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
6181	2025-06-19	Deep Learning-Based Adrenal Gland Volumetry for the Prediction of Diabetes 2025-Jun-18, Endocrinology and metabolism (Seoul, Korea) DOI:10.3803/EnM.2025.2336 PMID:40528328	研究论文	本研究利用深度学习技术测量肾上腺体积，探索其与2型糖尿病的关联及预测价值	首次使用三维nnU-Net深度学习算法从CT图像中自动测量肾上腺体积，并建立其与2型糖尿病的预测关联	研究为观察性设计，无法确定因果关系；外部验证数据集有限	探究肾上腺体积与当前血糖状态及2型糖尿病发病的关联	接受腹部盆腔CT检查的成年人（无肾上腺结节）	数字病理	糖尿病	CT成像	nnU-Net	医学影像	模型开发500例CT扫描，临床队列9708名成年人
6182	2025-06-19	Explainable AI predicting Alzheimer's disease with latent multimodal deep neural networks 2025-Jun-18, Journal of biopharmaceutical statistics IF:1.2Q2 DOI:10.1080/10543406.2025.2511194 PMID:40528446	研究论文	提出了一种新颖的潜在多模态深度学习框架，用于预测阿尔茨海默病的认知状态	引入了注意力层和交叉注意力层以提升预测性能，并计算模态重要性分数以增强模型的可解释性	样本量相对较小（322名患者），且数据来源仅限于ADNI数据库	预测阿尔茨海默病的认知状态	阿尔茨海默病患者	机器学习	阿尔茨海默病	多模态深度学习	深度神经网络（带有注意力层和交叉注意力层）	临床数据、影像数据和遗传数据	322名年龄在55至92岁之间的患者
6183	2025-06-19	Identifying and predicting EEG microstates with sequence-to-sequence deep learning models for online applications 2025-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ade1f8 PMID:40480246	研究论文	本文提出了一种基于序列到序列深度学习模型的新框架，用于在线识别和预测EEG微状态	首次提出序列到序列框架，实现从EEG信号到微状态标签的端到端在线识别和预测	未提及模型在更复杂场景下的泛化能力	改进EEG微状态分析方法，实现跨被试、跨数据集和多任务场景的在线应用	EEG微状态	机器学习	NA	深度学习	序列到序列模型	EEG信号	两个公共数据集
6184	2025-06-19	NLP-like deep learning aided in identification and validation of thiosulfinate tolerance clusters in diverse bacteria 2025-Jun-17, mSphere IF:3.7Q2 DOI:10.1128/msphere.00023-25 PMID:40525872	研究论文	该研究利用类似自然语言处理的深度学习技术，识别和验证了多种细菌中的硫代亚磺酸盐耐受基因簇	采用NLP类似技术处理基因簇，克服了传统方法在识别多样性基因簇上的困难，发现了多个新基因簇	NA	开发新方法以识别和验证细菌中的硫代亚磺酸盐耐受基因簇	植物病原细菌中的硫代亚磺酸盐耐受基因簇	自然语言处理	NA	NLP-like深度学习技术、基因合成分析、蛋白质结构预测	DeepBGC类似模型	基因序列数据	3种细菌菌株（97-1R、pv. FDAARGOS 389、pv. tomato DC3000）及RefSeq细菌数据库序列
6185	2025-06-19	Effects of patient and imaging factors on small bowel motility scores derived from deep learning-based segmentation of cine MRI 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11737-4 PMID:40526355	研究论文	本研究探讨了患者和影像因素对基于深度学习分割的小肠运动评分的影响	首次使用深度学习算法分割小肠区域，并通过光流算法量化运动评分，分析了MRI切片相关因素对运动评分的影响	未考虑患者因素对运动评分的影响，且样本量较小	评估患者和影像因素对基于深度学习的小肠运动评分的影响	54名慢性便秘或疑似结肠假性梗阻患者	数字病理	慢性便秘、结肠假性梗阻	深度学习、光流算法	深度学习算法	MRI影像	54名患者
6186	2025-06-19	Innovative deep learning and signal decomposition approaches for enhanced spatial and temporal suspended sediment concentration prediction 2025-Jun-17, Environmental science and pollution research international DOI:10.1007/s11356-025-36581-3 PMID:40526349	研究论文	本研究提出了一种新型混合深度学习方法，用于提高悬浮泥沙浓度（SSC）的空间和时间预测精度	结合了LSTM、BiLSTM、GRU和DDNN等深度学习模型与CEEMDAN和SVMD信号分解技术，创新性地提升了预测效率	研究仅基于美国科罗拉多河下游四个连续测站的数据，可能限制了模型的泛化能力	提高悬浮泥沙浓度的预测精度，以支持有效的流域规划和水资源管理	悬浮泥沙浓度（SSC）	机器学习	NA	CEEMDAN, SVMD, 小波变换相干性分析	LSTM, BiLSTM, GRU, DDNN	时间序列数据	2008年至2022年美国科罗拉多河下游四个连续测站的数据
6187	2025-06-19	Risk factors and prognostic indicators for progressive fibrosing interstitial lung disease: a deep learning-based CT quantification approach 2025-Jun-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11714-x PMID:40526353	research paper	本研究探讨了基于深度学习的定量CT（QCT）在预测进展性纤维化间质性肺疾病（PF-ILD）和评估预后中的价值	利用深度学习技术对CT图像中的ILD表现进行定量分析，以预测PF-ILD的发展和预后	单中心回顾性研究，样本量有限	预测进展性纤维化间质性肺疾病（PF-ILD）并评估其预后	465名间质性肺疾病患者	digital pathology	lung disease	deep learning-based quantitative CT (QCT)	deep learning	CT images	465名患者（中位年龄65岁，男性238名）
6188	2025-06-19	Replacing Attention with Modality-wise Convolution for Energy-Efficient PPG-based Heart Rate Estimation using Knowledge Distillation 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580474 PMID:40526537	research paper	提出了一种名为PULSE的轻量级深度学习架构，通过多头部交叉注意力层改进传感器融合，并利用基于关系的知识蒸馏机制将知识传递给学生网络，以更少的参数实现接近教师网络的性能	提出了一种新颖的轻量级深度学习架构PULSE，以及一种基于关系的知识蒸馏机制，显著减少了模型参数和能耗	未提及具体的局限性	提高基于PPG的心率估计的准确性和能效，适用于可穿戴设备	PPG信号和加速度计数据	machine learning	cardiovascular disease	深度学习，知识蒸馏	multi-head cross-attention, modality-wise convolutions	PPG信号和加速度计数据	两个数据集：PPG-DaLiA（最大的可用数据集）和WESAD
6189	2025-06-19	M3D: Manifold-based Domain Adaptation with Dynamic Distribution for Non-Deep Transfer Learning in Cross-subject and Cross-session EEG-based Emotion Recognition 2025-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3580612 PMID:40526534	研究论文	提出了一种轻量级的非深度迁移学习框架M3D，用于跨被试和跨会话的基于EEG的情绪识别	M3D框架结合了流形特征变换、动态分布对齐、分类器学习和集成学习，有效解决了EEG数据的非平稳性和个体差异性问题	虽然性能接近深度学习方法，但在某些复杂场景下可能仍需更大规模数据支持	提高基于EEG的情感脑机接口在实际应用中的实用性和适应性	跨被试和跨会话的EEG情绪识别	脑机接口	抑郁症	流形学习	非深度迁移学习框架	EEG信号	三个基准EEG情绪识别数据集和一个临床MDD EEG数据集
6190	2025-06-19	ABNN: Adaptive-Gating Binary Neural Network With Dynamic Activation Quantization for Industrial Health Status Prediction 2025-Jun-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3577620 PMID:40526547	research paper	提出了一种高效的适应性门控二进制神经网络（ABNN），用于工业边缘场景中复杂工业设备的健康状态预测	引入了趋势感知编码器（TAE）优化输入层二值化过程，提出可学习精度指示器（LPI）调整推理精度水平，以及适应性门控卷积在不大幅增加计算成本的情况下提升表示能力	未提及具体在哪些类型的工业设备上进行了测试，以及在不同工业场景中的泛化能力	解决工业边缘场景中资源有限和实时性要求严格的问题，提升健康状态预测的准确性和效率	复杂工业设备的健康状态	machine learning	NA	FPGA硬件加速器	ABNN（适应性门控二进制神经网络）	工业设备健康状态数据	NA
6191	2025-06-19	Exploratory multi-cohort, multi-reader study on the clinical utility of a deep learning model for transforming cryosectioned to formalin-fixed, paraffin-embedded (FFPE) images in breast lesion diagnosis 2025-Jun-17, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-025-02064-z PMID:40528232	研究论文	本研究开发并验证了一种深度学习模型，用于将冷冻切片图像转换为福尔马林固定石蜡包埋（FFPE）样图像，以提高乳腺病变诊断的准确性	使用改进的生成对抗网络（GAN）结合注意力机制和自我正则化约束，首次实现了冷冻切片到FFPE样图像的转换，并显著提高了病理学家的诊断信心	诊断一致性在两组间相似，且图像质量较差、非典型导管增生/导管原位癌病例以及经验较少的病理学家会影响诊断准确性	开发并验证一种深度学习模型，用于改善乳腺病变的术中诊断准确性	乳腺病变的冷冻切片图像	数字病理学	乳腺癌	GAN	改进的生成对抗网络（带注意力机制）	图像	132张乳腺病变冷冻切片全玻片图像（来自三个队列：SYSUCC、GSPCH和TCGA），共1584次病理学家读取
6192	2025-06-19	Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning 2025-Jun-16, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf047 PMID:40173420	研究论文	本研究利用自然语言处理和深度学习技术分析了社交媒体上关于乳房植入物疾病(BII)的讨论，探讨了患者的感知和情绪反应	首次使用Robust optimizing Bidirectional Encoder Representations from Transformers模型分析BII相关的社交媒体帖子，并揭示了患者情绪与植入物取出率之间的强相关性	研究仅基于X平台的帖子，可能无法代表所有社交媒体或实际人群的观点	分析社交媒体上患者对乳房植入物疾病的感知和情绪反应，及其对医疗决策的影响	社交媒体上关于乳房植入物疾病的讨论	自然语言处理	乳房植入物疾病	自然语言处理	Robust optimizing Bidirectional Encoder Representations from Transformers	文本	6099条帖子(2014-2023年)
6193	2025-06-19	Rate of brain aging associates with future executive function in Asian children and older adults 2025-Jun-16, eLife IF:6.4Q1 DOI:10.7554/eLife.97036 PMID:40522287	研究论文	本文研究了大脑年龄变化率与未来执行功能的关系，并在新加坡老年人和儿童中验证了深度学习模型的适用性	首次在非白种人群（特别是儿童）中验证大脑年龄模型的泛化能力，并发现大脑年龄差距变化率与未来认知功能的关联	样本仅来自新加坡人群，可能限制结果的普遍适用性	探索大脑年龄变化率与认知功能的关系，并验证大脑年龄模型在不同人群中的适用性	新加坡老年人（55-88岁）和儿童（4-11岁）	神经影像分析	老年疾病	深度学习	深度学习模型	神经影像数据	新加坡老年人和儿童群体（具体数量未提及）
6194	2025-06-19	DWI-based deep learning radiomics nomogram for predicting the impaired quality of life in patients with unruptured intracranial aneurysm developing new iatrogenic cerebral infarcts following stent placement: a multicenter cohort study 2025-Jun-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-025-03628-5 PMID:40512286	研究论文	本研究开发了一种基于DWI的放射组学列线图，用于预测支架置入术后发生新医源性脑梗死（NICI）的未破裂颅内动脉瘤患者健康相关生活质量（HRQOL）的损害	整合了临床、放射组学和深度学习特征，构建了DLRN模型，其预测性能优于单一模态模型，并展示了在个性化治疗规划中的临床应用价值	研究仅关注了支架置入术后发生NICI的患者，未考虑其他可能影响HRQOL的因素	预测支架置入术后未破裂颅内动脉瘤患者的HRQOL损害	522名来自多家医院的未破裂颅内动脉瘤患者	数字病理学	颅内动脉瘤	DWI、超分辨率重建、深度学习	DLRN（整合临床、放射组学和深度学习特征的模型）、GoogleNet	医学影像（DWI）	522名患者（分为训练队列和两个外部验证队列）
6195	2025-06-19	A deep learning model could screen for coronary heart disease from a "pseudo-normal" electrocardiogram 2025-Jun-13, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000042764 PMID:40527801	研究论文	本研究开发了一种深度学习模型，用于通过'伪正常'心电图快速筛查冠心病	该深度学习模型特别关注入院时心电图正常或接近正常的患者，能够有效识别'伪正常'心电图中的冠心病	研究仅使用了两个医疗中心的数据，可能需要更多外部验证	开发一种快速筛查冠心病的深度学习模型	冠心病和非冠心病患者的心电图数据	机器学习	心血管疾病	深度学习	DLM	心电图数据	SAH中心的15,995名患者的21,240份心电图，FAH中心的2,572份心电图
6196	2025-06-19	Discovery of CYP1A1 Inhibitors for Host-Directed Therapy against Sepsis 2025-Jun-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.5c00493 PMID:40442943	研究论文	该研究通过深度学习和虚拟筛选技术，发现并优化了CYP1A1的小分子抑制剂，用于治疗细菌性败血症	首次将CYP1A1作为宿主导向治疗(HDT)的靶点，并通过小分子抑制剂显著增强巨噬细胞的吞噬能力	研究仅针对MRSA和另一种细菌进行了测试，未涵盖更广泛的耐药菌株	开发针对多药耐药性细菌败血症的新型宿主导向治疗方法	细胞色素P4501A1(CYP1A1)及其小分子抑制剂	药物发现	败血症	深度学习、虚拟筛选、生物评价	NA	化学结构数据、生物活性数据	未明确说明样本数量，但测试了两种细菌(MRSA和另一种)
6197	2025-06-19	Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference 2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2420158122 PMID:40465628	研究论文	介绍了一种名为cryoSBI的新方法，用于从冷冻电镜图像中推断生物分子的构象及其不确定性	结合了基于物理的模拟和概率深度学习，无需计算昂贵的似然函数即可进行贝叶斯推断，并消除了估计粒子姿态和成像参数的需求	NA	从冷冻电镜图像中准确推断生物分子的构象	生物分子构象	数字病理学	NA	冷冻电镜(cryo-EM)	深度学习神经网络	图像	NA
6198	2025-06-19	[A preliminary exploration of an intelligent system for personalized tooth morphology reconstruction based on deep learning] 2025-Jun-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20250331-00110 PMID:40443316	research paper	该研究开发了一种基于深度学习的智能系统，用于个性化牙齿形态重建	提出了一种新型神经网络T-DDIN，结合隐式模板和深度学习方法，实现了高精度的个性化牙齿缺损形态修复	研究仅针对两种特定牙齿缺损类型进行了测试，未涵盖所有可能的牙齿缺损情况	开发一种高精度、个性化的牙齿形态重建智能系统	牙齿缺损形态重建	digital pathology	dental disease	deep learning	T-DDIN	3D scan models	550例口腔扫描模型（500例训练，50例测试）
6199	2025-06-19	Automated interpretation of cardiotocography using deep learning in a nationwide multicenter study 2025-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-02849-4 PMID:40467683	研究论文	本研究开发了一种基于深度学习的自动化心电监护图(CTG)解读模型，利用大规模全国性数据集进行训练和验证	使用大规模全国性CTG数据集，由专业产科医生提供可靠标注，提高了模型的临床适用性	需要在前瞻性研究中进一步评估模型的临床适用性	开发临床适用的自动化CTG解读模型以改善胎儿预后	分娩过程中的心电监护图(CTG)	数字病理学	产科疾病	深度学习	深度学习模型	CTG信号	22,522例分娩数据，来自14家医院，共519,800人分钟的分析数据
6200	2025-06-19	Development of Deep Learning Models to Screen Posterior Staphylomas in Highly Myopic Eyes Using UWF-OCT Images 2025-Jun-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.6.25 PMID:40504567	研究论文	开发深度学习模型用于利用超广角光学相干断层扫描（UWF-OCT）图像筛查高度近视患者的后葡萄肿	使用七种不同的深度学习架构（VGG16、VGG19、ResNet18、ResNet50、ResNet101、DenseNet121和DenseNet161）训练模型，并比较它们在检测后葡萄肿边缘方面的性能，其中VGG19表现最佳	研究为回顾性单中心研究，样本量相对有限（1428张图像来自438名患者），且仅进行了内部验证	开发一种深度学习模型，用于筛查高度近视患者的后葡萄肿	高度近视患者的UWF-OCT图像	计算机视觉	高度近视	UWF-OCT	VGG16, VGG19, ResNet18, ResNet50, ResNet101, DenseNet121, DenseNet161	图像	1428张UWF-OCT图像（来自438名患者）用于模型开发，216张图像（来自69名患者）用于内部验证