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
3841	2025-10-06	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统综述了基于功能磁共振成像数据提取脑功能网络的经典与先进方法	全面涵盖静态与动态功能网络提取方法，系统比较各类方法的原理、优缺点及相互关系	NA	探讨脑功能网络分析方法及其在脑功能研究和脑疾病病理生理机制理解中的应用	功能磁共振成像数据	医学影像分析	脑部疾病	功能磁共振成像	深度学习	医学影像	NA	NA	NA	NA	NA
3842	2025-10-06	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-06-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究开发了一种针对雄激素性脱发治疗的肽类PROTAC药物生成方法	结合ProteinMPNN和RFdiffusion等前沿技术，创建了肽类PROTAC药物开发新范式，并整合透皮微针贴片技术用于药物递送	未明确说明样本规模和实验验证的详细限制条件	开发针对雄激素性脱发的肽类PROTAC治疗方法	雄激素受体(AR)和Von Hippel-Lindau(VHL)蛋白	计算生物学, 药物开发	雄激素性脱发	ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK, 透皮微针贴片技术	深度学习模型	蛋白质结构数据, 肽序列数据	NA	NA	NA	结合能力验证	NA
3843	2025-10-06	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出一种基于深度学习的遗传变异识别方法SWAT-CNN，用于阿尔茨海默病分类	开发了三步法的全基因组深度学习方法，结合滑动窗口关联测试识别表型相关SNPs	仅在ADNI数据集上进行测试，样本量相对有限	开发基于深度学习的遗传变异识别方法用于疾病分类	阿尔茨海默病患者和认知正常老年人的遗传数据	机器学习	阿尔茨海默病	全基因组关联分析(GWAS)	CNN	基因组数据	981个样本(650名认知正常老年人，331名AD患者)	NA	CNN	AUC	NA
3844	2025-10-06	Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4825356 PMID:39262918	研究论文	本研究通过深度学习模型研究高硅钼铸铁材料的制备与力学性能，重点关注其耐磨性和耐腐蚀性	结合深度学习模型研究钼和钒元素添加对高铬铸铁性能的影响，探索材料性能优化新方法	研究主要关注静态腐蚀性能，未涉及动态磨损条件下的性能评估	开发具有更好耐磨性和耐腐蚀性的高铬铸铁材料	高铬铸铁材料及其合金元素（钼、钒）	材料科学	NA	静态腐蚀测试、亚临界处理工艺	深度学习模型	材料性能数据、微观结构数据	NA	NA	NA	耐腐蚀性、耐磨性、硬度、韧性	NA
3845	2025-10-06	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	本研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤	首次提出两阶段级联网络架构，结合3D Res-Unet分割网络和分类器，实现肾上腺偶发瘤的自动识别	回顾性研究设计，样本量相对有限（778例患者）	开发自动识别肾上腺偶发瘤的深度学习系统	肾上腺偶发瘤患者	计算机视觉	肾上腺疾病	CT成像	CNN	3D医学图像	778名患者（来自三个医疗中心）	NA	3D Res-Unet	Dice相似系数, AUC, 准确率, 灵敏度, 特异性	NA
3846	2025-10-06	ChewNet: A multimodal dataset for invivo and invitro beef and plant-based burger patty boluses with images, texture, and force profiles 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111890 PMID:40778379	研究论文	本文提出了一个包含牛肉和植物基汉堡肉饼咀嚼过程中图像、质地和力分布的多模态数据集	首次同时包含人体实验和仿生机器人咀嚼实验的多模态食品咀嚼数据集，涵盖咀嚼过程中的实时图像、力学参数和质地分析	仅包含3名健康成年男性参与者，样本规模有限	研究食品咀嚼过程中食团特性的变化规律，开发能够从图像预测咀嚼食品机械和质地特性的深度学习模型	牛肉和植物基汉堡肉饼的咀嚼过程	食品科学, 机器人学, 机器学习	吞咽障碍, 颌部疾病	质地剖面分析(TPA), 仿生机器人咀嚼	NA	图像, 力学数据, 质地参数	3名健康成年男性参与者，牛肉和植物基汉堡肉饼样本	NA	NA	NA	NA
3847	2025-10-06	Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180031 PMID:40639040	研究论文	本研究通过整合遥感数据和深度学习模型，开发了一种监测和预测德克萨斯高平原地下水消耗的数据驱动方法	结合一维卷积神经网络与长短期记忆网络(1DCNN-LSTM)的集成深度学习模型，用于作物分类和农田分割，实现了高精度的地下水来源归因分析	研究仅限于德克萨斯高平原的Castro和Hale县，模型在其他地区的适用性需要进一步验证	监测和预测地下水消耗，支持可持续水资源管理	德克萨斯高平原地区的高粱、棉花和玉米种植区	遥感分析, 水文建模	NA	遥感技术, 现场地下水监测, 水平衡方法	1DCNN, LSTM, 集成学习	遥感影像, 时间序列数据, 现场监测数据	Castro和Hale县1995-2024年的作物种植数据	NA	1DCNN-LSTM集成模型, Segment Anything Model (SAM)	准确率, F1分数, 马修斯相关系数, RMSE, 相关系数R	NA
3848	2025-10-06	Deep learning based aerosol particle classification for the detection of ship emissions 2025-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2025.180041 PMID:40644880	研究论文	本研究开发了一种结合单颗粒质谱技术和深度学习的监测系统，用于实时检测船舶排放的气溶胶颗粒	首次将卷积神经网络应用于单颗粒质谱数据的自动分类，实现了对船舶重油燃烧排放颗粒的实时识别	监测距离限制在约1.3公里范围内，样本来源相对有限	开发自动化的气溶胶颗粒分类系统以检测船舶排放污染	船舶排放的气溶胶颗粒，特别是含钒、镍、铁离子的重油燃烧颗粒	环境监测	NA	单颗粒质谱技术(SPMS)	CNN	质谱数据	一周监测期内检测到21艘船舶经过80次	NA	卷积神经网络	准确率92%	NA
3849	2025-10-06	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究开发了一种基于深度学习的自动化系统，用于肝脏磁共振弹性成像质量控制和肝硬度测量	首次使用深度学习完全自动化肝脏MRE质量控制和肝硬度测量流程	回顾性单中心研究，样本量相对有限	通过深度学习自动化肝脏磁共振弹性成像质量控制和肝硬度测量	69名患者的146次2D MRE扫描，共897个MRE幅度切片	医学影像分析	肝纤维化	磁共振弹性成像	CNN	医学影像	69名患者（37名男性，平均年龄51.6岁），146次2D MRE扫描，897个MRE幅度切片	NA	SqueezeNet, U-Net	准确率, 精确率, 召回率, 平均LSM误差, Cohen's Kappa系数, 组内相关系数	NA
3850	2025-10-06	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估基于深度学习的模型，使用双参数前列腺MRI对临床显著前列腺癌进行分类，并优化MRI协议选择	首次将深度学习模型集成到临床工作流程中，实现基于个体风险的MRI协议个性化选择	研究为回顾性和前瞻性混合设计，样本来源有限	开发前列腺癌风险分层模型并优化MRI扫描方案	前列腺癌患者	医学影像分析	前列腺癌	双参数MRI (bpMRI), 多参数MRI (mpMRI)	深度学习	医学影像	26,129例前列腺MRI研究用于训练验证，回顾性队列151例患者，前瞻性队列142例初治患者	NA	3D ResNet-50	AUC, 敏感性, 特异性	实时MRI工作流程，处理延迟14-16秒
3851	2025-04-24	Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI" 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29806 PMID:40264361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3852	2025-10-06	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	提出一种用于机器人手术成像的无监督血管对比度增强轻量级框架StarVasc	采用星形操作模块实现超维特征扩展，并设计光谱特征增强模块在不依赖高光谱输入的情况下学习光谱线索	NA	开发适用于机器人手术视觉系统的血管对比度增强方法	机器人手术成像中的血管结构	计算机视觉	NA	无监督学习	GAN	图像	NA	NA	编码器-解码器架构,紧凑生成对抗网络	无参考质量指标,视觉评估	NA
3853	2025-10-06	Time series AQI forecasting using Kalman-integrated Bi-GRU and Chi-square divergence optimization 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-12422-8 PMID:40783413	研究论文	提出一种集成卡尔曼注意力与双向门控循环单元的深度学习框架，用于空气质量指数时间序列预测	引入卡尔曼注意力机制动态适应数据不确定性，并在损失函数中加入卡方散度正则化项以最小化预测与实际污染物水平的分布差异	仅在美国丹佛-奥罗拉-莱克伍德地区进行验证，需要进一步测试在其他地理区域的适用性	开发准确的空气质量指数预测系统以保护公共健康	六种主要污染物（CO、NO₂、SO₂、O₃、PM₂.5、PM₁₀）的时间序列数据	时间序列预测	NA	时间序列分析	Bi-GRU, LSTM, CNN-LSTM	时间序列数据	美国环境保护署2022-2024年丹佛-奥罗拉-莱克伍德地区的污染物数据	深度学习框架	Kalman-integrated Bi-GRU	R², MSE, MAE	NA
3854	2025-10-06	Enhancing AI-driven forecasting of diabetes burden: a comparative analysis of deep learning and statistical models 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14599-4 PMID:40783432	研究论文	本研究比较了深度学习和统计模型在糖尿病负担预测中的性能差异	首次将Transformer-VAE混合模型应用于糖尿病负担预测，并系统评估了模型在噪声和缺失数据下的鲁棒性	模型计算成本高且可解释性差，在资源受限环境中的可扩展性有限	评估糖尿病负担预测中预测准确性、鲁棒性和计算效率之间的权衡	1990-2021年全球糖尿病疾病负担数据	机器学习	糖尿病	时间序列预测	Transformer, VAE, LSTM, GRU, ARIMA	时间序列数据	1990-2021年年度数据（1990-2014训练，2015-2021评估）	NA	Transformer-VAE, LSTM, GRU, ARIMA	MAE, RMSE	NA
3855	2025-10-06	3D long time spatiotemporal convolution for complex transfer sequence prediction 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13828-0 PMID:40783430	研究论文	提出基于双分支3D卷积的3DcT-Pred模型用于解决时空序列预测中的长期遗忘和非平滑特征捕获问题	通过提取时空序列数据的长期全局特征缓解长程遗忘问题，构建交叉结构时空注意力模块增强对图像细粒度特征的响应，设计融合门控模块整合全局和局部特征	NA	改进时空序列预测任务的性能，特别是在处理长期依赖和非平滑特征方面	时空序列数据	计算机视觉	NA	深度学习	3D CNN	时空序列数据，雷达回波数据	三个公开数据集和一个私有雷达回波数据集	NA	双分支3D卷积，交叉结构时空注意力模块，融合门控模块	NA	NA
3856	2025-10-06	Exploring the feasibility of AI-based analysis of histopathological variability in salivary gland tumours 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15249-5 PMID:40783435	研究论文	本研究探索基于人工智能的唾液腺肿瘤组织病理学变异性分析的可行性	首次开发用于唾液腺肿瘤良恶性分类、恶性亚型分型和分级的机器学习分类器，并与深度学习模型进行性能比较	需要更大规模的多中心队列研究来验证结果的显著性和临床实用性	探索AI在唾液腺肿瘤自动鉴别诊断中的可行性	唾液腺肿瘤	数字病理学	唾液腺肿瘤	苏木精-伊红染色全玻片图像数字化	机器学习分类器, 深度学习模型	全玻片图像	320张扫描全玻片图像	NA	NA	F1分数, 准确率	NA
3857	2025-10-06	A blockchain-based deep learning approach for student course recommendation and secure digital certification 2025-Aug-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14778-3 PMID:40783441	研究论文	提出一种基于区块链的深度学习模型，用于学生课程推荐和安全数字证书颁发	结合改进的注意力机制深度长短期记忆网络(MA-DLSTM)进行课程推荐，并集成X509区块链与工作量证明(PoW)机制增强证书安全性	未明确说明数据集规模和具体实验环境	解决现有课程推荐系统在应对课程大纲更新、复杂性和证书安全方面面临的挑战	学生用户和在线学习系统	机器学习	NA	区块链技术, 深度学习	LSTM	学生学术表现数据	NA	NA	Modified Attention-Enabled Deep Long Short-Term Memory (MA-DLSTM)	Genuine User Rate (GUR), Memory Usage, Transaction time, Responsiveness, Throughput	NA
3858	2025-10-06	Deep learning in rib fracture imaging: study quality assessment using the Must AI Criteria-10 (MAIC-10) checklist for artificial intelligence in medical imaging 2025-Aug-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02046-x PMID:40783476	研究论文	使用MAIC-10清单评估肋骨骨折影像中深度学习研究的质量	首次将MAIC-10检查清单应用于肋骨骨折影像深度学习研究的质量评估	仅纳入25篇原始文章，样本量有限	评估肋骨骨折影像中深度学习研究的质量	肋骨骨折影像深度学习研究	医学影像	肋骨骨折	深度学习	NA	医学影像	25篇原始文章	NA	NA	Fleiss' kappa系数, MAIC-10评分	NA
3859	2025-10-06	Supporting intraoperative margin assessment using deep learning for automatic tumour segmentation in breast lumpectomy micro-PET-CT 2025-Aug-09, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-025-00797-w PMID:40783490	研究论文	本研究开发了一种基于深度学习的方法，用于自动分割乳腺肿瘤切除标本的微PET-CT图像中的肿瘤区域，以支持术中切缘评估	首次将2D残差U-Net应用于乳腺肿瘤切除标本的微PET-CT图像分割，并开发了集成模型用于预测切缘状态	样本量相对较小（53个薄层图像来自19名患者），需要更大规模的研究验证	开发自动肿瘤分割方法以辅助乳腺癌术中切缘评估	乳腺肿瘤切除标本的微PET-CT图像	数字病理	乳腺癌	微PET-CT成像	CNN	医学图像	53个薄层图像来自19名患者（训练集），31个微PET-CT图像来自31名患者（测试集）	NA	Residual U-Net	Dice相似系数,F1分数	NA
3860	2025-10-06	Developing an AI-powered wound assessment tool: a methodological approach to data collection and model optimization 2025-Aug-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03144-y PMID:40783534	研究论文	开发一种基于人工智能的伤口评估工具，通过多中心数据收集和深度学习模型优化支持医疗专业人员的临床决策	结合前瞻性和回顾性数据收集方法，使用Deeplabv3+架构开发移动优化的伤口分割模型，实现实时推理	组织分类准确性在不同组织类型间存在差异，特别是纤维蛋白和坏死组织的分类效果有待提升	开发人工智能驱动的伤口评估工具，支持医疗专业人员的诊断、监测和临床决策	急性和慢性伤口图像，包括多种解剖位置、肤色和愈合阶段	计算机视觉	慢性伤口	深度学习，图像分割，组织分类	CNN	图像，视频，3D扫描	约4000张伤口图像	NA	Deeplabv3+, ResNet50	DICE分数，交并比(IOU)	移动设备优化，量化技术