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
501	2025-07-17	SegCSR: WEAKLY-SUPERVISED CORTICAL SURFACES RECONSTRUCTION FROM BRAIN RIBBON SEGMENTATIONS 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10980662 PMID:40655953	research paper	提出了一种名为SegCSR的弱监督方法，用于从大脑MRI带状分割中重建多个皮质表面	SegCSR通过联合学习微分同胚流来对齐表面与皮质带状分割图的边界，无需依赖传统CSR流程生成的伪地面真值作为监督	方法在具有挑战性的深皮质沟中的pial表面可能需要进一步优化	开发一种不依赖伪地面真值的皮质表面重建方法	大脑MRI带状分割	digital pathology	NA	MRI	深度学习	image	两个大规模大脑MRI数据集
502	2025-07-17	De novo design of self-assembling peptides with antimicrobial activity guided by deep learning 2025-Mar-14, Nature materials IF:37.2Q1 DOI:10.1038/s41563-025-02164-3 PMID:40087536	research paper	本文介绍了一种基于深度学习的自组装抗菌肽的设计方法，用于解决细菌耐药性问题	整合非天然氨基酸增强肽自组装，并通过深度学习预测功能活性，无需大量实验标注	NA	设计具有抗菌功能的自组装肽材料	自组装肽及其抗菌活性	machine learning	bacterial infection	deep learning	NA	NA	小鼠肠道细菌感染模型
503	2025-07-17	Deep Learning for Protein-Ligand Docking: Are We There Yet? 2025-Feb-09, ArXiv PMID:38827451	研究论文	本文介绍了PoseBench，首个用于蛋白质-配体对接的全面基准测试，旨在评估深度学习方法在蛋白质-配体对接和结构预测中的应用	首次系统地研究了最新对接和结构预测方法在预测蛋白质结构、多配体结合和无结合口袋知识的情况下的表现，并引入了首个多配体基准数据集	深度学习方法在预测新蛋白质序列或多配体蛋白质目标时，难以平衡结构准确性和化学特异性	评估深度学习方法在蛋白质-配体对接和结构预测中的实际应用效果	蛋白质-配体对接和结构预测方法	生物信息学	NA	深度学习	DL co-folding methods, AlphaFold 3	蛋白质结构数据	主要配体和多配体基准数据集
504	2025-07-17	Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography 2025-01, Radiology. Artificial intelligence DOI:10.1148/ryai.240017 PMID:39503602	研究论文	开发一种基于CT血管造影数据的深度学习模型，用于未破裂颅内动脉瘤的形态学测量，并通过多中心数据集验证其性能	提出了一种集成深度学习模型（IDL），能够同时进行未破裂颅内动脉瘤的检测、分割和形态学测量，并验证了其辅助初级放射科医生提高测量性能的能力	研究为回顾性设计，可能受到选择偏倚的影响	开发并验证用于未破裂颅内动脉瘤形态学分析的深度学习模型	未破裂颅内动脉瘤患者和对照组人群	数字病理学	颅内动脉瘤	CT血管造影（CTA）	nnU-Net算法	医学影像	训练集包含1182名动脉瘤患者和578名对照者，外部测试集包含535名动脉瘤患者
505	2025-07-17	Comprehensive Management of Intracranial Aneurysms Using Artificial Intelligence: An Overview 2025-01, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.10.108 PMID:39521404	review	本文综述了人工智能在颅内动脉瘤综合管理中的最新进展，包括检测、分割、破裂风险评估和治疗结果预测等方面	利用深度学习算法，AI在精确识别和分割动脉瘤方面展现出卓越能力，显著提高了诊断的敏感性和准确性，并能预测动脉瘤的生长、破裂风险和预后情况	文章简要讨论了临床AI部署面临的挑战和未来发展方向，但未具体说明当前技术的局限性	优化颅内动脉瘤的临床管理，提高诊断和治疗效果	颅内动脉瘤（IAs）及其相关临床管理	digital pathology	cardiovascular disease	deep learning	NA	image	NA
506	2025-07-17	Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders 2025, Statistics in biopharmaceutical research IF:1.5Q2 DOI:10.1080/19466315.2024.2368787 PMID:40621507	研究论文	本文提出了一种名为NIMIWAE的新型VAE架构，用于处理生物医学数据中的不可忽略缺失数据问题	NIMIWAE是首批能够灵活处理训练时输入特征中可忽略和不可忽略缺失模式的VAE架构之一	NA	解决生物医学数据中缺失数据对深度学习方法的挑战	生物医学数据集中的缺失数据	机器学习	NA	变分自编码器(VAE)	NIMIWAE (基于VAE的新型架构)	高维不完整数据集	12,000名ICU患者的电子健康记录(EHR)数据集
507	2025-07-17	Deep learning analysis of long COVID and vaccine impact in low- and middle-income countries (LMICs): development of a risk calculator in a multicentric study 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1416273 PMID:40642241	研究论文	本研究利用深度学习分析低收入和中等收入国家（LMICs）中长期COVID症状及疫苗影响，并开发了一个多中心研究中的风险计算器	首次在LMICs中应用自监督和无监督深度神经网络分析长期COVID症状，并开发GBM模型预测慢性疲劳综合征、抑郁和长期COVID症状的风险	研究样本仅来自LMICs，可能无法完全代表全球情况	填补关于COVID-19急性和慢性症状、疫苗接种影响及相关因素的知识空白	18岁及以上COVID-19检测阳性的患者	机器学习	COVID-19	自监督和无监督深度神经网络	GBM	问卷数据	2445名参与者
508	2025-07-17	Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1564095 PMID:40656047	研究论文	本研究结合加权基因共表达网络分析（WGCNA）和随机森林算法，探索抑郁症小鼠模型的神经生物学特征	首次将WGCNA与随机森林算法结合，识别与抑郁症发病密切相关的关键基因，为早期诊断和精准治疗提供理论支持和潜在生物标志物	研究仅基于小鼠模型，结果在人类中的适用性需要进一步验证	探索抑郁症的神经生物学特征并识别相关关键基因	抑郁症小鼠模型	机器学习	抑郁症	WGCNA, RNA-seq	随机森林	基因表达数据	来自公共GEO数据集（如GSE102556）的抑郁症相关小鼠模型基因表达数据
509	2025-07-17	A deep learning software tool for automated sleep staging in rats via single channel EEG 2025, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-025-00035-y PMID:40656054	research paper	开发了一种基于深度学习的软件工具，用于通过单通道EEG自动对大鼠的睡眠阶段进行分类	使用深度学习模型自动化睡眠阶段分类，减少人工标注的劳动强度，并提供大量专家评分的睡眠数据供公共使用	研究仅基于16只大鼠的数据，样本量相对较小	开发一种自动化的方法，用于分类大鼠的三种睡眠阶段（REM/反常睡眠、NREM/慢波睡眠和清醒状态）	大鼠的睡眠阶段	machine learning	NA	EEG	DNN	EEG信号	16只大鼠，每只进行两次24小时记录
510	2025-07-17	Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images 2025, Cancer management and research IF:2.5Q3 DOI:10.2147/CMAR.S507943 PMID:40656136	研究论文	本研究探讨了基于超声的放射组学、深度学习和结合深度学习的放射组学模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性和准确性	结合深度学习和放射组学模型，提高了区分甲状腺乳头状癌和甲状腺微小乳头状癌的能力	研究样本来自两家医院，可能存在一定的选择偏倚	减少甲状腺微小乳头状癌的过度治疗风险	甲状腺乳头状癌和甲状腺微小乳头状癌患者	数字病理学	甲状腺癌	超声成像	VGG13, VGG16, VGG19, AlexNet, EfficientNet	图像	549名患者（180例甲状腺乳头状癌和436例甲状腺微小乳头状癌结节）
511	2025-07-17	A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1601815 PMID:40656161	研究论文	本研究使用基于nnU-Net的自动分割方法，对3D FLAIR MRI图像中的FCD II型病变进行分割	采用自动切片选择方法，通过峰值体素强度对轴向FLAIR切片进行排序，并保留每个扫描中排名前五的切片，使网络专注于富含病变的切片	研究样本量较小，仅包含85名FCD II型患者	提高癫痫患者病灶检测的准确性和速度，以改善术前评估和治疗效果	FCD II型病变的3D FLAIR MRI图像	数字病理学	癫痫	3D FLAIR MRI	nnU-Net	图像	85名FCD II型患者
512	2025-07-17	Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure 2025, Journal of reliable intelligent environments DOI:10.1007/s40860-025-00253-3 PMID:40656511	研究论文	提出了一种新型动态网络安全风险管理框架，整合AI模型的可解释性和可解释性特征，以增强数字基础设施的安全性和韧性	整合动态参数如漏洞利用和资产依赖关系，采用混合AI模型（线性回归和深度学习）进行漏洞优先级排序，并引入AI模型的可解释性特征	未明确说明框架在实际组织环境中的适用性和部署挑战	提升网络安全风险管理的动态性和可解释性，以应对不断变化的网络威胁	数字基础设施的网络安全风险管理	机器学习	NA	混合AI模型（线性回归和深度学习）	线性回归, 深度学习	结构化数据（CVEjoin数据集）	使用广泛采用的CVEjoin数据集进行实验
513	2025-07-17	AllerTrans: a deep learning method for predicting the allergenicity of protein sequences 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf040 PMID:40656558	研究论文	开发了一种名为AllerTrans的深度学习方法，用于预测蛋白质序列的过敏性	结合两种蛋白质语言模型(pLMs)提取特征向量，并通过深度神经网络(DNN)进行分类，提高了预测的准确性和效率	未提及具体的数据集规模或多样性限制	预测蛋白质的过敏性，以替代传统昂贵且耗时的实验室测试	蛋白质序列	生物信息学	过敏性疾病	蛋白质语言模型(pLMs), 深度神经网络(DNN)	DNN, 集成模型	蛋白质序列	NA
514	2025-07-17	Artificial intelligence and machine learning techniques for predicting neuropathic pain in patients with cancer: A systematic review 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251358315 PMID:40656844	系统综述	本文系统评估了人工智能和机器学习技术在预测癌症患者神经病理性疼痛中的应用	首次系统综述了AI/ML在癌症相关神经病理性疼痛预测中的应用，并分析了模型性能、预测因子及局限性	方法学局限包括校准不足、外部验证率低(仅14%)和可解释性有限	评估AI/ML技术在预测肿瘤患者神经病理性疼痛及相关结局中的应用	癌症患者(主要集中于乳腺癌患者)	机器学习	癌症	AI/ML技术	随机森林、支持向量机(SVM)、深度学习架构	临床数据、情感数据、影像数据和分子数据	14项符合条件的研究(基于PRISMA 2020指南筛选)
515	2025-07-17	Advancing cardiac diagnostics: high-accuracy arrhythmia classification with the EGOLF-net model 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1613812 PMID:40656899	research paper	该研究提出了一种名为EGOLF-net的新型模型，用于高精度心律失常分类	结合增强型灰狼优化算法与LSTM融合网络，显著提升心电图信号处理的准确性和鲁棒性	研究仅基于MIT-BIH心律失常数据库，未在其他独立数据集上验证模型泛化能力	开发高精度心律失常自动诊断系统以辅助临床决策	心电图信号中的心律失常模式	数字病理学	心血管疾病	小波变换/统计特征提取	EGOLF-Net (Enhanced Gray Wolf Optimization with LSTM Fusion Network)	ECG信号	MIT-BIH心律失常数据库（具体样本量未说明）
516	2025-07-17	Cross-Scale Guidance Integration Transformer for Instance Segmentation in Pathology Images 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3555818 PMID:40657050	research paper	提出了一种用于病理图像中腺癌细胞实例分割的跨尺度引导集成Transformer方法	引入了跨尺度引导集成模块，整合多尺度特征，通过掩码注意力解码器更准确地分割不同大小的腺癌细胞	未提及具体的数据集大小或多样性限制	开发一种自动化的计算机辅助腺癌分级方法，减轻病理学家负担并提高可重复性	病理图像中的腺癌细胞	digital pathology	adenocarcinoma	deep learning	Transformer	image	两个公共腺癌细胞数据集
517	2025-07-17	Advances in Electroencephalography for Post-Traumatic Stress Disorder Identification: A Scoping Review 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3538498 PMID:40657059	综述	本文对利用脑电图(EEG)信号处理技术进行创伤后应激障碍(PTSD)诊断、鉴别和治疗的计算方法进行了范围综述	全面概述了从EEG采集到统计和机器学习技术的整个分析流程，并识别了Alpha波段和特定事件相关电位(ERP)在PTSD诊断中的优势	ERP使用存在局限，睡眠特征和全波段EEG研究不足，数据集代表性不够广泛	评估EEG信号处理技术在PTSD诊断、鉴别和治疗中的应用	创伤后应激障碍(PTSD)患者(主要研究人群为退伍军人和战斗人员)	生物医学信号处理	精神疾病/创伤后应激障碍	EEG信号处理(包括EEG频段分析和事件相关电位ERP)	SVM(监督学习), Random Forest(多模态模型), 无监督聚类	EEG信号数据(部分研究整合ECG、GSR、语音等多模态数据)	共分析73项研究(52项诊断研究，8项鉴别研究，15项治疗研究)，仅3项研究报告了开放数据集
518	2025-07-17	NDL-Net: A Hybrid Deep Learning Framework for Diagnosing Neonatal Respiratory Distress Syndrome From Chest X-Rays 2025, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2025.3548613 PMID:40657060	research paper	介绍了一种名为NDL-Net的混合深度学习框架，用于从胸部X光片中诊断新生儿呼吸窘迫综合征	结合了MobileNetV3 Large和ResNet50进行图像处理和复杂模式检测，并引入LSTM层分析时间变化以提高预测准确性	未提及具体的数据集来源或样本多样性限制	提高新生儿呼吸窘迫综合征的诊断准确性和及时性	新生儿胸部X光片	digital pathology	neonatal respiratory distress syndrome	deep learning	MobileNetV3 Large, ResNet50, LSTM	image	未明确提及具体样本数量
519	2025-07-17	Prostate cancer classification using 3D deep learning and ultrasound video clips: a multicenter study 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1582035 PMID:40657247	研究论文	本研究评估了使用深度学习模型和经直肠超声（TRUS）视频片段预测前列腺癌的有效性	首次将3D深度学习模型（I3D）应用于TRUS视频片段进行前列腺癌分类，并在多中心研究中验证其性能	样本来源仅限于使用特定型号超声诊断机器的患者，可能影响模型的泛化能力	评估深度学习模型在前列腺癌分类中的有效性	接受经直肠超声检查的男性患者	数字病理学	前列腺癌	TRUS	I3D, ResNet 50	视频	815名男性（开发集552人，内部测试集93人，外部测试集1为96人，外部测试集2为74人）
520	2025-07-17	Deep Learning-Based Automatic Diagnosis System for Developmental Dysplasia of the Hip 2025, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2025.3560877 PMID:40657528	research paper	开发了一种基于深度学习的自动诊断系统，用于提高发育性髋关节发育不良（DDH）诊断的准确性和一致性	引入了端到端深度学习模型进行关键点检测，并提出了一种新颖的数据驱动评分系统，整合三个关键角度信息以提供全面且可解释的诊断输出	研究未提及模型在不同年龄段或不同严重程度DDH患者中的泛化能力	提高DDH诊断的准确性和一致性	骨盆X光片中的八个解剖关键点	digital pathology	developmental dysplasia of the hip	deep learning-based keypoint detection	end-to-end deep learning model	image	未明确提及样本数量，但与8名中等经验骨科医生进行了比较