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
561	2025-07-14	Artificial intelligence in forensic pathology: Multi-organ postmortem pathomics for estimating postmortem interval 2025-Jul-07, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108949 PMID:40651440	研究论文	本研究利用病理组学和深度学习技术，开发了一种三级分层策略，通过分析死后组织图像数据来估计死后间隔时间	首次将病理组学技术应用于法医死后图像分析，提出了一种多器官集成的死后间隔时间估计模型，并引入了全切片图像作为一种新的数据模态	研究样本量较小(12头巴马小型猪)，外部验证仅使用了4头猪	开发基于病理组学和深度学习的死后间隔时间估计方法，为死后病理组学子领域奠定基础	巴马小型猪的肝脏、肾脏和骨骼肌组织	数字病理	NA	全切片图像分析、深度学习	DenseNet121, VGG16, stacking集成模型	图像	12头巴马小型猪(训练集)+4头(外部验证)
562	2025-07-14	TAC-ECG: A task-adaptive classification method for electrocardiogram based on cross-modal contrastive learning and low-rank convolutional adapter 2025-Jul-05, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108918 PMID:40644854	研究论文	提出了一种基于跨模态对比学习和低秩卷积适配器的心电图任务自适应分类方法TAC-ECG	结合跨模态对比学习和低秩卷积适配器，实现心电图分类任务的自适应，显著减少多任务场景下的资源消耗和部署成本	未明确提及具体局限性	开发一种灵活高效的心电图自动分析方法，提升临床诊断实用性	心电图信号	机器学习	心血管疾病	对比学习, 低秩卷积适配器	TAC-ECG (包含CETP预训练和LRC-Adapter)	心电图信号	四个数据集: CPSC2018, Cinc2017, PTB-XL, Chapman
563	2025-07-14	CGNet: A Complex-valued Graph Network for jointly learning amplitude-phase information in EEG-based brain-computer interfaces 2025-Jul-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107795 PMID:40644990	研究论文	本文提出了一种复数值图网络（CGNet），用于在基于EEG的脑机接口中联合学习振幅和相位信息	CGNet通过复数值表示同时编码振幅和相位信息，解决了现有深度学习方法独立处理振幅和相位的问题，并设计了双尺度复数值卷积网络、空间注意力模块和动态图卷积来捕获全面的EEG信号信息	NA	开发一种能够联合学习EEG信号中振幅和相位信息的深度学习方法，以提高脑机接口的分类性能	基于EEG的脑机接口中的运动想象和执行任务	脑机接口	NA	EEG信号处理	CGNet, FBCGNet	EEG信号	NA
564	2025-07-14	Deep learning CAIPIRINHA-accelerated 3D MRI of the knee cartilage at 7 Tesla 2025-Jul-05, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112287 PMID:40651115	research paper	本研究探讨了在7特斯拉磁场下，使用深度学习重建的CAIPIRINHA加速3D DESS膝关节软骨MRI的可行性和扫描时间减少程度	结合深度学习重建与CAIPIRINHA加速技术，在7T高场强下实现膝关节软骨成像，显著缩短扫描时间	当加速倍数超过6倍时，图像质量显著下降，且伪影增加	评估深度学习重建在7T高场强膝关节软骨MRI中的加速潜力	18名志愿者的35个膝关节	医学影像	骨关节疾病	3D双回波稳态(DESS)序列，CAIPIRINHA并行采集技术，深度学习重建	深度学习模型(未指定具体架构)	MRI图像	35个膝关节(来自18名志愿者)
565	2025-07-06	Corrigendum to "Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions" [Forensic Sci. Intern., vol. 374 (2025) 112531] 2025-Jul-03, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2025.112556 PMID:40615244	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
566	2025-07-14	Exploring Biginelli hybrids in the AI-driven development of ruthenium complexes: Anticancer activity, DNA/HSA binding study, impacts on apoptosis and BCL-2/BCL-XL suppression 2025-Jul-03, Journal of inorganic biochemistry IF:3.8Q1 DOI:10.1016/j.jinorgbio.2025.112988 PMID:40644785	研究论文	本研究利用深度学习模型预测结合亲和力，设计具有抗癌潜力的四氢嘧啶（THPM）及其钌对伞花烃复合物，并评估其抗癌活性和分子机制	结合AI技术和传统化学方法，设计新型钌复合物，并验证其抗癌活性及分子机制	研究仅限于体外实验，未进行体内验证	开发新型钌基抗癌药物	四氢嘧啶（THPM）及其钌对伞花烃复合物	药物发现	癌症	深度学习模型、分子对接	深度学习	化学数据	10种化合物
567	2025-07-14	SingleFrag: a deep learning tool for MS/MS fragment and spectral prediction and metabolite annotation 2025-Jul-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf333 PMID:40641047	研究论文	本文介绍了一种名为SingleFrag的深度学习工具，用于预测MS/MS碎片和光谱以及代谢物注释	SingleFrag通过单独预测每个碎片而非整个光谱，超越了现有最先进的计算机模拟碎片工具	NA	解决由于缺乏全面的参考光谱库而导致的代谢物和小分子鉴定困难	代谢物和小分子的MS/MS光谱	机器学习	NA	MS/MS	深度学习	光谱数据	三种先前未鉴定的人类样本中常见化合物
568	2025-07-14	InterpolAI: deep learning-based optical flow interpolation and restoration of biomedical images for improved 3D tissue mapping 2025-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02712-4 PMID:40437217	研究论文	提出了一种基于深度学习的生物医学图像光学流插值和修复方法InterpolAI，用于改善3D组织映射	InterpolAI通过利用大图像运动的光学流AI模型，在图像堆栈中对真实图像对进行合成图像插值，优于线性插值和最先进的光学流方法XVFI	未提及具体的样本量限制或计算资源需求	提高生物医学图像数据集的分辨率、通量和质量，以实现更好的3D成像	生物医学图像，包括多种成像模式、物种、染色技术和像素分辨率	数字病理学	NA	光学流AI模型	深度学习	图像	NA
569	2025-07-14	Chemical space visual navigation in the era of deep learning and Big Data 2025-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2025.104392 PMID:40456508	综述	本文综述了在深度学习和大数据时代下，化学空间可视化导航的算法和工具的最新进展	探讨了这些方法如何应对大数据挑战，并讨论了非传统应用，如QSAR/QSPR模型的视觉验证、交互式生成方法以及化学空间地图作为数字艺术的使用	NA	分析大数据时代下药物化学领域的新挑战，并提出可视化化学空间的方法和工具	化学空间的可视化导航算法和工具	药物化学	NA	QSAR/QSPR模型	NA	化学结构数据	NA
570	2025-07-14	AI-based pelvic floor surface electromyography reference ranges and high-precision pelvic floor dysfunction diagnosis 2025-Jul, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2025.105755 PMID:40479842	研究论文	本研究通过AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，以提高盆底功能障碍（PFDs）的诊断准确性	利用AI技术建立多维度的盆底表面肌电数据库，并开发AI-Diagnostician-PFD诊断模型，其性能优于传统的Glazer标准和经典机器学习及深度学习模型	研究样本虽来自多个中心，但仍可能存在地域和人群的局限性	建立盆底表面肌电的多维数据库，并开发AI诊断模型以提高PFDs的诊断准确性	1605名来自中国21个中心的参与者	数字病理	盆底功能障碍	表面肌电图（sEMG）	AI-Diagnostician-PFD	肌电数据	1605名参与者
571	2025-07-14	Deep operator network models for predicting post-burn contraction 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106558 PMID:40592205	research paper	本研究探讨了使用深度算子网络作为有限元模拟的替代模型，用于预测烧伤后伤口收缩	提出了一种改进的深度算子网络架构，通过整合初始伤口形状信息和应用正弦增强来加强边界条件	研究仅基于三种初始伤口形状进行训练，可能限制了模型的泛化能力	开发一种高效的方法来预测烧伤后伤口收缩，以辅助医疗治疗规划	烧伤后伤口收缩的预测	machine learning	burn injuries	deep operator network	neural operator	simulation data	基于三种初始伤口形状的训练集和测试集
572	2025-07-14	Short-horizon neonatal seizure prediction using EEG-based deep learning 2025-Jul, PLOS digital health DOI:10.1371/journal.pdig.0000890 PMID:40644380	research paper	本研究探讨了基于定量脑电图（QEEG）和深度学习（DL）的短时程新生儿癫痫预测方法	首次研究了分钟级别的高时间分辨率短时程新生儿癫痫预测，填补了该领域的研究空白	模型校准效果中等，预期校准误差为0.106，需要进一步验证	开发短时程新生儿癫痫预测系统	新生儿癫痫发作	digital pathology	neurological disease	quantitative electroencephalography (QEEG)	ConvLSTM	EEG data	132名新生儿，共281小时EEG数据
573	2025-07-14	Enhancing tremor classification: Transformer-based analysis of biomechanics patterns for Parkinson's and essential tremor 2025-Jul, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2025.106599 PMID:40578292	研究论文	使用基于Transformer的深度学习模型分析生物力学模式，以区分帕金森病和特发性震颤	首次采用Transformer模型结合多头注意力机制，从多传感器运动数据中解码动态运动任务中的生物力学模式	研究未涉及其他类型的震颤疾病，且样本量未明确说明	开发一个多类分类系统，用于区分特发性震颤、帕金森病和健康对照组	特发性震颤、帕金森病患者及健康对照组	机器学习	帕金森病	多传感器运动数据采集	Transformer	运动信号数据	NA
574	2025-07-14	A Joint Multimodal User Authentication-based Privacy Preservation with Disease Prediction Framework in Modern Healthcare System Using Multi-Scale Cross Attention-based ResNet 2025-Jun-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.108928 PMID:40644852	研究论文	提出一种基于多尺度交叉注意力ResNet的多模态用户认证和疾病预测框架，用于现代医疗系统中的隐私保护和疾病预测	结合多模态用户认证和疾病预测，采用多尺度交叉注意力ResNet和最优Rossler超混沌加密技术，提高了认证和预测性能	系统复杂性可能限制实际应用，包括信息安全和预测效率	开发一个安全的医疗数据传输和存储系统，同时提高疾病预测的准确性	医疗数据和图像信号	数字病理	NA	多尺度交叉注意力ResNet (MCARNet), 最优Rossler超混沌加密 (ORHCE)	ResNet, DNN, RNN, LSTM, GRU	图像, 信号	NA
575	2025-07-14	Pediatric pancreas segmentation from MRI scans with deep learning 2025-Jun-16, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.06.006 PMID:40645819	研究论文	本研究评估并验证了用于儿童胰腺MRI分割的深度学习算法PanSegNet，在急性胰腺炎、慢性胰腺炎及健康儿童中的表现	PanSegNet是首个经过验证的用于胰腺MRI分割的深度学习解决方案，在健康和疾病状态下均达到专家水平	研究样本量相对较小（84例MRI扫描），且数据来自单一机构	评估和验证深度学习算法在儿童胰腺MRI分割中的应用	2-19岁儿童，包括健康儿童及被诊断为急性或慢性胰腺炎的患者	数字病理学	胰腺炎	MRI扫描	深度学习算法（PanSegNet）	MRI图像	84例MRI扫描（42例健康儿童，42例胰腺炎患者）
576	2025-07-14	Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests 2025-Jun-10, The journals of gerontology. Series B, Psychological sciences and social sciences DOI:10.1093/geronb/gbaf065 PMID:40197801	研究论文	本研究开发了一种基于深度学习神经网络的连续时钟绘图测试(CDT)评分方法，用于提高痴呆症分类的准确性	使用深度学习神经网络生成连续CDT评分，相比传统序数评分提供更细粒度的痴呆分类阈值，并针对不同人口群体调整阈值	研究样本虽然具有全国代表性，但可能仍需在更广泛人群中验证模型的普适性	提高痴呆症筛查的准确性和适应性	老年人群体(来自NHATS研究的全国代表性样本)	数字病理学	老年痴呆症	深度学习神经网络(DLNN)	Vision Transformer	图像(时钟绘图测试图像)	来自NHATS研究的全国代表性老年人样本(具体数量未明确说明)
577	2025-07-14	Deep learning applications in orthopaedics: a systematic review and future directions 2025 May-Jun, Acta ortopedica mexicana PMID:40645786	系统综述	本文综述了人工智能和深度学习在骨科中的应用，并探讨了未来的研究方向	分析了当前AI和深度学习工具在骨科领域的应用，识别了最常用的工具和方法	研究间异质性高，方法和术语差异大，可能导致对诊断准确性的高估	分析AI和深度学习在骨科风险、结果评估、影像学和基础科学领域的应用	骨科领域的影像评估、脊柱手术、结果评估、基础AI骨科教育和基础科学应用	数字病理	骨科疾病	深度学习	CNN	影像	595项研究（包括281项影像评估、102项脊柱手术、95项结果评估、84项基础AI骨科教育和33项基础科学应用）
578	2025-07-14	Mitosis detection in histopathological images using customized deep learning and hybrid optimization algorithms 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327567 PMID:40638590	research paper	该论文提出了一种定制化深度学习模型（CDL）用于组织病理学图像中的有丝分裂检测，结合了迁移学习和混合优化算法以提高检测准确性	创新点包括使用迁移学习应对类别不平衡问题，引入跳跃连接改善有丝分裂定位，以及结合JSO和WOA混合优化算法最大化模型动量	未来研究方向包括融合方法、实时应用的时间效率问题，以及将CDL扩展到其他组织病理学分析领域	提高组织病理学图像中有丝分裂检测的准确性，以辅助癌症诊断和预后评估	组织病理学图像中的有丝分裂细胞	digital pathology	cancer	deep learning, transfer learning, hybrid optimization algorithms	CNN with skip connections	histopathological images	多个公开可用的有丝分裂检测数据集（包括Mitosis WSI CCMCT Training Set、Mitosis-AIC等）
579	2025-07-14	Nuclei segmentation and classification from histopathology images using federated learning for end-edge platform 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0322749 PMID:40638627	研究论文	该研究提出了一种结合分割和分类的深度学习框架，用于增强组织病理学图像中的细胞核评估	采用基于FedAvg的联邦学习方案保护数据隐私，并应用全整数量化以减少边缘设备上的计算开销	未提及具体的数据集规模或多样性限制	提高组织病理学图像中细胞核分割和分类的准确性和效率	组织病理学图像中的细胞核	数字病理学	癌症	联邦学习、全整数量化	SegNet、DenseNet121	图像	NA
580	2025-07-14	Multi-scale time series prediction model based on deep learning and its application 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0325474 PMID:40638666	研究论文	提出了一种基于深度学习的多尺度时间序列预测模型MSCALSTM，用于提高交通流预测的准确性和鲁棒性	结合了多尺度卷积神经网络(MSCNN)、多尺度卷积块注意力模块(MSCBAM)和LSTM，能够有效捕捉时间序列数据中的多尺度动态模式并自适应关注关键特征	未提及模型在更广泛数据集上的表现或计算效率方面的限制	提高时间序列预测的准确性，特别是在交通流预测领域	时间序列数据，特别是交通流数据	机器学习	NA	深度学习	MSCALSTM (结合MSCNN, MSCBAM和LSTM)	时间序列数据	来自加州性能测量系统(PEMS)的数据集，未提及具体样本数量