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	2025-07-02	Smart Wearable Analytics for Cycling: AI-Based Physical Exertion Prediction 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250714 PMID:40588921	research paper	评估深度学习在骑行运动中体力消耗预测的应用，特别是基于LSTM与多头注意力机制的模型	采用LSTM结合多头注意力机制的模型进行体力消耗预测，并通过MRMR和UFR方法进行特征选择	样本量较小，仅27名健康参与者，且未涉及不同健康状况的人群	预测骑行运动中的体力消耗水平	27名健康骑行者的生理数据	machine learning	NA	LSTM, Multi-Head Attention, MRMR, UFR	LSTM with Multi-Head Attention	生理数据（心率、血氧饱和度、踏频、HRV特征）	27名健康参与者
3042	2025-07-02	DeepNSI: Element identification in experimental photoneutron spectra for illicit material detection 2025-Jun-25, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2025.112014 PMID:40580656	research paper	提出了一种名为DeepNSI的深度学习框架，用于在现实检查场景中通过光子诱导中子谱识别元素组成	结合模拟和实验光中子谱的混合数据集训练特定元素的卷积神经网络，并引入蒙特卡洛Dropout提供预测不确定性，以及基于非负最小二乘法的后处理步骤	NNLS系数受核截面影响，不能直接解释为浓度	开发一种用于非法材料检测的元素识别工具	光子诱导中子谱	machine learning	NA	光子中子光谱法	CNN	光谱数据	包含有机化合物和涉及屏蔽材料的复杂配置的真实数据
3043	2025-07-02	Functional assessment of all ATM SNVs using prime editing and deep learning 2025-Jun-25, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.05.046 PMID:40580951	研究论文	该研究通过prime editing和深度学习技术评估了ATM基因中所有可能单核苷酸变异（SNVs）的功能影响	首次全面评估了ATM基因中27,513个可能的SNVs功能影响，并开发了高精度的深度学习模型DeepATM	研究主要关注单核苷酸变异，可能未涵盖其他类型的遗传变异	评估ATM基因变异的功能影响，支持精准医疗	ATM基因及其27,513个可能的单核苷酸变异	机器学习	癌症	prime editing, 深度学习	DeepATM	基因组数据	23,092个SNVs通过实验评估，4,421个SNVs通过模型预测
3044	2025-07-02	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏倚带来的潜在风险	首次直接比较了四种ATTR-CM检测算法在心力衰竭人群中的性能，并评估了模型偏倚风险	研究样本中白人占比过高(79.2%)，可能影响模型在其他种族人群中的适用性	评估和比较不同算法在ATTR-CM检测中的性能及潜在偏倚风险	心力衰竭患者	数字病理学	心血管疾病	深度学习	随机森林模型、回归模型、EchoNet-LVH、EchoGo® Amyloidosis	医学影像数据(超声心动图)	176例确诊ATTR-CM患者和3192例对照患者
3045	2025-07-02	DrugTar Improves Druggability Prediction by Integrating Large Language Models and Gene Ontologies 2025-Jun-24, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf360 PMID:40581797	研究论文	该研究开发了一种名为DrugTar的深度学习算法，整合了ESM-2预训练蛋白质语言模型的序列嵌入和基因本体论，用于预测药物的可靶向性	DrugTar通过整合大型语言模型和基因本体论，提高了药物可靶向性预测的性能，优于现有方法	蛋白质结构的潜力尚未得到充分研究	开发一种高性能的深度学习算法，用于预测药物的可靶向性，以简化靶点发现过程	蛋白质序列和结构	机器学习	NA	深度学习	ESM-2预训练蛋白质语言模型	蛋白质序列和结构数据	NA
3046	2025-07-02	Reduction of Membrane-derived Noise Using Beam-tilt Measurement and Deep Learning in Observation using Environmental Cell 2025-Jun-24, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf031 PMID:40581827	研究论文	提出了一种利用电子束倾斜测量和深度学习去除环境细胞电子显微镜中膜衍生噪声的方法	首次将Noise2Noise深度学习方法应用于环境细胞电子显微镜图像处理，有效去除膜噪声并保留样本信息	未明确说明方法在不同类型样本或极端条件下的适用性	提高环境细胞电子显微镜图像质量以实现高信噪比测量	环境细胞中的催化剂和纳米材料	计算机视觉	NA	电子显微镜成像	Noise2Noise（深度学习）	电子显微镜图像序列	未明确说明具体样本数量
3047	2025-07-02	FeaCL: Carotid plaque classification from ultrasound images using feature-level and instance-level contrast learning 2025-Jun-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102590 PMID:40582299	research paper	提出了一种名为FeaCL的自监督学习技术，用于增强颈动脉斑块的超声图像分类	结合特征级和实例级对比学习，通过三重网络和强弱增强方法学习颈动脉斑块的有效表示	性能受限于标记颈动脉斑块图像的稀缺性	提高颈动脉斑块超声图像分类的准确性，以预测患者心血管和脑血管疾病风险	颈动脉斑块的超声图像	computer vision	cardiovascular disease	self-supervised learning, triplet network	CNN	image	超声图像数据集（具体数量未提及）
3048	2025-07-02	IBDAIM:Artificial intelligence for analyzing intestinal biopsies pathological images for assisted integrated diagnostic of inflammatory bowel disease 2025-Jun-23, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106024 PMID:40580688	研究论文	开发了一种名为IBDAIM的人工智能模型，用于辅助病理学家通过分析肠道活检的全切片图像快速准确诊断炎症性肠病	提出了一种弱监督深度学习模型IBDAIM，该模型无需详细标注即可利用WSI级诊断标签，并整合了Patch Likelihood Histogram (PLH)和Bag of Words (BoW)特征来构建WSI级表示	研究为回顾性队列研究，可能受限于数据的质量和多样性	开发人工智能模型以提高炎症性肠病的诊断准确性和效率	肠道活检的全切片图像	数字病理学	炎症性肠病	弱监督深度学习	IBDAIM	图像	来自南京鼓楼医院和珠江医院的两个机构数据集
3049	2025-07-02	Deep learning for osteoporosis screening in dental practice: a systematic review 2025-Jun-20, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf052 PMID:40580938	系统综述	本文通过系统综述评估深度学习工具在牙科影像中用于骨质疏松筛查的性能，并探讨这些模型是否已在牙科实践中应用	首次系统综述了深度学习在牙科骨质疏松筛查中的应用，并指出尽管技术有所进展，但临床适用性仍有限	缺乏外部验证和临床整合，限制了其实际应用	评估深度学习工具在骨质疏松筛查中的性能及其在牙科实践中的应用情况	使用牙科影像（如全景X光片和计算机断层扫描）进行骨质疏松筛查的深度学习模型	数字病理	骨质疏松	深度学习（DL），双能X线吸收测定法（DXA）	CNN（如VGG16、GoogleNet、ResNet、AlexNet、EfficientNet）	牙科影像（如全景X光片和计算机断层扫描）	13项研究符合纳入标准
3050	2025-07-02	3D cardiac shape analysis with variational point cloud autoencoders for myocardial infarction prediction and virtual heart synthesis 2025-Jun-19, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102587 PMID:40582300	研究论文	提出了一种基于变分点云自编码器（Point VAE）的几何深度学习方法，用于3D心脏形状和功能分析，并应用于心肌梗死预测和虚拟心脏合成	首次将多尺度特征学习直接应用于高分辨率多类别3D心脏解剖点云表示，能够捕捉复杂非线性3D形状变异性，并在低维可解释潜在空间中实现	未提及具体局限性	开发一种新型几何深度学习方法，用于3D心脏形状和功能分析，以提高心肌梗死的预测准确性并支持虚拟心脏合成	人类心脏的3D解剖结构和功能变异性	计算机视觉	心血管疾病	变分点云自编码器（Point VAE）	VAE	3D点云	超过10,000名受试者
3051	2025-07-02	Psychometric properties of an Iranian instrument for assessing adherence to ethical principles in the use of artificial intelligence among healthcare providers 2025-Jun-19, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106019 PMID:40582296	研究论文	本研究开发并验证了一种用于评估医疗保健提供者在人工智能使用中遵守伦理原则的工具	开发了一种新的评估工具，用于衡量医疗保健提供者在AI应用中遵守伦理原则的情况	需要进一步研究以提供更全面和详细的理解	评估医疗保健提供者在人工智能使用中遵守伦理原则的情况	医疗保健提供者	医疗伦理	NA	心理测量学方法（探索性因子分析、Cronbach's alpha、ICC）	NA	问卷数据	未明确说明样本量
3052	2025-07-02	Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease 2025-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.02.25319880 PMID:40585083	研究论文	本研究整合多组学数据与先进人工智能方法，揭示阿尔茨海默病表型调控的分子基础，并探索基于个体遗传背景的个性化药物重定位策略	结合PrediXcan方法和多模态深度学习模型AD-MIF，显著提升AD相关表型预测的AUC值10-20%，并发现新的药物重定位机会	研究样本量相对有限（553个背外侧前额叶皮层样本），且仅在SAMP8 AD模型小鼠中验证了部分药物效果	阐明阿尔茨海默病的复杂分子机制并探索个性化治疗策略	阿尔茨海默病相关的基因、分子通路和候选药物	机器学习	阿尔茨海默病	GWAS、转录组数据分析、多模态深度学习	AD-MIF（多模态信息融合模型）、autoencoder、graph autoencoder	基因型数据、基因表达数据	553个背外侧前额叶皮层样本（来自ROSMAP数据库）
3053	2025-07-02	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-Jun-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人类脊柱图像，以更准确地评估脊柱对齐情况	使用带有3D卷积层和残差连接的U-Net CNN进行脊柱分割，并能够导出3D模型用于3D打印	未提及模型在多样化人群中的泛化能力或与其他成像技术的比较	开发一种可靠且适应性强的工具，用于在重力加载条件下准确分割脊柱和其他解剖结构	重力加载条件下的人类脊柱图像	数字病理学	脊柱侧弯和退行性椎间盘疾病	负重锥形束计算机断层扫描(CBCT)	U-Net CNN	3D图像	未提及具体样本数量
3054	2025-07-02	Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults 2025-Jun, Journal of the American Geriatrics Society IF:4.3Q1 DOI:10.1111/jgs.19440 PMID:40099367	研究论文	本研究整合社会健康决定因素（SDoH）与传统风险因素，利用机器学习和深度学习模型预测健康老年人的心血管疾病（CVD）风险	首次将SDoH与传统CVD风险因素结合，利用先进的ML和DL模型进行风险预测，并发现SDoH对女性预测效果更显著	研究对象仅限于70岁及以上无CVD、痴呆和独立性受限身体残疾的老年人，可能限制结果的普适性	提高心血管疾病风险预测的准确性	12,896名70岁及以上初始无CVD、痴呆和独立性受限身体残疾的老年人（5,884名男性和7,012名女性）	机器学习	心血管疾病	机器学习和深度学习	Random Survival Forest (RSF), Deepsurv, Neural Multi-Task Logistic Regression (NMTLR)	纵向研究数据	12,896人（5,884名男性和7,012名女性）
3055	2025-07-02	Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine 2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology IF:6.1Q1 DOI:10.1016/j.euroneuro.2025.03.013 PMID:40222151	研究论文	研究锂和喹硫平在双相情感障碍和分裂情感性障碍早期阶段的神经保护作用	使用深度学习模型预测脑龄，探讨锂和喹硫平对首次躁狂发作（FEM）患者脑结构的影响	样本量较小，随访时间较短，未能观察到治疗组间的显著差异	评估锂和喹硫平对首次躁狂发作（FEM）患者的神经保护效果	首次躁狂发作（FEM）的年轻患者（15-25岁）	数字病理学	双相情感障碍和分裂情感性障碍	T1加权扫描和深度学习模型	深度学习模型	MRI图像	FEM患者39人（锂治疗21人，喹硫平治疗18人），健康对照组29人，训练数据集53,542人
3056	2025-07-02	Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study 2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.104990 PMID:40347553	研究论文	开发并评估基于深度学习和多元逻辑回归算法的全自动模型，用于颈动脉CT血管造影图像质量评估	首次提出结合3D Res U-net和多元逻辑回归的全自动图像质量评估模型，并在多中心数据集中验证其性能	研究为回顾性设计，且仅评估了颈动脉CTA图像	开发高效准确的颈动脉CTA图像质量自动化评估方法	颈动脉CT血管造影图像	数字病理	心血管疾病	CT血管造影	3D Res U-net + 逻辑回归	医学影像	840例来自4家三甲医院的颈动脉CTA图像
3057	2025-07-02	Bppv nystagmus signals diagnosis framework based on deep learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01542-0 PMID:40358819	research paper	提出了一种基于深度学习的BPPV眼震信号诊断框架，用于改善良性阵发性位置性眩晕的诊断	开发了结合Egeunet神经网络模型和FFT等数学统计技术的综合框架，提高了眼震数据的精确分割和分析能力	未明确提及样本量或具体临床验证结果	改善BPPV的诊断准确性和临床决策支持	良性阵发性位置性眩晕（BPPV）患者的眼震信号	digital pathology	geriatric disease	Fast Fourier Transform (FFT)	Egeunet (CNN-based)	eye movement signals	NA
3058	2025-07-02	Dual-energy CT-based virtual monoenergetic imaging via unsupervised learning 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01560-y PMID:40448904	研究论文	本研究提出了一种基于无监督学习的双能CT虚拟单能成像方法，用于提高图像质量	采用无监督学习方法直接从双能CT图像生成虚拟单能图像，无需高质量标注数据	仅初步验证了方法在患者数据上的有效性，需要更大规模的研究进一步验证	提高双能CT虚拟单能成像的图像质量	双能CT图像和虚拟单能图像	医学影像处理	NA	双能CT	深度学习模型	医学影像	患者数据
3059	2025-07-02	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探讨了深度学习放射组学列线图（DLRN）在预测脑胶质瘤异柠檬酸脱氢酶（IDH）基因型中的可行性	开发了一种结合深度学习特征、放射组学特征和临床特征的混合模型，用于非侵入性预测IDH突变状态	研究为回顾性设计，样本量相对有限，且仅基于T2图像	探索DLRN在预测脑胶质瘤IDH基因型中的应用	402名来自两个独立中心的脑胶质瘤患者	数字病理学	脑胶质瘤	深度学习放射组学	混合模型（深度学习+放射组学+临床特征）	医学影像（T2图像）	402名患者（训练队列239名，内部验证队列103名，外部验证队列60名）
3060	2025-07-02	Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study 2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110770 PMID:39894259	研究论文	本研究开发并验证了一种多尺度深度学习放射组学列线图，用于预测胰腺导管腺癌患者的无复发生存期	结合手工放射组学和深度学习特征，构建多尺度列线图，显著优于传统的AJCC分期系统	研究样本来自四家医院，可能存在选择偏倚；外部验证集的表现差异较大	预测胰腺导管腺癌患者的无复发生存期，以改善术前临床决策	469名胰腺导管腺癌患者	数字病理	胰腺癌	放射组学分析、深度学习	多尺度深度学习模型	医学影像	469名患者（来自四家医院）