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
4361	2025-03-26	Histopathology based AI model predicts anti-angiogenic therapy response in renal cancer clinical trial 2025-Mar-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-57717-6 PMID:40097393	research paper	开发了一种基于组织病理学的AI模型，用于预测肾癌患者对抗血管生成治疗的反应	提出了一种可解释的深度学习模型，直接从普遍可用的组织病理学切片预测Angioscore，克服了现有方法的成本和标准化问题	未提及模型在其他癌症类型中的适用性或大规模临床验证的细节	预测肾癌患者对抗血管生成治疗的反应，寻找更有效的生物标志物	转移性透明细胞肾细胞癌（ccRCC）患者	digital pathology	renal cancer	deep learning	DL	image	多个队列中的患者数据（具体数量未提及）
4362	2025-03-26	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	research paper	本研究比较了商业深度学习算法（DLA）和放射科医师在前列腺癌检测中的诊断性能，并验证了DLA在活检环境中的潜在应用价值	前瞻性验证了商业深度学习算法在前列腺癌检测中的性能，并探索了DLA与放射科医师解读结果相结合的应用场景	研究样本量相对有限（205名患者），且仅在两个医疗中心进行	比较深度学习算法与放射科医师在前列腺癌检测中的诊断性能	疑似前列腺癌并计划进行活检的患者	digital pathology	prostate cancer	biparametric MRI	DLA（深度学习算法）	MRI影像	205名男性患者（年龄中位数68岁），共评估259个病灶
4363	2025-03-26	LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions 2025-Mar-01, The Review of scientific instruments DOI:10.1063/5.0231737 PMID:40130984	research paper	提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中自动检测抑郁症	整合了CNN提取的局部属性和transformer提取的全局模式，特别设计了特征对齐模块来解决CNN和transformer特征集之间的差异	仅在AVEC2013和AVEC2014两个专用抑郁症数据库上进行了测试，未在其他数据集上验证	自动抑郁症检测(ADD)	面部表情	affective computing	depression	deep learning	LOGLFormer (结合CNN和transformer)	facial expression data	两个专用抑郁症数据库: AVEC2013和AVEC2014
4364	2025-03-26	Detection of deterministic and chaotic signals on the basis of the LSTM model training results 2025-Mar-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0224768 PMID:40131283	研究论文	本文提出了一种基于LSTM模型训练结果的信号分类新方法，用于检测动态信号中的混沌行为	该方法基于学习确定性行为比混沌行为更容易的假设，利用简单的LSTM神经网络计算信号中的'混沌量'，无需预先训练数据	方法的有效性仅在公开可用的混沌和确定性信号数据集上进行了验证，可能需要更多样化的数据集进一步测试	提供一种替代传统LLE计算的混沌信号检测方法	动态信号（混沌和确定性信号）	机器学习	NA	LSTM神经网络	LSTM	动态信号数据	公开可用的混沌和确定性信号数据集
4365	2025-03-26	Human sleep position classification using a lightweight model and acceleration data 2025-Feb-10, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-025-03247-w PMID:39928075	研究论文	本研究介绍了一种便携式可穿戴设备，使用单个加速度计监测12种睡眠姿势，旨在帮助轻度胃食管反流病（GERD）患者改善睡眠质量和反流症状	开发了AnpoNet轻量级深度学习模型，结合1D-CNN和LSTM，优化了BN和Dropout，用于睡眠姿势分类	样本量较小（15名参与者），未来需要扩大队列研究和延长监测时间	开发便携式设备，用于家庭环境下非侵入性连续睡眠姿势监测	轻度胃食管反流病（GERD）患者	机器学习	胃食管反流病	加速度计数据采集	1D-CNN和LSTM结合模型	加速度数据	15名参与者，每人记录12种睡眠姿势各1分钟（采样频率50Hz）
4366	2025-03-26	Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort 2025-Feb-04, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	research paper	利用Google街景图像和深度学习技术分析居住区建筑环境特征与心血管疾病风险的关系	首次结合Google街景图像和深度学习技术，大规模分析建筑环境特征与心血管疾病风险的潜在关联	研究结果需要在其他地区进行验证，且需要进一步探讨潜在机制	探究居住区建筑环境特征（如绿化带和人行道）与心血管疾病风险的关系	美国俄亥俄州东北部49,887名居民的居住环境及心血管事件数据	computer vision	cardiovascular disease	deep learning	CNN	image	49,887名居民，其中2,083人发生重大心血管不良事件
4367	2025-03-26	Artificial Intelligence and Early Detection of Breast, Lung, and Colon Cancer: A Narrative Review 2025-Feb, Cureus DOI:10.7759/cureus.79199 PMID:40125138	综述	本文综述了人工智能在乳腺癌、肺癌和结肠癌早期检测中的应用及其革命性影响	强调了深度学习算法在提高癌症筛查敏感性和精确度方面的创新应用，特别是在乳腺癌风险分层和治疗规划、结肠癌息肉检测以及肺癌早期筛查中的进展	面临数据标准化、模型泛化及临床工作流程整合等挑战，需通过协作研究、增强数据集多样性和提高AI模型可解释性来解决	探讨人工智能如何优化乳腺癌、肺癌和结肠癌的早期检测与诊断流程	乳腺癌、肺癌和结肠癌的筛查与诊断	数字病理学	乳腺癌、肺癌、结肠癌	深度学习	CNN	影像数据	NA
4368	2025-03-26	A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits 2025-Jan-21, ArXiv PMID:39398212	research paper	提出了一种可微分的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路	利用深度学习的最新突破，开发了Gillespie算法的完全可微分变体，通过平滑函数近似不连续操作，允许使用反向传播计算梯度	未明确提及具体限制	开发一种可微分的Gillespie算法，用于快速准确地学习动力学参数和设计具有所需特性的生化网络	化学反应网络和基因启动子的随机模型	合成生物学	NA	可微分Gillespie算法（DGA）	NA	实验测量的mRNA表达水平数据	两种不同的启动子
4369	2025-03-26	Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion 2025 Jan-Dec, Acute medicine & surgery IF:1.5Q2 DOI:10.1002/ams2.70049 PMID:40018053	研究论文	开发了一个基于深度学习的全自动系统，用于精确检测胆囊，帮助临床医生快速评估需要胆囊切除术的急性胆囊炎	首次利用CT图像而非超声图像进行急性胆囊炎的AI诊断，减少了由医生捕捉静态图像带来的选择偏差	需要进一步的临床验证	开发一个全自动系统，用于精确检测胆囊并辅助诊断急性胆囊炎	急性胆囊炎患者和对照参与者的CT图像	数字病理学	胆囊炎	深度学习	VGG-16, U-Net	CT图像	250名急性胆囊炎患者和270名对照参与者
4370	2025-03-26	ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70010 PMID:40119615	研究论文	本文提出了一种基于双通道深度学习的抗癌肽预测模型ACP-DPE	提出了一种结合Bi-GRU模块和扩张卷积模块的双通道深度学习模型，用于抗癌肽预测，性能优于现有方法	未提及具体的数据集规模和模型在其他类型癌症肽预测上的泛化能力	开发一种高效的抗癌肽预测方法以辅助癌症治疗研究	抗癌肽(ACPs)	机器学习	癌症	深度学习	Bi-GRU, 扩张卷积	肽序列数据	NA
4371	2025-03-26	Gross tumor volume confidence maps prediction for soft tissue sarcomas from multi-modality medical images using a diffusion model 2025-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100734 PMID:40123775	研究论文	本研究开发了一种基于扩散模型的深度学习技术，用于从多模态医学图像中预测软组织肉瘤的肿瘤体积置信图	首次使用扩散模型预测软组织肉瘤的肿瘤体积置信图，并考虑了读者间的变异性	样本量较小（49例患者），且仅针对软组织肉瘤	开发高精度的自动分割技术以减少放疗计划中手动勾画肿瘤体积的变异性	软组织肉瘤患者的FDG-PET、CT和MRI图像	数字病理	软组织肉瘤	扩散模型	扩散模型	多模态医学图像（FDG-PET、CT、MRI）	49例患者的多模态影像数据
4372	2025-03-26	Artificial intelligence in obstructive sleep apnea: A bibliometric analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251324446 PMID:40123882	研究论文	通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向	首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势	仅基于Web of Science数据库，可能遗漏其他重要文献来源	探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势	2011-2024年间发表的867篇关于AI在OSA中应用的文献	数字病理学	阻塞性睡眠呼吸暂停	文献计量分析	NA	文献数据	867篇文献
4373	2025-03-26	Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation 2025, American journal of cardiovascular disease DOI:10.62347/YQHQ1079 PMID:40124093	研究论文	本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势	AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异	NA	比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用	Brugada综合征（BrS）及其相关基因变异	机器学习	心血管疾病	深度学习	深度学习模型	ECG数据、基因数据	NA
4374	2025-03-26	Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches 2025, American journal of neurodegenerative disease DOI:10.62347/DZNQ2482 PMID:40124352	系统综述	本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法	突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势	仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术	评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发	神经退行性疾病中的脑结构变化	机器学习	神经退行性疾病	曲率估计技术	神经网络回归, CNN	神经影像数据	105篇研究论文
4375	2025-03-26	Improved food recognition using a refined ResNet50 architecture with improved fully connected layers 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101005 PMID:40124390	research paper	本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性	开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳	未明确说明模型在其他食物类别或不同环境下的泛化能力	评估食物识别系统在医院和餐厅环境中对人体健康的影响	16类食物（分为早餐、午餐和晚餐）	computer vision	NA	深度学习算法	ResNet50	image	初始12,000张图像，通过数据增强扩展到66,000张
4376	2025-03-26	Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging 2025, American journal of nuclear medicine and molecular imaging IF:2.0Q3 DOI:10.62347/MLFB9278 PMID:40124765	研究论文	提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像	利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求	2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差	优化心肌灌注SPECT成像的采集时间和成像质量	心肌灌注SPECT成像	数字病理	心血管疾病	SPECT/CT扫描	U-Net（2D和3D）	图像	116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集）
4377	2025-03-26	Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1558997 PMID:40124951	研究论文	本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级	提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征	研究为双中心回顾性研究，样本量相对有限(100例患者)	开发非侵入性肾细胞癌WHO/ISUP核分级方法	肾细胞癌患者	数字病理	肾细胞癌	CEUS和B型超声	MUF-Net(多模态深度学习模型)	超声视频和图像	100例患者的6293张超声图像
4378	2025-03-26	Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography 2025, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S501316 PMID:40125481	研究论文	开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜	首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD)	存在少量误分类情况，有7例RD被错误标记为PVD	提高在超声检查中识别和区分附着于视盘的膜的准确性	眼部超声B扫描图像	计算机视觉	眼科疾病	超声检查(USG)	Vision Transformer (ViT)	图像	训练和验证集505个样本，测试集212个样本
4379	2025-03-26	[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review] 2025, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.25-0303 PMID:40128957	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4380	2025-03-26	Deep learning on CT scans to predict checkpoint inhibitor treatment outcomes in advanced melanoma 2024-12-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81188-2 PMID:39738216	research paper	该研究首次探讨了利用深度学习分析CT影像预测晚期黑色素瘤免疫检查点抑制剂治疗结果的价值	首次将深度学习应用于CT影像分析以预测晚期黑色素瘤的免疫检查点抑制剂治疗效果	深度学习模型未能显著超越已知临床预测因子的预测效果	探索CT影像深度学习模型预测晚期黑色素瘤免疫治疗效果的可行性	接受免疫检查点抑制剂治疗的晚期黑色素瘤成年患者	digital pathology	melanoma	CT imaging	DLM (deep learning model)	CT images	730名患者共2722个病灶