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
521	2025-09-11	Exploring the Potentials of Artificial Intelligence in Sepsis Management in the Intensive Care Unit 2025, Critical care research and practice IF:1.8Q3 DOI:10.1155/ccrp/9031137 PMID:40917940	综述	探讨人工智能在ICU脓毒症管理中的潜力，重点回顾AI方法如何辅助早期诊断和干预	利用AI处理实时临床数据，比传统方法（如SOFA和SIRS）更早预测脓毒症，准确率高达AUROC 0.8-0.99	存在算法偏见、数据碎片化、缺乏验证和可解释性问题	评估AI在脓毒症早期诊断和管理中的应用效果	ICU重症患者	自然语言处理	脓毒症	机器学习（ML）、深度学习（DL）、自然语言处理（NLP）	随机森林、XGBoost、神经网络	临床数据、生命体征、实验室结果、患者病史	NA
522	2025-09-11	Nomogram Model for Identifying the Risk of Coronary Heart Disease in Patients with Chronic Obstructive Pulmonary Disease Based on Deep Learning Radiomics and Clinical Data: A Multicenter Study 2025, International journal of chronic obstructive pulmonary disease IF:2.7Q2 DOI:10.2147/COPD.S539307 PMID:40917929	研究论文	基于深度学习影像组学和临床数据开发并验证用于慢性阻塞性肺疾病患者冠心病风险识别的列线图模型	首次将临床数据、影像组学特征和三维深度学习特征整合到单一预测模型中，在外部验证中相比单一模型显示出9.1%-13.4%的AUC提升	回顾性研究设计，样本量相对有限（543例患者），仅来自两个中心	开发个体化的冠心病风险评估工具用于COPD人群	慢性阻塞性肺疾病患者	数字病理学	心血管疾病	CT影像分析，深度学习影像组学	ResNet50，列线图模型	医学影像（CT），临床数据	543例COPD患者（中心1：398例，中心2：145例）
523	2025-09-11	Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection 2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society IF:5.9Q1 DOI:10.1109/tase.2025.3530936 PMID:40918035	研究论文	提出一种结合口腔解剖知识的半监督学习模型OAK-SSL，用于3D牙科CBCT图像分割和病变检测	将定性口腔解剖知识（如病变可能位置）转化为定量表示，并融入深度学习架构和损失函数设计	NA	实现牙科CBCT图像的自动分割与病变检测，提升牙科医疗效率	包含小病变的3D牙科CBCT图像	计算机视觉	牙科疾病	CBCT成像	半监督学习	3D图像	真实世界数据集（具体数量未说明）
524	2025-09-11	Deep learning-based embedding of functional connectivity profiles for precision functional mapping 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.129 PMID:40918268	研究论文	本研究利用变分自编码器嵌入功能连接图谱，实现多样本同时比较，用于精准功能映射的可视化与探索性分析	采用变分自编码器将功能连接图谱嵌入低维潜在空间，突破传统空间相似性只能两两比较的限制，保留数据的全局与局部结构	NA	开发一种能够同时比较多个功能连接图谱的方法，以提升精准功能映射的分析效率	不同解剖位置、个体及群体平均的功能连接图谱	机器学习	NA	功能连接分析，变分自编码器	VAE（变分自编码器）	功能连接图谱	NA
525	2025-09-11	Utilizing Detectron2 for accurate and efficient colon cancer detection in histopathological images 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1593534 PMID:40918447	研究论文	本研究利用Detectron2深度学习框架对结肠组织病理图像进行癌症检测，实现了高精度分类	首次将Detectron2框架优化并应用于结肠癌组织病理图像分类任务，取得了99.8%的极高准确率	研究基于单一LC25000数据集，未涉及多中心数据验证	开发准确高效的结肠癌计算机辅助诊断工具	结肠组织病理图像	数字病理	结肠癌	深度学习	Detectron2	图像	10000张标注图像（5000正常，5000癌变）
526	2025-09-11	BlendNet: a blending-based convolutional neural network for effective deep learning of electrocardiogram signals 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1625637 PMID:40918589	研究论文	提出一种基于混合策略的卷积神经网络BlendNet，用于从心电图信号中有效提取特征并分类心血管疾病	引入alpha混合方法，结合小波变换后的标量图和二值图像特征，生成更丰富的复合特征集	实验仅基于162例ECG记录，样本规模较小	提升心电图信号分类的准确性和特征提取效果	心电图信号	机器学习	心血管疾病	连续小波变换(CWT)	CNN	一维信号和二维图像	162例来自PhysioNet数据库的心电图记录
527	2025-09-11	Dairy DigiD: a keypoint-based deep learning system for classifying dairy cattle by physiological and reproductive status 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1545247 PMID:40918586	研究论文	提出一种基于关键点检测的深度学习系统Dairy DigiD，用于通过面部图像对奶牛生理和繁殖状态进行分类	结合DenseNet121全局图像分类和Detectron2细粒度面部关键点分析，利用30个解剖标记点提升分类鲁棒性	DenseNet121对背景噪声敏感，泛化能力有限	开发非侵入式牲畜监测系统，实现奶牛生理状态自动分类	奶牛（青年牛、成熟泌乳牛、怀孕牛、干奶牛）	计算机视觉	NA	深度学习，关键点检测，实例分割	DenseNet121, Detectron2	高分辨率面部图像	NA
528	2025-09-11	A systematic review of deep learning methods for community detection in social networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1572645 PMID:40918588	系统综述	本文系统回顾了过去十年中深度学习在社交网络社区检测中的应用	综合评估了多种深度学习模型在社区检测中的效果，并识别了该领域的关键挑战与未来研究方向	仅纳入19项研究，可能存在发表偏倚；未对不同类型社交网络进行分层分析	探讨深度学习技术在社交网络社区检测中的方法、效果与挑战	社交网络数据与社区结构	自然语言处理	NA	深度学习	GNN, autoencoder, CNN	图数据	19项研究
529	2025-09-11	Construction of a deep - learning - based rehabilitation prediction model for lower-limb motor dysfunction after stroke using synchronous EEG-EMG and fMRI 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1616957 PMID:40918983	研究论文	构建基于多模态数据（同步EEG-EMG和fMRI）的深度学习模型，用于预测脑卒中患者下肢运动功能障碍的康复效果	首次结合静息态fMRI图像与同步EEG-EMG时间序列数据，采用集成学习方法构建多模态融合预测模型，显著提升预测性能	样本量有限（102例患者，其中仅86例完成多模态检测），且仅针对缺血性脑卒中患者	预测脑卒中患者3个月后的下肢运动功能康复结局	缺血性脑卒中后偏瘫患者	数字病理学	脑卒中	fMRI, EEG, EMG	ShuffleNet-LSTM, 集成学习	图像, 时间序列	102例缺血性脑卒中偏瘫患者（其中86例完成多模态检测）
530	2025-09-11	When artificial intelligence meets protein research 2025, Open research Europe DOI:10.12688/openreseurope.20628.1 PMID:40919100	评论	探讨人工智能（特别是深度学习和神经网络）如何通过结构预测和计算设计革新蛋白质科学	强调AI工具如AlphaFold在蛋白质折叠和非球状蛋白质动力学理解中的突破性贡献	指出AI方法在蛋白质折叠动力学和淀粉样蛋白聚集等持续科学挑战中的局限性	研究人工智能与分子生物学的融合及其在蛋白质科学中的应用	蛋白质结构预测、非球状蛋白质（包括内在无序蛋白质）	计算生物学	NA	深度学习、神经网络	神经网络	计算数据、实验数据	NA
531	2025-09-11	Prediction of bone oligometastases in breast cancer using models based on deep learning radiomics of PET/CT imaging 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1621677 PMID:40919156	研究论文	开发基于PET/CT影像的深度学习放射组学模型，用于早期预测乳腺癌骨寡转移	首次整合PET/CT放射组学特征、深度学习特征和临床参数构建DLR模型，并证明其优于传统放射组学方法	回顾性研究，样本量有限（207例患者/312个病灶），需进一步多中心验证	早期预测乳腺癌患者骨寡转移（≤5个病灶）	乳腺癌患者的骨病灶（包含107个良性病灶和205个恶性病灶，其中89个为转移灶）	数字病理	乳腺癌	PET/CT成像、放射组学特征提取、深度学习	BasicNet（深度学习）、随机森林、LASSO回归	医学影像（CT、PET及融合PET/CT图像）	207例乳腺癌患者，共312个骨病灶
532	2025-09-11	HoloMoA: a holography and deep learning tool for the identification of antimicrobial mechanisms of action and the detection of novel MoA 2025, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2025.1640252 PMID:40919199	研究论文	提出一种结合数字同轴全息显微镜和深度学习的创新工具HoloMoA，用于识别抗菌药物的作用机制并预测其新颖性	首次将时间序列全息成像与深度学习结合，实现无标记、实时监测细菌表型响应并分类作用机制，同时开发新颖性评估框架	仅使用ATCC 25922菌株和22种抗生素进行验证，尚未扩展到更广泛的微生物种类或复杂环境	开发快速、经济且通用的技术以分类抗菌药物作用机制并检测新机制	大肠杆菌ATCC 25922及22种代表5类传统功能类别的抗生素	计算机视觉	NA	数字同轴全息显微镜(DIHM)、深度学习	卷积循环神经网络(CRNN)、孪生神经网络	全息重建相位图像序列	1种细菌菌株（ATCC 25922）和22种抗生素，包含5个功能类别
533	2025-09-11	Deep dive into deep learning methods for cervical cancer detection and classification 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.106148 PMID:40919255	综述	本文全面回顾了深度学习在宫颈癌检测与分类中的应用方法、评估指标及当前挑战	系统梳理了卷积神经网络（CNNs）在宫颈细胞学图像分割与分类中的最新应用，并探讨数据增强、迁移学习等解决方案	面临标注数据集有限、医学影像不一致性以及模型鲁棒性不足等挑战	提升宫颈癌诊断的准确性与效率，推动早期检测与治疗	宫颈细胞学图像	数字病理	宫颈癌	深度学习	CNN	图像	NA
534	2025-09-11	Optimizing cervical cancer diagnosis with accurate cell classification using modified HDFF 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.105867 PMID:40919253	研究论文	本研究提出一种改进的层次深度特征融合（HDFF）方法，用于宫颈细胞分类以优化宫颈癌诊断	通过整合层次深度学习特征并增强特征提取过程，实现了更准确和鲁棒的分类性能	需要进一步优化和扩展训练数据集以提升性能	开发自动化的宫颈癌诊断工具以提高诊断准确性和效率	宫颈细胞图像	计算机视觉	宫颈癌	深度学习特征融合	modified HDFF（改进的层次深度特征融合）	图像	SIPaKMeD和Herlev数据集
535	2025-09-11	An explainable AI approach for mapping multivariate regional brain age and clinical severity patterns in Alzheimer's disease 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf051 PMID:40860594	研究论文	本研究开发了一种可解释的AI方法，用于绘制阿尔茨海默病中多变量区域脑年龄与临床严重程度的模式	首次结合深度学习模型与SHAP等特征重要性方法，探索多变量脑区与年龄的关联，而非传统的单变量关系	样本量相对有限（n=825），且仅基于MRI数据，未整合其他模态数据	通过可解释AI方法理解脑年龄模式及其与阿尔茨海默病临床严重性的关联	轻度认知障碍（MCI）和阿尔茨海默病（AD）患者以及认知正常（CN）参与者	医学影像分析	阿尔茨海默病	MRI脑影像分析	深度学习模型（AgeNet）结合SHAP、LIME、LRP等可解释性方法	MRI图像数据	825名受试者
536	2025-09-11	Enhanced human activity recognition in medical emergencies using a hybrid deep CNN and bi-directional LSTM model with wearable sensors 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82045-y PMID:39730745	研究论文	提出一种结合深度CNN和双向LSTM的混合模型，用于通过可穿戴传感器增强医疗紧急情况下的人类活动识别	采用CNN-BiLSTM模型结合欠采样技术，在公开数据集上实现最高98.5%的识别准确率，比传统深度学习方法提升约5%	NA	提升人类活动识别（HAR）在医疗紧急情况下的准确性和应用效果	人类日常活动和异常运动模式	机器学习	老年疾病	可穿戴传感器数据采集	CNN, BiLSTM	传感器时序数据	基于MHEALTH和Actitracker两个公开数据集（具体样本量未明确说明）
537	2025-09-11	Artificial intelligence-enabled electrocardiogram for mortality and cardiovascular risk estimation: a model development and validation study 2024-11, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00172-9 PMID:39455192	研究论文	开发并验证一种基于人工智能的心电图（AI-ECG）风险预测平台AIRE，用于估计死亡率和心血管风险	提出可解释、具有生物合理性且可个体化行动的风险预测模型，能生成患者特异性生存曲线并预测死亡时间	NA	开发并验证人工智能心电图风险预测模型，以改善临床实践中的风险估计	心电图数据及患者队列	机器学习	心血管疾病	深度学习，离散时间生存模型	深度学习模型	心电图信号	1,163,401份心电图来自189,539名患者，并在多个国际队列中验证
538	2025-09-11	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本研究利用人工智能辅助方法，从电子健康记录中自动检测和分类心力衰竭患者	结合关键词搜索、深度学习自动解读超声心动图DICOM图像和生物标志物分析，实现心力衰竭亚型的自动识别与分类	研究基于特定地区人群数据（苏格兰Tayside和Fife地区），可能影响结果的普适性	开发自动化心力衰竭检测和分类系统，改善患者护理和疾病监测	心力衰竭患者，分为射血分数降低型心力衰竭（HFrEF）、射血分数保留型心力衰竭（HFpEF）和无心力衰竭对照组	医疗人工智能	心血管疾病	深度学习、关键词搜索、ICD代码过滤、生物标志物分析	深度学习模型	电子健康记录、医学图像（DICOM）、生物样本数据	初始60,850例EHR数据，最终纳入578例患者（186例对照，236例HFpEF，156例HFrEF）
539	2025-09-11	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	提出一种基于矩阵补全的心率变异性频谱不确定性估计新方法	利用HRV频谱矩阵的低秩特性高效估计数据不确定性，并开发了精细化矩阵补全技术以提升估计精度和计算效率	NA	提升心率变异性频谱分析的可靠性和不确定性估计精度	心率变异性（HRV）频谱数据	机器学习	心血管疾病	矩阵补全	统计机器学习模型	生理信号数据	五个公共数据集
540	2025-09-11	The Integration of Deep Learning in Radiotherapy: Exploring Challenges, Opportunities, and Future Directions through an Umbrella Review 2024-Apr-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14090939 PMID:38732351	综述	通过伞式综述探讨深度学习在放疗领域的整合，分析其挑战、机遇和未来方向	强调COVID-19大流行加速了深度学习在放疗中的发展，并揭示数字放射学与放疗之间的复杂相互作用	基于19项系统综述研究，可能受限于现有文献的覆盖范围和深度	研究深度学习在放疗中的变革性影响，优化治疗计划、图像分析和患者结果预测	放疗领域，特别是治疗规划、图像分析和患者预后	医疗影像分析	肿瘤放疗	深度学习（DL）	NA	医疗影像数据	基于19项系统综述研究（未提供具体患者样本数）