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
4161	2025-07-14	Deep learning on routine full-breast mammograms enhances lymph node metastasis prediction in early breast cancer 2025-Jul-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01831-8 PMID:40640522	research paper	该研究利用深度学习技术分析常规乳腺X光片，以提高早期乳腺癌淋巴结转移的预测准确性	首次将深度学习应用于常规全乳X光片，结合临床变量显著提升了淋巴结转移的预测性能	研究为回顾性设计，样本仅来自瑞典三家机构，可能影响结果的普适性	开发术前预测乳腺癌淋巴结转移的影像学模型，为手术降级提供依据	1265名cN0 T1-T2期乳腺癌患者（接受初次手术，未进行新辅助治疗）	digital pathology	breast cancer	deep learning	CNN	image	1265例患者的乳腺X光片和临床病理数据
4162	2025-07-14	Rprot-Vec: a deep learning approach for fast protein structure similarity calculation 2025-Jul-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-025-06213-1 PMID:40640710	research paper	提出了一种名为Rprot-Vec的深度学习模型，用于基于蛋白质一级序列数据快速预测蛋白质结构相似性和进行同源检测	结合双向GRU和多尺度CNN层与ProtT5编码，仅使用一级序列数据即可准确快速预测蛋白质结构相似性，参数数量仅为TM-vec的41%但性能更优	未明确提及具体局限性	开发一种高效、可扩展的基于序列的蛋白质结构相似性预测方法	蛋白质序列和结构	computational biology	NA	deep learning	bidirectional GRU, multi-scale CNN, ProtT5	protein sequence data	三个精选训练数据集(CATH_TM_score_S/M/L)
4163	2025-07-14	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-Jul-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	该研究开发了一种基于注意力的多模态深度学习模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	结合了3D卷积神经网络和自注意力机制，以捕捉空间和跨模态的交互，提高了模型的可解释性和跨机构的泛化能力	模型的预测性能仍有提升空间，AUC值在内部和外部验证集上分别为0.73和0.71	预测乳腺癌患者对新辅助化疗的病理完全缓解（pCR）	乳腺癌患者	数字病理学	乳腺癌	MRI成像和临床特征分析	3D CNN和自注意力机制	医学影像和临床数据	I-SPY 2试验数据集（N=660）和I-SPY 1数据集（N=114）
4164	2025-07-14	Noise-inspired diffusion model for generalizable low-dose CT reconstruction 2025-Jul-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103710 PMID:40651065	研究论文	提出了一种受噪声启发的扩散模型NEED，用于通用低剂量CT重建，通过双域重建策略提高重建质量和泛化性能	设计了移位泊松扩散模型和对偶引导扩散模型，分别针对投影数据和重建图像进行优化，无需配对数据训练即可适应不同剂量水平	未明确说明模型在极端低剂量情况下的表现及计算效率	提升深度学习模型在未见剂量水平的低剂量CT重建中的泛化能力	低剂量CT图像重建	数字病理	NA	扩散模型	NEED（噪声启发扩散模型）	CT图像	两个数据集（未明确具体数量）
4165	2025-07-14	TTI and pH-responsive dual colorimetric sensor arrays combined with a cascaded deep learning approach for dynamic monitoring of freshness of fresh-cut fruits 2025-Jul-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.145495 PMID:40651146	研究论文	开发了一种结合pH响应指示剂和时间温度积分器(TTIs)的双色比色传感器阵列，用于动态监测鲜切水果的新鲜度	结合pH响应指示剂和TTIs的双色比色传感器阵列，以及级联深度学习框架，显著提高了鲜切水果货架期预测的准确性	NA	解决冷链中温度波动和包装失效导致的鲜切水果货架期预测与实际腐败之间的差异问题	鲜切水果（芒果和猕猴桃）	机器视觉与深度学习	NA	双色比色传感器阵列，级联深度学习框架	YOLOv8, ResNet-18, 贝叶斯模型	图像	NA
4166	2025-07-14	SingleFrag: a deep learning tool for MS/MS fragment and spectral prediction and metabolite annotation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf333 PMID:40641047	研究论文	本文介绍了一种名为SingleFrag的深度学习工具，用于预测MS/MS碎片和光谱以及代谢物注释	SingleFrag通过单独预测每个碎片而非整个光谱，超越了现有最先进的计算机模拟碎片工具	NA	解决由于缺乏全面的参考光谱库而导致的代谢物和小分子鉴定困难	代谢物和小分子的MS/MS光谱	机器学习	NA	MS/MS	深度学习	光谱数据	三种先前未鉴定的人类样本中常见化合物
4167	2025-07-14	Chemical space visual navigation in the era of deep learning and Big Data 2025-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	综述	本文综述了在深度学习和大数据时代下，化学空间可视化导航的算法和工具的最新进展	探讨了这些方法如何应对大数据挑战，并讨论了非传统应用，如QSAR/QSPR模型的视觉验证、交互式生成方法以及化学空间地图作为数字艺术的使用	NA	分析大数据时代下药物化学领域的新挑战，并提出可视化化学空间的方法和工具	化学空间的可视化导航算法和工具	药物化学	NA	QSAR/QSPR模型	NA	化学结构数据	NA
4168	2025-07-14	AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis 2025-Jul, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105755 PMID:40479842	研究论文	本研究通过AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，以提高盆底功能障碍（PFDs）的诊断准确性	利用AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，其性能优于传统的Glazer标准和经典机器学习及深度学习模型	研究样本虽来自多个中心，但仍可能存在地域和人群的局限性	建立盆底表面肌电的多维数据库，并开发AI诊断模型以提高PFDs的诊断准确性	1605名来自中国21个中心的参与者	数字病理	盆底功能障碍	表面肌电图（sEMG）	AI-Diagnostician-PFD	肌电数据	1605名参与者
4169	2025-07-14	Deep operator network models for predicting post-burn contraction 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106558 PMID:40592205	research paper	本研究探讨了使用深度算子网络作为有限元模拟的替代模型，用于预测烧伤后伤口收缩	提出了一种改进的深度算子网络架构，通过整合初始伤口形状信息和应用正弦增强来加强边界条件	研究仅基于三种初始伤口形状进行训练，可能限制了模型的泛化能力	开发一种高效的方法来预测烧伤后伤口收缩，以辅助医疗治疗规划	烧伤后伤口收缩的预测	machine learning	burn injuries	deep operator network	neural operator	simulation data	基于三种初始伤口形状的训练集和测试集
4170	2025-07-14	Short-horizon neonatal seizure prediction using EEG-based deep learning 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000890 PMID:40644380	research paper	本研究探讨了基于定量脑电图（QEEG）和深度学习（DL）的短时程新生儿癫痫预测方法	首次研究了分钟级别的高时间分辨率短时程新生儿癫痫预测，填补了该领域的研究空白	模型校准效果中等，预期校准误差为0.106，需要进一步验证	开发短时程新生儿癫痫预测系统	新生儿癫痫发作	digital pathology	neurological disease	quantitative electroencephalography (QEEG)	ConvLSTM	EEG data	132名新生儿，共281小时EEG数据
4171	2025-07-14	Enhancing tremor classification: Transformer-based analysis of biomechanics patterns for Parkinson's and essential tremor 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106599 PMID:40578292	研究论文	使用基于Transformer的深度学习模型分析生物力学模式，以区分帕金森病和特发性震颤	首次采用Transformer模型结合多头注意力机制，从多传感器运动数据中解码动态运动任务中的生物力学模式	研究未涉及其他类型的震颤疾病，且样本量未明确说明	开发一个多类分类系统，用于区分特发性震颤、帕金森病和健康对照组	特发性震颤、帕金森病患者及健康对照组	机器学习	帕金森病	多传感器运动数据采集	Transformer	运动信号数据	NA
4172	2025-07-14	Pediatric pancreas segmentation from MRI scans with deep learning 2025-Jun-16, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.06.006 PMID:40645819	研究论文	本研究评估并验证了用于儿童胰腺MRI分割的深度学习算法PanSegNet，在急性胰腺炎、慢性胰腺炎及健康儿童中的表现	PanSegNet是首个经过验证的用于胰腺MRI分割的深度学习解决方案，在健康和疾病状态下均达到专家水平	研究样本量相对较小（84例MRI扫描），且数据来自单一机构	评估和验证深度学习算法在儿童胰腺MRI分割中的应用	2-19岁儿童，包括健康儿童及被诊断为急性或慢性胰腺炎的患者	数字病理学	胰腺炎	MRI扫描	深度学习算法（PanSegNet）	MRI图像	84例MRI扫描（42例健康儿童，42例胰腺炎患者）
4173	2025-07-14	Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests 2025-Jun-10, The journals of gerontology. Series B, Psychological sciences and social sciences DOI:10.1093/geronb/gbaf065 PMID:40197801	研究论文	本研究开发了一种基于深度学习神经网络的连续时钟绘图测试(CDT)评分方法，用于提高痴呆症分类的准确性	使用深度学习神经网络生成连续CDT评分，相比传统序数评分提供更细粒度的痴呆分类阈值，并针对不同人口群体调整阈值	研究样本虽然具有全国代表性，但可能仍需在更广泛人群中验证模型的普适性	提高痴呆症筛查的准确性和适应性	老年人群体(来自NHATS研究的全国代表性样本)	数字病理学	老年痴呆症	深度学习神经网络(DLNN)	Vision Transformer	图像(时钟绘图测试图像)	来自NHATS研究的全国代表性老年人样本(具体数量未明确说明)
4174	2025-07-14	Deep learning applications in orthopaedics: a systematic review and future directions 2025 May-Jun, Acta ortopedica mexicana PMID:40645786	系统综述	本文综述了人工智能和深度学习在骨科中的应用，并探讨了未来的研究方向	分析了当前AI和深度学习工具在骨科领域的应用，识别了最常用的工具和方法	研究间异质性高，方法和术语差异大，可能导致对诊断准确性的高估	分析AI和深度学习在骨科风险、结果评估、影像学和基础科学领域的应用	骨科领域的影像评估、脊柱手术、结果评估、基础AI骨科教育和基础科学应用	数字病理	骨科疾病	深度学习	CNN	影像	595项研究（包括281项影像评估、102项脊柱手术、95项结果评估、84项基础AI骨科教育和33项基础科学应用）
4175	2025-07-14	Mitosis detection in histopathological images using customized deep learning and hybrid optimization algorithms 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327567 PMID:40638590	research paper	该论文提出了一种定制化深度学习模型（CDL）用于组织病理学图像中的有丝分裂检测，结合了迁移学习和混合优化算法以提高检测准确性	创新点包括使用迁移学习应对类别不平衡问题，引入跳跃连接改善有丝分裂定位，以及结合JSO和WOA混合优化算法最大化模型动量	未来研究方向包括融合方法、实时应用的时间效率问题，以及将CDL扩展到其他组织病理学分析领域	提高组织病理学图像中有丝分裂检测的准确性，以辅助癌症诊断和预后评估	组织病理学图像中的有丝分裂细胞	digital pathology	cancer	deep learning, transfer learning, hybrid optimization algorithms	CNN with skip connections	histopathological images	多个公开可用的有丝分裂检测数据集（包括Mitosis WSI CCMCT Training Set、Mitosis-AIC等）
4176	2025-07-14	Nuclei segmentation and classification from histopathology images using federated learning for end-edge platform 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322749 PMID:40638627	研究论文	该研究提出了一种结合分割和分类的深度学习框架，用于增强组织病理学图像中的细胞核评估	采用基于FedAvg的联邦学习方案保护数据隐私，并应用全整数量化以减少边缘设备上的计算开销	未提及具体的数据集规模或多样性限制	提高组织病理学图像中细胞核分割和分类的准确性和效率	组织病理学图像中的细胞核	数字病理学	癌症	联邦学习、全整数量化	SegNet、DenseNet121	图像	NA
4177	2025-07-14	Multi-scale time series prediction model based on deep learning and its application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325474 PMID:40638666	研究论文	提出了一种基于深度学习的多尺度时间序列预测模型MSCALSTM，用于提高交通流预测的准确性和鲁棒性	结合了多尺度卷积神经网络(MSCNN)、多尺度卷积块注意力模块(MSCBAM)和LSTM，能够有效捕捉时间序列数据中的多尺度动态模式并自适应关注关键特征	未提及模型在更广泛数据集上的表现或计算效率方面的限制	提高时间序列预测的准确性，特别是在交通流预测领域	时间序列数据，特别是交通流数据	机器学习	NA	深度学习	MSCALSTM (结合MSCNN, MSCBAM和LSTM)	时间序列数据	来自加州性能测量系统(PEMS)的数据集，未提及具体样本数量
4178	2025-07-14	Optimizing EV charging stations and power trading with deep learning and path optimization 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325119 PMID:40644458	研究论文	本研究提出了一种结合深度学习、强化学习、路径优化和电力交易策略的综合框架，以应对电动汽车快速增长带来的电网管理挑战	整合了LSTM模型、DQN和Dijkstra算法，显著提升了充电需求预测准确性、充电站布局优化效果及用户出行时间效率	未提及具体实施地域范围及不同气候/交通条件下的适用性验证	优化电网对电动汽车充电需求的管理能力并提升充电基础设施布局效率	电动汽车充电站网络与区域电力交易系统	机器学习	NA	LSTM, DQN, Dijkstra算法	深度学习（LSTM）, 强化学习（DQN）	时间序列数据、空间位置数据、电力交易数据	未明确说明具体样本量（涉及区域EV充电需求数据）
4179	2025-07-14	Deep learning in the diagnosis of maxillary sinus diseases: a systematic review 2024-09-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twae031 PMID:38995816	系统综述	本文评估了深度学习在上颌窦疾病检测、分类和分割中的性能	系统综述了深度学习在上颌窦疾病诊断中的应用，涵盖了多种任务类型和模型组合	仅纳入了截至2024年2月7日发表的英文论文，可能存在发表偏倚	评估深度学习在上颌窦疾病诊断中的性能	上颌窦疾病	数字病理	上颌窦疾病	深度学习	多种DL模型组合	放射影像	14项符合纳入标准的研究（共1167项初步检索结果）
4180	2025-07-14	Pilot Analysis of Surgeon Instrument Utilization Signatures Based on Shannon Entropy and Deep Learning for Surgeon Performance Assessment in a Cadaveric Carotid Artery Injury Control Simulation 2023-Dec-01, Operative neurosurgery (Hagerstown, Md.) DOI:10.1227/ons.0000000000000888 PMID:37655892	研究论文	本研究通过香农熵和深度学习分析外科医生在模拟颈动脉损伤控制中的器械使用特征，以评估其手术表现	首次将香农熵应用于手术器械使用序列的多样性量化，并结合深度学习模型预测手术表现	研究基于模拟尸体环境，结果可能无法完全反映真实手术场景	开发自动化、定量化的手术表现评估方法以改进外科培训	外科医生在内镜经鼻颈动脉撕裂模拟手术中的器械使用模式	数字病理	心血管疾病	深度学习	CNN	视频	公开可用的灌注尸体模拟器手术视频数据集