and artificial intelligence 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110364 PMID:40435672	research paper	开发并评估了一种基于人工智能的模型，用于通过分析纵向膝关节数据和识别与加速膝关节骨关节炎进展相关的关键特征来预测全膝关节置换术的时间	结合深度学习特征与临床和图像评估特征进行生存分析，提高了预测全膝关节置换术时间的准确性	预测方法仍需进一步验证以增强其稳健性和准确性	预测全膝关节置换术的时间，以帮助医生个性化治疗策略并改善患者预后	547名在骨关节炎倡议中接受全膝关节置换术的受试者，以及来自多中心骨关节炎研究和内部医院数据的额外受试者	digital pathology	geriatric disease	deep learning, Lasso Cox feature selection, random survival forest model	DL, Lasso Cox, random survival forest	clinical variables, MR images, radiographs, quantitative and semi-quantitative assessments	547名受试者用于模型训练和测试，518名和164名受试者用于外部测试
2962	2025-06-09	Integrating multi-omics data with artificial intelligence to decipher the role of tumor-infiltrating lymphocytes in tumor immunotherapy 2025-Jul, Pathology, research and practice DOI:10.1016/j.prp.2025.156035 PMID:40435910	综述	本文综述了人工智能在评估肿瘤浸润淋巴细胞（TILs）中的应用进展，包括自动化定量、亚群识别及空间分布模式分析	整合多组学数据与人工智能技术，探索TILs在肿瘤免疫治疗中的作用，并探讨AI与其他新兴技术的结合	NA	阐明TILs在各种癌症中的预后价值及其对免疫治疗和新辅助治疗反应的预测能力	肿瘤浸润淋巴细胞（TILs）	数字病理学	肿瘤	单细胞测序、多重免疫荧光、空间转录组学	CNN	图像	NA
2963	2025-06-09	A medical information extraction model with contrastive tuning and tagging layer training 2025-Jul, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110465 PMID:40446547	research paper	提出了一种新的医学信息提取模型，通过对比调优和标记层训练来减少对标注数据的依赖	提出了一种语义引导的表示训练模型，通过对比损失机制在同一语义空间中训练医学文本和医学信息类别的表示	未明确提及具体局限性	改进医学信息提取任务，减少对大量标注数据的依赖	临床文本中的结构化信息	natural language processing	NA	对比损失机制	语义引导的表示训练模型	text	CCKS2019和CMeEE数据集
2964	2025-06-09	An attention-based approach for Koopman modeling and predictive control of nonlinear systems 2025-Jul, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2025.04.011 PMID:40295151	research paper	开发了一种基于注意力的深度学习方法，用于构建Koopman特征函数，以解决非线性系统建模的挑战	引入了注意力机制和可逆神经网络架构，以更精确地近似非线性系统与其线性化对应物之间的拓扑共轭关系	NA	提高非线性系统的建模精度和预测控制能力	非线性系统的建模与控制	machine learning	NA	deep learning, attention mechanism, invertible neural networks	CNN (conditional affine coupling layers)	numerical data	numerical examples and a physical experiment
2965	2025-06-09	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-Jul, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探讨了Shoe-MS算法，一种基于深度学习的框架，专为法医鞋印分析设计，输入为两幅配对图像，输出为0到1之间的相似度评分	提出Shoe-MS算法，用于法医鞋印分析，能够处理质量较差的犯罪现场图像，并生成可靠的相似度评分	算法无法完全替代人工检查，仍需检查员进行概率性、可重复和可再现的评估	提高法医鞋印分析的准确性和效率	法医鞋印图像	计算机视觉	NA	深度学习	Shoe-MS算法	图像	两个不同的数据库
2966	2025-06-09	Visualizing what's missing: Using deep learning and Bow-Tie diagrams to identify and visualize missing leading indicators in industrial construction 2025-Jul, Journal of safety research IF:3.9Q2 DOI:10.1016/j.jsr.2025.02.007 PMID:40483046	研究论文	本研究利用深度学习和Bow-Tie图来识别和可视化工业建筑中缺失的安全领先指标	结合NLP、文本挖掘和深度学习技术（如SBERT）分析建筑项目中的事故和检查报告，识别未被安全领先指标捕捉到的危险	研究仅基于2015年至2018年加拿大一个建筑项目的数据，可能无法完全推广到其他地区或行业	识别安全领先指标在检查中未捕捉到的危险，以提升安全管理系统的有效性	建筑行业的安全事故和检查报告	自然语言处理	NA	NLP, 文本挖掘, SBERT, N-gram模型, 共现网络	SBERT	文本	633起事故和9,681份检查描述
2967	2025-06-09	Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features 2025-Jun-08, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2514132 PMID:40483616	research paper	提出了一种结合时间和功能连接特征的深度学习架构，用于增强基于EEG信号的认知负荷评估	提出了一种新颖的深度学习架构，整合了时间信息特征和功能连接特征，通过融合策略结合两者的互补优势，提高了分类性能	EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力	提高基于EEG信号的认知负荷评估的准确性和泛化能力	EEG信号	Brain-Computer Interfaces (BCI)	NA	EEG信号分析	LSTM网络结合注意力机制	EEG信号	两个公开数据集
2968	2025-06-09	CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation 2025-Jun-08, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00732-4 PMID:40483648	研究论文	提出了一种结构敏感的深度学习模型CPE-Pro，用于蛋白质结构的表示和来源评估	结合预训练的蛋白质结构序列语言模型(SSLM)和几何向量感知器-图神经网络(GVP-GNN)，学习结构感知的蛋白质表示并捕捉结构差异，实现四种结构数据来源的准确分类	未来研究需要扩展架构以适应更多蛋白质结构范式，并开发针对低pLDDT预测结构的评估方法	解决现有蛋白质表示方法难以捕捉关键结构差异的问题，提高蛋白质结构来源评估的准确性	蛋白质结构	生物信息学	NA	深度学习	SSLM, GVP-GNN	蛋白质结构数据	NA
2969	2025-06-09	Automatic MRI segmentation of masticatory muscles using deep learning enables large-scale muscle parameter analysis 2025-Jun-07, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.05.008 PMID:40483235	研究论文	本研究利用深度学习模型自动分割MRI图像中的咀嚼肌，以支持大规模肌肉参数分析	开发了一种深度学习模型，用于自动分割MRI图像中的咀嚼肌，提高了分割效率和准确性	研究样本量较小（40例训练，10例测试），可能影响模型的泛化能力	改善下颌重建手术中患者特异性植入物的设计，减少术后并发症	咀嚼肌的MRI图像	数字病理	下颌疾病	MRI扫描	深度学习模型	图像	40例T1加权MRI扫描用于训练，10例用于测试
2970	2025-06-09	Diagnostic performance of lumbar spine CT using deep learning denoising to evaluate disc herniation and spinal stenosis 2025-Jun-07, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11742-7 PMID:40483292	research paper	评估使用深度学习去噪（DLD CT）的腰椎CT在检测椎间盘突出和椎管狭窄中的诊断性能	首次将深度学习去噪技术应用于腰椎CT，提高了椎间盘突出和椎管狭窄的诊断敏感性和特异性	研究样本量较小（47名患者），且为回顾性研究	评估DLD CT在腰椎疾病诊断中的性能	47名患者的229个椎间盘（L1/2至L5/S1）	digital pathology	spinal disease	deep learning denoising (DLD)	deep learning algorithm (ClariCT.AI)	CT images	47名患者（18名男性，29名女性，平均年龄69.1±10.9岁）的229个椎间盘
2971	2025-06-09	Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning 2025-Jun-06, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023355 PMID:40480824	research paper	本研究通过引入先验知识指导，旨在提高深度学习模型在急性缺血性卒中（AIS）患者接受延长时间窗机械取栓（MT）后梗死预测的准确性	结合医学先验知识（如侧支循环评分、梗死概率映射和动脉区域映射）到深度学习模型中，显著提高了梗死预测的准确性	研究为回顾性设计，样本量相对较小（221例患者），且仅基于三个中心的数据	提高延长时间窗机械取栓后梗死预测的准确性，以优化急性缺血性卒中的治疗计划	急性缺血性卒中（AIS）患者	digital pathology	cardiovascular disease	CT perfusion	Swin transformer	image	221例AIS患者
2972	2025-06-09	A multimodal vision foundation model for clinical dermatology 2025-Jun-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-025-03747-y PMID:40481209	研究论文	介绍了一种名为PanDerm的多模态皮肤病基础模型，该模型通过自监督学习在超过200万张真实世界皮肤病图像上进行预训练，并在28个不同基准测试中表现出色	PanDerm是一个多模态皮肤病基础模型，能够处理复杂的临床需求，并在多个任务中实现最先进的性能，甚至在仅使用10%标记数据时也优于现有模型	NA	开发一个能够满足临床实践中复杂、多模态需求的皮肤病诊断和治疗模型	皮肤病图像	数字病理学	皮肤病	自监督学习	基础模型	图像	超过200万张真实世界皮肤病图像，来自11个临床机构的4种成像模态
2973	2025-06-09	A deep learning system for detecting silent brain infarction and predicting stroke risk 2025-Jun-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01413-9 PMID:40481238	research paper	开发了一个基于视网膜图像的深度学习系统DeepRETStroke，用于检测无症状性脑梗塞(SBI)并预测中风风险	首次利用视网膜图像开发深度学习系统来检测SBI和预测中风风险，无需脑部成像	需要在大规模前瞻性研究中进一步验证其临床适用性	开发一种非侵入性方法来检测SBI并预测中风风险	无症状性脑梗塞(SBI)和中风患者	digital pathology	cardiovascular disease	deep learning	DeepRETStroke	retinal photographs	895,640张视网膜照片用于预训练，213,762张来自多国数据集的照片用于验证，218名中风患者参与前瞻性研究
2974	2025-06-09	Automatic Segmentation of Ultrasound-Guided Transverse Thoracic Plane Block Using Convolutional Neural Networks 2025-Jun-06, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01565-9 PMID:40481276	研究论文	本研究应用深度学习方法开发了一个深度学习模型，用于实时分割超声引导下的横向胸平面阻滞（TTP）区域，以协助医生准确识别目标神经	开发了TTP-Unet模型，专门用于TTP阻滞，能够自动识别超声图像中的关键解剖结构，降低TTP阻滞技术的临床难度	研究仅基于155名患者的2329张图像，样本量可能不足以覆盖所有临床情况	通过深度学习模型提高超声引导下TTP阻滞的准确性和实时性	超声图像中的横向胸肌、肺部和骨骼等关键结构	计算机视觉	术后疼痛	深度学习	CNN（TTP-Unet）	图像	155名患者的2329张图像
2975	2025-06-09	A Fully Automatic Pipeline of Identification, Segmentation, and Subtyping of Aortic Dissection from CT Angiography 2025-Jun-06, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00787-w PMID:40481307	research paper	开发了一个自动化深度学习流程，用于从CT血管造影图像中识别、分割和Stanford分型主动脉夹层	提出了一个全自动的四模块深度学习流程，包括主动脉分割、AD识别、真假腔分割和Stanford分型，实现了高精度的AD诊断	研究仅基于386例CTA扫描数据，样本量相对较小	开发一个自动化流程以快速准确诊断主动脉夹层	主动脉夹层（AD）患者	digital pathology	cardiovascular disease	computed tomography angiography (CTA)	3D nnU-Net	image	386例CTA扫描数据
2976	2025-06-09	DynamicDTA: Drug-Target Binding Affinity Prediction Using Dynamic Descriptors and Graph Representation 2025-Jun-06, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00729-z PMID:40481301	研究论文	该论文提出了一种名为DynamicDTA的深度学习框架，用于预测药物-靶标结合亲和力，结合了静态和动态蛋白质特征以提高预测准确性	DynamicDTA首次整合了动态蛋白质特征（如均方根波动）和静态特征，通过图卷积网络和多层感知机处理不同输入，并使用交叉注意力和张量融合网络整合多模态信息	论文未明确提及模型的计算复杂度或对特定蛋白质动态特征的依赖性可能带来的限制	提高药物-靶标结合亲和力预测的准确性，以支持药物发现过程	药物序列、蛋白质序列和动态描述符	机器学习	HIV-1感染	图卷积网络（GCN）、扩张卷积、多层感知机（MLP）	DynamicDTA（结合GCN、CNN和MLP的混合模型）	序列数据（药物和蛋白质）、动态描述符数据	三个数据集（具体数量未提及）
2977	2025-06-09	Fundus Refraction Offset as an Individualized Myopia Biomarker 2025-Jun-05, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1513 PMID:40471629	研究论文	该研究提出了一种新的眼底水平指标——眼底折射偏移（FRO），并探讨了其与光学相干断层扫描（OCT）得出的眼部参数的关联	提出了一种新的个体化近视生物标志物FRO，用于捕捉后段解剖结构的个体差异	研究仅基于特定人群（UK Biobank和Caledonian队列），可能无法推广到其他人群	探讨FRO与眼部参数（如黄斑厚度、脉络膜面积等）的关联，以评估其在近视及其并发症个性化风险预测中的潜在应用	健康眼睛（来自UK Biobank的45,180只眼睛和Caledonian队列的152只右眼）	数字病理学	近视	光学相干断层扫描（OCT）和深度学习	深度学习模型	图像（眼底照片）和OCT数据	UK Biobank中的45,180只眼睛（训练集70%，内部验证集30%）和Caledonian队列中的152只右眼
2978	2025-06-09	Enhancing pancreatic cancer detection in CT images through secretary wolf bird optimization and deep learning 2025-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00512-6 PMID:40473659	research paper	提出了一种结合秘书狼鸟优化算法和深度学习的方法，用于增强CT图像中胰腺癌的检测	结合了Wolf Bird Optimization (WBO) 和 Secretary Bird Optimization Algorithm (SBOA) 设计了SeWBO算法，并开发了SeWBO_Efficient DenseNet模型用于胰腺肿瘤检测	NA	提高胰腺癌的早期检测率以改善生存率并提供适当的治疗	胰腺CT图像	digital pathology	pancreatic cancer	Computed Tomography (CT)	SeWBO_Efficient DenseNet (结合EfficientNet和DenseNet)	image	NA
2979	2025-06-09	SHAP-enhanced interpretive MGTWR-CNN-BILSTM-AM framework for predicting surface subsidence: a case study of Shanghai municipality 2025-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-95694-4 PMID:40473748	research paper	该研究提出了一种集成MGTWR-CNN-BiLSTM-AM（MGCBA）模型，用于预测上海地区的地面沉降，通过多尺度时空效应提高预测准确性	结合MGTWR框架和深度学习网络（CNN-BiLSTM-AM），量化沉降与驱动因素之间的非线性时空关系，并通过SHAP值分析增强模型的可解释性	研究仅以上海市为主要沉降区为案例，可能不适用于其他地区	提高地面沉降预测的准确性，并识别主要驱动因素	上海地区的地面沉降	machine learning	NA	SBAS-InSAR, GNSS, PS-InSAR	MGTWR, CNN, BiLSTM, AM	deformation data, time-series data	上海主要沉降区的SBAS-InSAR变形数据
2980	2025-06-09	A method for spatial interpretation of weakly supervised deep learning models in computational pathology 2025-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04043-y PMID:40473761	研究论文	提出了一种名为WEEP的新方法，用于在计算病理学中解释弱监督深度学习模型的空间区域选择	WEEP方法为弱监督学习提供了一种原则性且直接的方式，用于确定WSI中驱动预测标签的空间区域	方法仅在乳腺癌计算病理学的二元分类任务中进行了演示，未涉及其他疾病或更复杂的分类任务	开发一种方法以识别WSI中驱动弱监督学习模型预测的空间区域，增强模型的空间可解释性	乳腺癌全切片图像（WSI）	计算病理学	乳腺癌	弱监督深度学习	深度学习模型（具体类型未明确说明）	图像（全切片图像WSI）	NA