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	2025-09-29	Cardiovascular care with digital twin technology in the era of generative artificial intelligence 2024-Dec-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae619 PMID:39322420	综述	本文综述数字孪生技术在心血管医学中的应用及其与生成式人工智能结合的未来潜力	探讨了生成式人工智能如何增强数字孪生的动态模拟能力和预测能力	未提及具体实施案例的局限性	总结数字孪生在心血管医学中的现状并展望其未来应用前景	心血管疾病患者和相关的临床决策过程	数字病理学	心血管疾病	数字孪生技术、生成式人工智能、深度学习	机器学习模型、生成模型	多模态数据（生理数据、环境数据、医疗数据）	NA
502	2025-09-29	Deep learning for genomic selection of aquatic animals 2024-Nov, Marine life science & technology IF:5.8Q1 DOI:10.1007/s42995-024-00252-y PMID:39620094	综述	本文综述了深度学习在水生动物基因组选择中表型分析、基因分型和基因组估计育种值预测的应用现状与潜力	系统总结了深度学习模型（CNN、DNN、自编码器）在水生动物基因组选择三大关键环节的创新应用	当前应用范围有限，未来需要扩展到更多水产养殖物种	探讨深度学习技术在水生动物基因组选择育种中的应用前景	水生动物育种	机器学习	NA	下一代测序（NGS）	CNN、DNN、自编码器	基因组数据、表型数据	NA
503	2025-09-29	Prediction of future dementia among patients with mild cognitive impairment (MCI) by integrating multimodal clinical data 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36728 PMID:39281465	研究论文	本研究通过整合多模态临床数据，评估集成学习框架在预测轻度认知障碍患者未来发展为痴呆症的能力	采用集成学习框架利用多模态数据的互补性和共识性，相比传统方法能更有效预测痴呆发展	NA	预测轻度认知障碍患者未来发展为痴呆症的风险	轻度认知障碍患者	机器学习	老年疾病	结构磁共振成像、正电子发射断层扫描	集成学习、XGBoost、深度学习	临床数据、影像数据	基于TADPOLE挑战数据集
504	2025-09-29	Mediodorsal thalamus and ventral pallidum contribute to subcortical regulation of the default mode network 2024-07-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06531-9 PMID:39039239	研究论文	本研究揭示了腹侧苍白球和背内侧丘脑在默认模式网络调控中的重要作用	首次在树鼩中发现腹侧苍白球和背内侧丘脑的伽马振荡与前扣带皮层协调参与默认模式网络调控	研究仅限于树鼩模型，需要在其他哺乳动物中进一步验证	探究默认模式网络的亚皮层调控机制	树鼩的腹侧苍白球、背内侧丘脑和前扣带皮层	神经科学	NA	电生理记录、深度学习分类	深度学习分类模型	电生理信号	树鼩动物模型
505	2025-09-29	Antibody design using deep learning: from sequence and structure design to affinity maturation 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae307 PMID:38960409	综述	本文综述了深度学习在抗体设计领域的应用进展，涵盖序列与结构设计到亲和力成熟等多个方面	将深度学习技术从传统小分子药物开发扩展到生物大分子特别是抗体领域，结合体外和计算机方法加速抗体开发	NA	探索深度学习在抗体设计与优化中的应用方法	抗体蛋白质	机器学习	NA	深度学习	NA	序列数据、结构数据	NA
506	2025-09-29	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	系统综述	系统回顾人工智能和机器学习在癌症相关疼痛领域的应用研究	首次系统评估AI/ML在癌症疼痛分类、风险分层和管理决策中的应用效果	大多数研究缺乏外部验证(14%)和临床应用(23%)，模型校准报告不足(5%)	探索AI/ML在预测癌症疼痛结局和支持疼痛管理决策中的应用	癌症患者的疼痛相关数据	机器学习	癌症	系统文献回顾	随机森林、Lasso、支持向量机等多种机器学习模型	临床研究数据	44项研究(2006-2023年)
507	2025-09-29	Toward Automated Detection of Silent Cerebral Infarcts in Children and Young Adults With Sickle Cell Anemia 2023-08, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.042683 PMID:37387218	研究论文	本研究开发了一种基于UNet深度学习模型的自动化静默性脑梗死检测方法，用于镰状细胞贫血儿童和年轻成人患者	首次将UNet深度学习模型应用于镰状细胞贫血患者小体积静默性脑梗死的自动化检测	模型需要额外训练，空间一致性仅为中等水平（dice相似系数0.48）	开发自动化静默性脑梗死检测工具，用于临床和研究环境	镰状细胞贫血的儿童和年轻成人患者	计算机视觉	镰状细胞贫血	深度学习	UNet	脑部磁共振成像	训练集926人（31%患有SCI，中位年龄8.9岁），外部验证集80人（50%患有SCI，中位年龄11.5岁）
508	2025-09-29	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	本研究通过深度学习模型分析眼底图像，开发了名为'eyeAge'的视网膜衰老时钟，能够准确预测个体年龄并研究衰老机制	开发了基于眼底图像的视网膜衰老时钟，预测精度优于其他衰老时钟，并在果蝇实验中验证了相关基因的功能	未明确说明样本的种族分布和潜在的选择偏倚	开发高精度的生物年龄预测模型并研究衰老机制	人类视网膜图像和果蝇视觉功能	计算机视觉	老年疾病	深度学习、全基因组关联分析(GWAS)、基因敲除	深度学习模型	图像	EyePACS数据集和UK Biobank队列的眼底图像
509	2025-09-29	Validation of Deep Learning-based Sleep State Classification 2022, microPublication biology DOI:10.17912/micropub.biology.000643 PMID:36277479	研究论文	本研究验证了混合z-score标准化与深度学习结合在小鼠睡眠状态分类中的有效性	首次在独立数据集上验证混合z-score标准化与深度学习结合对睡眠状态分类的效果	仅使用12个三小时EEG/EMG记录，样本量有限	验证混合z-score标准化方法在深度学习睡眠状态分类中的有效性	小鼠的脑电图和肌电图记录	机器学习	睡眠障碍	混合z-score标准化，深度学习	CNN	EEG/EMG信号	12个三小时EEG/EMG记录，来自头部固定位置睡眠的小鼠
510	2025-09-28	EyeMap: A fusion-based method for eye movement-based visual attention maps as predictive markers of parkinsonism 2025-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103607 PMID:40994894	研究论文	提出一种名为EyeMap的融合方法，通过眼动模式可视化与分类来检测帕金森病症状	结合扫描路径、注视热图和网格化兴趣区域三种可视化方式，采用多模态机器学习与深度学习的后期融合技术	NA	开发可解释的眼动表征方法用于帕金森病的诊断检测	帕金森病患者和健康对照组的眼动数据	医学人工智能	帕金森病	眼动追踪技术、机器学习、深度学习、后期融合	多模态融合模型	眼动数据（空间、时间、区域元素）	包含PD患者和健康对照组的眼动追踪数据集
511	2025-09-28	AlzFormer: Video-based space-time attention model for early diagnosis of Alzheimer's disease 2025-Oct-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.08.062 PMID:40912354	研究论文	提出基于视频时空注意力机制的AlzFormer深度学习框架，用于阿尔茨海默病的早期诊断	首次将T1加权MRI体积视为序列输入，利用时空自注意力机制建模切片间连续性，将Transformer架构应用于脑部MRI分析	仅使用ADNI数据集的1.5T MRI扫描，未验证在其他数据集或不同场强扫描仪上的泛化能力	开发用于阿尔茨海默病、轻度认知障碍和认知正常个体的多类分类方法	ADNI数据集中的阿尔茨海默病患者、轻度认知障碍患者和认知正常个体	计算机视觉	阿尔茨海默病	结构MRI扫描	Transformer（时空自注意力机制）	医学影像（MRI体积数据）	ADNI数据集的1.5T MRI扫描数据
512	2025-09-28	APD-FFNet: a novel explainable deep feature fusion network for automated periodontitis diagnosis on dental panoramic radiography 2025-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf034 PMID:40343455	研究论文	提出一种新型可解释深度特征融合网络APD-FFNet，用于全口牙片上的自动化牙周炎诊断	首个专门为牙周炎诊断设计的特征融合方法，结合卷积和Transformer层以捕捉局部和全局特征	数据集规模有限（337张全景片），需进一步验证临床适用性	开发自动化牙周炎诊断系统	牙科全景X光片	医学影像分析	牙周炎	深度学习、SHAP可解释性分析	CNN与Transformer融合网络	X光影像	337张经牙周专家标注的全景X光片
513	2025-09-28	Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort 2025-Oct, Infection IF:5.4Q1 DOI:10.1007/s15010-025-02555-3 PMID:40377852	研究论文	通过深度学习自动分析老年COVID-19患者的身体成分，研究肌肉减少症和肥胖对死亡率的影响	首次使用预训练深度学习模型自动分析常规胸部CT扫描的身体成分参数	样本量相对较小（157名患者），仅针对60岁以上重症COVID-19肺炎患者	比较肥胖和肌肉减少症对重症呼吸道感染患者死亡率的影响差异	60岁以上确诊重症COVID-19肺炎的住院患者	数字病理学	COVID-19	深度学习身体成分分析	预训练深度学习模型	CT图像	157名住院患者（来自57个研究中心，平均年龄70±8岁，41%女性，死亡率39%）
514	2025-09-28	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-Oct, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤	开发能够识别放射科医生肉眼无法察觉的缺氧缺血性脑损伤的深度学习模型	回顾性研究设计，样本量有限（117例病例）	通过早期CT扫描检测儿童心脏骤停后的缺氧缺血性脑损伤	经历院外心脏骤停的儿童患者（年龄中位数3.1岁）	医学影像分析	缺氧缺血性脑损伤	深度学习	深度学习模型	CT图像	117例OHCA病例及年龄匹配的对照组
515	2025-09-28	Automatic identification of dental implant brands with deep learning algorithms 2025-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf054 PMID:40627380	研究论文	本研究利用深度学习算法在全景X光片上自动识别四种不同品牌的牙科种植体	首次将深度学习应用于牙科种植体品牌识别，并比较了多种主流算法的性能	仅针对四种特定种植体品牌进行研究，样本来源有限	解决牙科种植体品牌识别困难的问题，实现自动分类	牙科种植体品牌（NucleOSS、Medentika、Nobel、Implance）	计算机视觉	NA	对比度受限自适应直方图均衡化滤波	GoogleNet、ResNet-18、VGG16、ShuffleNet	医学影像（全景X光片）	5375张裁剪后的全景X光片图像
516	2025-09-08	Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model" 2025-Oct, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107652 PMID:40914072	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
517	2025-09-28	A deep learning framework for accurate mammographic mass classification using local context attention module 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.18119 PMID:40985504	研究论文	提出一种结合局部上下文注意力模块的深度学习框架，用于提高乳腺X线摄影中肿块分类的准确性	首次在乳腺肿块分类中引入局部上下文注意力模块(LCAM)，通过通道和空间双维度注意力机制自适应优化特征	NA	提升基于BI-RADS标准的乳腺肿块分类准确性和一致性	乳腺X线摄影图像中的肿块区域	计算机视觉	乳腺癌	乳腺X线摄影	CNN with attention mechanism	医学图像	3020名患者
518	2025-09-28	Artificial intelligence for HIV care: a global systematic review of current studies and emerging trends 2025-Oct, Journal of the International AIDS Society IF:4.6Q1 DOI:10.1002/jia2.70045 PMID:40990267	系统综述	本系统综述全面评估了人工智能在HIV护理连续过程中的应用现状与新兴趋势	首次系统性地将AI在HIV护理中的应用归纳为四大主题领域，并量化展示了AI模型在诊断准确性（灵敏度达100%）和预测性能（AUC达0.76）方面的突破	存在数据质量、基础设施限制和伦理考量等实施挑战，且资源有限环境下的可扩展性解决方案仍需验证	系统识别、梳理和综合人工智能方法在HIV护理全周期中的应用研究	涵盖HIV检测与关怀衔接、治疗监测、持续护理以及临床免疫结局管理等多个护理环节	医疗人工智能	HIV/艾滋病	机器学习（随机森林、神经网络、支持向量机等）与深度学习	多种ML/DL模型	医疗健康数据	纳入47项研究（初筛3185条记录）
519	2025-09-28	Detection of External Root Resorption in Periapical Radiographs Using YOLO-Based Deep Learning Model 2025-Sep-27, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf072 PMID:41014013	研究论文	本研究开发了基于YOLO的深度学习模型用于根尖周X线片中外部牙根吸收的检测	首次将YOLOv5模型应用于外部牙根吸收的自动检测，并采用与颌骨放射密度兼容的幻影模型提高研究可靠性	研究样本量有限（110颗离体牙），且使用化学方法模拟的外部牙根吸收可能与临床自然病例存在差异	开发能够辅助诊断外部牙根吸收的人工智能算法	经过化学脱矿处理的110颗离体牙齿	计算机视觉	牙科疾病	深度学习、医学影像分析	YOLOv5x-cls, YOLOv5x-seg	X射线图像	110颗离体牙齿，共584张根尖周X线片
520	2025-09-28	G4STAB: A multi-input deep learning model to predict G-quadruplex thermodynamic stability based on sequence and salt concentration 2025-Sep-27, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf545 PMID:41014017	研究论文	开发了基于多输入深度学习神经网络G4STAB，用于预测DNA G-四链体热稳定性	首个无需预定义结构特征即可预测G4热稳定性的深度学习模型，能同时考虑序列特征、盐浓度和pH值环境因素	模型训练数据基于2,382个G4序列，可能对更广泛的G4拓扑结构预测存在局限	建立准确预测DNA G-四链体热稳定性的计算框架	DNA G-四链体序列及其热力学稳定性	机器学习	癌症	深度学习神经网络	多输入深度学习神经网络	序列数据	2,382个DNA G4序列训练数据，391,502个实验验证G4s分析数据