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
701	2025-05-11	A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata 2025-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104798 PMID:39993588	研究论文	本研究通过多中心数据和丰富的元数据，全面验证了基于咳嗽的COVID-19检测模型的影响因素	首次结合自监督学习和多源数据，验证了咳嗽类型、症状和感染阶段等因素对检测性能的影响，并观察了预测概率与临床指标的相关性	在康复个体和开源数据集上检测性能较差，显示了现有基于咳嗽的检测模型的局限性	评估基于咳嗽的COVID-19检测模型在实际应用中的可行性	临床和大规模众包的咳嗽音频数据	机器学习	COVID-19	自监督学习	深度学习模型	音频	多中心临床数据和众包数据
702	2025-05-11	Prediction and detection of terminal diseases using Internet of Medical Things: A review 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109835 PMID:39999492	综述	本文综述了人工智能（AI）与医疗物联网（IoMT）结合在预测和检测慢性及终末期疾病中的应用及面临的挑战	探讨了AI-IoMT技术在疾病预测中的创新方法，包括联邦学习、迁移学习和区块链技术，以提高模型的鲁棒性、数据安全性和互操作性	面临数据异质性、隐私问题和模型泛化能力等挑战	评估AI-IoMT技术在预测和检测慢性及终末期疾病中的有效性	心血管疾病、阿尔茨海默病和癌症等慢性及终末期疾病	医疗物联网	心血管疾病、阿尔茨海默病、癌症	联邦学习、迁移学习、区块链	XGBoost、Random Forest、CNN、LSTM	医疗数据	NA
703	2025-05-11	Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations 2025-Apr, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2025.144241 PMID:39999669	研究论文	本研究提出了一种基于注意力机制的深度学习方法来预测学校室内外PM2.5浓度，利用附近空气质量监测站的数据，无需学校现场传感器	提出了一种基于注意力深度卷积自编码器（ADCAE）的软传感器，完全消除了学校现场传感器的需求，降低了安装、操作和维护的财务和技术成本	NA	预测学校室内外PM2.5浓度，确保健康的学习环境	学校环境（教室和操场）的PM2.5浓度	机器学习	NA	深度学习	ADCAE（注意力深度卷积自编码器）	空气质量数据	多所学校（小学、初中和高中）
704	2025-05-11	Deep learning-based LDL-C level prediction and explainable AI interpretation 2025-Apr, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109905 PMID:40010176	研究论文	本研究探讨了使用深度学习模型预测低密度脂蛋白胆固醇（LDL-C）水平的方法	采用深度学习模型（如CNN、RNN和LSTM）预测LDL-C水平，并通过LIME方法解释模型预测结果，相比传统方法和公式具有更高准确性	深度学习模型需要更多的计算资源来解释其决策过程	预测低密度脂蛋白胆固醇（LDL-C）水平，以评估心血管疾病风险并规划治疗方案	低密度脂蛋白胆固醇（LDL-C）水平	机器学习	心血管疾病	深度学习	CNN, RNN, LSTM	临床数据（包括甘油三酯、总胆固醇和高密度脂蛋白胆固醇）	来自纽约-长老会医院/威尔康奈尔医学中心的数据集（具体样本量未提及）
705	2025-05-11	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-Apr, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	开发了一种基于深度学习的算法，用于在机会性CT扫描中自动检测和量化椎体压缩性骨折	使用2D/3D U-Nets卷积神经网络开发了一种自动化工具，用于在非专门针对椎体压缩性骨折的CT扫描中进行机会性筛查	研究样本量相对较小（100名患者），且为回顾性研究	评估基于深度学习的算法在机会性CT扫描中检测和量化椎体压缩性骨折的性能	椎体压缩性骨折（VCF）患者	数字病理学	骨质疏松症	CT扫描	2D/3D U-Nets	医学影像	100名患者（平均年龄76.6岁，72%为女性）
706	2025-05-11	Comprehensive analysis of human dendritic spine morphology and density 2025-Apr-01, Journal of neurophysiology IF:2.1Q3 DOI:10.1152/jn.00622.2024 PMID:40013734	研究论文	本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建	首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理	样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性	研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系	27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本	神经科学	神经疾病	三维重建、深度学习	深度学习模型	图像	27名患者的脑组织样本，近4000个形态重建的树突棘
707	2025-05-11	Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors 2025-Apr, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112004 PMID:40014944	研究论文	本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估	提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能	研究仅基于单一医疗中心的数据，可能影响模型的泛化能力	开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用	712例纵隔病变患者的术前CT图像	数字病理	胸腺上皮肿瘤	CT成像	SCA-UNet（基于UNet改进的深度学习网络）	医学影像（CT图像）	712例患者
708	2025-05-11	A multi-stage multi-modal learning algorithm with adaptive multimodal fusion for improving multi-label skin lesion classification 2025-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103091 PMID:40015211	research paper	本文提出了一种基于不确定性的混合融合策略的多模态学习算法，用于提高多标签皮肤病变分类的准确性	引入了一种新颖的基于不确定性的混合融合策略，结合了临床图像、皮肤镜图像和元数据三种不同模态，通过中间融合策略和不确定性机制自适应地整合多模态信息	未提及具体的数据集规模限制或算法在特定条件下的性能局限	提高皮肤癌诊断的准确性和临床适用性	皮肤病变图像（临床图像和皮肤镜图像）及相关元数据	digital pathology	skin cancer	multi-modal learning, uncertainty mechanism	deep learning-based multi-modal fusion algorithm	image, metadata	使用了一个流行的公开皮肤疾病诊断数据集（具体数量未提及）
709	2025-05-11	Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting 2025-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2025.104532 PMID:40015615	研究论文	本研究探讨了在儿童超广角眼底成像中，通过散瞳和眼睑提升来最大化可见视网膜区域（VRA）的效果	结合散瞳和手动眼睑提升显著增加了超广角眼底成像中的可见视网膜区域，有效减少了由睫毛和眼睑引起的伪影影响	研究样本量较小（53名儿童，106只眼睛），且仅在单一医院进行，可能影响结果的普遍性	最大化儿童超广角眼底成像中的可见视网膜区域，以提高周边视网膜病变的检测率	53名儿童（106只眼睛）的超广角眼底图像	数字病理学	视网膜病变	超广角Optos成像系统（Daytona P200T）和基于深度学习的图像分割工具	深度学习	图像	53名儿童（106只眼睛）
710	2025-05-11	Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer 2025-Apr-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006279 PMID:38557792	research paper	开发一种人工智能系统，用于在乳腺癌新辅助化疗期间早期预测残留癌症负担	提出了一种多任务AI系统，能够在乳腺癌新辅助化疗期间早期预测残留癌症负担，填补了早期检测方法的空白	研究仅基于4个机构的1048名患者，可能存在样本选择偏差	开发一种非侵入性工具，用于早期预测乳腺癌新辅助化疗期间的残留癌症负担	乳腺癌患者	digital pathology	breast cancer	radiomics and deep learning	multitask AI system	magnetic resonance images	1048名乳腺癌患者（335名主要队列，713名外部验证队列）
711	2025-05-11	A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning 2025-Mar-30, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.125385 PMID:39999900	review	本文综述了通过纳米技术和机器学习重新利用药物治疗银屑病的新方法	结合纳米技术和人工智能（AI）重新利用现有药物治疗银屑病，克服传统疗法的挑战	药物重新利用方法尚处于早期阶段，可能存在潜在缺点	探索纳米技术和AI在银屑病治疗药物重新利用中的应用	银屑病治疗药物	machine learning	银屑病	machine learning, deep learning, nanotechnology	NA	NA	NA
712	2025-05-11	Characteristics of left ventricular dysfunction in repaired tetralogy of Fallot: A multi-institutional deep learning analysis of regional strain and dyssynchrony 2025-Mar-21, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101886 PMID:40122390	research paper	本研究利用深度学习合成应变（DLSS）算法，对修复后的法洛四联症（rTOF）患者的左心室功能障碍模式进行了多机构分析	首次使用深度学习算法DLSS自动测量区域左心室应变和不同步性，识别出rTOF患者左心室功能障碍的四种独特模式	研究为回顾性设计，样本量相对较小（198例患者和21例健康对照）	表征修复后法洛四联症患者左心室功能障碍的模式及其与右心室功能障碍和肺动脉瓣置换术进展的关系	修复后的法洛四联症患者和健康对照者	digital pathology	cardiovascular disease	cardiovascular magnetic resonance (CMR) imaging, deep learning synthetic strain (DLSS)	deep learning algorithm	MRI images	198例rTOF患者和21例健康对照
713	2025-05-11	Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models 2025-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003489 PMID:40008785	综述	本文综述了人工智能在医学影像中的应用，从特定任务模型到大规模基础模型的发展	探讨了基础模型在医学影像中的潜力及其与特定任务模型的互补性	基础模型目前主要关注分割和分类任务，尚未广泛应用于其他临床场景	分析人工智能在医学影像中的应用现状及未来发展方向	医学影像（包括X光、CT、MRI、超声、PET和病理影像）	医学影像分析	NA	深度学习	基础模型和特定任务模型	医学影像	NA
714	2025-05-11	Surface-Enhanced Raman Spectroscopy for Biomedical Applications: Recent Advances and Future Challenges 2025-Mar-19, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c17502 PMID:39991932	综述	本文总结了表面增强拉曼光谱（SERS）在生物医学应用中的最新进展和未来挑战	重点介绍了SERS基底、纳米标签、仪器和光谱分析方面的关键发展，包括胶体和固体SERS基底、具有内部间隙的正交拉曼报告基因和近红外II响应特性的SERS纳米标签，以及光学镊子、等离子体纳米孔和可穿戴传感器等新兴技术	讨论了SERS在临床转化中的挑战，特别是在深部组织体内传感和成像方面的困难	探讨SERS在生物医学领域的应用潜力，包括液体活检、代谢表型和细胞外囊泡诊断	SERS基底、纳米标签、仪器和光谱分析技术	生物医学工程	NA	表面增强拉曼光谱（SERS）	深度学习算法	光谱数据	NA
715	2025-05-11	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2025-Mar-17, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	research paper	研究便携式脑血流监测仪在疑似卒中患者中检测大血管闭塞的能力	使用便携式Openwater光学血流监测仪结合深度学习模型，提高了大血管闭塞的检测敏感性和特异性	需要在独立测试集和院前环境中进一步验证	提高卒中患者大血管闭塞的早期检测率，以优化治疗流程和改善预后	疑似卒中患者	digital pathology	cardiovascular disease	光学血流扫描	deep learning	光学血流波形数据	135名患者，其中52名（39%）有前循环大血管闭塞
716	2025-05-11	Deep learning to quantify the pace of brain aging in relation to neurocognitive changes 2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2413442122 PMID:39993207	research paper	该研究利用深度学习技术通过纵向MRI量化大脑衰老速度，并探讨其与神经认知变化的关系	引入3D-CNN模型从纵向MRI数据中非侵入性地估计大脑衰老速度，显著优于横断面模型	研究主要关注认知正常个体和阿尔茨海默病患者，可能不适用于其他神经系统疾病	开发一种能够量化大脑衰老速度并反映神经认知变化的方法	认知正常成年人和阿尔茨海默病患者	digital pathology	Alzheimer's disease	MRI	3D-CNN	image	训练集2,055名认知正常成年人，验证集1,304名认知正常成年人，独立队列包括104名认知正常成年人和140名阿尔茨海默病患者
717	2025-05-11	ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01752 PMID:39988825	研究论文	提出了一种名为ProCeSa的新型蛋白质对比增强结构感知网络，用于结合蛋白质语言模型（PLMs）提取的序列和结构信息来增强热稳定性预测	ProCeSa模型通过对比学习方案整合PLMs提取的序列和结构信息，无需原子结构数据即可预测蛋白质热稳定性	未明确提及具体局限性	提高蛋白质热稳定性预测的准确性	蛋白质序列及其热稳定性	蛋白质生物信息学	NA	对比学习、蛋白质语言模型（PLMs）	ProCeSa（对比增强结构感知网络）	蛋白质序列数据	公开数据集（未明确提及具体样本数量）
718	2025-05-11	A deep learning model for inter-fraction head and neck anatomical changes in proton therapy 2025-Mar-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adba39 PMID:39999567	research paper	开发了一种基于概率深度学习的算法，用于预测头颈部患者在质子治疗中的分次间解剖变化	利用变分自编码器架构构建概率性每日解剖模型（DAM），能够生成可能的重复CT图像和相关掩码，并评估解剖变化的分布	数据集规模较小，仅包含93名患者（315对pCT-rCT），其中仅9名患者（27对）用于最终测试	评估深度学习模型在预测头颈部患者质子治疗期间解剖变化方面的性能	头颈部癌症患者	digital pathology	head and neck cancer	深度学习	variational autoencoder	CT图像	93名患者（315对pCT-rCT），其中9名患者（27对）用于测试
719	2025-05-11	SynthMol: A Drug Safety Prediction Framework Integrating Graph Attention and Molecular Descriptors into Pre-Trained Geometric Models 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01320 PMID:40000610	research paper	介绍了一个名为SynthMol的深度学习框架，用于药物安全性预测，该框架整合了预训练的3D结构特征、图注意力网络和分子指纹	SynthMol框架整合了预训练的3D结构特征、图注意力网络和分子指纹，在多个数据集上实现了比现有最优模型更高的预测准确率	NA	开发一个高精度的药物安全性预测框架，以促进药物临床应用的评估	药物分子及其安全性评估	machine learning	NA	graph attention networks, molecular fingerprints	GAT (Graph Attention Network)	molecular data	22 datasets, including MoleculeNet, MolData and published drug safety data
720	2025-05-11	Large Model Era: Deep Learning in Osteoporosis Drug Discovery 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02264 PMID:40008920	综述	本文综述了深度学习在骨质疏松药物发现中的应用，特别是大型模型的作用	探讨了大型模型在理解疾病机制和促进药物发现中的新方法	讨论了大型模型在骨质疏松药物发现中的优势和局限性	促进骨质疏松药物发现的研究	骨质疏松药物发现	机器学习	骨质疏松	深度学习	大型模型	NA	NA