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	2025-08-12	Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection 2025-Aug, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2025.115012 PMID:40639006	研究论文	本研究采用混合方法结合互信息(MI)和SHAP进行特征选择，以提高城市固体废物(MSW)生成的预测准确性	提出了一种结合MI和SHAP的混合方法进行特征选择，提高了MSW生成的预测准确性	在数据质量较差的地区(如Boralesgamuwa)模型表现不佳，突显了高质量一致数据的重要性	提高城市固体废物生成的预测准确性	城市固体废物(MSW)生成	机器学习	NA	互信息(MI), SHAP	FFNN, LSTM	气象和社会经济数据	来自美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa三个城市的数据
22	2025-08-12	Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study 2025-Jul-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/70118 PMID:40706028	研究论文	本研究通过大规模跨国多队列研究，分析ICU患者入院时血清氯水平与院内死亡率的关系，并建立个性化生存曲线预测深度学习模型	首次将血清氯水平作为预后指标纳入ICU环境，开发了Causal SurvivalNet模型进行个性化生存预测	研究结果可能受到不同国家医疗体系和数据收集方式差异的影响	提高ICU患者风险分层和临床决策的准确性	ICU患者	医疗数据分析	重症监护	因果图分析、限制性立方样条、Cox比例风险模型、深度学习	Causal SurvivalNet	临床数据	189,462名ICU患者（来自美国和中国四个队列）
23	2025-08-12	Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study 2025-Jul, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01205-3 PMID:40304887	研究论文	探讨视网膜年龄差距（深度学习预测的视网膜年龄与实际年龄的差异）作为日本人群系统性健康潜在生物标志物的研究	使用深度学习模型预测视网膜年龄，并首次将其作为系统性健康的生物标志物进行研究	纵向分析未显示基线视网膜年龄差距与疾病发病之间的显著关联	研究视网膜年龄差距与系统性健康之间的关联	日本人群	数字病理学	心血管疾病	深度学习	深度学习模型	图像	调优队列2,261人，分析队列6,070人
24	2025-08-12	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-May, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	research paper	评估多模态人工智能模型在非洲和非非洲裔男性前列腺癌三期试验中的算法公平性	使用多模态AI深度学习系统结合数字组织病理学和临床数据，评估算法在不同种族亚组中的普适性和公平性	研究中包含少量未知或缺失种族状态的患者（0.5%）	评估AI工具在前列腺癌预后预测中的公平性和普适性	非洲裔和非非洲裔前列腺癌患者	digital pathology	prostate cancer	multimodal AI deep learning system	MMAI	digital histopathology and clinical data	5,708名患者（包括948名非洲裔和4,731名非非洲裔患者）
25	2025-08-12	Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering 2024-09, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.9.093507 PMID:39247058	research paper	该研究利用深度学习分析高光谱图像，量化组织中的血红蛋白、黑色素和散射特性	使用人工神经网络(ANN)快速分析高光谱数据，相比传统最小二乘法速度提升4000倍以上	研究基于模拟数据训练，实际应用效果需进一步验证	开发快速量化组织光学特性的方法	人体活体组织	computer vision	NA	hyperspectral imaging	ANN	image	24,000组模拟数据 + 6000组测试数据
26	2025-08-12	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	本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法	涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向	未提及具体方法的性能比较或实证研究结果	探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制	脑功能网络	神经影像学	脑部疾病	fMRI	矩阵分解、聚类、深度学习	fMRI数据	NA
27	2025-08-12	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	本研究结合前沿方法开发了一种新型肽基PROTAC药物开发范式，用于治疗雄激素性脱发	结合ProteinMPNN、RFdiffusion等AI工具设计肽基PROTAC药物，并整合透皮微针贴片技术进行给药	未提及临床试验结果或体内药效验证数据	开发针对雄激素受体(AR)的肽基PROTAC药物用于雄激素性脱发治疗	雄激素受体(AR)和Von Hippel-Lindau (VHL)蛋白	药物开发	雄激素性脱发	ProteinMPNN、RFdiffusion、Alphafold2-multimer、ZDOCK	深度学习模型	蛋白质结构数据	NA
28	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
29	2025-08-12	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	提出了一种基于深度学习的三步法（SWAT-CNN）用于识别与表型相关的单核苷酸多态性（SNPs），并应用于阿尔茨海默病的分类	开发了一种新颖的三步法SWAT-CNN，结合卷积神经网络（CNN）和滑动窗口关联测试（SWAT）来识别与表型相关的SNPs，并构建疾病分类模型	方法在阿尔茨海默病数据集上进行了测试，但在其他疾病或更大规模数据集上的泛化能力尚未验证	开发一种基于深度学习的全基因组方法，用于识别与疾病相关的遗传变异并构建分类模型	阿尔茨海默病相关的单核苷酸多态性（SNPs）	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	CNN	基因组数据	981（认知正常老年人650名，阿尔茨海默病患者331名）
30	2025-08-12	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	本研究探讨了高铬铸铁的静态腐蚀性能，以及钼和钒元素的添加与含量变化对其耐腐蚀性的影响，旨在获得性能更优、成本更低的高铬铸铁铸件	通过研究钼和钒元素的添加及含量变化对高铬铸铁耐腐蚀性的影响，结合亚临界处理工艺，优化高铬铸铁的微观结构和性能	研究主要关注静态腐蚀性能，未涉及动态工作环境下的性能表现	提高高铬铸铁的耐腐蚀性和耐磨性，同时降低成本	高铬铸铁材料	材料科学	NA	亚临界处理工艺	深度学习模型	实验数据	未明确说明
31	2025-08-11	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	该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	首次提出使用两阶段级联网络（3D Res-Unet分割网络+分类器）实现肾上腺偶发瘤的自动识别，并在多中心数据上验证了模型性能	研究为回顾性设计，未在外部独立验证集上测试模型泛化能力	开发自动识别肾上腺偶发瘤的AI系统以辅助肾上腺疾病管理	肾上腺偶发瘤患者的非增强CT图像	数字病理	肾上腺疾病	深度学习	3D Res-Unet + 分类器的级联网络	CT图像	778例患者（443例训练/验证集，335例测试集）
32	2025-08-11	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	research paper	该研究提供了一个多模态数据集，包含牛肉和植物基汉堡肉饼在人类和机器人咀嚼过程中产生的图像、质地和力分布数据	首次结合人类和机器人咀嚼实验，提供全面的食物咀嚼过程多模态数据，支持深度学习模型开发	人类参与者样本量较小（仅3名健康成年男性），且仅针对特定类型食物	探索食物团块特性随咀嚼次数的变化关系，开发能预测咀嚼食物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	NA	质地剖面分析(TPA)、机器人咀嚼模拟	深度学习模型	图像、力分布数据、质地参数	3名人类参与者+机器人咀嚼实验
33	2025-08-11	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	本研究提出了一种数据驱动的方法，结合遥感和现场地下水数据，监测和预测2000年至2030年德州高平原地区的地下水水位变化，以支持可持续水资源管理	创新点包括开发了一种基于高粱、棉花和玉米物候特征的作物分类和田间分割方法，以及集成深度学习模型（如1DCNN与LSTM网络）进行作物映射和水源归属分析	研究局限在于仅针对德州高平原的Castro和Hale县，未来可能需要扩展到其他面临类似挑战的地区	研究目的是监测和预测地下水水位变化，支持可持续水资源管理	研究对象是德州高平原地区的高粱、棉花和玉米作物以及地下水水位	遥感与水文建模	NA	遥感、深度学习、水文建模	1DCNN、LSTM、SAM	遥感图像、地下水数据	研究覆盖了1995年至2024年的作物数据以及2000年至2023年的地下水数据
34	2025-08-11	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	本研究结合单颗粒质谱仪（SPMS）和深度学习技术，开发了一种用于检测船舶排放的实时监测系统	利用卷积神经网络（CNN）自动处理复杂的质谱数据，实现了13种丰富气溶胶颗粒的高精度分类，并实时识别使用重油（HFO）的船舶	监测范围受限于SPMS的检测距离（约1.3公里），且需依赖AIS提供的船舶轨迹数据	开发一种能够实时监测和识别船舶排放气溶胶颗粒的系统，以减少航运对空气污染的影响	船舶排放的气溶胶颗粒，特别是含有钒（V/[VO]）、镍（Ni）和铁（Fe）离子的颗粒	机器学习和环境监测	NA	单颗粒质谱仪（SPMS）和卷积神经网络（CNN）	CNN	质谱数据	一周监测期内，80次通过监测点的21艘船舶（距离最远约1.3公里）
35	2025-08-11	Enhanced ISUP grade prediction in prostate cancer using multi-center radiomics data 2025-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-025-04858-3 PMID:40047870	研究论文	本研究探讨了基于解剖ROI提取的放射组学特征在前列腺癌患者国际泌尿病理学会(ISUP)分级预测中的价值	利用前列腺解剖亚区(外周区和中央腺体)的放射组学特征组合，提升了ISUP分级的预测性能	需要进一步验证该策略在临床决策中的实际应用价值	提高前列腺癌ISUP分级的预测准确性	前列腺癌患者	数字病理	前列腺癌	放射组学分析	随机森林分类算法	医学影像(T2WI/ADC/DWI)	1500例多中心前列腺癌患者
36	2025-08-11	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	research paper	该研究利用深度学习技术实现了肝脏磁共振弹性成像（MRE）质量控制和肝脏硬度测量（LSM）的全自动化	首次提出基于深度学习的全自动化肝脏MRE质量控制和LSM方法，显著提高了效率和准确性	研究为单中心回顾性研究，样本量相对有限（69名患者）	开发自动化肝脏MRE质量控制和硬度测量方法以提高临床实用性	肝脏磁共振弹性成像数据	digital pathology	liver fibrosis	MRI, MRE	SqueezeNet, 2D U-Net	medical image	69名患者（37名男性，平均年龄51.6岁）的146次2D MRE扫描，共897幅MRE幅度切片
37	2025-08-11	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	开发并评估了一种基于深度学习的模型，用于利用双参数MRI（bpMRI）对临床显著性前列腺癌（csPCa）进行分类，并评估其在优化MRI协议选择方面的潜力	提出了一种基于3D ResNet-50架构的深度学习模型，能够实时在MRI工作流程中提供分类结果，优化资源利用	研究样本量虽然较大，但前瞻性和回顾性队列的样本量相对较小，可能影响模型的泛化能力	开发一种深度学习模型，用于前列腺癌的风险分层和MRI扫描协议的个性化选择	前列腺癌患者	数字病理学	前列腺癌	双参数MRI（bpMRI）和深度学习	3D ResNet-50	MRI图像	训练和验证集包含26,129例前列腺MRI研究，回顾性队列151例患者，前瞻性队列142例患者
38	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
39	2025-08-11	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	research paper	提出了一种名为StarVasc的轻量级无监督血管对比增强框架，用于机器人手术视觉系统	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，并引入了星形操作模块和光谱特征增强模块，实现了高维特征扩展和血管细节的精细优化	未提及具体的手术环境适应性测试或与其他硬件集成的兼容性问题	开发一种无需专用硬件的自适应血管对比增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术视觉系统中的血管图像	computer vision	NA	生成对抗网络	GAN	image	未提及具体样本数量
40	2025-08-11	Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set 2025-Aug-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02399 PMID:40783839	research paper	本文提出了一种利用机器学习方法预测有机化合物水溶性的模型，基于一个从四个不同来源合并的精选数据集	采用多种机器学习和深度学习模型结合化学描述符、指纹和功能基团，以提高水溶性预测的准确性和泛化能力	模型仅在Huuskonen数据集上进行了测试，可能在其他数据集上的泛化能力有待验证	预测有机化合物的水溶性，以支持药物开发和材料科学等应用	有机化合物	machine learning	NA	machine learning, deep learning	多种机器学习和深度学习模型	化学描述符、指纹和功能基团数据	1282种独特的有机化合物