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
3861	2025-07-02	Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis 2025-Jun-28, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02296-w PMID:40580377	综述	本文通过文献计量和可视化分析，探讨了人工智能在疼痛管理领域的研究现状、热点和未来趋势	首次采用文献计量学方法系统分析人工智能在疼痛管理领域的应用，揭示了研究热点和未来发展方向	仅纳入英文文献，可能遗漏其他语言的重要研究成果	了解人工智能在疼痛管理领域的研究现状、热点和趋势	970篇关于人工智能应用于疼痛管理的科学论文	机器学习	疼痛管理	文献计量分析、可视化分析	机器学习、深度学习、人工神经网络	文献数据	970篇论文，涉及5679位作者、2030个学术机构和84个国家/地区
3862	2025-07-02	Identifying visible tissue in intraoperative ultrasound: a method and application 2025-Jun-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03415-z PMID:40580392	研究论文	提出一种用于识别术中超声可见组织的迭代过滤和拓扑方法，并应用于检测声影和构建感知显著性置信图	提出了一种新的迭代过滤和拓扑方法来分析探头-组织接触，该方法在体内数据和医学模型数据上表现出优越的分类性能	未明确提及具体局限性，但可能包括算法对参数扰动、斑点噪声和数据分布变化的敏感性	开发一种方法来识别术中超声扫描中的可见组织，以支持临床培训和机器人超声自动化	术中超声扫描中的可见组织	医学影像分析	NA	迭代过滤和拓扑方法	NA	超声图像	包含体内数据和医学模型数据的数据集
3863	2025-07-02	PARPAL: PARalog Protein Redistribution using Abundance and Localization in Yeast Database 2025-Jun-28, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf148 PMID:40580499	研究论文	介绍了一个名为PARPAL的网页数据库，用于存储酵母中蛋白质重分布的高通量筛选和深度学习神经网络分析结果	开发了PARPAL数据库，整合了高通量筛选和深度学习分析，提供了对酵母中WGD旁系同源物蛋白质重分布的定量测量	研究仅限于酵母（Saccharomyces cerevisiae），未涉及其他生物体	理解全基因组复制（WGD）事件中旁系同源物的保留和进化机制	酵母中的164种蛋白质及其旁系同源物	生物信息学	NA	高通量筛选、深度学习神经网络分析	深度学习神经网络	显微图像	约3,500张显微图像，涉及约460,000个细胞，涵盖82对旁系同源物
3864	2025-07-02	Identification of novel biomarkers linked to M1 macrophage infiltration in the diagnosis of inflammatory bowel diseases 2025-Jun-28, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2025.115138 PMID:40582145	研究论文	本研究通过生物信息学和深度学习构建了炎症性肠病(IBD)的预测模型，并识别了与M1巨噬细胞浸润相关的潜在生物标志物	首次整合M1巨噬细胞相关基因与宏转录组特征开发IBD预测模型，并发现CXCL10作为新型生物标志物和治疗靶点	研究结果需要进一步临床验证，样本来源和数量未明确说明	改善炎症性肠病的诊断和管理效果	炎症性肠病患者和M1巨噬细胞	数字病理学	炎症性肠病	生物信息学分析、深度学习	神经网络	基因表达数据、宏转录组数据	NA
3865	2025-07-02	The British-Israeli Project for Algorithm-Based Management of Age-related Macular Degeneration: Deep Learning Integration for Real- World Data Management and Analysis 2025-Jun-28, Ophthalmologica. Journal international d'ophtalmologie. International journal of ophthalmology. Zeitschrift fur Augenheilkunde DOI:10.1159/000547161 PMID:40582342	研究论文	描述了一个结合临床和光学相干断层扫描(OCT)成像数据的综合数据集开发，通过深度学习算法对两个大型真实世界数据集中的新生血管性年龄相关性黄斑变性(nAMD)眼睛进行自动化、客观和全面的OCT扫描量化	应用深度学习算法对大规模真实世界nAMD患者的临床和OCT数据进行自动化分析，为个性化决策和优化治疗效果提供基础	研究为回顾性设计，两个中心的治疗标准和基线视力存在显著差异	开发并验证一个集成临床和OCT数据的自动化分析系统，以改善nAMD的管理和治疗效果	4,265名nAMD患者的5,207只眼睛	数字病理学	年龄相关性黄斑变性	OCT扫描	深度学习算法(NOATM)	临床数据和图像数据	5,207只眼睛(来自4,265名患者)，包含134,340次视力测量、79,457次OCT扫描和73,218次抗VEGF注射记录
3866	2025-07-02	Machine Learning Based Multi-Class Classification and Grading of Squamous Cell Carcinoma in Optical Microscopy 2025-Jun-27, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70016 PMID:40579786	研究论文	本研究利用机器学习和深度学习模型对鳞状细胞癌（SCC）的组织病理学图像进行高效分析	结合机器学习进行特征分析和可解释的深度学习模型，实现了更高准确性和效率的SCC分级	未提及模型在更大规模或多样化数据集上的泛化能力	开发自动化的鳞状细胞癌分级方法以减少对人工病理的依赖	鳞状细胞癌的组织病理学图像	数字病理	鳞状细胞癌	离散小波变换、灰度共生矩阵和直方图特征提取	支持向量机、朴素贝叶斯、决策树、KNN、神经网络、CNN	图像	未明确提及样本数量
3867	2025-07-02	A systematic framework enhancing molecular screening efficiency in drug discovery via scaffold-driven fuzzy similarity and adaptive spectral clustering 2025-Jun-27, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108559 PMID:40582252	研究论文	提出了一种创新的分子筛选和聚类方法，以提高药物发现中的分子筛选效率	引入了分子骨架概念和模糊分子相似性分类方法，以及自适应高斯核函数来动态调整数据集特性	实验数据仅来源于公开的PubChem数据库，可能无法涵盖所有药物发现场景	提高药物发现中的分子筛选效率和生物活性预测准确性	药物分子，特别是以1-萘酚为目标分子的案例研究	药物发现	NA	模糊逻辑成员函数，自适应高斯核函数，谱聚类	NA	分子数据	实验数据来源于PubChem数据库，具体样本量未明确说明
3868	2025-07-02	Design and Optimization of an automatic deep learning-based cerebral reperfusion scoring (TICI) using thrombus localization 2025-Jun-26, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2025.101366 PMID:40581292	研究论文	本文设计和优化了一种基于深度学习的自动脑灌注评分（TICI）系统，利用血栓定位技术	开发了一种基于CNN的人工智能模型，用于自动分类TICI评分，并探索了血栓定位对模型性能的影响	三分类模型（TICI 0,1或2a vs 2b vs 2c或3）的性能不足，自动血栓检测模块未能提升模型表现	创建并优化基于AI的DSA TICI评分分类模型，以减少评估变异性	接受机械取栓术患者的数字减影血管造影（DSA）数据	数字病理学	脑血管疾病	数字减影血管造影（DSA）	CNN	医学影像	422名患者，2492个血栓标注，1609个DSA序列
3869	2025-07-02	Fog-Enabled Modular Deep Learning Platform for Textual Data Mining in Healthcare for Pathology Detection in Burkina Faso 2025-Jun-26, Studies in health technology and informatics DOI:10.3233/SHTI250696 PMID:40588904	研究论文	本文提出了一种基于深度学习的医疗诊断支持平台架构，适用于布基纳法索的病理检测	结合诊断和治疗指南与通过OCR从手写处方和电子健康记录中提取的文本数据构建模型，并比较了雾计算和云计算两种架构	研究基于模拟验证，未涉及实际临床应用的详细测试	开发适用于布基纳法索医疗系统的深度学习诊断支持平台	手写处方和电子健康记录中的文本数据	自然语言处理	NA	OCR, 深度学习	NA	文本	NA
3870	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
3871	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
3872	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
3873	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
3874	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
3875	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）
3876	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
3877	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
3878	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）
3879	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
3880	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）