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
361	2025-06-24	A comprehensive review of heart rate measurement using remote photoplethysmography and deep learning 2025-Jun-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01405-5 PMID:40542336	review	本文全面回顾了使用远程光电容积描记术（rPPG）和深度学习进行心率测量的研究进展	比较分析了深度学习与传统方法在非接触式心率估计中的准确性，并识别了现有研究中的空白和未来研究方向	面临运动伪影和对不同光照条件敏感等挑战	探讨远程健康监测系统中使用rPPG和深度学习进行心率测量的方法和进展	远程光电容积描记术（rPPG）和深度学习算法	machine learning	心血管疾病	远程光电容积描记术（rPPG）	深度学习	图像	145篇文章
362	2025-06-24	Identifying kinematic biomarkers of the dystrophic phenotype in a zebrafish model of Duchenne muscular dystrophy 2025-Jun-20, Skeletal muscle IF:5.3Q2 DOI:10.1186/s13395-025-00382-6 PMID:40542412	研究论文	本研究利用高速摄像和基于深度学习的无标记运动捕捉技术，量化了两种肌营养不良斑马鱼模型的逃避反应游泳运动学，以识别杜氏肌营养不良表型的运动学生物标志物	采用无标记运动捕捉技术提供高精度、可重复的运动学估计，并利用随机森林和支持向量机模型识别区分突变型和野生型斑马鱼幼体的预测性生物标志物	研究仅针对斑马鱼模型，结果是否适用于其他动物模型或人类尚需进一步验证	识别杜氏肌营养不良表型的运动学生物标志物，为治疗开发提供早期评估工具	两种肌营养不良斑马鱼模型（sapje和sapje-like）的幼体	数字病理学	杜氏肌营养不良	高速摄像、深度学习、无标记运动捕捉	随机森林、支持向量机	视频	两种斑马鱼模型（具体数量未明确说明）
363	2025-06-24	Ferroelectric Domains and Evolution Dynamics in Twisted CuInP2S6 Bilayers 2025-Jun-20, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500683 PMID:40538291	研究论文	通过密度泛函理论和深度学习分子动力学模拟，研究了扭曲双层铁电材料CuInP2S6中极性畴的形成和动态控制	揭示了扭曲双层铁电材料中极性畴的形成机制，提出通过旋转操控控制局部极化的新方法	研究仅限于理论模拟，缺乏实验验证	探索扭曲角度对铁电材料中极性畴演化的影响	扭曲双层铁电材料CuInP2S6	材料科学	NA	密度泛函理论(DFT), 深度学习分子动力学(DLMD)	NA	模拟数据	NA
364	2025-06-24	Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis 2025-Jun-20, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2025.149800 PMID:40544932	研究论文	本研究通过立体视觉脑机制分析，寻找用于评估立体视觉舒适度的代表性电极	首次通过脑机制分析确定用于评估立体视觉舒适度的代表性电极，为电极选择提供科学依据	样本量较小（15个电极），分类准确率提升有限（2-4%）	评估立体视觉舒适度并开发便携式检测设备	立体视觉舒适度和不适状态的脑电活动	脑机接口	NA	事件相关电位和功率谱分析	机器学习和深度学习模型	脑电信号	15个电极的脑电活动数据
365	2025-06-24	Synergistic analysis based on chemometrics and deep learning: An innovative Kolmogorov-Arnold neural network (CKAN) model combined with ternary hybrid SERS substrate (Au@mSiO₂(YSN)-Fe₃O₄@MoS₂-rGO) for highly sensitive detection of trace quinolone antibiotics in milk 2025-Jun-19, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145193 PMID:40544590	研究论文	本研究提出了一种利用三元复合表面增强拉曼光谱（SERS）基底检测牛奶中痕量喹诺酮类抗生素的方法，结合化学计量学算法和深度学习模型实现抗生素的定性和定量分析	创新性地结合了化学计量学与深度学习，提出了CKAN模型，并与三元复合SERS基底结合，显著提高了检测灵敏度和准确性	NA	开发一种高灵敏度的检测方法用于牛奶中痕量喹诺酮类抗生素的定性和定量分析	牛奶中的喹诺酮类抗生素（恩诺沙星、依诺沙星和诺氟沙星）	化学计量学与深度学习	NA	表面增强拉曼光谱（SERS）、有限差分时域（FDTD）方法	Kolmogorov-Arnold神经网络（CKAN）	光谱数据	NA
366	2025-06-24	MDEANet: A multi-scale deep enhanced attention net for popliteal fossa segmentation in ultrasound images 2025-Jun-18, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102570 PMID:40544544	research paper	提出了一种名为MDEANet的深度学习分割网络，用于在超声图像中精确定位腘窝区域的神经、肌肉和动脉	结合了级联多尺度空洞卷积(CMAC)、增强空间注意力机制(ESAM)和跨层特征融合(CLFF)以提升分割性能	未提及具体的数据集规模限制或临床应用中的潜在问题	提升超声引导下神经阻滞手术中腘窝区域解剖结构的分割精度	腘窝区域的神经、肌肉和动脉	digital pathology	NA	深度学习图像分割	MDEANet (基于CNN的改进架构)	超声图像	未明确说明样本量
367	2025-06-24	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-Jun-18, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	提出了一种新的交互式原型学习和自学习网络，用于解决医学图像分割中的少样本学习问题	通过深度编码-解码模块学习高级特征构建峰值原型，提出交互式原型学习模块提升类内特征一致性并降低类间特征相似性，以及查询特征引导的自学习模块分离前景和背景	未明确提及具体局限性	解决医学图像分割中少样本学习面临的类内不一致性和类间相似性问题	医学图像	数字病理	NA	少样本学习	深度编码-解码网络	医学图像	未明确提及具体样本量
368	2025-06-24	Multimodal deep learning for predicting unsuccessful recanalization in refractory large vessel occlusion 2025-Jun-18, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112254 PMID:40544716	research paper	本研究探索了一种多模态深度学习方法，整合干预前的神经影像和临床数据，以预测急性缺血性卒中患者血管内治疗（EVT）的结果	提出了一种结合血管分割、临床变量和影像数据的多模态模型，显著提高了预测性能	研究为单中心回顾性队列，样本量相对有限	预测急性缺血性卒中患者血管内治疗（EVT）的结果	急性缺血性卒中患者，特别是疑似颅内动脉粥样硬化相关大血管闭塞（ICAD-LVO）和其他难治性闭塞的患者	digital pathology	cardiovascular disease	非对比CT、CTA、CT灌注参数	CNN、DAFT模块	image、clinical data	599名患者（481名用于训练，118名用于测试）
369	2025-06-24	Deep learning model using CT images for longitudinal prediction of benign and malignant ground-glass nodules 2025-Jun-18, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112252 PMID:40544718	研究论文	开发并验证了一种基于CT图像的多时间序列深度学习模型，用于纵向预测肺磨玻璃结节（GGNs）的良恶性	提出了一种基于transformer的深度学习框架，利用多时相CT图像进行GGNs的纵向预测，并结合CT语义特征提升模型性能	研究仅基于两个医疗中心的数据，样本量相对有限	开发一种能够准确预测肺磨玻璃结节良恶性的深度学习模型	肺磨玻璃结节（GGNs）	数字病理	肺癌	CT成像	transformer	图像	486个GGNs（来自486名患者）
370	2025-06-24	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Jun-17, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动化方法，用于从正颌全景片中估计性别和年龄，并与人工预测进行了比较	采用多任务学习框架结合VGG骨干网络和注意力分支，显著提高了性别和年龄估计的准确性，优于人工预测	样本量相对有限（2067张全景片），未说明模型在不同种族或图像质量下的泛化能力	开发自动化性别和年龄估计方法以应用于法医牙科和身份鉴定	正颌全景片（orthopantomograms）	计算机视觉	NA	深度学习	多任务学习网络（VGG backbone + 注意力分支）	医学影像	2067张正颌全景片（性别和年龄均衡分布，3-89岁）
371	2025-06-24	Developing a deep learning-based surgical-skill assessment model focused on instrument handling in laparoscopic colorectal surgery 2025-Jun-17, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2025.110260 PMID:40544713	研究论文	开发了一种基于深度学习的腹腔镜结直肠手术中器械操作的自动评估模型	利用计算机视觉技术构建了自动识别组织抓取次数的模型，用于手术技能评估	模型在区分成功/失败的组织抓取方面效果不足，识别精度有待提高	探讨基于组织抓取次数的自动手术技能评估的可行性	腹腔镜结直肠手术中的器械操作	计算机视觉	结直肠癌	计算机视觉技术	深度学习模型	视频	高、中、低三个不同手术技能水平组的术中视频
372	2025-06-24	The value of a deep learning image reconstruction algorithm for assessing vertebral compression fractures using dual-energy computed tomography 2025-Jun-16, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112244 PMID:40544715	研究论文	评估深度学习图像重建算法在双能计算机断层扫描中检测急性椎体压缩性骨折的价值	使用深度学习图像重建算法（DLIR）提高虚拟非羟基磷灰石（VNHAP）和虚拟单能图像（VMIs）的质量，并提升放射科医生检测急性椎体压缩性骨折（VCFs）的性能	样本量相对较小（103个椎体），且仅评估了四种重建算法	评估DLIR在双能计算机断层扫描中检测急性椎体压缩性骨折的应用价值	椎体压缩性骨折（VCFs）	数字病理学	椎体压缩性骨折	双能计算机断层扫描（DECT）	深度学习图像重建算法（DLIR）	图像	103个椎体（46个正常椎体，29个急性VCFs，28个慢性VCFs）
373	2025-06-24	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-Jun-13, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	research paper	该研究提出了一种基于图卷积网络（GCN）和协同过滤的AI推荐模型，用于预测药物-药物相互作用（DDIs）	该方法通过分析相互作用药物的连接性而非化学结构，避免了传统分类模型中需要采样未定义相互作用作为负样本的问题，能够预测所有未知药物对的潜在相互作用	模型的效能仅通过利用DDI报告建立，可能受到报告质量和完整性的限制	预测药物-药物相互作用以提高患者用药安全性	药物-药物相互作用	machine learning	NA	graph convolutional network (GCN), collaborative filtering	GCN	drug interaction data	4,072种药物和1,391,790对药物相互作用
374	2025-06-24	Using nursing data for machine learning-based prediction modeling in intensive care units: A scoping review 2025-Jun-07, International journal of nursing studies IF:7.5Q1 DOI:10.1016/j.ijnurstu.2025.105133 PMID:40544524	综述	本文通过范围综述，探讨了利用护理数据进行机器学习预测模型在重症监护病房中的应用现状	系统性地总结了护理数据在重症监护病房患者预后预测模型中的多样化应用，特别是护理量表的使用趋势	主要依赖公开访问数据，可能无法全面反映所有护理数据类型在预测模型中的潜力	识别利用护理数据的机器学习模型预测重症监护病房患者健康结局的研究现状	重症监护病房成年患者	机器学习	重症监护	监督学习、深度学习、神经网络	回归、提升方法、随机森林	结构化护理数据（量表、评估记录、活动记录、护理笔记）	151项研究（2004-2023年）
375	2025-06-24	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质	通过基于物理的设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并提出了一个经过微调的Alphafold2版本，能够捕捉几何多样性	当前基于深度学习的结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所涉及的物理原理	改进深度学习模型以更好地预测和设计具有自然多样性的蛋白质几何形状	从头设计的蛋白质	机器学习	NA	深度学习	Alphafold2	蛋白质结构数据	5,996个从头设计的蛋白质
376	2025-06-06	Intrapartum electronic fetal monitoring: the importance of accurate signal capture to harness the potential of deep learning 2025-Jun-02, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.05.026 PMID:40466886	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
377	2025-06-24	READRetro web: A user-friendly platform for predicting plant natural product biosynthesis 2025-Jun-02, Molecules and cells IF:3.7Q2 DOI:10.1016/j.mocell.2025.100235 PMID:40466944	research paper	介绍了一个用户友好的网络平台READRetro web，用于预测植物天然产物的生物合成	开发了一个基于现代网络技术的用户友好平台，使不具备深厚计算背景的研究人员也能轻松使用先进的机器学习驱动的逆合成预测工具	未明确提及平台在处理复杂天然产物时的性能限制或对不同类型天然产物的适用性	促进植物天然产物的大规模生产，加速药物发现研究	植物天然产物及其生物合成途径	machine learning	NA	retrosynthesis prediction	READRetro ML model	chemical structure data	NA
378	2025-06-24	Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting 2025-Jun, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2025.104121 PMID:40020876	研究论文	本研究开发了一种可解释的深度学习流程，用于在乳腺癌新辅助治疗后检测淋巴结转移	首次评估了深度学习算法在乳腺癌新辅助治疗后淋巴结转移检测中的泛化能力，并研究了治疗后效应训练数据对算法性能的影响	研究仅针对乳腺癌患者，未评估其他癌症类型的适用性	开发并评估一种AI辅助的乳腺癌淋巴结转移检测方法	乳腺癌新辅助治疗后的淋巴结组织	数字病理学	乳腺癌	深度学习	CNN	病理切片图像	1027张病理切片
379	2025-06-24	Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study 2025-Jun, La Radiologia medica DOI:10.1007/s11547-025-02006-x PMID:40167932	研究论文	本研究评估了结合经阴道超声（US）的放射组学和深度学习模型在大规模研究中准确区分良性和恶性卵巢肿瘤的有效性	结合CNN和放射组学模型，提供更准确可靠的卵巢肿瘤诊断方法，优于单独模型和专家评估	回顾性研究设计可能影响结果的普遍性	评估结合放射组学和深度学习模型在卵巢肿瘤诊断中的有效性	良性和恶性卵巢肿瘤	数字病理学	卵巢癌	经阴道超声（US）	CNN	图像	2078名患者的3193张图像
380	2025-06-24	FedOpenHAR: Federated Multitask Transfer Learning for Sensor-Based Human Activity Recognition 2025-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0631 PMID:40267073	研究论文	介绍FedOpenHAR框架，探索在传感器基础的人类活动识别和设备位置识别任务中的联邦迁移学习	提出FedOpenHAR框架，结合联邦学习和迁移学习，支持多任务处理，并在新客户端加入时能利用已有共同层进行训练	需要处理不同数据集中可能只包含部分标签类型的问题	开发适用于传感器基础的人类活动识别和设备位置识别的联邦学习框架	传感器数据	机器学习	NA	联邦学习，迁移学习	DeepConvLSTM	传感器数据	OpenHAR框架中的十个较小数据集