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
21	2025-08-08	Artifact suppression for breast specimen imaging in micro CBCT using deep learning 2024-02-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01216-5 PMID:38321390	研究论文	提出一种基于深度学习的微CBCT乳腺标本成像中的伪影抑制方法	使用改进的U-Net和ResU-Net神经网络模型，有效抑制CBCT重建图像中的条纹伪影和金属伪影	未提及具体样本量及临床验证结果	提升乳腺标本CBCT成像质量	乳腺标本CBCT图像	数字病理	乳腺癌	CBCT成像	U-Net, ResU-Net	医学影像	NA
22	2025-08-08	Deep learning in computed tomography to predict endotype in chronic rhinosinusitis with nasal polyps 2024-01-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01203-w PMID:38267881	research paper	本研究构建了一种基于深度学习模型的鼻窦CT图像分析方法，用于预测慢性鼻窦炎伴鼻息肉(CRSwNP)患者的表型	首次使用深度学习模型通过鼻窦CT图像预测CRSwNP患者的表型，为非侵入性评估提供了新方法	研究样本量相对有限(251名患者)，且为回顾性研究	开发一种非侵入性方法来准确预测CRSwNP患者的表型，以指导精准治疗	慢性鼻窦炎伴鼻息肉(CRSwNP)患者	digital pathology	chronic rhinosinusitis	computed tomography	ResNet-18	image	251名患者(29,993张CT图像)
23	2025-08-08	Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory 2024-01-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01176-2 PMID:38238662	研究论文	该论文提出了一种基于深度神经网络和改进D-S证据理论的模型，用于识别眼部疾病	通过迁移学习提高模型学习效率，并改进D-S证据理论以减少决策偏差和提高决策可信度	D-S理论本身存在不完整性和冲突性，虽然进行了改进但仍可能存在未解决的悖论	提高眼部疾病识别的准确性和鲁棒性	眼部疾病	计算机视觉	眼部疾病	深度学习	深度神经网络, 改进D-S证据理论(ID-SET)	图像	NA
24	2025-08-08	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	本文详细介绍了在巴西一家三级教学医院开发的HepatIA平台和数据库，用于支持肝癌检测的人工智能训练	开发了一个综合性的医学影像注释平台和数据库，支持肝脏疾病AI研究，并集成了预注释分割模型	数据来源仅限于一家医院，可能影响模型的泛化能力	创建并详细描述一个用于肝癌检测AI训练的医学影像注释平台和数据库	656名患者的692个CT扫描数据，包括健康个体和肝脏疾病患者	数字病理	肝癌	CT扫描	深度学习算法	医学影像	656名患者的692个CT扫描数据
25	2025-08-08	Multimodal recurrence scoring system for prediction of clear cell renal cell carcinoma outcome: a discovery and validation study 2023-08, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00095-X PMID:37393162	研究论文	开发了一种结合临床、基因组和组织病理学三种模态的新型检测方法，用于预测局部肾细胞癌的复发	整合了三种模态（临床、基因组和组织病理学）的多模态复发评分系统，显著提高了预测准确性	研究为回顾性分析，需要前瞻性研究进一步验证	开发更准确的预测局部肾细胞癌术后复发的标志物	局部（I-III期）肾细胞癌患者	数字病理学	肾细胞癌	全幻灯片图像(WSI)分析、单核苷酸多态性检测	深度学习	图像、基因组数据、临床数据	开发数据集651例患者，训练数据集1125例患者，独立验证数据集1625例患者，TCGA数据集418例患者
26	2025-08-07	Combined model-driven and dual-cycle interactive strategy few-shot learning scheme for predicting breast cancer molecular subtypes based on DCE-MRI 2025-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108923 PMID:40628151	研究论文	提出一种结合模型驱动和双循环交互策略的小样本学习方案，用于基于DCE-MRI预测乳腺癌分子亚型	联合嵌入模型驱动机制和双循环交互策略的小样本学习方案，以及独特的时空循环网络分类器（STRNC）和双循环交互策略（DCIS）	未提及具体局限性	解决医学图像分类问题，特别是乳腺癌分子亚型的预测	乳腺癌分子亚型	计算机视觉	乳腺癌	DCE-MRI	时空循环网络分类器（STRNC）	图像（DCE-MRI）	公共数据集
27	2025-08-07	Measured spectrum environment map dataset with multi-radiation sources in urban scenarios 2025-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.111909 PMID:40766197	research paper	本文提出了一个城市多辐射源场景下的实测频谱强度数据集，旨在解决现实多源动态场景中频谱环境图（SEM）开放数据集的不足	该数据集真实反映了多辐射源共存场景下传播信道的非线性特性	数据集仅覆盖了30 MHz、115 MHz和2 GHz三个频段，且空间分辨率为1m×1m	解决现实多源动态场景中频谱环境图开放数据集的不足	城市多辐射源场景下的频谱强度数据	无线通信	NA	高精度测量	NA	频谱强度数据	80×105网格的频谱强度或接收信号强度（RSS）数据
28	2025-08-07	Incorporating Pre-Training Data Matters in Unsupervised Domain Adaptation 2025-Sep, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3572963 PMID:40408198	研究论文	本文探讨了预训练数据在无监督域适应（UDA）中的重要性，并提出了一种名为TriDA的新框架	从预训练的新视角研究UDA，揭示了目标误差与预训练的关系，并提出了一个三域问题框架	未明确提及具体局限性	研究预训练数据对无监督域适应的影响，并提出改进方法	预训练数据、源域和目标域	机器学习	NA	无监督域适应（UDA）	TriDA	图像	多个基准测试数据集
29	2025-08-07	ICD code mapping model based on clinical text tree structure 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103163 PMID:40446588	研究论文	提出了一种基于临床文本树结构的ICD编码模型TRIC，用于电子病历的自动ICD编码	结合了选区树模型和基于transformer的模型提取临床记录的结构和特征，并使用Tree-lstm模型丰富特征，提高了ICD编码的质量和效率	未提及模型在更广泛数据集上的泛化能力或实际临床应用中的潜在问题	解决电子病历ICD编码中语义表示模糊和未考虑临床记录结构特征的问题	电子病历中的临床记录文本	自然语言处理	NA	深度学习	Transformer, Tree-lstm, bioBERT, 全连接神经网络	文本	MIMIC-III完整数据集和样本数据集
30	2025-08-07	Quantitative computed tomography imaging classification of cement dust-exposed patients-based Kolmogorov-Arnold networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103166 PMID:40450965	研究论文	本研究利用Kolmogorov-Arnold网络（KANs）对水泥粉尘暴露患者的定量计算机断层扫描（QCT）成像数据进行分类，以评估与水泥粉尘暴露相关的呼吸状况	首次将Kolmogorov-Arnold网络（KANs）应用于QCT成像数据的分类，显著提高了分类性能，并通过SHAP分析增强了模型的可解释性	研究仅针对水泥粉尘暴露患者，可能不适用于其他类型的粉尘或污染物暴露	提高水泥粉尘暴露患者呼吸状况的早期检测准确性	609名个体（311名水泥粉尘暴露患者和298名健康对照）的QCT成像数据	数字病理学	肺部疾病	定量计算机断层扫描（QCT）成像	Kolmogorov-Arnold网络（KANs）	图像	609名个体（311名水泥粉尘暴露患者和298名健康对照）
31	2025-08-07	ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103162 PMID:40460597	研究论文	本文提出了一种结合自监督学习和生成对抗网络的心电图合成方法，用于生成逼真的心律失常信号	提出了一种新型条件生成架构ECGAN，能够调节心电图记录的概率分布，并在心律失常分类任务中实现了性能提升	未提及具体的数据隐私保护措施细节，且合成数据的临床应用效果需要进一步验证	开发能够生成逼真心电图信号的方法，以解决标记临床数据不足和患者匿名化问题	心电图时间序列数据	机器学习	心血管疾病	自监督学习, 生成对抗网络	ECGAN (基于GAN的条件生成模型)	时间序列数据(心电图)	使用了MIT-BIH、BIDMC和PTB数据集(具体样本量未明确说明)
32	2025-08-07	VAE-GANMDA: A microbe-drug association prediction model integrating variational autoencoders and generative adversarial networks 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103198 PMID:40540756	研究论文	提出了一种整合变分自编码器(VAE)和生成对抗网络(GAN)的模型VAE-GANMDA，用于预测微生物-药物关联	通过融合VAE和GAN学习数据的流形分布，改进VAE生成模块，整合CBAM和高斯核函数增强特征提取能力，并结合SVD技术提取线性特征	未明确提及具体局限性	开发高效的微生物-药物关联预测方法以减少传统生物实验的时间和成本	微生物和药物之间的关联	机器学习	NA	VAE, GAN, SVD, k-means++, MLP	VAE-GANMDA	关联数据	未明确提及具体样本量
33	2025-08-07	Interactive prototype learning and self-learning for few-shot medical image segmentation 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103183 PMID:40544698	研究论文	本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	提出深度编码-解码模块、交互式原型学习模块和查询特征引导的自学习模块，以解决类内不一致性和类间相似性带来的分割挑战	NA	提高医学图像分割在少样本学习场景下的性能和泛化能力	医学图像	数字病理	NA	少样本学习	深度编码-解码网络	图像	NA
34	2025-08-07	Predicting drug-drug interactions: A deep learning approach with GCN-based collaborative filtering 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103185 PMID:40544699	研究论文	本文提出了一种基于图卷积网络（GCN）和协同过滤的AI推荐模型，用于预测药物间的相互作用（DDIs）	该方法通过分析药物间的连接性而非化学结构来预测DDIs，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，并能预测所有未知药物对的潜在相互作用	模型的效能仅通过DDI报告验证，未涉及其他可能的验证方式	预测药物间的相互作用以提高患者用药安全性	药物及其相互作用	机器学习	NA	图卷积网络（GCN）和协同过滤	GCN	药物相互作用数据	4,072种药物和1,391,790对药物相互作用
35	2025-08-07	High-Performance Open-Source AI for Breast Cancer Detection and Localization in MRI 2025-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.240550 PMID:40560044	research paper	开发并评估了一个开源深度学习模型，用于在MRI扫描中检测和定位乳腺癌	使用了迄今为止最大的乳腺癌MRI数据集进行训练，并展示了模型在不同临床站点和扫描方向上的良好泛化能力	研究是回顾性的，可能需要前瞻性研究进一步验证模型性能	开发高性能的开源AI工具用于乳腺癌的检测和定位	乳腺癌患者的MRI扫描图像	digital pathology	breast cancer	MRI	Neural Networks	image	30,672例矢状面MRI检查（52,598个乳房）来自9,986名女性患者（平均年龄52.1岁±11.2），验证集包括6,615个乳房（主站点矢状面）、7,058个乳房（主站点轴向）和1,840个乳房（第二临床站点）
36	2025-08-07	A prior knowledge-supervised fusion network predicts survival after radiotherapy in patients with advanced gastric cancer 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103184 PMID:40587926	研究论文	提出一种基于先验知识的多模态融合方法，用于预测晚期胃癌患者放疗后的总生存期	提出先验知识监督的融合网络（PKSFnet）及新型采样策略，整合多模态信息并挖掘患者特征空间	未明确说明模型在外部验证集上的泛化能力或临床实际应用中的可行性	预测晚期胃癌患者放疗后的总生存期以辅助临床诊疗决策	晚期胃癌患者的CT影像及多模态临床数据	数字病理	胃癌	多模态特征融合（MdFF模块）	PKSFnet（先验知识监督的融合网络）	CT影像及临床多模态数据	未明确提及具体样本量
37	2025-08-07	Your turn: At home turning angle estimation for Parkinson's disease severity assessment 2025-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103194 PMID:40577945	研究论文	本文提出了一种基于深度学习的方法，通过从视频中提取3D骨架并计算髋关节和膝关节的旋转，自动量化帕金森病患者的转弯角度	首次探索使用单目摄像头数据在家庭环境中量化帕金森病患者的转弯角度，并公开了所有数据和模型，为未来的帕金森病步态研究提供了基线	由于在自由生活环境中难以获得准确的地面真实数据，角度被量化为最近的45°分箱，基于专家临床医生的手动标记	通过量化转弯角度，利用步态特征作为帕金森病进展的敏感指标	帕金森病患者和健康对照志愿者的转弯视频	计算机视觉	帕金森病	3D骨架提取	Fastpose和Strided Transformer	视频	来自24名受试者（12名帕金森病患者和12名健康对照志愿者）的1386个转弯视频片段
38	2025-08-07	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-Sep-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	本文全面回顾了人工智能在肌层浸润性膀胱癌（MIBC）管理中的应用现状与未来潜力	探讨AI在MIBC诊断、治疗规划和疗效评估中的创新应用，如深度学习模型在癌症检测和分期中的高准确性	存在方法学限制、数据集异质性、工作流整合障碍和监管不确定性等挑战	评估AI在MIBC管理中的应用及其对患者护理的潜在影响	肌层浸润性膀胱癌（MIBC）患者	数字病理学	膀胱癌	深度学习、机器学习、放射组学	深度学习模型、机器学习算法	图像、临床数据	NA
39	2025-08-07	Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction 2025-Aug-16, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.07.010 PMID:40639536	系统综述	本文综述了基于脑电图信号的计算技术在预测重度抑郁症中的应用，探讨了缺乏标准化计算框架的问题	比较了深度学习方法（如CNN和混合CNN-LSTM模型）与传统机器学习方法在抑郁症预测中的性能，并探讨了单通道和少电极配置的潜力	方法学不一致、数据异质性和模型可解释性有限阻碍了模型的泛化性和可靠性，缺乏标准化评估协议也限制了研究结果的可比性	探讨人工智能驱动的脑电图分析在抑郁症诊断中的应用，推动精准精神病学的发展	重度抑郁症患者的脑电图信号	数字病理学	抑郁症	脑电图信号分析	CNN, LSTM, 混合CNN-LSTM模型, SVM	脑电图信号	NA
40	2025-08-07	Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease 2025-Aug-07, Current opinion in rheumatology IF:5.2Q1 DOI:10.1097/BOR.0000000000001114 PMID:40767529	综述	本文综述了人工智能在系统性硬化症（SSc）皮肤和肺部疾病研究中的应用	利用监督和无监督机器学习方法识别患者亚群和预测模型，以及深度学习在肺部和皮肤活检图像分析中的应用	研究主要基于相对较小的SSc队列，可能影响结果的广泛适用性	总结人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展	系统性硬化症（SSc）患者	数字病理学	系统性硬化症	监督机器学习、无监督机器学习、深度学习	监督机器学习、无监督机器学习、深度学习	图像、临床数据	相对较小的SSc队列