深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
7301	2025-10-06	iGTP: learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2025-May-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf296 PMID:40551620	研究论文	提出了一种可解释的生成式转录程序框架iGTP，用于从单细胞转录组数据中学习可解释的细胞嵌入表示	设计了能够建模转录程序空间重要性和蛋白质相互作用的新型可解释生成框架，结合图神经网络和潜在扩散模型	NA	推断单细胞转录组数据背后的生物学机制	单细胞转录组数据	生物信息学	NA	单细胞转录组测序	变分自编码器, 图神经网络, 潜在扩散模型	基因表达数据	NA	NA	iGTP	功能富集分析性能	NA
7302	2025-10-06	Artificial Intelligence Tools in Dentistry: A Systematic Review on Their Application and Outcomes 2025-May, Cureus DOI:10.7759/cureus.85062 PMID:40585609	系统综述	本系统综述探讨人工智能技术在牙科实践中的应用及其对诊断准确性、治疗规划和运营效率的影响	全面评估2019-2024年间AI在牙科多领域的应用效果，包括放射学、牙周病学、修复学、正畸学、肿瘤学等	仅纳入39篇符合标准的研究，可能存在发表偏倚，且依赖QUADAS-2工具的质量评估	系统评估人工智能技术在牙科实践中的整合应用及其临床效果	牙科临床实践中的诊断、治疗和管理流程	医疗人工智能	牙科疾病	深度学习算法	深度学习模型	牙科影像	39篇全文文献（从342篇初筛文献中筛选）	NA	NA	诊断准确性、运营效率	NA
7303	2025-10-06	Establishment and Reliability of an Automatic Measurement Method of Pectus Excavatum Indices Using a Deep Learning Model 2025-May, Cureus DOI:10.7759/cureus.84976 PMID:40585612	研究论文	本研究开发了一种基于U-Net的自动测量方法，用于评估漏斗胸指数，并与人工测量进行一致性比较	首次将U-Net深度学习模型应用于漏斗胸指数的自动测量，显著降低了观察者间变异	需要多中心验证以支持更广泛的放射学应用	评估基于深度学习的自动测量方法在漏斗胸指数评估中的一致性和准确性	漏斗胸患者	计算机视觉	漏斗胸	胸部计算机断层扫描(CT)	CNN	医学影像	94名患者的714次胸部CT扫描（训练集550次，验证集164次）	NA	U-Net	组内相关系数(ICC), Bland-Altman分析, 错误率	NA
7304	2025-10-06	Predicting the hypoxic volume of head and neck tumors from fluorodeoxyglucose positron emission tomography images using artificial intelligence 2025-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100769 PMID:40584457	研究论文	本研究开发了一种基于生成对抗网络的人工智能模型，能够从常规获取的18F-FDG PET图像合成类似18F-FMISO的缺氧图像，用于预测头颈部肿瘤的缺氧体积	首次使用基于pix2pix架构的生成对抗网络从常规FDG-PET图像直接生成FMISO样缺氧图像，避免了FMISO PET扫描的可用性限制	需要在更大规模的机构和多机构队列中进行测试以验证泛化能力，样本量相对有限	开发人工智能模型预测头颈部肿瘤缺氧体积，替代稀缺的FMISO PET成像	134名头颈部癌患者（训练84人，验证13人，测试21人，额外测试16人）	医学影像分析	头颈部肿瘤	18F-FDG PET/CT成像，18F-FMISO动态PET/CT成像	GAN	医学影像	134名头颈部癌患者	NA	pix2pix	Pearson相关系数	NA
7305	2025-10-06	PhysioEx: a new Python library for explainable sleep staging through deep learning 2025-Feb-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adaf73 PMID:39874654	研究论文	介绍PhysioEx——一个用于通过深度学习和可解释AI进行睡眠分期分析的Python库	开发了首个结合深度学习和可解释AI的标准化睡眠分期分析Python库，支持模块化工作流程和多种解释方法	NA	为睡眠分期分析提供一个标准化且易于使用的平台，弥合机器学习模型与临床专业知识之间的差距	睡眠生理信号数据	数字病理	睡眠障碍	深度学习，可解释AI	深度学习模型	生理信号（单通道EEG，多通道EEG-EOG-EMG）	基于睡眠心脏健康研究数据集的预训练模型	Python	NA	基准测试比较	支持从低资源设备到高性能计算集群
7306	2025-10-06	A two-branch framework for blood pressure estimation using photoplethysmography signals with deep learning and clinical prior physiological knowledge 2025-Feb-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adae50 PMID:39854841	研究论文	提出一种结合深度学习和临床先验知识的双分支框架，用于基于光电容积脉搏波信号的无袖带血压估计	首次将预训练视觉Transformer与临床生理知识相结合，并考虑昼夜血压变化构建分时段专用模型	仅使用静息状态数据，未验证运动状态下的性能	开发精确可靠的无创血压监测技术	光电容积脉搏波信号	机器学习	心血管疾病	光电容积脉搏波	深度学习	信号数据	HRSD数据集和MIMIC-IV数据集	AutoML	MobileViTv2, Vgg19	平均绝对误差	NA
7307	2025-10-06	ECG signal generation using feature disentanglement auto-encoder 2025-Jan-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adab4f PMID:39820006	研究论文	提出一种特征解耦自编码器用于生成心电图信号，解决罕见类别样本不足的问题	提出特征解耦自编码器(FDAE)，通过对比学习框架解耦心电信号的生成因子，支持通过潜在代码交换生成新样本	NA	解决心电图数据集中罕见类别样本不足的问题，提升深度学习模型在心电分析中的鲁棒性和泛化能力	心电图信号	机器学习	心血管疾病	心电图分析	自编码器, VAE	心电图信号	MIT-BIH心律失常数据库和Icentia11K数据集	NA	特征解耦自编码器(FDAE)	分类性能	NA
7308	2025-10-06	A systematic review of automated prediction of sudden cardiac death using ECG signals 2025-Jan-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad9ce5 PMID:39657316	系统综述	本文系统综述了2011-2023年间使用心电信号自动预测心源性猝死的研究进展	全面分析了机器学习和深度学习在心源性猝死预测中的应用，涵盖了多种特征提取技术和分类器	大多数预测模型依赖小规模数据库，在真实场景中的适用性存疑；主要使用ECG和HRV信号，忽略了其他生理信号的潜在贡献	心源性猝死的自动预测	心源性猝死患者的心电信号数据	机器学习	心血管疾病	ECG信号分析，HRV信号分析	KNN, SVM, 决策树, 随机森林, 朴素贝叶斯, CNN	生理信号数据	使用公开数据库如MIT-BIH SCD Holter和Normal Sinus Rhythm，包含SCD患者24小时记录	NA	NA	准确率	NA
7309	2025-10-06	Deep learning generalization for diabetic retinopathy staging from fundus images 2025-Jan-22, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ada86a PMID:39788077	研究论文	开发了一种名为DRStageNet的深度学习模型，用于从眼底图像中进行糖尿病视网膜病变分期，并解决模型泛化问题	使用多源域微调策略和自监督视觉变换器，显著提高了模型在不同目标域的泛化性能	错误分析显示60%的错误源于标签错误，数据质量可能影响模型性能	开发能够准确分期糖尿病视网膜病变并具有良好泛化能力的深度学习模型	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	ViT	图像	91,984张数字眼底图像，来自六个公共独立数据集	NA	DINOv2,自监督视觉变换器	L-Kappa	NA
7310	2025-10-06	Donor-specific digital twin for living donor liver transplant recovery 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf037 PMID:40486178	研究论文	开发基于深度学习的供体特异性数字孪生模型，预测活体肝移植后供体肝脏质量恢复轨迹	将基因表达模式与肝细胞转换数学模型相结合，创建具有机制可识别潜在空间的个性化数字孪生模型	样本量较小（12名供体），需要更大规模验证	改善活体肝移植后供体恢复监测和预测	活体肝移植供体	数字病理	肝病	基因表达测量，深度学习	深度学习	基因表达数据	12名供体，随访一年	NA	NA	NA	NA
7311	2025-10-06	Retinal vessel metric analysis of type 1 diabetes mellitus in OCT angiography 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1562809 PMID:40584707	研究论文	本研究通过OCTA和深度学习技术分析1型糖尿病患者在不同阶段的视网膜血管特征变化	首次使用深度学习血管分割模型定量分析1型糖尿病患者OCTA图像中动脉和静脉的多种血管指标变化	回顾性研究设计，样本量有限（63名患者），仅使用3*3 mm OCTA扫描区域	研究1型糖尿病患者在不同糖尿病视网膜病变阶段的视网膜血管特征变化	1型糖尿病患者（63人，110眼）和年龄匹配的健康个体（40人，79眼）	数字病理	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习模型	OCTA图像	103名受试者（63名T1DM患者，40名健康对照），共189眼	NA	NA	分形维度（FD）、血管直径指数（VDI）、血管长度分数（VLF）、血管弯曲度、血管密度（VD）	NA
7312	2025-10-06	A hybrid transformer-based approach for early detection of Alzheimer's disease using MRI images 2025, BioImpacts : BI IF:2.2Q3 DOI:10.34172/bi.30849 PMID:40584904	研究论文	提出一种基于Transformer的混合方法，利用多视角MRI图像进行阿尔茨海默病的早期检测	结合迁移学习、Transformer编码器和LSTM网络的多模态方法，通过三个不同视角的MRI图像捕获全面特征	仅使用ADNI数据集，未在其他独立数据集上验证模型泛化能力	开发阿尔茨海默病的早期检测方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI成像	Transformer, CNN, LSTM	图像	ADNI数据集	NA	ResNet50, Transformer, LSTM	准确率	NA
7313	2025-10-06	Convolutional-LSTM approach for temporal catch hotspots (CATCH): an AI-driven model for spatiotemporal forecasting of fisheries catch probability densities 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpaf045 PMID:40585182	研究论文	提出一种结合卷积和长短期记忆神经网络的AI模型CATCH，用于预测冰岛水域渔业捕捞概率密度的时空分布	首次利用大规模冰岛渔船多维数据（深度、底层温度、盐度、溶解氧和捕捞数据）进行多元预测	NA	支持渔业运营规划和适应性策略制定	冰岛水域的鳕鱼及其他目标鱼种（黑线鳕、绿青鳕、金平鲉、格陵兰大比目鱼）	机器学习	NA	NA	CNN,LSTM	多维时空数据	大规模冰岛渔船数据集	NA	卷积长短期记忆神经网络	RMSE,MAE,WD,SSI	NA
7314	2025-10-06	An AI-based module for interstitial glucose forecasting enabling a "Do-It-Yourself" application for people with type 1 diabetes 2025, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2025.1534830 PMID:40585404	研究论文	提出一种基于深度学习的DIY框架，用于糖尿病患者间质葡萄糖预测	首个提供基于深度学习的完全个性化葡萄糖预测的DIY方法	仅使用29名1型糖尿病患者的CGM数据进行训练和验证	开发个性化葡萄糖预测工具以改善1型糖尿病自我管理	1型糖尿病患者	机器学习	糖尿病	连续葡萄糖监测(CGM)	深度学习	时间序列数据	29名1型糖尿病患者的一年CGM数据	NA	NA	NA	Docker容器部署
7315	2025-10-06	Evaluation of perivascular fat density and residual false lumen formation following TEVAR in Stanford type B aortic dissection 2025, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2025.1633817 PMID:40585403	研究论文	评估斯坦福B型主动脉夹层TEVAR术后血管周围脂肪密度与残余假腔形成的关系	首次将血管周围脂肪组织衰减指标（HUΔ和HUratio）作为预测TEVAR术后残余假腔形成的非侵入性影像生物标志物	回顾性研究设计，样本量相对有限（132例），需要前瞻性研究进一步验证	探讨PVAT衰减在预测TBAD患者TEVAR术后残余假腔形成中的作用	132例在福建协和医院接受TEVAR治疗的斯坦福B型主动脉夹层患者	数字病理学	心血管疾病	计算机断层扫描血管成像（CTA）	深度学习模型	医学影像	132例患者（2016-2024年）	NA	TotalSegmenter	敏感性, 特异性, ROC曲线分析	NA
7316	2025-10-06	Leveraging machine learning models in evaluating ADMET properties for drug discovery and development 2025, ADMET & DMPK DOI:10.5599/admet.2772 PMID:40585410	综述	本文系统回顾了机器学习模型在药物ADMET性质评估中的应用进展	深入探讨机器学习如何通过提高预测准确性、减少实验负担来革新ADMET评估流程	面临数据质量、算法透明度和监管接受度等挑战	研究机器学习在药物发现和开发中ADMET性质评估的应用	药物候选化合物的ADMET性质	机器学习	NA	机器学习	监督学习,深度学习	分子描述符数据	NA	NA	NA	NA	NA
7317	2025-10-06	Deep learning in obsessive-compulsive disorder: a narrative review 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1581297 PMID:40585546	综述	本文系统回顾了深度学习在强迫症研究中的应用现状与前景	首次系统综述深度学习在强迫症诊断、症状分类和治疗预测中的综合应用	当前模型受限于小样本量、缺乏治疗预测比较、早期反应检测和可扩展监测方案关注不足	评估深度学习在强迫症精准精神病学中的应用潜力	强迫症患者	机器学习	强迫症	神经影像学, EEG, 临床数据采集	深度学习	神经影像数据, EEG数据, 临床数据	基于10项研究的汇总样本	NA	NA	准确率	NA
7318	2025-10-06	7T magnetic resonance imaging-based investigation of the correlation between mammillary body structure and cognitive impairment in patients with spinocerebellar ataxia type 3 2025, Psychoradiology DOI:10.1093/psyrad/kkaf010 PMID:40586051	研究论文	本研究利用7T磁共振成像技术探究脊髓小脑共济失调3型患者乳头体结构与认知障碍之间的相关性	首次使用7T高场强MRI对Papez环路中乳头体等结构进行定量分析，并揭示其与SCA3患者认知功能的相关性	横断面研究设计无法确定因果关系，样本量相对有限	探究SCA3患者认知障碍与Papez环路结构变化的关系	46名SCA3患者和48名健康对照者	医学影像分析	神经系统疾病	7T磁共振成像	深度学习模型	磁共振图像	94名参与者（46名患者，48名健康对照）	NA	NA	NA	NA
7319	2025-10-06	Unsupervised cell line embedding using pairwise drug response correlation 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.06.018 PMID:40586099	研究论文	提出一种基于对比学习的无监督深度学习模型，整合异质性药物反应筛选数据生成统一细胞系嵌入	首次使用对比学习方法整合异质药物反应数据构建细胞系嵌入，并证明该嵌入能提升下游药物反应相关任务的机器学习性能	研究仅基于Cancer Dependency Map数据，未验证在其他数据集上的泛化能力	解决细胞系在药物筛选和组学数据中的异质性问题，优化细胞系模型的利用效率	人类癌细胞系	机器学习	癌症	药物反应筛选，基因表达分析	对比学习	药物反应数据，基因表达数据	1,673个癌细胞系（1,136个训练，537个测试）	NA	对比学习模型	SHAP分析	NA
7320	2025-10-06	Deep learning based deconvolution methods: A systematic review 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.05.038 PMID:40586100	系统综述	本文系统综述了人工智能和深度学习在细胞反卷积工具开发中的应用，特别关注RNA测序转录组学数据分析	首次系统性地总结深度学习驱动的反卷积工具，强调高质量参考谱对方法准确性的关键作用，并识别标准化方法和模型可解释性改进等关键研究空白	作为综述文章，不包含原始实验数据，主要基于现有文献分析	评估人工智能和深度学习在细胞反卷积工具开发中的角色和应用	基于RNA测序的转录组学数据	机器学习	NA	RNA测序	深度学习	转录组学数据	NA	NA	NA	NA	NA