深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3741	2025-10-06	Artificial intelligence in nutrition and ageing research - A primer on the benefits 2025-Sep, Maturitas IF:3.9Q1 DOI:10.1016/j.maturitas.2025.108662 PMID:40645039	综述	探讨人工智能在营养与老龄化研究中的应用潜力及挑战	系统阐述AI技术在老年营养健康领域的创新应用，包括自动化饮食评估和风险预测	存在数据质量、伦理问题和模型可解释性等关键挑战	促进人工智能在营养与健康老龄化领域的应用与发展	老年人群的健康管理与营养干预	自然语言处理, 机器学习	老年疾病	机器学习, 自然语言处理, 深度学习	NA	图像, 文本	基于大型数据集	NA	NA	准确率	NA
3742	2025-10-06	Innovations in clinical PET image reconstruction: advances in Bayesian penalized likelihood algorithm and deep learning 2025-Sep, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02088-7 PMID:40681770	综述	本文综述了临床PET图像重建中贝叶斯惩罚似然算法和深度学习方法的技术原理与临床性能	系统总结商业PET系统中集成的BPL算法与新兴深度学习方法的创新融合，特别是混合重建方法uAI HYPER DPR	未涉及具体实验数据验证，主要基于技术原理和现有商业系统的性能分析	总结先进PET图像重建技术原理并促进其临床转化应用	PET图像重建算法	医学影像处理	NA	PET成像	CNN	医学影像	NA	NA	NA	图像质量, 定量准确性	NA
3743	2025-10-06	Towards trustworthy artificial intelligence in musculoskeletal medicine: A narrative review on uncertainty quantification 2025-Sep, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12737 PMID:40719310	综述	本文综述了不确定性量化在肌肉骨骼医学人工智能中的应用，旨在提升深度学习模型的可信度	提出了肌肉骨骼医学中不确定性量化的系统分类方法，并探讨了其在临床转化中的关键作用	属于叙述性综述，缺乏系统性评价的严格方法学框架	推动可信人工智能在肌肉骨骼医学中的临床应用	肌肉骨骼医学影像中的深度学习模型	医学影像分析	肌肉骨骼疾病	不确定性量化方法	深度学习模型	医学影像	NA	NA	NA	不确定性量化指标	NA
3744	2025-10-06	Improving Clinically Significant Prostate Cancer Detection with a Multimodal Machine Learning Approach: A Large-Scale Multicenter Study 2025-Sep, Radiology. Imaging cancer DOI:10.1148/rycan.240507 PMID:40815224	研究论文	开发并验证了一种结合临床和影像特征的多模态机器学习模型，用于预测临床显著性前列腺癌	首次在大规模多中心研究中结合双参数MRI影像组学特征与临床指标构建预测模型，并在前瞻性验证中证明其优于传统PI-RADS评分	在一个医疗中心表现较差，对高PI-RADS评分病例敏感性增加可能带来偏倚	提高临床显著性前列腺癌的检测准确性	前列腺癌患者	数字病理	前列腺癌	双参数MRI, 影像组学分析	深度学习, 机器学习	医学影像, 临床数据	回顾性数据集7157例患者，前瞻性验证集1629例患者	NA	自动深度学习分割算法	AUC, 特异性, 敏感性	NA
3745	2025-10-06	A Deep Learning Model for Chemical Shieldings in Molecular Organic Solids Including Anisotropy 2025-Aug-28, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c01819 PMID:40825152	研究论文	开发了一种名为ShiftML3的深度学习模型，用于预测分子有机固体中的化学屏蔽，包括各向异性	在提高分子固体中化学屏蔽预测精度的同时，还能预测完整的屏蔽张量，其预测精度接近DFT参考计算水平	NA	开发更准确、快速的化学屏蔽预测方法，替代计算密集的从头算方法	分子有机固体中的核磁共振化学屏蔽	机器学习	NA	核磁共振(NMR)	深度学习	化学屏蔽数据	NA	NA	ShiftML3	均方根误差(RMSE)	NA
3746	2025-10-06	Prediction of influenza-like illness incidence using meteorological factors in Kunming : deep learning model study 2025-Aug-16, BMC public health IF:3.5Q1 DOI:10.1186/s12889-025-23710-3 PMID:40818971	研究论文	本研究使用深度学习方法结合气象因素预测昆明市流感样病例发病率	在LSTM模型中引入核注意力网络(KAN)增强非线性学习能力，并验证气象数据对流感预测的改进效果	研究仅基于昆明市数据，时间范围有限(2017-2022年)	评估气象因素结合LSTM模型提高流感样病例发病率预测准确性的潜力	昆明市流感样病例发病率和气象数据	机器学习	流感	皮尔逊相关分析，深度学习	LSTM	时间序列数据	2017年11月至2022年1月的流感和气象数据	NA	LSTM, 注意力机制堆叠LSTM, 核注意力网络(KAN)	平均绝对百分比误差(MAPE)	NA
3747	2025-10-06	A Large-Scale Image Repository for Automated Pavement Distress Analysis and Degradation Trend Prediction 2025-Aug-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05748-5 PMID:40813387	研究论文	构建了一个包含路面病害识别和长期跟踪的大规模图像数据集，并评估了六种目标检测算法的性能	首个包含路面病害长期跟踪的大规模数据集，为动态跟踪监测和道路维护策略优化提供数据支持	未明确说明数据采集的地理范围和环境条件限制	开发自动化路面病害检测技术和预测退化趋势	路面病害图像数据	计算机视觉	NA	深度学习	目标检测算法	图像	51012张路面病害识别图像 + 8928张长期跟踪图像	NA	NA	NA	NA
3748	2025-10-06	A dataset of high-resolution plantar pressures for gait analysis across varying footwear and walking speeds 2025-Aug-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05792-1 PMID:40804054	研究论文	介绍UNB StepUP-P150足底压力数据集，包含150名参与者在不同步行速度和鞋履条件下的高分辨率足底压力数据	首次提供大规模公开可用的高分辨率足底压力数据集（4传感器/厘米），包含多种步行速度和鞋履条件	数据集仅包含150名参与者，可能无法代表所有人群特征	推动基于足底压力的步态分析和识别研究	人类步行步态模式	生物识别	NA	足底压力传感技术	NA	压力传感器数据	150名参与者，超过200,000个脚步	NA	NA	NA	NA
3749	2025-10-06	Hybrid Neural Networks for Precise Hydronephrosis Classification Using Deep Learning 2025-Aug-07, Urology IF:2.1Q2 DOI:10.1016/j.urology.2025.08.005 PMID:40783131	研究论文	开发用于肾超声图像中肾脏和液体自动分割的深度学习框架，以提升肾积水的诊断准确性	集成DenseNet201主干网络、特征金字塔网络和自组织神经网络层，实现多尺度特征提取和空间精度提升	未提及模型在外部验证集上的表现，未来需要模型优化和可解释性增强	开发自动化的肾积水评估系统，减少诊断变异性和提高准确性	肾超声图像中的肾脏和液体区域	计算机视觉	肾积水	超声成像	CNN, SelfONN	图像	1731张肾超声图像	未明确提及	DenseNet201, FPN, SelfONN	Dice系数, 精确率, 召回率, 准确率	NA
3750	2025-10-06	Ensemble of Handcrafted and Learned Features for Colorectal Cancer Classification 2025-Aug-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01633-0 PMID:40760266	研究论文	提出一种结合手工特征和深度学习特征的集成方法用于结直肠癌分类	首次将手工纹理描述符与CNN深度学习特征集成，利用两种特征的互补优势构建更鲁棒的特征空间	需要标注数据集且模型可解释性有限	开发自动化的结直肠癌分类方法以辅助病理诊断	结直肠癌组织病理图像	数字病理	结直肠癌	组织病理分析	CNN, 集成学习	医学图像	NA	NA	NA	准确率	NA
3751	2025-10-06	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	本研究开发并评估了不同深度学习模型在婴儿肾脏超声图像中自动分类尿路扩张的能力	首次系统比较多种深度学习模型在婴儿尿路扩张分类任务中的表现，并评估其与专家分类的一致性	研究样本量相对有限，仅包含3个月以下婴儿的肾脏超声数据	开发自动化的尿路扩张分类系统以简化肾脏超声的临床解读	婴儿肾脏超声图像	计算机视觉	尿路扩张	超声成像	深度学习模型	图像	492张右侧肾脏超声和487张左侧肾脏超声，来自3个月以下的婴儿	NA	NA	准确率, 加权kappa分数	NA
3752	2025-10-06	Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging 2025-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06314-2 PMID:40650736	研究论文	比较深度学习重建技术在加速儿科脑部磁共振成像中的图像质量表现	首次在儿科神经影像学中系统比较传统MRI、传统MRI+DLR和加速MRI+DLR三种重建方法的图像质量	回顾性研究设计，样本量相对有限（116名参与者）	评估深度学习重建加速脑部MRI在儿科神经影像学中的临床可行性	116名儿科参与者（平均年龄7.9±5.4岁）	医学影像分析	儿科神经系统疾病	磁共振成像，深度学习重建	深度学习	医学影像	116名儿科患者	NA	NA	图像质量评分，锐度，伪影，噪声，病变显著性，图像噪声测量，变异系数，加权Cohen's kappa	NA
3753	2025-10-06	Base-resolution binding profile prediction of proteins on RNAs with deep learning 2025-Jul-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf748 PMID:40794872	研究论文	提出了一种基于深度学习的iDeepB方法，用于预测蛋白质在RNA上的碱基分辨率结合谱	首次整合细胞系特异性基因表达谱来预测蛋白质-RNA相互作用，构建了表达感知基准数据集	未明确说明方法在其他类型RNA结合蛋白或细胞系中的泛化能力	开发能够准确预测蛋白质在RNA上结合核苷酸和结合强度的计算方法	RNA结合蛋白及其与RNA的相互作用	机器学习	NA	eCLIP-seq, RNA-seq	深度学习, 多头注意力机制	基因组序列数据, 基因表达数据	基于细胞特异性RNA-seq和eCLIP-seq数据构建的基准数据集	NA	混合深度网络, 多头注意力	结合谱预测准确性	NA
3754	2025-10-06	Unraveling Parkinson's disease motor subtypes: A deep learning approach based on spatiotemporal dynamics of EEG microstates 2025-06-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2025.106915 PMID:40274133	研究论文	本研究开发了一种基于EEG微状态时空动力学的深度学习模型，用于区分帕金森病震颤主导型和姿势不稳/步态困难型运动亚型	首次将EEG微状态动态空间模式与电极位置数据结合用于PD运动亚型分类，强调了动态脑网络特征作为潜在生物标志物的重要性	未明确说明样本量大小和研究人群的具体特征	理解帕金森病异质性运动表型的脑网络动力学基础，改善个性化治疗	帕金森病患者（震颤主导型和姿势不稳/步态困难型）与健康个体	机器学习	帕金森病	脑电图微状态分析	深度学习	EEG信号	NA	NA	NA	AUC	NA
3755	2025-10-06	GCN-BBB: Deep Learning Blood-Brain Barrier (BBB) Permeability PharmacoAnalytics with Graph Convolutional Neural (GCN) Network 2025-04-03, The AAPS journal DOI:10.1208/s12248-025-01059-0 PMID:40180695	研究论文	本研究开发了一种基于图卷积神经网络的深度学习模型，用于预测血脑屏障渗透性	首次将归一化拉普拉斯矩阵的图卷积神经网络应用于血脑屏障渗透性预测，相比传统分子指纹方法表现更优	研究仅基于1924个分子数据集，样本规模相对有限	开发高精度的血脑屏障渗透性预测模型以支持中枢神经系统药物研发	小分子药物的血脑屏障渗透性	机器学习	神经系统疾病	图神经网络	GCN	图结构数据	1924个分子	NA	GCN_2（基于归一化拉普拉斯矩阵的图卷积神经网络）	精确率,召回率,F1分数,MCC分数	NA
3756	2025-10-06	Deep Learning and Hyperspectral Imaging for Liver Cancer Staging and Cirrhosis Differentiation 2025-04, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400557 PMID:39873135	研究论文	开发结合高光谱成像与深度学习的诊断方法，用于肝癌分期和肝硬化鉴别	首次将高光谱成像与深度卷积神经网络结合，捕捉传统方法难以识别的细胞级光谱特征差异	未提及外部验证集性能及临床部署可行性	提高肝癌分期和肝硬化鉴别的诊断精度	肝组织样本（肝细胞癌与肝硬化）	计算机视觉	肝癌	高光谱成像	CNN	高光谱图像	NA	NA	深度卷积神经网络	准确率, 敏感度, 特异度	NA
3757	2025-10-06	Physics-informed deep learning for stochastic particle dynamics estimation 2025-Mar-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2418643122 PMID:40014572	研究论文	提出一种融合物理信息的深度学习框架SPINN，用于随机粒子动力学估计	将随机微分方程整合到深度学习框架中，实现单帧分辨率的参数空间自主探索和确定性/随机性成分区分	NA	提高随机粒子动力学的时间分辨率，实现复杂扩散行为的估计和预测	单粒子轨迹数据，金纳米棒在水凝胶中的扩散	机器学习	NA	单粒子追踪技术	深度学习	轨迹数据	NA	NA	SPINN（随机粒子信息神经网络）	帧间变异性，统计相关性	NA
3758	2025-10-06	Deep learning models for predicting plant uptake of emerging contaminants by including the role of plant macromolecular compositions 2024-12-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.135921 PMID:39305592	研究论文	本研究应用深度学习模型预测新兴污染物在植物中的吸收，通过纳入植物大分子组成提高预测准确性	首次将植物根系大分子组成与化学性质结合，采用多种深度学习模型预测污染物吸收，相比传统机制模型显著提升准确性	模型性能仍有提升空间，TSCF预测的确定系数最高为0.67，且仅使用九种化学性质和两种植物大分子组成	提高新兴污染物在植物中吸收的预测准确性	植物对新兴污染物的吸收过程	机器学习	NA	深度学习建模	DNN, RNN, LSTM	化学性质和植物组成数据	NA	NA	深度神经网络，循环神经网络，长短期记忆网络	确定系数(R), 均方误差(MSE)	NA
3759	2025-10-06	Rapid and noninvasive estimation of human arsenic exposure based on 4-photo-set of the hand and foot photos through artificial intelligence 2024-12-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136003 PMID:39378597	研究论文	本研究开发了一种基于人工智能分析手足照片的非侵入性砷暴露评估方法	首次利用深度学习技术通过手足照片特征实现非侵入性砷暴露评估	二元分类面临数据不平衡和稀疏性问题，数据量有限	开发非侵入性砷暴露预测方法	人类手足皮肤特征与砷暴露关系	计算机视觉	皮肤癌	摄影图像分析	深度学习	图像	2497名受试者的9988张手足照片	NA	NA	AUC,召回率,精确度	NA
3760	2025-10-06	Artificial intelligence in endodontics: Data preparation, clinical applications, ethical considerations, limitations, and future directions 2024-11, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14128 PMID:39075670	综述	本文全面回顾了人工智能在牙髓病学中的数据准备、临床应用、伦理考量、局限性与未来发展方向	系统梳理了AI在牙髓病学应用的技术与伦理维度，并首次整合评估指标、实际应用与临床实施障碍的综合分析框架	模型可解释性不足、泛化能力有限、临床实践采纳度低	探讨人工智能在牙髓病学领域的应用潜力与实施路径	牙髓病学领域的AI技术应用	医疗人工智能	牙髓疾病	深度学习	CNN	医学影像	NA	NA	卷积神经网络	准确率	NA