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
3041	2025-05-13	Advances in research on receptor heterogeneity in breast cancer liver metastasis 2025-May-09, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2025.01046 PMID:40240168	review	本文综述了乳腺癌肝转移中受体异质性的研究进展及其对治疗策略的影响	深入探讨了受体状态变化的分子机制，并提出了结合人工智能深度学习模型预测肝转移受体状态的新方向	未提及具体实验数据或样本量，可能缺乏实证支持	探讨乳腺癌肝转移中受体异质性对治疗策略和预后的影响	乳腺癌肝转移患者及其受体状态变化	digital pathology	breast cancer	NA	deep learning	NA	NA
3042	2025-05-13	How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation 2025-May-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3568778 PMID:40343821	research paper	本文对电子健康记录（EHR）时间序列插补的深度学习方法进行了全面分析，探讨了架构和框架设计决策如何影响深度插补模型的高级特性和对复杂数据特征的偏好	揭示了深度插补模型在捕捉EHR中复杂时空依赖关系方面的不同能力，并指出模型效果取决于其综合偏好与医疗时间序列特征的匹配程度，挑战了关于模型复杂性的常见假设	当前深度插补方法与医疗需求之间存在关键差距，需要整合临床见解以实现更可靠的医疗应用插补方法	评估深度学习方法在医疗时间序列数据插补中的效果和适用性	电子健康记录（EHR）时间序列数据	machine learning	NA	deep learning	deep imputer models	time-series data	NA
3043	2025-05-11	Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank 2025-May-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59574-9 PMID:40346038	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3044	2025-05-13	Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-01270-1 PMID:40346120	研究论文	本研究建立了一个基于多参数MRI的模型，结合放射组学和深度学习，用于喉鳞状细胞癌的术前分期	结合放射组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性	研究仅基于两个中心的数据，可能存在一定的样本偏差	提高喉鳞状细胞癌术前分期的准确性，为临床决策提供指导	401例经组织学确认的喉鳞状细胞癌患者	数字病理	喉鳞状细胞癌	MRI	ResNet 18, 随机森林(RF)	MRI图像	401例患者（训练集：213例；内部测试集：91例；外部测试集：97例）
3045	2025-05-13	Addressing significant challenges for animal detection in camera trap images: a novel deep learning-based approach 2025-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90249-z PMID:40346172	research paper	提出了一种新颖的两阶段深度学习框架，用于解决相机陷阱图像中动物检测的实际挑战	采用两阶段深度学习框架，结合全局模型和专家模型，显著提高了动物检测的准确性和适用性	模型在新地点的适用性可能仍受背景和物种相似性的影响	提高相机陷阱图像中动物检测的自动化水平和准确性	24种哺乳动物	computer vision	NA	deep learning, Transfer Learning	YOLOv5, agglomerative clustering	image	1.3 million images from 91 camera traps, 120,000 images for testing
3046	2025-05-13	Deep learning for Parkinson's disease classification using multimodal and multi-sequences PET/MR images 2025-May-09, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01245-3 PMID:40346391	research paper	使用深度学习方法通过多模态和多序列PET/MR图像对帕金森病进行分类	提出了一种改进的18层ResNet18模型，结合多模态和多序列图像，提高了帕金森病(PD)和多系统萎缩(MSA)的分类准确率	研究为回顾性分析，样本量相对有限(206患者+38健康对照)，外部验证未进行	开发高性能辅助工具以准确诊断PD和MSA	帕金森病(PD)患者、多系统萎缩(MSA)患者和健康对照(NC)	digital pathology	geriatric disease	PET/MR成像	改进的ResNet18	多模态医学图像(PET/MR)	206名患者(PD/MSA)和38名健康对照
3047	2025-05-13	SMFF-DTA: using a sequential multi-feature fusion method with multiple attention mechanisms to predict drug-target binding affinity 2025-May-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-025-02222-x PMID:40346536	研究论文	提出了一种名为SMFF-DTA的序列多特征融合方法，用于高效准确地预测药物-靶标结合亲和力	采用序列方法表示药物和靶标的结构信息及理化性质，并引入多重注意力机制以紧密捕捉相互作用特征	未明确提及具体局限性	加速药物筛选过程，提高药物-靶标结合亲和力预测的准确性和效率	药物和靶标的结合亲和力	机器学习	NA	深度学习	多重注意力机制	1D序列数据	未明确提及具体样本量
3048	2025-05-13	AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions 2025-May-09, Acta haematologica IF:1.7Q3 DOI:10.1159/000546303 PMID:40349705	综述	本文探讨了人工智能在输血医学中的应用、挑战及未来发展方向	综述了AI在输血医学中多领域的应用潜力，包括机器学习、深度学习和自然语言处理等技术的整合	临床应用流程的变异性、算法透明度、公平获取以及数据隐私和偏见等伦理问题仍需解决	探索AI在输血医学中的应用及其对提升操作效率、患者安全和资源分配的潜力	输血医学中的各个领域，包括供体管理、血液产品质量优化、输血需求预测和出血风险评估等	医疗AI	NA	机器学习(ML)、深度学习、自然语言处理(NLP)、预测分析	NA	NA	NA
3049	2025-05-13	Machine learning-based approaches for distinguishing viral and bacterial pneumonia in paediatrics: A scoping review 2025-May-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108802 PMID:40349546	综述	本文综述了基于机器学习的儿科病毒性和细菌性肺炎分类方法的研究现状	总结了机器学习特别是深度学习在利用胸片图像分类儿科肺炎中的应用和潜力	现有研究主要依赖单一公开数据集(Kermany数据集)，存在过拟合和泛化性不足的问题	评估机器学习技术对儿科病毒性和细菌性肺炎的分类效果	0-18岁通过胸片诊断的肺炎患儿	医学影像分析	肺炎	机器学习(ML)和深度学习(DL)	CNN	胸片图像	35项研究(2018-2025年)
3050	2025-05-13	Intelligent transformation of ultrasound-assisted novel solvent extraction plant active ingredients: Tools for machine learning and deep learning 2025-May-07, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144649 PMID:40349518	综述	本文综述了机器学习和深度学习在超声波辅助新型溶剂提取植物活性成分中的应用及挑战	利用机器学习和深度学习模型加速新型溶剂筛选、优化提取过程、深入分析提取机制及实时监控超声设备	模型可解释性不足、数据集标准化缺乏以及工业可扩展性受限	推动超声波辅助提取技术的智能化与数字化发展	植物活性成分的超声波辅助提取过程	机器学习	NA	超声波辅助提取	机器学习和深度学习模型	NA	NA
3051	2025-05-13	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	research paper	该论文提出了一种名为EPIPDLF的预训练深度学习框架，用于预测增强子-启动子相互作用	EPIPDLF利用先进的深度学习技术，仅基于基因组序列以可解释的方式预测EPIs，并在六个基准数据集上表现出优越性能	未提及具体局限性	开发一种高效且成本较低的预测增强子-启动子相互作用的方法	增强子和启动子之间的相互作用	machine learning	NA	深度学习	预训练深度学习框架	基因组序列	六个基准数据集
3052	2025-05-13	JAX-RNAfold: scalable differentiable folding 2025-May-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf203 PMID:40279486	research paper	介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，可扩展到1,250个核苷酸	提出了一个显著改进的可微分折叠算法，能够在单个GPU上处理多达1,250个核苷酸，并允许将可微分折叠作为模块集成到更大的深度学习流程中	NA	优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性	RNA序列	machine learning	NA	differentiable folding	deep learning	RNA序列数据	NA
3053	2025-05-13	The use of deep learning and artificial intelligence-based digital technologies in art education 2025-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-00892-9 PMID:40328802	研究论文	本研究提出并优化了一个创新的艺术创作系统Creative Intelligence Cloud (CIC)，旨在探索深度学习和人工智能技术在艺术教育中的应用	结合深度生成对抗网络和卷积神经网络，提升艺术创作的自动化水平、风格一致性和创作效率	未提及在真实教学场景中的具体应用限制	探索深度学习和人工智能技术在艺术创作和艺术教育中的应用	艺术创作系统CIC	数字艺术	NA	深度学习、人工智能	GAN、CNN	图像	NA
3054	2025-05-13	A systematic review of AI as a digital twin for prostate cancer care 2025-May-06, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108804 PMID:40347618	系统综述	本文系统综述了AI作为数字孪生在前列腺癌护理中的应用	结合AI技术（如机器学习和深度学习）的数字孪生系统，为前列腺癌提供个性化、精准和高效的医疗护理	需要实时数据整合、提高AI模型的可解释性以及更稳健的临床验证	探讨AI驱动的数字孪生在前列腺癌病理学中的应用及其潜力	前列腺癌患者	数字病理学	前列腺癌	机器学习（ML）、深度学习（DL）	Large Language Models (LLMs)、Vision-Language Models (VLMs)	多模态数据	NA
3055	2025-05-13	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-May-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	research paper	本研究开发了一种基于CT的多器官分割模型，用于描绘儿童上腹部肿瘤放疗中的风险器官，并评估了其在多个数据集中的鲁棒性	开发了一个适用于儿童上腹部肿瘤放疗的多器官自动分割模型，并在多个数据集中验证了其鲁棒性	0-2岁年龄组的性能最低，胃-肠和胰腺的DSC值低于0.90	开发并评估一种基于CT的多器官分割模型，用于儿童上腹部肿瘤放疗中的风险器官描绘	儿童上腹部肿瘤患者（肾肿瘤和神经母细胞瘤）的术后CT图像	digital pathology	pediatric cancer	CT imaging, deep learning-based auto-segmentation	deep learning model	CT images	189例儿科患者的术后CT图像（内部数据集）和189例覆盖胸腹区域的公共数据集
3056	2025-05-13	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-May, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	research paper	该研究探讨了深度学习基于CT影像的肺纤维化定量分析在评估类风湿关节炎相关间质性肺病（RA-ILD）疾病严重程度、预测死亡率和识别疾病进展中的效用	使用数据驱动的纹理分析（DTA）方法定量评估CT扫描，揭示了肺纤维化定量评分与肺功能和生存率之间的关联	研究样本量相对较小，验证队列仅包含50名患者，可能影响结果的普遍性	评估定量CT影像在RA-ILD中的临床应用价值，特别是在预测疾病进展和死亡率方面的作用	类风湿关节炎相关间质性肺病（RA-ILD）患者	digital pathology	rheumatoid arthritis-related interstitial lung disease	CT imaging, data-driven texture analysis (DTA)	deep learning	image	289名患者的主要队列和50名患者的验证队列
3057	2025-05-13	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-May, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	本研究评估了ResNet-50和U-Net模型在牙科种植体根尖周X光片中检测和分割垂直不匹配的能力	首次将ResNet-50和U-Net深度学习模型应用于牙科种植体垂直不匹配的检测和分割，并与临床医生的表现进行了比较	研究仅基于根尖周X光片，未考虑其他影像学检查方法	评估人工智能在牙科种植体垂直不匹配检测和分割中的性能	牙科种植体根尖周X光片	计算机视觉	牙科疾病	深度学习	ResNet-50, U-Net	图像	638张根尖周X光片
3058	2025-05-13	Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network 2025-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001963 PMID:39962871	research paper	使用深度卷积神经网络解释脑部多巴胺转运体扫描中的基底核	采用深度学习技术（特别是迁移学习）来辅助帕金森病的临床诊断，提高了图像解释的客观性和准确性	研究为回顾性研究，样本量有限（416例），且仅使用了三种预训练模型	通过深度学习技术促进帕金森病的临床诊断	临床不确定帕金森综合征患者的DAT SPECT扫描图像	digital pathology	Parkinson's disease	DAT SPECT, 99m Tc-TRODAT-1	CNN (Xception, InceptionV3, ResNet101)	image	416例临床不确定帕金森综合征患者
3059	2025-05-13	GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109928 PMID:40054171	研究论文	介绍了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度	开发了一种新型去噪GAN用于清理EEG和sEMG信号，设计并集成了新的ETLSTM架构作为GLEAM模型中的分类器，引入了GLEAM混合深度学习框架以实现稳健可靠的LBP强度评估	NA	诊断下腰痛强度，提供创新的诊断和治疗解决方案	下腰痛患者	机器学习	下腰痛	EEG和sEMG信号处理	GAN-Convolution-Transformer, ETLSTM	EEG和sEMG信号	NA
3060	2025-05-13	Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109903 PMID:40054167	research paper	本研究提出了一种基于3D CNN的新方法，用于在MRI中准确表型luminal A型乳腺癌	提出了一种基于定量医学成像生物标志物（QIB）的新3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法	数据集中存在类别不平衡问题，采用了类别加权策略进行缓解	提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案	luminal A型乳腺癌和非luminal A型病变	digital pathology	breast cancer	MRI	3D CNN	3D volumetric MRI images	公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI）