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
301	2025-08-06	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	通过AI技术分析30年间纽约、波士顿和费城四个城市公共空间中行人行为的变化	利用计算机视觉和深度学习技术自动化分析历史视频数据，扩展了传统人工观察方法	仅分析了三个美国城市的四个公共空间，可能无法代表其他地区的情况	探究城市公共空间中行人行为随时间的变化及其社会意义	城市公共空间中的行人行为	计算机视觉	NA	计算机视觉、深度学习	NA	视频	1979-80和2008-10年间四个城市公共空间的视频数据
302	2025-08-06	Interpretable graph Kolmogorov-Arnold networks for multi-cancer classification and biomarker identification using multi-omics data 2025-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13337-0 PMID:40730661	研究论文	本文提出了一种名为MOGKAN的深度学习框架，用于整合多组学数据并进行多癌症分类和生物标志物识别	结合Kolmogorov-Arnold定理原理，利用可训练的单变量函数增强模型的可解释性和特征分析能力	未提及具体样本量或数据集的局限性	开发一个能够整合多组学数据的计算模型，用于精准癌症诊断	31种不同类型的癌症	数字病理学	多癌症	DESeq2, LIMMA, LASSO回归, Gene Ontology (GO), KEGG富集分析	MOGKAN (基于Kolmogorov-Arnold定理的深度学习框架)	多组学数据 (mRNA, micro-RNA序列, DNA甲基化样本, PPI网络)	NA
303	2025-08-06	Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data 2025-Jul-27, ArXiv PMID:40740512	研究论文	本文提出了一种名为MOGKAN的深度学习框架，用于整合多组学数据并进行多癌症分类和生物标志物识别	结合Kolmogorov-Arnold定理原理，利用可训练的单变量函数增强模型的可解释性和特征分析能力	未提及具体样本量或数据集的详细描述	开发一种能够整合多组学数据的计算模型，用于精准癌症诊断	31种不同类型的癌症	数字病理学	多癌症	DESeq2, LIMMA, LASSO回归	MOGKAN（基于Kolmogorov-Arnold定理的深度学习框架）	mRNA、micro-RNA序列、DNA甲基化样本和蛋白质-蛋白质相互作用网络	NA
304	2025-08-06	Whole tissue imaging of cellular boundaries at sub-micron resolutions for deep learning cell segmentation: Applications in the analysis of epithelial bending of ectoderm 2025-Jul-26, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70061 PMID:40716088	research paper	介绍了一种名为MORPHOVIEW的方法，用于在亚微米分辨率下保留细胞边界标记并匹配组织与水的折射率，从而实现对细胞形态的高通量三维结构量化	提出了一种保留细胞边界标记并匹配组织与水的折射率的新技术，结合高倍率、长工作距离的水浸物镜和神经网络分割模型，实现了对细胞形态的高分辨率三维成像和量化	未提及该方法在更广泛生物样本中的应用限制或与其他技术的比较	开发一种能够精确量化细胞和组织的三维结构，以研究器官形态发生过程中的细胞形态变化	转基因小鼠的下颌骨和猫鲨的牙板和真皮小齿	digital pathology	NA	组织透明化协议、高分辨率光学显微镜、神经网络分割模型	神经网络分割模型	image	转基因小鼠下颌骨和猫鲨的牙板与真皮小齿样本
305	2025-08-06	Segmentation of the Left Atrium in Cardiovascular Magnetic Resonance Images of Patients with Myocarditis 2025-Jul-18, Journal of visualized experiments : JoVE DOI:10.3791/68664 PMID:40758568	research paper	该研究提出了一种基于3D-FCN的深度学习方法，用于心肌炎患者心血管磁共振图像中左心房的分割	通过时空特征融合、动态跳跃连接和轻量化设计三项策略增强，显著提高了左心房分割的准确性和效率	动态伪影和薄壁结构的时空连续性建模仍是主要挑战	开发一种准确分割心肌炎患者左心房的深度学习方法	心肌炎患者的心血管磁共振图像	digital pathology	cardiovascular disease	心血管磁共振成像(CMR)	3D-FCN	image	NA
306	2025-08-06	Bayesian Posterior Distribution Estimation of Kinetic Parameters in Dynamic Brain PET Using Generative Deep Learning Models 2025-Jul-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3588859 PMID:40663684	研究论文	本文提出了一种基于改进的去噪扩散概率模型（iDDPM）的方法，用于估计动态脑PET中动力学参数的后验分布，以提高计算效率	利用深度学习的高计算效率，提出iDDPM方法来估计动力学参数的后验分布，显著减少了计算时间（比MCMC方法快230倍以上）	未提及具体的数据集规模或模型在其他类型PET数据上的泛化能力	研究动态脑PET中动力学参数的后验分布估计，以提高计算效率和准确性	动态脑PET图像中的动力学参数	医学影像分析	阿尔茨海默病	动态PET成像，贝叶斯推断	iDDPM, CVAE-DD, WGAN-GP	医学影像	未明确提及样本数量，但使用了[18F]MK6240研究数据
307	2025-08-06	Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint clinical assessment in shoulder CT scans 2025-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103131 PMID:40279875	research paper	提出了一种创新的深度学习框架，用于处理肩部CT扫描，实现近端肱骨和肩胛骨的语义分割、骨表面3D重建、GH关节区域识别以及三种常见骨关节炎相关疾病的分期	采用级联CNN架构（3D CEL-UNet和3D Arthro-Net）同时实现骨分割和临床评估，在重建精度和分类准确率上优于现有技术	研究基于回顾性数据集，可能需要在前瞻性研究中进一步验证	开发人工智能工具以优化肩关节置换术前规划流程	肩部CT扫描图像	digital pathology	osteoarthritis	CT扫描	3D CEL-UNet, 3D Arthro-Net	3D医学影像	571例具有不同程度GH骨关节炎相关病变的患者CT扫描
308	2025-08-06	A comprehensive review of ICU readmission prediction models: From statistical methods to deep learning approaches 2025-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103126 PMID:40300338	综述	本文全面回顾了ICU再入院预测模型的研究，从统计方法到深度学习方法	总结了统计、机器学习和深度学习模型在ICU再入院预测中的应用，并探讨了当前方法的挑战和局限性	现有模型在预测精度上仍需提升，以满足计算机化决策支持工具的需求	评估ICU再入院预测模型的研究现状，指导未来研究和发展	ICU再入院预测模型	机器学习	重症监护	统计方法、机器学习(ML)、深度学习(DL)	NA	NA	NA
309	2025-08-06	Coalescence and Translation: A Language Model for Population Genetics 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.24.661337 PMID:40666889	研究论文	本文提出了一种基于语言模型的种群遗传学方法，通过深度学习技术从合成遗传数据中推断隐藏的进化过程	将合并时间的推断重新定义为两种生物语言之间的翻译问题，并开发了基于transformer的模型cxt，能够高效地进行大规模推断	模型依赖于合成数据进行训练，可能在实际应用中对真实数据的适应性存在局限	开发一种灵活、可扩展的方法来推断基因组数据的谱系历史	种群遗传学中的合并事件和祖先重组图(ARG)	机器学习	NA	深度学习	transformer	基因组数据	在stdpopsim目录的模拟数据上进行训练，可产生超过100万个合并预测
310	2025-08-06	FIR-LSTM: An Explainable Deep Learning Framework for Predicting Iatrogenic Withdrawal Syndrome in Pediatric Intensive Care Units 2025-Jun-25, Research square DOI:10.21203/rs.3.rs-6787167/v1 PMID:40678213	研究论文	开发了一个可解释的深度学习框架FIR-LSTM，用于预测儿科重症监护病房中的医源性戒断综合征	结合单向多层LSTM网络和层间相关性传播(LRP)技术，提供实时风险评分和关键风险因素的可解释性	研究仅基于电子健康记录(EHRs)，未考虑其他可能影响IWS的因素	早期预测儿科ICU患者中的医源性戒断综合征(IWS)，以促进及时干预和改善患者预后	儿科重症监护病房(PICU)患者	机器学习	医源性戒断综合征	层间相关性传播(LRP)	LSTM	电子健康记录(EHRs)	NA
311	2025-08-06	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2025-Jun-18, ArXiv PMID:40735097	研究论文	本文提出了一种基于深度学习的分类模型，用于分类8种不同的身体多参数磁共振成像（mpMRI）系列类型，以提高放射科医生阅读检查的效率	使用多种深度学习分类器（ResNet、EfficientNet和DenseNet）对8种不同的MRI系列进行分类，并比较它们的性能，同时研究了不同训练数据量对模型性能的影响	模型在外部数据集（DLDS和CPTAC-UCEC）上的准确率有所下降，表明其在跨数据集泛化能力上存在一定局限性	开发一种高效的深度学习模型，用于准确分类多参数磁共振成像（mpMRI）系列类型	多参数磁共振成像（mpMRI）系列	计算机视觉	NA	mpMRI	ResNet, EfficientNet, DenseNet	图像	超过729项研究数据
312	2025-08-06	Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model 2025-05-07, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c01177 PMID:40241681	研究论文	该论文利用单分子表面增强拉曼光谱（SERS）和深度学习模型，首次实现了对脯氨酸和羟脯氨酸的单分子水平区分	首次结合等离子体孔内颗粒传感器、单分子SERS光谱的出现频率直方图和1D-CNN模型，实现了对羟基化的单分子水平区分，准确率达96.6%	信号波动和柠檬酸盐的强干扰可能影响分析结果	开发一种能够区分低丰度羟基化的方法，用于早期疾病诊断和治疗开发	脯氨酸和羟脯氨酸的单分子SERS信号	机器学习	NA	单分子表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA
313	2025-08-06	DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103101 PMID:40056540	研究论文	提出了一种名为DRExplainer的新型可解释预测模型，用于预测癌细胞系对治疗药物的反应	利用有向图卷积网络在有向二分网络框架中增强预测，并引入可量化的模型解释方法	未提及具体的数据集规模或实验限制	提高药物反应预测的准确性和可解释性	癌细胞系和药物	机器学习	癌症	多组学分析	有向图卷积网络	多组学数据、药物化学结构	NA
314	2025-08-06	Deep learning based estimation of heart surface potentials 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103093 PMID:40073713	研究论文	本研究开发了一种基于深度学习的框架，旨在仅通过体表电位估计心脏表面电位，以简化临床操作并扩大应用范围	提出了一种新的深度学习框架，将3D躯干和心脏几何形状转换为标准2D表示，并开发了定制的Pix2Pix网络模型，无需CT/MRI即可实现心脏表面电位的精确估计	研究样本量相对较小（40例），且未明确说明模型在不同疾病类型中的泛化能力	开发一种无需几何成像信息即可估计心脏表面电位的深度学习方法	健康受试者和特发性心室颤动患者的心脏表面电位	数字病理	心血管疾病	深度学习	Pix2Pix网络	2D体表电位图和心脏表面电位图	11名健康受试者（8女3男）和29名特发性心室颤动患者（11女18男）
315	2025-08-06	Histopathology image classification based on semantic correlation clustering domain adaptation 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103110 PMID:40107119	研究论文	提出一种基于语义相关性聚类的无监督域适应方法，用于组织病理学图像分类	利用动物模型的组织病理学图像数据集实现人类全切片图像(WSI)的分类识别，通过语义相关性聚类实现跨域知识迁移	依赖于动物模型与人类WSI之间的域适应效果，可能受限于域间差异	解决病理图像样本获取和标注困难的问题，提升组织病理学图像分类性能	小鼠模型组织病理学图像和人类全切片图像(WSI)	数字病理学	癌症	无监督域适应方法	深度学习模型	组织病理学图像	未明确说明具体样本数量
316	2025-08-06	Deep learning method for malaria parasite evaluation from microscopic blood smear 2025-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103114 PMID:40107120	系统综述	本文系统综述了当前用于疟疾诊断中疟原虫自动分析的方法，特别关注计算机辅助方法，包括数据库、血涂片类型、染色技术和诊断模型	识别了三类最适合疟疾数字诊断的机器学习模型，并讨论了提高模型准确性的预处理和后处理技术	数据标准化和实际应用中的挑战仍未解决	提高疟疾诊断的准确性和减少人为错误	疟原虫属在疟疾诊断中的自动分析方法	数字病理学	疟疾	Giemsa染色薄血涂片	ResNet, VGG, CNN, CADx	图像	2020年至2024年的同行评审和已发表研究
317	2025-08-06	Dynamic glucose enhanced imaging using direct water saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	该研究提出了一种利用直接水饱和曲线的交换线宽增宽技术进行动态葡萄糖增强成像的新方法	采用基于交换线宽增宽的直接水饱和曲线技术，克服了传统CEST或CESL方法效应量低和对运动敏感的局限性	目前仅在四例脑肿瘤患者中进行了评估，样本量较小	开发一种新型动态葡萄糖增强MRI技术，用于评估D-葡萄糖摄取	脑肿瘤患者	医学影像	脑肿瘤	DS-DGE MRI	深度学习	MRI影像数据	4例脑肿瘤患者
318	2025-08-06	Virtual Lung Screening Trial (VLST): An In Silico Study Inspired by the National Lung Screening Trial for Lung Cancer Detection 2025-Apr-04, ArXiv PMID:38699170	研究论文	本文通过虚拟肺部筛查试验（VLST）模拟了国家肺部筛查试验（NLST）的关键元素，展示了虚拟成像试验（VITs）在加速临床试验和优化影像技术应用方面的潜力	利用虚拟成像试验平台模拟真实临床试验的关键元素，减少参与者风险并提高效率	研究仅基于模拟数据，未涉及真实患者，可能影响结果的临床适用性	探索虚拟成像试验在肺部癌症筛查中的应用潜力	虚拟患者队列（294名）及其模拟的肺部结节影像	数字病理学	肺癌	CT和CXR影像技术	深度学习模型（AI CT-Reader和AI CXR-Reader）	影像数据	294名虚拟患者
319	2025-08-06	Prediction of Intensive Care Length of Stay for Surviving and Nonsurviving Patients Using Deep Learning 2025-Apr-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006588 PMID:39928543	research paper	该研究开发了一个深度学习模型CCOPM，用于预测ICU存活和非存活患者的住院时间和ICU停留时间，以提高ICU护理评估的公平性	首次在ICU停留时间预测模型中考虑了存活与非存活患者的差异，并解决了文档偏差问题，提升了预测的公平性	模型在非存活患者群体中的预测性能（R2=0.23）仍低于存活患者群体（R2=0.29）	开发更公平的ICU停留时间预测模型以改善ICU护理评估标准	ICU患者的住院时间和ICU停留时间	machine learning	重症监护	深度学习框架	CCOPM（Critical Care Outcomes Prediction Model）	电子健康记录（患者特征、生命体征和实验室数据）	669,876例ICU入院记录（涉及628,815名患者，来自美国194家医院的329个ICU）
320	2025-08-06	Finger-aware Artificial Neural Network for predicting arthritis in Patients with hand pain 2025-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103077 PMID:39970842	研究论文	本研究开发了一种基于Transformer的手指感知人工神经网络（FANN），用于预测手部疼痛患者的关节炎	首次将深度学习应用于SPECT/CT的SUV数据来预测手部关节炎的发展，并开发了包含手指嵌入和手指特定信息共享的FANN模型	未提及具体样本量限制或数据多样性问题	提高关节炎早期诊断的准确性以支持临床决策	手部疼痛患者	数字病理学	关节炎	SPECT/CT, SUV定量测量	Transformer-based FANN	医学影像数据	NA