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	2025-09-18	Deep learning applied in epilepsy: Bibliometric and visual analysis 2025 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251375840 PMID:40949669	文献计量分析	本研究通过文献计量和可视化方法分析深度学习在癫痫领域的应用趋势、热点及前沿发展	首次采用文献计量学方法对深度学习在癫痫领域的研究进行系统性可视化分析，揭示研究热点和前沿方向	仅纳入英文文献，数据来源限于Web of Science核心合集，可能存在文献覆盖不全	填补深度学习在癫痫领域文献计量分析的空白，指导未来研究方向	2006至2025年间发表的1266篇相关研究论文和综述	自然语言处理	癫痫	文献计量分析（CiteSpace, VOSviewer, Bibliometrix）	NA	文本数据（科学文献）	1266篇论文，来自290个国家/地区的1957个机构
502	2025-09-18	Single-scan adaptive graph filtering for dynamic PET denoising by exploring intrinsic spatio-temporal structure 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1659122 PMID:40950959	研究论文	提出一种基于自适应时空图滤波的动态PET去噪方法，无需外部训练数据，直接利用单次扫描数据进行去噪	首次将图信号空间表示应用于动态PET去噪，通过自适应构建图滤波器挖掘数据内在时空结构，实现无需先验训练的单扫描去噪	未提及方法在极端噪声条件下的性能表现或计算效率方面的具体限制	提升动态PET图像质量，通过去噪改善信号噪声分离效果	动态PET扫描数据（正弦图）	医学图像处理	NA	时空图滤波（ST-GF）	图信号处理	医学影像（动态PET正弦图）	模拟和真实数据集（未指定具体数量）
503	2025-09-18	Lightweight CNN for accurate brain tumor detection from MRI with limited training data 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1636059 PMID:40950994	研究论文	本研究开发了一种轻量级CNN模型，用于在有限MRI数据条件下实现高精度脑肿瘤检测	在少量训练数据（仅189张图像）下实现99%准确率的轻量化CNN架构，优于使用1800张图像的基线模型	数据集规模较小（189张图像），未来需要扩展数据量并整合可解释AI	开发数据有限条件下的精准脑肿瘤早期检测深度学习模型	脑部MRI图像	计算机视觉	脑肿瘤	MRI成像	CNN	灰度图像	189张脑部MRI图像（类别平衡）
504	2025-09-18	Comparative analysis of multimodal architectures for effective skin lesion detection using clinical and image data 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1608837 PMID:40951333	研究论文	提出并评估了一种融合皮肤镜图像与临床元数据的多模态框架，用于皮肤病变分类	开发了新颖的多模态数据融合框架，系统整合临床元数据与图像，并比较多种融合策略（包括交叉注意力机制）	存在类别不平衡问题，且高级融合方法计算复杂度较高，需进一步研究	提升皮肤病变分类的准确性和诊断效果	皮肤病变	计算机视觉	皮肤癌	多模态数据融合，Grad-CAM可视化	ResNet, MLP, 自注意力机制，交叉注意力融合	图像，临床元数据	HAM10000数据集
505	2025-09-18	Multi-omics modality completion and knowledge distillation for drug response prediction in cervical cancer 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1622600 PMID:40951335	研究论文	提出一种结合多模态补全与知识蒸馏的深度学习框架MKDR，用于提升宫颈癌药物反应预测的准确性	整合变分自编码器进行模态补全，并利用知识蒸馏将完整样本信息迁移至不完整样本	NA	提高宫颈癌个性化治疗中药效预测的精度	宫颈癌细胞系的多组学数据	机器学习	宫颈癌	多组学数据分析	变分自编码器(VAE)与知识蒸馏	多组学数据（基因表达、拷贝数变异、突变数据）	宫颈癌细胞系数据（具体数量未明确说明）
506	2025-09-18	Development of fully automated deep-learning-based approach for prediction of sentinel lymph node metastasis in breast cancer patients using ultrasound imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1592521 PMID:40951361	研究论文	开发基于深度学习的全自动方法，利用超声图像预测乳腺癌患者前哨淋巴结转移	提出融合多种分割算法（DeepLabV3、U-Net、U-Net++）和CNN模型（ResNet50、ResNet101、DenseNet121）的集成预测模型，并首次结合深度学习特征与临床因素构建预测列线图	回顾性研究设计，样本仅来自两家医院（共692例患者），需要进一步多中心验证	开发自动化工具辅助乳腺癌前哨淋巴结转移的临床预测	乳腺癌患者的前哨淋巴结超声图像	数字病理	乳腺癌	超声成像	CNN（ResNet50, ResNet101, DenseNet121）, DeepLabV3, U-Net, U-Net++	医学图像	692例女性乳腺癌患者（训练集405例，内部验证集174例，外部测试集113例）
507	2025-09-18	Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model 2024-Oct-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2024.440801 PMID:39992333	研究论文	基于DeepLabV3+模型实现钝性颅脑损伤CT图像的智能识别与分割	首次将DeepLabV3+模型应用于法医学中钝性颅脑损伤的自动诊断，并探索了活体CT训练模型在尸体CT图像分割中的应用价值	直接使用活体CT训练的模型对尸体CT图像的分割能力较差，仅能准确分割部分损伤类型	实现钝性颅脑损伤的智能识别与分割，探索深度学习在法医学自动诊断中的应用价值	活体和尸体的颅脑CT图像	计算机视觉	颅脑损伤	CT成像	DeepLabV3+	图像	活体CT图像5486张（训练/验证/测试集），活体盲测集411张（255张损伤+156张正常），尸体盲测集460张（340张损伤+120张正常）
508	2025-09-18	A comparison of antibody-antigen complex sequence-to-structure prediction methods and their systematic biases 2024-Sep, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5127 PMID:39167052	研究论文	比较六种抗体-抗原复合物序列到结构预测方法的性能并分析其系统性偏差	首次系统比较包括深度学习在内的多种预测方法，并发现模型质量与界面三级结构常见度之间的明确关系	结构数据库中界面几何数据稀缺可能限制机器学习在抗体-抗原相互作用预测中的应用	评估当前抗体-抗原复合物结构预测方法的性能并识别其局限性	抗体-抗原复合物	机器学习	NA	深度学习、蛋白质-蛋白质相互作用预测、同源建模、分子对接	AlphaFold-Multimer, RoseTTAFold, CNN (用于表位和互补位预测)	蛋白质序列和结构数据	NA
509	2025-09-18	Bibliometric Analysis of Forensic Human Remains Identification Literature from 1991 to 2022 2024-Jun-25, Fa yi xue za zhi DOI:10.12116/j.issn.1004-5619.2023.430803 PMID:39166305	文献计量分析	对1991年至2022年法医人类学遗骸鉴定领域的文献进行计量分析，描述研究现状和未来热点	首次系统分析该领域文献趋势，并预测机器学习与深度学习技术将推动未来研究方向	国际和国内合作范围有限，数据仅来源于Web of Science核心合集	通过文献计量分析揭示法医人类学遗骸鉴定研究的发展趋势和主题变化	873篇英文论文，涉及国家、机构、作者及研究主题	法医人类学	NA	文献计量分析，使用python 3.9.2和Gephi 0.10进行网络可视化	NA	文本（科学文献数据）	873篇论文
510	2025-09-18	Structurally-informed human interactome reveals proteome-wide perturbations by disease mutations 2024-Feb-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.538110 PMID:37162909	研究论文	提出深度学习框架PIONEER，预测蛋白质结合界面并构建结构信息化的蛋白质互作组，揭示疾病突变对蛋白质相互作用的广泛扰动	开发了基于深度学习的集成框架PIONEER，能够准确预测蛋白质结合伴侣特异性界面，并生成全面的结构信息化的蛋白质互作组	NA	研究人类遗传和基因组发现向疾病病理生物学和治疗方法发现的转化，特别是在多尺度互作网络层面	人类及其他七种常见模式生物的已知蛋白质相互作用	机器学习	癌症	深度学习，全外显子组测序	深度学习集成框架	基因组数据，蛋白质互作数据	约60,000个生殖系外显子组和约36,000个体细胞基因组，以及来自33种癌症类型的约11,000个肿瘤全外显子组
511	2025-09-18	Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images 2023-12, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231220664 PMID:38279511	研究论文	本研究构建并评估了一个基于超声图像的深度学习模型，用于准确区分良性和恶性甲状腺结节	结合Grad-CAM可视化技术展示模型决策过程，并与80名放射科医生进行图灵测试对比	诊断准确率有待进一步提高，需更多研究支持初级医疗场景的辅助诊断	开发AI辅助诊断工具以提高甲状腺结节良恶性鉴别的准确性和效率	甲状腺结节患者	计算机视觉	甲状腺癌	超声成像	ResNet	图像	655个独立甲状腺结节的2096张超声图像，独立测试集包含100例
512	2025-09-18	Deep learning with citizen science data enables estimation of species diversity and composition at continental extents 2023-12, Ecology IF:4.4Q1 DOI:10.1002/ecy.4175 PMID:37781963	研究论文	利用深度学习模型分析公民科学数据，估算北美鸟类物种多样性和组成	首次采用DMVP-DRNets深度学习框架整合大规模观测和环境数据，实现大陆尺度物种多样性分析	NA	提供高精度生物多样性信息以支持生态研究和保护决策	北美鸟类群落，特别是北美林莺类保护群体	机器学习	NA	Deep Multivariate Probit Model with Deep-Reasoning Network (DMVP-DRNets)	深度神经网络	观测数据、环境协变量	超过900万份eBird检查清单和72个环境协变量
513	2025-09-18	A robust class decomposition-based approach for detecting Alzheimer's progression 2023-12, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231211880 PMID:38059336	研究论文	提出一种基于类别分解的迁移学习方法，用于从sMRI中检测阿尔茨海默病的进展	结合类别分解技术与迁移学习（VGG19、AlexNet及熵基方法），解决医学图像分类中的类别不平衡问题，并在MCI向AD转化预测中达到91.45%的准确率	NA	评估CDTL方法在不同ADNI队列中检测阿尔茨海默病认知衰退的鲁棒性与分类准确性	阿尔茨海默病患者及轻度认知障碍患者的sMRI数据	计算机视觉	老年性疾病	结构磁共振成像（sMRI）	CNN（VGG19, AlexNet）	图像	来自多个ADNI队列的数据（具体数量未明确说明）
514	2025-09-18	Noise reduction with cross-tracer and cross-protocol deep transfer learning for low-dose PET 2020-09-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae08 PMID:32924973	研究论文	本研究探索了利用深度迁移学习减少低剂量PET图像噪声的可行性，特别是在训练数据稀缺的示踪剂场景	提出了跨示踪剂和跨协议的深度迁移学习方法，利用广泛可用的FDG数据集预训练网络，并成功应用于其他稀缺示踪剂	研究仅针对特定示踪剂（F-FMISO和Ga-DOTATATE）和扫描协议进行评估，泛化能力需进一步验证	验证深度迁移学习在低剂量PET图像去噪中的可行性，尤其是针对训练数据不足的示踪剂	PET图像，包括FDG、F-FMISO和Ga-DOTATATE示踪剂数据	医学图像处理	NA	深度迁移学习，低剂量PET成像	3D U-Net	医学图像（PET）	使用单床位扫描的F-FMISO数据集和全身扫描的Ga-DOTATATE数据集，以及对应的FDG数据集进行预训练
515	2025-09-17	AlphaFold Kinase Optimizer: Enhancing Virtual Screening Performance Through Automated Refinement of AlphaFold-Based Kinase Structures 2025-Sep-16, Proteins IF:3.2Q2 DOI:10.1002/prot.70056 PMID:40955709	研究论文	提出一种名为AF Optimizer的深度学习辅助方法，用于优化AlphaFold生成的激酶结构结合位点几何构型，以提升虚拟筛选性能	开发了结合神经网络评分和结合自由能计算的自动化结合位点优化方法，弥补了AlphaFold在药物设计中的局限性	NA	提升基于结构的药物虚拟筛选准确性和效率	TTK蛋白激酶	计算生物学	NA	深度学习辅助结构优化、分子对接、虚拟筛选	深度学习	蛋白质3D结构	NA
516	2025-09-17	Automated Field of View Prescription for Whole-body Magnetic Resonance Imaging Using Deep Learning Based Body Region Segmentations 2025-Sep-16, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001236 PMID:40955705	研究论文	本研究开发并评估了一种基于深度学习的自动化系统，用于全身体磁共振成像中的多站视野处方	利用深度学习三维解剖分割技术实现全身体MRI视野的自动处方，替代传统手动操作	脊髓分割准确度相对较低（DSC=0.63），外部验证队列样本量较小（n=10）	提高全身体MRI检查的工作流程效率和图像质量标准化	接受全身体MRI检查的患者	医学影像分析	NA	深度学习，nnUNet-v2模型，三维解剖分割	CNN（基于nnUNet架构）	磁共振图像	374名患者（内部数据集），10名患者（外部验证集）
517	2025-09-17	Extraction of Novel Features and Diagnosis Prediction in Myelodysplastic Neoplasm Using a Weakly Supervised Artificial Intelligence Model Based on Normal Megakaryocytes 2025-Sep-16, Pathology international IF:2.5Q2 DOI:10.1111/pin.70049 PMID:40955745	研究论文	本研究开发了一种基于形态正常巨核细胞的弱监督人工智能模型，用于骨髓增生异常肿瘤的诊断预测和特征提取	首次提出基于正常巨核细胞形态分类骨髓增生异常肿瘤的AI模型，并发现与疾病预测显著相关的组织学特征	NA	通过人工智能技术辅助骨髓病理评估和疾病分类	骨髓活检标本中的巨核细胞	数字病理学	骨髓增生异常肿瘤	深度学习，XGBoost	CNN（用于检测），XGBoost（用于分类）	图像（H&E染色骨髓活检标本）	NA
518	2025-09-17	Artificial Intelligence in Cardiovascular Health: Insights into Post-COVID Public Health Challenges 2025-Sep-16, High blood pressure & cardiovascular prevention : the official journal of the Italian Society of Hypertension IF:3.1Q2 DOI:10.1007/s40292-025-00738-5 PMID:40956375	综述	探讨人工智能在心血管医学和公共卫生中应对后疫情时代心血管健康挑战的应用与前景	系统整合AI技术在心血管风险预测、生物标志物发现、影像分析和远程监测中的应用，并特别关注后COVID时代的心血管并发症管理	NA	分析人工智能技术如何帮助缓解COVID-19相关心血管并发症及优化公共卫生策略	心血管疾病患者及后COVID综合征人群	机器学习	心血管疾病	机器学习(ML)和深度学习(DL)	NA	医学影像（超声心动图、CT、MRI）、实时监测数据、流行病学数据	NA
519	2025-09-17	Machine and deep learning for MRI-based quantification of liver iron overload: a systematic review and meta-analysis 2025-Sep-16, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-025-01513-2 PMID:40956404	系统综述与荟萃分析	本文系统评估了机器学习和深度学习在基于MRI的肝脏铁过载定量中的诊断准确性和临床应用价值	首次对ML/DL在MRI肝脏铁定量中的应用进行系统综述和荟萃分析，整合多算法性能证据	研究存在异质性、泛化性有限且外部验证集规模较小	评估机器学习和深度学习技术在MRI肝脏铁浓度定量中的诊断准确性及临床适用性	肝脏铁过载患者，特别是遗传性血色素沉着症和β地中海贫血患者	医学影像分析	肝脏铁过载相关疾病	MRI（T2*加权和多参数MRI）	CNN, 放射组学, 模糊C均值聚类	医学影像	基于8项研究的汇总数据（具体样本量未明确说明）
520	2025-09-17	Update Disturbance-Resilient Analog ReRAM Crossbar Arrays for In-Memory Deep Learning Accelerators 2025-Sep-16, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202504578 PMID:40956570	研究论文	本研究提出了一种抗更新干扰的模拟ReRAM交叉阵列，用于内存深度学习加速器的全并行权重更新	利用基于铪氧化物层纳米导电细丝的电阻开关金属氧化物(CMO)器件，实现了60 ns快速非易失模拟切换，并展示了对超过10万次脉冲的更新干扰优异抗性	研究仍处于早期阶段，技术基于350 nm硅工艺，可能需要进一步微缩和优化	解决内存训练加速中全并行权重更新时的权重值干扰问题	ReRAM交叉阵列器件及其在深度学习加速中的应用	机器学习	NA	COMSOL Multiphysics模拟，后端工艺集成	神经网络	模拟电信号	基于350 nm硅工艺制造的ReRAM器件阵列