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
541	2025-09-07	Heart disease risk prediction based on deep learning multi-scale convolutional enhanced Swin Transformer model 2025-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2556004 PMID:40913335	研究论文	提出一种基于多尺度卷积增强Swin Transformer的心血管疾病风险预测模型	结合多分支卷积网络与Swin Transformer模块，通过自注意力机制整合全局与局部信息，并引入SHAP分析增强可解释性	NA	心血管疾病早期风险预测	心血管疾病患者数据	机器学习	心血管疾病	深度学习	CNN, Swin Transformer	结构化医疗数据	克利夫兰心脏病数据集（具体样本量未说明）
542	2025-09-07	Federated Deep Learning Enables Cancer Subtyping by Proteomics 2025-Sep-04, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-24-1488 PMID:40488620	研究论文	开发了一种联邦深度学习框架ProCanFDL，用于在保护数据隐私的前提下通过蛋白质组学数据进行癌症亚型分类	首次将联邦深度学习应用于蛋白质组学数据，实现了在数据不离开本地的情况下进行多中心协作建模	NA	解决生物医学人工智能应用中的数据隐私问题，实现跨机构的癌症亚型分类研究	临床注释的组织蛋白质组学数据	机器学习	癌症	数据非依赖性采集质谱(DIA-MS)、串联质谱标记蛋白质组学(TMT)	联邦深度学习	蛋白质组学数据	总样本量8,201（包含1,260例泛癌队列、6,265例私有数据、625例测试集及887例外部验证数据）
543	2025-09-07	Functional assessment of all ATM SNVs using prime editing and deep learning 2025-Sep-04, Cell IF:45.5Q1 DOI:10.1016/j.cell.2025.05.046 PMID:40580951	研究论文	利用prime editing和深度学习全面评估ATM基因所有单核苷酸变异的功能影响	首次系统评估了ATM基因全部27,513种可能SNV的功能影响，并开发了高精度深度学习预测模型DeepATM	NA	解析ATM基因变异的功能影响，支持精准医疗并建立解决VUSs的框架	ATM基因的27,513种单核苷酸变异	机器学习	癌症	prime editing, 深度测序	深度学习	基因组数据	27,513种SNV（实验验证23,092种，预测4,421种）
544	2025-09-07	Deep Learning Based Multiomics Model for Risk Stratification of Postoperative Distant Metastasis in Colorectal Cancer 2025-Sep-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.040 PMID:40912950	研究论文	开发基于深度学习的多组学模型用于预测结直肠癌术后远处转移和评估生存预后	结合放射组学和病理组学深度特征构建集成模型，显著优于传统预测方法	回顾性研究设计，样本量相对有限（521例患者）	预测结直肠癌患者术后远处转移风险并进行生存预后分层	结直肠癌患者	数字病理	结直肠癌	CT影像分析、HE染色病理切片分析、深度学习特征提取	ResNet-101、Nomogram集成模型	医学影像、病理图像	521例结直肠癌患者（381例训练/内部验证，140例外部验证）
545	2025-09-07	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-Sep-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	开发用于术前预测晚期胃癌隐匿性腹膜转移和早期复发的级联深度学习框架	提出结合肿瘤分割与转移风险分层的两阶段深度学习框架，首次实现基于CT的隐匿性腹膜转移和早期腹膜复发联合预测	多中心研究但外部验证样本量较小（n=57），需进一步扩大验证队列	术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发风险	晚期胃癌患者	digital pathology	gastric cancer	CT成像、深度学习	V-Net（分割）、DL分类模型	CT图像	765名患者（来自三个机构），内部验证168例（OPM）和212例（早期PR），外部验证57例
546	2025-09-07	PARPAL: PARalog Protein redistribution using Abundance and Localization in yeast database 2025-Sep-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf148 PMID:40580499	研究论文	介绍PARPAL数据库，包含酵母中全基因组复制旁系同源蛋白的丰度和定位再分布数据	开发首个整合高通量筛选和深度学习分析的旁系同源蛋白再分布数据库	目前仅涵盖酿酒酵母数据，尚未扩展到其他生物体	研究全基因组复制事件中旁系同源基因的保留和进化机制	酿酒酵母中的82对旁系同源蛋白对	生物信息学	NA	高通量筛选、深度学习神经网络分析	深度学习神经网络	显微图像	约46万个细胞的3,500张显微图像，涵盖2种遗传背景
547	2025-09-07	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-Sep-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	提出一种名为PROGPATH的弱监督深度学习模型，通过整合组织病理学图像和临床变量实现泛癌预后预测	开发首个统一的多癌种预后预测模型，采用注意力引导的多实例学习模块和跨注意力Transformer融合多模态数据，并经过大规模外部验证	模型性能可能受限于临床变量的可用性和质量，且需要进一步前瞻性验证	开发能够整合多模态数据的泛癌预后预测模型以提高癌症患者生存预测准确性	癌症患者（涵盖15种癌症类型）的组织病理学图像和临床数据	数字病理学	多种癌症	弱监督深度学习，多实例学习，Transformer架构	基于基础模型的编码器，注意力机制，跨注意力Transformer	全切片图像（WSI），临床变量	训练集：6,670名患者的7,999张WSI；验证集：4,441名患者的7,374张WSI（来自17个外部队列）
548	2025-09-05	Correction: Deep learning based classification of tibio-femoral knee osteoarthritis from lateral view knee joint X-ray images 2025-Sep-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-17772-x PMID:40903478	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
549	2025-09-07	A Deep-Learned Monolithic Nanoparticle Asymmetric Thermal Flow Sensor for Flow Vector Estimation 2025-Sep-02, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c07646 PMID:40790995	研究论文	开发了一种基于深度学习的单片非对称热流传感器，用于精确估计流体矢量	采用激光诱导选择性烧结技术一体化集成微加热器和温度传感器，结合非对称螺旋形状设计和强化学习算法，实现硬件简化与高精度流矢量估计	NA	解决传统流量传感器体积大、结构复杂且易干扰流体的问题	流体动力学测量	传感器技术	NA	激光诱导选择性烧结、强化学习	深度学习算法	传感器电阻数据	NA
550	2025-09-07	Enhanced metastasis risk prediction in cutaneous squamous cell carcinoma using deep learning and computational histopathology 2025-Sep-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01065-7 PMID:40897830	研究论文	开发基于深度学习的cSCCNet模型，通过数字病理学预测皮肤鳞状细胞癌的转移风险	首次使用深度学习自动选择肿瘤区域并生成可解释性热力图，性能超越基于基因表达的工具和临床病理分类	需要进一步验证，包括前瞻性评估	开发可靠的皮肤鳞状细胞癌转移风险预测工具	皮肤鳞状细胞癌（cSCC）患者	数字病理学	皮肤癌	数字病理学、多重免疫组织化学	深度学习模型（cSCCNet）	组织病理学切片图像	来自四个中心的227例原发性cSCC样本
551	2025-09-07	Deep aging clocks: AI-powered strategies for biological age estimation 2025-Sep-02, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102889 PMID:40902671	综述	本文总结了基于人工智能的深度衰老时钟在生物年龄预测中的最新进展与应用	提出非线性深度衰老时钟模型，突破传统线性假设局限，更精准捕捉衰老过程中的细微变化	NA	评估生物衰老过程并开发长寿干预策略	人类衰老过程中的生物标志物	机器学习	老年疾病	深度学习	深度学习模型	多组学数据（表观遗传学、转录组学、代谢组学、微生物组）和影像数据	NA
552	2025-09-07	Automated quantification of abdominal aortic calcification using 3D nnU-Net: a novel approach to assess AAA rupture risk 2025-Sep-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01911-x PMID:40898112	研究论文	本研究开发了一种基于3D nnU-Net的自动化方法，用于从单次CTA扫描中量化腹主动脉钙化，以评估腹主动脉瘤破裂风险	首次应用3D nnU-Net模型实现腹主动脉钙化的自动分割和量化，显著提升评估效率	回顾性研究设计，样本量有限（100例患者），需要进一步验证	开发自动化工具来准确量化腹主动脉钙化，辅助评估AAA破裂风险	腹主动脉瘤患者的CTA扫描图像	医学影像分析	心血管疾病	CTA扫描，深度学习分割	nnU-Net（3D卷积神经网络）	医学影像（CT图像）	100例符合特定纳入标准的患者
553	2025-09-07	Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions 2025-Sep, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112531 PMID:40544576	研究论文	本研究开发了一种基于多任务深度学习的自动化方法，用于从口腔全景X光片中估计性别和年龄	采用多任务学习框架，结合主干网络和独立注意力分支，在性别分类和年龄回归任务上同时优化，性能显著超越人类观察者	NA	开发自动化的性别和年龄估计方法，应用于法医牙科和身份鉴定领域	口腔全景X光片	计算机视觉	NA	深度学习	多任务学习网络（VGG主干网络）	医学影像（X光片）	2067张口腔全景X光片，性别和年龄均衡分布（3-89岁）
554	2025-09-07	Comparative analysis of transformer-based deep learning models for glioma and meningioma classification 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102008 PMID:40554122	研究论文	比较基于Transformer的深度学习模型在脑胶质瘤和脑膜瘤MRI分类中的性能	首次将ViT和BEiT等Transformer模型应用于脑肿瘤分类，并提出了全神经网络工作流程	仅使用单一数据集，可能影响模型的泛化能力	比较不同Transformer模型在脑肿瘤MRI图像分类中的准确性	脑胶质瘤和脑膜瘤的MRI图像	计算机视觉	脑肿瘤	深度学习、特征提取、统计分析	ViT, BEiT, MLP	MRI图像	训练集1132例（625例胶质瘤/507例脑膜瘤），测试集520例（260例胶质瘤/260例脑膜瘤）
555	2025-09-07	Explainable artificial intelligence for pneumonia classification: Clinical insights into deformable prototypical part network in pediatric chest x-ray images 2025-Sep, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102023 PMID:40651288	研究论文	本研究首次将可变形原型部分网络（D-ProtoPNet）应用于儿科胸部X光图像的肺炎分类，结合放射科专家评估提升模型可解释性	首次在儿科肺炎分类中应用可解释的D-ProtoPNet模型，并通过临床专家验证原型和图像激活区域的医学意义	需要进一步优化才能达到临床应用标准，且准确率仍需提升以匹配黑盒模型	开发可解释的AI系统用于儿科胸部X光图像的肺炎分类	1-5岁儿科患者的胸部X光图像	计算机视觉	肺炎	深度学习，监督学习，五折交叉验证	D-ProtoPNet，ResNet50	图像	5,856张儿科胸部X光图像（正常、病毒性、细菌性）
556	2025-09-07	LUMEN-A deep learning pipeline for analysis of the 3D morphology of the cerebral lenticulostriate arteries from time-of-flight 7T MRI 2025-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121377 PMID:40675425	研究论文	开发了一个名为LUMEN的深度学习流程，用于从7T TOF-MRI分析大脑豆纹动脉的3D形态	提出了首个半自动化流程结合深度学习模型（DS6）量化3D LSA形态，相比传统2D分析提供更精确的血管形态学测量	研究样本量较小（69名受试者），且仅针对脑小血管病患者群体	开发量化脑豆纹动脉3D形态的分析工具，用于脑小血管病的临床研究	脑豆纹动脉（LSAs）	医学影像分析	脑小血管病	7T时间飞跃法磁共振血管成像（TOF-MRA）	深度学习模型（DS6, nnU-Net）	3D MRI图像	69名脑小血管病患者
557	2025-09-07	Deep diffusion MRI template (DDTemplate): A novel deep learning groupwise diffusion MRI registration method for brain template creation 2025-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121401 PMID:40721052	研究论文	提出一种基于深度学习的群体扩散MRI配准方法DDTemplate，用于创建脑模板并提升群体差异检测的敏感性	首个将深度学习应用于群体扩散MRI配准的方法，结合全脑微结构和纤维束定向信息	NA	开发新型扩散MRI脑模板创建方法，并验证其在神经科学应用中的效用	人脑扩散MRI数据	医学影像分析	NA	扩散MRI (dMRI)	基于VoxelMorph的深度学习框架	扩散MRI影像数据	多队列数据（青少年、年轻成人、老年成人），来自不同扫描仪
558	2025-09-05	A Comprehensive Review on Blockchain-based Systems for Groundwater Conservation and Wastewater Management 2025-Sep, Environmental management IF:2.7Q3 DOI:10.1007/s00267-025-02247-6 PMID:40760176	综述	本文系统回顾了区块链技术结合机器学习和深度学习在地下水保护与废水管理中的应用进展	整合区块链与AI技术提升水资源管理的透明度、数据验证效率和资源优化，量化了预测准确性提升达86%和处理效率提高20%	面临数据整合、可扩展性及监管采纳方面的挑战	评估技术集成效果、量化性能提升并识别研究空白与未来方向	地下水保护与废水管理系统	自然语言处理	NA	区块链、Machine Learning (ML)、Deep Learning (DL)、智能传感器、物联网实时监测	AI/ML预测模型	传感器数据、监测数据	基于97篇同行评审文章的分析
559	2025-09-07	Root mixture analysis: methods and vision 2025-Sep, Trends in plant science IF:17.3Q1 DOI:10.1016/j.tplants.2025.07.003 PMID:40781027	综述	本文综述了作物根系混合物分析的方法与愿景，强调标准化、低成本根系表型分析技术的必要性	提出利用根系理化性状作为物种标识符，并结合优化深度学习与机器学习实现高通量根系混合物分析	未提及具体技术验证或实际应用案例	开发非破坏性根系物种区分方法以支持可持续农业研究	多样化作物混合种植体系中的根系	机器学习	NA	深度学习，机器学习	NA	根系理化性状数据	NA
560	2025-09-07	Automated surgical workflow recognition in privacy-preserving depth videos of the operating room 2025-Sep, Surgical endoscopy DOI:10.1007/s00464-025-12031-6 PMID:40770511	研究论文	本研究利用深度学习技术，基于隐私保护的深度视频自动识别手术室工作流程	首次在手术室工作流识别中使用隐私保护的深度摄像头，并提出新的阶段持续时间误差评估指标	性能依赖于摄像头在手术室中的位置，实时预测性能低于术后分析	开发自动手术室工作流程识别系统以提高手术室效率	腹腔镜手术的手术室工作流程	计算机视觉	NA	深度学习	ASFormer, 时空深度学习模型	深度视频	21台腹腔镜手术，由3个深度摄像头采集